Estadística-Documento de Trabajo-Esc. Ing. Industrial - Marzo 2016

UNIVERSIDAD SAN PEDRO
FACULTAD DE INGENIERA
ESCUELA PROFESIONAL DE INGENIERA CIVIL
ESTADSTICA Y
PROBABGILIDAD I
Dr. Oscar Robles Villanueva
CHIMBOTE - MARZO 2016
UPS-Escuela Profesional de Ingeniera Industrial - Dr. Oscar Robles Villanueva

La estadstica es una ciencia que estudia la
recoleccin, presentacin, anlisis e interpretacin
de datos, ..
Es el vehculo que permite llevar a cabo el proceso

relacionado con la investigacin cientfica...
Es transversal a una amplia variedad de disciplinas,

..

LA ESTADSTICA EN EL PROCESO DE INVESTIGACION
PASO 1 PASO 2 PASO 3 PASO 4 PASO 5
Plantear el Establecer la
Concebir la problema de Elaborar el Definir el hiptesis
idea a investigacin Marco alcance de la Variables
investigar Justificacin Terico investigacin Definiciones
Objetivos Operacionales
Antecedentes, Marco Exploratorio, descriptivo,

terico, Definiciones correlacional, explicativo
ddddd PASO 10
PASO 6 PASO 7 PASO 8 PASO 9
Seleccionar Seleccionar Recoleccin Analizar los Elaborar y

el diseo la muestra de datos datos presentar
apropiado (Encuesta) reporte
DISEO: Experimental Elaborar el instrumento Cuadro, Grficos,

(Puro, Pre, Cuasi) Poblacin - muestra Esquema
(Cuestionario, entrevista) Estadgrafos: x, Mo, S2
Formato DIFUSION
No Experimental Probabilstica Intervalos, Prueba de Hiptesis
No probabilstica Validez confiablidad Protocolo APLICACION
(transversal, Longitudinal) Codificacin, crear base, software Modelos, Regresin, ANVA, etc.
NUEVAS IDEAS 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 Descripcin
(N)
ESTADISTICA ESTADSTICA INFERENCIAL
POBLACION
(N) Parmetro
Inferir
Muestra
(n) Estimador (Indicador)
RECOLECCION DE DATOS
4
Tema Fuentes de
problema Informacin
? POBLACIN (primaria-secundaria)
Objetivos Muestra
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.
VARIABLE DE ESTUDIO
5
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} Variable Cuantitativa continua

Hemoglobina: {12.5, 11.8, 14.2, , 10.5} 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.
6
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)
7
E S TAC I O N E S PARTES PRINCIPALES
AOS VERANO OTOO INVIERNO PRIMAVERA TOTAL N DEL cuadro
2006 31.7 32.1 33.1 34.7 131.6 Ttulo
2007 38.5 36.8 38.2 37.2 150.7 Encabezamiento o conceptos
2008 37.9 38.7 38.2 38.8 153.6 Cuerpo
2009 41.3 41.7 44.8 45.5 173.3 Nota de pie o llamadas
2010 51.3 51.3 49.8 53.6 206.0 Fuente
2011 53.3 57.5 58.6 61.4 230.8 Nota de unidad de medida
2012 65.5 67.3 68.5 73.9 275.2 Elaboracin
2013 78.6 80.7 82.2 88.6 330.1
PROMEDIO 49.8 50.8 51.7 54.2 206.4
* 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 Estado de N de

Regular Malo Bueno Malo salud Estudiantes Fi hi Hi
Malo Regular Bueno Regular Bueno
Bueno Malo Regular Regular Regular
Regular Regular Regular Malo Malo
Regular Bueno Bueno Regular Total
N de inasistencias de los docentes del Instituto ABC en el ao 2013.
N de
4 3 4 2 insistencias N de
3 2 2 2 docentes Fi hi Hi
4 4 2 2
4 3 2 3
4 2 2 4
4 3 2 Total
8
Ingreso Semanal de los trabajadores administrativos de las Universidades de Chimbote - 2014.
440 560 335 587 613 400 424 466 565 393
453 650 407 376 470 560 320 500 528 526
570 430 618 537 409 600 550 432 591 428
440 340 558 460 560 607 382 667 512 492
450 530 501 471 660 470 364 634 580 450
574 500 462 380 518 480 625 507 645 382
Ingreso N de Marca de
Semanal trabajadores Fi hi Hi Clase
[ 320 - 370 ) 4 4 0.067 0.067 345
[ 370 - 420 ) 8 12 0.133 0.200 395
[ 420 - 470 ) 14 26 0.233 0.433 445
[ 470 - 520 ) 9 35 0.150 0.583 495
[ 520 - 570 ) 11 46 0.183 0.766 545
[ 570 - 620 ) 8 54 0.133 0.899 595
[ 620 - 670 ) 6 60 0.100 1.00 645
TOTAL 60 1.00
REDUCCION DE DATOS
MEDIA
(X)
9
( )
MODA (Mo)
MEDIANA (Me)
DE POSICION CUARTILES (Qi)

O TENDENCIA
CENTRAL 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
10
PREDICCIN DE DATOS
LINEAL lnea recta Y= a + b X
SIMPLE
(X,Y) *Parbola Y= a + b X + c X2
NO
LINEAL *Exponencial
* REGRESION *Potencial
Y ******
CORRELACION
MULTIPLE Y= Bo + B1 X1 + B2 X2
(X,Y)
(X,Y,Z) LINEAL Y= Bo + B1 X1 + B2 X2 + B3 X3
(X,Y,Z,W) *****
******
y 1 x1 ... k xk
NO
LINEAL
* SERIE DE TIEMPO Y= f (t)
* PROMEDIOS MOVILES
* ESTIMACION PUNTUAL
* ESTIMACION INTERVLICA
* PRUEBA DE HIPTESIS
MEDIDAS DE RESUMEN MEDIDAS ESTADSTICAS

(REDUCCIN DE DATOS)
1.1. ESTADIGRAFOS
11
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
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
x 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
12
- 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 Me 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
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.
13
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.
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
14
( xi ) 2
x 2
( xi x ) 2 i
n
S
2

n 1 n 1
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
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 2
i
S n
n 1
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
15
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
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:
S
CV % x100
x
EJEMPLO 1: Se tiene las siguientes poblaciones:

P1 : Poblacin de elefantes P2 : Poblacin de ratones
16
1 = 24000 Lb de peso 2 = 1.05 Lb de peso.
S1 = 1285 Lb 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 CV2 % = 0.16 x 100

24000 1.05
CV1 % = 5.354 % CV2 % = 15.238 %
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. .............................................
17
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:
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).
Grupo Experimental
N Pre Test Post Test
1 07 15
2 09 16
3 07 15
4 12 18
5 05 14
6 12 16
7 12 20
8 09 12
9 11 18
10 08 11
11 11 16
12 04 11
18
13 10 14
14 14 17
15 08 12
Promedio
Desviacin
Estndar
CV%
Determine el Promedio, la desviacin Estndar y el Coeficiente de Variacin para los puntajes en el Pre Test
y Pos Test.
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.
19
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.
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 Simpata Poltica Total

instruccin Izquierda Centro Derecha
Primaria 26 24 17 67
Secundaria 12 27 13 52
Superior 12 10 9 31
Total 50 61 39 150
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
20
N de hijos: 2 3 1 3 3 2 1 3 3 2 2 2 3 1 2
Con los datos anteriores construir una tabla de distribucin bidimensional de frecuencias (tabla de
contingencia)
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 EGRESO
XY X2 Y2
X Y
35 30 1050 1225 900
40 35 1400 1600 1225
38 30 1140 1444 900
21
55 50 2750 3025 2500
42 35 1470 1764 1225
60 50 3000 3600 2500
270 230 10810 12658 9250
X Y XY X 2 Y2
Para este ejemplo calcular e interpretar r
PROPIEDADES DE r:
- 1 r + 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 18 9 14 22 22 4 13 10 20 12 18 16 8 6
Servicios
22
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.
23
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
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.
24
ESPACIO MUESTRAL.-
Espacio muestral es el conjunto de todos los resultados posibles de un experimento aleatorio dado.
Comnmente se denota a este conjunto con .
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 }
25
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 . 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:
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 } }

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)
Nota: El nmero mximo de eventos que se puede obtener de este espacio muestral es:
26
2 = 24 = 2 x 2 x 2 x 2 = 16 sucesos o eventos

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
27
EJEMPLOS DE CALCULO DE PROBABILIDAD :
Para el experimento 1:
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
a) Calcular la probabilidad de obtener cara en las dos monedas ( B={ (CC) } )
n Nmero de elementos de B 1
P(B) = ---- = ---------------------------------------- = ------ = 0,25
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
28
P(D) = ---- = -------------------------------------- = ------ = 0,25
c) Calcular la probabilidad de obtener sello en ambas monedas ( E = { ( SS) } )
n Nmero de elementos de E 1
P(E) = ---- = ---------------------------------------- = ------ = 0,25
d) Obtener mnimo un sello ( = { (CS), ( SC), (SS) } )

n Nmero de elementos de 3
P() = ---- = ---------------------------------------- = ------ = 0,75
a) Calcular la probabilidad de obtener como resultado el nmero 6 ( E = {6} )
n 1
P(E) = ---- = ------ = 0,166
N 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} ) n 4
P(R) = ---- = ------ = 0,66
N 6
d) Calcular la probabilidad de obtener como resultado un nmero impar

( W = { 1, 3, 5 } )
n 3
P(W) = ---- = ------ = 0,5
N 6
29
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:
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.
30
DISTRIBUCIONES DE PROBABILIDAD
Binomial
DISCRETA Poisson
Hipergeomtrica
DISTRIBUCIN
DE PROBABILIDAD
CONTINUA Normal
t- student
Chi-cuadrado
F
31
DISTRIBUCIN NORMAL
3.14159265.
2.71828
DISTRIBUCIN NORMAL ESTANDARIZADA (z)
32
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 y Z = 1,94 P (0,80 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) =
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.
TEORIA DE MUESTREO Y APLICACIONES

1.1. INTRODUCCIN
33
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 dos ajes 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 mustrales, 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, aunque estudiaremos a todos ellos, nuestra muestra no sera todava
representativa de todo el pas.
1.3. VENTAJAS DEL MUESTREO:
34
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.
35
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 mustrales.
36
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 muestra.
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.
37
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
38
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:
39
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 N DE CUADRAS EN N DE CUADRAS EN LA N TOTAL DE HOGARES POR

CONGLOMERADOS CADA UNO MUESTRA ESTRATO O
SELECCIONADOS DE LOS ESTRATOS CORRESPONDIENTE A CONGLOMERADOS
PARA EL ESTUDIO O CADA ESTRATO O CONSIDERADOS PARA EL
40
CONGLOMERADOS CONGLOMERADO ESTUDIO
I 270 50 1000
II 1940 353 7060
III 2000 363 7220
IV 790 143 2860
N = 5000 n = 909 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
Z 2S 2
(1) n Para cuando no se conoce el tamao de la poblacin
E2
NZ 2 S 2
(2) n Para cuando se conoce el tamao de la poblacin.
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
FORMULAS PARA CALCULAR EL TAMAO DE MUESTRA PARA

ESTIMAR UNA PROPORCIN O PORCENTAJE
Z 2 PQ
(1) n Para cuando no se conoce el tamao de la poblacin
E2
41
NZ 2 PQ
(2) n
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 entonces hacemos n= 189
(20)2
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
20 2 (599) 1.96 2.140 2
143.46 n = 144
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
42
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 n= 218
0.042 (500 -1) + 1.652 (0.35) (0.65)
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
43
2 2 (50,000)
n0 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;
Z 2 PQ 2 2 (0.50)(0.50)
n0 400
E2 52
De la misma manera se trabaja el resto de porcentaje hasta obtener los resultados siguientes:
Pregunta : 1 2 3 4 5 6 7
Tamao de Muestrea : 80 98 334 300 200 200 400
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)
44
Alumnos matriculados segn carrera profesional y ciclos, Semestre 2013-II
ESCUELA Poblacin Muestra

PROFESIONAL Ni ni
Medicina N1 = 353 n1 =
Ingeniera Civil N2 = 247 n2 =
Ingeniera Sistemas N3 = 580 n3 =
Derecho N4= 1152 n4 =
Contabilidad N5 = 562 n5 =
Administracin N6 = 292 n6 =
TOTAL N = 3186 n=
Muestra:
NZ 2 PQ
n
N 1 E 2 Z 2 PQ
Distribucin proporcional
Ni
ni xn
N
Ing.
Ciclos Medicina Ing. Civil Sistemas Derecho Contabilidad Administracin
Ni ni Ni ni Ni ni Ni ni Ni ni Ni ni
I 18 40 123 77 67 58
II 75 29 69 141 42 43
III 44 41 72 75 37 25
IV 53 22 46 154 61 38
V 28 17 38 90 64 14
VI 22 27 83 127 58 35
VII 21 19 50 98 38 19
VIII 19 17 47 110 57 24
IX 14 21 21 80 48 12
X 16 14 31 64 90 24
XI 11 41
XII 15 95
XIII 17
Total 353 n1= 247 n2= 580 n3= 1152 n4= 562 n5= 292 n6=
N: Total de la poblacin (Alumnos matriculados en el semestre 2013-II )

P: Proporcin asumida de sujetos (Alumnos) con opinin favorable acerca de
Q: 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
Z: Valor de la distribucin normal, depende del nivel de confianza al determinar n. Ej. 1,96
E: 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
45
Poblacin Muestra
FACULTAD Ni ni
Educacin N1 = 68 n1 =
Ingeniera N2 = 57 n2 =
Derecho N3 = 68 n3 =
CC. CC. Y ADM. N4 = 39 n4 =
CC. DE LA SALUD N5 = 38 n5 =
TOTAL N = 270 n=
Muestra:
NZ 2 PQ
n
N 1 E 2 Z 2 PQ
Distribucin proporcional
Ni
ni xn
N
Condicin Educacin Ingeniera Derecho CC. CC y Adm CC. de la Salud

Acadmica Ni ni Ni ni Ni ni Ni ni Ni ni
Nombrado 5 17 8 15 9
Contratado 63 40 60 24 29
Total 68 n1= 57 n2= 68 n3= 39 n4 = 38 n5 =
N: Total de la poblacin (Docentes Semestre 2013-II)

P: Proporcin asumida de sujetos (Docentes) con opinin favorable acerca de
Q: 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
Z: Valor de la distribucin normal, depende del nivel de confianza al determinar n. Ej. 1,96
E: Precisin en la estimacin del parmetro poblacional, en base a la muestra a seleccionar. Ej. 0,07
46
ESTIMACIN PUNTUAL E INTERVLICA
47
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 ( H o) 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 ( H o)
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.
48
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 : 0
: Puntaje promedio poblacional

0 : Puntaje promedio hipottico
b) Nivel de significacin o probabilidad de equivocarse (error tipo I)

= 0,05
c) Estadstica de prueba
x 0
t
DE
n
donde :
49
1 n 2
2

DE x n x
(n -1) i 1 i

DE = Desviacin estndar
d) Valor tabular
t tab t (n-1 ; 1 - 2

)
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 el puntaje promedio real y el valor supuesto.
Si p < 0.01, Existe diferencia altamente significativa entre el
puntaje promedio real y el valor supuesto.
Si p > 0.05, 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
50
Ha : 420
b) = 0.05
-
x 420
t t (19)
S
n
430 420
t 0.45 , p 0.657
100
20
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
Ho : 1 = 2
H1 : 1 2
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
x x
t
1 2

1 1
(DE) 2

n 1 n 2

donde :
51
2 2
(n 1 - 1)S1 (n 2 - 1 )S2
( DE )
2
n 1 n2 - 2
d) Valor de p
p: Es la probabilidad que hay del valor t calculado hacia la derecha
e) Decisin
No rechazar Ho si ( p > 0.05 )
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
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 Mtodo B
Media ( x ) 78 70
Desviaci estndar (S) 6 4
N 15 15
Proporcionan estos datos evidencia suficiente que el mtodo A es diferente que el

mtodo B?.
Solucin
Ho : 1 = 2
52
H1 : 1 2
c) Nivel de significacin :
= 0,05
78 - 70
t0
1 1
(26) = 4,30

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

( DE ) 2 = 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) Hiptesis estadsticas
Ho : 1 = 2
H1 : 1 2
b) Nivel de significacin
= 0.05
53
c) Prueba
d n d i X1i X 2i
tc ,
Sd
n
di
d i 1
n
n 2
(d i d)
Sd2 i 1
n -1
d) Valor de p
e) Decisin
No rechazar Ho si ( p > 0.05 )
Si p < 0.05, Existe diferencia estadsticamente significativa

estudio.
Si p < 0.01, Existe diferencia estadstica altamente
significativa entre los puntajes promedio de
los 2 grupos de estudio
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 X1 X2 Dif.
54
1 1.5 1.6 -0.1
2 1.4 1.4 0.0
3 1.8 1.6 0.2
4 1.3 1.2 0.1
5 2.0 2.1 -0.1
6 1.1 1.0 0.1
7 1.5 1.6 -0.1
8 1.5 1.5 0.0
9 1.2 1.0 0.2
10 1.5 1.6 -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
H0 : 1 = 2 H0 : d = 0
H1 : 1 2 H1 : d 0
b) = 0,05
c) Prueba
d 0,0220
t
S 0,12273/ 10
d
0,0220
0.567
0,03881
d) Valor tabular
t = t (9; 0.975) = 2,26 p = 0.5846
e) Decisin
No se puede rechazar H0 puesto que p > 0.05
donde :
d = X 1 - X2
d = 0,022
S2 = 0,12273
n = 10
No existe diferencia estadsticamente significativa entre el efecto de los dos medicamentos en el
tiempo de coagulacin de la sangre.
55
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 57 120 101 137 119 117 104 73 53

B 89 60 82 50 39 22 57 32 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
1 2 3 . . . t
X11 X21 X31 . . . Xt1

X12 X22 X32 . . . Xt2
X13 X23 X33 . . . Xt3
. . . . . . .
. . . . . . .
. . . . . . .
X1. X2. X3. . . . Xt.
a) Hiptesis
H0 : 1 = 2 = 3 = . . . = t
H1 : Al menos 1 promedio es diferente
56
b) Nivel de significacin
c) Funcin de prueba
CMT
F F= CMT/CME
CME
d) Valor de la probabilidad a la derecha de F calculado en c)
e) Decisin
No rechazar Ho si 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 F
Tratamientos t1 txx CMT CMT/CME F(t 1 , v)
Error Experim. nt=v Exx CME
Total n-1 Wxx
donde :
2 2
Xi . X ..
T
xx t N
E W - T
xx xx xx
57
X2
W Xij2 .. , CMT = SC/gl
xx N
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.
Estimulante
A B C D E
1.53 3.15 3.89 8.18 5.86
1.61 3.96 3.68 5.64 5.46
3.75 3.59 5.70 7.36 5.69
2.89 1.89 5.62 5.33 6.49
3.26 1.45 5.79 8.82 7.81
1.56 5.33 5.26 9.03
7.10 7.49
8.98
Xi. 13.04 15.60 30.01 47.69 56.81 163.15
Xi 2.6080 2.8080 4.3733 6.6275 7.1013 5.0984
S 0.9959 1.0889 1.6704 1.4238 1.4394 2.2898
2
S i
ri 5 6 6 7 8 32
Solucin
a) Hiptesis
58
H0 : A = B = C = D = E
H1 : Al menos 1 estimulante (tratamiento) es diferente
b) = 0,05
c) Prueba estadstica
F CMT 14,62
CME
d) 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 1
Criterio 2 1 2 ... c ni.
1 O11 O12 ... O1c n1.
2 O21 O22 ... O2c n2.
r Or1 Or2 ... Orc nr.

n. j n.1 n. 2 ... n.c n
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
59
b) Nivel de significacin : = 0,05
c) Funcin pivotal
(Oij - E ij )2
2
E ij
n i. x n . j
E ij
n i.
Oij : Frecuencia observada
Eij : Frecuencia esperada
d) Valor de p valor tab

2
(2r 1)(c 1) ; 1-
e) Decisin
Rechazar Ho si 2 tab2 , ( p < 0.05 p < 0.01)
No rechazar Ho si 2
2
tab , ( p > 0.05)
Esto es :
Si p < 0.05, Existe relacin estadsticamente significativa

entre las variables en estudio.
Si p < 0.01, Existe relacin altamente significativa entre las

variables en estudio.
Si p > 0.05, No existe relacin estadsticamente significativa

entre las variables en estudio.
60
61
62
COMPUTACION
HARDWARE SOFTWARE
Parte fsica Parte intangible
SISTEMAS
CPU, MONITOR, OPERATIVOS
TECLADO, MOUSE,
IMPRESORA, ETC.
LENGUAJES DE
PROGRAMACION
PAQUETES DE
APLICACIN
PROGRAMAS DE
APLICACION
PARA ANALISIS
PARA USO DE CUANTITATIVO PARA ANALISIS EXISTEN
OFICINA -Excel CUALITATIVOS DIFERENTES
OFFICE: Word, -Minitab -Atlas
-The Etnograph
.... PROGRAMAS
Excel, Power -Epi Info PARA CADA
Point, Etc. -Data ming -Nud ist ESPECIALIDAD
-Microstat -Sonar
-Estad graph -Decisin explorer
-HyperQual, Etc.
-SPSS
-Stata
-SAS 63
-STATS
-Abstat PROGRAMA ESTADISTICO PARA
-Epi data, Etc. CIENCIAS SOCIALES
PRACTICA DE EXCEL
A B C D E F G H I J
:
4 N EDAD SEXO PUNTAJE N DE HERM UBIC.VIVI CONDICION
n = 10
5 1 12 MASCULINO 14 2 LADERAS SIN BECA pacientes
LOS de un
6 2 11 FEMENINO 13 0 PINOS SIN BECA consultorio
LOS
7 3 13 MASCULINO 13 2 PINOS SIN BECA
8 4 12 FEMENINO 13 3 LADERAS SIN BECA
9 5 13 MASCULINO 12 2 LADERAS BECA
10 6 11 FEMENINO 12 2 LADERAS SEMI BECA
2 DE
11 7 13 MASCULINO 13 3 JUNIO SEMI BECA
2 DE
12 8 13 MASCULINO 14 1 JUNIO SIN BECA
13 9 12 FEMENINO 11 0 LADERAS SIN BECA
14 10 13 MASCULINO 12 1 LADERAS SIN BECA
15
16
N de
17 EDAD pacient % Ejemplos:
64
18 11 2 20 2 =CONTAR.SI(C5:C14,11)
19 12 3 30 20 =(E18/E$21)*100
20 13 5 50 10 =SUMA(E18:E20)
21 TOTAL 10 100
22
23
24
25
26
27
28
29
30
31
32
33
34
35
38
39 SEXO N Pacientes %
40 MASCULINO 6 60 6 =CONTAR.SI(D5:D14,"MASCULINO")
41 FEMENINO 4 40 60 =(E40/E$42)*100
42 TOTAL 10 100 10 =SUMA(E40:E41)
43
44
45
46
47
48
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.
65
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 Ordinales Escala
Las observaciones se En esta escala de medicin Estas variables miden una magnitud de los sujetos
clasifican en categoras no tiene sentido medir la resultando en un valor numrico. Utilizan escalas
(mutuamente distancia entre posibles numricas y s tiene sentido medir la distancia que
excluyentes y valores de la variable ni se hay entre posibles valores de los datos. En estas
colectivamente pueden realizar operaciones variables cabe distinguir aquellos casos donde el
exhaustivas) sin que aritmticas con ellos pues punto cero es arbitrario (medicin a nivel de
stas tengan un orden no toman valores numricos intervalo) como por ejemplo la temperatura, o
especfico (por ejemplo especficos ni existe datos donde el cero es un punto fijo (nivel de
los grupos sanguneos). proporcionalidad entre razn) como por ejemplo el peso o la glucemia. Si
Un caso particular de categoras vecinas. S bien el SPSS no hace distincin entre variables del
datos nominales es el pueden sin embargo ser tipo escala, los procedimientos estadsticos
caso de los datos ordenados pues existe una distinguen entre variables discretas y continuas.
dicotmicos en los que relacin de orden entre las En el primer caso el conjunto de posibles valores
existen slo dos distintas clases o de la variable es finito siendo en el segundo
categoras (como por categoras. El pronstico de continuo. Un ejemplo de variable discreta es el
ejemplo en el sexo). una enfermedad (menos nmero de das de ingreso en un Hospital, y un
grave, grave, ms grave) es ejemplo de variable continua es la glucemia.
un dato medido en escala
ordinal.
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)
66
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): ........................
67
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 Etiqueta Valores Valores Column A

Valor Etiqueta Perdidos
Nmero de None
Iden Numrica 2 0 -9 8
identificacin del sujeto
edad Numrica 2 0 None -9 8
1 Hombre
Sexo Numrica 1 0 9 8
2 Mujer
nombre Cadena 10 None 10
Estatus 1 Alto
Estatus Numrica 1 0 socioeconmico 2 Medio 9 8
3 Bajo
1 Norte
2 Este
regin Numrica 1 0 9 8
3 Oeste
4 Sur
ci Numrica 3 1 Cociente Intelectual None -9.0 8
estatura Numrica 3 0 None -9 8
peso Numeric 5 1 None -9.0 8
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 CI ESTATURA PESO
1 15 2 Abigail 1 3 124 154 57.9
2 16 1 Carlos 1 3 95 154 56.7
3 31 1 Alberto 1 2 101 156 52.8
4 24 2 Adela 2 3 116 184 104.2
5 24 1 Luis 1 1 102 173 87.5
6 32 2 Adelina 2 1 102 170 71.5
7 26 1 Antonio 1 1 81 176 93.3
8 21 1 Juan 1 4 109 188 99.2
9 22 2 Adriana 2 4 61 169 76.6
10 18 2 Agata 2 1 93 175 87.9
11 25 1 Cosme 2 3 119 177 80.3
12 29 2 Aida 3 1 52 181 82.3
13 25 2 Alameda 1 1 128 164 61.8
14 19 1 Juan 2 1 65 160 75.0
15 30 1 Carlos 1 1 116 162 60.3
16 29 2 Alana 1 1 65 156 53.9
17 29 1 Jose 3 4 147 172 78.6
18 16 2 Albertina 1 1 113 175 85.7
19 31 1 Armando 1 3 99 168 75.4
20 18 1 Constante 2 4 117 159 73.0
21 21 1 Toribio 1 2 105 178 87.6
22 29 1 Borja 1 2 92 174 74.2
23 23 2 Alejandra 3 4 78 178 100.9
24 28 2 Alicia 1 4 97 163 77.1
25 19 1 Manuel 3 4 77 180 74.6
26 31 1 Carlos 3 4 81 174 70.2
27 33 1 Antonio 2 1 126 137 99.3
28 17 2 Alma 1 3 95 153 62.1
29 34 2 Almeda 2 1 122 168 77.4
30 20 2 Almeria 1 2 85 161 67.9
31 21 1 Toribio 2 4 124 124 104.2
32 29 1 Borja 1 1 95 95 87.5
33 23 2 Alejandra 1 3 101 101 71.5
34 28 2 Alicia 3 1 116 116 93.3
35 19 1 Manuel 1 1 102 102 99.2
36 31 1 Carlos 1 1 102 102 76.6
37 33 1 Antonio 2 1 81 81 87.9
38 17 2 Toribio 1 1 109 109 80.3
39 34 2 Pedro 1 4 61 61 82.3
40 20 2 Manuel 3 1 93 93 61.8
Guarde todos los datos ingresados con el nombre: practica2

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

APLICABLE A GRAN
ENCUESTA CUESTIONARIO NUMERO DE POCA PROFUNDIDAD.
INFORMENTES SOBRE
GRAN NUMEROS DE
DATOS
GUIA DE ENTREVISTA PERMITE PROFUNDISAR -SOLO APLICABLE A UN
ENTREVISTA LOS ASPECTOS PEQUENO NUMERO.
INTERESANTES. -DIFICIL Y COSTOSO
FICHAS
ANALISIS (PRESISAR EL TIPO: MUY OBJETIVA PUEDE -LIMITADA A FUENTES
DOCUMENTAL TEXTUALES, CONSTITUIR EVIDENCIA ESCRITAS.
RESUMEN,ETC.)
GUIA DE CONTACTO DIRECTO DEL -APLICACIN LIMITADA A
OBSERVACION OBSERVACION INVESTIGADOR CON LA ASPECTOS FIJOS O
DE CAMPO CAMPO REALIDAD. 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 Diseo Seleccin

marco muestral. muestral muestral
Proyecto de Organizacin
cuestionario del trabajo de
terreno
Aplicacin de la
encuesta
OBJETIVOS
Encuesta
piloto Procesamiento
Confeccin
definitiva del
cuestionario Anlisis final
Organizacin
preliminar del
trabajo de terreno
Plan de CONCLUSIONES
tabulacin
LA ENTREVISTA Y EL CUESTIONARIO
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 MARCO
TEORICO SITUACIONAL
MARCO
CUESTIONARIO MARCO DE
METODOLOGICO 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,

Adaptar un cuestionario tomando en cuenta otros(s)
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 Decidir el contexto

Aplicar
preguntas abiertas 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 Elevada
0
1
0% 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:

k
1
S iS2

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.
ITEMS
ALUMNO I II III
1 3 5 5
2 5 4 5
3 4 4 5
4 4 5 3
5 1 2 2
6 4 3 3
PROCEDIMIENTO:
Paso 1: Calcular las varianzas de cada uno de los tems; en el cuadro de clculo.
ITEMS
ALUMNO I II III
1 3 5 5
2 5 4 5
3 4 4 5
4 4 5 3
5 1 2 2
6 4 3 3
Xi 21 23 23
Xi 2 83 95 97
Si2 1.9 1.37 1.77
Xi 2

x2
n
2
Donde: S i = __________________
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
Xi = 67
Xi2 = 803
2 x 2
xi
Donde: ST2 = 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
T
ANEXO 3:
VALORES CRTICOS DE JI CUADRADA

Estadística-Documento de Trabajo-Esc. Ing. Industrial - Marzo 2016

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Estadística-Documento de Trabajo-Esc. Ing. Industrial - Marzo 2016

Enviado por

Direitos autorais:

Formatos disponíveis

UNIVERSIDAD SAN PEDRO

Dr. Oscar Robles Villanueva

CHIMBOTE - MARZO 2016

UPS-Escuela Profesional de Ingeniera Industrial - Dr. Oscar Robles Villanueva

Es el vehculo que permite llevar a cabo el proceso

Es transversal a una amplia variedad de disciplinas,

UPS-Escuela Profesional de Ingeniera Industrial - Dr. Oscar Robles Villanueva

Antecedentes, Marco Exploratorio, descriptivo,

Seleccionar Seleccionar Recoleccin Analizar los Elaborar y

DISEO: Experimental Elaborar el instrumento Cuadro, Grficos,

NUEVAS IDEAS NUEVOS CONOCIMIENTOS

UPS-Escuela Profesional de Ingeniera Industrial - Dr. Oscar Robles Villanueva

ESTADISTICA ESTADSTICA INFERENCIAL

Edad: {15, 20, 16, 45, , 36} Variable Cuantitativa continua

VARIABLE DEPENDIENTE (Y)

SEGN EL NMERO DE VARIABLES

ESTADSTICAS BIDIMIENSIONALES (X,Y)

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

ARRIBOS * EN EL HOTEL DE LA POLICIA POR ESTACIONES

Elaboracin: Instituto Informacin y Desarrollo S.A.C. IID SAC

TABLAS DE DISTRIBUCIN DE FRECUENCIAS

Estado de salud de 24 estudiantes de la Inst. Educ. Estrellita, Chimbote- 2014

Bueno Regular Regular Malo Estado de N de

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

DE POSICION CUARTILES (Qi)

MEDIA ARMONICA (MA)

MEDIA GEOMETRICA (MH)

DESVIACION ESTANDAR (S) ()

COEFICIENTE DE VARIACION (C.V.)

LINEAL lnea recta Y= a + b X

* SERIE DE TIEMPO Y= f (t)

MEDIDAS DE RESUMEN MEDIDAS ESTADSTICAS

1.2. PRINCIPALES ESTADIGRAFOS O MEDIDAS ESTADISTICAS

Media Aritmtica o Promedio

: Media Poblacional (parmetro)

Calcula la media aritmtica para el siguiente conjunto de datos.

Sea Xi el peso en Kg. de 10 alumnos del Colegio ABC

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

X i edad de 15 alumnos de la Escuela de Enfermera de la USP

INTERPRETACION: Se espera que el 50 % de alumnos de Sistemas tengan una edad inferior a 19

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

Se ordenan los datos en forma creciente

Mediana = (64 + 65)/2 = 64,5 kg.

INTERPRETACION: Se espera que el 50% de alumnos de arquitectura tengan un peso inferior a

2: Varianza poblacional (parmetro)

Primero hay que calcular la media

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

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

Tenemos que S2 = 49.0 kg2

3. La varianza y desviacin estndar cumplen una funcin ms importante cuando se quiere

Los resultados fueron:

S y2 4.96 Sy= 2.23

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

EJEMPLO 1: Se tiene las siguientes poblaciones:

Cul es la poblacin ms variable?

Ahora utilizaremos el Coeficiente de Variacin.

CV1 % = 1285 x 100 CV2 % = 0.16 x 100

CV1 % = 5.354 % CV2 % = 15.238 %

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

a. Generalmente las variables continuas tomas valores enteros . ( )

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