Você está na página 1de 107

REPORTE DE RESULTADOS

DE INVESTIGACIN
NORMAS INTERNACIONALES PARA
ESCRIBIR TEXTOS CIENTIFICOS

Normas ISO 690


Estilo ACS (American Chemical Society)
Estilo APA (American Psychological Association)
Estilo Chicago
Estilo Harvard
Estilo IEEE (I. Electrical & Electronics E.)
Estilo MHRA (Modern Humanities Research Association)
Estilo MLA (Modern Language Association of America)
Estilo Vancouver
ESQUEMA DE LA TESIS
CARTULA
DEDICATORIA
AGRADECIMIENTO (opcional)
RESUMEN
ABSTRACT
NDICE DE CONTENIDOS
NDICE DE TABLAS
NDICE DE FIGURAS
INTRODUCCIN

CAPITULO I: PLANTEAMIENTO DE LA INVESTIGACIN


1.1 Fundamentacin del problema (Cientfica, emprica)
1.2 Formulacin del problema (general y especficos)
1.3 Objetivos de la investigacin (general y especficos)
1.4 Justificacin de la investigacin
1.5 Importancia de la investigacin
1.6 Alcances de la investigacin
1.7 Limitaciones de la investigacin
1.8 Delimitacin de la investigacin
1.9 Formulacin de hiptesis de investigacin (general y especficos)
1.9.1 Identificacin y clasificacin de variables
1.9.2 Operacionalizacin de variables
ESQUEMA DE LA TESIS
CAPITULO II: DESARROLLO DEL MARCO TERICO DE LA INVESTIGACIN
2.1 Antecedentes de la investigacin
2.2 Marco filosfico
2.3 Bases terico cientficas (histrico, antropolgico, sociolgico, etc.)
2.4 Base legal
2.5 Marco conceptual
2.5 Modelo terico-cientfico del problema

CAPITULO III: METODOLOGA DE LA INVESTIGACIN


3.1 Sistema de mtodo de la Investigacin
3.2 Configuracin cientfica de la investigacin
3.2.1 Diseo de investigacin
3.2.2 Tipo de investigacin
3.2.3 Clase de la investigacin
3.2.4 Nivel de la investigacin
3.2.5 Categora de la investigacin
3.2.6 Enfoque metodolgico de la investigacin
3.3 Definicin del universo, poblacin y muestra de la investigacin
3.4 Diseo y evaluacin de instrumentos de la investigacin
3.5 Tcnicas de recoleccin de datos
3.6 Protocolo y aplicacin de procedimiento de recoleccin de datos
ESQUEMA DE LA TESIS
Capitulo IV: Anlisis y presentacin de resultados
4.1 Procesamiento, anlisis e interpretacin de la informacin (Descripcin de variables)
4.2 Organizacin, anlisis e interpretacin de resultados
4.3 Contrastacin de hiptesis (estadstica inferencial)
4.3 Discusin de resultados de la investigacin
4.4 Contribucin cientfica de la investigacin (produccin cientfica)
CONCLUSIONES
RECOMENDACIONES
REFERENCIA BIBLIOGRFICA
ANEXOS
Artculo cientfico de la investigacin
Matriz de consistencia
Matriz de elaboracin de instrumentos
Instrumentos de recopilacin de datos
Resultados de evaluacin de instrumentos
Data, tablas, figuras y otros del procesamiento
Matriz de prueba de hiptesis
NDICES

Regularmente son varios:


ndice de contenidos
ndice de tablas
ndice de figuras
Las figuras incluyen a diagramas, fotografas, dibujos, esquemas y
graficas de resultados como histogramas y diagramas de dispersin
(Hernndez R., Fernndez C., Baptista P., 2010).
Segn las normas APA, generalmente las tablas exhiben valores
numricos exactos y los datos estn dispuestos de forma organizada en
lneas y columnas, facilitando su comparacin". Figuras son cualquier
tipo de ilustracin que no sea tabla. Puede ser un cuadro, un grfico, una
fotografa, un dibujo u otra forma de representacin.
RESUMEN

Constituye el contenido esencial del reporte de investigacin y


usualmente incluye el Planteamiento del problema e hiptesis, el
mtodo (mencin de diseo, instrumento y muestra), los resultados mas
importantes y las principales conclusiones y descubrimientos.
(Hernndez R., Fernndez C., Baptista P., 2010).
En tesis y disertaciones se sugiere que no exceda de 320 palabras (el
estndar es 300). (Hernndez R., Fernndez C., Baptista P., 2010).
En caso de artculos para revistas cientficas, no exceder de 150 a 250
palabras. (APA, 2010)
En casi todas las revistas acadmicas y tesis se exige que el resumen est
en el idioma original en que se produjo el estudio y en ingls.
INTRODUCCIN

Incluye los antecedentes brevemente tratados, el planteamiento del


problema, objetivos y preguntas de investigacin, as como la
justificacin del estudio.
El contexto de la investigacin como: cmo, dnde y cundo se realiz,
las variables y los trminos de la investigacin, lo mismo que las
limitaciones de sta.
Es importante que se comente la utilidad del estudio para el campo
profesional. (Creswell, 2005), mencionado por Hernndez R., Fernndez
C., Baptista P., (2010).
Se debe realizar una presentacin resumida de cada uno de los captulos
de la tesis.
CAPITULO IV (RESULTADOS)

Estos son productos del anlisis de datos. Compendian el tratamiento


estadstico que se di a los datos.
Regularmente el orden es: (a) anlisis descriptivo de los datos, (b)
contrastacin de hiptesis, para responder las preguntas en el mismo
orden en que fueron formuladas las hiptesis y las variables.
En el apartado de resultados el investigador se limita a describir sus
hallazgos y una manera til de hacerlo es mediante tablas, cuadros,
grficas, dibujos, diagramas, mapas y figuras generados por el anlisis.
Cada uno de dichos elementos debe ir enumerado de acuerdo al estilo
utilizado. (Hernndez R., Fernndez C., Baptista P., 2010)
CAPITULO IV (RESULTADOS)

Al incluir pruebas: z, t, F, chi cuadrada, r, r2, etc., debe incorporarse


informacin respecto de la magnitud o el valor obtenido de la prueba,
los grados de libertad, el nivel de significancia, el nivel de confianza, y la
direccin del efecto (APA).
As mismo tendr que especificarse si se acepta o rechaza la hiptesis
nula y alterna en cada caso.
Las tablas y figuras, tendrn que enriquecer el texto en lugar de
duplicarlos. Comunican los hechos esenciales, son fciles de leer y
comprender a la vez que son coherentes. (Hernndez R., Fernndez C.,
Baptista P., 2010)
CAPITULO IV (RESULTADOS)

Anlisis descriptivos (Procesamiento, anlisis e interpretacin de la


informacin)
Variable Y1
Variable X1
Variable X2
Contrastacin de hiptesis
Formular la hiptesis nula y alterna
Calcular el valor critico ..Definicin del nivel de significancia y la
zona de rechazo
Determinar la regla de decisin.Establecimiento delestadstico de
prueba.
Calculo del estadstico considerando Ho como verdadera
Concluir en trminos del contexto del problema
ConclusinDecisin si Ho se acepta o se rechaza.
DISCUSIN
En esta parte se:
Se derivan las conclusiones,
Evala las implicaciones del estudio,
Establece como se respondieron a las preguntas y si se cumplieron o no los
objetivos.
Relaciona los resultados con los estudios existentes (vincular con el marco terico y
sealar si los resultados coinciden o no con la literatura previa).
Reconocen las limitaciones de la investigacin.
Explican los resultados inesperados. Cuando no se probaron las hiptesis es
necesario sealar o al menos especular sobre las razones.
Recordar que no se trata de repetir resultados, sino de resumir los mas importantes.
Contribucin cientfica de la investigacin
(produccin cientfica)

Propiamente los aportes cientficos son: nuevas


teoras, nuevos mtodos y procedimientos de
investigacin, nuevos productos cientficos etc., que
se logran en el quehacer cientfico, los que pueden
generar uno o ms artculos por cada uno de dichos
aportes obtenidos.
Artculo cientfico 1
Artculo cientfico 2
REFERENCIAS BIBLIOGRFICAS

Son fuentes utilizadas por el investigador para elaborar el


marco terico u otros propsitos de informacin que
consult para y cit para el trabajo.
Si consult algunas y no las cit las puede mencionar por
separado.
Orden alfabtico por la primera letra de la referencia.
Las referencias bibliogrficas proporcionan la informacin
completa para identificar y localizar todas las fuentes de
informacin utilizadas en la investigacin. (APA, 2010)
Una lista de referencias incluye slo las fuentes que
sustentan la investigacin y que se utilizaron para la
preparacin del trabajo.
BIBLIOGRAFA

Una bibliografa incluye las fuentes que sirven para profundizar en el tema
y que tal vez no se citaron en el trabajo (APA, 2009, p.180 n1).
La bibliografa va al final de la tesis en orden alfabtico.
La organizacin debe ser en orden alfabtico por el apellido del autor del
material que utilices, y de no tenerlo, por su editor, y si tampoco lo
tiene, por su ttulo.
Si hay ms de una fuente escrita por un mismo autor se ordena
cronolgicamente.
APNDICES

Son tiles para describir ciertos materiales sin distraer la lectura del
texto principal del reporte o evitar que rompan con el formato de este.
Algunos ejemplos de apndice serian el cuestionario utilizado, un nuevo
programa computacional, anlisis estadsticos adicionales, desarrollo de
una formula complicada, fotografas, etc. (Hernndez R., Fernndez
C., Baptista P., 2010)
Anlisis de datos
DESCRIPCION
ORGANIZACIN DE LOS
DATOS
Determinado el modo de agrupamiento de las observaciones,
procedemos a su recuento, construyendo la tabla de frecuencias.
Posteriormente podremos visualizar tales frecuencias de forma
grfica con el diagrama estadstico apropiado.
a) Tabla de frecuencias (Tabla en APA)
b) Grficos (Figura en APA): diagrama de barras, histograma,
polgono de frecuencias, diagrama de sectores, pictogramas,
pirmides de poblacin, climogramas, etc.
TABLA SEGN NORMAS APA
Generalmente las tablas exhiben valores numricos exactos y los datos estn dispuestos de forma
organizada en lneas y columnas, facilitando su comparacin.
El ttulo de la tabla debe ser breve, claro y explicativo. Debe ser puesto arriba de la tabla, en el
margen superior izquierdo, debajo de la palabra Tabla (con la inicial en mayscula) y acompaado del
nmero con que la designa (las tablas deben ser enumeradas con nmeros arbigos secuencialmente
dentro del texto y en su totalidad). Ej.: Tabla 1, Tabla 2, Tabla 3, etc.
TABLA DE FRECUENCIAS CON
VARIABLE CUANTITATIVA DISCRETA

Frecuencia Frecuencia relativa Frecuencia relativa acumulada


Frecuencia
DATOS absoluta
absoluta Decimal Porcentual
acumulada Decimal Porcentual
xi fi Fi hi = fi %i =100hi Hi %Ai
5 6 6
N
0,0150 1,5 % 0,0150 1,5 %

6 48 54 0,1200 12 % 0,1350 13,5 %

7 95 149 0,2375 23,75 % 0, 3725 37,25 %

8 105 254 0,2625 26,25 % 0,6350 63,50 %

9 87 341 0,2175 21,75 % 0,8525 85,25 %

10 59 400 0,1475 14,75 % 1 100 %

N = 400 1 100 %
FIGURAS SEGN NORMAS APA
Figuras son cualquier tipo de ilustracin que no sea tabla. Puede ser un cuadro, un grfico, una
fotografa, un dibujo u otra forma de representacin.
El ttulo debe ser puesto debajo de la figura, con nmeros arbigos secuencialmente dentro del texto
como un todo, precedido por la palabra Figura (con la inicial en mayscula). Ej.: Figura 1, Figura 2, Figura
3, etc.
El cuerpo de la fuente de la figura ser Times New Roman, tamao 10. La leyenda que trata de la
explicacin de los smbolos empleados en la figura y debe ser puesto dentro de los lmites de la figura.

Figura 1. Variable
Fuente: Estadistica aplicada a la empresa y a la economa.
AllenL. Webaster. McGrawHill. 2012
Diagrama de barras se utiliza para de presentar datos
cualitativos o datos cuantitativos de tipo discreto.
Se representan sobre unos ejes de coordenadas, en el eje de
abscisas se colocan los valores de la variable, y sobre el eje de
ordenadas las frecuencias absolutas, relativas, porcentajes o
frecuencias acumuladas.
Los datos se representan mediante barras de una altura
proporcional a la frecuencia.

Grupo sanguneo Grupo


fi
fi 10 sanguneo
9 A 6
8
7 B 4
6 AB 1
5
0 9
4
3 N = 20
2
1
0
A B AB O
Histograma se utiliza para presentar datos cuantitativos de
tipo continuo.
Se representan sobre unos ejes de coordenadas, en el eje de
abscisas se colocan los intervalos de los valores de la variable, y
sobre el eje de ordenadas las frecuencias absolutas, relativas ,
porcentajes o frecuencias acumuladas.
Los datos se representan mediante barras pegadas unas a otras
de una altura proporcional a la frecuencia.

Marca de clase
Puntuacin fi
xi

11-17 14 6

18-24 21 4

25-31 28 15

32-38 35 13

39-45 42 1

46-52 49 1

N = 40
Polgono de frecuencias se realiza para cualquier tipo
de variable. Es el polgono que se forma al unir los puntos
medios de las barras tanto en histogramas como en
diagramas de barras.
Diagrama de sectores es un grfico donde se suele
representar los porcentajes. Cada sector es proporcional al
porcentaje que representa. Los grados de cada sector es:

grados =360hi

Poblacin de la encuesta por edad

12 Aos
6% 9%
15% 13 Aos

21% 14 Aos
15%
15 Aos

15% 19% 16 Aos

17 Aos

18 Aos
Pictograma es un grfico con figuras
Pirmide de poblacin consiste en dos histogramas, uno para
hombres y otro para mujeres, correspondientes a habitantes de
una misma comunidad ms o menos extensa, repartidos por
edades.
Es til para estudiar su situacin demogrfica y buscar
explicaciones a situaciones presentes , pasadas y futuras.

Pirmide de poblacin Per 1900 Piramide de poblacin Per 2005


Parmetros estadsticos

Para este anlisis se utilizan los :


a) Medidas de tendencia central
media, mediana y moda
b) Medidas de dispersin
recorrido, desviacin media,.
c) Medidas de posicin
percentiles y cuartiles
MEDIA ARITMTICA es el valor obtenido al sumar todos
los datos y dividir el resultado entre el nmero total de
datos.

Si los datos vienen agrupados en una tabla de frecuencias, la expresin de la


media es:

Ejemplo de clculo de media:
Si Ud. Conoce el tiempo que le lleva arreglarse por la maanas,
podr planear mejor su inicio del da y reducir al mnimo
cualquier retraso (o adelanto) para llegar a su destino. A lo
largo de 10 das hbiles consecutivos, Ud. recaba los tiempos
en minutos que le lleva arreglarse que se muestran a
continuacin.

Dia 1 2 3 4 5 6 7 8 9 10

Tiempo 39 29 43 52 39 44 40 31 44 35
(min)

396
= = 39.6
10

Ejemplo de clculo de media:
En un test realizado a un grupo de 42 personas se han
obtenido las puntuaciones que muestra la tabla. Calcula la
puntuacin media

xi fi xi fi

[10, 20) 15 1 15

[20, 30) 25 8 200

[30,40) 35 10 350

[40, 50) 45 9 405

[50, 60) 55 8 440

[60,70) 65 4 260

[70, 80) 75 2 150


42 1 820
MODA es el valor que tiene mayor frecuencia absoluta (Mo). Se puede
hallar para cualquier tipo de variable, aunque para variables cuantitativas
es poco til.

La moda de los tiempos en minutos que le lleva arreglarse que se


muestran a continuacin la distribucin:
Tiempo (m) 29 31 35 39 39 40 43 44 44 52

Mo= 39, 44

Si en un grupo hay dos o varias puntuaciones con la misma frecuencia y


esa frecuencia es la mxima, la distribucin es bimodal o multimodal, es
decir, tiene varias modas.
MEDIANA es el valor que ocupa el lugar central de todos los
datos cuando stos estn ordenados de menor a mayor (Me)

La mediana se puede hallar slo para variables cuantitativas.


Clculo de la mediana con pocos datos
1. Ordenamos los datos de menor a mayor.
2. Si la serie tiene un nmero impar de medidas la mediana es la
puntuacin central de la misma.

3. Si la serie tiene un nmero par de puntuaciones la mediana es la media


entre las dos puntuaciones centrales.
29, 31,35,39,39,40,43,44,44,52 Me= 39.5
PRUEBA DE HIPOTESIS
Prueba de hiptesis de una y dos colas
Prueba Z
Prueba t
Regresin simple
Regresin mltiple
Chi 2
PRUEBA DE HIPOTESIS

A travs de la Estadstica Inferencial, la investigacin pretende generalizar


los resultados obtenidos en la muestra a la poblacin.
Los datos casi siempre son recogidos de una muestra y sus resultados
estadsticos se denominan estadgrafos.
A las estadsticas de la poblacin se les conoce como parmetros.
Los parmetros no son calculados por que no se recolectan datos de toda la
poblacin, pero pueden ser inferidos de los estadgrafos, de all el
nombre de ESTADISTICA INFERENCIAL.
PRUEBA DE HIPOTESIS

Hiptesis, en el contexto de la estadstica inferencial, es una


proposicin respecto de uno o varios parmetros y lo que
investigador hace por medio de la prueba de hiptesis es
determinar si la hiptesis es congruente con los datos
obtenidos en la muestra.
La hiptesis es un valor aceptable del parmetro si es
congruente con los datos, si no lo es se rechaza (pero los datos
no se descartan).
CONTRASTACIN Hay 2 tipos de anlisis
DE HIPOTESIS estadsticos que pueden
realizarse para probar la
hiptesis:
Anlisis paramtricos
Anlisis no paramtricos
Cada uno posee sus
caractersticas y
presuposiciones que la
sustentan.
Algunas pruebas estadsticas
paramtricas
Se caracterizan por:
El nivel de medicin de las variables es por intervalo o razn,
La distribucin poblacional de la variable dependiente, es normal,
Cuando 2 o mas poblaciones son estudiadas, tienen varianza homognea (las poblaciones en
cuestin tienen una dispersin similar en sus distribuciones).
Prueba Tipos de hiptesis
Coefic. de Correl. de Pearson Correlacional
Regresin lineal o mltiple Correlacional / causal
Prueba t, z Diferencia de grupos
Contraste de difer. de proporc. Diferencia de grupos
Anlisis de varianza (ANOVA) Diferencia de grupos/causal
Anlisis de covarianza (ANCOVA) Correlacional causal 38
Algunas pruebas estadsticas no paramtricas
Se caracterizan por:
El nivel de medicin es generalmente ordinal o nominal, o de variable cualitativa.
La poblacin es de distribucin libre.

Prueba Tipos de hiptesis


Chi cuadrada (Ji cuadrada) X2 Diferencia de grupos para establecer
correlacin
Coeficiente de correlacin de Spearman y Correlacional
Kendall
Wilcoxon de los rasgos con signo para Diferencia de grupos
muestras relacionadas
39
Algunas pruebas paramtricas y su
alternativa no paramtrica

Tipo de problema Prueba paramtrica Prueba no paramtrica


Muestras dependientes T pareada Prueba de Wilcoxon
Medidas de asociacin R de Pearson Rho de Spearman,
Tau de Kendall
Procedimiento de la estadstica
inferencial.

Inferencia de
RECOLECCION DE los parmetros
LOS DATOS CALCULO DE mediante
MEDIANTE UNA ESTADIGRAFOS Poblacin
MUESTRA tcnicas
estadsticas
apropiadas.
Fases para la prueba de hiptesis:
1. Formular las hiptesis Ho y Ha.

Las hiptesis estadsticas se pueden contrastar con la


informacin extrada de las muestras y tanto si se aceptan
como si se rechazan se puede cometer un error.
La hiptesis formulada con intencin de rechazarla se llama
hiptesis nula y se representa por H0. Rechazar H0 implica
aceptar una hiptesis alternativa (HA).

4/07/2017 Dr. Isac Espinoza Montes


Contraste de hiptesis

Ho cierta Ho falsa

Ho rechazada Error tipo I (alfa) Decisin correcta

Ho no rechazada Decisin correcta Error tipo II (beta)

alfa = p (rechazar H0|H0 cierta)


beta = p (aceptar H0|H0 falsa)
Slo pueden disminuirse las dos, aumentando n.
Distribucin muestral

Es un conjunto de valores sobre la estadstica calculada de


todas las muestras posibles de determinando tamao de una
poblacin.
Si calculramos la media de todas las medias de las muestras,
obtendramos el valor de la media poblacional.
Muy rara vez se obtiene la distribucin muestral (distribucin
de medias de todas las muestras posibles). Lo que se hace es
extraer una sola muestra.
Distribucin muestral
de medias
Suponga que la poblacin
de propietarios de
pequeas empresas y se
desea saber el tiempo que
pasan al interior de sus
empresas trabajando
diariamente. Suponiendo
el tamao adecuado de
muestra es de 300.
Tericamente se elige
tantas muestras como se
requiera para agotar la
poblacin. Lo que se hace
en la realidad es tomar una
sola muestra. Solo una de Son medias (X), no se trata de puntuaciones. Cada media
nuestras lneas verticales representara una muestra.
de la distribucin muestral
es la media obtenida.
Curva normal o
distribucin normal

En una gran cantidad de


fenmenos del
comportamiento humano,
la mayora de las
puntuaciones se
encuentran en el centro
de la distribucin, en
tanto que en los extremos
encontramos solo algunas
puntuaciones.
Curva normal o
distribucin normal

Debido a ello se cre


un modelo de
probabilidad
llamado CURVA
NORMAL, que es un
modelo que
representa la
realidad 99.74% del rea de la curva normal es cubierta entre -3s y +3s
aproximadamente. 95.44% del rea de la curva normal es cubierta entre -2s y +2s
95% del rea de la curva normal es cubierta entre -1.96s y +1.96s
68.26% del rea de la curva normal es cubierta entre -1s y +1s
Curva normal o
distribucin normal
Aplicando el concepto
de probabilidad a la
distribucin muestral,
tomaremos el area de
esta como 1.00.
Cualquier rea
comprendida entre
dos puntos de la
distribucin 99.74% del rea de la curva normal es cubierta entre -3s y +3s
95.44% del rea de la curva normal es cubierta entre -2s y +2s
corresponder a la 95% del rea de la curva normal es cubierta entre -1.96s y +1.96s
68.26% del rea de la curva normal es cubierta entre -1s y +1s
probabilidad de la
distribucin
. Nivel de significancia ()

Al contrastar una hiptesis, la mxima probabilidad con la que estamos dispuesto a


correr el riesgo de cometer error de tipo I, se llama nivel de significacin.
Es un nivel de probabilidad de equivocarse, fijado a priori por el investigador.
La probabilidad de que un evento ocurra oscila entre 0 y 1, donde cero significa la
imposibilidad de ocurrencia y uno la certeza de que el evento ocurra.
La probabilidad que salga cara al lanzar una moneda es de
En una rifa de un automvil, si compra 95 boletos de 100, la probabilidad que gane
el automvil es . y la probabilidad que pierda es ..
El investigador obtiene una estadstica en la muestra y analiza que % de confianza
tiene esa estadstica se acerque al valor de la poblacin (parmetro).
Nivel de significancia ()

Esta probabilidad, a menudo se suele especificar antes de tomar la muestra, de


manera que los resultados obtenidos no influyan en nuestra eleccin.
En la prctica, es frecuente un nivel de significacin de 0,05 0,01, si bien hay
otros valores.
Si por ejemplo se escoge el nivel de significacin 0,05 ( 5%) al disear una regla
de decisin, entonces hay unas cinco (05) oportunidades entre 100 de rechazar
la hiptesis cuando debiera haberse aceptado; Es decir, tenemos un 95% de
confianza de que hemos adoptado la decisin correcta. En tal caso decimos que
la hiptesis ha sido rechazada al nivel de significacin 0,05, lo cual quiere decir
que tal hiptesis tiene una probabilidad 0,05 de ser falsa.
Niveles de confianza (1-)

Existen dos niveles de confianza convenidos en ciencias sociales:


El nivel de significancia de 0.05, el cual significa que el investigador
tiene 95% de seguridad para generalizar sin equivocarse y solo 5%
en contra.
El nivel de significancia de 0.01, el cual implica que el investigador
tiene 99 % en su favor y 1% en su contra para generalizar sin temor.
No se acepta un nivel de 0.06 (94% a favor de la generalizacin
confiable), por que se busca hacer ciencia no intuicin.
Niveles de confianza (1-)

Si los resultados fueron significativos al nivel 0.05 (p < 0.05),


indica que existe 5% de probabilidad de error de aceptar la
hiptesis, correlacin o valor obtenido al aplicar una prueba
estadstica, o 5% de riesgo que se rechace una hiptesis cuando
era verdadera.
Distribucin muestral y nivel de significancia

El nivel de significancia se expresa en trminos de


probabilidad (0.05, 0.01) y la distribucin muestral
tambin como probabilidad (el rea total de esta como
1.00).
Para ver si existe o no confianza para generalizar
acudimos a la distribucin muestral con probabilidad
adecuada para la investigacin (0.05 a 0.01).
Distribucin muestral y nivel de significancia

Nivel de significancia del 0.01

Media hipottica de la
poblacin

99% del rea

0.5% del rea 0.5% del rea

99% de confianza (aceptacin), 1% de riesgo (rechazo)


Distribucin muestral y nivel de significancia

Nivel de significancia del 0.05

Media hipottica de la
poblacin

95% del rea

2.5% del rea 2.5% del rea

95% de confianza (aceptacin), 5% de riesgo (rechazo)


Proceso para aceptar o rechazar una hiptesis

1. Sobre bases firmes, establecer una hiptesis a cerca del


parmetro poblacional. Vg. El Banco BBA garantiza que el
tiempo medio de espera en cola es de 7 minutos.
Ho: x = 7 Ha: x 7
2. Definir el nivel de significancia. Vg. = 0.05.
Recopilar datos sobre la muestra representativa. Vg. X=8.2;
x =7 ; S=2.6 minutos; la muestra incluy 850 clientes.
X: Media muestral
x : Media hipottica
3. Estadstico de prueba: Z
Proceso para aceptar o rechazar una hiptesis

Transformar la media de la muestra en una puntuacin Z, utilizando a formula Z.

Estimar la desviacin estndar de la distribucin muestral de la media utilizando la


siguiente formula: s
Sx
n
Donde Sx es la desviacin estndar de la distribucin muestral de la media, s
representa la desviacin estndar de la muestra y n es el tamao de la muestra.
2.6
Sx Sx = 0.089
850

Donde X es la media de la muestra, x es la media hipottica de la distribucin


muestral, Sx es la desviacin estndar de la distribucin muestral de medias.

X x 8.2 7
Z Z 13
Sx 0.089
Proceso para aceptar o rechazar una
hiptesis
4. Regla de decisin: No rechazar la hiptesis nula si Ztest se
sita entre 1.96 y 1.96. Rechazar la hiptesis nula si Ztest es
inferior a -1.96 o superior a 1.96.
5. El valor de Ztest es 13, mayor que 7, se rechaza la hiptesis
nula, se acepta la hiptesis alterna.
6. Conclusin: con =0.05, no es adecuado afirmar que el
tiempo promedio de espera en fila por el cliente es de 7
minutos.
Proceso para aceptar o rechazar una hiptesis

Nivel de significancia del 0.05

13

95% del area, aceptacin

-1.96
1.96
PRUEBAS DE HIPOTESIS
DE UNA Y DOS COLAS
..

Se contrast la hiptesis con el procedimiento


siguiente:

Hiptesis estadstica para prueba t de dos


colas.
Ha: = 2
Ho: 2
Prueba de hiptesis de dos colas
Hiptesis para prueba de dos colas.
Ha: = Ho
Ho: Ho
En una prueba de dos colas hay dos regiones de rechazo.

Para el caso:
Ha: = 2
Ho: 2

Se rechaza la Ho si el valor cae en


cualquiera de estas dos regiones
Prueba de hiptesis de una cola
Cola Izquierda, En general se utiliza una prueba de cola izquierda (cola inferior) si las hiptesis
son:
Ha: < Ho
Ho: = Ho

La regin de rechazo est en la cola inferior (cola izquierda) de la distribucin muestral.

...
Por consiguiente las hiptesis son:

Ha: < 2
Ho: = 2

Se rechaza la Ho si el valor cae en


esta regin
Prueba de hiptesis de una cola
Cola derecha
En general se utiliza una prueba de cola derecha (cola superior) si las hipotesis son:
Ha: > Ho
Ho: = Ho
La regin de rechazo est en la cola superior (cola derecha) de la distribucin
muestral.

Se rechaza la Ho si el valor cae en


esta regin
PRUEBAS DE UNA SOLA
MUESTRA
Contrastacin de hiptesis para la
media de una poblacin,
desviacin poblacional conocida
() o muestras grandes
PRUEBA Z DE HIPOTESIS PARA LA
MEDIA ( CONOCIDA)

Cuando se conoce la desviacin estndar


y si la poblacin tiene una distribucin
normal, se utiliza la prueba Z.
Si la poblacin no tiene distribucin normal,
todava se puede utilizar la prueba Z si el
tamao de la muestra es lo bastante
grande (como para que tenga efecto el
teorema del limite central).
PRUEBA Z DE HIPOTESIS PARA
LA MEDIA ( CONOCIDA)
La ecuacin define el estadstico de
prueba Z para determinar la diferencia que
existe entre la media muestral y la media
poblacional cuando se conoce la
desviacin estndar.
x
Z test

n
Mtodo del valor crtico

Los valores observados del estadstico de


prueba, se compara con los valores crticos.
Estos se expresan como valores Z
estandarizados.
Mtodo del valor critico: ejemplo
La calidad de servicio en el sistema de administracin acadmica de
la U.N.C.P. es deficiente.
Hiptesis estadstica para prueba t de Decisin
dos colas. En una prueba de dos colas hay dos regiones de rechazo
Ha: = 2
Ho: 2
n = 848
= 0.05
Gl = 848 1 = 847
Hallando T critico
Z0.05 = 1.96
Hallando Z test
x
El valor de t hallado para calidad de servicios en la
Z test administracin acadmica de la UNCP es 56.83>1.96,
est en la zona de rechazo, rechazar la Ho.
Se concluye que: a nivel de significacin de 5%, que la
n calidad de servicios en la administracin acadmica de
la UNCP es deficiente.
t = (3.21 2)/(0.62)/848^(1/2)
t = 56.83
Contrastacin de hiptesis para la
media de una poblacin, desviacin
estndar desconocida () y tamao
muestral pequeos
Prueba t Student

En la mayora de los casos no se conoce la desviacin estndar


poblacional . En su lugar se utiliza la desviacin estndar
muestral S.
Si se supone que la poblacin tiene distribucin normal, la
distribucin muestral de la media seguir una distribucin t
con n -1 grados de libertad.
Si la poblacin no tiene distribucin normal, todava es valido
utilizar la prueba t si el tamao de la muestra es suficiente
(30).
Mtodo del valor critico: ejemplo
La calidad de servicio en el sistema de administracin acadmica de la las
facultades de la U.N.C.P. es deficiente.
Hiptesis estadstica para prueba t de Decisin
dos colas. En una prueba de dos colas hay dos regiones de rechazo
Ha: = 2
Ho: 2
n = 20
= 0.05
Gl = n 1
Gl = 20 1 = 19
Hallando T critico
T0.05,19 = 1.7291
Hallando t prueba El valor de t hallado para calidad de servicios en la
administracin acadmica de la UNCP es 8.87>1.7291,
est en la zona de rechazo, rechazar la Ho.
Se concluye que: a nivel de significacin de 5%, que la
calidad de servicios en la administracin acadmica de
la UNCP es deficiente.

t = (3.21 2)/(0.61)/20^(1/2)
t = 8.87
REGRESION Y CORRELACION
SIMPLE
REGRESIN Y
CORRELACIN SIMPLE
De todas las tcnicas
estadsticas, ninguna es mas
importante que el anlisis de
regresin y correlacin.
Son vitales para determinar la
naturaleza de la relacin entre
las variables empresariales y
econmicas.
Reconoce que puede haber una
relacin determinable y
cuantificable entre dos variables.
Una variable depende de otra, o
puede estar determinada por
esta, o una variable est en
funcin de la otra.
REGRESIN Y
CORRELACIN SIMPLE
La notacin es;

Y = f(x)
Y es la variable dependiente (explicada).
X es la variable independiente (explicativa).
Y depende de X o Y est determinada por X.
Vg. Las ventas dependen al menos en parte de la cantidad de
publicidad que esta hace.
DIAGRAMAS DE DISPERSIN

Representan en forma grfica las observaciones pareadas de X e Y.


Variable dependiente (Y) en el eje vertical, variable independiente (X)
en el eje horizontal.
ANALISIS DE REGRESIN

Las relaciones entre variables son determinsticas o estocsticas.


En los modelos determinsticos dado un valor de X, el valor, el valor de Y se
puede determinar con precisin (no hay error, excepto el de redondeo).
En los modelos estocsticos estn presentes dos o mas componentes
aleatorios que conducen a error de prediccin.
Vg. En la relacin publicidad y ventas casi siempre hay alguna variacin en la
relacin (la variable dependiente ventas, presenta un cierto grado de
aleatoriedad).
Y = o + 1(X) + e

o : Ordenada en el origen Componente Componente


determinista aleatorio
1 : Pendiente
e : Termino aleatorio
ANALISIS DE REGRESIN
Una de las aplicaciones del modelo de regresin es
predecir o prever el valor de la variable dependiente.
Es una falsa interpretacin frecuente suponer que existe
una relacin de causa efecto entre las dos variables.
Lo nico que podemos deducir que X e Y varan juntos o
en forma inversa.
Allen L. Webster
EJEMPLO: METODO DE LOS MINIMOS
CUADRADOS
Una empresa de transportes AAA, supone que existe una relacin directa entre los
gastos de publicidad y el nmero de pasajeros que eligen viajar en sus unidades. En el
siguiente cuadro se recogen gastos de publicidad y nmero de pasajeros de los
ltimos 15 meses. Determinar el modelo de regresin.

GPUBL NPASAJE
Mes X Y XY X^2 Y^2
1 10 15 150 100 225
2 12 17 204 144 289
3 8 13 104 64 169
4 17 23 391 289 529
5 10 16 160 100 256
6 15 21 315 225 441
7 10 14 140 100 196
8 14 20 280 196 400
9 19 24 456 361 576
10 10 17 170 100 289
11 11 16 176 121 256
12 13 18 234 169 324
13 16 23 368 256 529
14 10 15 150 100 225
15 12 16 192 144 256
TOTALES 187 268 3490 2469 4960

Una de las aplicaciones de la regresin es predecir, prever


o proyectar el valor de la variable dependiente
EJEMPLO METODO DE LOS MINIMOS
CUADRADOS
Resumen

Estadsticas de la regresin
Coeficiente de correlacin mltiple 0.968378371
Coeficiente de determinacin R^2 0.93775667
R^2 ajustado 0.932968721
Error tpico 0.906780212
Observaciones 15

ANLISIS DE VARIANZA

Grados de Suma de Promedio de Valor crtico


libertad cuadrados los cuadrados F de F
Regresin 1 161.0440787 161.044079 195.857719 3.238E-09
Residuos 13 10.6892546 0.82225035
Total 14 171.7333333

Superior
Coeficientes Error tpico Estadstico t Probabilidad Inferior 95% Superior 95% Inferior 95.0% 95.0%
Intercepcin 4.38625363 0.991282458 4.42482725 0.000685609 2.24471808 6.52778918 2.24471808 6.52778918
Variable X 1 1.081316554 0.077264946 13.9949176 3.23802E-09 0.91439579 1.24823732 0.91439579 1.24823732
ANALISIS DE CORRELACION
De Pearson

Es un a prueba estadstica para analizar la relacin entre dos


variables medidas en un nivel de intervalos o de razn (r).
El r se calcula a partir de puntuaciones obtenidas en una muestra
de dos variables.
El nivel de medicin de las variables; intervalos o de razn.
Interpretacin: el coeficiente de correlacin puede variar entre -1.00
y +1.00.
El signo indica DIRECCION, el nmero indica MAGNITUD.
COEFICIENTE DE CORRELACION DE
PEARSON
Los principales programas de anlisis estadstico reportan si el
coeficiente es o no significativo, de la siguiente manera:
r = 0.755
s o P = 0.001
n = 625
Si s o P es menor al valor de 0.05, se dice que el coeficiente es
significativo en el nivel del 0.05 (95% de confianza en que la correlacin
sea verdadera y 5% de probabilidad de error).
Coeficiente de determinacin
2
(r )
Mide el poder explicativo del modelo de regresin. Es decir la
parte de la desviacin total de Y que es explicada por el
modelo.
r2 ha de estar entre 0 y 1.
R2 de 70% significa que el 70% de la variacin de Y esta
explicada por variaciones de X.
Cuando mayor sea r2 mayor poder explicativo tendr el
modelo.
REGRESION Y CORRELACION
MULTIPLE
REGRESION MULTIPLE
Implica utilizar dos o mas variables independientes. El modelo se expresa como:

= + + + + +

Donde k es el nmero de variables independientes y son los coeficientes de la variables, e es el


componente de error aleatorio necesario por que no todas las observaciones caen sobre la propia
recta de regresin.
FORMULACION DEL MODELO
Para el caso de la empresa AAA, los gastos son los siguientes:
Y es el numero de pasajeros (en miles).
X1, gastos de publicidad (en miles de dlares)
X2, renta nacional medida en billones de dlares.

= + + + +

Donde b1 y b2 (coeficientes de regresin parciales o netos), son estimaciones de 1 y 2, por que se


trabaja con un modelo de regresin mltiple que contiene mas de un cociente. Los coeficientes se
interpretan de una manera similar a la regresin simple. Los grados de libertad asociados al modelo
son: n (k + 1).
Ejemplo: Formulacin del modelo AAA

El gerente general de AAA, contrata a un gerente de marketing de quien su primera misin


ser ampliar el modelo de regresin utilizado para predecir el numero de pasajeros e incluir
otra variable distinta de la publicidad.
Es as que basado en que la renta (renta nacional) es una determinantes principales de la
demanda de los consumidores se incluye en el modelo con nimos
RENTAde mejorarlo.
PASAJEROS PUBLICIDAD NACIONAL
OBS Y X1 X2
1 15 10 2.4
2 17 12 2.72
3 13 8 2.08
4 23 17 3.68
5 16 10 2.56
6 21 15 3.36
7 14 10 2.24
8 20 14 3.2
9 24 19 3.84
10 17 10 2.72
11 16 11 2.07
12 18 13 2.33
13 23 16 2.98
14 15 10 1.94
15 16 12 2.17
Ejemplo: Formulacin del modelo AAA
Resumen

Estadsticas de la regresin = + + + +
Coeficiente de
correlacin mltiple 0.97612724
= . +. + .
Coeficiente de
determinacin R^2 0.95282439 Si AAA aumenta su publicidad en 1 (1000 dlares), y la renta nacional
R^2 ajustado 0.94496179 permanece k, el numero de pasajeros aumenta en 0,84 unidades (840),
Error tpico 0.82166619
Observaciones 15 Si la renta nacional en una unidad (1 billn de dlares) y la publicidad
permanece k, los pasajeros aumentaran en 1.44(1400).
ANLISIS DE VARIANZA

Grados de Suma de Promedio de Valor crtico


libertad cuadrados los cuadrados F de F
Regresin 2 163.631709 81.8158547 121.184377 1.1023E-08
Residuos 12 8.10162398 0.67513533
Total 14 171.733333

Superior
Coeficientes Error tpico Estadstico t Probabilidad Inferior 95% Superior 95% Inferior 95.0% 95.0%
Intercepcin 3.52839942 0.99941759 3.53045558 0.00414294 1.35085554 5.70594329 1.35085554 5.70594329
Variable X 1 0.83966385 0.14190768 5.91697257 7.0648E-05 0.53047357 1.14885412 0.53047357 1.14885412
Variable X 2 1.44097467 0.73603866 1.95774319 0.07392294 -0.1627158 3.04466515 -0.1627158 3.04466515
CHI2
CULES SON LAS SUPOSICIONES DE LA
ESTADSTICA NO PARAMTRICA?

Para realizar anlisis no paramtricos, debe partirse de las siguientes


consideraciones:

La mayora de estos anlisis no requieren de supuestos acerca de la forma


de la distribucin poblacional. Aceptan distribuciones no normales.
Las variables no necesariamente deben estar medidas en un nivel por
intervalo o de razn, pueden analizar datos nominales u ordinales.
Si se quieren aplicar anlisis no paramtrica a datos por intervalos o razn,
stos deben ser resumidos a categoras discretas (a unas cuantas). Las
variables deben ser categoras.
Distribucin Ji-Cuadrada o Chi-cuadrada o X2
Es una prueba til para variables categricas y estadstica, es aplicable cuando
la variable nominal est compuesto por dos o ms categoras. Tiene dos
aplicaciones:

1. La prueba de bondad de ajuste Chi-cuadrada.

2. La prueba Chi-cuadrada de asociacin.

Ambas pruebas se utilizan para determinar si las frecuencias observadas (O)


en las categoras difieren significativamente de las frecuencias esperadas (E).
Es una prueba estadstica para evaluar hiptesis
acerca de la relacin entre dos variables categricas.
Smbolo: X2
Hiptesis a probar: Correlaciones
Variables involucradas: Dos variables (la prueba Chi-cuadrada no considera
relaciones causales).
Nivel de medicin de Nominal u ordinal (o intervalos o razn reducidas a
las variables ordinales)
Procedimiento La Chi-cuadrada se calcula por medio de una tabla de
contingencia o tabulacin cruzada, que es una tabla
de dos dimensiones y cada dimensin contiene una
variable. A su vez, cada variable se subdivide en dos
o ms categoras.
La Distribucin X2 se lee con grados de libertad G.L = (N de
filas - 1)(N de columnas - 1).

Total de Fila x Total de Columna


F. Esperada=
Total General
Ejemplo 1. Variable, categora y tabla de contingencia 2x2:

Sean las variables SEXO (Masculino y Femenino) y CANDIDATO (A y


B). La tabla de contingencia o tabulacin cruzada es:

Variables

CANDIDATO
Categora
A B

20 30
Masculino
SEXO
40 25
Femenino
Ejemplo 2. Estudio de Tabla de contingencia 3x2:

Se estudia a 1040 estudiantes de las maestras en Administracin Pblica y


Administracin de Empresas y a los cuales se aplica un instrumento que mide el
aprendizaje de Planificacin Estratgica, en las dimensiones de aprendizaje
conceptual, procedimental y actitudinal.

TABLA DE CONTINGENCIA

MAESTRAS

A. Pblica A. de Empresas

Conceptual 180 100


APRENDIZAJE
Procedimental 190 280
Actitudinal 170 120
Tabla de frecuencias observadas (O):

MAESTRAS TOTAL
A. Pblica A de Empresas
Conceptual 180 100 280
APRENDIZAJE Procedimental
190 280 470
Actitudinal
170 120 290

TOTAL 540 500 1040

La Chi-cuadrada es una comparacin entre las tablas de frecuencias observadas


y la denominada tabla de frecuencias esperadas (la tabla que esperaramos
encontrar si las variables fueran estadsticamente independientes o no estuvieran
relacionadas).
Tabla de frecuencias esperadas (E):

La frecuencia esperada de cada celda, casilla o recuadro, se calcula mediante la


siguiente frmula aplicada a la tabla de frecuencias observadas:

N = es el nmero total de frecuencias observadas.


E = (marginal de filas) (marginal de columnas) / N.

NIVEL DE EDUCACIN

A. Pblica A de Empresas Marginal


de filas

Conceptual (280)(540)/1040 (280)(500)/1040 280


APRENDIZAJE Procedimental (470)(540)/1040 (470)( 500)/1040 470

Actitudinal (290)(540)/1040 (290)(500)/1040 290

Marginal de columnas
540 500 1040
Frecuencia observada:

NIVEL DE EDUCACIN TOTAL


A. Pblica A. de Empresas
Donde:
O: frecuencia observada
Conceptual 180 100 280
en cada celda
APRENDI E: frecuencia esperada
ZAJE Procedimental 190 280 470
en cada celda
Actitudinal 170 120 290
TOTAL 540 500 1040

Frecuencia esperada:

NIVEL DE EDUCACIN TOTAL


A. Pblica A. de Empresas

Conceptual 145,4 134,6 280


APRENDIZ
AJE Procedimental 244,0 226,0 470
Actitudinal 150,6 139,4 290
TOTAL 540 500 1040
O E 2

X2
E
Celda O E O-E (O-E)2 (O-E)2 / E
Conceptual/A. Pblica 180 145,4 34,6 1197,16 8,23
Procedimental/ A. Pblica 190 244,4 -54,4 2959,36 12,11
Actitudinal / A. Pblica 170 150,6 19,4 376,36 2,50
Conceptual / A. Empresas 100 134,6 -34,6 1197,16 8,69
Procedimental /A. Empresas 280 226,0 54,0 2916,00 12,80
Actitudinal / A. Empresas 120 139,4 -19,4 376,36 2,70
X2 = 47,33

Para saber si el valor de X2 es o no significativo, debemos calcular los grados


de libertad.

G.L. = (N de filas - 1)(N de columnas - 1).


Para saber si el valor de X2 es o no significativo, debemos calcular los grados de
libertad.

G.L. = (N de filas - 1)(N de columnas - 1)

Para el ejemplo: N de filas = 3 y N de columnas = 2; entonces G.L. = (3-1)(2-1) = 2.

Luego, acudimos a la tabla de distribucin de Chi-cuadrado, eligiendo nuestro nivel de


confianza ( = 0,05).

Si el valor obtenido de X2 es igual o superior al valor de la tabla, decimos que las


variables estn relacionadas o no son independientes.

Aplicacin:
Para el nivel de confianza de =0,05 y g.l. = 2, el X2 de tabla es 5,9915 (ver tabla).
X2Obtenido = 47,33
X2Crtico = 5,9915

Se acepta H0 Se rechaza H0 Se rechaza H0


X2Obtenido X2Obtenido X2Obtenido = 47.33

X2Obtenido X2Obtenido = 5.9915


Tabla
Prueba de hiptesis:

H0: No existe relacin entre el aprendizaje y los


niveles de educacin.

H1: Existe relacin entre el aprendizaje y niveles de


educacin.

X2obtenido X2crtico entonces, existe una relacin


entre Aprendizaje y los niveles educativos

X2obtenido X2crtico entonces se rechaza la


hiptesis nula (H0), y por lo tanto se acepta la hiptesis
alterna (H1).
Paso N 1 Establezca la Ho a ser probada; por ejemplo,
Ho: 1 = 2 = 0,5

Paso N 2 Especifique el nivel de significancia , por ejemplo: = 0.5

Haga una tabla de frecuencias obtenidas


Deduzca las frecuencias esperadas a partir de Ho:
Calcule el grado de libertad: Producto de (categoras - 1)
Calcule el valor de X2 a partir de las frecuencias obtenidas y
Paso N 3 frecuencias esperadas.
Mediante la tabla de X2 obtenga el valor terico.
Compara dichos valores.

Establezca la conclusin con respecto a Ho:


Paso N 4
Retenga Ho si valor de tabla > Valor calculado.
Retenga Ho si valor de tabla < Valor calculado.
ENCUESTA
Se quiere estudiar la relacin que existe entre el Sexo, Grado acadmico y el Ingreso familiar de los
docentes de la Institucin Educativa de la UGEL N 6.

Por favor responda cada tem de la presente encuesta:

Sexo:
( ) Femenino ( ) Masculino

Grado acadmico:
( ) Bachiller ( ) Magster
( ) Doctor ( ) Otros

Ingreso familiar:
( ) Menos o iguales de S/. 550
( ) Mayor que S/. 550 y menor que S/. 800
( ) Mayor que S/. 800 y menor que S/.1200.
( ) Mayor que S/. 1200.
Tabla de contingencia

Sexo

Femenino Masculino

Grado Bachiller 2 3
Magister 2 0
Doctor 2 1
Otros 2 0

Pruebas de chi-cuadrado de Pearson

Sexo
Grado Chi-cuadrado 3,600
gl 3
Sig. ,308
Clculo Manual de Ji-Cuadrada
Contacto:
Espinozaisac@yahoo.es
RPM: #961650207