LA ESTADSTICA EN EL PROCESO DE INVESTIGACION

PASO 1

PASO 2

PASO 3

PASO 4

PASO 5

Concebir la
idea a
investigar

Plantear el
problema de
investigacin
Justificacin
Objetivos

Elaborar el
Marco
Terico

Definir el
alcance de la
investigacin

Establecer la
hiptesis
Variables
Definiciones

ddddd

Operacionales

Antecedentes, Marco
terico, Definiciones

Exploratorio, descriptivo,
correlacional, explicativo

PASO 6

PASO 7

PASO 8

PASO 9

PASO 10

Seleccionar
el diseo
apropiado

Seleccionar
la muestra

Recoleccin
de datos
(Encuesta)

Analizar los
datos

Elaborar y
presentar
reporte

DISEO: Experimental
(Puro, Pre, Cuasi)

No Experimental
(transversal, Longitudinal)

Poblacin - muestra
Probabilstica
No probabilstica

Cuadro, Grficos,
Estadgrafos: x, Mo, S2
Intervalos, Prueba de Hiptesis
Modelos,
Regresin, ANVA, etc.
Codificacin, crear base, software

Elaborar el instrumento
(Cuestionario, entrevista)
Validez confiablidad

NUEVAS IDEAS

Esquema
Formato
Protocolo

DIFUSION
APLICACION

NUEVOS CONOCIMIENTOS
METODOLOGIA DE LA INVESTIGACIN
Roberto Hernandez Carlos Fernndez Pilar Baptista

UPS-Escuela de Postgrado - Dr. Oscar Robles Villanueva

DATOS Y ESTADISTICA

RECOLLECION DE DATOS
PRESENTACION DE DATOS
DATOS
RESUMEN DE DATOS
PREDICCION DE DATOS

CLASIFICACIN DE LA ESTADSTICA
ESTADSTICA DESCRIPTIVA:
Realiza el estudio sobre la poblacin completa, observando una
caracterstica de la misma y calculando unos parmetros que den
informacin global de toda la poblacin.
ESTADSTICA INFERENCIAL:
Realiza el estudio descriptivo sobre un subconjunto de la poblacin
llamado muestra y, posteriormente, extiende los resultados obtenidos a
toda la poblacin.
ESTADISTICA DESCRIPTIVA
POBLACION
(N)

ESTADISTICA

Descripcin

ESTADSTICA INFERENCIAL
POBLACION
(N)

Parmetro

Inferir
Muestra
(n)

Estimador (Indicador)

RECOLECCION DE DATOS
Tema
problema

Fuentes de
Informacin

POBLACIN

Objetivos

Muestra

(primaria-secundaria)

INSTRUMENTO
Cuestionario, Test, Examen escrito,
Gua de observacin, Entrevista, etc.
( VALIDEZ - CONFIABILIDAD )

Crear base de datos - Software

Tcnicas de recoleccin de datos

DEFINICIONES BASICAS
POBLACION (N)
Conjunto de elementos que determinan la cobertura de un
estudio y tienen al menos una caracterstica comn.
MUESTRA (n)
Subconjunto adecuado y representativo de la poblacin.
VARIABLE (X, Y, Z, )
Es una caracterstica de los elementos de una poblacin, es
observable es medible.
DATO
Es el valor que toma la variable en cada momento que es
analizado.

Ejercicio:
Teniendo como referencia estas definiciones, construya una base de
datos.
3

VARIABLE DE ESTUDIO
Se denomina variable en la investigacin cientfica a toda
propiedad, rasgo, aspecto, cualidad, dimensin, atributo etc., de
una persona u objeto, si tal propiedad puede asumir distintos
estados o valores, sea por modificacin, aumento o disminucin,
y si esa variacin es observable y medible en una misma o en
distintos unidades de observacin.

VARIABLES ESTADISTICAS
Una variable estadstica es la variable de estudio
operacionalizada. Mide una caracterstica observable y
medible, que vara entre los diferentes elementos de una
poblacin. La informacin que disponemos de cada individuo u
objeto puede ser resumido en una o varias variables.

Ejemplos:

Edad:

{15, 20, 16, 45, , 36}

Hemoglobina:

{12.5, 11.8, 14.2, , 10.5}

Variable Cuantitativa

continua

Variable

Cuantitativa contnua
Sexo:
{femenino, masculino}
Variable Cualitativa Nominal
Nivel de educacin: {Analfabeto, primaria, secundaria, superior}

Variable Cualitativa Ordinal

Nmero de hijos: {0,1,2,3,4,5,...}
Variable Numrica discreta
Toxicidad hematolgica: {normal, G1, G2, G3, G4} Variable
cualitativa ordinal

CLASIFICACIN DE VARIABLES
SEGN LA NATURALEZA.
VARIABLE CUALITATIVA

DISCRETA
VARIABLE CUANTITATIVA
CONTINUA

SEGN LA RELACIN
.
VARIABLE INDEPENDIENTE (X)
VARIABLE DEPENDIENTE (Y)
VARIABLE INTERVINIENTE

SEGN EL NMERO DE VARIABLES

.
ESTADSTICAS UNIDIMENSIONALES (X)
ESTADSTICAS BIDIMIENSIONALES (X,Y)

ESTADSTICAS PLURIDIMENSIONALES (X,Y,Z) , (X,Y,Z,V), .

PRESENTACION DE DATOS
CUADRO N 11.3:
ARRIBOS * EN EL HOTEL DE LA POLICIA POR ESTACIONES
LIMA 2006 2013

(miles de personas)
E S TAC I O N E S

PARTES PRINCIPALES

AOS

VERANO

OTOO

INVIERNO

PRIMAVERA

2006
2007
2008
2009
2010
2011
2012
2013

31.7
38.5

32.1
36.8

33.1
38.2

34.7
37.2

TOTAL
131.6
150.7

37.9
41.3
51.3
53.3
65.5
78.6
49.8

38.7
41.7
51.3
57.5
67.3
80.7
50.8

38.2
44.8
49.8
58.6
68.5
82.2
51.7

38.8
45.5
53.6
61.4
73.9
88.6
54.2

153.6
173.3
206.0
230.8
275.2
330.1
206.4

PROMEDIO

N DEL cuadro
Ttulo
Encabezamiento o conceptos
Cuerpo
Nota de pie o llamadas
Fuente
Nota de unidad de medida
Elaboracin

* Son las personas que llegan a la ciudad de Lima y se hospedan en el Hotel de la Polica, se registran y hacen un pago por el.
Fuente: Estadstica mensual del Casino de Polica - Lima-2013
Elaboracin: Instituto Informacin y Desarrollo S.A.C.

IID SAC

TABLAS DE DISTRIBUCIN DE FRECUENCIAS

SIMPLE ( fi )
ABSOLUTA
ACUMULADA (Fi)
FRECUENCIA
SIMPLE (hi)
RELATIVA
ACUMULADA (Hi)
Estado de salud de 24 estudiantes de la Inst. Educ. Estrellita, Chimbote- 2014
Bueno
Regular

Regular
Malo

Regular
Bueno

Malo
Malo

Estado de
salud

N de
Estudiantes

Fi

hi

Hi

Malo
Bueno
Regular
Regular

Regular
Malo
Regular
Bueno

Bueno
Regular
Regular
Bueno

Regular
Regular
Malo
Regular

Bueno
Regular
Malo
Total

N de inasistencias de los docentes del Instituto ABC en el ao 2013.

4
3
4
4
4
4

3
2
4
3
2
3

4
2
2
2
2
2

2
2

N de
insistencias

N de
docentes

Fi

hi

Hi

2
3
4
Total

Ingreso Semanal de los trabajadores administrativos de las Universidades de Chimbote - 2014.

440
453
570
440
450
574

560
650
430
340
530
500

335
407
618
558
501
462

Ingreso
Semanal
[ 320 - 370 )
[ 370 - 420 )
[ 420 - 470 )
[ 470 - 520 )
[ 520 - 570 )
[ 570 - 620 )
[ 620 - 670 )
TOTAL

587
376
537
460
471
380

N de
trabajadores
4
8
14
9
11
8
6
60

613
470
409
560
660
518

Fi
4
12
26
35
46
54
60

400
560
600
607
470
480

hi
0.067
0.133
0.233
0.150
0.183
0.133
0.100
1.00

424
320
550
382
364
625

466
500
432
667
634
507

Hi
0.067
0.200
0.433
0.583
0.766
0.899
1.00

Marca de
Clase
345
395
445
495
545
595
645

565
528
591
512
580
645

393
526
428
492
450
382

REDUCCION DE DATOS

(X)
( )

MEDIA
MODA

(Mo)

MEDIANA
DE POSICION
O TENDENCIA
CENTRAL

(Me)

CUARTILES (Qi)
DECILES (Di)
PERCENTILES (Pi)
MEDIA ARMONICA

(MA)

MEDIA GEOMETRICA (MH)

ESTADIGRAFOS

RANGO ( R )

(Medidas de resumen)
DESVIACION MEDIA (D.M.)
DE DISPERSION
2

VARIANZA (S )
O VARIABILIDAD

(2)
DESVIACION ESTANDAR (S)

()

COEFICIENTE DE VARIACION (C.V.)

DE DEFORMACION
O ASIMETRIA
DE APUNTAMIENTO
O KURTOSIS

PREDICCIN DE DATOS

LINEAL
SIMPLE
(X,Y)

*Parbola
NO
LINEAL

REGRESION
Y
CORRELACION

(X,Y,Z)

y 1 x1 ... k xk

PROMEDIOS MOVILES

*Exponencial

Y= Bo + B1 X1 + B2 X2
LINEAL

(X,Y,Z,W)
******

SERIE DE TIEMPO

Y= a + b X + c X2

*Potencial
******
MULTIPLE
(X,Y)

lnea recta Y= a + b X

Y= Bo + B1 X1 + B2 X2 + B3 X3
*****

NO
LINEAL

Y= f (t)

ESTIMACION PUNTUAL

ESTIMACION INTERVLICA

PRUEBA DE HIPTESIS

MEDIDAS DE RESUMEN MEDIDAS ESTADSTICAS

(REDUCCIN DE DATOS)
1.1.

ESTADIGRAFOS
Son medidas de resumen que describen a una muestra. Son las que se utilizan
como ESTIMADORES de los parmetros, los estadgrafos de mayor uso son: La
Media Aritmtica , la Varianza, la desviacin estndar, el Coeficiente de
Variacin, proporcin, etc.

1.2.

PRINCIPALES ESTADIGRAFOS O MEDIDAS

ESTADISTICAS
A. MEDIDAS DE TENDENCIA CENTRAL

Media Aritmtica o Promedio

La media aritmtica o promedio, no es ms que la suma de los datos que se
quieren promediar, dividida entre el nmero de datos y se representa con equis
testada.
Simbolos :
X : Media Muestral

Media Poblacional (parmetro)

Ejemplo1
Calcula la media aritmtica para el siguiente conjunto de datos.
Sea Xi el peso en Kg. de 10 alumnos del Colegio ABC
10

Xi : 45,1 67,7 73,7 42,5 64,4 66,7 50,5 62,7 60,7 63,6

45.1 67.7 73.7 42.5 64.4 66.7 50.5 62.7 60.7 6.6
59.76
10

INTERPRETACION: Si se elige a un estudiante del colegio ABC. al azar

se espera que su peso sea de 59,76 Kg.

Mediana

(Me)

Es la observacin que se encuentra en el centro cuando los datos estn

ordenados, divide a los datos en dos partes iguales de 50% cada una.
- Si n es impar:
la mediana es la observacin que est en el lugar (n+1)/2, esto es

- Si n es par:
la mediana es el promedio de las observaciones n/2 y n/2 +1, esto es

Ejemplo 2
Encuentra la mediana para el siguiente conjunto de datos
X i edad de 15 alumnos de la Escuela de Enfermera de la USP
X i : 18 24 19 20 19 18 19 22 19 18 17 16 16 20 19
Se ordenan los datos en forma creciente o decreciente y la mediana ocupa el
lugar (n+1)/2, en este caso como n = 15 el lugar que ocupa la M e es, (15+1)/2
= 8 es decir el 8vo lugar.
X i : 16 16 17 18 18 18 19 (19) 19 19 19 20 20 22 24
Mediana = 19 aos
INTERPRETACION: Se espera que el 50 % de alumnos de Sistemas tengan
una edad inferior a 19 aos y el otro 50 % supere dicha edad.
Ejemplo 3
Calcula la mediana para el siguiente conjunto de datos
11

X i : Peso (kg.) de alumnos de la Escuela de Medicina de la USP

X i : 62 71 64 66 58 62 65 68 70 58
Se ordenan los datos en forma creciente
X i : 58 58 62 62 (64 65) 66 68 70 71
Una vez ordenados, como el nmero de datos es par (10), se busca el
nmero que tiene la posicin n/2 y el que tiene la posicin n/2 +1, o sea 10/2 =
5 y 10/2 +1 = 6.
Los nmeros que tienen la posicin cuarta y quinta son 64 y 65. Estos nmeros
se promedian y el resultado ser la mediana.
Mediana = (64 + 65)/2 = 64,5 kg.
INTERPRETACION: Se espera que el 50% de alumnos de arquitectura tengan
un peso inferior a 64.5 kg y el otro 50% supere dicho peso.

Moda

(Mo)

Es la observacin de mayor frecuencia.

Nota: Si ninguna observacin se repite, se dice que esos datos no tienen moda.
Si todos los datos se repiten el mismo nmero de veces, los datos sern
multimodales.
Ejemplo4
Encuentra la moda de los siguientes datos
4 9567
Solucin
Como los datos slo existen una vez, este conjunto de datos no tienen moda.
Ejemplo5
Encuentra la moda del siguiente conjunto de datos
9 367985973
Solucin
El 3 se repite dos veces, el 7 se repite tambin dos veces, pero como el 9 se
repite tres veces, este ltimo nmero es la moda para este conjunto de datos.
Ejemplo6
Calcula la moda para los datos que se presentan a continuacin
6 786978568
Solucin
El mximo nmero de veces que se repiten los datos son tres, y hay dos datos
que se repiten tres veces, el 6 y el 8. El conjunto de datos es bimodal y sus
modas son el 6 y el 8.
12

Ejemplo7
Calcula la moda para estos datos
8 65596865989
Solucin
En este conjunto de datos, todos se repiten tres veces. El 5, 6, 8 y el 9 son moda.
Es un caso multimodal

B. MEDIDAS DE DISPERSIN
Son medidas que nos dicen que tan dispersos se encuentran los datos con
respecto a su media.
Smbolos comunes en su uso son:
S2 : Varianza Muestral

2: Varianza poblacional (parmetro)

VARIANZA (Variancia) S2
La varianza o variancia es el promedio de las desviaciones al cuadrado entre los
datos y su media aritmtica

( xi ) 2
x
( xi x ) 2
2
n
S

n 1
n 1
2
i

donde:
xi: es el i-simo dato

: es la media aritmtica para datos no agrupados

n: es el nmero de datos
Ejemplo 01
Calcula la varianza para el siguiente conjunto de datos.
5 9 12 7 15 3
Solucin
Aplicando la definicin (primera frmula).
Primero hay que calcular la media
= (5+9+12+7+15+3) / 6 = 51/ 6 = 8.5,

S2 = [ (5-8.5)2+(9-8.5)2+(12-8.5)2+(7-8.5)2+(15-8.5)2+(3-8.5)2 ]/ 5 = 99.5/5
= 19.9
La varianza para este conjunto de datos es 19.9.
Usando la segunda frmula
n=6

x = 5 +9 +12 +7 +15 +3 = 51
13

x2 = 52 +92 +122 +72 +152 +32 = 533

S2 = [ 533-(51)2/6 ] /5 = 99.5/5 = 19.9 que es el mismo resultado que
obtuvimos con la definicin anterior.

DESVIACIN ESTNDAR
Es la raz cuadrada positiva de la varianza

( xi ) 2
x
n
n 1
2
i

Ejemplo 02
Calcula la desviacin estndar para el siguiente conjunto de datos.
5 9 12 7 15 3
Solucin
Con el clculo de la varianza previo S2 = 19.9
S 19.9 4.46
NOTA:
1.
La varianza expresa a la unidad de medida elevada al cuadrado
mientras que la desviacin estndar lo expresa en su unidad original
2.
Ejemplo
Si se ha calculado la varianza de Peso en Kg.
Tenemos que S2 = 49.0 kg2
Por lo tanto S = 7.0 kg
3.

La varianza y desviacin estndar cumplen una funcin ms

importante cuando se quiere comparar la variabilidad o dispersin de dos
o ms conjunto de datos.

Ejemplo 03:
Determinar la distribucin de notas en estadstica mas variable de estos dos
grupos de estudiantes:
X : 08 12 18 06 14 13
Y : 10 16 15 12

12 14

Los resultados fueron:

S x2 18.57

Sx= 4.31

14

S y2 4.96

Sy= 2.23

Por lo tanto las notas del Grupo X es ms variable.

COEFICIENTE DE VARIACIN.(CV%)
A menudo nos interesamos por comparar la variabilidad de dos o ms conjuntos
de datos; esto se resuelve determinando las respectivas varianzas o desviaciones
estndar, siempre y cuando las variables presenten la misma unidad de medida y
adems sus MEDIAS sean relativamente cercanas. Cuando faltan estas
condiciones la medida que se utiliza para comparar la variabilidad de dos o ms
conjuntos de datos se conoce como COEFICIENTE DE VARIACION ; que es
una medida relativa de variabilidad, y se define por la siguiente expresin:

CV %

S
x100
x

EJEMPLO 1: Se tiene las siguientes poblaciones:

P1 : Poblacin de elefantes
1

= 24000 Lb de peso

S1 = 1285

Lb

P2 : Poblacin de ratones

= 1.05 Lb de peso.
S2 = 0.16 Lb

Cul es la poblacin ms variable?

* Si se toman las desviacin estndar para su comparacin entonces se
concluye que la poblacin de elefantes es ms variable por ser S1 > S2
* En este caso se puede observar que la unidad de medida es la misma, pero sus
promedios o medias no son relativamente cercanas.
Ahora utilizaremos el Coeficiente de Variacin.

CV1 % = 1285 x 100

24000
CV1 % = 5.354 %

CV2 % = 0.16 x 100

1.05
CV2 % = 15.238 %

15

CONCLUSION: La poblacin de ratones es ms variable porque tiene mayor porcentaje

de variabilidad.

EJERCICIOS PROPUESTOS
1. Cada una de las siguientes afirmaciones diga Ud. si son ciertas (V) o falsas(F):
a. Generalmente las variables continuas tomas valores enteros . (

b. Todas las variables N de hermanos es una variables cuantitativa discreta ( )

c. Coeficiente de Inteligencia es una variable cualitativa ( )

2. En los siguientes casos diga Ud. si corresponde a un enunciado de la estadstica

descriptiva o inferencial.
a. Determinar el puntaje promedio de los ingresantes a la UCV en el ltimo
examen de admisin. ............................................
b. Realizar al Censo universitario en el Per. .............................................
c. A mayor edad mayor presin arterial. ....................................................
d. El rendimiento acadmico es menor si el tiempo de ver televisin es mayor en
los

alumnos

del

segundo

ciclo

de

Enfermera

de

la

USP. .....................................................
3. En los siguientes enunciados identifique a la(s) variable(s) independiente(s) y la
variable dependiente.(por su relacin causal)
a. Para analizar horas dedicadas al estudio, rendimiento acadmico, y autoestima.
VI:

VD:

b. Para el estudio de presin arterial , edad y nivel depresivo de personas de la

tercera edad.
VI:

VD:

16

c. Grado de Instruccin, nmero de hijos y nivel de conocimiento sobre

Planificacin familiar de la poblacin de Chimbote.
VI:

VD:

d. Estudio del nivel de satisfaccin, sueldo y horario de trabajo de los mdicos del
Hospital de Polica.
VI:

VD:

4. La siguiente informacin contiene Los puntajes en Lectura e interpretacin de

Imgenes en nios de 4 aos; Antes y despus de aplicar un programa de canciones
infantiles (para promover la lectura e interpretacin de imgenes).

N
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Promedio

Grupo Experimental
Pre Test
Post Test
07
15
09
16
07
15
12
18
05
14
12
16
12
20
09
12
11
18
08
11
11
16
04
11
10
14
14
17
08
12

Desviacin
Estndar
CV%

Determine el Promedio, la desviacin Estndar y el Coeficiente de Variacin para los

puntajes en el Pre Test y Pos Test.

17

7. Se compar tres mtodos de enseanza en el rea de Matemtica; el Expositivo

receptivo(A); el expositivo dialogado (B) y el expositivo con apoyo de texto
autoinstructivo(C). La composicin de los alumnos por mtodo y los puntajes de sus
rendimientos fueron:
Rendimiento acadmico en Matemtica de Alumnos por mtodo de enseanza.
Mtodo A
Mtodo B
Mtodo C
10.6
8.8
12.4
12.5
12.4
17.6
8.6
15.2
15.2
14.2
14.6
14.8
9.6
12.7
12.5
7.6
10.4
14.6
13.2
16.2
13.7
10.6
8.8
12.8
12.2
14.5
11.6
10.8
14.6
17.2
Determine e interprete la Media o promedio y el Coeficiente de Variacin, y
compare para los tres grupos.

REFERENCIA BIBLIOGRAFICA:
1.

AVILA R.B.(2000), Estadstica Elemental. Nueva Edicin. Estudios y Ediciones Lima-Per.

2.

HERNANDEZ S., FERNANDEZ C, BAPTISTA(2005), Metodologa de la Investigacin Cientfica. Mexico.

Editorial McGRAW-HILL.

18

3.

MILTON J. SUSAN (2004): Estadstica para Biologa y Ciencias de la Salud, Edit. McGraw-Hill. Espaa.

4.

WAYNE, Daniel (2002). Estadistica Aplicada a las Ciencias Sociales. Colombia. Editorial McGRAW-HILL
LATINOAMERICANA. S.A.

5.

WAYNE, Daniel (2005). Bioestadstica. Edit. Limusa. Mxico.

DISTRIBUCIONES BIDIMENSIONALES DE FRECUENCIAS

Distribucin bidimensional de 150 trabajadores de Chimbote, por simpata
poltica (VD) segn Grado de Instruccin (VI).
Cuadro N 13
TRABAJADORES DE UNA EMPRESA POR SIMPATIA POLITICA SEGN
GRADO DE INSTRUCCIN, CHIMBOTE. 2014.

Grado de
instruccin
Primaria
Secundaria
Superior
Total

Simpata Poltica
Izquierda
Centro
Derecha
26
24
17
12
27
13
12
10
9
50
61
39

Total
67
52
31
150

Fuente: Encuesta de Simpata Poltica en Chimbote. 2014.

Elaboracin: Instituto Informacin y Desarrollo ( IID SAC)

Ejemplo:
Edad y nmero de hijos de 15 docentes de la Institucin Educativa Jos
Olaya, Chimbote - 2014.
Edad

: 30 40 30 50 40 40 30 50 50 40 30 40 40 30 30

N de hijos:

Con los datos anteriores construir una tabla de distribucin bidimensional de

frecuencias (tabla de contingencia)

19

REGRESIN Y CORRELACIN LINEA ( r ) (Y* = a + bX )

Ejemplo:
Analizar la relacin entre el ingreso y egreso diario de 6 trabajadores del distrito
Z.
Ingreso :

35

40

38

55

42

60

Egreso

30

35

30

50

35

50

CALCULO DE r:

Ejemplo:
INGRESO Y EGRESO DIARIO DE UNA MUESTRA DE 6 TRABAJADORES.

INGRESO
X
35
40
38
55
42
60
270
X

EGRESO
Y
30
35
30
50
35
50
230
Y

XY

X2

Y2

1050
1400
1140
2750
1470
3000
10810
XY

1225
1600
1444
3025
1764
3600
12658
X 2

900
1225
900
2500
1225
2500
9250
Y2

Para este ejemplo calcular e interpretar r

20

PROPIEDADES DE r:
- 1

+ 1

De donde se deduce que:

a) Si r > 0, entonces existe correlacin directa positiva
b) Si r < 0, se trata de una correlacin inversa negativa
Interpretacin del coeficiente de correlacin:
a) 0.00 r < 0.20 existe correlacin no significativa.
b) 0.20 r < 0.40 existe una correlacin baja
c) 0.40 r < 0.70 existe una significativa correlacin
d) 0.70 r < 1.00 existe alto grado de asociacin.

Ejemplo:
Analizar la relacin entre la edad y el tiempo de servicios de 15 docentes de un
Centro Educativo.
Edad

48 40 30 39 46 42 27 36 34 46 32 42 40 32 27

Tiempo de: 24
Servicios

18 9 14

22 22 4

13

10 20 12 18 16 8

21

APUNTES DE:
PROBABILIDAD ESPACIO MUESTRAL EVENTO O SUCESO

INTRODUCCION
Frecuentemente se usa el trmino probabilidad para sugerir que existe duda o
incertidumbre sobre lo que ocurri, lo que ocurre o ocurrir. La experiencia humana
demuestra que existe una serie de hechos, acontecimientos, experimentos cuyos
resultados no se pueden determinar anticipadamente; sin embargo si es posible definir,
estimar o predecir el probable resultado. Podemos conocer le pasado, pero nunca el
futuro, pero existe un permanente inters por despejar las incertidumbres.
Permanentemente nos interesa predecir o estimar lo que suceder en ciertas
circunstancias. Un empresario puede decidir la comercializacin de un producto si
conoce que la probabilidad de xito es muy alta. Un aficionado de ftbol, puede apostar
contra su equipo favorito si sabe que la probabilidad de que gane es muy pequea. El
agricultor no sembrar demasiadas hectreas de caf si la probabilidad de que baje el
precio es muy elevada.
Todo estos aspectos de ocurrencia de un hecho sern materia de este gua
acadmica, donde el alumno podr asimilar los contenidos de probabilidad, espacio
muestral y evento o suceso. Teniendo al alcance una herramienta muy importante para
la toma de decisiones en la organizacin y gestin de datos.

COMPETENCIAS :
1.- Conoce brevemente la resea histrica de la teora de probabilidad
2.- Define probabilidad
3.- Define e interpretar un experimento aleatorio
4.- Define y determinar un espacio muestral
22

5.- Define y determinar un evento o suceso

6.- Calcula probabilidades para eventos o sucesos.

DEFINICION DE PROBABILIDAD
Definicin de Probabilidad.Es el estudio de fenmenos o experimentos puramente aleatorios, o libres de
determinacin.
Definicin Clsica de probabilidad.Si A es un sub conjunto de , donde el suceso A puede ocurrir de n maneras y
puede ocurrir de N maneras igualmente posibles, entonces la probabilidad de A ser:

n
Nmero de elementos de A
P(A) = ---- = ----------------------------------N
Nmero de elementos de
Donde 0 P(A) 1
EXPERIMENTO ALEATORIO.Es cualquier experimento u operacin cuyo resultado no puede predecirse con
exactitud antes de realizar el experimento. (No determinstico) y se puede repetir
muchas veces.
Ejemplos de experimento aleatorio :
1: Lanzar una moneda y observar la cara superior .
2: Lanzar dos monedas y observar el resultado
3: Lanzar un dado y observar el nmero que aparece en la cara superior.
4: Designar un delegado de un grupo de 50 personas
5: De una urna que contiene 3 bolitas rojas, 4 blancas y 2 verdes, se escoge una
y se anota
su color.
6: Observar el tiempo de vida de un artefacto elctrico.
7: De un saln de clase de matemticas donde hay 7 mujeres y 6 hombres se
elige un alumno al azar y se anota su genero.
ESPACIO MUESTRAL.Espacio muestral es el conjunto de todos los resultados posibles de un
experimento aleatorio dado. Comnmente se denota a este conjunto con .
23

En la teora de conjuntos representa al conjunto Universal

Ejemplos de espacio muestral para un experimento aleatorio dado.

Experimento 1 : 1: Lanzar una moneda y observar la cara superior .
Espacio muestral : 1 = { Cara, Sello } = { C, S }
Experimento 2 : 2: Lanzar dos monedas y observar el resultado
Espacio muestral : 2 = { (CC), (CS), (SC), (SS) }
Experimento 3 : 3: Lanzar un dado y observar el nmero que aparece en la
cara superior.
Espacio muestral : 3 = { 1, 2, 3, 4, 5, 6 }
Experimento 4 : 4: Designar un delegado de un grupo de 50 personas
Espacio muestral : 4 = { 1, 2, 3, 4, 5, 6, 7, ..... , 46, 47, 48, 49, 50 }
Experimento 5 : 5: De una urna que contiene 3 bolitas rojas, 4 blancas y 2
verdes, se escoge una y se anota el color.
Espacio muestral : 5 = { R, R, R, B, B, B, B, V, V }
Experimento 6 : 6: Observar el tiempo de vida de un artefacto elctrico.
Espacio muestral: 6 = { t R / t 0 } , donde t: tiempo
R: Campo de
los nmeros reales.
Experimento 7 : 7: De un saln de clase de matemticas donde hay 7 mujeres
y 6 hombres se elige un alumno al azar y se anota su genero.
Espacio muestral : 7 = { M, M, M, M, M, M, M, H, H, H, H, H, H }

SUCESO O EVENTO.Suceso es un subconjunto de resultados posibles, en otras palabras suceso es un

subconjunto del espacio muestral . Es decir, S A es suceso, entonces A .

24

Usualmente los sucesos se denotan con letras maysculas, tales como: A,B,C,D,
etc.
El suceso que consta de un solo elemento se llama suceso elemental.
El conjunto vaco { } y el conjunto espacio muestral son considerados sucesos
o eventos.
El conjunto vaco { } se le denomina Suceso imposible y es el suceso Seguro
o cierto
Ejemplos de eventos:
Experimento 1 : 1: Lanzar una moneda y observar la cara superior .
Espacio muestral : 1 = { Cara, Sello } = { C, S }
Eventos : A = { }
(suceso imposible)
B={C}
(suceso elemental)
C={ S}
(suceso elemental)
D = { C, S } (suceso seguro o cierto)
Nota: El nmero mximo de eventos que se puede obtener de un espacio
muestral es:
2 = 22 = 2 x 2 = 4 = { { } , { C } , { S }, { C, S } }

Experimento 2 : 2: Lanzar dos monedas y observar el resultado

Espacio muestral : 2 = { (CC), (CS), (SC), (SS) }
Eventos :
A= { }
(suceso imposible)
B = { (CC) }
(suceso elemental)
C = { (CS) }
(suceso elemental)
D = { (SC) }
E = { (SS) }
F = { (CC), (CS) }
G = { (CC), ( SC) }
H = { (CC), (SS) }
I = { (CS), ( SS) }
J = { (SC), (SS) }
K = { (CC), ( SC) }
L = { (CC), (CS), (SC) }
M = { (CC), ( CS), (SS) }
N = { (CC), ( SC), (SS) }
= { (CS), ( SC), (SS) }
O = { (CC), ( CS), (SC), (SS) }
(suceso seguro o cierto)
25

Nota: El nmero mximo de eventos que se puede obtener de este espacio muestral
es:
2 = 24 = 2 x 2 x 2 x 2 = 16 sucesos o eventos

Experimento 3 : 3: Lanzar un dado y observar el nmero que aparece en la cara

superior.
Espacio muestral : 3 = { 1, 2, 3, 4, 5, 6 }
Eventos :
A= { }
(suceso imposible)
B={1}
(suceso elemental)
C={2}
(suceso elemental)
----G = { 1, 2 }
H = { 1, 3 }
----K = { 1, 2, 3 }
----M = { 1, 2, 3, 4 }
----P = { 1, 2, 3, 4, 5 }
----Z = { 1, 2, 3, 4, 5, 6 } (suceso seguro o cierto)
Nota: El nmero mximo de eventos que se puede obtener de este espacio muestral
es:
2 = 26 = 2 x 2 x 2 x 2 x 2 x 2 = 64

sucesos o eventos

26

EJEMPLOS DE CALCULO DE PROBABILIDAD :

Para el experimento 1:
Experimento 1 : 1: Lanzar una moneda y observar la cara superior .
Espacio muestral : 1 = { Cara, Sello } = { C, S }
Eventos : A = { }
(suceso imposible)
B={C}
(suceso elemental)
C={ S}
(suceso elemental)
D = { C, S } (suceso seguro o cierto)
a) Calcular la probabilidad de obtener cara
n
Nmero de elementos de B
1
P(B) = ---- = ---------------------------------------- = ------ = 0,5
N
Nmero de elementos de
2
Donde: 0 P(B) 1
b) Calcular la probabilidad de obtener sello
n
Nmero de elementos de C
1
P(C) = ---- = ---------------------------------------- = ------ = 0,5
N
Nmero de elementos de
2
Para el experimento 2:
Experimento 2 : 2: Lanzar dos monedas y observar el resultado
Espacio muestral :

2 = { (CC), (CS), (SC), (SS) }

a) Calcular la probabilidad de obtener cara en las dos monedas ( B={ (CC) } )

n
Nmero de elementos de B
1
P(B) = ---- = ---------------------------------------- = ------ = 0,25
N
Nmero de elementos de
4

27

b) Calcular la probabilidad de obtener sello en la primera moneda y cara en la

segunda ( D = { (SC) } )
n
Nmero de elementos de D
1
P(D) = ---- = -------------------------------------- = ------ = 0,25
N
Nmero de elementos de
4
c) Calcular la probabilidad de obtener sello en ambas monedas ( E = { ( SS) } )
n
Nmero de elementos de E
1
P(E) = ---- = ---------------------------------------- = ------ = 0,25
N
Nmero de elementos de
4
d) Obtener mnimo un sello ( = { (CS), ( SC), (SS) } )
n
Nmero de elementos de
3
P() = ---- = ---------------------------------------- = ------ = 0,75
N
Nmero de elementos de
4
Para el experimento 3:
Experimento 3 : 3: Lanzar un dado y observar el nmero que aparece en la cara
superior.
Espacio muestral : 3 = { 1, 2, 3, 4, 5, 6 }
a) Calcular la probabilidad de obtener como resultado el nmero 6
P(E) =

n
---- =
N

( E = {6} )

1
------ = 0,166
6

b) Calcular la probabilidad de obtener como resultado un nmero menor que 3

( G={1, 2} )
n
2
P(G) = ---- = ------ = 0,33
N
6
c) Calcular la probabilidad de obtener como resulatdo un nmero mayor que 2
( R= { 3. 4, 5, 6} )

28

P(R) = ---- =
N

------ = 0,66
6

d) Calcular la probabilidad de obtener como resultado un nmero impar

( W = { 1, 3, 5 } )
n
3
P(W) = ---- = ------ = 0,5
N
6

EJERCICIOS PROPUESTOS
Para cada uno de los ejercicios propuestos, determinar el espacio muestral, el
evento o suceso y calcular la respectiva probabilidad.
EJERCICIO 1:
Sea el experimento:
2: Lanzar dos monedas y observar el resultado
a) Calcular la probabilidad de obtener como resultado mximo un sello.
b) Calcular la probabilidad de obtener como resultado ms de una cara.
EJERCICIO 2:
Sea el experimento
3: Lanzar un dado y observar el nmero que aparece en la cara superior.
a) Calcular la probabilidad de obtener como resultado un nmero par.
b) Calcular la probabilidad de obtener como resultado mayor o igual a 2.
EJERCICIO 3:
Sea el experimento
4: Designar un delegado de un grupo de 50 personas
a) Calcular la probabilidad de que un alumno sea seleccionado como delegado.
EJERCICIO 4:
Sea el experimento
5: De una urna que contiene 3 bolitas rojas, 4 blancas y 2 verdes, se escoge una
y se anota su color.
a) Calcular la probabilidad de obtener una bolita Roja.
b) Calcular la probabilidad de obtener una bolita verde.
c) Calcular la probabilidad de obtener una bolita blanca.
EJERCICIO 5:

29

Sea el experimento
7: De un saln de clase de matemticas donde hay 7 mujeres y 6 hombres se
elige un alumno al azar y se anota sexo (genero).
a) Calcular la probabilidad de que el alumno seleccionado sea hombre.
b) Calcular la probabilidad de que el alumno seleccionado sea mujer.
REFERENCIA BIBLIOGRAFICA
R.B. AVILA ACOSTA
Estadstica Elemental , Nueva Edicin, Estudios y Ediciones R.A. Lima - Per , 2002.
RUFINO MOYA C. GREGORIO SARAVIA A.
Teora de Probabilidad e Inferencia Estadstica, Editorial San Marcos, Lima Per, 1998.

DISTRIBUCIONES DE PROBABILIDAD

DISCRETA

Binomial
Poisson
Hipergeomtrica

DISTRIBUCIN
DE PROBABILIDAD
CONTINUA

Normal
t- student
Chi-cuadrado
F

30

DISTRIBUCIN NORMAL

3.14159265.
2.71828

DISTRIBUCIN NORMAL ESTANDARIZADA (z)

31

Ejercicios para usar la tabla de reas de la Curva Normal

Estandarizada
A partir de la Distribucin Normal, Graficar el rea correspondiente y calcular la
probabilidad de un suceso, cuya variable estandarizada (Z) est comprendida entre los
siguientes valores:
1) Entre Z = 0

y Z = 1,3

P (0 Z 1,3) =

2) Entre Z = -0,72 y Z = 0

P (-0,72 Z 0) =

3) Entre Z = -0,48 y Z = 2,15

P (-0,48 Z 2,15) =

4) Entre Z = 0,80

P (0,80 Z 1,94) =

y Z = 1,94

5) Entre Z = -2,30 y Z = -0,82

P (-2,30 Z -0.82) =

6) A la izquierda o menores de Z = -0,90

P (- Z -0,90) = P (Z -0,90) =

7) A la derecha o mayor de Z = 1,72

P (1,72 Z + ) = P (Z 1,72) =

8) A la derecha de Z = -1,25 o mayor de Z= -1.25

P (Z -1,25) =

9) Que Z sea menor que 1,96 o mayor que 1,96

P(Z -1,96 o Z 1,96) =

32

10) A la derecha de Z =2,06 y a la izquierda de Z = -1,48

P (Z 2,06 o Z -1,48) =

11) En una muestra de estudiantes de Administracin, se encuentra que la nota

promedio en Estadstica fue 12 puntos, con una desviacin estndar igual a 2. Cul
es la probabilidad de que un alumno elegido al azar tenga nota entre 11 y 14
puntos?.
Supongamos que las notas se distribuyen como una normal.
12) La media de los sueldos de 600 empleados de una universidad es de 4300 soles y la
desviacin estndar o tpica 400 soles. Suponiendo que los sueldos se distribuyen
normalmente, hallar cuntos empleados tienen sueldos:
a) Entre 3500 y 4500 soles
b) De 5000 y ms soles
13) Los puntajes en un examen de seleccin para seguir estudios superiores estn
distribuidos normalmente con media 76 y desviacin estndar 15. Se ha establecido
que el 15% de los concursantes, que son los mejores recibirn una beca integral de
estudios. Hallar el puntaje mnimo para ganar la beca.
14) El promedio de las alturas de 800 pacientes de un hospital es de 1.50 m. y la
desviacin estndar es 0.30 m. asumiendo que las altura estn normalmente
distribuidas, encontrar cuntos alumnos miden entre 1.30 m. y 1.70 m.

33

TEORIA DE MUESTREO Y APLICACIONES

1.1. INTRODUCCIN
Muestreo es el proceso por el cual se realizan inferencias a la poblacin examinando slo una
parte de ella. Este proceso es aplicable en nuestra vida personal y pblica. As, una pareja
contrae matrimonio en base a un corto enamoramiento; con un simple grano de arroz el ama
de casa prueba si todo el arroz contenido en la olla est cocido; paladeando el caf contenido
en una cucharita se determina la calidad de la marca del caf; los dosajes o anlisis mdicos
(de sangre, de orina, etc..) se realizan en base a nuestras y finalmente una muestra de roca
lunar proporciona informacin cientfica sobre el origen de la luna y as diferentes aspectos de
la vida, cultura y ciencia son investigados en base a muestras.
El propsito del muestreo es proporcionar diferentes tipos de informacin estadstica de la
naturaleza cuantitativa y cualitativa del todo mediante el examen o anlisis de un poco de
unidades seleccionadas.
Mtodo Muestral: es el procedimiento cientfico de seleccin de unidades muestrales, las
cuales proveern los estimadores requeridos con cierto margen de seguridad, toda vez que
son obtenidos en base a una parte y no del todo.
1.2. CENSO Y MUESTRA
El Censo o enumeracin Completa, es una tcnica que permite determinar el valor de
parmetros que existen en un conjunto de elementos o unidades en consideracin, mediante
una revisin de todos ellos.
Ejemplos:
En las industrias de transformacin de una determinada regin geogrfica del pas
y en un perodo de tiempo determinado es necesario determinar el valor del
parmetro: Nmero de obreros y empleados en dicha industria.
El nmero medio de miembros por familia en la ciudad de Chimbote en el mes de
Diciembre del 2006.
El valor total de la produccin de harina de pescado de las Fabricas Pesqueras del
Per, en el ao 2006.
El porcentaje de aportes al Seguro Social no pagados por los empresarios a nivel
nacional y en los ltimos cinco aos.
Las tcnicas de muestreo permiten estimar lo mismos parmetros que aquellos en el caso de
un censo, es decir, permiten obtenerlos aproximadamente a travs de una muestra. Si esa
muestra se obtiene de una manera probabilstica se le llama muestra PROBABILSTICA y al
conjunto de estas tcnicas se le denomina TCNICAS DE MUESTREO PROBABILSTICA.
La Muestra es una pequea porcin ADECUADA y REPRESENTATIVA de la poblacin.
Adecuada (tamao), quiere decir que debe incluir un nmero ptimo y mnimo de unidades.
Este nmero se determina mediante el empleo de frmulas estadsticas
Representativa (seleccin) en el sentido de reflejar fielmente las caractersticas de la
poblacin de la cual procede y diferir de ella, slo en el nmero de unidades incluidas.
Los aspectos referentes a al representatividad o calidad de la muestra, son ms importantes
que los referentes a su cantidad y no debe pensarse que la representatividad de la muestra
depende de su cantidad. Si quisiramos estudiar las caractersticas del pueblo peruano y
estudiamos solamente a los habitantes de la Costa, aun que estudiaremos a todos ellos,
nuestra muestra no sera todava representativa de todo el pas.

1.3. VENTAJAS DEL MUESTREO:

El estudio de una muestra tiene ventajas potenciales sobre el Censo, razones por las
cuales se le prefiere. Entre otras tenemos:
1. COSTO REDUCIDO
Una muestra requiere relativamente menores recursos para disearla y procesarla
adecuadamente, as, el costo de unidad de observacin es alto en comparacin con el
censo, pero el costo total de un estudio por muestreo es mucho menor cubierto los
mismos tems de la encuesta, debido a que los datos se obtienen nicamente de una
pequea fraccin del total.
2. MAYOR RAPIDEZ:
Un nmero pequeo de observaciones pueden recolectarse y procesarse ms rpido
que un censo y dar resultados ms oportunos.
3. MAYOR ALCANCE:
El muestreo tiene un mayor alcance frente al censo con relacin a la variedad de
informacin dada su flexibilidad, adaptabilidad y posibilidad de estudiar la interrelacin
de varios factores.
4. MAYOR EXACTITUD
Los datos obtenidos con un censo o una muestra estn sujetos a diferentes tipos de
errores y sesgo, la magnitud de los cuales depende del procedimiento particular de
estudios. Sin embargo, si el mismo procedimiento se sigue para la muestra y el censo,
la exactitud de una observacin ser la misma, pero comparativamente con una
pequea escala de operaciones un estudio muestral posibilita mayor exactitud por
practicarse un mejor staff y dar con intensidad entrenamiento y mejor equipo a los
encuestadores.
5. NICO MTODO DE ESTUDIO
Se emplean estudios donde el examen de las unidades implica su destruccin, tales
como: El estudio de la calidad de alimentos envasados, estudio de la calidad de
cohetes, granadas y municiones, etc.
1.4. DESVENTAJAS DEL MUESTREO
1. Cuando se requiere informacin bsica para cada unidad, obviamente, tiene que
realizarse un censo.
2. El error debido a muestreo tiende a ser alto en reas administrativas pequeas y de
gran variabilidad. Como las observaciones en la poblacin son muy variables, las
muestras que se pueden seleccionar difieren una de otras y como se estudia una sola
muestra para generalizar a la poblacin, los resultados sern diferentes segn la
muestra que hayamos escogido. Esta diferencia entre el valor dado por la muestra y el
verdadero valor poblacional, constituye el error por muestreo; el cual puede medirse
estadsticamente y en cierto modo disminuirse a voluntad aumentando el tamao de
muestra.
3. En algunos estudios de tabulaciones cruzadas donde el nmero de observaciones
muestrales que caen en una cierta celda son muy pequeos y no satisfacen los
requerimientos de ciertas pruebas.

1.5. RELACIN ENTRE MUESTRA Y CENSO

Muestra y Censo en general no son competitivos; en muchos casos son complementarios.
En operaciones tales como: prueba de procedimientos censales, ordenamiento de tems,
evaluacin y control de datos procesados, adelanto de tabulaciones de variables
seleccionadas o ampliacin de anlisis de variables, se aplica el muestreo como parte integral
de un censo.
1.6. DEFINICION DE TERMINOS:
UNIDAD DE ANALISIS, es la unidad para la cual se realiza el anlisis. En una encuesta de
presupuesto familiares, la unidad de anlisis puede ser la familia o las familias de un cierto
nivel de ingresos. La unidad de anlisis se denomina frecuentemente como elemento de la
poblacin.
POBLACIN, Es el conjunto de todas las unidades de anlisis cuyas caractersticas se van a
estimar. La poblacin debe definirse en trminos de su contenido, extensin y tiempo. Es el
conjunto de elementos que determinan la cobertura de un estudio.
Ejemplo: Se trata de disear una encuesta sobre el consumo familiar en el distrito de
Nuevo Chimbote y en el presente ao, tenemos:
Unidad de Anlisis: Familias
Contenido: Personas
Extensin: Distrito de Nuevo Chimbote
Tiempo: Ao 2007
Como la poblacin en estudio debe estar definida sin ambigedad, de manera que no de
lugar a confusiones, es necesario aclarar qu entendemos como familia en este estudio:
todas las personas que comparten un mismo presupuesto familiar. As, nuestra poblacin
ser: las familias del distrito de Nuevo Chimbote en el ao 2006; considerando como
familia todas las personas que comparten un mismo presupuesto familiar.
MARCO MUESTRAL.
Es el documento material (lista, fichero, etc) donde se consigna individualmente las
unidades o elementos de muestreo, de tal forma que se pueda sortear de all las unidades
que constituirn la muestra. Este documento es indispensable, al menos cuando se trata
de realizar un muestreo probabilstico. El marco muestral debe estar perfectamente
actualizado, sin omisiones ni duplicaciones. Ejemplos:

Para los Ciudadanos.- los requisitos electorales, es decir de personas mayores de 18

aos de edad y no privados de sus derechos polticos electorales. Pero es preciso no
olvidar que algunas personas en edad electoral o que acaban de llegar a ella,
descuidan su inscripcin, adems muchos electores olvidan notificar su cambio de
residencia, salvo el ao que estn previstas las elecciones.

Para Hogares y Viviendas.- las clulas de vivienda implementadas en el ltimo Censo,

constituyen un marco de la muestra utilizado por el INE para las unidades hogares y
viviendas. Este marco establecido en una fecha dada pierde su valor a medida que el
tiempo transcurre, por eso conviene tenerlo al da en la medida de lo posible.

Para las Empresas y Establecimiento Industriales.-El mejor marco para la muestra a

este respecto, lo da el registro que lleva el instituto Nacional de Seguridad Social. Cada
establecimiento est all caracterizado adems por su razn social, direccin, actividad
econmica y nmero de personal asalariado, lo que permite estratificar la poblacin de
los establecimientos segn estos dos ltimos criterios esenciales.

Para Muestreo Por reas.- El marco de la muestra es en este caso el mapa geogrfico
del Pas o fotografas areas y la unidad de muestreo es un rea delimitada sobre ese
mapa o plano. Evidentemente interesa poseer un mapa recientemente y a gran escala,
en el que figuren el mximo de detalles que permiten reconocer sobre el terreno las
reas muestrales.

PLAN MUESTRAL Conjunto de reglas o especificaciones para seleccionar una muestra.

DISEO MUESTRAL Comprende el mtodo de seleccin y estimacin, el cual debe ser
indicado en todo estudio muestral.
1.7. MTODOS MUESTRALES
A.- MUESTREO NO PROBABILISTICO
Es un proceso por el cual no se puede asignar objetivamente probabilidades a los
elementos seleccionados y por consiguiente no se puede determinar la precisin de los
resultados muestrales en trminos de probabilidad.
MUESTREO A DE CRITERIO (DE EXPERTOS):
Es un proceso por el cual la seleccin depende del juicio humano, y no de la rigurosa
aplicacin de la teora de la probabilidades. La representatividad de una muestra obtenida
por este mtodo queda abierta a la duda; no es probable que los expertos se pongan de
acuerdo acerca de lo que debe incluir una muestra representativa.
Hay ocasiones, sin embargo, en que las muestras de criterio o juicio son tiles. Por
ejemplo, un experto puede coger una muestra de arroz de la parte superior de un montn,
para examinar su calidad. Puede ser fsicamente imposible seleccionar una muestra al
azar o probabilstica tomndola de dentro del montn. Sin embargo, por experiencia el
experto puede conocer ciertos hechos relacionados con el arroz; tal vez, que ste
generalmente es uniforme en calidad. En este caso, una muestra del montn, puede ser
suficiente para obtener la informacin necesaria acerca del arroz.
Se utiliza mayormente para estudios cualitativos y exploratorios.
MUESTREO POR CUOTAS:
Es una forma de muestreo a juicio en que los sesgos que surgen del mtodo no
probabilstico de seleccin se controlan hasta cierto punto por la estratificacin y
establecimiento de cuotas a cada estrato.
Se divide la poblacin en grupos o estratos, segn las exigencias del estudio,
generalmente edad, sexo y clase social, aunque pueden utilizarse otras clasificaciones.
Demasiados estratos hacen el estudio difcil y costoso. Los que tienen a cargo el estudio
determinan las cuotas a los entrevistadores se les sealan los sitios especficos para
buscar a sus informantes. La seleccin de stos, corre por cuenta de los entrevistadores y
esto puede causar sesgo cuyas consecuencias no pueden medirse objetivamente.
Al establecer una muestra por cuotas debe procurarse la distribucin de los diversos
grupos segn la proporcin de su importancia en el conjunto de la poblacin. Esto significa
que debe estudiarse la poblacin y analizarla teniendo en cuenta que las clasificaciones
abarquen las caractersticas bsicas, tiles para los propsitos del estudio. Para esto los
encargados del estudio, deben valerse de datos publicados como censos oficiales de
poblacin, y produccin.
La rapidez, la economa y simplicidad administrativa son las ventajas de este tipo de
muestreo.

CUESTIONARIO POR CORREO:

Se emplea por ser de bajo costo y fcil administracin. La principal objecin a este
muestreo es el sesgo causado por el no retorno de cuestionarios; para superarlo se
propone:
i)
Combinar el cuestionario por correo con la entrevista personal.
ii)
Exceder el nmero esperado de cuestionarios que retornan,
En los estudios de opinin y de mercado an se emplean estos tipos de muestreo, aunque
su uso tiende a disminuir por sus imprecisiones.
LA MUESTRA DE SUJETOS VOLUNTARIOS:
Son frecuentes en ciencias sociales y ciencias de la conducta. Se trata de muestras
fortuitas, utilizadas tambin en la medicina y la arqueologa, donde el investigador elabora
conclusiones sobre especimenes que llegan a sus manos de forma casual. Pensemos, por
ejemplo, en los sujetos que voluntariamente acceden a participar en un estudio que
monitorea los efectos de un medicamento, o en el investigador que anuncia en una clase
que est haciendo un estudio sobre motivacin en el universitario e invita a aquellos que
acepten someterse a una prueba. En estos casos, la eleccin de los individuos que sern
sujetos a anlisis depende de circunstancias fortuitas.
Este tipo de muestras se usa en estudios de laboratorio donde se procura que los sujetos
sean homogneos en variables tales como edad, sexos o inteligencia, de manera que los
resultados o efectos no obedezcan a diferencias individuales, sino a las condiciones a las
que fueron sometidos.
MUESTRAS CUALITATIVAS
Muestra variada
Documentar diversidad para buscar diferencias y coincidencias, patrones y
particularidades.
Muestra homognea
Enfocarse en el tema a investigar. Enfatizar situaciones, proceso o episodios en un
grupo social.
Muestra en cadena o por redes
Se identifican casos de gente que conoce otra gente que dar riqueza de informacin.
Muestra dirigida por teora o muestra por criterios
Se selecciona los sujetos o al grupo social, porque tiene uno o varios atributos que
ayudan a ir desarrollando una teora.
Casos tpicos
Individuos, sistemas u organizaciones que poseen claramente las situaciones que se
analizan o estudian.

MUESTRAS NO PROBALILISTICAS SEGN DIFERENTES AUTORES

CRISTOBAL EXEBIO
MUESTREO A CRITERIO
MUESTREO POR CUOTAS
CUESTIONARIO POR CORREO
HUGO SANCHEZ CARLESSI - CARLOS REYES MEZ
MUESTREO INTENCIONAL, INTENCIONADO O CRITERIAL
MUESTREO SIN NORMAS O CIRCUNSTACIAL

ROBERTO HERNADEZ S. CARLOS FERNANDEZ C. PILAR BAPTISTA LUCIO

MUESTRA DE SUJETOS VOLUNTARIOS
LA MUESTRA DE EXPERTOS
LOS SUJETOS-TIPO
LA MUESTRA POR CUOTAS
MUESTRAS CUALITATIVAS
B.- MUESTREO PROBABILISTICO
Es un proceso muestral donde cada elemento de la poblacin tiene una probabilidad
perfectamente conocida de ser incluida en la muestra; solo una muestra probabilstica
proporciona estimaciones con medida de su precisin.
MUESTREO ALEATORIO SIMPLE:
Es un procedimiento de seleccin de una muestra por el cual todos y cada uno de los
elementos de la poblacin tienen una oportunidad igual e independiente de ser incluidos en
la muestra. Adems, si se toma la muestra de tamao n, cualquier muestra posible en n
elementos tiene la misma probabilidad de ser extrada que cualquier otra combinacin de n
elementos, ya sea que la muestra se seleccione con o sin reposicin.
Una muestra aleatoria simple se extrae por seleccin aleatoria empleando los nmeros
aleatorios o colocando los elementos de la poblacin numerados del 1 a N en una urna y
mezclndolos perfectamente. Si se usa la urna y se sacan n nmeros en sucesin. Las
unidades que llevan estos nmeros constituyen la muestra, En cualquier etapa del proceso
de obtencin de la muestra, este proceso ofrece la oportunidad de que todos los elementos
que no han sido sacados previamente tengan igual probabilidad de seleccin. Los
procedimientos aleatorios evitan la preferencia o inclinacin a incluir en la muestra,
determinadas observaciones que son de conveniencia.
Este tipo de muestreo es eficiente si la poblacin no es grande y heterognea, as es
relativamente fcil y barato seleccionar las unidades muestrales. El inconveniente en
poblaciones grandes es la enumeracin de todos sus elementos.
MUESTREO ALEATORIO ESTRATIFICADO
Es un mtodo que trata de disear una muestra ms eficiente que la que se obtiene por un
procedimiento aleatorio simple. El proceso de estratificacin requiere que la poblacin este
dividida en grupos homogneos (Sub poblacin) o clases llamados estratos. Se toma luego
una muestra de cada estrato por el mtodo aleatorio simple; la muestra que resulta se
denomina Muestra Estratificada.
Una muestra estratificada puede ser proporcional al tamao de los estratos u ptima donde
en la representacin de la muestra se considera la variedad y tamao de cada estrato y/o
costo en cada uno de ellos.
MUESTREO SISTEMTICO
Es el procedimiento de seleccin del K-simo elemento de la poblacin con un comienzo
aleatorio.
Si se desea extraer una muestra del 5%=5/100=1/20 de la poblacin, seleccionamos
aleatoriamente un nmero entre 1 y 20, supongamos que el nmero seleccionado es 12,
entonces la 12ava, 32ava, 52ava, etc unidades de la poblacin constituiran la muestra
sistemtica. Este mtodo es muy usual por su simplicidad y se prefiere frente al muestreo
estratificado si la poblacin puede ponerse fcilmente en una disposicin ordenada.
Con el muestreo sistemtico se logra mayor eficiencia si las unidades que se hallan
prximas tienen mayor uniformidad que las unidades que se encuentran alejadas entre s.

Tambin lo empleamos para seleccionar los elementos que sern los que conformarn la
muestra, cuando el tamao (n) de la muestra ya ha sido calculado con otro tipo de
muestreo...
Ejemplo: Si la tenemos una poblacin de N=1548 y una muestra de n=547, entonces
seleccionamos un intervalo K, donde:
K = N/n = 1548 /547 = 2.83 = 3 (por redondeo)
Entonces la seleccin sistemtica de elementos maestrales ser 1/K (1/3), es decir,
tomaremos 1 elemento de cada 3. Se selecciona al azar el inicio (puede tener 3 cifras),
supongamos que el nmero seleccionado sea el 112, entonces, tomaremos el 112, el 115,
el 118, el 121, etc. y volvemos a empezar por los primeros nmeros si es necesario, hasta
completar los 547 unidades que conformarn la muestra.
MUESTREO AGRUPADO O DE CONGLOMERADOS (DE RACIMOS).
Se refiere al procedimiento de dividir a la poblacin en grupos o conglomerados de
unidades y se extrae una muestra de conglomerados que representan a la poblacin.
Cuando se observan todas las unidades elementales en las agrupaciones muestrales,
tenemos lo que se conoce como muestreo MONOETAPICO. Cunado se extrae una
muestra de las unidades elementales de las agrupaciones, tenemos el Llamado muestreo
BIETAPICO. En ambos procedimientos se selecciona una muestra aleatoria. Por ejemplo:
podemos seleccionar facultades=unidades primarias como la 1era etapa, luego extrae
secciones como 2da etapa y elegir a los estudiantes como tercera y ltima etapa.
Cuando este muestreo se realiza por etapas, tambin se le puede conocer como muestreo
probabilstico por racimos.
Ejemplo:
Problema:
Una compaa de televisin necesita saber con precisin, con la finalidad de planear sus
estrategias, en que momento los adultos de los distritos de Chimbote y Nuevo Chimbote de
1200,00 habitantes, es decir, qu tanto televisin ven, a qu horas, qu contenidos
prefieren y sus opiniones con respecto a los programas noticiosos.
Procedimiento:
Se disear un cuestionario que indague estas reas sobre el uso de la televisin. Los
cuestionarios se aplicarn por entrevistadores a una muestra de sujetos adultos.
Poblacin:
Todos aquellos sujetos hombres y mujeres de ms de 18 aos de edad, y que vivan en una
casa o un departamento propio o rentado de los distritos de Chimbote y Nuevo Chimbote.
Se recurre entonces a la estrategia de seleccionar racimos y se considera el uso de un
mapa actualizado de los distritos en mencin, el cual indica que en dicha ciudad hay 5,000
cuadras.

Las cuadras se utilizarn como racimos, es decir, como unidades maestrales, a partir de las cuales obtendremos en ltima
instancia a nuestros sujetos adultos mayores de 18 aos.

ESTRATOS O
CONGLOMERADOS
SELECCIONADOS
PARA EL ESTUDIO

N DE CUADRAS EN
CADA UNO
DE LOS ESTRATOS
O
CONGLOMERADOS

I
II
III
IV

270
1940
2000
790
N = 5000

N DE CUADRAS EN LA
MUESTRA
CORRESPONDIENTE A
CADA ESTRATO O
CONGLOMERADO

N TOTAL DE HOGARES POR

ESTRATO O
CONGLOMERADOS
CONSIDERADOS PARA EL
ESTUDIO

50
353
363
143
n = 909

1000
7060
7220
2860
11840

Se pueden emplear dos o tres tipos de muestreos probabilsticos para obtener el tamao
de muestra y para seleccionar las unidades para el estudio.

FORMULAS PARA CALCULAR EL TAMAO DE MUESTRA PARA

ESTIMAR UNA MEDIA O PROMEDIO
(1)
(2)

Z 2S 2
E2

NZ 2 S 2
N 1 E 2 Z 2 S 2

Para cuando no se conoce el tamao de la poblacin

Para cuando se conoce el tamao de la poblacin.

Donde:
Z : Puntaje Z correspondiente al nivel de confianza considerado (para 99% de
confianza Z=2.58, para 95% de confianza Z= 1.96, para 90% de confianza
Z= 1.65).
N : Total de elementos de la poblacin en estudio
E : Error permitido (precisin)
S2 : Varianza de la poblacin o su estimacin.
n : tamao de muestra a ser estudiada

FORMULAS PARA CALCULAR EL TAMAO DE MUESTRA PARA

ESTIMAR UNA PROPORCIN O PORCENTAJE
(1)
(2)

Z 2 PQ
E2

Para cuando no se conoce el tamao de la poblacin

NZ 2 PQ
N 1 E 2 Z 2 PQ Para cuando se conoce el tamao de la poblacin

Donde:
Z : Puntaje Z correspondiente al nivel de confianza considerado (para 99% de
confianza Z=2.58, para 95% de confianza Z= 1.96, para 90% de confianza
Z= 1.65) (Tambin se llama coeficiente de confiabilidad).
N : Total de elementos de la poblacin en estudio
E : Error permitido (precisin)
n : tamao de muestra a ser estudiada
P : Proporcin de unidades que poseen cierto atributo.
Q : Q =1-P (si no se tiene P, se puede considerar P=0.50=Q

Ejemplo 1:
Queremos hacer un estudio para estimar el ingreso medio de las familias del distrito de Nuevo
Chimbote, para esto decidimos hacerlo con un nivel de confianza del 95%. Y deseamos
tambin que la estimacin se encuentre por lo menos en S/20 nuevos soles alejados del
ingreso medio poblacional. qu tamao debe tener la muestra?. Tenemos informacin que la
desviacin estndar de los ingresos en dicho distrito es de S/140.

Z = 1.96 para un nivel de confianza del 95%

E = 20
2 = 1402
(1.96)2 (140)2
entonces n = ---------------- = 188.24
(20)2

entonces hacemos n= 189

Ejemplo 2:
Si en el ejercicio anterior tenemos que en el distrito de Nuevo Chimbote tiene 600 familias,
entonces se puede aplicar la frmula para muestras finitas.
1.96 2.140 2.600
n
143.46
n = 144
20 2 (599) 1.96 2.140 2

Ejemplo 3:

Un especialista en mercadotecnia desea calcular el tamao de la muestra de hogares que va

ha tomar del distrito de Coishco para determinar en qu proporcin de hogares por lo menos
uno de sus miembros ve un programa determinado de televisin. En esta comunidad hay en
total 500 hogares. El analista desea que su estimacin est a 0.04 de la proporcin verdadera,
con un 90% de confianza. En una muestra piloto de 15 hogares, el 35% de los entrevistados
indicaron que alguien de su casa vea regularmente dicho programa. Con base a esta
informacin podemos calcular la muestra

1.652 (0.35) (0.65) (500)

n = ----------------------------------------------- = 217.68
0.042 (500 -1) + 1.652 (0.35) (0.65)

n= 218

Ejemplo 4:
Un economista desea hacer un estudio sobre los profesores de las Universidades de Chimbote
en referencia a cantidad de dinero por semana que cada profesor dedica a la alimentacin de su
familia. Para ello acude a los niveles administrativos correspondientes, a fin de conseguir un
listado de los 2,000 profesores que trabajan en estas universidades. Los niveles administrativos
superiores tambin tienen necesidad de obtener alguna informacin entre los profesores y se
ponen de acuerdo para aprovechar esa encuesta y para introducir 51 preguntas adicionales.
Una vez que el economista tiene estructurado el cuestionario, le pide a un estadstico que le
estime el tamao de muestra apropiado para el estudio. Indicar el procedimiento y determinar el
tamao de muestra apropiado.
1.- El estadstico interroga a los encargados del estudio sobre cul es la pregunta ms
importante en el estudio, a lo cual responden que todas por igual.
2. El estadstico vuelve a hacer la misma pregunta formulada de una y otra manera y al final
el grupo lleg a la conclusin de que las preguntas verdaderamente importantes son las 7
primeras.
3. Con la informacin obtenida, analiza el cuestionario, frmula ms preguntas y llega a las
siguientes conclusiones:
Con la primera pregunta se trata de estimar una media
Con la segunda pregunta, tambin se trata de estimar una media.
Con la 3era, 4ta, 5ta, 6ta y 7ma se trata de estimar un porcentaje o proporcin.
4.

Determinar la precisin con que se desea cada estimacin. El economista dice que la
media que a l le interesa debe encontrarse en alrededor de 1,000 soles ya que la
mayora de los maestros son casados, entre 30 y 50 aos de edad y el nivel de sueldos
de las Universidades de Chimbote es regular. Adems aade que l ha hecho algunas
sondeos que arrojan resultados congruentes con sus supuestos. Con estos datos el
estadstico estima gruesamente una varianza de 50,000 y como se pide un error del 5%
y una confianza del 95%, se obtiene:

5.- Tamao de muestra:

E = 5% (1,000) = 50
Z = 2 (aproximadamente) (el valor de Z es 1.96, pero para abreviar clculos se usa 2)
S2 = 50,000

n0

2 2 (50,000)
80
50 2

Similarmente para la media de la pregunta 2 se obtiene una muestra de tamao 98.

Al preguntar sobre el porcentaje de la pregunta 3, le indican que ste debe encontrarse
entre 30% y 60% y que la desean estimar con un 5% de error y un 95% de confianza.
Luego;

n0

Z 2 PQ 2 2 (0.50)(0.50)

400
E2
52

De la misma manera se trabaja el resto de porcentaje hasta obtener los resultados siguientes:

Pregunta
:
1
Tamao de Muestrea : 80

2
98

3
334

4
300

5
200

6
200

7
400

Se concluye que el tamao de muestra a usar es de 400.

Nota.- en este ejemplo se trata de ilustrar la situacin usual en muchas encuestas, donde se
incluyen cada vez mayor nmero de preguntas.

TAR E A

DETERMINACION DE LA MUESTRA: TCNICA DEL MUESTREO PROBABILSTICO

TIPO DE MUESTREO BIETAPICO: MUESTREO ESTRATIFICADO (PRIMERA ETAPA), Y
MUESTREO ALEATORIO SISTEMTICO (SEGUNDA ETAPA)

Alumnos matriculados segn carrera profesional y ciclos, Semestre 2013-II

ESCUELA
PROFESIONAL
Medicina
Ingeniera Civil
Ingeniera Sistemas
Derecho
Contabilidad
Administracin
TOTAL

Poblacin
Ni
N1 = 353
N2 = 247
N3 = 580
N4= 1152
N5 = 562
N6 = 292
N = 3186

Muestra
ni
n1 =
n2 =
n3 =
n4 =
n5 =
n6 =
n=

Muestra:
n

NZ 2 PQ
N 1 E 2 Z 2 PQ

Distribucin proporcional
ni

Ciclos
I
II
III
IV
V
VI
VII
VIII
IX
X
XI
XII
XIII

Total
N:
P:
Q:
:
Z:
E:

Medicina
Ni
ni
18
75
44
53
28
22
21
19
14
16
11
15
17
353 n1=

Ni
xn
N
Ing. Civil
Ni
ni
40
29
41
22
17
27
19
17
21
14

Ing.
Sistemas
Ni
ni
123
69
72
46
38
83
50
47
21
31

247 n2=

580 n3=

Derecho
Ni
ni
77
141
75
154
90
127
98
110
80
64
41
95

Contabilidad
Ni
ni
67
42
37
61
64
58
38
57
48
90

1152 n4=

562 n5=

Administracin
Ni
ni
58
43
25
38
14
35
19
24
12
24

292

n6=

Total de la poblacin (Alumnos matriculados en el semestre 2013-II )

Proporcin asumida de sujetos (Alumnos) con opinin favorable acerca de
Proporcin asumida de sujetos (Alumnos) con opinin no favorable acerca de
Nivel de confianza para determinar el tamao de muestra (asumido). Ej. 1-0,05= 0,95
Valor de la distribucin normal, depende del nivel de confianza al determinar n. Ej. 1,96
Precisin en la estimacin del parmetro poblacional, en base a la muestra a seleccionar. Ej. 0,03

DISTRIBUCIN DE DOCENTES SEGN FACULTAD Y CONDICIN ACADMICA,

SEMESTRE 2013-II

Poblacin
Ni
N1 = 68
N2 = 57
N3 = 68
N4 = 39
N5 = 38
N = 270

FACULTAD
Educacin
Ingeniera
Derecho
CC. CC. Y ADM.
CC. DE LA SALUD
TOTAL

Muestra
ni
n1 =
n2 =
n3 =
n4 =
n5 =
n=

Muestra:

NZ 2 PQ
N 1 E 2 Z 2 PQ

Distribucin proporcional
ni

Ni
xn
N

Condicin Educacin Ingeniera

Acadmica Ni
ni
Ni
ni
Nombrado
5
17
Contratado 63
40
Total
68 n1=
57 n2=

N:
P:
Q:
:
Z:
E:

Derecho

CC. CC y Adm

Ni
8
60
68

Ni
15
24
39

ni

n3=

ni

n4 =

CC. de la Salud

Ni
9
29
38

ni

n5 =

Total de la poblacin (Docentes Semestre 2013-II)

Proporcin asumida de sujetos (Docentes) con opinin favorable acerca de
Proporcin asumida de sujetos (Docentes) con opinin no favorable acerca de
Nivel de confianza para determinar el tamao de muestra (asumido). Ej. 1-0,05= 0,95
Valor de la distribucin normal, depende del nivel de confianza al determinar n. Ej. 1,96
Precisin en la estimacin del parmetro poblacional, en base a la muestra a seleccionar. Ej. 0,07

ESTIMACIN PUNTUAL E INTERVLICA

PRUEBA DE HIPOTESIS

Las hiptesis son afirmaciones o conjeturas respecto al problema planteado. Tales

afirmaciones pueden ser verdaderas o falsas, por lo que se requiere de una
comprobacin en base a un conjunto de datos muestrales

para

determinar si los

resultado afirman o contradicen tal suposicin con cierta probabilidad pre establecida.
El procedimiento a seguir en una prueba de hiptesis es :
a)

Formular las hiptesis estadsticas.- Se refiere a la formulacin de la hiptesis nula

( Ho) y de la alternativa ( H1)
Ho : No existe diferencia significativa (efecto nulo)
H1 : Si existe diferencia significativa (efecto no nulo).

b)

Fijar el nivel de significacin ( ) .- Probabilidad de rechazar la hiptesis nula

( Ho) cuando realmente es cierta.

c)

Funcin pivotal o funcin de prueba ( estadstica de prueba ) .- Es la frmula

asociada a cada tipo de hiptesis en prueba y nos permite obtener el valor
experimental.

d)

Valor tabular.-

Es un valor obtenido de tablas estadsticas de acuerdo a la

distribucin de la estadstica de prueba. Generalmente se usa la prueba t, z, 2,

F.
e)

Decisin .-

Rechazar Ho si el valor experimental es mayor al valor tabular

( p < ),

(valor sugerido de es de 0.05).

- No rechazar Ho si el valor experimental es menor o igual al valor tabular. (p > )

PRUEBA DE HIPOTESIS PARA LA MEDIA DE UNA SOLA POBLACIN

a)

Formulacin de Hiptesis.

Ho :

= 0

H1 :

: Puntaje promedio poblacional

0 : Puntaje promedio hipottico
b)

Nivel de significacin o probabilidad de equivocarse

= 0,05

c)

Estadstica de prueba

x 0
DE
n

donde :

DE

(n -1)

n
2
x
i 1 i

n x

DE = Desviacin estndar
d)

Valor tabular

t tab t (n-1

; 1 - 2

e)

Decisin
Rechazar

Ho si

No rechazar Ho si

p < 0.05 p < 0.01

p > 0.05

Criterios de decisin :
Si p < 0.05,

Existe diferencia estadsticamente significativa

entre el puntaje promedio real y el valor supuesto.

(error tipo I)

Si p < 0.01,

Existe diferencia altamente significativa entre el

Si p > 0.05,

puntaje promedio real y el valor supuesto.

No existe diferencia estadsticamente significativa
entre el puntaje promedio real y el valor supuesto.

Ejemplo :
Un empresario est interesado en averiguar si el sueldo promedio de los
trabajadores de cierta empresa

es de 420 dlares como el respectivo de la

empresa que el regenta. Para realizar tal averiguacin se seleccion una muestra
aleatoria de 20 de los sueldos de dichos trabajadores y se encontr un sueldo
promedio de 430 dlares con una desviacin estndar de 100 dlares. Existe
evidencia suficiente para afirmar que el sueldo promedio es de 420 dlares?
a) Formulacin de Ho y Ha .
Ho :

= 420

Ha :

420

b) = 0.05
c) Estadstica de prueba
-

x 420
S
n

430 420
100
20

0.45 ,

t (19)

p 0.657

d) Decisin
Como p > 0.05 no se rechaza la hiptesis nula, por tanto no existe evidencia
suficiente para poder afirmar que el sueldo promedio es diferente de 420 dlares.

PRUEBA DE HIPOTESIS PARA LA DIFERENCIA ENTRE LAS MEDIAS DE DOS

POBLACIONES INDEPENDIENTES
a)

Formulacin de Hiptesis.

Ho :

= 2

H1 :

1 : Puntaje promedio del grupo 1

2 : Puntaje promedio del grupo 2
b)

Nivel de significacin o probabilidad de equivocarse

(error tipo I)

= 0,05
c)

Estadstica de prueba

(DE) 2

donde :
2

( DE ) 2
d)

(n 1 - 1)S1 (n 2 - 1 )S2
n 1 n2 - 2

Valor de p
p: Es la probabilidad que hay del valor t calculado hacia la derecha

e)

Decisin
Rechazar

Ho si

p < 0.05

p < 0.01

No rechazar Ho si ( p > 0.05 )

Criterios de decisin :
Si p < 0.05,

Existe diferencia estadsticamente significativa entre

los puntajes promedio de los 2 grupos de estudio.

Si p < 0.01,

Existe diferencia estadstica altamente

significativa

entre los puntajes promedio de los 2 grupos de

estudio
Si p > 0.05,

No existe diferencia estadsticamente significativa

entre los puntajes promedio de los 2 grupos de estudio

Ejemplo
Treinta empleados de una gran empresa

fueron distribuidos

en dos grupos

iguales a dos diferentes programas de capacitacin industrial. El grupo I fue

capacitado con el Mtodo A, que consiste en adiestrarlos directamente en la

maquinaria y el grupo II con el Mtodo B, con la atencin personal de un instructor.

Los puntajes obtenidos despus de la capacitacin en una prueba apropiada
fueron :
Mtodo A
78
6
15

Media ( x )
Desviaci estndar (S)
N

Mtodo B
70
4
15

Proporcionan estos datos evidencia suficiente que el mtodo A es diferente que

el mtodo B?.
Solucin
a)

Formulacin de Hiptesis.
Ho :
H1 :

c)

= 2

Nivel de significacin :
= 0,05

c)

Estadstica de prueba

78 - 70

t0

(26)

( DE ) 2

= 4,30

15 15

(15 - 1)62 (15 - 1)42

= 26
15 15 - 2

d) Valor de p
p = 0.0002
e)

Decisin
Como p < 0.01, se rechaza Ho. Por tanto existe diferencia estadsticamente
significativa en los dos mtodos de capacitacin.

PRUEBA DE HIPOTESIS PARA LA DIFERENCIA ENTRE LAS MEDIAS DE DOS

POBLACIONES CORRELACIONADAS
Debe usarse cuando se desea comparar 2 tratamientos y las unidades en estudio son
heterogneas pero es factible conformar parejas homogneas o gemelas, Ejm. Cuando se
desea comparar :
-

2 tipos de cueros de zapatos en diferentes individuos.

2 marcas de termmetros en diferentes ambientes.

Efectividad de una tcnica de ventas (antes y despus de la aplicacin de la tcnica ).

2 tipos de alimentacin en cerdos de diferentes camadas.

Prueba de hiptesis :
a)

b)

Hiptesis estadsticas
Ho :

1 = 2

H1 :

1 2

Nivel de significacin
= 0.05

c)

Prueba

d n
Sd

tc

d i X1i X 2i

n
di
i 1

Sd2
d)

Valor de p

e)

Decisin

n
n
2
(d i d)
i 1

Rechazar

n -1

Ho si

p < 0.05

p < 0.01

No rechazar Ho si ( p > 0.05 )

Criterios de decisin :
Si p < 0.05,

Existe diferencia estadsticamente significativa

entre los puntajes promedio de los 2 grupos de
estudio.

Si p < 0.01,

Existe

diferencia

significativa entre

estadstica
los

puntajes

altamente
promedio de

los 2 grupos de estudio

Si p > 0.05,

No existe diferencia estadsticamente significativa

entre los puntajes promedio de los 2 grupos de
estudio

Ejemplo:
Se llev a cabo un experimento para probar el efecto de dos medicamentos distintos
sobre el tiempo de coagulacin de la sangre (en minutos). Se extrajeron muestras de
sangre de 10 personas y se dividieron igualmente en dos partes que se asignaron al azar
a uno de los dos medicamentos. Los resultados fueron los siguientes:
Persona
1
2
3
4
5
6
7
8
9
10

X1
1.5
1.4
1.8
1.3
2.0
1.1
1.5
1.5
1.2
1.5

X2
1.6
1.4
1.6
1.2
2.1
1.0
1.6
1.5
1.0
1.6

Dif.
-0.1
0.0
0.2
0.1
-0.1
0.1
-0.1
0.0
0.2
-0.1

Proporciona evidencia de diferencia entre el efecto de ambos medicamentos sobre el

tiempo de coagulacin de la sangre. Use =0.05?
Solucin
a)

Hiptesis
1 = 2

H0 :
H1

: 1 2

b)

= 0,05

c)

Prueba

d
0,0220

S
0,12273/ 10
d
0,0220

0.567
0,03881

: d = 0

H0
H1

: d 0

d)

Valor tabular
t = t (9;

e)

0.975)

= 2,26

p = 0.5846

Decisin
No se puede rechazar H0 puesto que p > 0.05
donde :
d

= X 1 - X2

= 0,022

S2

0,12273

10

No existe diferencia estadsticamente significativa entre el efecto de los dos

medicamentos en el tiempo de coagulacin de la sangre.

Ejercicio:
En un experimento con 18 pollos agrupados en parejas sumamente homogneas de un
da de nacidos se probaron 2 hormonas sexuales, la hormona A y la hormona B. Los
efectos se estimaron pesando las crestas despus de 9das. Los resultados se dan a
continuacin
A
B

57
89

120
60

101
82

137
50

119
39

117
22

104
57

73
32

53
96

a) Realice la hiptesis conveniente. Use =0.05

b) Justifique el mtodo empleado e interprete sus resultados.

PRUEBA DE HIPTESIS DE COMPARACIN DE MEDIAS EN t

GRUPOS DE ESTUDIO INDEPENDIENTES
La tcnica que se aplica cuando se desea comparar promedios de t grupos (poblaciones)
cuando se ajustan a una distribucin normal y presentan homogeneidad de varianzas es
llamada Anlisis de Varianza.

Los datos ordenados pueden representarse

simblicamente de la siguiente manera :

Grupos de estudio

a)

. . .

X11
X12

X21
X22

X31
X32

. . .
. . .

Xt1
Xt2

X13

X23

X33

. . .

Xt3

.
.
.

.
.
.

.
.
.

. . .
. . .
. . .

.
.
.

X1.

X2.

X3.

. . .

Xt.

Hiptesis
1 = 2 = 3 = . . . = t

H0 :
H1

: Al menos 1 promedio es diferente

b)

Nivel de significacin

c)

Funcin de prueba

CMT
CME

F= CMT/CME

d)

Valor de la probabilidad a la derecha de F calculado en c)

e)

Decisin
Rechazar

Ho si

No rechazar Ho si

p < 0.05 p < 0.01

p > 0.05

Con paquete estadstico:

-

Si p < 0.05, Existe diferencia estadsticamente significativa entre los puntajes

promedio de los t grupos de estudio (Al menos 1 es diferente)
Si p < 0.01, Existe diferencia altamente significativa entre los puntajes
promedio de los t grupos de estudio (Al menos 1 es diferente)
Si p>0.05, No existe diferencia significativa entre los puntajes promedio de los t
grupos de estudio.

La tabla de anlisis de varianza se muestra a continuacin:

Tabla ANVA
Fuente Variacin

Gl

SC

CM

Tratamientos
Error Experim.

t1

txx

CMT

nt=v

Exx

CME

n-1

Wxx

Total

CMT/CME

F(t 1 ,

v)

donde :

xx

xx

2
Xi .
t

xx

2
X ..

W Xij2
xx

xx
X2
..

CMT = SC/gl

Ejemplo :
En un estudio del efecto de la glucosa sobre la liberacin de insulina, se trataron muestras
de tejio pancrtico de animales de laboratorio con cinco estimulantes distintos.
Posteriormente, se determin la cantidad de insulina liberada. Los resultados referentes a
la insulina liberada se muestran en la tabla a continuacin. El experimentador deseaba
saber si existe diferencia significativa entre las cinco poblaciones con respecto a la
cantidad media de insulina liberada.
A
1.53
1.61
3.75
2.89
3.26

Estimulante
B
C
3.15
3.89
3.96
3.68
3.59
5.70
1.89
5.62
1.45
5.79

D
8.18
5.64
7.36
5.33
8.82

E
5.86
5.46
5.69
6.49
7.81

1.56

5.33

5.26
7.10

9.03
7.49
8.98

Xi.
Xi

13.04
2.6080

15.60
2.8080

30.01
4.3733

47.69
6.6275

56.81
7.1013

163.15
5.0984

0.9959

1.0889

1.6704

1.4238

1.4394

2.2898

32

2
i

ri
Solucin
a)

Hiptesis
H0

H1

A = B = C = D = E
Al menos 1 estimulante (tratamiento) es diferente

b)

= 0,05

c)

Prueba estadstica

F CMT
CME

d)

14,62

Valor tabular
F tab = F(4, 28; 0,05) = 2,71

e)

Decisin
Se rechaza H0 puesto que F > Ftab

Existe evidencia suficiente para asegurar que al menos 1 tratamiento

produce efectos diferentes.

PRUEBA DE HIPTESIS DE INDEPENDENCIA DE CRITERIOS

(COMPARACIN DE PROPORCIONES DE K GRUPOS).PRUEBA JI CUADRADO DE PEARSON

Uno de los usos ms frecuentes de la distribucin ji-cuadrado es probar la hiptesis nula

de que dos criterios de clasificacin, son independientes. Se dice que dos criterios de
clasificacin son independientes si la distribucin de uno no se ve afectada por la
distribucin del otro.
Para realizar el anlisis de los datos o frecuencias conjuntas (O ij) los datos deben
disponerse en una tabla de contingencia, de acuerdo a dos criterios.
Criterio 2

Criterio 1
...

ni.

1
2

O11
O21

O12
O22

...
...

O1c
O2c

n1.
n2.

Or1

Or2

...

Orc

nr.

n. j

n.1

n. 2

...

n.c

El procedimiento de la prueba es el siguiente :

a)

Hiptesis
Ho :

Ambos criterios de clasificacin son independientes

H1 :

Ambos criterios de clasificacin no son independientes

b)

Nivel de significacin : = 0,05

c)

Funcin pivotal

(Oij - E ij ) 2

E ij

E ij
n i. x n . j
n i.

Oij : Frecuencia observada

Eij : Frecuencia esperada

d)

Valor de p valor

e)

Decisin
Rechazar

Ho

2
tab
(2r 1)(c 1) ; 1-

si

No rechazar Ho si

tab2

2
tab

( p < 0.05 p < 0.01)

,

( p > 0.05)

Esto es :
Si p < 0.05,

Existe
entre

Si p < 0.01,

relacin

estadsticamente

significativa

las variables en estudio.

Existe relacin altamente significativa entre las

variables en estudio.

Si p > 0.05,

No existe relacin estadsticamente significativa

entre las variables en estudio.

COMPUTACION
HARDWARE

SOFTWARE

Parte fsica

Parte intangible

SISTEMAS
OPERATIVOS

CPU, MONITOR,
TECLADO, MOUSE,
IMPRESORA, ETC.

LENGUAJES DE
PROGRAMACION

PAQUETES DE
APLICACIN
PROGRAMAS DE
APLICACION

PARA USO DE
OFICINA
OFFICE: Word,
Excel, Power
Point, Etc.

PARA ANALISIS
CUANTITATIVO
-Excel
-Minitab
-Epi Info
-Data ming
-Microstat
-Estad graph

-SPSS
-Stata
-SAS
-STATS
-Abstat
-Epi data, Etc.

PARA ANALISIS
CUALITATIVOS
-Atlas
-The Etnograph
-Nud ist
-Sonar
-Decisin explorer
-HyperQual, Etc.

....

EXISTEN
DIFERENTES
PROGRAMAS
PARA CADA
ESPECIALIDAD

PROGRAMA ESTADISTICO PARA

CIENCIAS SOCIALES

PRACTICA DE EXCEL

SEXO

PUNTAJE

N DE HERM

:
4

N EDAD

12 MASCULINO

14

11 FEMENINO

13

7
8
9
10

3
4
5
6

13
12
13
11

MASCULINO
FEMENINO
MASCULINO
FEMENINO

13
13
12
12

2
3
2
2

11

13 MASCULINO

13

12
13
14
15
16

8
9
10

13 MASCULINO
12 FEMENINO
13 MASCULINO

14
11
12

1
0
1

N de
pacient

17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
38
39
40
41
42
43
44
45
46
47
48

EDAD
11
12
13
TOTAL

2
3
5
10

SEXO
N Pacientes
MASCULINO
6
FEMENINO
4
TOTAL
10

UBIC.VIVI CONDICION
LADERAS
LOS
PINOS
LOS
PINOS
LADERAS
LADERAS
LADERAS
2 DE
JUNIO
2 DE
JUNIO
LADERAS
LADERAS

SIN BECA
SIN BECA

n = 10
pacientes
de un
consultorio

SIN BECA
SIN BECA
BECA
SEMI BECA
SEMI BECA
SIN BECA
SIN BECA
SIN BECA

Ejemplos:

20
30
50
100

2 =CONTAR.SI(C5:C14,11)
20 =(E18/E$21)*100
10 =SUMA(E18:E20)

%
60
40
100

6 =CONTAR.SI(D5:D14,"MASCULINO")
60 =(E40/E$42)*100
10 =SUMA(E40:E41)

INTRODUCCIN
ESTADSTICA DESCRIPTIVA (CONCEPTOS BSICOS)
La estadstica tiene como finalidad estudiar detalladamente las caractersticas de una muestra de
datos. Este estudio se realiza a travs de variables. Variables: Son caractersticas que pueden
tomar distintos valores en cada unidad de investigacin (unidad de anlisis).
En el ejemplo se estudian las caractersticas de una muestra de 40 sujetos. Se estudian siete
variables: Edad, sexo, estatus, regin, ci (cociente intelectual), estatura y peso. La edad es una
propiedad (tiempo vivido) de los casos (sujetos en este caso) que pueden tomar distintos valores:
40, 35, 43, 54, etc. Sexo es una variable porque puede tomar distintos valores: hombre o mujer.
Variables y Casos: Todo conjunto de datos puede ser visto como una matriz. Las filas
corresponden con los distintos sujetos o unidades de investigacin, sobre los que se han realizado
las distintas observaciones(columnas). Los sujetos (filas) suelen denominarse casos y las
observaciones (columnas) suelen denominarse variables.
A modo de ejemplo, por caso, dependiendo del estudio, puede entenderse un alumno, un profesor,
o una sesin de clase. Por variables, asociadas a los casos anteriores, puede entenderse el sexo y
la edad del alumno, el cociente intelectual y el rendimiento en una asignatura determinada obtenida
en el desarrollo de una asignatura. Es importante notar que, con frecuencia se confunde, en este
ltimo caso, cul es el sujeto de anlisis, si el alumno con varios episodios de recurrencia o cada
episodio de recurrencia es un caso en s, pudiendo haber varios episodios para un mismo alumno.
La distincin de la unidad de anlisis en cada situacin la marcar el objetivo de la investigacin.

Tipo de variables
Cualitativas

Cuantitativas

Contienen informacin cualitativa de los sujetos Miden la magnitud de una medida sobre un
denotando la cualidad o la categora a la que individuo.
pertenece un sujeto.

Nominales
Las observaciones se
clasifican en categoras
(mutuamente
excluyentes y
colectivamente
exhaustivas) sin que
stas tengan un orden
especfico (por ejemplo
los grupos sanguneos).
Un caso particular de
datos nominales es el
caso de los datos
dicotmicos en los que
existen slo dos
categoras (como por
ejemplo en el sexo).

Ordinales

Escala

En esta escala de medicin

no tiene sentido medir la
distancia entre posibles
valores de la variable ni se
pueden realizar operaciones
aritmticas con ellos pues
no toman valores numricos
especficos ni existe
proporcionalidad entre
categoras vecinas. S
pueden sin embargo ser
ordenados pues existe una
relacin de orden entre las
distintas clases o
categoras. El pronstico de
una enfermedad (menos
grave, grave, ms grave) es
un dato medido en escala
ordinal.

Estas variables miden una magnitud de los sujetos

resultando en un valor numrico. Utilizan escalas
numricas y s tiene sentido medir la distancia que
hay entre posibles valores de los datos. En estas
variables cabe distinguir aquellos casos donde el
punto cero es arbitrario (medicin a nivel de
intervalo) como por ejemplo la temperatura, o
datos donde el cero es un punto fijo (nivel de
razn) como por ejemplo el peso o la glucemia. Si
bien el SPSS no hace distincin entre variables del
tipo escala, los procedimientos estadsticos
distinguen entre variables discretas y continuas.
En el primer caso el conjunto de posibles valores
de la variable es finito siendo en el segundo
continuo. Un ejemplo de variable discreta es el
nmero de das de ingreso en un Hospital, y un
ejemplo de variable continua es la glucemia.

APLICANDO UN CUESTIONARIO
UNIVERSIDAD PRIVADA SAN PEDRO
Sr(a)(ta): Se solicita su valiosa colaboracin que nos permita recolectar datos para
analizarlos e interpretarlos de un Trabajo de Investigacin que favorecer a la ciudad de
Chimbote.
Escriba en el espacio en blanco o con la letra X segn corresponda.
GRACIAS POR SU COLABORACIN
1.- N de Identificacin de la encuesta: ............... (Valores del 01 al 40)
2.- Edad ( en aos cumplidos): .........................
3.- Sexo:

Hombre (

Mujer ( )

4.- Escriba solamente su primer o nico nombre: ...............................

5.- En forma relativa indique el estatus socioeconmico en el que se ubicara:
Alto (

Medio ( )

Bajo ( )

6.- De las alternativa dadas ubique, la regin o zona en que se ubica su domicilio:
Norte ( )

Este ( )

Oeste ( )

Sur ( )

7.- Escriba el valor relativo de su cociente intelectual. (Escriba valores como

mnimo desde 52 hasta un valor mximo de 159): ...................
8.- Estatura (en centmetros) : ......................................
9.- Peso en kilogramos (Con aproximacin a un decimal): ........................

PRACTICA N 01: DEFINICIN DE VARIABLES DEL CUESTIONARIO AL PAQUETE ESTADSTICO

1.- Ingrese al programa estadstico SPSS. Defina las variables segn las referencias. Finalmente guarde con el nombre practica1

Nombre

Tipo

Anchura Decimales

Iden

Numrica

edad

Numrica

Sexo

Numrica

nombre

Cadena

10

Estatus

Numrica

regin

Numrica

ci
estatura
peso

Numrica
Numrica
Numeric

3
3
5

1
0
1

Etiqueta
Nmero de
identificacin del sujeto

Estatus
socioeconmico

Cociente Intelectual

Valores
Valor Etiqueta
None

Valores
Perdidos

Column

Alineacin

Medida

-9

Derecha

Escala

-9

Derecha

Ordinal

Derecha

Ordinal

10

Izquierda

Nominal

Derecha

Ordinal

None
1 Hombre
2 Mujer
None
1 Alto
2 Medio
3 Bajo
1 Norte
2 Este
3 Oeste
4 Sur
None

Derecha

Ordinal

-9.0

None
None

-9
-9.0

8
8
8

Derecha
Derecha
Derecha

Escala
Escala
Escala

PRACTICA N 02: INGRESO DE DATOS

1.- Mediante trabajo en equipo (2 personas), ingresar los datos de las 40 encuestas al
archivo que contiene la definicin de las variables.
DATOS RECOLECTADOS A PARTIR DEL CUESTIONARIO APLICADO
IDEN EDAD SEXO NOMBRE ESTATUS REGIN
1
15
2 Abigail
1
3
2
16
1 Carlos
1
3
3
31
1 Alberto
1
2
4
24
2 Adela
2
3
5
24
1 Luis
1
1
6
32
2 Adelina
2
1
7
26
1 Antonio
1
1
8
21
1 Juan
1
4
9
22
2 Adriana
2
4
10
18
2 Agata
2
1
11
25
1 Cosme
2
3
12
29
2 Aida
3
1
13
25
2 Alameda
1
1
14
19
1 Juan
2
1
15
30
1 Carlos
1
1
16
29
2 Alana
1
1
17
29
1 Jose
3
4
18
16
2 Albertina
1
1
19
31
1 Armando
1
3
20
18
1 Constante
2
4
21
21
1 Toribio
1
2
22
29
1 Borja
1
2
23
23
2 Alejandra
3
4
24
28
2 Alicia
1
4
25
19
1 Manuel
3
4
26
31
1 Carlos
3
4
27
33
1 Antonio
2
1
28
17
2 Alma
1
3
29
34
2 Almeda
2
1
30
20
2 Almeria
1
2
31
21
1 Toribio
2
4
32
29
1 Borja
1
1
33
23
2 Alejandra
1
3
34
28
2 Alicia
3
1
35
19
1 Manuel
1
1
36
31
1 Carlos
1
1
37
33
1 Antonio
2
1
38
17
2 Toribio
1
1
39
34
2 Pedro
1
4
40
20
2 Manuel
3
1

CI
124
95
101
116
102
102
81
109
61
93
119
52
128
65
116
65
147
113
99
117
105
92
78
97
77
81
126
95
122
85
124
95
101
116
102
102
81
109
61
93

ESTATURA
154
154
156
184
173
170
176
188
169
175
177
181
164
160
162
156
172
175
168
159
178
174
178
163
180
174
137
153
168
161
124
95
101
116
102
102
81
109
61
93

Guarde todos los datos ingresados con el nombre: practica2

PESO
57.9
56.7
52.8
104.2
87.5
71.5
93.3
99.2
76.6
87.9
80.3
82.3
61.8
75.0
60.3
53.9
78.6
85.7
75.4
73.0
87.6
74.2
100.9
77.1
74.6
70.2
99.3
62.1
77.4
67.9
104.2
87.5
71.5
93.3
99.2
76.6
87.9
80.3
82.3
61.8

TECNICAS E INTRUMENTOS
Ventajas y Desventajas
(Metodologa de la Investigacin Cientfica, Alejandro Caballero Romero.
Edicin 2000 Editorial Udegraf S.A.

TECNICA

INSTRUMENTO

VENTAJAS
APLICABLE A GRAN
NUMERO DE
INFORMENTES SOBRE
GRAN NUMEROS DE
DATOS

ENCUESTA

CUESTIONARIO

ENTREVISTA

GUIA DE ENTREVISTA PERMITE PROFUNDISAR

LOS ASPECTOS
INTERESANTES.

FICHAS
(PRESISAR EL TIPO:
TEXTUALES,
RESUMEN,ETC.)
GUIA DE
OBSERVACION OBSERVACION
DE CAMPO
CAMPO
.............
.............
ANALISIS
DOCUMENTAL

DESVENTAJAS
POCA PROFUNDIDAD.

-SOLO APLICABLE A UN
PEQUENO NUMERO.
-DIFICIL Y COSTOSO

MUY OBJETIVA PUEDE

CONSTITUIR EVIDENCIA

-LIMITADA A FUENTES
ESCRITAS.

CONTACTO DIRECTO DEL

INVESTIGADOR CON LA
REALIDAD.
.............

-APLICACIN LIMITADA A
ASPECTOS FIJOS O
REPETITIVOS.
.............

ENCUESTA
Actividad compleja que exige alto grado de organizacin y demanda
colaboracin de profesionales y tcnicos de diversas especialidades y
perfiles.
Mtodo que se realiza por medio de tcnicas de interrogacin, procurando
conocer aspectos relativos a los grupos.
Tcnica de recoleccin de datos donde se obtiene la informacin tal como se
necesita, preparada exprofesamente y con objetivo estadstico. Permite
registrar caractersticas en las unidades de anlisis de una determinada
poblacin o muestra, delimitada en el tiempo y en el espacio.
Los resultados de una encuesta son producto de varios pasos, que
involucran el plano terico y el prctico; un solo error en cualquier proceso
amenaza todo lo hecho.

ORGANIZACIN DE UNA ENCUESTA

PASOS PARA REALIZAR UNA ENCUESTA EMPLEANDO UN
CUESTIONARIO
1.- REDACTAR UN CUESTIONARIO
2.- CONFECCIONAR UN PLAN DE TABULACION Y ANALISIS
3.- CONSTRUIR UN MARCO MUESTRAL ADECUADO
4.- DISEAR LA MUESTRA
5.- APLICAR EL CUESTIONARIO A LAS UNIDADES ELEGIDAS
6.- PROCESAR LA INFORMACION
7.- REALIZAR INFERENCIAS

DIAGRAMA DE LA ORGANIZACIN Y DESARROLLO DE UNA

ENCUESTA POR MUESTREO
Construccin del
marco muestral.

Diseo
muestral

Proyecto de
cuestionario

OBJETIVOS

Organizacin
del trabajo de
terreno

Encuesta
piloto

Seleccin
muestral

Aplicacin de la
encuesta

Procesamiento
Confeccin
definitiva del
cuestionario

Organizacin
preliminar del
trabajo de terreno

Plan de
tabulacin

LA ENTREVISTA Y EL CUESTIONARIO

Anlisis final

CONCLUSIONES

Las herramientas ms frecuentes para realizar una encuesta son la

entrevista y el cuestionario.
La entrevista es una conversacin seria entre dos o ms personas, siempre
con un propsito definido. Es el instrumento ms empleado en la Psicologa
Clnica.
El cuestionario es un sistema de preguntas racionales, ordenadas en forma
coherente, tanto desde el punto de vista lgico como psicolgico, expresadas
en un lenguaje sencillo y comprensible, que generalmente responde por
escrito la persona interrogada, sin que sea necesaria la intervencin de un
encuestador.
Es un documento para ayudar en el proceso de obtener informacin a travs
de una secuencia de preguntas o mediciones.
Las diferencias fundamentales entre la entrevista y el cuestionario son el
grado de estructuracin de las preguntas y la presencia o no del
encuestador.
Mayor estructuracin de las preguntas

ENTREVISTA

CUESTIONARIO

Mayor participacin del encuestador

EL DISEO DEL CUESTIONARIO

La elaboracin de un cuestionario requiere de:
MARCO
TEORICO

MARCO
METODOLOGICO

MARCO
SITUACIONAL

CUESTIONARIO

MARCO DE
REFERENCIA

PROCESO PARA CONSTRUIR UN CUESTIONARIO

Revisin de la literatura de cuestionarios que midan las mismas

variables que pretendemos medir en la investigacin.
Evaluar la validez y confiabilidad
de cuestionarios anteriores
Desarrollar un cuestionario propio,
tomando en cuenta otros(s)

Adaptar un cuestionario
VALIDEZ
aplicado en otro estudio

Indicar los niveles de medicin de

preguntas y escalas

Determinar la codificacin de
preguntas cerradas
Elaborar la primera versin del
cuestionario
Consultar con expertos o personas familiarizadas con
los temas investigados
Ajustar la primera versin
Entrenar encuestadores, si es que se
requerirn ( o supervisores)
Llevar a cabo la prueba piloto

Elaborar la versin final del

cuestionario
Codificar las
preguntas abiertas

Aplicar

Decidir el contexto
en que se aplicar

VALIDEZ Y CONFIABILIDAD DE LOS INSTRUMENTOS

Estos procesos se aplican con la finalidad de evaluar la consistencia del diseo de la estructura de
los instrumentos que se usaran para la recoleccin de datos en la ejecucin de una investigacin.
I.

VALIDEZ DE LOS INSTRUMENTOS:

Se refiere al grado en que un instrumento realmente mide la variable que pretende medir la
validez de un instrumento se refiere al grado hasta el cual las inferencias derivadas de las
puntuaciones son significativas.
Asimismo un instrumento ser vlido cuando est constituido por tems pertinentes y rinde
puntajes confiables.
Para comprobar la validez de los instrumentos utilizados en una investigacin podra
utilizarse el criterio de la opinin de expertos y de nuestros pilotos a los elementos de
estudio. Se realiza en cuatro momentos detallados o continuacin:
Primer Momento: Se disearan los instrumentos y deber consultarse a una muestra de
expertos (profesores especialistas), quienes analizaron y evaluaron la estructura de los
mismos, teniendo en cuenta la correlacin de las preguntas, la cohesin y el grado de
pertinencia en la orientacin para el logro de los objetivos planteados y el marco referencial
que lo sustenta.
Segundo Momento: Despus de haber recepcionado y acopiado las opiniones,
observaciones y crticas al respecto, hecho con el apoyo de expertos, se elaborar
nuevamente el diseo de los instrumentos con las correcciones del caso y deber consultarse
nuevamente a la muestra de expertos.
Tercer Momento: Recepcionada la opinin favorable de la mayora de expertos con las
recomendaciones del caso, que los instrumentos cumplan con las caractersticas apropiadas
para que puedan ser aplicados a las muestras respectivos. Se tomar en cuenta las
recomendaciones realizadas por los expertos se elaborar nuevamente el diseo de los
instrumentos y sern aplicados a una muestra piloto conformada por los elementos de
estudio. Si se registra un porcentaje superior de que por lo menos el 60% de los elementos
de estudio respondan con facilidad, implicar que los instrumentos cumplen con las
caractersticas y condiciones del trabajo.
Cuarto Momento: Finalmente se proceder al diseo definitivo de los instrumentos, los
mismos que debern ser aplicados a las muestras respectivas de estudios.

II.

CONFIABLIDAD DE LOS INSTRUMENTOS:

Segn Hernndez, Fernndez y Baptista. La confiabilidad de un instrumento de medicin, se
refiere al grado en que su aplicacin repetida al mismo sujeto u objeto produce resultados
iguales.
La confiabilidad de un instrumento se refiere a la constitucin interna de las personas, a la
mayor o menor acescencia de errores de medida. Un instrumento confiable significa que si
lo aplicamos por ms de una vez a un mismo elemento entonces obtendramos iguales
resultados.
METODOS PARA CALCULAR LA CONFIABILIDAD DE UN INSTRUMENTO DE
MEDICIN:
Hay diversos mtodos para determinar la confiabilidad de un instrumento de medicin.
Todos utilizan formulas que producen coeficientes de confiabilidad estos coeficientes
pueden oscilar entre 0 y 1, donde un coeficiente de o significa nulo confiabilidad y 1
representa un mximo de confiabilidad (confiabilidad total).
CONFIABILIDAD
Muy Baja

Baja

Regular

Aceptada

0
1
0%

Elevada

100%

MTODO COEFICIENTE ALFA DE CRONBACH:

Requiere de una sola administracin del instrumento de medicin y se basa en la
medicin de la respuesta del sujeto con respecto a los tems del instrumento.
Su ventaja reside en que no es necesario dividir en dos mitades a los tems del
instrumento de medicin; simplemente se aplica la medicin y se calcula el coeficiente.
CLCULO DEL COEFICIENTE:
S iS2
k

k 1
S T2
Donde:
K
: Es el nmero de tems.

S2i

: Sumatoria de varianzas de los tems.

ST2

: Varianza de la suma de los tems.

: Coeficiente de Alfa de cronbach.

EJEMPLO:

Se tienen los resultados referidos a la opinin de 06 alumnos respecto a los tems formulados
en un cuestionario.
ALUMNO

I
3
5
4
4
1
4

1
2
3
4
5
6

ITEMS
II
5
4
4
5
2
3

III
5
5
5
3
2
3

PROCEDIMIENTO:
Paso 1: Calcular las varianzas de cada uno de los tems; en el cuadro de clculo.
ALUMNO

I
3
5
4
4
1
4
21
83
1.9

1
2
3
4
5
6
Xi
Xi 2
Si 2
X

Donde:

Si

2
i

ITEMS
II
5
4
4
5
2
3
23
95
1.37

x2

n
__________________
n1

Paso 2: Calcular la sumatoria de varianzas de los tems.

Si2 = 5.04

Paso 3: Calcular la varianza de la suma de los tems.

SUMA DE ITEMS
13
14
13
12
5
10

III
5
5
5
3
2
3
23
97
1.77

 Xi = 67
Xi2 = 803
2

Donde:

ST2 =

xi

x 2
n

ST2

= 10.97

n 1

Paso 4: Calcular el coeficiente de Alfa de Cronbach.

3
5.04
1

3 1
10.97

3
1 0.4594348
2

= 0.81085
= 0.81
Paso 5: Interpretacin de la significancia de = 0.81; lo que significa que los resultados de
opinin de los 06 alumnos respeto a los tems considerados se encuentran correlacionados de
manera altamente confiable y muy aceptable.

ANEXO 1:

AREAS BAJO LA CURVA NORMAL

ANEXO 2:

DISTRIBUCIN t STUDENT

ANEXO 3:

VALORES CRTICOS DE JI CUADRADA