Professional Documents
Culture Documents
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
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 )
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:
Hemoglobina:
Variable Cuantitativa
continua
Variable
Cuantitativa contnua
Sexo:
{femenino, masculino}
Variable Cualitativa Nominal
Nivel de educacin: {Analfabeto, primaria, secundaria, superior}
CLASIFICACIN DE VARIABLES
SEGN LA NATURALEZA.
VARIABLE CUALITATIVA
DISCRETA
VARIABLE CUANTITATIVA
CONTINUA
SEGN LA RELACIN
.
VARIABLE INDEPENDIENTE (X)
VARIABLE DEPENDIENTE (Y)
VARIABLE INTERVINIENTE
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
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
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
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)
ESTADIGRAFOS
RANGO ( R )
(Medidas de resumen)
DESVIACION MEDIA (D.M.)
DE DISPERSION
2
VARIANZA (S )
O VARIABILIDAD
(2)
DESVIACION ESTANDAR (S)
()
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
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.
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
Mediana
(Me)
- 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
Moda
(Mo)
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
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
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
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.
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
S x2 18.57
Sx= 4.31
14
S y2 4.96
Sy= 2.23
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
= 24000 Lb de peso
S1 = 1285
Lb
P2 : Poblacin de ratones
= 1.05 Lb de peso.
S2 = 0.16 Lb
15
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 . (
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:
VD:
16
VD:
d. Estudio del nivel de satisfaccin, sueldo y horario de trabajo de los mdicos del
Hospital de Polica.
VI:
VD:
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%
17
REFERENCIA BIBLIOGRAFICA:
1.
2.
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.
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
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:
19
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
20
PROPIEDADES DE r:
- 1
+ 1
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
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
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 } }
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
sucesos o eventos
26
27
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
28
P(R) = ---- =
N
------ = 0,66
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
31
y Z = 1,3
P (0 Z 1,3) =
2) Entre Z = -0,72 y Z = 0
P (-0,72 Z 0) =
P (-0,48 Z 2,15) =
4) Entre Z = 0,80
P (0,80 Z 1,94) =
y Z = 1,94
P (-2,30 Z -0.82) =
P (- Z -0,90) = P (Z -0,90) =
P (1,72 Z + ) = P (Z 1,72) =
P (Z -1,25) =
32
P (Z 2,06 o Z -1,48) =
33
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.
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
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.
Z 2S 2
E2
NZ 2 S 2
N 1 E 2 Z 2 S 2
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
Z 2 PQ
E2
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.
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:
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:
n0
2 2 (50,000)
80
50 2
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
TAR E A
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=
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
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 =
PRUEBA DE HIPOTESIS
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)
b)
c)
d)
Valor tabular.-
Decisin .-
( p < ),
Formulacin de Hiptesis.
Ho :
= 0
H1 :
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
Criterios de decisin :
Si p < 0.05,
(error tipo I)
Si p < 0.01,
Si p > 0.05,
Ejemplo :
Un empresario est interesado en averiguar si el sueldo promedio de los
trabajadores de cierta empresa
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.
Formulacin de Hiptesis.
Ho :
= 2
H1 :
(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
Si p < 0.01,
significativa
Ejemplo
Treinta empleados de una gran empresa
fueron distribuidos
en dos grupos
Media ( x )
Desviaci estndar (S)
N
Mtodo B
70
4
15
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
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 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
Criterios de decisin :
Si p < 0.05,
Si p < 0.01,
Existe
diferencia
significativa entre
estadstica
los
puntajes
altamente
promedio de
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
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
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)
. . .
X11
X12
X21
X22
X31
X32
. . .
. . .
Xt1
Xt2
X13
X23
X33
. . .
Xt3
.
.
.
.
.
.
.
.
.
. . .
. . .
. . .
.
.
.
X1.
X2.
X3.
. . .
Xt.
Hiptesis
1 = 2 = 3 = . . . = t
H0 :
H1
b)
Nivel de significacin
c)
Funcin de prueba
CMT
CME
F= CMT/CME
d)
e)
Decisin
Rechazar
Ho si
No rechazar Ho si
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
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
Hiptesis
Ho :
H1 :
b)
c)
Funcin pivotal
(Oij - E ij ) 2
E ij
E ij
n i. x n . j
n i.
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)
Esto es :
Si p < 0.05,
Existe
entre
Si p < 0.01,
relacin
estadsticamente
significativa
Si p > 0.05,
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
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
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 ( )
Medio ( )
Bajo ( )
6.- De las alternativa dadas ubique, la regin o zona en que se ubica su domicilio:
Norte ( )
Este ( )
Oeste ( )
Sur ( )
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
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
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
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
-LIMITADA A FUENTES
ESCRITAS.
-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.
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
ENTREVISTA
CUESTIONARIO
MARCO
METODOLOGICO
MARCO
SITUACIONAL
CUESTIONARIO
MARCO DE
REFERENCIA
Adaptar un cuestionario
VALIDEZ
aplicado en otro estudio
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
Aplicar
Decidir el contexto
en que se aplicar
II.
Baja
Regular
Aceptada
0
1
0%
Elevada
100%
k 1
S T2
Donde:
K
: Es el nmero de tems.
S2i
ST2
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
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
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:
ANEXO 2:
DISTRIBUCIN t STUDENT
ANEXO 3: