Escuela Profesional de Ingeniería

Topográfica y Agrimensura

Vladimiro Ibañez Quispe, Dr.

C.U. Abril, 2017
 FUNDAMENTOS TEÓRICOS DEL
CONOCIMIENTO CIENTÍFICO
1. CONOCER
Proceso intelectual por el cual se establece una
relación entre quien conoce (actor) y el objeto
conocido (realidad).

2. CONOCIMIENTO
Actividad por medio de la cual adquirimos la
certeza de que existe una realidad, el mundo
circundante existe y está dotado de
características que no ponemos en duda.
 Características del Conocimiento

Ordinario Científico
- Emocional. - Real.
- Reflexivo. - Crítico
- Inexacto. - Sistemático.
- Verificable. - Contingente.
- Asistemático. - Cuasi-exacto.
- Acrítico - Falible.
 2.1. TIPOS DE CONOCIMIENTO

a) EMPÍRICO:
Se adquiere por experiencia del individuo
cumplida al azar, sin método y mediante
investigaciones personales.Es conocimiento
del sentido común.
Ejemplo: El conocimiento artesanal
adquirido por el minero informal para
encontrar oro, o por un ama de casa para
cocinar.
b) CIENTÍFICO:
Identifica las causas y está basado en
leyes que rigen a los fenómenos.
Además: observa, describe, explica y
predice su objeto mediante
procedimientos y métodos basados en
la lógica.
Ejemplo:
A cada acción corresponde una
reacción igual y de dirección opuesta.
El virus VIH ataca el sistema
inmunológico del organismo.
c) FILOSÓFICO:
Basado en la reflexión o especulación
proporcionados por la experiencia y por la
ciencia. Este conocimiento, se caracteriza
principalmente por lo siguiente:
 Hechos y problemas que rodean al
hombre y sobre el hombre mismo, su
entorno y Dios.
 Su método es racional. La observación
de la realidad o la aceptación de
principios o axiomas para luego
proseguir por deducción.
d) TEOLÓGICO:
Resultado del revelado de algo oculto o
de un misterio, es conocimiento aceptado
por fe frente a lo revelado.
El conjunto de verdades que los hombres
llegan, no con el auxilio de su
inteligencia sino mediante la aceptación
de los datos de revelación divina.
Son adquiridos a través de los libros
sagrados y aceptados racionalmente por
los hombres después de haber pasado las
criticas históricas.
 3. CONOCIMIENTO CIENTÍFICO

Es una clase o subconjunto del

conocimiento humano. Construye
explicaciones acerca de la realidad.

Utiliza métodos basados en la lógica.

Establece leyes generales y explicacio-
nes particulares de su objeto.
 3. CONOCIMIENTO CIENTÍFICO

Heredia (1984), es el conocimiento

racional, sistemático y verificable, que
se obtiene mediante procedimientos
objetivos, ordenados y repetibles.
 3. CONOCIMIENTO CIENTÍFICO

Ortega (1993), se basa en el

descubrimiento de las causas
inmediatas de los fenómenos.

Ejemplo:
El agua se compone de dos átomos de
hidrógeno y uno de oxígeno.
 3.1 Procesos Básicos del Conocimiento
Científico

Todo proceso de conocimiento

científico implica lo siguiente:
 OBSERVA
 DESCRIBE
 EXPLICA
 PREDICE
 4. CIENCIA
Etimológicamente se deriva de la
palabra latina:
Scientia; de Scire: Saber.
Es sinónimo de conocimiento, conjunto o
sistema acumulativo, metódico de
conocimientos comprobables, producto
de una investigación científica en una
determinada área de objetos o
fenómenos.
 CIENCIA
El creciente cuerpo de
ideas llamado “ciencia”,
que puede caracterizarse
como conocimiento ra-
cional, sistemático, exac-
to, verificable y por con-
siguiente falible.
CIENCIA
 CIENCIA
Según Gorosquieta, considera que la ética es
una ciencia normativa que se ocupa de las
acciones de los humanos.
Avances Tecnológicas en la Humanidad
Avances Tecnológicas en la Humanidad
Avances Tecnológicas en la Humanidad
Avances Tecnológicas en la Humanidad (Cura
de Cáncer)
La Tecnología y la Ciencia es un Arma de doble
filo
 CIENCIA
Bunge (2001). Se aplica al
mejoramiento de nuestro medio
natural y artificial, a la invención
de bienes materiales y culturales,
la ciencia se convierte en
tecnología.
 Tipos de Ciencias

1) Ciencias formales:
Se ocupan de objetos que carecen de
propiedades físicas, biológicas
sociológicas. No cambian por sí
mismos. Pertenecen a este campo la
lógica y la matemática pura. En estas
ciencias importa el concepto de
deductibilidad (verdad de razón).
 Tipos de Ciencias
2) Ciencias fácticas:
Se ocupan de hechos que ocurren en el mundo
exterior o en el mundo interno, son cosas
concretas o materiales; que tienen propiedades
físicas, biológicas y sociales. En cambio,
carecen de propiedades matemáticas, aunque
se puede representar matemáticamente. Están
la física, biología, sociología e historia. Se
utiliza el concepto de verdad, en el sentido de
verdad de hecho. Su objeto de conocimiento lo
percibe la experiencia de quien investiga.
INVESTIGACIÓN
LA INVESTIGACIÓN CIENTÍFICA
 Método Científico
El método es el camino a seguir en la búsqueda del
conocimiento.
Diferencia entre Investigación Científica y
Método Científico
 Método Científico de Mario Bunge
- Reconocimiento de los hechos.
Planteamiento del Problema - Descubrimiento del problema.
- Formulación del problema.

- Selección de los factores pertinentes

Construcción del modelo
- Planteamiento de la hipótesis central
teórico - Operacionalización de los indicadores de
las variables

Deducciones de consecuencias - Búsqueda de soportes racionales

particulares - Búsqueda de soportes empíricos

- Diseño de la prueba
- Aplicación de la prueba
Aplicación de la prueba
- Recopilación de datos
- Inferencia de conclusiones

- Confrontación de las conclusiones con las

Introducción de las predicciones.
conclusiones a la teoría - Reajuste del modelo
- Sugerencias para trabajos posteriores
 Método Científicos
ANTECEDENTES

DUDA, PREGUNTA,
PROBLEMA

HIPÓTESIS

DISEÑO EXPERIMENTAL

EXPERIMENTACIÓN,
OBSERVACIÓN, RECOLECCIÓN DE
DATOS

RESULTADOS

EVALUACIÓN DE LOS
RESULTADOS

CONCLUSIONES

PUBLICACIÓN
 Estudio preliminar
Es el inicio de un conjunto de acciones que debe realizar
el investigador y comienza con una idea de la
investigación. Existe gran variedad de fuentes que
pueden generar ideas de investigación:
- Experiencias personales,
- Materiales escritos, Libros,
- Revistas, Tesis, Teorías,
- Descubrimientos producto
de investigaciones.
- Conversaciones personales.
- Observaciones de hechos.
- Artículos indexados de impacto.
- Web of Science, SCOPUS, ScienceDirect, EBSCO, Scielo, Latindex
 Estudio preliminar
Frecuentemente las ideas son vagas y deben ser
precisados y estructurados el problema de investigación.
 Estudio preliminar
Realizar la revisión bibliográfica de la idea, alentar al
investigador que debe ser novedosas el tema.
 Estudio preliminar
- Conocer los estudios, investigaciones y trabajos anteriores que
conforman los antecedentes de la investigación.
- Evitar investigar sobre un tema que ya ha sido investigado.
- Estructurar mejor la idea de investigación con una perspectiva
principal que abordará la investigación.
Revistas
Revistas
 Revistas

REGISTRARSE A CONCYTEC:

http://bvcyt.concytec.gob.pe
Usuario:
Contraseña (pasword):
Revistas
Revistas
Revistas
Revistas
Etapas del proceso de Investigación
Cuantitativa
PROBLEMA OBJETO DE
INVESTIGACIÓN
INTERÉS POR EL TEMA QUE VA A INVESTIGARSE
CÓMO SURGE UNA INVESTIGACIÓN
Elección del problema en una
investigación Científica
ELEMENTOS DE UN PROBLEMA (TÍTULO)

LA ESPECIFICIDAD.- Es el aspecto o los aspectos

concretos que se quiere investigar acerca del hecho o
situación problemática.
Ejemplos: Causas, consecuencias, características,
importancia, influencia, tendencia, modalidades,
incidencia, prevalencia, implicancias, estructura, función,
nivel, relación, evolución y otros.
SITUACIÓN PROBLEMÁTICA O HECHO y la especificidad
son los elementos centrales del problema. Estos
elementos constituyen las variables.
 ELEMENTOS DE UN PROBLEMA
(TÍTULO)
UNIDAD DE OBSERVACIÓN.- Son los hechos o
situaciones problemáticas y constituyen la población o
muestra a la que se refiere la investigación. Son:
Personas, grupos sociales, seres, especies animales,
acontecimientos, instituciones, objetos, procesos.
ESPACIO.- Referido al lugar en el que ocurre el hecho o
situación problemática. Puede ser geográfico o
administrativo. ¿Dónde?; Perú, Ciudad de Puno, Zona
Franca, Aceros Arequipa, CIP-UNA-Puno.
TIEMPO.- Referido al momento en que ocurre el hecho o
situación problemática. ¿Cuándo?. 2009, 1990-2008, 2014.
PLANTEAMIENTO DEL PROBLEMA
 EL PROBLEMA DE INVESTIGACIÓN

El problema es el punto de partida de la

investigación. Si no se tiene problema
alguno, ¿qué se va a investigar?

El problema de investigación es el por qué

de tu investigación, es la razón de ser, el
motivo de tu investigación. Si realizas una
investigación es porque quieres resolver un
problema y generar conocimientos, sea
teórico o práctico.
 EL PROBLEMA DE INVESTIGACIÓN

Un problema de investigación queda planteado

cuando se:
 Tiene uno o varios posible(s) antecedente(s) o
variable(s) independiente(s).
 Tiene uno o varios consecuente(s) o variable(s)
dependiente(s).
 Formula de manera interrogativa en tiempo
futuro (no se conoce todavía la respuesta).
 Establece tiempo y lugar.
 EL PROBLEMA DE INVESTIGACIÓN

 Conjetura una relación entre la(s)

variable(s) independiente(s) y la(s)
variable(s) dependiente(s); la
relación se expresa frecuentemente
con las palabras: más, menos, mejor,
peor, igual. Dicha conexión se
supone a partir de argumentos
entrelazados lógicamente.
 FORMULACIÓN DEL PROBLEMA
Un problema se formula cuando el
investigador dictamina o hace una especie
de pronóstico sobre la situación problema:
 El problema debe estar formulado
claramente y sin ambigüedad, puede estar
como preguntas (¿en qué medida?, ¿qué
efecto?, ¿en qué condiciones?, ¿cuál es
la probabilidad de….?, ¿cuál es la
calidad?).
 FORMULACIÓN DEL PROBLEMA
 El planteamiento de un problema implica
la posibilidad de una prueba empírica. Es
decir poder observar la realidad social
 Constituye guía del estudio: ¿Qué
impacto...?, ¿qué efecto...?, ¿en qué
condiciones..?, ¿cuál es la probabilidad
de...?, ¿cómo se relaciona X con Y?,
¿cómo se configuran las interacciones de
profesores y estudiantes...?, ¿qué
expectativas...?, ¿por qué....?...
 FORMULACIÓN DEL PROBLEMA

“Es mejor perder días, semanas o meses

buscando una pregunta de investigación
que iniciar la investigación sin tener una
pregunta”.

Si la pregunta de investigación cambia,

una vez iniciada la investigación, se debe
reiniciar la investigación y volver a
revisar el problema, las teorías y la
revisión bibliográfica.
 FORMULACIÓN DE LOS PROBLEMAS DE
INVESTIGACIÓN
Nivel Exploratorio, Descriptivo y Nivel Explicativo -
Correlacional Experimental
¿Qué es....? ¿Qué efectos produce …
¿Cómo se viene dando...? ¿De qué manera influye …
¿Cuáles son las características..? ¿En qué medida favorece.
¿Desde cuándo…...? ¿Cuál es la influencia …
¿De qué manera…..? ¿Cómo influye …
¿Cómo ha venido dándose...? ¿Cuáles serían los resultados..
¿Qué relación existe entre...? ¿Cuáles serían los efectos …
¿Cuál es la relación que se da ¿En qué grado favorece …
entre..? ¿Cuáles serían los factores …
¿Por qué ….. Produce efectos en ….?
¿Cuáles son las causas de...?
¿Qué factores han generado...?
¿Cuál es la magnitud...?
 FORMULACIÓN DEL PROBLEMA
CORRELACIONAL – EJEMPLO
¿Qué relación existe(1) entre la inteligencia
emocional(2) y(3) el clima institucional(4) en el personal
docente y administrativo de la Escuela Profesional de Ingeniería
de Sistemas(5) de la Universidad Nacional del Altiplano(6)
de Puno(7) – 2017(8)

Elementos verificables:
(1) Pregunta clave
(2) Variable 1 (variable independiente)
(3) Enlace o relacionante o conexión
(4) Variable 2 (variable dependiente)
(5) Muestra/Población
(6) Ámbito organizacional (accesible)
(7) Ámbito geográfico (objetivo)
(8) Periodo al cual corresponde la información.
 FORMULACIÓN DEL PROBLEMA
CORRELACIONAL – EJEMPLO
¿De qué manera(1) las habilidades sociales(2) se
relaciona con(3) la inestabilidad emocional(4) en los
estudiantes(5) de la Universidad Nacional del Altiplano(6)
de Puno(7) – 2017(8)

Elementos verificables:
(1) Pregunta clave
(2) Variable 1 (variable independiente)
(3) Enlace o relacionante o conexión
(4) Variable 2 (variable dependiente)
(5) Muestra/Población
(6) Ámbito organizacional (accesible)
(7) Ámbito geográfico (objetivo)
(8) Periodo al cual corresponde la información.
 FORMULACIÓN DEL PROBLEMA
EXPERIMENTAL – EJEMPLO
¿En qué medida(1) el programa experimental de
comprensión lectora(2) influye(3) en el rendimiento
académico(4) de los estudiantes del IX ciclo del departamento
de lenguas extranjeras(5) de la Universidad Nacional del
Altiplano(6) de Puno(7) – 2017(8)
Elementos verificables:
(1) Pregunta clave
(2) Variable 1 (variable independiente)
(3) Enlace o relacionante o conexión
(4) Variable 2 (variable dependiente)
(5) Muestra/Población
(6) Ámbito organizacional (accesible)
(7) Ámbito geográfico (objetivo)
(8) Periodo al cual corresponde la información.
 EJERCICIOS DE FORMULACIÓN DEL PROBLEMA

¿De qué manera el comportamiento afectivo familiar

se relaciona con el proceso de aprendizaje de los
estudiantes de la Institución Educativa Secundaria
Gran Unidad Escolar San Carlos del Distrito de Puno,
2017?

¿Qué relación existe entre el clima organizacional y el

nivel de desempeño docente de las Facultades de la
Universidad Nacional del Altiplano de Puno, 2017?
 DELIMITACIÓN DEL PROBLEMA DE
INVESTIGACIÓN

Toda investigación siempre tiene límites.

Se debe establecer de antemano dónde,
cuándo y hasta cuánto va a investigar.

Delimitación espacial: Indica el lugar dónde

se realizará la investigación y de dónde
obtendrás la información primaria.
Delimitación temporal: Indicando el periodo
de tiempo de la procedencia de los datos.
OBJETIVOS DE LA INVESTIGACIÓN
OBJETIVOS DE LA INVESTIGACIÓN
Los objetivos son logros o los propósitos
definidos que se pretende alcanzar en la
investigación a través de la aplicación de
procedimientos científicos.

Para formular los objetivos, usted debe

responder las preguntas:
¿Qué voy a investigar?
¿Para qué voy a investigar o qué busco
conocer?
¿A dónde quiero llegar?
FORMULACIÓN DE OBJETIVOS
OBJETIVOS DE LA INVESTIGACIÓN
ELEMENTOS QUE DEBE CONTENER UN
OBJETIVO DE INVESTIGACIÓN

1) El verbo que indica el grado de complejidad

de la investigación.
2) El evento en estudio o el objeto de estudio.
3) La unidad de análisis o los sujetos de
estudio.
4) El contexto del estudio (donde se realizará
el estudio).
5) La temporalidad o ubicación en el tiempo.
 Sirven de guía para el
estudio

Determinan los límites y

la amplitud del estudio
Fines de los
Objetivos Orientan sobre los
resultados eventuales
que se espera obtener

Permiten determinar las

etapas del proceso de
investigación a realizar
 Deben estar dirigidos a los
elementos básicos del problema

Deben ser medible y observables

Criterios para la
formulación de Deben ser claros y precisos
objetivos
Debe seguir un orden
metodológico
Debe ser expresados en verbos
en infinitivo
OBJETIVOS DE LA INVESTIGACIÓN

RECOMENDACIONES PARA FORMULACIÓN

DE LOS OBJETIVOS:

 FORMULARSE EN VERBO INFINITIVO

 DEBEN SER CLAROS Y PRECISOS
 SER SUSCEPTIBLES DE ALCANZAR
 SER COHERENTES CON EL PROBLEMA
 PRECISAR RELACIÓN CON HIPÓTESIS
DEL TRABAJO.
LOS VERBOS PUEDEN SER:
Verbos para Objetivos Generales Verbos para Objetivos Específicos
Analizar Formular Advertir Enunciar
Calcular Fundamentar Analizar Enumerar
Categorizar Generar Basar Especificar
Comparar Identificar Calcular Estimar
Compilar Inferir Calificar Examinar
Concretar Mostrar Categorizar Explicar
Contrastar Orientar Comparar Fraccionar
Crear Oponer Componer Identificar
Definir Recontruir Conceptuar Indicar
Demostrar Relatar Considerar Interpretar
Desarrollar Replicar Contrastar Justificar
Describir Reproducir Deducir Mencionar
Diagnosticar Revelar Definir Mostrar
Discriminar Planear Demostrar Operacionalizar
Diseñar Presentar Detallar Organizar
Efectuar Probar Determinar Registrar
Enumerar Producir Designar Relacionar
Establecer Proponer Descomponer Resumir
Evaluar Situar Describir Seleccionar
Explicar Tasar Discriminar Separar
Examinar Trazar Distinguir Sintetizar
Exponer Valuar Establecer Sugerir
 Formulación del problema y objetivos a nivel:
EXPLORATORIO, DESCRIPTIVO Y CORRELACIONAL
Formulación del problema y objetivos a nivel:
EXPLICATIVO - EXPERIMENTAL
 ELEMENTOS A TOMAR EN CUENTA PARA
REDACTAR UN OBJETIVO

Son tres elementos constitutivos, los

cuales son:
SUJETO :Beneficiario de la propuesta.
CONTENIDO :Expresa el cambio requerido, y
ACCIÓN : Conjunto de actividades que
se desarrollan.

Pueden presentarse en diferentes secuencias.

 EJEMPLO:
OBJETIVO GENERAL: Reforzar la capacidad de
gestión en los Centros de Educación Inicial del país
para la atención de los dominios del aprendizaje de
los niños de 4 y 5 años de edad.
Acción: Reforzar la capacidad de gestión en
los Centros de Educación Inicial del país.
Contenido: La atención de los dominios del
aprendizaje.
Sujeto: Niños de 4 a 5 años de edad.
 EJEMPLO:

OBJETIVO GENERAL: Identificar el

grado de conocimiento que tienen los
pacientes de 40 a 45 años, sobre la
diabetes y su tratamiento.
Acción: Identificar el grado de conocimiento.
Contenido: Pacientes de 40 a 45 años.
Sujeto: Sobre la diabetes y su tratamiento.
 METODOLOGÍA DE BLOOM – OBJETIVOS
ESPECÍFICOS
 Bloom, en su trabajo sobre objetivos
instruccionales “Quick Flip Questions for critical
Thinking”, de Linda G. Barton, 2002, propone seis
niveles claramente diferenciables, para un
individuo que se aproxima a un tema, clasifica su
grado de apropiación y avances esperados, a)
Conocimiento, b) Comprensión, c) Aplicación, d)
Análisis, e) Síntesis y f) Evaluación.
 De los seis niveles, ha evolucionado a una
propuesta de 4, cuando se trata de formular los
objetivos de investigación, a) PERCEPTIVO, b)
APREHENSIVO, c) COMPRENSIVO, d) INTEGRATIVO.
 RESUMEN DE METODOLOGÍA DE BLOOM
OBJETIVO PRIMER NIVEL - OBJETIVOS ESPECÍFICOS
GENERAL PERCEPTIVO APREHENSIVO COMPRENSIVO INTEGRATIVO
COMBINAR BOSQUEJAR AGRUPAR ADAPTAR COMBINAR
CONCEBIR COMENTAR ASOCIAR CAMBIAR CONCEBIR
CONSTRUIR DESCRIBIR CATEGORIZAR CONTRASTAR CONCLUIR
CREAR ENUMERAR CLASIFICAR CRITICAR CONFIRMAR
DISEÑAR ESBOZAR CONTRASTAR DEBATIR CONSTRUIR
ELABORAR GRAFICAR CONVERTIR DEDUCIR CREAR
ESPECIFICAR IDENTIFICAR DETERMINAR DEMOSTRAR CRITICAR
ESTABLECER LOCALIZAR DIFERENCIAR DESARROLLAR DECIDIR
EVALUAR RECONOCER DISCRIMINAR DESCUBRIR DISEÑAR
EXTENDER RECONSTRUIR DISTINGUIR DETERMINAR ELABORAR
INTEGRAR REGISTRAR EJEMPLIFICAR ELEGIR ESPECIFICAR
MODIFICAR REPRODUCIR EXPRESAR EXTENDER ESTABLECER
PROPONER RESUMIR IGUALAR FORMULAR EVALUAR
ROTULAR INTERPRETAR GENERALIZAR EXTENDER
SUBRAYAR ORDENAR INFERIR INTEGRAR
PAREAR ORGANIZAR INTERPRETAR
RELACIONAR PLANEAR JUZGAR
REORDENAR PREDECIR MODIFICAR
SELECCIONAR PROBAR PROPONER
UBICAR RESOLVER SOLUCIONAR
SISTEMATIZAR SUSTENTAR
Mucho contenido de Mayor contenido TRANSFORMAR VALORAR
conocimiento Verbos muy generales de conocimiento 1ros. Obj. En la formul. VERIFICAR
JUSTIFICACIÓN DE LA INVESTIGACIÓN
MARCO TEÓRICO
 MARCO TEÓRICO

- Es la fase inicial, previo a la ejecución del estudio.

- Observación Evento de la naturaleza: Nacimiento de la
investigación.
Pregunta científica?.
- Ya fue observado, investigado y publicado?
- Qué sabe del evento (hasta dónde se sabe?), qué se ha
hecho sobre el tema?, qué puedo avanzar en el
desarrollo del conocimiento?
- Cómo han planteado otros, el conocimiento del evento?
- Cuál puede ser entonces, el planteamiento del
problema?
 MARCO TEÓRICO
- El marco teórico orienta a la investigación: “la teoría es
la que decide lo que se puede observar”, según Albert
Einstein.
- Los hechos y fenómenos de la realidad constituyen la
materia prima de la investigación.
 MARCO TEÓRICO

- Se necesita una
orientación general del
marco teórico conceptual
o referencial.
- Surge de la mente del
investigador o equipo de
investigadores no a partir
de la nada.
 MARCO TEÓRICO
- Revisar la literatura existente sobre el tema objeto de
investigación (tarea ardua).
- Bases de datos científicas: Web of Science, SCOPUS,
ScienceDirect, Latindex, Scielo, MedLine.
 MARCO TEÓRICO
Fase inicial, previo a ejecución del estudio

- Desarrollo del Marco Teórico permite:

- Tener el máximo conocimiento del tema.
- No repetir el trabajo realizado.
- No cometer el error de estudios anteriores.
- Afinar la formulación del problema de
investigación.
- Afinar la formulación de hipótesis de
investigación.
 MARCO TEÓRICO
- Ayuda en el proceso lógico de la definición del
problema científico, y es la columna vertebral del
diseño de investigación.
- La formulación debe ser clara y precisa.
 MARCO TEÓRICO
- Plantear el problema de investigación es afinar
y estructurar más formalmente desarrollando
tres elementos: objetivos de investigación,
preguntas de investigación y justificación de
ésta.
 MARCO TEÓRICO
- La hipótesis, que es la idea a defender o premisa, segundo
elemento de la columna vertebral.
- La formulación de hipótesis va acompañada de las definiciones
conceptuales y operacionalización de las variables contenidas
dentro de la hipótesis.
 MARCO TEÓRICO
- La definición conceptual define a las variables en la
operacionalización de variables (en una columna).
- Definición operacional que debe realizarse para medir
una variable determinada (Antecedentes previos)
- La definición conceptual y operacional de las variables
son necesarias:
 Compartan el mismo significado de los términos
(variables).
 Asegura que las variables pueden ser evaluadas en la
realidad o práctica.
 Poder contrastar la investigación con otras similares.
 Evaluar adecuadamente los resultados de nuestra
investigación.
 COMPONENTES DEL MARCO TEÓRICO

 ANTECEDENTES DE LA INVESTIGACIÓN.
Son las investigaciones que se han realizado sobre el
objeto de investigación, aquellas que guardan una
relación directa con nuestro problema planteado.
 BASES TEÓRICAS (MARCO TEÓRICO).
Es la descripción de los elementos teóricos planteados
por uno o diferentes autores y permiten al investigador
fundamentar su proceso de conocimiento.
 MARCO CONCEPTUAL.
El investigador define y delimita, según su criterio y de
acuerdo con su marco teórico, los conceptos
involucrados en las variables de investigación.
 FUNCIONES DEL MARCO TEÓRICO

 Ayuda a prevenir los errores.

 Sirve de orientación para la realización del estudio.
 Guía, conduce u obliga al investigador a centrarse
en el problema.
 Amplía la perspectiva del investigador, respecto al
problema a investigar.
 Contribuye al establecimiento de las hipótesis que
debe probar a lo largo de su estudio.
 Permite descubrir nuevas áreas de investigación o
precisar aquellos poco estudiadas.
 Muestra un marco de referencia que a su vez sirve
para interpretar los resultados del estudio.
 ETAPAS EN LA ELABORACIÓN DEL MARCO
TEÓRICO

Existen dos etapas fundamentales:

 La revisión de la literatura
correspondiente.
 La adopción de una teoría o
desarrollo de una perspectiva
teórica.
HIPÓTESIS DE INVESTIGACIÓN
 HIPÓTESIS
(Explicación preliminar de algo a probar, saber o investigar)
CONOCIMIENTO YA CONOCIMIENTO
ADQUIRIDO NUEVO
(Conocimiento (Conocimiento por
Verificado) Verificar)

HIPÓTESIS

INVESTIGACIÓN VERIFICACIÓN DE
HIPÓTESIS (EJECUCIÓN DEL HIPÓTESIS
ESTUDIO)
LO QUE SE SABE DE PROCESO DE DEMOSTRACIÓN
LO QUE SE QUIERE INDAGACIÓN PARA ACERCA DE LA
INVESTIGAR Y LO SOMETER A PRUEBA VERACIDAD O
QUE SE QUIERE LA HIPÓTESIS FALSEDAD DE LA
PROBAR HIPÓTESIS
 HIPÓTESIS
 La Hipótesis original, en el sentido de la
palabra es SUPUESTO, PREMISA o PUNTO
DE PARTIDA de una argumentación.
 La hipótesis de investigación científica, son
proposiciones tentativas acerca de las
relaciones entre dos o más variables y se
apoyan en conocimientos organizados y
sistematizados.
 Son proposiciones sujetas a comprobación
empírica, a verificación en la realidad.
 REQUISITOS DE UNA HIPÓTESIS DE INVESTIGACIÓN

Poseer estrecha relación

Enunciarse Tener como base
con el problema y el
afirmativamente teorías pre-existentes
objeto de investigación

Tener claridad, REQUISITOS DE Poseer delimitación

precisión y UNA HIPÓTESIS temporal y espacial
coherencia

Ser Relación entre

Ser Poseer
susceptibles de variables, en las
operacionables o carácter
verificación investigaciones
desagregables general
empírica no descriptivas
 FORMULACIÓN DE HIPÓTESIS CIENTÍFICA
En la ciencia, se imponen tres requisitos principales a
la formulación de la hipótesis:
1) La hipótesis tiene que ser BIEN-FORMADA
(formalmente correcta) y significativa (no vacía
semánticamente).
2) La hipótesis tiene que estar FUNDADA en alguna
medida en conocimiento previo.
3) La hipótesis tiene que ser empíricamente
CONTRASTABLE mediante los procedimientos
objetivos de la ciencia, mediante su comparación con
los datos empíricos controlados a su vez por técnicas
y teorías científicas (Bunge, 1972).
 TIPOS DE HIPÓTESIS
 HIPÓTESIS DESCRIPTIVAS (No se recomienda).
Se orientan a la presentación ordenada y sistemática de
un hecho o proceso, considerando sólo su
comportamiento externo. Este tipo de hipótesis
responden a problemas de los tipos: ¿Qué? ¿De qué
manera? ¿Cuáles?. .
EJEMPLO:
¿Cuál es el nivel de calidad de enseñanza en la
Universidad Nacional del Altiplano - Puno , 2016?
HIPÓTESIS:.
El nivel de la calidad de enseñanza en la Universidad
Nacional del Altiplano - Puno es regular.
 Formulación del problema y la Hipótesis a nivel:
EXPLORATORIO, DESCRIPTIVO Y CORRELACIONAL
 TIPOS DE HIPÓTESIS

 HIPÓTESIS CORRELACIONADAS.
Son proposiciones que afirman la existencia de
una relación de funcionalidad entre dos
propiedades relevantes dentro de un universo de
individuos claramente determinado. No es una
explicación en términos de causa y efecto, sino
mostrar una forma de asociación entre las
propiedades relevantes. Responde a las preguntas
del tipo ¿Cuál es la relación entre X e Y? .
 TIPOS DE HIPÓTESIS
EJEMPLO:
¿Cuál es la relación entre un clima laboral
atractivo y la motivación del personal dentro de
una empresa que crece aceleradamente en una
economía globalizada?
HIPÓTESIS:
Existe una relación directa entre un clima laboral
atractivo y la motivación del personal dentro de
una empresa que crece aceleradamente en una
economía globalizada.
 TIPOS DE HIPÓTESIS

 HIPÓTESIS EXPLICATIVAS.
Son hipótesis causales que intentan precisar las
relaciones esenciales entre los hechos, así como
las estructuras internas de estos hechos y sus
relaciones causales. Responden a preguntas del
tipo ¿Por qué?, y se caracterizan porque son
expresadas a través de enunciados generales que
tienen una forma lógica de tipo condicional,
correspondiendo al esquema;
“Sí p, ENTONCES q”
 TIPOS DE HIPÓTESIS

 Ejemplo.
“Sí el perro está irritado, entonces el perro gruñe”.
Es una proposición hipotética que enlaza dos
proposiciones categóricas.

“Hay varios sistemas planetarios”,

“probablemente hay vida en Marte” y “Hay
carbono radiactivo en todo ser vivo”
Formulación del problema y la Hipótesis a nivel:
EXPLICATIVO - EXPERIMENTAL
 TIPOS DE HIPÓTESIS

EJEMPLO:
“El grado de instrucción de los padres
es uno de los principales factores que
influye en la permanencia de los
adolescentes en el sistema educativo
formal”.
 TIPOS DE HIPÓTESIS

 HIPÓTESIS ESTADÍSTICA.
Son suposiciones hechas sobre una población en
términos estadísticos, las que son construidas con
la finalidad de hacer posible la comprobación de la
validez de la hipótesis de investigación. Son de
dos tipos:
- Hipótesis Nula (Ho) y Alternativa (Ha).
- La hipótesis nula generalmente es la negación de la
hipótesis de investigación.
- La hipótesis alterna es ídem a hipótesis de investigación.
EJEMPLO
 HIPÓTESIS DE INVESTIGACIÓN (Hi)
“El clima organizacional influye en la gestión académica
de la E.P. de Ingeniería de Sistemas, 2017”.
 HIPÓTESIS NULA (Ho:) (niega la Hi)
“El clima organizacional NO influye en la gestión
académica de la E.P. de Ingeniería de Sistemas, 2017”
 HIPÓTESIS ALTERNATIVA (Ha) (es ídem a Hi)
“El clima organizacional influye en la gestión
académica de la E.P. de Ingeniería de Sistemas,
2017”.
 Enfoque de la Investigación
- La investigación cuantitativa y cualitativa no son excluyentes.

Investigación cuantitativa

Investigación cualitativa
DIFERENCIAS CON EL ENFOQUE CUANTITATIVO
Y CUALITATIVO
 DIFERENCIAS ENTRE EL ENFOQUE
CUANTITATIVO Y CUALITATIVO
ASPECTO CUANTITATIVO CUALITATIVO
Realidad objetivo de estudio Objetiva Subjetiva
Perspectiva Externa Interna
Enfoque Analítico Holística
Orientación Hacia la verificación Hacia el descubrimiento
Diseño Orientado al resultado Orientado al proceso
Estructura Predeterminada Interactiva y reflexiva flexible
Proceso Control riguroso Control subjetivo
Procedimientos Estructurados Flexibles
Condiciones de observación Controlados Naturales
Datos Objetivos Subjetivos
Hipótesis Previas y verificables Emergentes y constables
Análisis Deductivo Inductivo
Conclusiones Tendientes a la generalización Tendientes a la particularidad
Resultados Válidos confiables Válidos consenso y subjetivo
Generalizable No generalizable
DIFERENCIAS ENTRE EL ENFOQUE CUANTITATIVO Y
CUALITATIVO
 EXPLORATORIO CORRELACIONAL
Cuando se examina un tema o Pretende ver la relación entre dos
problema de investigación o más variables, y su relación con
poco estudiado, o fenómenos el objeto de estudio. Conocer el
relativamente desconocidos. comportamiento de la variable.

¿CÓMO ABORDAR LA
INVESTIGACIÓN?

DESCRIPTIVO EXPLICATIVO
El propósito es describir Buscan conocer las causas de
situaciones y eventos. los eventos, explicar cómo y por
Describir es igual a medir, qué las variables están
especificar características o supuestamente relacionadas.
parámetros importantes de
fenómenos o procesos.
 DISEÑO DE INVESTIGACIÓN

El diseño de la investigación es una

planificación comprendida de lograr los
objetivos y propósito del estudio. Un
diseño cuidadoso es fundamental para
determinar la calidad de la investigación.
 DISEÑO DE INVESTIGACIÓN
PRE-EXPERIMENTALES:
(Tienen el grado de control mínimo)

CUASI-EXPERIMENTOS:
EXPERIMENTALES
(Implican grupos intactos)

Se administración EXPERIMENTOS PUROS:

estímulos o tratamientos - Manipulación intencional de variables
(Independientes)
- Medición de variables (Dependientes)
DISEÑO DE - Control y Validez
- Dos o más grupos de comparación.
INVESTIGACIÓN - Asignación en forma al azar.

El propósito es: TRANSECCIONALES O TRANSVERSALES:

- Responder preguntas de investigación. (Recolección de datos en un momento dato)
- Cumplir con los objetivos establecidos.
- Someter hipótesis de prueba
- EXPLORATORIOS
No-experimentales - DESCRIPTIVOS
- CORRELACIONALES-CAUSALES

LONGITUDINALES O EVOLUTIVOS:
(Analizar cambios a través del tiempo)

- Diseños de tendencia (Trend)

- Diseños de análisis evolutivo de grupo (cohort)
- Diseños Panel
DISEÑO DE INVESTIGACIÓN
DISEÑO DE INVESTIGACIÓN
DISEÑO DE INVESTIGACIÓN
DISEÑO DE INVESTIGACIÓN
 VARIABLES
 Se denomina variable en la investigación
científica a toda propiedad, rasgo, aspecto,
cualidad, dimensión, atributo, de un objeto
si tal propiedad puede asumir distintos
estados o valores y cuya variación es
susceptible de medirse. Las variables son
manifestaciones de la realidad.
 Las variables son aspectos centrales en la
investigación científica, que se puede medir
la realidad, el hecho o fenómeno, pues el
proceso de producción de conocimiento
contrastable gira en torno a ellas.
 VARIABLES
Nominal (cualidad)
- Color de cabello.
- Color de ojos.
- Estado civil.
Variable - El género (M, F).
cualitativa
Ordinal (categorizar)
- Nivel de instrucción.
- Nivel socio-económico.
TIPOS DE
POR SU - La categoría de docentes universitarios.

DATOS
NATURALEZA
Discreta (conteo)
- Número de hijos por familia.
- Número de estudiante en la UANCV.
- Nro. de docentes en la UANCV en el 2009.
Variable
cuantitativa Contínuas (intervalo)
- Peso de los estudiantes (kg).
- Temperatura: 28.5°C.
- Estatura de los estudiantes (cm).
- Frecuencia respiratoria a 3819msnm.
 VARIABLES

Definición Conceptual.
 Son definiciones de diccionario o libros
especializados que abarcan las cualidades
para describirla, según el interés del
investigador.
 Se limita a explicar el significado de la
Variable, utilizando palabras conocidas.
 Permite al investigador tener una idea clara
de los términos en que se fundamentará su
enfoque teórico.
 VARIABLES

Definición Operacional.
 Es la interpretación de la variable en
términos empíricos que son observados y
medidos, buscando indicadores que
proporcionen la mayor información sobre la
variable; captar la mejor esencia de ella; se
adecue mejor al contexto y sea la más
precisa o amplia según sea el caso.
Operacionalización de variables

Se obtiene de
los
Antecedentes

Continua…..
Operacionalización de variables

Continua…..
 MUESTREO
Población

Muestra

V. Ibañez 136
 Términos técnicos en el Muestreo
Unidad de muestreo

Unidad elemental

Unidad reportante

V. Ibañez 137
 Marco de muestreo
Mapas
Base de datos (Registros) cartográficos

V. Ibañez 138
 Parámetro, estimador y estimación

Estimador

Parámetro

V. Ibañez 139
 Población y Muestra
Población (N = 80) Unidad de
muestreo

Muestra (n = 6)
TIPOS DE POBLACIÓN

141
 EJEMPLO:
UNIDAD CARACTERÍSTICAS A ESTUDIAR

• Número de personas que componen.

• Número de personas que trabajan.
• Ocupación.
FAMILIA
• Número de personas que estudian.
• Niveles de Escolaridad.
• Ingresos y Gastos.
• Propiedad de la vivienda.
• Datos generales de la vivienda.
 EJEMPLOS:
UNIDAD CARACTERÍSTICAS A ESTUDIAR

• Empleo.
• Sueldos y salarios.
ESTABLECIMIENTO • Producción Bruta.
INDUSTRIAL • Horas de producción.
• Consumo de energía.
• Actividad Económica.
 Proceso de Muestreo
- Objetivos
- Elementos
POBLACIÓN - Unidades de muestreo
- Alcance
- Tiempo

Es el listado de
MARCO MUESTRAL unidades o elementos
de la población

TAMAÑO DE Procedimiento de
LA MUESTRA selección
de la muestra

SELECCIÓN DE LA
MUESTRA 144
 Tipos de Muestreo
NO
PROBABILÍSTICO
PROBABILÍSTICO
Unidades de
Muestreo Aleatorio Conveniencia o muestreo
Simple (MAS) intencional apropiados

Juicio u opinión Juicio del

Muestreo Aleatorio Investigador
Estratificado (MAE)
Nº mínimo
Cuotas o accidental de c/grupo

Muestreo Sistemático Identificar a

Bola de nieve uno o más
sujetos
Identificar a
Muestreo por Haphazard los pacientes
Conglomerados V. Ibañez sanos145
Calidad de los datos
 Calidad de los datos

¿Dónde estaba el centro de la

diana?
 Sesgo y Error Muestral

Un estudio con sesgos (sesgado) no ofrece una verdadera representación de la

situación o de la asociación que queremos estudiar.
DISTRIBUCIÓN NORMAL ESTANDARIZADA (Z)

Sea X una variable aleatoria que se distribuye

normalmente con media 0 y 1. Entonces
mediante la transformación lineal, se tiene:
x - esto es la estandarización de la variable
Z
 «x», donde el recorrido es: (-< z <+).

 
  Z 
  Z
f  z  e  
  f  z  e     Z  
  
149
Resulta la Función de Densidad de la variable Estandarizada.

f(Z)
1
  04

2

-1 0.2 +1

-1 0 +1 Z

CARACTERÍSTICAS:
1) Z se distribuye en forma Normal estándar (0,1), E(Z) = 0, V(Z) = 1.

2) Los puntos de inflexión están entre (±1).

3) La media, moda y la mediana coinciden y son iguales a cero.
4) La forma es acampanada, simétrica con respecto al eje Y; asintótica al eje
Z y continua en todos los números
M.Sc. reales
V. Ibañez
Vladimiro (R). Q.
y J. Paredes
Ibañez 150
ESTANDARIZACIÓN DE LA CURVA NORMAL
f(x)

34.13% 34.13%
2.15%
13.59%
13.59% 2.15%
3  2  0    2 3
0 µ X

f(Z)

04  1 2 

-3 -2 -1 0 1 2 3 Z
68.26%
95.44%
99.74% V. Ibañez y J. Paredes 151
En resumen:
ECONOMICO
RAPIDO
MUESTREO
CAPACITACION MEJOR
ERROR CONTROLABLE
PARTE DEL UNIVERSO
Todo el universo
Costoso
CENSO Resultado no inm ediatos
Error a veces no controlable

Base para m uchas encuestas

152
Muestreo Aleatorio Simple (MAS)
Con reposición
Sin reposición - MIA
Características:
 Asigna probabilidades iguales de selección.
 Necesita listado de unidades (Marco de muestreo).
 Utiliza tabla de números aleatorios, urnas con bolas,
generación de números aleatorios por computadora, etc.
 Eficiente sólo en poblaciones homogéneas.
 Aplicable en encuestas de pequeña escala.
 Forma parte de diseños de muestra más complejos.

En un muestreo aleatorio simple sin reposición, a cada elemento de la

población corresponde la misma probabilidad de ser seleccionada para
integrar la muestra y esto se denotará así: p = n/N, (n: tamaño de la muestra y
N: tamaño de la población)
V. Ibañez 153
Tamaño de Muestra

Donde:
Z: Nivel de confianza elegido
al 95% ó 99% (2σ ó 3σ)
p: Probabilidad de éxito
q: Probabilidad de fracaso
e: Error máximo permitido, se
establece a priori.
p+q=1 (p=50% y q=50%).
S2=(pq) es la varianza de la
distribución Binomial.
Factores para determinar el
tamaño de muestra
El tamaño de muestra depende de:
RESTRICCIONES
Coeficiente de Confianza

Se obtiene de
la Tabla “Z”
con α = 0.05

Se obtiene de
la Tabla “Z”
con α = 0.01
Relación en una Muestra Aleatoria

159
ERROR
ERROR
 Ejemplo de tamaño de muestra al estimar
la media de la población
Supongamos que queremos conocer el gasto anual
promedio de la población (N = 2500) que destina a la
recreación que estimamos (basándonos en trabajos
anteriores) la desviación estándar de la población es $
400, con un nivel de confianza o certeza del 95% de que la
media muestral se encuentra dentro de $45 de la
verdadera media de la población.

DATOS: Como N<100000, entonces corresponde a

población finita. Se usa la siguiente fórmula:

Z 2  N  S
2 2 Nivel de Confianza del 95% (Z = 1.96).
n Desviación Estándar: σ = 400
E N  S Z 2
2 2 2
Precisión: 45%.
 Reemplazando los datos a la fórmula:

Z 2 2  N  S 2 2
(1.96) (2500)(400) 2
n   271
E N  S Z 2
2 2 2
(45) (2500)  (1.96) (400)
2 2 2

Usando EPIDAT v4.1

V. Ibañez y J. Paredes 163

Ingreso de datos - EPIDAT v4.1

V. Ibañez y J. Paredes 164

 Resultado con EPIDAT v4.1

Z 2  N  S
2 2
(1.96) 2 (2500)(400) 2
n   271
E 2 N  S 2 Z 2 2 (V.45 2
) (y2500
Ibañez )  (1.96) (400)
J. Paredes
2 2
165
 EJEMPLO DE TAMAÑO DE MUESTRA

Se tiene una población de 10,000 estudiantes de la Fac. de

Ciencias Sociales, y se desea determinar el tamaño de
muestra para establecer la prevalencia de una enfermedad,
con una precisión del 5% para un nivel de confianza del 95%.
Se supone que el 30% de los estudiantes estarán afectados:

DATOS: Como N<100000, entonces corresponde a

población finita. Se usa la siguiente fórmula:
Nivel de Confianza del 95% (Z = 1.96).
Prevalencia Esperada: p=30%.
Precisión: 5%.
 Reemplazando los datos a la fórmula:
2
Z 2 Npq
n
e ( N  1)  Z 2 pq
2 2

2
(1.96) (10000)(0.30)(0.70)
  312.64  313
(0.05) (9999)  (1.96) (0.30)(0.70)
2 2

Usando EPIDAT v4.1

Ingreso de datos para calcular tamaño de muestra
 Resultado con EPIDAT v4.1

(1.96) 2 (10000)(0.30)(0.70)
n  312.64  313
(0.05) (9999)  (1.96) (0.30)(0.70)
2 2
Tamaño de muestra en poblaciones Infinitas

Un médico desea investigar sobre los accidentes de motos,

para ello quiere tomar una muestra con un nivel de confianza
del 95% y que no exceda un error del 2%. ¿Qué tamaño de
muestra tendrá que estimar, si la proporción del error es del
4%?

DATOS: Como N no se conoce, entonces corresponde a

población infinita. Se usa la siguiente fórmula:

2 Nivel de Confianza del 95% (Z = 1.96).

Z  2 pq Proporción de éxitos: p=4%
n 2 Proporción de fracaso: q = 1 – p = 96%
e Error: 2%.
 Reemplazando los datos a la fórmula:

2 2
Z  2 pq (1.96) (0.04)(0.96)
n 2
 2
 368.79  369
e (0.02)
Usando EPIDAT v4.1
Ingreso de datos para calcular tamaño de muestra
 Resultado con EPIDAT v4.1

INFINITO

2 2
Z  2 pq (1.96) (0.04)(0.96)
n 2
 2
 368.79  369
e (0.02)
 Ejemplo
Se desea estimar la prevalencia de tuberculosis en los
diferentes Hospitales de 500 personas, con un error máximo
del 5% y un intervalo de confianza del 95%. Basados en
estudios previos, se espera una prevalencia del 10%.
DATOS: Como 500<100000, entonces corresponde a
población finita. Se usa la siguiente fórmula:

2 Nivel de Confianza: 95% (Z = 1.96).

Z Npq
2 Proporción de éxitos: p=10%
n
e ( N  1)  Z pq
2 2
2
Proporción de fracaso: q = 1 – p = 90%
Error: 5%.

V. Ibañez 174
Usando EPIDAT v4.1

V. Ibañez y J. Paredes 175

Usando EPIDAT v4.1

V. Ibañez y J. Paredes 176

 Muestreo Sistemático
Simple Es más sencillo que muestreo aleatorio simple,
pero normalmente produce un resultado igual de
Circular bueno: se pueden usar los mismos métodos de
Características: estadística inferencial
 Asigna probabilidades iguales de selección.
 No siempre necesita listado de unidades.
 No requiere tabla de números aleatorios, ni urnas con bolas, ni generación
de números aleatorios por computadora, etc.
 Eficiente sólo en poblaciones homogéneas.
 La muestra se distribuye uniformemente en toda la población, siempre que
exista una “buena” ordenación en el marco de muestreo .
 Aplicable en encuestas de pequeña escala y en la selección en campo.
 Forma parte de diseños de muestra más complejos.
 Es equivalente al MIA cuando la ordenación es “aleatoria”. Por tanto,
utiliza las mismas fórmulas.
Arranque aleatorio consiste en:
- Enumerar los elementos de la población
- Determinar la relación de muestreo
V. Ibañezdenotado
y J. Paredespor k. (k = N/n) 177
 Selección de Muestreo Sistemático
N = Tamaño de la población.
n = Tamaño de la muestra

K=N/n

NO SI
K es Entero

Elíjase a un número aleatorio entre 1 y N. Elíjase a un número aleatorio entre 1 y k.

Denominaremos a este número con r. Denominaremos a este número con “r”
que es el arranque.

La muestra está formada por las unidades r,

r+k, r+2k, r+3k,…. Llamado CÍCLICA (avanza Las unidades de la muestra son la r, r+k,
hacia adelante hasta cubrir a toda la r+2k, r+3k,….
población)
V. Ibañez 178
Muestreo sistemático

179
 Ejemplo:

Suponga que se tiene un marco de muestreo (N) de 108

N 108
con grado de magister y se quiere tomar una muestra n = k   7.2  7
15. Se tomará una muestra sistemática de 1 en 7. n 15
Supongamos el arranque en 4.

180
Ejemplo:
Se quiere obtener una muestra sistemática que seleccione a
los egresados de la E.P. de Arquitectura de la UNA – Puno,
que tiene una población de 1200 de ellos. La variable de
estudio es dicotómica y se aduce que la proporción es del
25%, además se quiere un error del 4% y una confiabilidad de
90%.
Como N = 1200 < 100 000, entonces corresponde a poblaciones FINITAS.
Z 2 2 Npq (1.64) 2 (1200)(0.25)(0.75)
no  2   249.8  250
e ( N  1)  Z  2 pq (0.04) (1199)  (1.64) (0.25)(0.75)
2 2 2

no 250
Sí   20.83%  10% entonces se realiza la corrección con la siguiente fórmula :
N 1200
no 250
n   207.04  207 El tamaño de muestra
no  1 249
1 1 definitivo es: no = 207
N 1200 181
Ejemplo:
1200
Luego se calcula el SALTO k   5.8  6
207
Se procede a seleccionar al azar un número entre 1 y 6
aleatoriamente, los método son múltiplos. Dado que el tamaño de
muestra requerido es n = 207, entonces se calcula la proporción
(n/N) = 207/1200 = 17.25 se aproxima a 17% que necesita EPIDAT
v4.1 por fases.
Usando EPIDAT v4.1

182
Ingreso de datos en EPIDAT v4.1
Salida en Excel
Selección

11

16

21

26

31

36

41

46

51

56

61

66

71

76

81 183
Resultados del EPIDAT v4.1
MUESTREO SISTEMÁTICO EN FASES – EPIDAT v4.1

185
Número de los sujetos seleccionados con EPIDAT v4.1

186
Muestreo Aleatorio Estratificado (MAE)

V. Ibañez 187
 Muestreo Estratificado
Población (N)
N2 N3

N1 ........ NL

n1 n2 n3 nL

n = n1 + n2 + n3 +.........+ nL
V. Ibañez 188
ESTRATOS Homogéneos en su interior; diferentes
entre sí en propiedades y tamaño.

Comuna B

Comuna A

Comuna C

Comuna D

Los estratos más grandes tienen mayor probabilidad de

ser representados.
 Criterio para estratificación
 HOMOGENEIDAD:
Entre elementos de un mismo estrato
 HETEROGENEIDAD:

Entre estratos
 INDEPENDENCIA:

Entre estratos al seleccionar la muestra

V. Ibañez 190
Ejemplo de Aplicación:
Se quiere conocer el grado de aceptación de los nuevos planes de
estudio por la población universitaria de la Región. Para tal fin se
escoge una muestra integrada por 2289 estudiantes de la UNA-
Puno. La muestra se afija entre las distintas carreras de manera
proporcional al número de estudiantes registrados en dichas
carreras. Para ello se multiplica la proporción que representa cada
uno de los estratos (carreras diferenciadas) por el tamaño
muestral 2289, obteniéndose el tamaño de muestra para cada
estrato.
a) Tamaño de muestra.
Fórmula para calcular el tamaño de muestra por estratos si n0/N10%
p = Proporción de estudiantes con los nuevos planes 57.80% 2
q = Proporción de estudiantes que no están de acuerdo: 42.2% Z Npq
2
e = Es el error de precisión: 2%
no 
e ( N  1)  Z pq
Z = Es el nivel de confiabilidad al 95% (2σ)=1.96 2 2
n0 = Tamaño de muestra sin corregir.
n = Tamaño de muestra corregida. V. Ibañez 2
 Como N = 98953 < 100 000, entonces se aplica la fórmula de tamaño de
muestra para poblaciones FINITAS.

Z 2 2 Npq (1.96) 2 (98953)(0.578)(0.422)

no  2   2288.4  2289
e ( N  1)  Z  2 pq (0.02) (98952)  (1.96) (0.578)(0.422)
2 2 2

no
Sí  10% entonces se realiza la corrección con la siguiente fórmula :
N

n0
n
n0  1
1
N
n o 2289
En nuestro caso   2.3%  10% entonces no se realiza la corrección de tamaño de muestra.
N 98953

El tamaño de muestra definitivo es: no = 2289

V. Ibañez 192
b) Asignación proporcional de la muestra.
El número de estudiantes que se asignará a cada carrera, se Nh
obtiene utilizando la asignación proporcional, con la nh  Wh x n  x n
siguiente fórmula: N
ASIGNACIÓN PROPORCIONAL DE LA MUESTRA, SEGÚN LAS CARRERAS
Nh Nh
CARRERAS POBLACIÓN (N) Wh  nh  n
N N

Medicina Humana 4535 0.0458298 105

Topografía y Agrim. 4983 0.0503572 115
Med. Veterinaria y Zoot. 2682 0.0271038 62
Derecho 18600 0.1879680 430
Economía 13755 0.1390054 318
Sociología 6888 0.0696088 159
Ciencias de la Comunicación 4567 0.0461532 106
Sistemas 10613 0.1072529 246
Electrónica 6063 0.0612715 140
Estadística e Informática 13900 0.1404707 322
Química 5568 0.0562691 129
Físico - Matemático 2411 0.0243651 56
Biología 4388 0.0443443 102
TOTAL V. Ibañez98953
y J. Paredes n= 193
2289
Usando EPIDAT v4.1

V. Ibañez 194
Ingreso de Információn

V. Ibañez y J. Paredes 195

Resultados con EPIDAT v4.1

V. Ibañez 196
Asignar el número de muestras a cada carrera, según
el Muestreo Aleatorio Estratificado

V. Ibañez 197
Recuperar el archivo en Excel: Nombre de Carreras y
la población por Carreras (Estratos)

V. Ibañez 198
Recuperar el archivo en Excel: Nombre de Carreras y
la población por Carreras (Estratos)

V. Ibañez 199
Salida de resultados por Estrato en Archivo

V. Ibañez y J. Paredes 200

Tamaño de muestra estimado por cada Estrato

V. Ibañez y J. Paredes 201

 Salida en Archivo todas las unidades de muestreo,
según la Carrera (Estrato)
ESCUELAS POBLACIÓN Selección Probabilidad Ponderación
Medicina Humana 4535 15 2.315325248 43.19047619
Medicina Humana 4535 191 2.315325248 43.19047619
Medicina Humana 4535 291 2.315325248 43.19047619
Medicina Humana 4535 373 2.315325248 43.19047619
Topografía 4983 82 2.307846679 43.33043478
Topografía 4983 146 2.307846679 43.33043478
Topografía 4983 220 2.307846679 43.33043478
Veterinaria 2682 11 2.311707681 43.25806452
Veterinaria 2682 38 2.311707681 43.25806452
Veterinaria 2682 135 2.311707681 43.25806452
Veterinaria 2682 182 2.311707681 43.25806452
Derecho 18600 36 2.311827957 43.25581395
Derecho 18600 84 2.311827957 43.25581395
Derecho 18600 117 2.311827957 43.25581395
Economía 13755 59 2.311886587 43.25471698
Economía 13755 68 2.311886587 43.25471698
Economía 13755 82 2.311886587 43.25471698
Sociología 6888 6 2.308362369 43.32075472
Sociología 6888 20 2.308362369 43.32075472
Sociología 6888 126 2.308362369 43.32075472
Sociología 6888 149 2.308362369 43.32075472
Antropología 4567 35 2.320998467 43.08490566
Antropología 4567 44 2.320998467 43.08490566
Antropología 4567 47 2.320998467 43.08490566
Sistemas 10613 7 2.317911995 43.14227642
Sistemas 10613 16 2.317911995 43.14227642
Sistemas 10613 33 2.317911995 43.14227642
Electrónica 6063 6 2.30908791 43.30714286
….. ….. ….. ….. …..
Biología 4388 4236 2.324521422 43.01960784
Biología 4388
Biología 4388
V. Ibañez y4268
J. Paredes
4312
2.324521422
2.324521422
43.01960784
43.01960784
202
 Muestreo de Conglomerados
 A veces muestreo aleatorio simple, sistemático o estratificado no
es posible, ya que se requieren listas (totales o por estratos) y/o en
muchos casos esas listas no existen o no son accesibles
legalmente o por política de la empresa no son públicas.

 Pero sí existen listas de “grupos heterogéneos de sujetos”, o

conglomerados. Ejemplo, en las instituciones fiscalizadoras.

 Hacemos muestreo aleatorio de conglomerados.

 Dentro de los conglomerados elegidos: todos los elementos, o

muestreo aleatorios simple.

V. Ibañez 203
 Muestreo de Conglomerados
• Características
• Las unidades de muestreo suelen ser un grupo de elementos que
comúnmente llamado conglomerado de elementos. El muestreo de estas
unidades es llamado muestreo de conglomerados.
• El marco de muestreo es una lista de conglomerados
• La medición se realiza a todos los elementos del conglomerado
seleccionado.
• Se utiliza en las investigaciones por muestreo a gran escala
Ventajas
• Reduce el costo del muestreo, al no utilizar una lista de elementos de la
población (marco) y sólo una lista de conglomerados que es más fácil y
más barato de obtener.
• Reduce el tiempo de la organización y ejecución del trabajo de campo.

V. Ibañez 204
Población Conglomerado Elemento
V. Ibañez y J. Paredes 205
Se utiliza cuando la población se encuentra dividida,
de manera natural, en grupos que se supone que
contienen toda la variabilidad de la población

V. Ibañez y J. Paredes 206

 Criterio para la conglomeración

 Homogeneidad: (Entre)
Entre conglomerados
 Heterogeneidad: (Dentro)
Entre elementos del mismo conglomerado

V. Ibañez 207
 Muestreo de Conglomerados
Diferencia con estratos:
En conglomerados son heterogéneos internamente; no interesa
particularmente diferencias; es sólo un medio de tomar datos más
económico y simple

Requisitos: Los conglomerados deben ser lo más heterogéneos

posibles internamente; muy parecidos entre sí. Esto nunca es del
todo así, sobre todo conglomerados geográficos, por ejemplo la
gente igual vive junta (barrios, ciudades).

Resultados: Mayor error muestral que el muestreo aleatorio simple.

Métodos de inferencia: diferentes.

V. Ibañez 208
Ejemplos de Unidades Primarias y Unidades
Secundarias de Muestreo.

V. Ibañez y J. Paredes 209

Ejemplo: “Conteo rápido de votos”
 Selección de una muestra sistemática de mesas de
sufragio, inmediatamente después del proceso de
elecciones.
 Población: Los electores que participaron en la votación.
 Conglomerado: mesa de sufragio.
 Elemento: elector.
 Unidad reportante: Acta electoral.
 Marco de muestreo: Listado de mesas de sufragio
ordenados por ubicación geográfica.

V. Ibañez 210
EJEMPLO:
Supóngase que se desea obtener una muestra de
aproximadamente de 120 estudiantes de un instituto de Enseñanza
Media que tiene 966 alumnos registrados y que los alumnos están
distribuidos en 21 aulas de tamaños variables y conocidos.
La distribución de los 966 alumnos registrados, según aulas y
cursos es la siguiente:

V. Ibañez y J. Paredes 211

EJEMPLO:
En el archivo excel INSTITUTO.xls, existe una hoja
MC que contiene la lista de las 21 aulas y los tamaños
de muestras. Nótese que el campo que contiene los
conglomerados no tiene que ser numérico (en este
archivo, el campo se llama AULA, estos están
identificados por los códigos que señalan de qué aula
se trata dentro de cada curso). Se ingresa el tamaño
de muestra (n = 120) y Epidat 4.1, aplica un muestreo
simple aleatorio para seleccionar 3 de los 21 grupos.
Este número es el resultado de dividir el tamaño de la
muestra (120) por el número medio de unidades de
análisis de las Unidades de Primera Etapa (UPE)
(966/21=46) y luego 120/46=2.6 ≈ 3.
212
Usando EPIDAT v4.1

213
Resultados con EPIDAT v4.1
Hacer Clic

214
 Muestreo por conglomerados bietápico
 El método se considera como un sub-muestreo y se trata
de una modificación del método de muestreo por
conglomerados.
 A los conglomerados que resultan de la primera división se
denomina UNIDADES PRIMARIAS, los de la segunda
UNIDADES SECUNDARIAS, y así sucesivamente.
 Los conglomerados pueden ser de igual o de diferentes
tamaños, siendo el último caso el más generalizado.
 El proceso de selección, se realiza por etapas sucesivas en cada una
de las etapas; se utiliza una unidad diferente y las unidades finales
nos permiten la realización de la encuesta para la recolección de
información.
V. Ibañez 215
EJEMPLO:
Se quiere obtener una muestra de n=120 estudiantes del
instituto. Dicho instituto tiene 966 alumnos registrados, tomando
el mismo número de sujetos de cada una de las 10 aulas
elegidas mediante MAS. La hoja MC del archivo INSTITUTO.xls
contiene la lista de las 21 aulas y los tamaños de ellas. En este
caso, donde la muestra no es equiprobabilística, las
probabilidades de selección (y sus inversos, las ponderaciones)
varían de unos conglomerados a otros. Para el aula 1.1, la
probabilidad de cada uno de los 12 alumnos elegidos es
0.089286, resultante de multiplicar 10/21 (probabilidad de
selección del conglomerado) por 12/30 (probabilidad de
selección del alumno); consecuentemente, la ponderación para
estos 12 individuos es 11.20 (inverso de 0,089286):
V. Ibañez y J. Paredes 216
Usando EPIDAT v4.1

V. Ibañez y J. Paredes 217

Usando EPIDAT v4.1

V. Ibañez y J. Paredes 218

Resultados con EPIDAT v4.1

V. IbañeZredes 219
INSTRUMENTOS
DE MEDICIÓN

V. Ibañez 220
221
 LA OBSERVACIÓN

Es una técnica que consiste en visualizar

o captar a través de la vista, en forma
sistemática cualquier hecho, situación o
fenómeno que ocurra en la naturaleza o la
sociedad. Registro de observación:
Listado de ítems relacionados con los
objetivos.
INSTRUMENTOS DE LA OBSERVACIÓN
 LA ENTREVISTA

Es una técnica exclusiva de las ciencias

humanas, basada en el diálogo o
conversación. Es conveniente usarla
cuando el número de informantes es
pequeño. Guía de entrevista, preguntas
abiertas.
INSTRUMENTOS DE LA ENTREVISTA
 LA ENTREVISTA
VENTAJAS DESVENTAJAS
1. Cara a cara. Incrementa la 1. La muestra debe ser
credibilidad. pequeña
2. Es dinámica. Permite la 2. El tiempo nunca alcanza.
Improvisación. El entrevistado tiende a
3. Se puede profundizar el extenderse.
tema. 3. Recoge opiniones de un
4. Son pocos los solo grupo, no de una
entrevistados. población
5. Recupera opiniones 4. La opinión es decisiva.
personales.
 LA ENCUESTA

Es un método en el cual se solicita la

información a través de un formato
estandarizado de preguntas con espacio
para reportar sus respuestas. Permite
recoger información clara y precisa. Se
puede aplicar personalmente o por correo,
en forma individual o grupal.
INSTRUMENTOS DE LA ENCUESTA
 LA ENCUESTA
VENTAJAS DESVENTAJAS

1. La encuesta puede ser 1. Su estructura es

grande. estática. No realiza a
2. Reúne opiniones profundidad.
grupales. 2. El procesamiento de
3. Existe variedad de los datos es
opiniones complejo.
4. El tiempo de 3. Menor confiabilidad.
recolección de la 4. Mayor inversión en
información es corto. material.
 Construcción de un instrumento de recolección
de datos
VARIABLE DIMENSIÓN INDICADOR Nº DE ÍTEMS ÍTEM/REACTIVOS CATEGORÍAS
DESEMPEÑO ORIENTACIÓN DE
LABORAL RESULTADOS
Trabajo oportuno 3 1. ¿Termina su trabajo oportunamente? Muy bueno
2. ¿Cumple con las tareas que se les
Cumplimiento de tareas Bajo
encomienda?
3. ¿Realiza un volumen adecuado de
Moderado
trabajo?
CALIDAD Errores en el trabajo 5 4. ¿No comete errores en el trabajo? Alto
5. ¿Hace uso racional de los recursos? Muy alto
Uso racional de los recuros
Supervisión frecuente 6. ¿No requiere de supervisión frecuente?

Profesionalismo en el 7. ¿Se muestra profesional en el trabajo?

trabajo
Respetuoso y amable en el 8. ¿Se muestra respetuoso y amable en el
trabajo trato?
RELACIONES Es cortes con sus 9. ¿Se muestra cortés con los clientes y
INTERPERSONALES compañeros
3 con sus compañeros?
Brinda una adecuada 10. ¿Brinda una adecuada orientación a
orientación a los clientes los clientes?
Conflictos dentro del 11. ¿Evita los conflictos dentro del equipo?
equipo
 REQUISITOS DE LOS INSTRUMENTOS DE
RECOLECCIÓN DE DATOS

Es aquel que registra datos observables de las

variables en estudio.
Debe cumplir con dos características
fundamentales, la confiabilidad y la validez.
 REQUISITOS DE LOS INSTRUMENTOS DE
RECOLECCIÓN DE DATOS

La valoración de la validez implica el

análisis de la metodología utilizada en el
estudio para determinar el rigor con que
ha sido diseñado y realizado y, por tanto,
el grado de solidez de las evidencias que
proporciona.
 ¿Qué entendemos por medir?
 Medir “es asignar números a objetos y eventos
de acuerdo a reglas” (Stevens 1951)
 Actualmente medir es “el proceso de vincular
conceptos abstractos con medidores
empíricos” (Carmines y Zeller 1979)
 Un instrumento de medición adecuado es
aquel que registra datos observables que
representan verdaderamente los conceptos o
variables que el investigador tiene en mente.
EL INSTRUMENTO DE MEDICIÓN
EL INSTRUMENTO DE MEDICIÓN
CONFIABILIDAD
 CONFIABILIDAD

CONFIABILIDAD: Exactitud y precisión del

instrumento de medición.
Depende de:
*Características del procedimiento de medición
*Características de la variable que se mide
*Características de los sujetos y observadores
 CONFIABILIDAD

METODOS PARA ESTIMAR LA

CONFIABILIDAD:

* Aplicación y reaplicación del instrumento

* Cotejo intra observador
* Instrumentos paralelos equivalentes
* Cotejo entre observadores
 VALIDEZ

La validez de un
instrumento no se
Se refiere al grado “establece”, sino que
en que un se sustenta en un
mayor o menor grado
instrumento mide de evidencia. Un
lo que se supone investigador no valida
debe medir. al instrumento per se,
sino la aplicación del
mismo.
 VALIDEZ

EN UNA INVESTIGACIÓN SE PRETENDE:

Validez interna: Contestar la pregunta de
investigación y tener exactitud
en las conclusiones, y
Validez externa: Posibilidad de generalizar
conclusiones
 ANÁLISIS DE ÍTEMS
ÍNDICE DE DIFICULTAD DE ÍTEM
Es la proporción de sujetos que responden un ítem con
respecto al total de sujetos que contestaron el instrumento,
se expresa con la fórmula siguiente:

SRCI ÍNDICE DE INTERPRETACIÓN DEL

ID   100 DIFICULTAD
ID < 40
ÍTEM
DIFÍCIL
N 40 ≤ ID ≤ 60 MEDIANA DIFICULTAD

Donde: 61 ≤ ID ≤ 89 FÁCIL

ID : Índice de dificultad. ID ≥ 90 MUY FÁCIL

SRCI : Nº de sujetos que respondieron correctamente al ítem.

N : Nº de sujetos que respondieron la prueba.
 ANÁLISIS DE ÍTEMS
ÍNDICE DE DISCRIMINACIÓN DE ÍTEM
La discriminación del ítem, se refiere al poder de un reactivo
para separar a aquellos sujetos que tienen dominio del
rasgo que mide el ítem en comparación con aquellos que no
tienen tal dominio.
ÍNDICE DE
RCGS  RCGI
INTERPRETACIÓN DEL ÍTEM
DISCRIMINACIÓN
D D < 0.0 NO DISCRIMINA Y DEBE ELIMINARSE

N gi 0.0 ≤ D ≤ 0.19 NO DISCRIMINA Y NO DEBE USARSE

NO DISCRIMINA BIEN, PERO SÍ SE

0.20 ≤ D ≤ 0.29
REVISA PUEDE USARSE.
DISCRIMINA BIEN
0.30 ≤ D ≤ 0.39
Donde: D ≥ 0.4 DISCRIMINA MUY BIEN

D : Índice de discriminación del ítem

RCGS: Nº de respuestas correctas en el grupo superior.
RCGI: Nº de respuestas correctas en el grupo inferior.
Ngi : Tamaño de uno de los grupos.
 ANÁLISIS DE ÍTEMS
ÍNDICE DE HOMOGENEIDAD DEL ÍTEM (IH)
El índice de homogeneidad de un ítem, informa el grado en que el ítem
está midiendo, similar a la globalidad del test; es decir, el grado en
que es consistente, homogéneo con el total de la prueba.

ni 1 xi X  i 1 xi i 1 X
n n n

IH  rix 
 n 2  n 2   n 2  n  
2

n xi    xi   n X i    X i  
 i 1  i 1    i 1  i 1  

ÍNDICE DE
INTERPRETACIÓN DEL ÍTEM
HOMOGENEIDAD
IH < 20 EL ÍTEM DEBE ELIMINARSE
0.21 ≤ IH ≤ 0.60 MEDIACIÓN REGULAR
IH ≥ 0.61 MEDICIÓN BUENA
 VALIDEZ Y
CONFIABILIDAD DE
LOS
INSTRUMENTOS
CONFIABILIDAD DE INSTRUMENTOS
 La confiabilidad es una medida de determinación de la
ESTABILIDAD y la CONSISTENCIA INTERNA del instrumento.
 Un instrumento es estable si, aplicado repetidas veces a los
mismos fenómenos, bajo las mismas condiciones, arroja
resultados consistentes (congruentes).
 Consistencia interna propiedad del instrumento según la cual,
cada parte del mismo mide de la misma manera que las otras
partes.
CONFIABILIDAD INTERPRETACIÓN
0.01 a 0.20 MUY BAJA
0.21 a 0.40 BAJA
0.41 a 0.60 MODERADA
0.61 a 0.80 ALTA
0.80 a 1.00 MUY ALTA
 ALFA DE CRONBACH
Para evaluar la confiabilidad es común emplear el
COEFICIENTE ALFA DE CRONBACH, cuando las alternativas
de respuestas son policotómicas, como la escala de tipo
Likert que puede tomar valores entre 0 y 1. Donde:
Confiabilidad nula = 0 y confiabilidad total = 1. El coeficiente
α de Cronbach, se calcula por medio de la varianza de los
ítems, y la varianza del puntaje total.

α: Coeficiente de confiabilidad de la  k
2
prueba o cuestionario.
K   Si 
K : Nº de ítems del instrumento.  1  i 1 2 
S2t : Varianza total del instrumento (filas). K 1  St 
∑S2i: Suma de las varianzas de los  
ítems (columnas).
 EJEMPLO
Se tiene un cuestionario para evaluar la aceptación de una
asignatura con tres preguntas y se desea saber si los datos
que se obtienen a partir de esta herramienta son confiables.
Para evaluar la fiabilidad de este cuestionario, se aplicó a 10
personas de una muestra similar. Las preguntas y los
resultados se muestran a continuación:

1.- ¿El curso ha respondido a sus expectativas?

1 Muy poco ( ) 2 Poco ( ) 3 Regular ( ) 4 Aceptable ( X ) 5 Muy aceptable ( )

2.- ¿Los expositores conocen el tema?

1 Muy poco ( ) 2 Poco (X) 3 Regular ( ) 4 Aceptable ( ) 5 Muy aceptable ( )

3.- ¿Se desarrolló de acuerdo a lo programado?

1 Muy poco ( ) 2 Poco ( ) 3 Regular ( ) 4 Aceptable ( X ) 5 Muy aceptable ( )
 EJEMPLO – Aplicación - Cronbach
MATRIZ DE DATOS
Nº DE PREG. Nº TOTAL
PREG. Nº 2 PREG. Nº 3
ENCUESTADOS 1 FILAS
1 4 2 4 10
2 2 1 3 6
3 3 1 2 6
4 2 2 2 6
5 2 1 4 7
6 1 1 3 5
7 2 4 4 10
8 3 3 4 10
9 4 4 3 11
10 1 1 1 3
Total Columnas 24 20 30 74
Varianza Poblac. (Si) 1.040 1.400 1.000 3.44
Nº Preguntas: K = 3 Varianza (t) = 6.440
Si2  (S12  S 22  S32 )  (1.04  1.4  1.0)  3.44
t 10 10
 
E  (  Ei )
k
2 2
N K  S 2

612  (74) 2 10
i i
  1  i 1

0.6988
S t
2
 i 1 i 1
  6.44 K 1  S t2 
N 10 
 

Aplicación – Cronbach – SPSS v23
 Aplicación – Cronbach – SPSS v23
Estadísticas de fiabilidad
Alfa de
Cronbach
basada en
Alfa de elementos
Cronbach estandarizados N de elementos
.699 .700 3

INTERPRETACIÓN:
El resultado nos indica que la prueba (instrumento de
investigación) es α = 0.699, por lo tanto, se aproxima a ser
confiable.
 MÉTODO TEST - RETEST
Es la estimación de la confiabilidad de un test o cuestionario
que es administrarlo dos veces al mismo grupo y
correlacionar las puntuaciones obtenidas.
n n n

X i  Yi  ( X i )( Yi ) n
rxy  i i 1 i 1

n 2 n
  n n

 X i  ( X i ) n  Yi  ( Yi ) n 
2 2 2

 i1 i 1   i1 i 1 

rxy : Es el coeficiente de correlación.

Xi : Valores de X (Primera aplicación).
Yi : Valores de Y (Segunda aplicación)
n : Número de sujetos.
 PROCEDIMIENTO DE DOS MITADES
(DIVISIÓN DE ÍTEMS EN PARES E IMPARES)

a) Se calcula el Índice de Correlación (Pearson)

n n n

I i  Pi  ( I i )( Pi ) n
rIP  i i 1 i 1

n 2 n
  n n

 I i  ( I i ) n  Pi  ( Pi ) n
2 2 2

 i 1 i 1   i 1 i 1 
b) Corrección de r con la ecuación de Spearman – Brown

2r
R
1 r
 Ejemplo – Aplicación
MATRIZ DE DATOS
Nº DE PREG. Nº TOTAL TOTAL PRODUCTO
PREG. Nº 2 PREG. Nº 3 I2 P2
ENCUESTADOS 1 IMPAR (I) PAR (P) (I)x(P)
1 4 2 4 8 2 16 64 4
2 2 1 3 5 1 5 25 1
3 3 1 2 5 1 5 25 1
4 2 2 2 4 2 8 16 4
5 2 1 4 6 1 6 36 1
6 1 1 3 4 1 4 16 1
7 2 4 4 6 4 24 36 16
8 3 3 4 7 3 21 49 9
9 4 4 3 7 4 28 49 16
10 1 1 1 2 1 2 4 1
10 10 10 10 10

Total I
i 1
i  54 P
i 1
i  20  I  P  119  I
i
i i
i 1
i
2
 320  Pi 2  54
i 1
 Ejemplo – Aplicación
10 10 10

 I  P  ( I )( P )
i i i i 10
119  (54)(20) 10
rIP  i i 1 i 1
  0.5517
 10 10
 10 10
 320  (54) 1054  (20) 10
2 2

 i  i    i  
2 2 2 2
I ( I ) 10 P ( Pi ) 10 
 i 1 i 1  i 1 i 1 

Índice de correlación de Pearson ( r ) = 0.5517

Corrección por Spearman-Brown ( R = 2r/1+r) = 0.7111

R = 0.71, demuestra la confiabilidad del instrumento,

mientras más cerca de 1 está R, más alto es el grado
de confiabilidad.
BIBLIOGRAFÍA CONSULTADA
COCHRAN, G.W. (1980). “Técnicas de Muestreo”. Edit.
Continental. México.
DE LA TORRE, C. (2015). “Seminario de Tesis I”. UNSAAC
– Cusco – Perú.
DE LA TORRE, C. (2015). “Instrumentos en la Investigación
Científica”. UNSAAC – Cusco – Perú.
IBAÑEZ, V. y ZEA, W. (1997). “Muestreo”. Edición Primera.
FINESI - UNA-Puno.
RAMOS, J. “Diseños de Muestreo”. V Coloquio FINESI-
UNA-Puno. E-mail: [email protected]
ZEA, F.W. e IBAÑEZ, Q.V. (2003). "Tablas Estadísticas".
Segunda Edición. Edit. Universitaria. Fac. Cs. Agrarias -
FINESI. UNA - Puno.

V. Ibañez 261