Beruflich Dokumente
Kultur Dokumente
153
Actividad N 9.1 (4 de 4)
20. Elija una cuestin inherente a la
disciplina que estudia o ejerce
sobre el cual sea vlido encuestar:
a. Identifique, contacte y describa las
caractersticas de la poblacin
objetivo.
b. Elija las cuestiones o preguntas a
incluir en el cuestionario.
c. Elija las alternativas de respuesta.
Si son cualitativas, balancelos.
d. Redacte las instrucciones para
absolver el cuestionario y el
colofn.
g. Redacte el ttulo del cuestionario,
concordante con el objetivo del
trabajo de investigacin.
h. Realice la prueba piloto de la
aplicacin del cuestionario.
i. Evale la confiabilidad y la validez
de los cuestionarios absueltos en la
prueba piloto.
j. Corrija las deficiencias que se
hubieren detectado al aplicar la
prueba piloto.
k. Entrene a dos auxiliares para
aplicar el cuestionario.
l. Aplique el cuestionario y supervise
a sus auxiliares.
m. Elabore el protocolo de la
encuesta.
154
CAPITULO 10
TECNICAS DE PROCESAMIENTO DE LOS DATOS
10.1 Dato en la investigacin
Un dato es la abstraccin mental de un objeto especfico, una situacin particular, un
hecho puntual o una idea singular, ejemplos: una fecha, un apellido, una cantidad de
unidades de medida, etc. Para los propsitos de la investigacin, el trmino dato tiene
un significado ms amplio de lo usualmente se le otorga en la informtica, se refiere no
solo al registro de las abstracciones de hechos y acontecimientos puntuales,
aprehensiones de cualidades, emociones, sentimiento, etc., sino tambin a procesos
dinmicos como son las experiencias
40
, la concatenacin de los hechos histricos, entre
otras.
Los datos son de dos clases: cuantitativos y cualitativos.
Los datos cuantitativos son expresiones numricas como edades, cantidades de las
unidades medida que quepan en un objeto (100 gr., 5 cm., 18C, etc.). Con estos
datos pueden calcularse fcil y directamente las medidas estadsticas (media,
desviacin estndar, proporciones, etc.) para describirlos y realizar las inferencias
estadsticas necesarias para contrastar las hiptesis.
Los datos cualitativos son expresiones categricas, que representan actitudes,
opiniones, etc., en general aquellos eventos que no tienen referentes numricos. Si
bien es cierto, tambin pueden registrarse en las bases de datos tal cual como estn
presentados, pero no son tiles para realizar operaciones de clculo, salvo los de
conteo por categoras ms o menos homogneas. Ejemplo: 50 encuestados opinan
que la gestin de cierta entidad es eficaz. Adems, en las bases de datos pueden
registrarse incluso descripciones y narraciones, as fueran extensas, pero la primera
dificultad ser el de agruparlos en categoras homogneas. Algunas tcnicas que se
emplean para ello, son:
Anlisis de contenidos: el texto se descompone en sus elementos, se extrae lo
sustancial y lo comn a partir un esquema de contenidos prefijado. Ejemplo: hay
muchas definiciones de la gestin, educacin, ecologa, etc.; pero todas ellas
40
Las experiencias son procesos socio-histricos dinmicos y complejos, individuales y colectivos que
son vividas por personas concretas, que se dan en condiciones de un contexto determinadas por
condiciones econmicas, sociales y polticas locales, regionales, etc., que ocurre en un momento histrico
haciendo posible la experiencia, fuera del cual no es posible entenderla; por eso, el contexto no es un
factor externo a la experiencia, sino una dimensin de sta; y en situaciones particulares, es decir, dentro
de una determinada conjuncin de situaciones especficas de espacio y lugar, que le dan caractersticas
propias e irrepetibles (esta enfoque hace inviable los experimentos sociales). Una experiencia siempre se
constituye por acciones, pero se manifiesta como emociones, percepciones, sensaciones e
interpretaciones; como permiten alcanzar, determinados resultados o efectos que modifican en todo o en
parte los factores involucrados. La interrelacin de todos estos factores generan reacciones en las
personas que intervienen, las cuales construyen relaciones entre ellas. Estas relaciones personales y
sociales por una parte- han sido mediadas por todos los elementos anteriores y por otra- son factores
desencadenados por lo que aconteci durante la experiencia. (Jara, Oscar: Sistematizacin de
Experiencias y las Corrientes Innovadoras del Pensamiento Latinoamericano. www.alforja.or)
155
tienen contenidos que se refieren a ciertos aspectos claves como el objeto de
estudio, objetivo, mtodo y quizs algn otro ms. En el proceso del anlisis se
procura identificar esos aspectos claves en cada definicin. Esta tcnica puede
extenderse a fechas, lugares, cualidades, etc.
Anlisis semntico: se busca los sinnimos, antnimos, etc. de las palabras que se
emplean en el texto as como otras semejanzas en el lxico, para equipararlas o
contradecirlas al significado de las palabras que se emplean en otras respuestas;
tambin de esta manera es posible construir las categoras en los cuales puedan
agruparse esos textos.
Una tcnica, ciertamente arbitraria, es la asignacin de valores cuantitativos a las
cualidades, aunque esta tcnica solo es aplicable cuando se establecieron categoras
ordinales. Se asigna nmeros a esas categoras, de menos a ms, por ejemplo:
1 = Completamente insatisfecho
2 = Insatisfecho
3 = Ni insatisfecho ni satisfecho
4 = Satisfecho
5 = Muy satisfecho.
Este artificio permite realizar los clculos estadsticos; pero en ningn caso, debe
perderse de vista que los resultados de esos clculos se refieren a categoras. Por
ejemplo, supngase que las frecuencias de las categoras del ejemplo anterior son 30,
50, 20, 10 y 5, respectivamente; la media, que calcula ponderando los nmeros
asignados por su frecuencia, es 3.8; ello significa que la media se aproxima a la
categora de satisfecho.
Dato en la investigacin
Un dato es la abstraccin mental de
un objeto o un hecho puntual. Ej.:
una fecha, un apellido, una cantidad
de unidades de medida
Los datos en investigacin son:
Abstraccin de hechos puntuales.
Abstraccin de procesos
dinmicos. Ej.: experiencias.
CLASES
Cuantitativos: expresiones
numricas. Ej.: 15 aos, 100 gr., 5
cm., 18C, etc.
Cualitativos: expresiones
categricas, que representan
actitudes, etc., eventos que no tienen
referentes numricos
Homogenizacin de datos
cualitativos
Anlisis de contenidos: descomponer
el texto en sus partes, extraer lo
comn con ayuda de un esquema.
Anlisis semntico: buscar
semejanzas de lxico en las
respuestas a fin de agruparlas.
Asignacin de valores cuantitativos a
las cualidades: Ej.:
1 = Completamente insatisfecho
2 = Insatisfecho
3 = Ni insatisfecho ni satisfecho
4 = Satisfecho
5 = Muy satisfecho.
Esta tcnica de la cuantificacin no es razonable aplicarlo a las variables nominales.
Con stos a lo ms puede calcularse las frecuencias y porcentajes. Ejemplo: Cuntos
156
alumnos apellidan Castro en el saln de clases?: 6. Si hay 30 alumnos, el 20% de los
alumnos apellidan Castro.
10.2 Flujo de procesamiento de datos
El procesamiento de los datos es la integracin sistemtica de los datos obtenidos de las
fuentes primarias y secundarias en una base de datos, con el propsito de ordenarlos,
clasificarlos, analizarlos y utilizarlos para contrastar las hiptesis.
Los datos de fuente secundaria ya suelen estar procesados y presentados en forma de
tablas. Pero el trabajo del investigador para hacer uso de esta clase de datos necesita
evaluar su calidad y pertinencia respecto al asunto que est estudiando. Con frecuencia
suele requerirse extractar datos de varias fuentes, luego insertarlos y reagruparlos en
otras tablas, analizarlos e interpretarlos, a fin de utilizarlos para realizar sus pruebas
estadsticas. Los datos de fuente primaria, en cambio, requieren un proceso de
sistematizacin ms amplio, que implica la realizacin de varias actividades como:
Control de calidad: los datos se someten a un exhaustivo control de calidad, bajo los
criterios de confiabilidad, integridad, idoneidad y coherencia.
Asignacin de cdigos a los datos y la clasificacin de stos en cuantitativos y
cualitativos con el propsito de integrarlos a una base de datos.
Elaboracin de tablas de frecuencia; se calculan las medidas estadsticas (media,
desviacin estndar, proporciones, correlacin, etc.) para describir el objeto de
estudio as como para inferir los parmetros; tambin se construyen los modelos
explicativos y predictivos.
Flujo de actividades para procesar los datos
FLUJO El procesamiento de datos es la
integracin sistemtica de los datos
obtenidos de las fuentes primarias y
secundarias para analizarlos.
1. Los datos se someten a un
control de calidad, bajo los
criterios de idoneidad, integridad,
confiabilidad y coherencia.
2. Se codifican y clasifican en
cuantitativos y cualitativos; a
stos se les asigna valores
numricos y luego junto con
aquellos se registran en la base de
datos;
3. Usando la base de datos se
elaboran tablas de frecuencia,
medidas estadsticas y modelos.
Control de
calidad
Codificacin y
clasificacin
Asignacin
de valores
numricos
Tablas de
frecuencia
Medidas
estadsticas,
modelos, etc.
Son
numricos
?
Registro en la
base de datos
No
10.3 Control de calidad
El control de calidad, segn sus expertos, es el conjunto de las actividades y las tcnicas
relacionadas a la verificacin del cumplimiento de especificaciones que se requieren en
un producto (bien o servicio). Los datos que se emplean los trabajos de investigacin
157
necesitan reunir las siguientes especificaciones tcnicas: confiables, ntegros, idneos y
coherentes, porque son los datos los que determinan la calidad de los resultados de la
investigacin, son los datos los que se emplean para contrastar las hiptesis; si los datos
no renen las mencionadas cualidades, se corre el riesgo de incurrir en el error de tipo
II; es decir, aceptar la hiptesis nula cuando en realidad es falsa. No hay otra forma de
reducir esta clase de riesgo, sino el de someter a los datos a un control estricto de su
calidad.
Control de calidad, codificacin de datos
Control de calidad: se verifica si
los datos cumplen con los
requisitos de:
Idoneidad: pertenecen a los
elementos que son objeto de
estudio y si son los que se han
requerido.
Integridad: los instrumentos
permiten recoger los datos que
se requieren?.
Confiablidad: las fuentes de
los datos son confiables?
Coherencia: los datos
guardarn coherencia unos con
otros?
Codificacin: se asigna un cdigo
(nmero o letra o ambos) a los
medios y los elementos que stos
contienen, con el propsito de
facilitar la anotacin de los datos
en un soporte electrnico o fsico,
llamado base de datos.
1. Colocar y enumerar cada tipo
medios o instrumento en los que
se encuentran los datos.
2. Numerar cada tem de medio:
Ej.: cada rubro de una lista de
cotejo, cada pregunta, cada
alternativa de respuesta en un
cuestionario, etc.
El control de calidad se practica antes de registrarlos en la base de datos, bajo los
siguientes criterios:
La idoneidad de los datos consiste en verificar si pertenecen a los elementos que
constituyen el objeto de estudio y si son los que se han requerido.
La integridad se aprecia en el contenido de los instrumentos que se emplearon para
recolectar los datos, es decir, si proporcionan todos los datos requeridos; por
ejemplo: en los cuestionarios, todas las preguntas fueron respondidas; en las fichas
de observacin, todas los tems fueron cotejadas; en las guas de entrevista, todas
cuestiones fueron absueltos; las fichas o informes de los experimentos muestran
todos los datos requeridos: la fecha, la hora, la forma, caractersticas externas e
internas, entre otras, de las oportunidades en las cuales se aplicaron los factores a los
sujetos experimentales y las respuestas que se obtuvieron de ello.
La confiablidad de los datos se relaciona ms con la fuente de stos. Si son de fuente
secundaria, es preferible acceder a la publicacin original, si es una copia confrontar
con ste; tambin verificar si guarda consistencia con otras publicaciones o con otros
datos o cuadros de la misma publicacin. Los datos de fuente primaria son confiables
los que obtuvo directamente el investigador, pero con criterio de independencia. Si se
encarga a los auxiliares o incluso a terceros, la supervisin es indispensable.
La coherencia es una cualidad interna de cada instrumento de recoleccin de datos.
Los datos guardarn coherencia unos con otros. Ejemplo: en un cuestionario, las
158
preguntas estarn enfocadas a un mismo asunto y las respuestas, cerradas o abiertas,
correspondern a las preguntas formuladas.
10.4 Codificacin
La codificacin se refiere a la asignacin de cdigos a los instrumentos distintos datos
que se encuentran anotados en los instrumentos que se emplearon para recogerlos como
son los cuestionarios, las fichas de observacin, etc. La codificacin facilita la anotacin
o registro sistemtico de los datos en un soporte electrnico o fsico ordenado y
clasificado, llamado base de datos.
Para codificar los datos requiere previamente ordenar los datos, es decir colocarlos en
el orden en el cual se localizarn fsicamente instrumentos o medios en los cuales se
encuentran registrados los datos. Se enumera secuencialmente cada tipo de esos medios
o instrumentos. Para enumerar ms de un instrumento puede emplearse una codificacin
alfanumrica.
Elaboracin de bases de datos y tablas de frecuencias
BASE DE DATOS (BD)
Los datos se registran y se almacenan en
un soporte fsico o electrnico (en Excel,
Visual Fox, etc.) llamado base de datos.
BD: conjuntos de datos registrados
sistemticamente (indexados), que
pertenecen a un mismo asunto.
Los datos cuantitativos se registran en las
BD en el estado que se obtuvieron. Son
precisos, unvocos y comprensibles.
Los datos cualitativos se homogenizan en
categoras. Si son ordinales se registra el
nmero que corresponde a la categora y
nominales, se registra la denominacin
que corresponda.
FRECUENCIA
La frecuencia de un rango o categora
est dada por el nmero de datos que
caen dentro de ese rango o categora.
Elaboracin de tablas de frecuencia
a. Contar fsicamente los datos que caen
dentro del rango, escala o categora.
Aplicable cuando hay pocos datos.
b. Utilizar un ordenador. Los datos se
agrupan empleando cualquiera de los
campos de la base de datos.
Los datos se agrupan por:
Rango o escala: conjunto de valores
que quepan dentro de ciertos lmites.
Categora: una cualidad con
caractersticas especficas, que lo hace
diferente a las dems del mismo gnero.
Los rangos y categoras se establecen:
Previendo los posibles valores de los
indicadores.
Observando los datos registrados en
la base de datos.
Tambin se codifica cada uno de los rubros o tems del instrumento que contiene los
datos, por ejemplo, en una ficha de observacin se codifican cada uno de los sujetos
observados, cada uno de los tems de la lista de cotejo, entre otras; en las fichas de los
experimentos: los sujetos experimentales y sus caractersticas, los resultados de la pre-
prueba y post-prueba, los factores y sus niveles o condiciones como fueron aplicados,
los valores de entorno, entre otros; en los cuestionarios, los datos generales, cada una de
las preguntas, cada una de las alternativas de respuesta, el encuestador; en las encuestas,
los entrevistado si no es annimo, la fecha y la hora, las proposiciones o preguntas
claves, los tipos de respuestas y el entrevistador.
10.5 Elaboracin de las bases de datos y tablas de frecuencias
Los datos o evidencias obtenidas de sus diversas fuentes se registran y almacenan en un
soporte manual o electrnico, llamado base de datos; este es un conjunto de datos
registrados de manera sistemtica (indexados) y que pertenecen a un mismo asunto.
159
Debido al desarrollo tecnolgico, la mayora de las bases de datos tienen formato
electrnico, sea en Excel, Visual Fox u otra.
Los datos cuantitativos pueden registrarse en las bases de datos en el estado que se
obtuvieron; por lo general, estn claramente expuestas, son precisos, unvocos y
fcilmente asimilables; con ellos pueden construirse fcilmente tablas de frecuencias,
cuadros, calcular los indicadores estadsticos, etc.
Los datos cualitativos, primero se homogenizan en categoras o denominaciones. Si son
ordinales se registra en la base de datos el nmero que corresponde a la categora al cual
pertenece el dato. Si son nominales, se registra la denominacin que corresponda. En el
ejemplo de la base de datos que se muestra, son datos cuantitativos: las edades, las horas
de lectura, el porcentaje de comprensin lectora que obtuvo el alumno en la pre-prueba
y en la post prueba; son datos cualitativos nominales el sexo y la ocupacin del padre de
familia. Los datos registrados en cada fila corresponden a los datos relativos a un
alumno y estn indexados por el nmero de orden con que fueron registrados.
EJEMPLO DE UNA BASE DE DATOS
N EDAD SEXO OCUPACION PADRE FAMILIA % Pre prueba Horas lectura % Post prueba
1 10 M DOCENTE 30 36 42
2 9 F AGRICULTOR 24 12 26
3 11 M COMERCIANTE 26 0 22
4 9 M COMERCIANTE 18 6 20
5 9 M AGRICULTOR 25 8 26
6 9 M COMERCIANTE 18 0 22
7 10 M SASTRE 24 18 30
8 11 F EMPLEADO 16 30 36
9 10 M EMPLEADO 22 0 28
10 12 F AGRICULTOR 20 8 20
11 10 F COMERCIANTE 26 12 32
12 10 F COMERCIANTE 36 36 50
13 11 F EMPLEADO 38 36 40
14 9 F DOCENTE 42 24 46
15 10 M MILITAR 22 0 24
16 10 F EMPLEADO 26 0 22
17 9 F MILITAR 32 12 32
18 11 M EMPLEADO 26 18 26
19 12 M EMPLEADO 24 0 26
20 11 M COMERCIANTE 26 0 26
Los datos se ordenan por categoras, cualidades, escalas, medidas, etc., construyendo
con ellas tablas de frecuencias, al que se conoce como la tcnica de la tabulacin. Las
tablas son de una entrada, si estn ordenadas bajo un solo criterio a la vez; de dos
entradas, si lo son bajo dos criterios a la vez; puede ordenarse bajo ms criterios, pero es
ms difcil de presentarlo en una hoja de papel. El propsito de construir tablas,
grficas, etc., con los datos, es presentar todas las evidencias de manera sinttica,
ordenada y comprensible.
Las tablas de frecuencias se elaboran agrupando los datos por rangos, escalas,
categoras, etc. La clasificacin de stos se establece previendo los posibles valores que
pueden asumir los indicadores de la variable en cuestin; pero, tambin pueden
establecerse observando los datos registrados en la base de datos. La frecuencia de un
160
rango o categora est dada por el nmero de datos que caen dentro de ese rango o
categora.
Las frecuencias pueden establecerse:
Contando fsicamente los datos que caen dentro del rango, escala o categora. Es til
cuando hay pocos datos.
Utilizando un ordenador, los datos se agrupan empleando cualquiera de los campos
de la base de datos.
En el ejemplo de la base de datos que antecede, los escolares pueden agruparse por:
Edades: 9, 10, 11 y 12 aos.
Por sexo: varn, mujer
Por ocupacin del padre de familia: agricultor, comerciante, empleado, docente, otro.
Por rangos de porcentaje de comprensin lectora obtenida en la pre-prueba: menos
de 21%, entre 21 y 30%, entre 31 y 40% y ms de 40%.
Por rangos de porcentaje de comprensin lectora obtenida en la post-prueba: iguales
al anterior.
Por rangos de horas de lectura: menos de 11 horas, 11 a 20 horas, 21 a 30 horas, ms
de 30 horas.
EJEMPLO DE AGRUPACION DE DATOS (por edades)
N EDAD SEXO
OCUPACION
PADRE FAMILIA % Pre prueba Horas lectura % Post prueba
2 9 F AGRICULTOR 24 12 26
4 9 M COMERCIANTE 18 6 20
5 9 M AGRICULTOR 25 8 26
6 9 M COMERCIANTE 18 0 22
14 9 F DOCENTE 42 24 46
17 9 F MILITAR 32 12 32
Total 9 6 159 62 172
1 10 M DOCENTE 30 36 42
7 10 M SASTRE 24 18 30
9 10 M EMPLEADO 22 0 28
11 10 F COMERCIANTE 26 12 32
12 10 F COMERCIANTE 36 36 50
15 10 M MILITAR 22 0 24
16 10 F EMPLEADO 26 0 22
Total 10 7 186 102 228
3 11 M COMERCIANTE 26 0 22
8 11 F EMPLEADO 16 30 36
13 11 F EMPLEADO 38 36 40
18 11 M EMPLEADO 26 18 26
20 11 M COMERCIANTE 26 0 26
Total 11 5 132 84 150
10 12 F AGRICULTOR 20 8 20
19 12 M EMPLEADO 24 0 26
Total 12 2 44 8 46
Total general 20 521 256 596
A partir de la clasificacin de los datos se extraen los subtotales de cada rango o
categora, con los cuales se conforman las tablas de frecuencia, que pueden ser de una
entrada, cuando solo se considera un criterio para distribuir las frecuencias, por ejemplo
la edad del escolar; de doble o mas entradas, cuando se considera dos criterios o ms,
ejemplo: la distribucin de frecuencias por la edad del escolar y la ocupacin de su
161
padre de familia. Los criterios son las categoras, rangos, campos, etc. o combinaciones
de ellos para los cuales se han establecido las frecuencias. Ejemplo:
Ejemplos de presentacin de tablas y grficas
Edad Frecuencia %
9 6 30
10 7 35
11 5 25
12 2 10
Total 20 100
Edad
Agricul
tor
Comer-
ciante
Emplea
do
Docen-
te Otros Totales
9 2 2 1 1 6
10 2 2 1 2 7
11 2 3 5
12 1 1 2
Totales 3 6 6 2 3 20
DE UNA ENTRADA
Frecuencia por edades
DE DOBLE ENTRADA
Frecuencia por edades y ocupacin del padre de familia
0
2
4
6
8
9 aos 10 aos 11 aos 12 aos
Frecuencia por edades
Frecuencia
La tabla de doble entrada ilustra que hay 2 alumnos de 9 aos cuyos padres son
agricultores, 2 cuyos padres son comerciantes y as sucesivamente. Esta forma de
presentar las frecuencias permite intuir la vinculacin entre los dos factores
involucrados en esa tabla, en este caso la edad y la ocupacin del padre de familia. Para
mayor precisin, es decir para establecer el grado de relacin que existen entre dos o
ms factores existen modelos estadsticos: anlisis de variaciones, correlacin,
regresin, entre otras, que se examinarn ms adelante.
Ejemplos de presentacin de tablas
SEXO
Cantidad de la
muestra
Porcentaje
comprensin de
pre-prueba Horas de lectura
Porcentaje de
comprensin en
post-prueba
Mujeres 9 260 170 304
Varones 11 261 86 292
TOTAL 20 521 256 596
SEXO
Cantidad
muestra
Media de porcentaje de
comprensin en pre-
prueba
Media de
horas de
lectura
Media de porcentaje de
comprensin en post-
prueba
Mujeres 9 28,89 18,89 33,78
Varones 11 23,73 7,82 26,55
TOTAL 20 26,05 12,80 29,80
TABLA N1: Institucin Educativa N 15 Moquegua, 2010
HORAS DE LECTURA Y COMPRENSIN LECTORA POR SEXO
TABLA N 2: Institucin Educativa N 15 Moquegua, 2010
PROMEDIOS DE HORAS DE LECTURA Y COMPRENSIN LECTORA POR SEXO
10.6 Clculo de indicadores estadsticos
El clculo de los indicadores estadsticos facilita la generalizacin y el anlisis de los
datos, porque describen las principales caractersticas de la muestra o de la poblacin,
162
por ejemplo: cul es el valor promedio o la cualidad comn entre los elementos de la
muestra o la poblacin?, cun dispersos estn esos los valores o las cualidades?, qu
proporcin de esos elementos tienen una determinada cualidad?, hay relacin entre dos
o ms factores?, esos valores o cualidades que lado se inclinan?, cul es el rango
donde est ubicado un dato o un conjunto de stos?, etc.
Tcnicas de procesamiento y anlisis de datos
INDICADOR CLASES DESCRIPCION
Tendencia central
Media aritmtica Valor promedio de un conjunto de datos
Mediana Valor central
Moda Valor o rango con mayor frecuencia
Dispersin
Amplitud Diferencia entre el valor ms alto y el
ms bajo
Desviacin Media Promedio de las variaciones individuales
Variancia y
desviacin estndar
Factor estndar con que se alejan los
datos respecto a la media aritmtica
Proporcin Tanto por uno o por
cien
Relevancia de una parte respecto al total
Correlacin Describe si hay relacin entre una
variable y otra.
Regresin Simple
Mltiple
Simula cmo uno o ms factores
determinan uno o ms resultados
Los indicadores estadsticos se calculan casi sin reservas con los datos cuantitativos,
pero si son cualitativos es importante tener presente que dichos indicadores se refieren a
una categora. Suponga que ha realizado una encuesta a 100 preguntndoles si
estudiaran una segunda maestra y se hubieren asignado los siguientes valores a las
categoras de la respuesta: definitivamente s=5, probablemente s=4 indeciso=3,
probablemente no=2, definitivamente no=1; si la media fuere 3.2, revelara que esa
poblacin est casi indecisa para seguir una segunda maestra. La media 3.2 no tiene
ningn significado por s solo, solo indica la categora promedio.
Los indicadores de tendencia central (media aritmtica, mediana, moda, entre otras)
permiten establecer el valor promedio o la cualidad ms frecuente de un conjunto de
datos.
La media aritmtica muestra el valor promedio entre todos los datos de la poblacin
o muestra. Para establecer la media simple, se suman los valores de todos los
elementos y se divide entre el nmero de stos. Para obtener la media ponderada,
aplicable para datos agrupados en intervalos, se obtiene la marca de cada intervalo
((lmite superior + lmite inferior)/2), se obtiene la sumatoria de la multiplicacin de
la marca de clase por su frecuencia y se divide entre la frecuencia total.
La mediana describe el valor central de ese conjunto de datos. Primero se ordenan
los datos en forma ascendente, se ubica el valor que queda en la mitad en el orden de
los dato. Esa mitad se calcula con la frmula (n+1)/2 y se ubica el dato al que
corresponde ese resultado; es directo si ese resultado es entero, pero si contiene
adems una fraccin, se suma los valores de los datos prximos a ese orden con
fraccin y se divide entre 2. Ejemplo: los datos 24, 18, 25, 18, 42 y 32, se ordenan en
163
forma ascendente como: 18, 18, 24, 25, 32 y 42; son 6 datos, ms 1 igual 7; la mitad
3.5, los datos prximos al orden 3.5 son 24 y 25, la suma de ambos entre 2 es igual a
24.5; esa es la mediana. La mediana elimina la relevancia de los datos extremos.
Algunos mtodos no paramtricos de contraste de hiptesis emplean este indicador.
La moda es el valor o rango con mayor frecuencia. En el ejemplo anterior, el nico
dato que aparece dos veces es 18, la moda es sa. Si ningn dato se repitiera no
habra moda y si 2 o ms lo hicieran datos sera multimodal. Como se aprecia no
requiere ningn clculo salvo el conteo. Este indicador no tiene utilidad si no hay
ninguna moda o hay ms de una.
Principales indicadores estadsticos (1 de 2)
MEDIA ARITMETICA
Establece el valor promedio o la
cualidad comn en el conjunto de
datos de la poblacin o muestra.
M= X
i
/n;
Donde:
M = Media aritmtica
X
i
= suma de los valores del
atributo X que asume valores de X
1
hasta X
n
,
n = cantidad de datos.
Ej.: M = (24+18+25+18+42+32)/6
= 159 / 6 = 26.5
Mediana = 24.5
Moda = 18
DESVIACION ESTANDAR
Establece el factor estndar de
alejamiento de los datos respecto a su
media aritmtica.
2
= (X
i
2
nM
2
)/n
2
= Variancia; = Suma de
cuadrados de datos X
1
hasta X
n
; n =
nmero de datos. Si el nmero de
datos es menor a 30, la frmula se
corrige a:
S
2
= (X
i
2
nX
2
)/n 1)
= (
2
)
0.5
= desviacin estndar
Ejemplo:
2
= ((24
2
+ 18
2
+ 25
2
+ 18
2
+
42
2
+ 32
2
)- (6*26.5
2
) ) / (6-1) = 84.7
= 84.7^
0.5
= 9.2
Los indicadores de dispersin (amplitud, desviacin media, varianza y desviacin
estndar) establecen el alejamiento de los datos ente s o respecto a la media.
La amplitud es la diferencia entre el valor ms alto y el ms bajo. En el ejemplo
anterior es entre 42 y 18, es decir 24; es decir, entre el alumno que comprende mejor
y el que lo hace peor hay una diferencia del 24%. Es fcil de calcular pero no
considera otros valores.
Media y desviacin estndar con datos agrupados
Intervalo
Marca
(X)
Frecuencia
(fi) X*fi
16 a 20% 18 4 72,0
21 a 30% 25,5 12 306,0
31 a 40% 35,5 3 106,5
41 a 42% 41,5 1 41,5
Totales 20 526,0
Media 26,3
Intervalo
Marca
(X)
Frecuencia
(fi) X*fi X
2
*fi
16 a 20% 18,0 4 72,0 1.296,0
21 a 30% 25,5 12 306,0 7.803,0
31 a 40% 35,5 3 106,5 3.780,8
41 a 42% 41,5 1 41,5 1.722,3
Totales 20 526,0 14.602,0
Media 26,3 13.833,8
Variancia 40,4
Desviacin estndar 6,4
MEDIA ARITMTICA
DESVIACION ESTANDAR
164
La desviacin media es el promedio de las variaciones individuales, se obtiene
sumando las diferencias en valores absolutos de cada dato con la media entre el
nmero de los datos. Ejemplo: (/24-26.5/+/18-26.5/+/25-26.5/+/18-26.5/+/42-
26.5/+/32-26.5/)/6 = 7. La divisin de esta desviacin entre la media multiplica por
100; es decir: 7/26.5*100 = 26.4%, revela que cada uno de los datos, en promedio,
vara un 26.4%. Tambin es aplicable para datos agrupados en intervalos: se pondera
la diferencia absoluta de las marcas y la media con la respectiva frecuencia y se
divide entre el total de las frecuencias.
La variancia y la desviacin estndar permiten determinar el factor estndar de
alejamiento de los datos respecto a la media aritmtica. La variancia es la media de la
suma de cuadrados de los datos menos su media aritmtica elevado al cuadrado por
la cantidad de datos. Si la cantidad de datos es menos a 30, el denominador se corrige
restando 1 a la cantidad de datos. Otro procedimiento ms extenso consiste elevar al
cuadrado la diferencia del dato menos la media de la poblacin o la muestra, luego
sumarlos y dividirlos entre la cantidad de datos, corregida si es el caso. Al elevar al
cuadrado se eliminan las diferencias negativas. La desviacin estndar es la raz
cuadrada de la variancia.
La variancia ponderada de los datos agrupados en intervalos se calcula como sigue:
a) Se establecer la marca de cada intervalo y se calcula la media ponderada; b) Se
calcula la suma los cuadrados de las marcas y se pondera por sus frecuencias; c) se
eleva al cuadrado la media ponderada y se multiplica por la frecuencia total (ft) y d)
la variancia es igual al resultado del paso b) menos el de paso c), dividido entre
frecuencia total menos 1.
Media y variancia en algunos mtodos no
paramtricos
Prueba de la aleatoriedad de una
muestra de Wald-Wolfowitz
Donde:
n= cantidad de la muestra con cualidad 1
m= cantidad de la muestra con cualidad 2
N = n + m
Ejemplo: una muestra de varones y
damas se extrajo en el siguiente orden:
VVVVDDDVVDDVDVVVDVDD.
Los datos son: n = 11; m = 9; N = 20
Prueba de rangos con signo de
Wilcoxon
Donde:
n = cantidad de datos con diferencia
absoluta diferente a 0
Ejemplo: En una muestra hay 8 datos
con diferencia absoluta distinto a 0
Con el software estadstico SPSS u otros o en el Excel, pueden calcularse la media
aritmtica, la variancia, la desviacin estndar, etc., sin necesidad de agrupar los datos
por ms extensos que sean, los resultados son ms precisos pero son menos ilustrativos
para su exposicin en un informe. En el ejemplo que antecede bastar con ingresar los
165
20 datos, luego aplicar las funciones pertinentes, obtenindose resultados muy cercanos
a los de la tablas que anteceden: media = 26.05; variancia = 6.73.
Algunos mtodos no paramtricos de constraste de hiptesis requieren el clculo de la
media y la desviacin estndar con otros procedimientos. Por ejemplo, para aplicar la
prueba de Wald-Wolfowitz para evaluar si una muestra ha sido extrada aleatoriamente,
esos indicadores se calculan considerando solo la cantidad de datos, al igual que la
prueba de rangos con signos de Wilcoxon. Este mtodo permite verificar la direccin (si
el dato observado es mayor o menor que la mediana) y magnitud del alejamiento
respecto a esa mediana. Esta prueba es tan poderosa como la prueba de la distribucin t,
aplicable para muestras pequeas.
Principales indicadores estadsticos (2 de 2)
PROPORCION
Permite determinar el porcentaje
(tanto por uno o tanto por mil)
que representa un segmento de la
poblacin o muestra con ciertas
cualidades especficas.
p = n
i
/n
Donde: p = proporcin
n
i
= nmero de elementos del
segmento i
n = nmero total de elementos
Ej.: la proporcin de mujeres en
el ejemplo de la base de datos:
p = 9/20 = 0.45
En porcentaje: (9/20)*100 = 45%
Coeficiente de correlacin (r) y
determinacin (r
2
)
r = muestra si hay una relacin entre
una variable y otra u otras.
r
2
= indica la potencia con que una
variable explica a la otra u otras.
Ej.: estimar si las horas de lectura
explican el incremento de la
comprensin lectora.
r
2
= 0.808
Las horas de lectura si lo explican.
El clculo de las proporciones es otra medida que permite determinar el porcentaje (o
tanto por uno o tanto por mil) que representa un segmento o una clase de la poblacin o
muestra con determinadas cualidades especficas. Una proporcin es igual a la cantidad
de elementos que tienen esa cualidad especfica entre el total de elementos de la
poblacin o muestra. Se multiplica por 100 si es porcentaje o por mil si es tanto por mil.
El coeficiente de correlacin (r) muestra si hay alguna relacin entre una variable y otra
u otras. Su valor puede variar entre -1 (si hay relacin negativa) y +1 (si hay relacin
positiva), si r = 0, indica que no hay relacin entre esas variables. Sin embargo, as se
descubra una relacin positiva o negativa, no implica necesariamente que una variable
explica a la otra, an hay el riesgo de que fuere una coincidencia. El coeficiente de
determinacin (r
2
) ms bien indica que una variable puede explicar a otra. En este la
potencia de la explicacin es mejor si se aproxima a 1.
Los modelos de regresin permiten simular cmo uno o ms factores determinan uno o
ms resultados. Aquellas son las variables independientes y stas son las dependientes.
Facilitan la construccin de modelos estadsticos con la finalidad de explicar la relacin
166
causa-efecto. La regresin lineal simple vincula solo dos variables, la regresin lineal
mltiple relaciona tres o ms; una de ellas por general es la variable dependiente o
efecto y los otros factores o variables independientes. Esos modelos pueden adoptar la
forma de una ecuacin lineal, cuadrtica u otra. Para desarrollar el modelo suele
emplearse el mtodo de mnimos cuadrados
41
, que permite ajustar el comportamiento
real de la relacin de dos o ms variables a una media hipottica de esa relacin.
Ejemplo de regresin simple
Ecuacin de la recta: Y = a + bX
donde:
Y = variable dependiente, X = variable
independiente, = error, a = constante,
b = pendiente que relaciona X y Y.
Clculo de los valores de las constantes
Ecuacin estimada: Y = 17.46 + 1.0845 X
n
Comprensin
lectora
Horas de
lectura XY X
2
1 26 12 312 144
2 20 6 120 36
3 26 8 208 64
4 22 0 0 0
5 46 24 1104 576
6 32 12 384 144
Suma 172 62 2128 964
Cuadrados 29584 3844
0
5
10
15
20
25
30
35
40
45
50
0 10 20 30
%
c
o
m
p
r
e
n
s
i
n
l
e
c
t
o
r
a
Horas de lectura
Comprensin
lectora
Lineal
(Comprensin
lectora)
Un modelo de regresin lineal simple se construye como una funcin de la recta: Y = a
+ bX + ), pero pueden tambin funciones curvilneas como la geomtrica: Y = aX
b
+ ,
parablica: Y= a+bX+cX
2
+, etc.; En la ilustracin que se muestra luego, se ha
construido una ecuacin de la recta con los primeros 6 datos del ejemplo de la base de
datos. Es razonable ajustar esos datos a una recta porque su distribucin se concentra
alrededor de una lnea recta hipottica como se aprecia en la grfica adjunta. Si se
utiliza el mtodo de mnimos cuadrados, para calcular los coeficientes de regresin a y
b, se elaboran las ecuaciones simultneas, lo que se logra extendiendo la ecuacin de la
recta: primero se introduce la sumatoria, resultando: Y = na + bX; luego se
multiplica por X a esta ecuacin, con lo que resulta la segunda ecuacin simultnea:
XY = aX + bX
2
. La constante a se deduce de la primera ecuacin, la b de la
segunda, pero antes se reemplaza a con lo deducido de la primera ecuacin.
La ecuacin estimada Y = 17.46 + 1.0845X permite estimar que a mayor cantidad de
horas de lectura le corresponde una mejor la comprensin lectora, la pendiente
(constante b) muestra que por cada hora adicional, la comprensin lectora mejorar en
un 1.08%. Tambin puede calcularse la interseccin de la funcin de la recta con el eje
las ordenadas (constante a) y su pendiente (constante b) haciendo uso de las funciones
del Excel.
41
El mtodo de mnimos cuadrados permite reducir al mnimo el error aleatorio ().
167
Ejemplo de regresin mltiple
Ejemplo: la formacin acadmica (X
1),
el
sueldo que percibe el trabajador (X
2
) y la
experiencia laboral (X
3
) explican la
productividad laboral (Y).
Modelo de ecuacin lineal con cuatro variables:
Y = a + b
1
X
1
+b
2
X
2
+ b
3
X
3
Ecuaciones simultneas para resolver a travs
de mnimos cuadrados
Y = na + b
1
X
1
+b
2
X
2
+ b
3
X
3
YX
1
= aX
1
+ b
1
X
1
2
+b
2
X
2
X
1
+ b
3
X
3
X
1
YX
2
= aX
2
+ b
1
X
1
X
2
+b
2
X
2
2
+ b
3
X
3
X
2
YX
3
= aX
3
+ b
1
X
1
X
3
+b
2
X
2
X
3
+ b
3
X
3
2
Haciendo uso del software estadstico SPSS,
versin 18, se obtuvo los siguientes valores
para los coeficientes:
a = -10.84 b
2
= 3.303
b
1
= 0.563 b
3
= -0.178
Y
Miles S/.
X
1
Aos
escolaridad
X
2
Miles S/.
X
3
Aos
18.4 18 5 5
12.8 16 5.2 16
9.1 18 4 10
8.0 15 4.5 5
5.2 11 3 2
3.0 11 2.5 10
DATOS
Con los antedichos datos se estima el
siguiente modelo para explicar la
productividad laboral:
Y = -10.84 + 0.563X
1
+ 3.303X
2
- 0.178X
3
La regresin mltiple relaciona tres o ms variables, generalmente una de ellas es
dependiente y las otras independientes; por ejemplo, un modelo lineal de tres variables
puede ajustarse a la ecuacin: Y = a + b
1
X
1
+ b
2
X
2
+ . Si se emplea el mtodo de
mnimos cuadrados, para calcular los coeficientes de regresin, se construye un sistema
de ecuaciones simultneas, similar a la regresin lineal simple, ms una tercera que
resulta de multiplicar la primera con la nueva variable:
Para considera ms variables deber aumentarse el nmero de ecuaciones simultneas,
tambin los coeficientes de regresin. Estos sistemas, por su complejidad, se resuelven
empleando el algebra matricial, software estadsticos (SPSS, BMDP, MINITAB, etc.),
etc. Una regresin de tipo curvilnea: Y= a+bX+cX
2
+, tambin puede resolverse
empleando el modelo de regresin mltiple. La variable X
2
se considera como una
segunda variable, igual su coeficiente.
Interpretar los resultados. La informacin que proporcionan los datos sistematizados
describe las caractersticas generales y particulares de los elementos que conforman la
muestra del objeto de estudio. A partir de estos resultados puede inferirse los valores
que pueden asumir esas cualidades o variables en la poblacin o cmo estas pueden
comportarse ante determinados impulsos.
168
Actividad N 10.1 (1 de 2)
1. Qu rol juegan los datos en un
trabajo de investigacin?
2. Describa el proceso que se emplea
para procesar los datos en la
disciplina que estudia o ejerce.
3. Elabore una ficha de cotejo para
controlar la calidad de los datos
recogidos al realizar las tareas 10,
12, 17 y 20 de la actividad 9.1.
Aplique esa ficha.
4. Cmo se homogenezan las
respuestas cualitativas abiertas?
5. Establezca un sistema para
codificar los datos recogidos al
realizar las tareas 10, 12, 17 y 20
de la actividad 9.1. Aplique ese
sistema de codificacin.
6. Clasifique los datos recogidos al
realizar las tareas 10, 12, 17 y 20
de la actividad 9.1 en cuantitativos
y cualitativos. Asigne un valor
numrico a los datos cualitativos.
8. Elabore bases de datos con los
datos recogidos al realizar las
tareas 10, 12, 17 y 20 de la
actividad 9.1
9. Utilizando esas bases de datos,
agrupe los datos por rangos o
categoras segn corresponda.
10. Calcule la media, la moda y la
desviacin estndar para los datos
registrados en esas bases de datos.
Actividad N 10.1 (2 de 2)
11. Calcule la directamente la media,
la moda y la varianza con los datos:
49, 15, 49, 69, 52, 45, 45, 18, 19,
66, 15, 12, 48, 45, 22, 58, 46, 36,
18, 26, 28, 51, 56, 24, 34, 28, 45,
19, 62, 14, 29, 34, 42, 28, 25, 42,
18, 42, 36, 28, 56, 42, 18, 26, 43,
50, 16, 28, 24, 32, 15, 19, 62, 29
12. Agrupe por rangos los datos de la
pregunta anterior.
13. Elabore la tabla de frecuencia por
rangos. Con esta tabla calcule la
media, la varianza y la desviacin
estndar.
14. Calcule la media y la variancia con
el paquete SPSS y compare los
resultados con los 3 mtodos.
15. Calcule la media, la variancia y
la desviacin con los datos:
16. Con SPSS estime la correlacin
y la regresin de los datos:
CATEGORIA Frecuencia
Completamente insatisfecho 53
Insatisfecho 46
Ni insatisfecho ni satisfecho 30
Satisfecho 28
Muy satisfecho. 22
Y X1 X2 X3
15 98 425.2 8
32 135 896.5 15
18 112 628.4 13
25 136 724.1 16
24 122 736.4 14
22 118 742.2 13
169
Capitulo 11
METODOS DE CONTRASTE DE HIPOTESIS
11.1 Concepto
Al procedimiento que conduce a la decisin de aceptar o rechazar una hiptesis sobre la
base de las evidencias empricas o formales obtenidas en el proceso de la investigacin
se le llama prueba o contraste de hiptesis. Esta prueba permite reducir el riesgo de
aceptar como verdad una conjetura falsa; sin embargo, an con esa precaucin, la
calidad de la informacin recogida y su consistencia respecto a la poblacin objetivo,
son factores que garantizan la validez y la confiablidad de los resultados del contraste de
hiptesis. Validez se refiere a una informacin exacta y relevante, es decir, que
correspondan y sean coherentes con la realidad observada; tambin est relacionada con
la congruencia de los instrumentos de medicin con los conceptos que se quieren medir
y con referentes externos. Una informacin es confiable si lo dicen varias personas y
significa lo mismo para todos ellos.
Verificar o contrastar una hiptesis consiste en confrontar las evidencias obtenidas con
la hiptesis, es decir con la conjetura planteada en el proyecto de investigacin; para
ello con frecuencia se emplean las pruebas estadsticas de inferencia, pero tambin es
vlido emplear mtodos lgicos, particularmente en los trabajos de investigacin
cualitativos. La inferencia estadstica se aplica sobre las evidencias que se obtuvo de las
muestras. Con esa informacin se estima las caractersticas generales o los parmetros
de la poblacin
42
o el acercamiento del indicador de la muestra a la distribucin
hipottica de la poblacin.
Contraste de hiptesis
Es el procedimiento que conduce a la decisin de aceptar o rechazar
una hiptesis, a partir del resultado de una prueba estadstica o lgica,
a la que se someten los datos obtenidos.
La pruebas estadsticas consisten en verificar si la distribucin de
los descriptores de la muestra se ajustan a los de la poblacin.
Las pruebas lgicas emplean los mtodos del razonamiento formal,
tales como los silogismos deductivos e inductivos.
U
-2S
2S
Distribucin
de la muestra
Distribucin
de la poblacin
11.2 Las hiptesis estadsticas
42
Berenson y Livinsky. Pg. 232.
170
Una hiptesis estadstica es una afirmacin provisional o conjetura acerca de la
distribucin aleatoria de una o ms variables. Con el propsito de facilitar su
verificacin se plantea una hiptesis nula y su alterna. En el proceso de la contrastacin
se verifica la persistencia de la hiptesis nula; es decir, que la distribucin aleatoria de
esa variable sigue siendo la misma, solo cuando esa distribucin permite deducir que la
media u otros descriptores de la poblacin fuera de ella se descarta la hiptesis nula y se
acepta la alterna.
Hiptesis nula (H
0
): enuncia que no hay diferencia entre los descriptores que se han
de comparar, que el descriptor de la muestra o la poblacin resultante del reciente
trabajo de investigacin no es diferente al que se tena antes. Por lo general, la
hiptesis nula se plantea de tal modo que especifique un valor exacto del parmetro.
Ejemplo: la media de la muestra que recibi tratamiento es igual al de la poblacin
(H
o
: M = U).
Hiptesis alterna (H
a
): enuncia que si hay diferencia entre los descriptores que se
han de comparar. Se le llama tambin hiptesis de trabajo o de investigacin. En
realidad es la que pretende validar el investigador; sin embargo, si en el trabajo no
logra aceptar esta hiptesis, de ninguna manera ese trabajo tiene menor valor; mas
bien es una constancia de que el conocimiento previo sigue vigente. La hiptesis
alterna se plantea de manera opuesta a la hiptesis nula. Si la hiptesis nula afirma
que el nuevo descriptor es igual al previo, la alterna afirma que es diferente; si la
nula afirma que igual o menor, la alterna afirma que es mayor, etc. Ejemplo: la
media de la muestra tratada es diferente al de la poblacin (H
a
: M U).
La hiptesis nula se verifica en el marco de un intervalo de confianza. Este se define
como el rea donde probablemente caiga el descriptor de una poblacin si sta tiene una
distribucin aleatoria; se encuentra dentro de ciertos lmites configurados por su
desviacin estndar (), en el entendido de que los elementos de esa poblacin y sus
descriptores o parmetros de distribuyen de manera estndar alrededor de su media,
adoptando la figura de una campana de Gauss; es decir, concentrados en la parte central
y menos densos cuando se alejan de esa ubicacin. Est demostrado que el 95% de los
elementos de la poblacin o de los estadgrafos de las muestras se encuentran de los
lmites 2 .
El intervalo de confianza est relacionado con el nivel de confianza (1 ) con que se
realiza la inferencia estadstica, siendo el nivel de error (5, 1, 0.1%) de rechazar la
hiptesis nula siendo verdadera (error de tipo I). Al rea que colinda con el intervalo de
confianza se le llama regin crtica. Cuando la regin crtica es ms amplia, el nivel de
confianza es menor. Ejemplo: la media de la poblacin U a la probabilidad de (1 ) se
encontrar dentro de los mrgenes M Z (/n
1/2
), es decir
43
:
43
El fundamento del clculo del tamao de la muestra tambin son estos lmites de confianza: P(M Z
(/n
1/2
)) = 1- . El error muestral es la diferencia entre la estimacin de la muestra y el parmetro U de la
poblacin; es decir Z (/n
1/2
), por tanto e = Z /n
1/2
, luego en
1/2
= Z, entonces n = Z
2
2
/e
2
. En las
proporciones el razonamiento es similar: Z = (p p
p
)/(pq/n)
, entonces e = Z(pq/n)
1/2
, luego ne
2
= Z
2
pq ,
finalmente n = Z
2
pq/e
2
.
171
P(M Z (/n
1/2
) U M + Z (/n
1/2
) = 1
Suponga que est investigando sobre el rendimiento acadmico promedio de los
alumnos de la secundaria de la Regin y acepta el riesgo del 5% de rechazar la hiptesis
nula. Estableci que la media de una muestra de 60 alumnos es 13 y su varianza 16.
Utilizando la tabla Z, los lmites de confianza (valores crticos) son 10.93 y 15.07,
respectivamente. Hay el 95% de confianza de que el parmetro (media, en este caso) de
la poblacin se encuentre entre esos valores crticos y mientras la media de cualquier
muestra de esa poblacin (sea tratada o no) no exceda esos lmites, ese parmetro sigue
vigente.
P (13 1.96 (16/60
1/2
) U 13 + 1.96 (16/60
1/2
) = 0.95
Los lmites de confianza dividen a las distribuciones estadsticas (normal: Z, t Student,
Ji cuadrada: X
2
, Fisher: F, etc.) en un rea de aceptacin y otra de rechazo si la prueba
es de una cola o dos reas ubicados en los extremos si la prueba de dos colas. Los
valores ubicados en las fronteras de esas regiones se denominan valores crticos. En el
anterior ejemplo, dichos valores en extremo izquierdo es 10.93 y en extremo derecho
15.07, empleando la tabla Z y aceptando el 5% de error. La hiptesis nula se rechazar
si y solo si la media de la muestra es menor que 10.93 o mayor que 15.07. El rechazo de
la hiptesis nula, implica aceptar la hiptesis alterna, sin necesidad de ninguna prueba
adicional; esta es el procedimiento que se sigue para comprobar las hiptesis de de
trabajo o investigacin.
Al aceptar o rechazar la hiptesis nula, de todos modos se incurre en el riesgo de de
llegar a una conclusin incorrecta, llamados errores de tipo I y tipo II. El error de tipo I
(e = 1 ); es la probabilidad de rechazar la hiptesis nula, cuando en realidad es
verdadera. El error tipo II () es la probabilidad de aceptar la hiptesis nula cuando en
realidad es falsa.
HIPOTESIS ESTADISTICAS
Una hiptesis estadstica es una
conjetura acerca de la distribucin
aleatoria de una o ms variables.
Nula (H
0
): enuncia que no hay
diferencia entre los descriptores a
comparar.
Ej.: la media de la muestra es igual
al de la poblacin
H
o
: M = U
Hiptesis alterna (H
a
): enuncia
que si hay diferencia entre los
descriptores a comparar.
Ejemplo: la media de la muestra es
diferente al de la poblacin:
H
a
: M U
CONCEPTOS
U
-2S -2S
Intervalo de confianza
Regin
crtica
Valor
crtico
Una cola
Dos colas
172
El estadgrafo , llamada tambin nivel de significacin, depende del riesgo que se
puede tolerar si el investigar incurre en el error de tipo I. Obviamente en los temas
relacionados con la vida humana, esa tolerancia es mnima. Establecido el nivel de
significacin, se pueden determinar el valor crtico (si es de una sola cola) o los valores
crticos (si es de dos colas) que dividen las regiones de rechazo y aceptacin.
A diferencia del estadgrafo que tradicionalmente asume un valor especfico, el
estadgrafo depende del modo y la forma cmo la hiptesis nula resulta falsa. Si se
obtiene mayor cantidad de datos y son de la mejor calidad, el riesgo de incurrir en error
de tipo II es menor, pero el costo es mayor. El complemento 1- es la potencia o la
sensibilidad de la prueba estadstica porque determina la posibilidad de rechazo
correcto de la hiptesis nula en diversas circunstancias. El investigador tiene que
equilibrar la presencia de ambos tipos de errores; si se reduce , aumenta o viceversa;
deber evaluar el grado de riesgo que puede asumir al aceptar una hiptesis nula que
realmente es falta.
Los valores crticos se establecen en concordancia con la direccin (mayor o menor o
ambos que la media de poblacin) que asumen las hiptesis alternas o de investigacin.
Las pruebas desde esa perspectiva son de dos clases:
Prueba de una cola: se emplea cuando la hiptesis alterna establece una sola
direccin, por ejemplo: H
o
: el ingreso promedio de las mujeres es igual al ingreso
promedio de los hombres; y H
a
: el ingreso promedio de las mujeres es mayor al de
los hombres.
Prueba de dos colas: no establece una direccin especfica de la hiptesis alterna;
por ejemplo: H
o
: el ingreso promedio de las mujeres es igual al ingreso promedio
de los hombres; y H
a
: el ingreso promedio de las mujeres es diferente al de los
hombres.
11.3 Procedimiento bsico de contraste de hiptesis
El contraste estadstico de las hiptesis inicia desde su planteamiento hasta el anlisis y
la discusin de las implicancias que se derivan de la aceptacin o rechazo de la hiptesis
nula. Es una secuencia de argumentos, tcnicas y criterios estadsticos, cuya finalidad es
garantizar la aplicacin sistemtica y consistente de la prueba estadstica pertinente la
naturaleza de los datos que se emplean para contrastar las hiptesis.
Formular la hiptesis nula y alterna en trminos de valores claramente discernibles, de
modo que sea fcil de operacionalizarlo, realizar con ellos clculos numricos. Ejemplo:
H
o
: El ingreso promedio mensual de las mujeres empresarias no es mayor al
promedio de la poblacin (S/ 1600).
H
a
: El ingreso promedio mensual de las mujeres empresarias es mayor al promedio
de la poblacin (S/ 1600).
Estas hiptesis son claramente opuestas (no mayor - mayor), la variable a observar est
operacionalizada en trminos de soles y el valor del parmetro de la poblacin est
claramente establecida: S/ 1,600 es el promedio de ingresos de la poblacin.
173
Procedimiento de contraste de Hiptesis
1.Formular las hiptesis nula y
alterna en trminos de valores
claramente discernibles.
2.Establecer muestra, recoger y
procesar datos: considerando el
riesgo de incurrir en los errores I y
II, las restricciones del presupuesto
y la urgencia de concluir con el
trabajo. Con los datos calcular
estadsticos (media, variancia, etc.)
3.Establecer los valores crticos que
dividen las regiones de aceptacin y
rechazo (lmites de confianza). Esos
valores estn asociados al nivel de
error (= 0.05, 0.01): menos datos
mayor posibilidad de error, menor
probabilidad de descartar H
o
.
4. Prueba de inferencia estadstica.
a) Calcular distribucin del
estadstico (Z
c
, t
c
) con SPSS o con:
b) Comparar con los lmites de
confianza, segn SPSS o la tabla.
c) Si Z
c
< Z
t
Z
c
> Z
t ,
rechazar H
o
5. Evaluar las implicancias tericas
y prcticas de aceptar o rechazar la
Ho, al amparo del marco terico.
Es la parte ms reflexiva, el
investigador pone a prueba su
capacidad de interpretacin,
anlisis y creatividad intelectual.
Establecer la muestra, recoger y procesar datos: considerando el riesgo de incurrir en
los errores I y II, las restricciones del presupuesto y la urgencia de concluir con el
trabajo. El tamao de la muestra est asociado al margen de error ( = 0.1, 0.5, 0.01)
que asume el investigador si, debido a la cantidad de evidencias insuficientes, acepta
una hiptesis que realmente es falsa. Como se describi en el tem que antecede, la
relacin entre el nivel de error y la cantidad es inversa: cuanto menor es el nmero de
evidencias, el riesgo de incurrir en error es mayor; en cambio la relacin entre el nivel
de error y la probabilidad de aceptar la hiptesis alterna es directa. El error de tipo II
est relacionado ms con la calidad de la recoleccin y procesamiento de los datos: tipo
de muestreo, la calidad de los instrumentos, entre otras. Lo que pretende el investigador
es rechazar la hiptesis nula y aceptar la hiptesis alterna, pero asumiendo un riesgo
mnimo de aceptar la hiptesis alterna cuando en realidad es falsa, debido a la falta de
rigor en la cantidad y calidad de los datos.
Ejemplo de contraste de Hiptesis
H
a
: El ingreso promedio mensual de
las mujeres empresarias es mayor al
promedio de la poblacin (S/ 1600).
H
o
:I
m
= 1600 H
a
: I
m
> 1600
Datos recolectados:
Ingresos de una muestra de mujeres
empresarias, en S/.
1520, 2612, 1963, 5428, 4120, 869,
2200, 3854, 2853, 968, 3120, 8912,
2100, 850, 1590, 1800, 2600, 652,
2896, 3598, 1842, 3826, 2896, 1916,
550, 896, 1589, 1623, 4569.
Estadsticos (calculados esos datos
de la muestra):
Media: 2548.7
Desviacin estndar: 1752.1
Distribucin t de la muestra:
Distribucin t hipottica (de la tabla)
Lmite superior al 5% de error: 2.048
Lmite superior al 1% de error: 2.763
Contraste:
2.915 > 2.048 al 5% de error
2.915 > 2.763 al 1% de error
Se descarta H
o
y se acepta H
a
Conclusin:
El ingreso promedio de las mujeres
empresarias es S/ 2548.70**, superior
al promedio de la poblacin.
* Significativo (95%)
** Muy significativo (99%).
Los modelos de los diseos experimentales procuran reducir el riesgo de incurrir en
esos tipos de errores, al requerir grupos equivalentes al inicio del experimento y el
174
control de la aplicacin de los factores. En estos modelos el tamao de la muestra est
dato por lo requerido mnimamente por esos modelos.
Hay dos criterios extraos, las referidas al presupuesto y tiempo, que tambin suelen
incidir en la decisin del investigador respecto al tamao de la muestra.
Ejemplo: Para contrastar las antedichas hiptesis, primero se establece la poblacin
de mujeres empresarias, luego se estima el tamao de la muestra, se practica el
muestreo y se recolecta los datos.
Establecer los valores crticos que dividen las regiones de aceptacin y rechazo, cuyas
fronteras estn sealadas por los valores de los lmites de confianza. Ejemplo: al 95% de
confianza, ese valor en la distribucin Z es 1.96 desviaciones estndar (S), en la
distribucin t es 2 S, a 60 grados de libertad; al 99% Z = 2.33 y t = 2.39. Esos valores
crticos estn asociados al nivel de error ( = 0.05, 0.01). Cuando es los lmites de
confianza estn ms alejados de la media, hay menos probabilidad de incurrir en el error
de aceptar la hiptesis alterna, siendo sta falsa; pero se tambin se requiere ms datos,
obviamente hay menor probabilidad de descartar H
o
.
Ejemplo: Segn la diapositiva con el ejemplo se muestra que se ha recogido 29 datos,
es decir una muestra pequea. El tipo de distribucin aplicables es la t student, cuyos
valores crticos al 5% de error y 28 grados de libertad (n-1) es: inferior:-2.048 y
superior: + 2.048; al 1% son: inferior:-2.763 y superior: + 2.763. Es ms, la hiptesis
alterna tiene una sola cola ( es mayor al ), el valor crtico referente con el que se
comparara la distribucin t calculada es el del lmite superior, sea al 5 o 1% de error.
Contraste de hiptesis. Se aplica la prueba estadstica pertinente, escogido entre los
mtodos habituales de contraste de hiptesis o el que hubiere diseado el investigador.
Por lo general, primero se calcula los estadsticos (media, desviacin estndar u otra)
con los datos de la muestra, luego la distribucin del estadstico (Z
c
, t
c
, X
c
2
, F
c
, etc.), por
ejemplo con la siguiente frmula:
Z
c
=
EstoJistico -Pormctro
cs:iocion EstnJorn
Ese valor calculado se compara con los valores crticos estndares (los de la tabla) de
las respectivas distribuciones (Z
t
, t
t
, X
t
2
, F
t
, etc.). Si el valor calculado queda fuera de los
lmites de confianza (por debajo o por encima de los valores crticos), se acepta la
hiptesis alterna, caso contrario sigue vigente la hiptesis nula. Visto de esa manera,
esta prueba es contundente, pero mantiene implcito el grado de error que se mencion
lneas arriba.
11.4 Mtodos de contraste de hiptesis
El contraste de hiptesis bsicamente es la confrontacin de los estadsticos calculados
con los datos de las evidencias para contrastar las hiptesis con los parmetros de la
poblacin o con los estadsticos de las otras muestras, usando alguna distribucin como
la normal (Z), t student, X
2
, F. Un mtodo de contraste de hiptesis precisamente es un
procedimiento que se emplea para llevar sistemticamente esa confrontacin. Conducen
175
a la decisin de aceptar o rechazar una hiptesis en mrito al resultado de una prueba
probabilstica, eliminando toda mera coincidencia. Los libros de estadstica exponen
varios de stos, que por lo general los agrupan en dos grandes grupos:
Mtodos paramtricos y no paramtricos
PARAMTRICOS
Se emplean para contrastar las
hiptesis cuyas variables son
numricas.
Implican confrontacin con
parmetros hipotticos que
proporcionan la distribucin
normal, distribucin t, etc.
Se basan en los supuestos:
Muestras aleatorias y
obtenidas de una poblacin
con una distribucin normal.
Las observaciones son
independientes entre s.
NO PARAMTRICOS
Se emplea para datos
cualitativos, muestras
pequeas o no aleatorios.
Son apropiados para trabajar
con escalas nominales,
ordinales o proporcionales.
Son fciles de aplicar, tienen
menos supuestos, son ms
econmicos; pero en ciertas
condiciones pueden ser tan
potentes como los mtodos
paramtricos.
Mtodos paramtricos: se caracterizan porque se emplean para contrastar las hiptesis
cuyas variables son numricas. La confrontacin se realiza con parmetros hipotticos
que proporciona la distribucin normal, ocasionalmente se emplea otra (distribucin t,
etc.). Estos mtodos suponen que los datos corresponden a muestras grandes que fueron
obtenidas al azar de una poblacin cuya distribucin es normal y, que adems las
observaciones que se tomaron de manera independiente unas de otras. Son preferibles
por su alta sensibilidad y fidelidad, pero son costosas, inaplicables con poblaciones
pequeas, casos atpicos, etc.
Mtodos no paramtricos: permiten emplear datos cualitativos, de muestras pequeas,
incluso de las muestras no aleatorias, apropiados para trabajar con escalas nominales,
ordinales o proporcionales. Son fciles de aplicar, tienen menos supuestos, son ms
econmicos; pero en ciertas condiciones pueden ser tan potentes como los mtodos
paramtricos; sin embargo, se reconoce que son menos confiables para generalizar.
Clasificacin de mtodos de contraste de hiptesis por
el nmero de muestras y factores
Nmero de muestras
y factores
MODELO Descripcin
Pruebas para una
muestra y un solo
factor
Inferencia de una media Verifica si la media de una muestra que fue
tratada sigue siendo igual al de la poblacin
Inferencia de una proporcin Verifica si la proporcin de una muestra que
fue tratada es la misma de la poblacin
Prueba de Wald-Wolfowitz Verificar si una muestra se ha tomado al azar.
Pruebas para dos
muestras y un solo
factor
Diferencia de dos medias Verifica si la media del grupo experimental
sigue siendo igual al del grupo testigo.
Diferencia de dos variancias Verifica si la variancia del grupo experimental
sigue siendo igual al del grupo testigo.
Prueba de Wilcoxon Verifica si hay diferencia entre las medianas de
dos grupos de datos cualitativos.
Pruebas de dos o ms
de muestras y un solo
factor
De X
2
(bondad de ajuste) Verifica si hay asociacin entre dos variables
Anlisis de va niveles de
tratamiento con un solo factor
Estima si hay variancias entre y dentro de los
grupos testigo y experimentales
Ms de dos muestras
y dos o ms factores
Diseo factorial Estima los posibles efectos de la interaccin
entre las variables
Correlacin de dos o
ms variables
Correspondencia entre dos o
ms variables.
Mide el grado de incidencia de los factores en
los resultados.
176
Los mtodos que se mencionan a continuacin, algunos son paramtrico, otras no lo
son. El propsito no es introducir una nueva clasificacin, sino ms facilitar al lector la
bsqueda de un mtodo, pero desde la perspectiva del nmero de muestras y factores
est considerando para contrastar la hiptesis de su trabajo de investigacin.
Pruebas de una muestra y un solo factor
Estas pruebas permiten inferir si el estadstico (media, variancia, etc.) de una muestra
que ha recibido alguna clase de intervencin o tienen alguna cualidad particular es igual
al la poblacin. Se requiere conocer el parmetro previo de la poblacin con la cual se
quiere comparar.
11.4.1 Inferencia de una media
Permite verificar si la media calculada con los datos de una muestra es distinta al de la
poblacin. El procedimiento general tambin se aplica:
1 Se calcula la media (M) y la desviacin estndar (S) de los datos de la muestra.
2 Se calcula el valor de la distribucin t
c
si la muestra es pequea o de la
distribucin Z
c
si la poblacin es grande (ms de 30 elementos), con la frmula:
t
c
=
H -u
S
n
3 Se establece el valor crtico de la distribucin t
t
o Z
t
(segn sea el caso) al 5 y 1%.
4 Se confronta t
c
con t
t
o Z
c
con Z
t
, segn corresponda.
5 Si la hiptesis alterna es de dos colas (H
a
: M U), se rechaza H
o
: M = U si t
c
<t
t
o
t
c
>t
t
. Si es de una sola cola (H
a
: M >U) se rechaza H
o
: M < = U, si t
c
>t
t
o si H
a
: M <U
se rechaza H
o
: M > = U, si t
c
<t
t.
11.4.2 Prueba de la variancia de una muestra
Permite verificar si los datos de la muestra tienen la misma variancia que la poblacin.
Se contrastan las hiptesis nula H
o
: S
2
=
2
y la alterna de dos direcciones H
a
: S
2
2
o
de cola a la izquierda H
a
: S
2
<
2
o cola a la derecha H
a
: S
2
>
2
. El procedimiento
preliminar es similar al anterior, excepto el clculo de la distribucin del estadstico:
X
2
=
(n -1)S
2
2
11.4.3 Inferencia de una proporcin
La proporcin p representa la relevancia de los elementos que renen una cualidad, que
no lo tienen los dems. Si la muestra es grande, la distribucin normal se aproxima a la
distribucin binomial, cuya frmula se emplea para calcular el estadstico que se
confrontar con el parmetro.
Z
c
=
p -P
_
p(1 -p)
n
177
Ejemplos de prueba de una variancia y un proporcin
Prueba de variancia de una muestra
Se investiga si los alumnos
responden de similar manera a un
trato ms cordial de los docentes,
aunque se presume que algunos lo
consideran una falta de autoridad.
Anteriormente el promedio de notas
era 12.35 con = 2.7. Luego de un
periodo acadmico con trato cordial,
la media de las notas de 20 alumnos
fue 14.05 con S = 2.52.
X
t
2
a 5% de error y 19 gl = 30.1
X
c
2
< X
t
2
se acepta H
o
, la notas no
mejoraron significativamente.
Inferencia de una proporcin
Un estudio anterior estableca que el
60% de los egresados de la UJCM
encontraban un empleo antes de un
ao. Ahora, los planes de estudios
incluyen una materia sobre
Marketing Personal y Profesional.
Ese curso contribuye a mejorar la
colocacin de los egresados? Segn
el estudio reciente de 130 egresados,
el 70% se coloc antes de un ao.
Z
t
al 5% de error = 1.96
Z
t
al 1% de error = 2.33
Z
c
> Z
t
se rechaza H
o
, el curso ha
contribuido significativamente.
11.4.4 Prueba de aleatoriedad de una muestra de Wald-Wolfowitz:
Se emplea para probar si los datos obtenidos constituyen una muestra aleatoria, tambin
para determinar si cualquier sucesin de datos recopilados son aleatorios; ambas son
condiciones necesarias para inferir con propiedad un parmetro a partir de una muestra.
El mtodo tambin se aplica para probar si ocurren desfases endmicos, ejemplo: las
fallas productivas o de atencin en turnos de madrugada o de los feriados, etc. Se
emplea la siguiente prueba:
Z
c
=
K - u
k
o
K
Ejemplos de prueba de X
2
y de aleatoriedad
Prueba X
2
de una variable
Se llev a cabo una encuesta sobre el
nivel de satisfaccin de los servicios
tursticos de una ciudad. la frecuencia
observada (f
o
) fue:
Prueba de la aleatoriedad de una
muestra de Wald-Wolfowitz
Ejemplo: una muestra de varones y
damas se extrajo en el siguiente orden:
VVVVDDDVVDDVDVVVDVDD,
cuyos estadsticos son:
U
k
= 10.9
k
= 2.153
K = 5 (nmero de vueltas completas)
Z
t
al 5% de error = - 1.96
Z
t
al 1% de error = - 2.33
Z
c
< Z
t
Entonces se rechaza H
o
Conclusin: La muestra no ** se obtuvo
aleatoriamente.
CATEGORIA f
o
f
e
(f
o
-f
e
)
2
(f
o
-f
e
)
2
/f
e
Muy satisfecho 15 20 25 1,25
Satisfecho 24 20 16 0,8
Neutral 32 20 144 7,2
Insatisfecho 17 20 9 0,45
Muy
insatisfecho 12 20 64 3,2
TOTALES 100 100 258 12,9
Prueba X
2
de una variable
Se llev a cabo una encuesta sobre el
nivel de satisfaccin de los servicios
tursticos de una ciudad. la frecuencia
observada (f
o
) fue:
X
c
2
= 12.9
X
t
2
al 5% de error y 4 gl =11.14
X
t
2
al 1% de error y 4 gl = 14.86
Hay un sesgo* hacia la satisfaccin.
11.4.5 Prueba de X
2
de una variable
178
Permite comparar la distribucin de frecuencias reales u observadas (
o
)de las
categoras de una variable con la frecuencia esperada (
c
) de cada una de esas
categoras. Segn la hiptesis nula, la distribucin esperada es la misma en todas las
categoras, es decir si hay 5 categoras, a cada categora debe corresponderle el 20% de
las frecuencias. Se emplea la tabla de contingencias para calcular el valor del estadstico
a confrontar:
X
c
2
=
(
o
-
c
)
2
c
11.4.6 Prueba de Wilcoxon de rangos con signo de una muestra
Considera no solo si un valor observado es mayor o menor que la mediana hipottica,
sino tambin cuan grande o pequea es. El mtodo requiere muestreo aleatorio e
independiente, datos continuos y diferencias (D) aproximadamente simtricos. Con los
datos de muestra se obtiene las diferencias entre cada uno de los valores observados y la
mediana de la poblacin (M
e
), luego esos datos se convierten a sus valores absolutos
(/D/) pero sin perder de vista el signo original que tena la diferencia, se asignan el
rango o el orden que corresponde a cada valor absoluto empieza por 1 hasta la ensima
diferencia
44
, se vuelve a asignar el signo original a estos rangos, se suma los que tienen
valor positivo y se aplica ala prueba de Wilcoxon
45
.
Z
c
=
w -u
w
o
w
Ejemplo de prueba de rangos con signo de Wilcoxon
Ente N % Renta D=X
i
-M
e
Orden /D/ Signo
1
20 2 4,5 +
2
19 1 3,5 +
3
22 4 6,5 +
4
19 1 3,5 +
5
13 -5 2,5 -
6
12 -6 3,5 -
7
17 -1 1,5 -
8
10 -8 5,5 -
9
9 -9 6,5 -
10
11 -7 4,5 -
11
15 -3 0,5 -
12
8 -10 7,5 -
13
17 -1 1,5 -
14
16 -2 0,5 -
Totales W = 15.5
Antes de la crisis financiera mundial
de 2008, la rentabilidad del sector
privado era 18% (H
o
= 18%). En
2009 se ha tomado una muestra de
14 empresas, cuyas rentabilidades se
presentan en la tabla de a lado.
Z
t
al 5% de error = -1.96
Z
t
al 1% de error = -2.33
Z
c
< Z
t
se rechaza H
o
, la rentabilidad
ha disminuido significativamente.
Pruebas de dos muestras y un solo factor o cualidad
44
Si hay empates se asigna el valor promedio. Ejemplo: empataron en el tercer lugar las diferencias
absolutas (13.5 y 13.5), a ambos se les asigna 3.5 porque a uno le hubiera correspondido 3 y al otro 4,
cuyo promedio es 3.5
45
Berenson y Livinsky. Pag. 424
179
Estas pruebas permiten inferir los efectos de un factor comparando los indicadores
estadsticos de dos muestras, una de ellas es el referente o testigo, la otra muestra recibe
un tratamiento o tiene otra cualidad.
11.4.7 Diferencia de dos medias
Esta prueba se emplea para comprobar si las medias (M) de dos muestras son diferentes.
Se plantea las hiptesis nula H
o
: M
1
=M
2
.y la hiptesis alterna de dos direcciones (H
a
:
M
1
M
2
) o de una cola a la izquierda (H
a
: M
1
< M
2
) o a la derecha (H
a
: M
1
> M
2
). Se
emplea la frmula siguiente, donde s
p
2
es la variancia de la poblacin, que puede
estimarse tambin a partir de los datos del conjunto de ambas muestras. Los grados de
libertad, dato para estimar t
t
, es igual a n
1
+ n
2
-2.
t
c
=
H
2
- H
1
_s
p
2
(
1
n
1
+
1
n
2
)
11.4.8 Igualdad de dos variancias
Permite comprobar si la varianza de una muestra que tiene una cualidad particular
(ubicacin geogrfica, alguna capacidad, habilidad, etc.) o recibe algn factor, es
diferente a otra muestra que no tiene esa cualidad o recibe ese factor. Se emplea la
frmula siguiente para calcular el valor crtico de las muestras que se confrontan luego
con el de la distribucin F (Fisher), a (n
1
-1) y (n
2
-2) grados de libertad. S
1
2
es la
variancia de la primera muestra,
S
2
2
es la variancia de la segunda muestra 2.
F
c
=
S
1
2
S
2
2
GRUPO TESTIGO
GRUPO EXPERIMENTAL
N % Ganancia N % Ganancia
1
2,00
1
8,00
2
4,00
2
13,00
3
8,00
3
12,00
4
6,00
4
15,00
5
6,00
5
18,00
6
3,00
6
9,00
Media 4.833 Media 12.500
MUJERES VARONES
N Minutos N Minutos
1
24
1
16
2
15
2
10
3
8
3
12
4
12
4
10
5
6
5
8
6
10
6
13
7
14
8
12
Variancia 41.499 Variancia 6.411
Ejemplos de pruebas de igualdad de 2 medias y 2 variancias
Igualdad de dos medias
Grupo experimental recibe dieta andina.
Efecto se mide en ganancia nutricional.
t
t
al 5% de error y a 10 gl = 2.228
t
t
al 1% de error y a 10 gl = 3.169
La dieta andina mejora el estado
nutricional en 12.5%*
Igualdad de dos variancias
Algunas mujeres hablan ms que otras,
los varones hablan homogneamente.
F
t
al 5% de error y 5 y 7 gl = 3.97
F
t
al 1% de error y 5 y 7 gl = 6.99
Las mujeres hablan heterogneamente*.
180
11.4.9 Igualdad de dos muestras respecto a una cualidad
Se emplea para comprobar si existe una diferencia al menos significativa entre dos
muestras respecto a una cualidad. Hay dos mtodos alternativos:
Proporcional: se calculan las proporciones con los datos de la tabla de frecuencias y
se emplea la distribucin normal para establecer los valores crticos, Las hiptesis se
plantean en trminos de proporciones H
o
: p
1
=p
2
; H
a
: p
1
p
2
o H
a
: p
1
< p
2
; o H
a
: p
1
>
p
2
, segn corresponda a la orientacin de la hiptesis alterna. Se emplea la siguiente
frmula:
Z
c
=
p
2
-p
1
_p
i
(1 -p
i
)(
1
n
1
+
1
n
2
)
Tabla de contingencias: se elabora una tabla de frecuencias con los datos obtenidos
de las muestras y se emplea la distribucin Ji cuadrada (X
2
) para establecer el valor
crtico de la distribucin. Las hiptesis se plantean en trminos de frecuencias H
o
: f
o
= f
e
H
a
: f
o
f
e
o H
a
: f
o
< f
e
; o H
a
: f
o
> f
e
. Se emplea la siguiente frmula:
X
c
2
=
(
o
-
c
)
2
c
Ejemplos de pruebas de igualdad de dos muestras
respecto a una cualidad
Categora
Crcel normal Crcel piloto
Frecuencia p Frecuencia p
Reincidentes
10 0,29 4 0,08
No
reincidentes
24 0,71 45 0,92
Totales
34 1,00 49 1,00
Celda f
o
f
e
(f
o
-f
e
)
2
(f
o
-f
e
)
2
/f
e
1,1 10 6 16 2.667
1,2 24 28 16 0.571
2,1 4 8 16 2.000
2,2 45 41 16 0.390
Totales 83 83 64 5.628
Se investiga si la capacitacin laboral en la
crceles reduce la reincidencia penal. Se
monitorea a los presos liberados de una crcel
de ese plan y otra normal. Los resultados son:
Z
t
al 5% de error = -1.96
Z
t
al 1% de error = -2.33
Z
c
< Z
t
se rechaza H
o
, la capacitacin
laboral reduce** la reincidencia penal.
X
t
2
al 5% de error y 1 gl =3.84
X
t
2
al 1% de error y 1 gl = 6.63
La capacitacin laboral reduce** la
reincidencia penal.
11.4.10 Prueba de Wilcoxon de suma de rangos
Se emplea para probar si hay diferencia en las medianas de dos grupos de datos
cualitativos (nominales, ordinales, etc.) mutuamente independientes. El procedimiento
es parecido al descrito anteriormente, excepto que los datos de ambas muestras se
ordenan conjuntamente, se suman los nuevos valores de los rangos asignados a la
muestra ms pequea o a cualquiera, si ambos son iguales. La frmula de la prueba es:
181
Z
c
=
I -u
1
o
1
Ejemplo de prueba de rangos con signo de Wilcoxon
Ente
N
EIRL SAC
R Orden R Orden
1
12 15,5 8 8
2
5 1 14 20
3
9 10 10 12
4
16 23 7 5,5
5
8 8 6 3
6
10 12 14 20
7
13 17,5 15 22
8
18 25 20 26
9
14 20 6 3
10
13 17,5 10 12
11
12 15,5 7 5,5
12
11 14 8 8
13
6 3
14
17 24
Totales 179 172
H
o
= La R
EIRL
= R
SAC
Donde R = Rentabilidad
EIRL = Empresa individual de
responsabilidad limitada
SAC = Sociedad annima cerrada.
Z
t
al 5% de error = 1.96 y -1.96
Z
t
al 1% de error = 2.33 y -2.33
Z
c
cae dentro del lmite de confianza de
Z
t
,entonces no se rechaza H
o.
Las EIRL
como las SAC obtienen rentabilidades
semejantes.
11.4.12 Igualdad de muestras pareadas
Este es un procedimiento no paramtrico para establecer si dos grupos con las mismas
caractersticas al inicio del experimento, las mantienen al trmino de ste.
t
n-
=
H
s
p
n
Ejemplos de prueba de igualdad de muestras pareadas y
X
2
para ms de dos muestras
Par
N
Rendimiento acadmico Diferencia
entre
grupos (D)
D
2
Testigo Experimental
1
12 18 6 36
2
16 16 0 0
3
8 15 7 49
4
10 14 4 16
5
14 18 4 16
6
12 17 5 25
72 98 26 142
Sector
R<18 19<R<30 R>30
Total
O T O T O T
Agrario 20 11 16 16 4 13 40
Industrial 8 11 22 16 10 13 40
Servicio 6 12 12 18 26 14 44
Total 34 34 50 50 40 40 124
t
t
al 5% de error y a 5 gl = 2.015
t
t
al 1% de error y a 5 gl = 3.365
El rendimiento acadmico del grupo
experimental no mejor respecto al testigo.
Celda f
o
-f
t
(f
o
-f
t
)
2
/f
t
1,1
9 7,364
1,2
-3 0,818
1,3
-6 3,000
2,1
0 0,000
2,2
6 2,250
2,3
-6 2,000
3,1
-9 6,231
3,2
-3 0,692
3,3
12 10,286
Total
0,000 32,641
gl = (3-1)(3-1)= 4
Las rentabilidades
que obtienen los
diversos sectores
son distintos.
182
Pruebas de ms dos muestras y un solo factor o cualidad
Permiten comparar los indicadores estadsticos de ms de dos muestras, en los cuales se
observa distintos niveles de una cualidad o reciben distintos niveles de tratamiento.
11.4.13 Prueba de X
2
de ms dos de muestras
La distribucin Ji cuadrado tiene varias aplicaciones, por ejemplo permite probar si hay
alguna asociacin entre dos o ms variables cualitativas, si la distribucin de las
frecuencias de las muestras se ajusta a la esperada o terica o probabilstica (bondad de
ajuste), entre otras. La hiptesis nula niega que exista esa asociacin o esa bondad de
ajuste. Se emplea la frmula habitual de X
2
para contrastar la hiptesis:
X
c
2
=
(
o
-
c
)
2
c
11.14 Pruebas de varios niveles de tratamiento con un factor:
Se emplea para establecer si los diferentes niveles de un estmulo o tratamiento
experimental motivan diferentes niveles de efectos. Las hiptesis que se comprueban
con este mtodo son:
H
o
: U
1
= U
2
= .
= U
n
H
a
: U
1
U
2
...
U
n
Ejemplo de prueba de varios niveles de
tratamiento con un factor
N dato Testigo 2 horas 4 horas
1 12 18 15
2 10 14 13
3 12 16 12
4 10 12 10
5 16 10 11
6 14 14 12
7 8 16 14
8 12 12 13
Variaciones Suma de
cuadrados
gl Media
cuadrtica
F
Inter grupos 21.0 2 10.5 2.014
Intra grupos 109.5 21 5.214
TOTALES 130.5 23
Se conform tres grupos equivalentes de 8
alumnos cada uno. El primer grupo no recibi
ningn estmulo, al grupo 2 se le estimul leer
dos horas y al tercero 4 horas. Los resultados
de comprensin lectora al final de
experimento fueron:
ANALISIS DE LAS VARIACIONES
F al 5% de error, 2 y 21 gl = 3.47
F al 5% de error, 2 y 21 gl = 5.78
F
c
< F
t
Se acepta H
o
No hay evidencia significativa que la
comprensin lectora mejore a mayor tiempo
de dedicado a la lectura.
El software SPSS report lo siguiente:
Al inicio del experimento se forma grupos: uno testigo que no recibe ningn tratamiento
o recibe uno sin efecto (placebo), a los otros se les trata o estimula con diferentes
niveles del factor o variable independiente. Se observan dos tipos de variaciones en los
efectos:
Estimacin de a variancia entre grupos: refleja la magnitud de la diferencia entre las
medias de los grupos.
183
Estimacin de la variancia dentro de los grupos: refleja la dispersin de esos efectos
o respuestas dentro de cada grupo. Se le conoce como error de estimacin.
La prueba es la confrontacin de medias cuadrticas (MC), como sigue:
F
c
=
HC
ntcgupos
HC
ntugupos
11.4.15 Prueba del diseo factorial
Permite comprar los efectos de dos o ms factores en dos o ms muestras. Esta prueba
se aplica a los experimentos en los cuales se consideran dos o ms grupos que reciben
dosis diferentes de dos o ms factores o variables independientes. Adems del anlisis
de las variaciones entre grupos y dentro grupos, permite establecer los efectos que
ocasionan la combinacin de los factores involucrados.
El anlisis de la variancia es la tcnica de anlisis estadstico que permite superar la
ambigedad que se presenta al estimar las diferencias significativas cuando se realiza
ms de una comparacin. Este anlisis permite responder a la pregunta: Existe una
indicacin general de que los tratamientos experimentales han producido diferencias
entre las medias de los diversos grupos? Aunque el anlisis de la varianza puede
utilizarse en el caso de dos muestras (donde proporciona los mismos valores de
probabilidad que la t de Student), su uso ms general se presenta cuando estn
involucrados tres o ms grupos. Sin duda, el mtodo tiene su mxima utilidad en el
estudio de dos o ms variables independientes
46
.
Los experimentos, por lo general consideran dos o ms grupos, as como la incidencia
de uno o ms factores o variables independientes. El diseo factorial permite organizar
esos experimentos. Ejemplo: el diseo factorial 2
k
(k es el nmero de factores), requiere
precisamente 2
k
tratamientos. Supngase que quiere evaluar el impacto de tres factores,
hay 2
3
= 8 combinaciones entre factores; es decir, se requiere al menos 8 tratamientos; y
si la misma combinacin de tratamientos aplica a varios sujetos grupos experimentales,
habr necesidad de 8 grupos equivalentes.
El anlisis de las variancias entre grupos permite establecer si todos esos grupos tienen
la misma media como lo tenan al inicio, o debido a los tratamientos ya tienen medias
diferentes; es ms, puede estimarse la variancia que introduce cada uno de esos factores.
La frmula que se emplea es la generalizacin del anterior:
F
c
=
HC
cntc gupos dcI ]ucto ] o combnuconcs dc ]uctocs
HC
ntugupos
46
Runyon, R., y A. Haber. Estadstica para las Ciencias Sociales. Pg. 277.
184
Ejemplo de anlisis de la variancia
FACTOR A: ESTILO DE GESTION
Democrtico Impersonal A
3
=Dictatorial
FACTOR B: AMBIENTE LABORAL
Competitivo B
2
= Neutral B
3
= Equipo
4 6 8 6 6 4 8 6 4
6 4 7 5 4 6 9 6 5
5 5 8 6 5 7 6 4 7
15 15 23 17 15 17 23 16 16
Factor A
1
= 53 Factor A
2
= 49 Factor A
3
= 55
Factor B
1
= 55 Factor B
2
= 46 Factor A
3
= 56
FUENTE SC g. l. MC F
c
Entre grupos 28.07 k-1=8 3.509
Factor estilo de
gestin
2.07 A-1=2 1.035 0.776
Factor ambiente
laboral
6.74 B-1=2 3.37 2.528
Interaccin entre
factores
19.89 (A-1) (B-
1) = 4
4.972 3.729
Dentro de grupos 24.00 n-k =18 1.333
Total 52.07 n-1=26
RESUMEN DEL ANALISIS DE VARIANCIAS
F
t
a 5% y 2/18 gl = 3.35
F
t
a 1% y 2/18 gl = 6.01
F
t
a 5% y 4/18 gl = 2.93
F
t
a 1% y 4/18 gl = 4.58
Individualmente no
influyen los factores.
La incidencia es
significativa solo
cuando interactan.
11.4.16 Prueba de correlacin
En anlisis de correlacin se emplea para medir el grado de asociacin entre dos o ms
variables, es decir cuanto del efecto explica la causa. La contrasta la H
o
: r =0, cuya
alterna es H
a
: r 0. La frmula que se emplea es:
t
c
=
r
_
1 -r
2
n -2
Donde: r =
nXY-XY
nY
2
-(Y)
2
nX
2
-(X)
2
11.4.17 Prueba de la regresin
El anlisis de regresin se emplea para estimar el efecto que ocasionan en uno o ms
factores en una variable dependiente. Es de suma utilidad en las investigaciones
predictivas. Se emplea el anlisis de la correlacin para medir el grado de asociacin
entre esas variables.
En un modelo de regresin se contrasta la H
o
: b = 0, cuya hiptesis alterna es H
a
: b 0.
La prueba en una regresin de dos variables puede reducirse a:
t
c
=
b
S
b
Donde:
185
S
b
=
S
xj
_
nX
2
-(X)
2
n
S
x
=_
2
-u-b X
n-2
Si la regresin es mltiple, es decir intervienen ms de dos variables, para contrastar las
hiptesis se emplea el mtodo de anlisis de las variancias. La F
c
es la divisin entre las
medias cuadrticas de cada estadgrafo b
1
, b
2,
etc., y la media cuadrtica del error de
estimacin. Puede emplearse el paquete SPSS v.18 para dicha anlisis.
ACTIVIDAD 11.1 (1 de 2)
1. Por qu es importante contrastar
de hiptesis en una investigacin?
2. Defina : regin crtica, valor
crtico, intervalo de confianza,
hiptesis estadstica, hiptesis
nula e hiptesis alterna.
3. Usted est investigando sobre el
impacto de los celulares en la
enseanza aprendizaje.
a. Elabore las H
o
y H
a
e identifique
las variables
c. En una primera encuesta al azar de
300 estudiantes, el 50% tenan un
celular y el 30% deca usarlo para
coordinar actividades acadmicas.
El promedio de notas era 12.54.
En una segunda encuesta a 300
estudiantes, el 75% tiene celular y el
45% dicen usarlo para coordinar las
actividades acadmicas. El actual
promedio de notas era 14.15.
3. Se quiere comprobar que el ingreso
promedio de las familias del distrito
de Torata, desde que su municipio
recibe canon minero, supera 2 SMV
(S/ 1,100). A finales de 2009 se
observ que el ingreso mensual de 45
familias fue: S/ 1200; 840; 963; 1750;
1540; 400; 1151; 1820; 1,352; 1,960;
960; 650; 800; 1200; 860; 1540; 750;
550; 950; 965; 895; 540; 480; 2710;
540; 1400; 700; 620; 550; 790; 500;
1120; 826; 425; 1320; 670; 910; 590;
536; 1320; 890; 680; 1520; 2890; 510
ACTIVIDAD 11.1 (2 de 2)
4. Una tesis sobre el benchmarking
hotelero arroj que el 65% son
competitivas. En una encuesta
reciente, 28 de 42 hoteles dijeron
comprar sus servicios con otros
hoteles del pas y el extranjero.
mejor la competitividad en este
sector?
5. Se dice que el poder corrompe. Al
revisar los files del personal
judicial se encontr que:
Categora Con proceso
por corrupcin
Total
Magistrados 150 1650
Administrativos 576 15890
Auxiliares 280 5420
6. Se investiga sobre el impacto de
la cantidad, momento y temperatura
del ambiente en la comprensin
lectora. Mediante un experimento
de obtuvo los siguientes datos:
Sujeto Horas
Da
Momento C % Comprensin
1 0 Maana 10 45
2 0 Maana 20 56
3 0 Tarde 10 42
4 0 Tarde 20 55
5 2 Maana 10 72
6 2 Maana 20 81
7 2 Tarde 10 64
8 2 Tarde 20 60
186
TABLA Z: DISTRIBUCION NORMAL
z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.5000 0.5040 0.5080 0.5120 0.5160 0.5199 0.5239 0.5279 0.5319 0.5359
0.1 0.5398 0.5438 0.5478 0.5517 0.5557 0.5596 0.5636 0.5675 0.5714 0.5753
0.2 0.5793 0.5832 0.5871 0.5910 0.5948 0.5987 0.6026 0.6064 0.6103 0.6141
0.3 0.6179 0.6217 0.6255 0.6293 0.6331 0.6368 0.6406 0.6443 0.6480 0.6517
0.4 0.6554 0.6591 0.6628 0.6664 0.6700 0.6736 0.6772 0.6808 0.6844 0.6879
0.5 0.6915 0.6950 0.6985 0.7019 0.7054 0.7088 0.7123 0.7157 0.7190 0.7224
0.6 0.7257 0.7291 0.7324 0.7357 0.7389 0.7422 0.7454 0.7486 0.7517 0.7549
0.7 0.7580 0.7611 0.7642 0.7673 0.7704 0.7734 0.7764 0.7794 0.7823 0.7852
0.8 0.7881 0.7910 0.7939 0.7967 0.7995 0.8023 0.8051 0.8078 0.8106 0.8133
0.9 0.8159 0.8186 0.8212 0.8238 0.8264 0.8289 0.8315 0.8340 0.8365 0.8389
1.0 0.8413 0.8438 0.8461 0.8485 0.8508 0.8531 0.8554 0.8577 0.8599 0.8621
1.1 0.8643 0.8665 0.8686 0.8708 0.8729 0.8749 0.8770 0.8790 0.8810 0.8830
1.2 0.8849 0.8869 0.8888 0.8907 0.8925 0.8944 0.8962 0.8980 0.8997 0.9015
1.3 0.9032 0.9049 0.9066 0.9082 0.9099 0.9115 0.9131 0.9147 0.9162 0.9177
1.4 0.9192 0.9207 0.9222 0.9236 0.9251 0.9265 0.9279 0.9292 0.9306 0.9319
1.5 0.9332 0.9345 0.9357 0.9370 0.9382 0.9394 0.9406 0.9418 0.9429 0.9441
1.6 0.9452 0.9463 0.9474 0.9484 0.9495 0.9505 0.9515 0.9525 0.9535 0.9545
1.7 0.9554 0.9564 0.9573 0.9582 0.9591 0.9599 0.9608 0.9616 0.9625 0.9633
1.8 0.9641 0.9649 0.9656 0.9664 0.9671 0.9678 0.9686 0.9693 0.9699 0.9706
1.9 0.9713 0.9719 0.9726 0.9732 0.9738 0.9744 0.9750 0.9756 0.9761 0.9767
2.0 0.9772 0.9778 0.9783 0.9788 0.9793 0.9798 0.9803 0.9808 0.9812 0.9817
2.1 0.9821 0.9826 0.9830 0.9834 0.9838 0.9842 0.9846 0.9850 0.9854 0.9857
2.2 0.9861 0.9864 0.9868 0.9871 0.9875 0.9878 0.9881 0.9884 0.9887 0.9890
2.3 0.9893 0.9896 0.9898 0.9901 0.9904 0.9906 0.9909 0.9911 0.9913 0.9916
2.4 0.9918 0.9920 0.9922 0.9925 0.9927 0.9929 0.9931 0.9932 0.9934 0.9936
2.5 0.9938 0.9940 0.9941 0.9943 0.9945 0.9946 0.9948 0.9949 0.9951 0.9952
2.6 0.9953 0.9955 0.9956 0.9957 0.9959 0.9960 0.9961 0.9962 0.9963 0.9964
2.7 0.9965 0.9966 0.9967 0.9968 0.9969 0.9970 0.9971 0.9972 0.9973 0.9974
2.8 0.9974 0.9975 0.9976 0.9977 0.9977 0.9978 0.9979 0.9979 0.9980 0.9981
2.9 0.9981 0.9982 0.9982 0.9983 0.9984 0.9984 0.9985 0.9985 0.9986 0.9986
3.0 0.9987 0.9987 0.9987 0.9988 0.9988 0.9989 0.9989 0.9989 0.9990 0.9990
3.1 0.9990 0.9991 0.9991 0.9991 0.9992 0.9992 0.9992 0.9992 0.9993 0.9993
3.2 0.9993 0.9993 0.9994 0.9994 0.9994 0.9994 0.9994 0.9995 0.9995 0.9995
3.3 0.9995 0.9995 0.9995 0.9996 0.9996 0.9996 0.9996 0.9996 0.9996 0.9997
3.4 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9998
3.5 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998
3.6 0.9998 0.9998 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999
3.7 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999
3.8 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999
3.9 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
187
TABLA T STUDENT
Grados de
Libertad 0.75 0.9 0.95 0.99 0.995 0.9995
1 1.000 3.078 12.706 31.821 63.657 636.619
2 0.816 1.886 4.303 6.965 9.925 31.598
3 0.765 1.638 3.182 4.541 5.841 12.941
4 0.741 1.533 2.776 3.747 4.604 8.610
5
0.727 1.476 2.571 3.365 4.032 6.859
6 0.718 1.440 2.447 3.143 3.707 5.959
7 0.711 1.415 2.365 2.998 3.499 5.405
8 0.706 1.397 2.306 2.896 3.355 5.041
9 0.703 1.383 2.262 2.821 3.250 4.781
10
0.700 1.372 2.228 2.764 3.169 4.587
11 0.697 1.363 2.201 2.718 3.106 4.437
12 0.695 1.356 2.179 2.681 3.055 4.318
13 0.694 1.350 2.160 2.650 3.012 4.221
14 0.692 1.345 2.145 2.624 2.977 4.140
15
0.691 1.341 2.131 2.602 2.947 4.073
16 0.690 1.337 2.120 2.583 2.921 4.015
17 0.689 1.333 2.110 2.567 2.898 3.965
18 0.688 1.330 2.101 2.552 2.878 3.922
19 0.688 1.328 2.093 2.539 2.861 3.883
20
0.687
1.325
2.086
2.528
2.845
3.850
21 0.686 1.323 2.080 2.518 2.831 3.819
22 0.686 1.321 2.074 2.508 2.819 3.792
23 0.685 1.319 2.069 2.500 2.807 3.767
24 0.685 1.318 2.064 2.492 2.797 3.745
25
0.684
1.316
2.060
2.485
2.787
3.725
26 0.684 1.315 2.056 2.479 2.779 3.707
27 0.684 1.314 2.052 2.473 2.771 3.690
28 0.683 1.313 2.048 2.467 2.763 3.674
29 0.683 1.311 2.045 2.462 2.756 3.659
30
0.683
1.310
2.042
2.457
2.750
3.645
40 0.681 1.303 2.021 2.423 2.704 3.551
60
0.679
1.296
2.000
2.390
2.660
3.460
120
0.677
1.289
1.980
2.358
2.617
3.375
188
Tabla de distribucin "Ji Cuadrada" o X
2
Grados de libertad
Alfa 1 2 3 4 5 6 7 8 9 10
0.1 2.7055 4.6052 6.2514 7.7794 9.2363 10.645 12.017 13.362 14.684 15.987
0.05 3.8415 5.9915 7.8147 9.4877 11.07 12.592 14.067 15.507 16.919 18.307
0.025 5.0239 7.3778 9.3484 11.143 12.832 14.449 16.013 17.535 19.023 20.483
0.02 5.4119 7.8241 9.8374 11.668 13.388 15.033 16.622 18.168 19.679 21.161
0.01 6.6349 9.2104 11.345 13.277 15.086 16.812 18.475 20.09 21.666 23.209
0.005 7.8794 10.597 12.838 14.86 16.75 18.548 20.278 21.955 23.589 25.188
Alfa 11 12 13 14 15 16 17 18 19 20
0.1 17.275 18.549 19.812 21.064 22.307 23.542 24.769 25.989 27.204 28.412
0.05 19.675 21.026 22.362 23.685 24.996 26.296 27.587 28.869 30.144 31.41
0.025 21.92 23.337 24.736 26.119 27.488 28.845 30.191 31.526 32.852 34.17
0.02 22.618 24.054 25.471 26.873 28.259 29.633 30.995 32.346 33.687 35.02
0.01 24.725 26.217 27.688 29.141 30.578 32 33.409 34.805 36.191 37.566
0.005 26.757 28.3 29.819 31.319 32.801 34.267 35.718 37.156 38.582 39.997
Alfa 21 22 23 24 25 26 27 28 29 30
0.1 29.615 30.813 32.007 33.196 34.382 35.563 36.741 37.916 39.087 40.256
0.05 32.671 33.924 35.172 36.415 37.652 38.885 40.113 41.337 42.557 43.773
0.025 35.479 36.781 38.076 39.364 40.646 41.923 43.195 44.461 45.722 46.979
0.02 36.343 37.659 38.968 40.27 41.566 42.856 44.14 45.419 46.693 47.962
0.01 38.932 40.289 41.638 42.98 44.314 45.642 46.963 48.278 49.588 50.892
0.005 41.401 42.796 44.181 45.558 46.928 48.29 49.645 50.994 52.335 53.672
Alfa 40 50 60 70 80 90 100 125 150 175
0.1 51.805 63.167 74.397 85.527 96.578 107.57 118.5 145.64 172.58 199.36
0.05 55.758 67.505 79.082 90.531 101.88 113.15 124.34 152.09 179.58 206.87
0.025 59.342 71.42 83.298 95.023 106.63 118.14 129.56 157.84 185.8 213.52
0.02 60.436 72.613 84.58 96.387 108.07 119.65 131.14 159.58 187.68 215.53
0.01 63.691 76.154 88.379 100.43 112.33 124.12 135.81 164.69 193.21 221.44
0.005 66.766 79.49 91.952 104.21 116.32 128.3 140.17 169.47 198.36 226.94
Alfa 200 225 250 275 300 325 350 375 400 450
0.1 226.02 252.58 279.05 305.45 331.79 358.07 384.31 410.5 436.65 488.85
0.05 233.99 260.99 287.88 314.68 341.4 368.04 394.63 421.15 447.63 500.46
0.025 241.06 268.44 295.69 322.83 349.87 376.84 403.72 430.54 457.31 510.67
0.02 243.19 270.68 298.04 325.28 352.42 379.48 406.46 433.37 460.21 513.74
0.01 249.45 277.27 304.94 332.48 359.91 387.23 414.47 441.63 468.72 522.72
0.005 255.26 283.39 311.35 339.16 366.84 394.42 421.9 449.29 476.61 531.03
Alfa 500 550 600 650 700 750 800 1000 2000 3000
0.1 540.93 592.91 644.8 696.61 748.36 800.04 851.67 1057.7
0.05 553.13 605.67 658.09 710.42 762.66 814.82 866.91 1074.7 3128.5
0.025 563.85 616.88 669.77 722.54 775.21 827.79 880.28 1089.5 3153.7
0.02 567.07 620.24 673.27 726.18 778.97 831.67 884.28 1094 3161.2
0.01 576.49 630.08 683.52 736.81 789.97 843.03 895.98 1107 2150.1 3183.1
189
TABLA F
Grados de libertad del numerador en primera fila, del denominador en primera columna.
Alfa = 0.05
1 2 3 4 5 6 7 8 9 10 20 60 100 10000
1 161.45 199.5 215.71 224.58 230.16 233.99 236.77 238.88 240.54 241.88 248.02 252.2 253.04 254.3
2 18.513 19 19.164 19.247 19.296 19.329 19.353 19.371 19.385 19.396 19.446 19.479 19.486 19.496
3 10.128 9.5521 9.2766 9.1172 9.0134 8.9407 8.8867 8.8452 8.8123 8.7855 8.6602 8.572 8.5539 8.5267
4 7.7086 6.9443 6.5914 6.3882 6.2561 6.1631 6.0942 6.041 5.9988 5.9644 5.8025 5.6878 5.664 5.6284
5 6.6079 5.7861 5.4094 5.1922 5.0503 4.9503 4.8759 4.8183 4.7725 4.7351 4.5581 4.4314 4.4051 4.3654
6 5.9874 5.1432 4.7571 4.5337 4.3874 4.2839 4.2067 4.1468 4.099 4.06 3.8742 3.7398 3.7117 3.6693
7 5.5915 4.7374 4.3468 4.1203 3.9715 3.866 3.7871 3.7257 3.6767 3.6365 3.4445 3.3043 3.2749 3.2302
8 5.3176 4.459 4.0662 3.8379 3.6875 3.5806 3.5005 3.4381 3.3881 3.3472 3.1503 3.0053 2.9747 2.9281
9 5.1174 4.2565 3.8625 3.6331 3.4817 3.3738 3.2927 3.2296 3.1789 3.1373 2.9365 2.7872 2.7556 2.7072
10 4.9646 4.1028 3.7083 3.478 3.3258 3.2172 3.1355 3.0717 3.0204 2.9782 2.774 2.6211 2.5884 2.5384
11 4.8443 3.9823 3.5874 3.3567 3.2039 3.0946 3.0123 2.948 2.8962 2.8536 2.6464 2.4901 2.4566 2.405
12 4.7472 3.8853 3.4903 3.2592 3.1059 2.9961 2.9134 2.8486 2.7964 2.7534 2.5436 2.3842 2.3498 2.2967
13 4.6672 3.8056 3.4105 3.1791 3.0254 2.9153 2.8321 2.7669 2.7144 2.671 2.4589 2.2966 2.2614 2.207
14 4.6001 3.7389 3.3439 3.1122 2.9582 2.8477 2.7642 2.6987 2.6458 2.6022 2.3879 2.2229 2.187 2.1313
15 4.5431 3.6823 3.2874 3.0556 2.9013 2.7905 2.7066 2.6408 2.5876 2.5437 2.3275 2.1601 2.1234 2.0664
16 4.494 3.6337 3.2389 3.0069 2.8524 2.7413 2.6572 2.5911 2.5377 2.4935 2.2756 2.1058 2.0685 2.0102
17 4.4513 3.5915 3.1968 2.9647 2.81 2.6987 2.6143 2.548 2.4943 2.4499 2.2304 2.0584 2.0204 1.961
18 4.4139 3.5546 3.1599 2.9277 2.7729 2.6613 2.5767 2.5102 2.4563 2.4117 2.1906 2.0166 1.978 1.9175
19 4.3808 3.5219 3.1274 2.8951 2.7401 2.6283 2.5435 2.4768 2.4227 2.3779 2.1555 1.9795 1.9403 1.8787
20 4.3513 3.4928 3.0984 2.8661 2.7109 2.599 2.514 2.4471 2.3928 2.3479 2.1242 1.9464 1.9066 1.8438
21 4.3248 3.4668 3.0725 2.8401 2.6848 2.5727 2.4876 2.4205 2.3661 2.321 2.096 1.9165 1.8761 1.8124
22 4.3009 3.4434 3.0491 2.8167 2.6613 2.5491 2.4638 2.3965 2.3419 2.2967 2.0707 1.8894 1.8486 1.7838
23 4.2793 3.4221 3.028 2.7955 2.64 2.5277 2.4422 2.3748 2.3201 2.2747 2.0476 1.8648 1.8234 1.7577
24 4.2597 3.4028 3.0088 2.7763 2.6207 2.5082 2.4226 2.3551 2.3002 2.2547 2.0267 1.8424 1.8005 1.7338
25 4.2417 3.3852 2.9912 2.7587 2.603 2.4904 2.4047 2.3371 2.2821 2.2365 2.0075 1.8217 1.7794 1.7117
26 4.2252 3.369 2.9752 2.7426 2.5868 2.4741 2.3883 2.3205 2.2655 2.2197 1.9898 1.8027 1.7599 1.6913
27 4.21 3.3541 2.9603 2.7278 2.5719 2.4591 2.3732 2.3053 2.2501 2.2043 1.9736 1.7851 1.7419 1.6724
28 4.196 3.3404 2.9467 2.7141 2.5581 2.4453 2.3593 2.2913 2.236 2.19 1.9586 1.7689 1.7251 1.6548
29 4.183 3.3277 2.934 2.7014 2.5454 2.4324 2.3463 2.2782 2.2229 2.1768 1.9446 1.7537 1.7096 1.6384
30 4.1709 3.3158 2.9223 2.6896 2.5336 2.4205 2.3343 2.2662 2.2107 2.1646 1.9317 1.7396 1.695 1.623
40 4.0847 3.2317 2.8387 2.606 2.4495 2.3359 2.249 2.1802 2.124 2.0773 1.8389 1.6373 1.5892 1.5098
50 4.0343 3.1826 2.79 2.5572 2.4004 2.2864 2.1992 2.1299 2.0733 2.0261 1.7841 1.5757 1.5249 1.4392
60 4.0012 3.1504 2.7581 2.5252 2.3683 2.2541 2.1665 2.097 2.0401 1.9926 1.748 1.5343 1.4814 1.3903
70 3.9778 3.1277 2.7355 2.5027 2.3456 2.2312 2.1435 2.0737 2.0166 1.9689 1.7223 1.5046 1.4498 1.354
80 3.9604 3.1108 2.7188 2.4859 2.3287 2.2142 2.1263 2.0564 1.9991 1.9512 1.7032 1.4821 1.4259 1.3259
90 3.9469 3.0977 2.7058 2.4729 2.3157 2.2011 2.1131 2.043 1.9856 1.9376 1.6883 1.4645 1.407 1.3032
100 3.9362 3.0873 2.6955 2.4626 2.3053 2.1906 2.1025 2.0323 1.9748 1.9267 1.6764 1.4504 1.3917 1.2845
200 3.8884 3.0411 2.6498 2.4168 2.2592 2.1441 2.0556 1.9849 1.9269 1.8783 1.6233 1.3856 1.3206 1.1903
300 3.8726 3.0258 2.6347 2.4017 2.2441 2.1288 2.0402 1.9693 1.9112 1.8623 1.6057 1.3634 1.2958 1.1521
400 3.8648 3.0183 2.6272 2.3943 2.2366 2.1212 2.0325 1.9616 1.9033 1.8544 1.5969 1.3522 1.2831 1.1303
500 3.8601 3.0138 2.6227 2.3898 2.232 2.1167 2.0279 1.9569 1.8986 1.8496 1.5916 1.3455 1.2753 1.1159
600 3.857 3.0107 2.6198 2.3868 2.229 2.1137 2.0248 1.9538 1.8955 1.8465 1.5881 1.341 1.2701 1.1055
700 3.8548 3.0086 2.6176 2.3847 2.2269 2.1115 2.0226 1.9516 1.8932 1.8442 1.5856 1.3377 1.2664 1.0976
800 3.8531 3.007 2.616 2.3831 2.2253 2.1099 2.021 1.95 1.8916 1.8425 1.5837 1.3353 1.2635 1.0912
900 3.8518 3.0057 2.6148 2.3818 2.224 2.1086 2.0197 1.9487 1.8903 1.8412 1.5822 1.3334 1.2613 1.0861
1000 3.8508 3.0047 2.6138 2.3808 2.2231 2.1076 2.0187 1.9476 1.8892 1.8402 1.5811 1.3318 1.2596 1.0818
190
TABLA F: Alfa = 0.025
1 2 3 4 5 6 7 8 9 10 20 60 100 10000
1 647.79 799.48 864.15 899.6 921.83 937.11 948.2 956.64 963.28 968.63 993.08 1009.8 1013.2 1018.2
2 38.506 39 39.166 39.248 39.298 39.331 39.356 39.373 39.387 39.398 39.448 39.481 39.488 39.498
3 17.443 16.044 15.439 15.101 14.885 14.735 14.624 14.54 14.473 14.419 14.167 13.992 13.956 13.903
4 12.218 10.649 9.9792 9.6045 9.3645 9.1973 9.0741 8.9796 8.9046 8.8439 8.5599 8.3604 8.3195 8.258
5 10.007 8.4336 7.7636 7.3879 7.1464 6.9777 6.853 6.7572 6.681 6.6192 6.3285 6.1225 6.08 6.016
6 8.8131 7.2599 6.5988 6.2271 5.9875 5.8197 5.6955 5.5996 5.5234 5.4613 5.1684 4.9589 4.9154 4.8498
7 8.0727 6.5415 5.8898 5.5226 5.2852 5.1186 4.9949 4.8993 4.8232 4.7611 4.4668 4.2544 4.2101 4.143
8 7.5709 6.0595 5.416 5.0526 4.8173 4.6517 4.5285 4.4333 4.3572 4.2951 3.9994 3.7844 3.7393 3.6709
9 7.2093 5.7147 5.0781 4.7181 4.4844 4.3197 4.197 4.102 4.026 3.9639 3.6669 3.4493 3.4034 3.3336
10 6.9367 5.4564 4.8256 4.4683 4.2361 4.0721 3.9498 3.8549 3.779 3.7168 3.4185 3.1984 3.1517 3.0805
11 6.7241 5.2559 4.63 4.2751 4.044 3.8806 3.7586 3.6638 3.5879 3.5257 3.2261 3.0035 2.9561 2.8835
12 6.5538 5.0959 4.4742 4.1212 3.8911 3.7283 3.6065 3.5118 3.4358 3.3735 3.0728 2.8478 2.7996 2.7257
13 6.4143 4.9653 4.3472 3.9959 3.7667 3.6043 3.4827 3.388 3.312 3.2497 2.9477 2.7204 2.6715 2.5962
14 6.2979 4.8567 4.2417 3.8919 3.6634 3.5014 3.3799 3.2853 3.2093 3.1469 2.8437 2.6142 2.5646 2.488
15 6.1995 4.765 4.1528 3.8043 3.5764 3.4147 3.2934 3.1987 3.1227 3.0602 2.7559 2.5242 2.4739 2.3961
16 6.1151 4.6867 4.0768 3.7294 3.5021 3.3406 3.2194 3.1248 3.0488 2.9862 2.6808 2.4471 2.3961 2.3171
17 6.042 4.6189 4.0112 3.6648 3.4379 3.2767 3.1556 3.061 2.9849 2.9222 2.6158 2.3801 2.3285 2.2483
18 5.9781 4.5597 3.9539 3.6083 3.382 3.2209 3.0999 3.0053 2.9291 2.8664 2.559 2.3214 2.2692 2.1878
19 5.9216 4.5075 3.9034 3.5587 3.3327 3.1718 3.0509 2.9563 2.8801 2.8172 2.5089 2.2696 2.2167 2.1341
20 5.8715 4.4612 3.8587 3.5147 3.2891 3.1283 3.0074 2.9128 2.8365 2.7737 2.4645 2.2234 2.1699 2.0862
21 5.8266 4.4199 3.8188 3.4754 3.2501 3.0895 2.9686 2.874 2.7977 2.7348 2.4247 2.1819 2.128 2.0431
22 5.7863 4.3828 3.7829 3.4401 3.2151 3.0546 2.9338 2.8392 2.7628 2.6998 2.389 2.1446 2.0901 2.0041
23 5.7498 4.3492 3.7505 3.4083 3.1835 3.0232 2.9023 2.8077 2.7313 2.6682 2.3566 2.1107 2.0556 1.9687
24 5.7166 4.3187 3.7211 3.3794 3.1548 2.9946 2.8738 2.7791 2.7027 2.6396 2.3273 2.0799 2.0243 1.9362
25 5.6864 4.2909 3.6943 3.353 3.1287 2.9685 2.8478 2.7531 2.6766 2.6135 2.3005 2.0516 1.9955 1.9065
26 5.6586 4.2655 3.6697 3.3289 3.1048 2.9447 2.824 2.7293 2.6528 2.5896 2.2759 2.0257 1.9691 1.879
27 5.6331 4.2421 3.6472 3.3067 3.0828 2.9228 2.8021 2.7074 2.6309 2.5676 2.2533 2.0018 1.9447 1.8537
28 5.6096 4.2205 3.6264 3.2863 3.0626 2.9027 2.782 2.6872 2.6106 2.5473 2.2324 1.9797 1.9221 1.8301
29 5.5878 4.2006 3.6072 3.2674 3.0438 2.884 2.7633 2.6686 2.5919 2.5286 2.2131 1.9591 1.9011 1.8082
30 5.5675 4.1821 3.5893 3.2499 3.0265 2.8667 2.746 2.6513 2.5746 2.5112 2.1952 1.94 1.8816 1.7877
40 5.4239 4.051 3.4633 3.1261 2.9037 2.7444 2.6238 2.5289 2.4519 2.3882 2.0677 1.8028 1.7405 1.6382
50 5.3403 3.9749 3.3902 3.0544 2.8326 2.6736 2.553 2.4579 2.3808 2.3168 1.9933 1.7211 1.6558 1.5465
60 5.2856 3.9253 3.3425 3.0077 2.7863 2.6274 2.5068 2.4117 2.3344 2.2702 1.9445 1.6668 1.599 1.4834
70 5.247 3.8903 3.309 2.9748 2.7537 2.5949 2.4743 2.3791 2.3017 2.2374 1.91 1.6279 1.5581 1.4371
80 5.2183 3.8643 3.2841 2.9504 2.7295 2.5708 2.4502 2.3549 2.2775 2.213 1.8843 1.5987 1.5271 1.4012
90 5.1962 3.8443 3.2649 2.9315 2.7109 2.5522 2.4316 2.3363 2.2588 2.1942 1.8644 1.5758 1.5028 1.3725
100 5.1786 3.8284 3.2496 2.9166 2.6961 2.5374 2.4168 2.3215 2.2439 2.1793 1.8486 1.5575 1.4833 1.3489
200 5.1004 3.7578 3.182 2.8503 2.6304 2.472 2.3513 2.2558 2.178 2.113 1.778 1.4742 1.3927 1.2312
300 5.0747 3.7346 3.1599 2.8286 2.6089 2.4505 2.3299 2.2343 2.1563 2.0913 1.7547 1.4459 1.3613 1.1841
400 5.0619 3.7231 3.1489 2.8179 2.5983 2.4399 2.3192 2.2236 2.1456 2.0805 1.7431 1.4317 1.3453 1.1574
500 5.0543 3.7162 3.1423 2.8114 2.5919 2.4335 2.3129 2.2172 2.1392 2.074 1.7362 1.4231 1.3356 1.1398
600 5.0492 3.7116 3.1379 2.8071 2.5876 2.4293 2.3086 2.213 2.1349 2.0697 1.7316 1.4173 1.329 1.1271
700 5.0456 3.7084 3.1348 2.8041 2.5846 2.4263 2.3056 2.2099 2.1319 2.0666 1.7282 1.4132 1.3243 1.1174
800 5.0429 3.7059 3.1324 2.8018 2.5823 2.424 2.3033 2.2077 2.1296 2.0643 1.7258 1.4101 1.3208 1.1098
900 5.0408 3.704 3.1306 2.8 2.5806 2.4223 2.3016 2.2059 2.1278 2.0626 1.7238 1.4077 1.318 1.1035
1000 5.0391 3.7025 3.1292 2.7986 2.5792 2.4208 2.3002 2.2045 2.1264 2.0611 1.7223 1.4058 1.3158 1.0983
191
TABLA F: Alfa =0.01
1 2 3 4 5 6 7 8 9 10 20 60 100 10000
1 4052.2 4999.3 5403.5 5624.3 5764 5859 5928.3 5981 6022.4 6055.9 6208.7 6313 6333.9 6365.6
2 98.502 99 99.164 99.251 99.302 99.331 99.357 99.375 99.39 99.397 99.448 99.484 99.491 99.499
3 34.116 30.816 29.457 28.71 28.237 27.911 27.671 27.489 27.345 27.228 26.69 26.316 26.241 26.126
4 21.198 18 16.694 15.977 15.522 15.207 14.976 14.799 14.659 14.546 14.019 13.652 13.577 13.464
5 16.258 13.274 12.06 11.392 10.967 10.672 10.456 10.289 10.158 10.051 9.5527 9.202 9.13 9.0215
6 13.745 10.925 9.7796 9.1484 8.7459 8.466 8.26 8.1017 7.976 7.8742 7.3958 7.0568 6.9867 6.8811
7 12.246 9.5465 8.4513 7.8467 7.4604 7.1914 6.9929 6.8401 6.7188 6.6201 6.1555 5.8236 5.7546 5.6506
8 11.259 8.6491 7.591 7.0061 6.6318 6.3707 6.1776 6.0288 5.9106 5.8143 5.3591 5.0316 4.9633 4.8599
9 10.562 8.0215 6.992 6.4221 6.0569 5.8018 5.6128 5.4671 5.3511 5.2565 4.808 4.4831 4.415 4.3116
10 10.044 7.5595 6.5523 5.9944 5.6364 5.3858 5.2001 5.0567 4.9424 4.8491 4.4054 4.0819 4.0137 3.91
11 9.6461 7.2057 6.2167 5.6683 5.316 5.0692 4.886 4.7445 4.6315 4.5393 4.099 3.7761 3.7077 3.6035
12 9.3303 6.9266 5.9525 5.4119 5.0644 4.8205 4.6395 4.4994 4.3875 4.2961 3.8584 3.5355 3.4668 3.3619
13 9.0738 6.7009 5.7394 5.2053 4.8616 4.6203 4.441 4.3021 4.1911 4.1003 3.6646 3.3413 3.2723 3.1665
14 8.8617 6.5149 5.5639 5.0354 4.695 4.4558 4.2779 4.14 4.0297 3.9394 3.5052 3.1813 3.1118 3.0051
15 8.6832 6.3588 5.417 4.8932 4.5556 4.3183 4.1416 4.0044 3.8948 3.8049 3.3719 3.0471 2.9772 2.8695
16 8.5309 6.2263 5.2922 4.7726 4.4374 4.2016 4.0259 3.8896 3.7804 3.6909 3.2587 2.933 2.8627 2.7539
17 8.3998 6.1121 5.185 4.6689 4.336 4.1015 3.9267 3.7909 3.6823 3.5931 3.1615 2.8348 2.7639 2.6542
18 8.2855 6.0129 5.0919 4.579 4.2479 4.0146 3.8406 3.7054 3.5971 3.5081 3.0771 2.7493 2.6779 2.5671
19 8.185 5.9259 5.0103 4.5002 4.1708 3.9386 3.7653 3.6305 3.5225 3.4338 3.0031 2.6742 2.6023 2.4905
20 8.096 5.849 4.9382 4.4307 4.1027 3.8714 3.6987 3.5644 3.4567 3.3682 2.9377 2.6077 2.5353 2.4224
21 8.0166 5.7804 4.874 4.3688 4.0421 3.8117 3.6396 3.5056 3.3982 3.3098 2.8795 2.5484 2.4755 2.3615
22 7.9453 5.719 4.8166 4.3134 3.988 3.7583 3.5866 3.453 3.3458 3.2576 2.8274 2.4951 2.4218 2.3067
23 7.8811 5.6637 4.7648 4.2635 3.9392 3.7102 3.539 3.4057 3.2986 3.2106 2.7805 2.4471 2.3732 2.2571
24 7.8229 5.6136 4.7181 4.2185 3.8951 3.6667 3.4959 3.3629 3.256 3.1681 2.738 2.4035 2.3291 2.2119
25 7.7698 5.568 4.6755 4.1774 3.855 3.6272 3.4568 3.3239 3.2172 3.1294 2.6993 2.3637 2.2888 2.1706
26 7.7213 5.5263 4.6365 4.14 3.8183 3.5911 3.421 3.2884 3.1818 3.0941 2.664 2.3273 2.2519 2.1327
27 7.6767 5.4881 4.6009 4.1056 3.7847 3.558 3.3882 3.2558 3.1494 3.0618 2.6316 2.2938 2.218 2.0978
28 7.6357 5.4529 4.5681 4.074 3.7539 3.5276 3.3581 3.2259 3.1195 3.032 2.6018 2.2629 2.1867 2.0655
29 7.5977 5.4205 4.5378 4.0449 3.7254 3.4995 3.3303 3.1982 3.092 3.0045 2.5742 2.2344 2.1577 2.0355
30 7.5624 5.3903 4.5097 4.0179 3.699 3.4735 3.3045 3.1726 3.0665 2.9791 2.5487 2.2079 2.1307 2.0075
40 7.3142 5.1785 4.3126 3.8283 3.5138 3.291 3.1238 2.993 2.8876 2.8005 2.3689 2.0194 1.9383 1.8061
50 7.1706 5.0566 4.1994 3.7195 3.4077 3.1864 3.0202 2.89 2.785 2.6981 2.2652 1.909 1.8248 1.6847
60 7.0771 4.9774 4.1259 3.6491 3.3389 3.1187 2.953 2.8233 2.7185 2.6318 2.1978 1.8363 1.7493 1.6023
70 7.0114 4.9218 4.0744 3.5997 3.2907 3.0712 2.906 2.7765 2.6719 2.5852 2.1504 1.7846 1.6954 1.5422
80 6.9626 4.8807 4.0363 3.5631 3.2551 3.0361 2.8713 2.742 2.6374 2.5508 2.1153 1.7459 1.6548 1.496
90 6.9251 4.8491 4.0069 3.535 3.2276 3.0091 2.8445 2.7154 2.6109 2.5243 2.0882 1.7158 1.6231 1.4593
100 6.8953 4.8239 3.9837 3.5127 3.2059 2.9877 2.8233 2.6943 2.5898 2.5033 2.0666 1.6918 1.5977 1.4292
200 6.7633 4.7128 3.881 3.4143 3.11 2.8933 2.7298 2.6012 2.4971 2.4106 1.9713 1.5833 1.4811 1.2812
300 6.7201 4.6766 3.8475 3.3822 3.0787 2.8625 2.6993 2.5709 2.4668 2.3804 1.9401 1.5468 1.441 1.2228
400 6.6987 4.6586 3.8309 3.3664 3.0632 2.8472 2.6842 2.5559 2.4518 2.3654 1.9245 1.5285 1.4207 1.19
500 6.6858 4.6479 3.821 3.3569 3.054 2.8381 2.6751 2.5469 2.4429 2.3565 1.9152 1.5174 1.4084 1.1684
600 6.6773 4.6407 3.8144 3.3506 3.0478 2.8321 2.6691 2.5409 2.4369 2.3505 1.9091 1.5101 1.4001 1.1529
700 6.6713 4.6356 3.8097 3.346 3.0434 2.8278 2.6648 2.5367 2.4327 2.3463 1.9047 1.5048 1.3942 1.1411
800 6.6667 4.6318 3.8062 3.3427 3.0402 2.8245 2.6617 2.5335 2.4295 2.3431 1.9013 1.5008 1.3897 1.1318
900 6.6631 4.6288 3.8034 3.3401 3.0376 2.822 2.6592 2.531 2.427 2.3406 1.8988 1.4978 1.3863 1.1242
1000 6.6603 4.6264 3.8012 3.338 3.0356 2.82 2.6572 2.529 2.425 2.3386 1.8967 1.4953 1.3835 1.1178
192
Capitulo 12
COMUNICACION CIENTIFICA
12.1 Concepto, elementos y caractersticas
La comunicacin cientfica es el proceso que emplea el investigador para transmitir a
las comunidades de los cientficos, de los profesionales, de los usuarios, etc., acerca de
los procedimientos y razonamientos que se ha empleado para desarrollar su trabajo, as
como los hallazgos o inventos que ha logrado. Un conocimiento cientfico o tecnolgico
solo es tal si se comunica a travs de un cdigo (lenguaje, signos, etc.) especializado,
preciso, unvoco y comprensible.
Esta comunicacin en todo el proceso de la investigacin. Inicia con la exposicin del
perfil y el proyecto ante los auspiciadores, los documentos de trabajo con los avances de
la ejecucin del proyecto para su discusin entre los pares y estudiosos del tema, la
presentacin, exposicin y por lo general defensa del protocolo o informe de
investigacin ante un panel de expertos designados por los auspiciadores; es ms, un
trabajo de investigacin realmente es reconocido por las comunidades antedichas
cuando se publica un artculo cientfico con sus hallazgos en una revista cientfica de
amplia trayectoria. Es un proceso largo en los cuales se va perfilando mejor no solo el
trabajo sino tambin precisando y clarificando la comunicacin.
COMUNICACIN CIENTIFICA
Proceso que usa el investigador
para transmitir los mtodos y sus
hallazgos o inventos.
Elementos:
Emisor: Investigador
Receptor: comunidad cientfica o
profesional y los usuarios.
Cdigo: lenguajes y smbolos
claros, unvocos y precisos.
Canal: artculos cientficos, tesis,
ponencias, etc.
Ruido: distorsiones originadas
por el uso incorrecto del cdigo,
del canal u otro.
Retroalimentacin: respuesta
que provoca en el receptos el
mensaje cientfico.
PROCESO DE LA COMUNICACION
E
M
I
S
O
R
C
A
N
A
L
R
E
C
E
P
T
O
R
Codificacin
del mensaje
Decodificacin
del mensaje
RUIDO
Retroalimentacin
Los elementos de la comunicacin cientfica, al igual que las otras, son:
El emisor: es el investigador. La comunicacin en la ciencia y en la tecnologa
responde a una investigacin trascendente, con profunda cobertura terica y
metodolgica, bien meditada y razonada; debido a estas exigencias, la comunicacin
en la ciencia no es instantnea como ocurre en la vida cotidiana; incluso, los
receptores tienen que digerir, es decir analizar detenidamente y comprender, la
comunicacin del investigador para retroalimentarlo.
193
El receptor: es el lector u oyente de la comunicacin cientfica, por ejemplo: un
jurado, otro investigador, un estudiante, un usuario de los inventos, un comunicador
social, etc., a quienes el mensaje les debe llegar claro y preciso, pero sin sacrificar la
terminologa especializada propia de la ciencia o la tecnologa.
El cdigo: est conformado por el lenguaje y los smbolos especializados que
emplean los investigadores para comunicar sus hallazgos, stos deben ser claros,
precisos y unvocos. Muchas veces, comprender a cabalidad el cdigo particular de
una ciencia o una tecnologa requiere conocer los significados particulares le ha
asignado. Ejemplo: caja en el lenguaje comn es un recipiente, pero en contabilidad
se refiere a dinero en efectivo.
El canal: es el medio que se emplea para comunicar los avances y los resultados del
trabajo de investigacin. Comprende la presentacin del perfil de investigacin, del
proyecto, de los papeles de trabajo con los avances, su defensa ante un jurado si es
una tesis o en conferencias, paneles, mesas redondas ante los pares, su publicacin
como artculo cientfico en las revistas cientficas; en la actualidad tambin es
posible circularlo mediante el web para recibir apreciaciones de otros, entre otros.
El ruido: son las distorsiones que ocurren en el proceso de la comunicacin. Algunas
veces los ocasiona el mismo investigador si utiliza trminos incomprensibles o utiliza
un canal inapropiado. Las otras fuentes son el ambiente inadecuado, descuido por
parte de los organizadores, material deficiente, etc.
La retroalimentacin: es la respuesta que provoca en el receptor el mensaje cientfico
o tecnolgico, por ejemplo: la crtica, la iniciacin de nuevas investigaciones, la nota
con que los jurados califican la tesis, etc.
Las caractersticas bsicas de la comunicacin cientfica se relacionan con la precisin
y la perdurabilidad de los aportes cientficos y tecnolgicos. Transmiten una
informacin objetiva, rigurosa, ordenada y receptiva a la crtica.
Es objetiva porque esta clase de comunicacin es vlida siempre que exista un
trabajo de investigacin.
Rigurosa porque rene las exigencias metodolgicas como son el uso apropiado del
lenguaje, orden expositivo coherente, sustentado en teoras pertinentes, control de
calidad garantizado por la participacin de crticos y presentacin del informe
utilizando el tipo de letra, mrgenes, extensin, tipo de papel, espaciado, referencias
y estructuras estndares.
Ordenada por la secuencia lgica con que se presentan los informes o disertaciones
cientficas. La estructura de los informes y las disertaciones se orientar a la mejor
comprensin del mensaje cientfico o tecnolgico. Cada una de sus partes guardar
cohesin y unidad y enlazar claramente con las restantes. Cada seccin, prrafo o
frase tendr sentido propio y una funcin definida dentro del discurso general. En
general, la estructura de esta clase de comunicacin procura ajustarse al mtodo
cientfico: exposicin del problema que se pretende resolver, los conocimientos
previos reconocidos a travs de las referencias bibliogrficas, los datos obtenidos y
194
sus fuentes, el anlisis de stos, las discusiones que ameritan y las conclusiones a las
que se han arribado, incluso en una ponencia breve en un congreso o evento similar.
Receptiva a la crtica. La crtica es el medio de control de calidad de todo trabajo de
investigacin. El investigador antes de dar por finalizado su trabajo circula sus
hallazgos mediante papeles o documentos de trabajo. Estos documentos ser motivo
de anlisis y comentarios crticos por terceros; si resiste esa crtica, pueda que sea
hora de dar por concluido el trabajo.
Caractersticas de la comunicacin cientfica
Bsicas
Objetiva es vlida si existe un
trabajo de investigacin.
Rigurosa: rene exigencias
metodolgicas como uso
apropiado del lenguaje, orden
expositivo coherente,
participacin de crticos.
Ordenada por la secuencia lgica
con que se presentan los informes
o disertaciones.
Receptiva a la crtica. La crtica
es el medio de control de calidad
de todo trabajo de investigacin.
Del lenguaje y smbolos
Comprensibilidad: el mensaje se
entiende clara y rpidamente. Se
emplea trminos, smbolos, teoras,
datos, etc., ampliamente
reconocidos por los cientficos y los
usuarios.
Precisin: se comunica
exactamente lo que se quiere decir.
Se logra usando el menor nmero
posible de palabras. Estilo libre de
giros idiomticos pero armonioso.
Unvoco: el mensaje cientfico se
comunica de modo que lo
entiendan de la misma manera
todos los destinatarios.
El lenguaje y los smbolos que emplea la comunicacin cientfica se caracteriza porque
son comprensibles, unvocos y precisos.
Comprensibilidad: el mensaje escrito u oral se entiende clara y rpidamente. Ocurre
cuando se emplea la terminologa, los smbolos, teoras, datos, etc., ampliamente
reconocida de la ciencia o la tecnologa; adems las expresiones comunes son
sencillas, las oraciones y los prrafos estn bien construidas y cada parte del informe
desarrolla su tema siguiendo un orden lgico. Ejemplo: si la productividad es la
cantidad de productos que se obtiene al utilizar un insumo, la productividad laboral
es la cantidad de ingresos que genera un trabajador.
Precisin: se comunica exactamente lo que se quiere decir. Ejemplo: las ventas han
mejorado en varios puntos. Qu significa puntos en esa oracin? Los entendidos
seguramente comprendern lo que se quiere decir con puntos, pero quizs quieran
saber cules puntos exactamente? Un 10%? Dnde? Ser ms preciso escribir las
ventas han mejorado en un 10% en los puestos de venta de Trujillo, Arequipa,
Juliaca, y Tacna.
La precisin se logra usando el menor nmero posible de palabras para comunicar el
mensaje. El texto innecesario o los giros idiomticos desvan la atencin del lector y
afecta la claridad del mensaje y abarcan innecesariamente ms espacio o tiempo.
Ejemplo: las entrevistas a los alcaldes respecto a la importancia que le otorgan a la
educacin, en cada una de las municipalidades estudiadas de la Regin Sur, permiten
195
concluir que lo consideran una actividad propia del Ministerio de Educacin. Ms
brevemente puede decirse: los alcaldes de las municipalidades de la Regin Sur
consideran que la educacin es una actividad propia del Ministerio de Educacin.
La redaccin cientfica emplea un estilo libre de giros idiomticos o literarios, pero
sin descuidar la armona y la elegancia. Las disertaciones cientficas evitan los giros
efectistas y los medios tonos, que seguramente en otras circunstancias resultaran
convenientes. Lo importante es destacar con nombre propio los hallazgos tal como
son, sin ninguna perturbacin debido al uso del lenguaje; quizs sea mejor apoyarse
en las referencias, en los cuadros o grficas; en los hechos, dicho de otra manera.
Unvoco: el mensaje cientfico se redacta o se diserta de modo que lo entienden de la
misma manera todos los lectores u oyentes a quienes va dirigido. Esta cualidad se
logra empleando terminologa ampliamente reconocida por la comunidad cientfica o
tecnolgica y por los usuarios. Ejemplo: tradicionalmente, en los informes contables
para referirse a dinero en efectivo o en bancos se empleaba el trmino caja y bancos;
ahora se emplea efectivo y equivalentes de efectivo, una expresin ms unvoca para
los contadores como los no contadores.
12.2 Redaccin Cientfica: propsito, clases
Hasta ahora son preferibles las comunicaciones cientficas por escrito. Incluso las
disertaciones en los congresos, paneles, etc., se publican como memorias. Al parecer
solo as, es posible una difusin y crtica objetiva de los hallazgos de la ciencia. El
medio oral puede ser muy efectivo y ms fcil, de hecho algunos conferencistas lo usan
para difundir sus mensajes a travs de audios, pero an no lo aceptan sin reservas los
directores de las revistas cientficas y creo que los investigadores tampoco.
Redaccin Cientfica: propsito, clases
Propsito
La redaccin cientfica es el
procedimiento que emplea el
investigador para describir sus
actividades y sus hallazgos en un
documento escrito llamado informe
de investigacin, utilizando la
palabra escrita, smbolos, cuadros,
grficas, etc.
Para escribir se necesita mayor
esfuerzo: concentrarse, organizar el
mensaje, no se logra la versatilidad
de la oralidad; pero si estabilidad,
perdurabilidad, objetivacin del
mensaje, control de la produccin
del mensaje (puede revisarse las
veces que se quiera).
Clases
Argumentativa, su propsito es
demostrar y convencer, mediante la
coherencia y la consistencia de los
argumentos.
Descriptiva: se expone las
caractersticas de las personas,
objetos, incluso ideas. Se identifica
su naturaleza, la clase al que
pertenece y sus relaciones con los
de su misma especie y con otras.
Redaccin explicativa: esclarece
las causas y los efectos de los
hechos, fenmenos, datos, etc. Se
emplea argumentos sustentados en
la observacin o en el experimento,
La redaccin cientfica es el procedimiento que emplea el investigador para describir
sus actividades y sus hallazgos en un documento escrito llamado protocolo o informe de
investigacin, utilizando la palabra escrita, smbolos, cuadros, grficas, etc. Es distinta a
196
la redaccin literaria porque sta tiene otros propsitos. Ejemplo, los poetas expresan
sus sentimientos, los narradores de cuentos quieren entretener con sus historias, los
ensayistas analizan los temas para expresar sus puntos de vista; para ello estos autores
utilizan metforas, eufemismos, vocabulario florido y otros recursos literarios. La
redaccin cientfica, en cambio, tiene un slo propsito: informar el resultado de una
investigacin de manera precisa y eficaz. Antes que un don innato, la redaccin
cientfica es una destreza que se aprende.
La escritura no posee la plasticidad, la rapidez y la agilidad interactiva propia de la
comunicacin oral. Para escribir se necesita mayor esfuerzo: concentrarse, organizar el
mensaje, difcilmente puede lograrse la versatilidad que se alcanza con la oralidad; pero
a cambio se logra la estabilidad, perdurabilidad, objetivacin del mensaje, control de la
produccin del mensaje (puede revisarse las veces que se quiera).
En un informe cientfico puede emplearse las siguientes tcnicas de redaccin cientfica:
Argumentativa, su propsito es demostrar y convencer. Mediante la coherencia y la
consistencia de los argumentos se pretende demostrar la validez y la verdad de las
hiptesis y las teoras. La coherencia se refiere a la concatenacin lgica con la que
se presentan los elementos o premisas del argumento. La consistencia se refiere a la
objetividad de los hechos que representan esas premisas, s hechos observables de
manera directa o indirecta, esto en la exposicin de los hallazgos y teoras
ampliamente reconocidas. La estructura de la argumentacin se reduce al
planteamiento de una cuestin inquisitiva, al cual le sigue una proposicin referente a
una respuesta tentativa o hiptesis, luego los argumentos que demuestren la su
validez o la falsedad de la hiptesis (anttesis); para finalmente derivar una
conclusin o tesis. En todo proceso se emplean articuladores lgicos. A la
demostracin de la falsedad tambin se le llama refutacin.
Descriptiva: se expone con palabras las caractersticas de las personas, objetos,
incluso ideas. Se describe por lo general en siguiente orden: primero de identifica la
naturaleza del objeto descrito, luego la clase al que pertenece y finalmente las
relaciones que sostiene con los de su misma especie y con otras. Algunas preguntas
que puede responderse a travs de la descripcin son: cul es la naturaleza de ese
objeto?, puede establecerse clases con los objetos de esa naturaleza?, si es as, a
cul clase pertenece?, cmo se relaciona con otros objetos de su misma especie u
otras?, cmo es?, dnde se encuentran?, cmo es o como era el medio ambiente o
entorno del lugar donde se encuentran o se encontraban?, etc.
Redaccin explicativa: esclarece las causas y los efectos de los hechos, fenmenos,
datos, precisar las definiciones, entre otras. La explicacin en la redaccin cientfica
emplea argumentos cualitativos y cuantitativos y se sustenta en la observacin y
rplica de los hechos, con la condicin de que stas sean coherentes y pertinentes al
objeto de estudio.
12.3 Algunas reglas de la redaccin cientfica
197
Algunas destrezas que cultiva un redactor cientfico son el dominio el idioma, redaccin
de oraciones completas y coherentes, construccin de prrafos que lleven al lector
lgicamente de un tema al prximo, y usar con destreza las palabras y los signos de
puntuacin para producir un texto sencillo, claro y fcil de entender; y disciplina para
enfocarse en el trabajo, establecer plazos, revisar el manuscrito, buscar y aceptar la
crtica. Los expertos recomiendan consultar los manuales de redaccin para observar las
reglas que se emplean para componer los informes de investigacin. Algunas se
resumen a continuacin.
Formalizar a travs de conceptos el mensaje cientfico o tecnolgico, organizarlas y
darles sentido, luego trasladarlas a palabras, frases u oraciones. Las ideas complejas se
descomponen hasta hacerlas entendibles, luego ordenar esas ideas de manera lgica,
estructurarlos en unidades cada vez ms completas, alrededor de una idea central.
Ejemplo: el contenido de los artculos cientficos o las tesis se estructuran alrededor del
planteamiento y resolucin del problema. Una estrategia simple es plantear y responder
en cada punto o tema y las que sean aplicable las siguientes preguntas: Qu?, Cmo?,
Quien?, Cuando?, Dnde?, Por qu?, etc.
Algunas reglas de la redaccin cientfica (1 de 3)
Destrezas
Dominio el idioma, uso adecuado
de las palabras y los signos de
puntuacin, redaccin de oraciones
completas y coherentes, entre otras,
Disciplina para enfocarse en el
trabajo, establecer plazos, revisar el
borrador, aceptar la crtica.
Formalizar a travs de conceptos el
mensaje cientfico, organizarlas y
darles sentido, luego trasladarlas a
palabras, frases u oraciones.
Ordenar esas ideas de manera
lgica, estructurarlos en unidades
cada vez ms completas, alrededor
de una idea central.
Construccin de oraciones y
prrafos
Sujeto gramatical: forma reflexiva
de la tercera persona,
Concordancia entre gnero y
nmero gramatical en cada uno de
los elementos (frases, oraciones,
etc.) del informe.
Prrafos: las comunicaciones
cientficas son precisos, etc. Los
artculos cientficos emplean
prrafos cortos.
En informes extensos preferible
combinar prrafos cortos (hasta seis
lneas) con prrafos largos (de 7 a
14 lneas).
Sujeto gramatical: es la forma como se dirige el investigador al lector de su mensaje.
Puede hacerlo en primera persona del plural (nosotros), en la forma reflexiva de la
tercera persona (o "se" impersonal) y la primera persona del singular (yo). La primera
forma reconoce la autora del trabajo a varias personas (al investigador y sus asesores,
por ejemplo), la segunda denota cierto formalismo y la tercera es coloquial y directa. No
hay una razn de fondo, pero los investigadores suelen utilizar la tercera persona para
redactar sus informes.
Es importante observar la concordancia entre gnero y nmero gramatical en cada uno
de los elementos (frases, oraciones, etc.) del informe. Ejemplos: la efectividad es una
cualidad propia de las actrices; las cualidades que cultivan los contadores son el orden,
la prudencia, la puntualidad, entre otras. La inobservancia de esta regla descubre al leer
198
detenidamente el texto. Los procesadores modernos de textos pueden ayudar, pero con
frecuencia pasan por alto esta clase de errores.
Longitud de oraciones y prrafos: las oraciones largas son ms difciles de entender,
porque cuando es ms larga la oracin, el verbo suele alejarse del respectivo sujeto o; la
oracin contiene tantas palabras que el lector no logra retener las primeras, debiendo re-
leerlas una y otra vez, para comprenderlas. Tampoco las oraciones cortas son garanta
de comprensibilidad, pueden dar por supuesto algunas informaciones que desconoce el
lector. En ambos casos, es necesario organizarlas y puntuarlas adecuadamente.
La comunicacin cientfica se caracteriza, entre otras, por su brevedad. Por ejemplo, los
artculos cientficos emplean oraciones y prrafos cortos, particularmente orientados a
un pblico conocedor del tema. En los informes ms extensos es preferible combinar
prrafos cortos (hasta seis lneas) con prrafos largos (de 7 a 14 lneas). El propsito no
es conseguir un informe intrigante sino amigable. La excesiva secuencia de prrafos
largos u oraciones cortas, contienen demasiadas seales de alto que pueden cansar al
lector. Los prrafos se separan con una lnea en blanco o se sangra la primera lnea del
prrafo.
Otra caracterstica del lenguaje cientfico es la exactitud en la expresin. Lo esencial de
las ciencias o las tecnologas se procura enunciar mediante frmulas matemticas, que
se caracterizan porque son exactas y unvocas, incluso pueden trascender un lenguaje
particular. Esta cualidad tambin se procura extender al enunciado de los conceptos, los
principios, las hiptesis, teoras y otros elementos del discurso cientfico. El mensaje
cientfico se transmite mejor empleando expresiones unvocas, que invoquen conceptos
precisos y claros. Los sinnimos y las analogas pueden invocar conceptos parecidos
pero difcilmente el mismo concepto del trmino que se pretende sustituir. Las ciencias
y las tecnologas por lo general tienen su propia terminologa, ampliamente reconocidas
y entendidas por quienes lo usan; por ello, emplear vocablos sustitutos probablemente
no mejore el mensaje. Conceptos como familia, gnero y clase tienen un significado
particular en las ciencias biolgicas, o cuenta y partida doble en contabilidad o energa
cintica en fsica. Salvo definiciones operacionales de nuevos trminos que invocan
nuevos conceptos, es preferible no otorgar a las palabras un sentido distinto al que
tienen en el uso cotidiano de la terminologa cientfica o tecnolgica o en el idioma.
Se emplean abreviaturas porque ahorran espacio y aligeran la lectura, pero los editores
de las revistas cientficas recomiendan no usarlos en el ttulo ni en el resumen ni al
comenzar una oracin ni cuando hay la necesidad de emplearlo pocas veces. Son tiles
cuando se refieren a una expresin larga, reiteradamente usada y corresponde crearlas
cuando no existe otra abreviatura reconocida. Se resuelve la confusin que pueden
introducir las abreviaturas exponiendo sus significados en un lugar visible del texto.
Se emplean nmeros cuando hay que referirse a unidades de medida, horas y fechas,
etc. Algunas reglas habituales que se observan en la presentacin de los nmeros son:
Los nmeros se escriben con palabras cuando se los usan como sustantivos, con sus
cifras en los otros casos.
199
La cantidad de cifras con que presentan los nmeros estn dadas por la magnitud, la
precisin y la homogeneidad con que son requeridos. Ejemplo: los nmeros muy
grandes que no requieren precisin pueden redondearse a miles, millones, etc., los
muy pequeos con uno o ms decimales.
Para redondear se considera las dos cifras siguientes al nivel de redondeo, si es
mayor a 50 se redondea al nivel superior siguiente, si es menor a 50 no se toma en
cuenta esas cifras adicionales; si es 50, considere la cifra anterior a 50; si es par al
nivel superior, si es impar no tome en cuenta las cifras adicionales.
Algunas reglas de la redaccin cientfica (2 de 3)
Formalizacin
Lo esencial de las ciencias o las
tecnologas se enuncia mediante
frmulas matemticas, porque son
exactas y unvocas. Esa precisin
se extiende al enunciado de los
conceptos, hiptesis, teoras, etc.
El mensaje cientfico se transmite
mejor empleando expresiones
unvocas, que invoquen conceptos
precisos y claros.
Uso de abreviaturas
Se emplean para referirse a una
expresin larga y reiteradamente
usada. Preferible una abreviatura
reconocida. No usarlas en ttulos ni
resmenes.
Expresiones numricas
Se escriben con palabras cuando se
los usan como sustantivos.
La cantidad de cifras con que se
representan los nmeros, estn
dadas por la magnitud, precisin y
homogeneidad requeridos.
Ejemplo de redondeo: a miles las
cifras: 5 050 501 ===> 50 051
5 050 499 ===> 50 050
5 050 500 ===> 50 051
5 051 500 ===> 50 051
Los promedios se presentan con la
precisin que los datos. Ej.: 42,5
57,7 y 62,3 ; promedio 54,166667;
se redondea a 54,2.
El tamao de la muestra, la amplitud de la variancia y la naturaleza del objeto
medido determinan la precisin del redondeo. Ejemplo: el promedio de los costos de
14 rdenes de produccin es 156 111,67715. Es preciso redondearlo a solo dos
decimales, pues las unidades monetarias se expresan solo hasta centenas.
Cuando la medida es exacta, no use muletillas. Ejemplo: el reservorio contiene 33
547 litros de agua, aproximadamente. Lo correcto es: el reservorio contiene 33 547
litros de agua.
La numeracin de los captulos y subcaptulos se emplea en los informes largos, no as
en los artculos cientficos. En cambio las tablas, grficas, cuadros, etc., se enumeran
correlativamente a lo largo del texto.
Las maysculas se utilizan como la primera letra de los nombres propios, conforme las
reglas ortogrficas, y para escribir el ttulo del informe, del contenido de la cartula si la
hay, de los captulos y siglas. Los ttulos de los subcaptulos y dems partes se escriben
en minscula. No se emplean maysculas para resaltar las ideas. Si hay necesidad de
destacar vocablos dentro de un texto (ejemplo: nombres cientficos de los animales,
plantas, palabras extranjeras giros idiomticos, etc.), se subrayan o se utilizan letras
cursivas.
200
Algunas reglas de la redaccin cientfica (3 de 3)
Uso de maysculas
Primera letra de nombres propios,
siglas, ttulos de captulos , etc.
Nombres cientficos
Los nombres cientficos de los
animales, etc., palabras extranjeras
giros idiomticos, etc., se subrayan
o se escriben en cursivas.
Citas bibliogrficas
Usar los sistemas Vancouver o
APA. Respaldan las ideas que se
exponen, pero no deben dificultar o
romper la ilacin del discurso.
Preferible citar slo aquellas
referencias directamente
pertinentes al tema.
Reglas ortogrficas
La coma se emplea para separar las
partes de una oracin . En la lectura
intercala pausas breves.
El punto y coma intercala una
pausa ms larga en la lectura. Se
emplea para separar elementos de
una lista que contiene comas o para
vincular las partes de una oracin
que podran ser independientes.
Los dos puntos se emplean para
introducir una lista, sin separar al
verbo de su correspondiente sujeto.
Comillas (" "): se emplean para
enmarcar las citas textuales.. No se
emplea para connotar o enfatizar.
Es recomendable adoptar un criterio nico sobre los recursos tipogrficos en toda la
obra en cuanto al uso de estos. Estos recursos, los signos de exclamacin, parntesis,
etc., en los informes cientficos se usan muy poco. Es impropio de un informe cientfico
el afn por intensificar el discurso, por si solo debe ir guiando al lector para asegurar su
compresin.
Las citas bibliogrficas dentro del texto se presentan empleando los sistemas APA o
Vancouver. Estas citas respaldan las ideas que se exponen, pero no deben dificultar o
romper la ilacin del discurso. Exagerar las citas denota inseguridad en la exposicin o
insuficiencia de anlisis y selectividad. Es recomendable citar slo aquellas referencias
directamente pertinentes al tema de la investigacin. Una aseveracin, por ejemplo,
puede respaldarse a lo ms con tres citas, las ms recientes e importantes. Evite citar
resmenes e informes de investigacin en curso, salvo los estrictamente necesarios,
tampoco dichos. Si existen dos versiones sobre el mismo artculo o libro, una nacional y
otra internacional, prefiera la ltima.
La observacin de las reglas ortogrficas facilita redactar oraciones comprensibles al
lector, en particular si son complejas y largas, con muchos elementos subordinados y
complementarios: sustantivos + verbos + adjetivos + adverbios + etc.
La coma se emplea para separar las partes o elementos de una oracin o de una lista.
En la lectura motiva intercalar pausas breves. Ejemplo: los aminocidos contienen
carbono, hidrgeno, oxgeno y nitrgeno. La coma se reemplaza con y antes del
ltimo elemento de la lista.
El punto y coma motiva una pausa ms larga en la lectura. Se emplea para separar
elementos de una lista que contiene comas o para vincular las partes de una oracin
que podran ser independientes. Ejemplo: respecto a la percepcin de la pobreza en
las zonas rurales, la realidad es muy distinta; los pobres no son a quienes les falta luz,
agua o desage, son los que no tienen recursos para subsistir.
201
Los dos puntos se emplean para introducir una lista, pero no deben separar al verbo
de su correspondiente sujeto. Ejemplo: Estos son los resultados*: el 15 % de las
mujeres quechuas monolinges son analfabetas, el 40% tienen primaria incompleta,
el 30% primaria completa, el 12% han realizado estudios secundarios, solo un 3%
son profesionales tcnicos o universitarios.
Comillas (" "): se emplean para enmarcar las citas textuales. Se delimitan entre
comillas el texto o las palabras del autor citado. No se emplea para connotar o
enfatizar. Ejemplo: Crdenas (1999: 15) deca: los indgenas de Carangas son
herederos de una etnia revolucionaria pero participativa, apoyaron el gobierno
indgena de Catari.
Al redactar los informes cientficos evite incurrir en los errores de sintaxis, ortogrficos
u otros. A continuacin se menciona algunos de los ms comunes:
Sintaxis descuidada: ocurre cuando no se ordenan o se aproximan cuidadosamente
los elementos relacionados de la oracin: el verbo y los adjetivos a continuacin del
sujeto, los adverbios quedar cerca de los adjetivos que modifican. El lector otorga
poca atencin a los vocablos entre el sujeto y el verbo, hasta los sobreentiende;
tambin busca la informacin ms importante al final del prrafo y que el prximo
comience con un tema relacionado; por ello, para cambiar de tema es necesario
introducirlo. La sintaxis descuidada puede ocasionar oraciones con significados
confusos hasta absurdos, incluso opuestos a lo se quiere comunicar. Ejemplo: El
paciente sinti dolor en el dedo que gradualmente desapareci. Desapareci el
dolor o el dedo? Lo mismo puede redactarse: El paciente sinti dolor en el dedo,
aquel desapareci gradualmente. Los pronombres (vea el ejemplo anterior) evitan la
repeticin de los sustantivos y acortan las oraciones, pero pueden confundir al lector
si no logran identificar claramente el sujeto al que reemplaza.
El uso inadecuado de los signos de puntuacin dificulta la comprensin del mensaje
hasta le puede otorgar un significado dudoso o distinto a lo que se quiere decir. Se
supera evaluando cuidadosamente la posicin de cada signo de puntuacin; leyendo
varias veces la oracin, con y sin el signo de puntuacin, hasta que la oracin diga
exactamente lo que de quiere decir. Ejemplo: En verdad te digo hoy, nos veremos en
el paraso. Muy distinto a: En verdad te digo, hoy nos veremos en el paraso.
La redundancia es comn en la conversacin cotidiana, ejemplo: subir para arriba,
pero se evitan en la comunicacin cientfica. La verbosidad, uso excesivo de palabras
para comunicar una idea, es un vicio aceptable en el discurso oral; no as en un
documento, pues afecta a su claridad y brevedad. Ejemplo: los suelos del altiplano
puneo tienen un bajsimo contenido de materia orgnica, tienen el 20% de la
materia orgnica de los suelos de la pampa argentina. Lo mismo puede decirse: Los
suelos del altiplano puneo tienen el 20% de la materia orgnica de la pampa
argentina. Otra forma de expresin que se acepta en la comunicacin oral es la doble
negacin, pero es preferible evitarlas en la redaccin tcnica. Las oraciones positivas
son ms precisas, claras y concisas. Ejemplo: no hay ningn tipo de contaminacin,
mejor decir: no hay contaminacin.
202
Escudarse exageradamente. En las investigaciones es probable obtener resultados
alternos, en particular si no se tiene control de todas las variables. Para denotar esa
posibilidad suele emplearse trminos como probablemente, quizs, etc. Puede
aceptarse pero no a punto de crear dudas innecesarias y desmerecer el valor de la
investigacin. Ejemplo: los resultados de 25 experimentos sugieren que la planta
probablemente puede crecer ms rpido; preferible escribir: los resultados de las 25
repeticiones demuestran que la planta puede crecer ms rpido.
Errores de redaccin ms comunes
Sintaxis descuidada: ocurre si no se
ordenan o aproximan cuidadosamente
los elementos de la oracin. Ejemplo:
verbo y adjetivos cerca del sujeto.
El uso inadecuado de los signos de
puntuacin dificulta la comprensin
del mensaje hasta le puede otorgar un
significado dudoso o distinto a lo que
se quiere decir.
La redundancia es comn en la
charla cotidiana, pero se evitan en
la comunicacin cientfica.
La verbosidad (uso excesivo de
palabras) es un vicio aceptable en
un discurso, no en un documento,
afecta a su claridad y brevedad.
Escudarse exageradamente puede
crear dudas innecesarias y
desmerecer el valor del trabajo.
Anglicismos. El ingls es la lengua
internacional de la ciencia y la
tecnologa, por eso muchas
expresiones tcnicas estn en esa
lengua; pero si existen sus
equivalentes en el espaol, es
preferible emplear stas.
Lenguaje informal: los informes
cientficos se redactan en un
lenguaje formal, libre de vocablos y
giros tpicos de la conversacin
cotidiana.
Anglicismos. El ingls es la lengua internacional de la ciencia y la tecnologa, por eso
muchas expresiones tcnicas estn en esa lengua; pero si existen sus equivalentes en
el espaol, es preferible emplear stas. El uso indiscriminado del uso de vocablos no
propios del idioma nativo puede dificultar el correcto uso del vocablo, as como de
su comprensin. Ejemplo: use seleccionar en lugar de clickear, cartografiar en lugar
de plotear, vendible en lugar de mercadeable, etc.
Lenguaje informal: los informes cientficos se redactan en un lenguaje formal, libre
de vocablos y giros tpicos de la conversacin cotidiana. Ejemplo: no es apropiado
escribir: es bien conocido que los indgenas aimaras son bilinges.
12,4 Organizacin de la redaccin cientfica
Los informes de investigacin se organizan siguiendo el orden de las etapas del mtodo
cientfico. Las actividades del planeamiento se describen en la primera parte, luego se
exponen los resultados del trabajo de campo (la obtencin de los datos), el anlisis o
discusin de stos y finalmente las conclusiones a las que se arribaron.
Para redactar el informe de investigacin tenga presente los siguientes documentos: el
proyecto de investigacin, el archivo de las fichas bibliogrficas y los que contienen las
evidencias empricas, el procesamiento y el anlisis de los datos. Previamente estos
documentos se depuran y se ordenan de acuerdo al esquema sugerido por la entidad
203
receptora del informe (editores de la revista cientfica, la universidad, el instituto de
investigacin, etc.).
Cada captulo, subcaptulo, incluso cada prrafo se redactan siguiendo un proceso
analtico. Primero se agrupan las ideas y las informaciones referidas a un mismo tema y
coherentes entre s, luego stos se descomponen en unidades ms especficas. De esta
manera se llega a delimitar conjuntos de oraciones y prrafos concretos, integrados de
acuerdo a un esquema global y congruente con el mtodo cientfico.
Organizacin y formalidades de la redaccin cientfica
Los informes de investigacin se
organizan siguiendo el esquema del
mtodo cientfico.
Introduccin
Proyecto de (problema, objetivos)
Investigacin Marco Terico
Marco Metodolgico
Ejecucin del Resultados
Proyecto Discusin
Conclusiones
Documentos de base: archivo de
proyecto de investigacin, fichas
bibliogrficas, base de datos, etc.
Recursos tipogrficos
Usar los mismos en toda la obra.
Tipo de letra: Arial 11
Mrgenes: superior: 4 cm ,
izquierdo: 4 cm, inferior: 3 cm,
derecho: 3 cm
Paginacin: inferior derecho.
Extensin: se sugiere 60 a100
pginas.
Tipo de papel: A4
Espaciado: 1.5
Extensin: se sugiere 15
pginas para proyectos, 6 para
artculos cientficos y entre 60
y 100 para las tesis e informes
largos.
Los procesadores de textos facilitan el trabajo mecnico de escribir, pero de ninguna
manera reemplazan la creatividad y la inventiva del investigador. Si bien la redaccin
cientfica es una actividad estrictamente racional, a la hora de escribir se necesita ciertas
dosis de artista.
Relea cada vez que concluya la redaccin de un prrafo o un conjunto de stos, en
especial si necesita aadir nuevos elementos. Verifique si guardan concordancia con los
que le anteceden como con los siguen (revise la ilacin). Es una forma de identificar
inconsistencias y errores en el proceso de la redaccin.
La redaccin cientfica como las dems actividades humanas se mide por resultados. El
trabajo debe concluirse en el tiempo previsto, por supuesto para lograrlo se requiere
disponer de equipos e insumos (computadora, papel, etc.) y un ambiente adecuado.
12.5 Tipos de informes de trabajos intelectuales
Los informes de las actividades intelectuales que realizan los investigadores, docentes,
profesionales o los alumnos, por su objetivo o profundidad, pueden clasificarse en:
Tesina: Es una denominacin restringida para referirse a los trabajos de corta extensin
que son presentados por los graduandos. Son similares a las monografas, pues tienen la
intencin de evaluar los conocimientos y las habilidades metodolgicas del estudiante
204
respecto a determinada materia. Sus caractersticas especficas los reglamentan las
autoridades acadmicas.
Tesis: es una proposicin que puede ser sostenida o demostrada mediante pruebas y
razonamientos apropiados. Por extensin, desde hace muchos siglos, se llama as a la
exposicin escrita que una persona presentaba ante una entidad acadmica superior
(universidad, escuelas de postgrado no universitarios, etc.) para obtener el ttulo o un
grado acadmico; mediante ese documento demostraba que dominaba la materia de sus
estudios y que era capaz de aportar nuevos y slidos conocimientos a la misma.
Informe de grado: el propsito es la misma de la tesis, sin que se le exijan todos los
atributos de sta, por ejemplo que no requieren comprobar una hiptesis; tampoco
claramente originales ni se exige mucho rigor metodolgico; aunque suelen desarrollar
temas propios del graduando.
Ensayo: permite al autor exponer sus ideas, experiencias y opiniones, sin emplear de
manera estricta el mtodo cientfico, incluso su estilo es menos riguroso.
Monografa: es un trabajo que por lo general trata un tema nico, bien delimitado y
preciso. El trabajo concluye en un escrito breve, suele reducirse la extensin para ms
bien tratar a profundidad el tema. Aunque para algunos es ms bien es producto de una
investigacin bibliogrfica, tambin puede emplearse para exponer en forma profunda
un trabajo de campo, sin las formalidades de un artculo cientfico.
Artculo Cientfico: es un trabajo relativamente breve que se destina a la publicacin en
las revistas especializadas. Los consejos editoriales de stas suelen definir las
caractersticas de contenido y de forma de los escritos que aceptan o encargan. Un
artculo cientfico debe redactarse cuidadosamente para evitar digresiones innecesarias,
para lograr expresar de un modo claro y sinttico lo que se pretende comunicar y debe
contener las citas y referencias necesarias. En algunas ocasiones los artculos cientficos
son sntesis de informes o tesis de mucha mayor envergadura; en ese caso, conviene
tambin difundir el trabajo original entre los miembros del panel o la comunidad
cientfica, por si quieran confrontarla. Los artculos cientficos tambin se publican a
veces como captulos o partes independientes de libros especializados.
Ponencia: es la comunicacin escrita que una persona presenta ante algn evento de
tipo cientfico: seminario, congreso, simposio, etc. Los organizadores de tales reuniones
son quienes definen el carcter que habrn de tener las mismas, segn los fines que
persigan y las condiciones prcticas existentes. Suelen ser trabajos breves, monogrficos
o no, que se destinan adems a la lectura y discusin colectiva; por ello, la redaccin
debe facilitar la rpida y efectiva comunicacin oral: clara y atractiva, con grficas y
otros recursos, orientados a dilucidar las preocupaciones del auditorio. Las ponencias
tambin suelen publicarse junto con las memorias de los citados eventos.
Resea: es un escrito breve que proporciona una visin panormica y a la vez crtica de
alguna obra. Es frecuente que en revistas cientficas, ayudan a los lectores a conocer
mejor las posibles fuentes de informacin existentes, motivan el inters sobre un rea
205
especfica de estudios y permiten evaluar la calidad de los trabajos que se publican.
Suelen desarrollarlo los expertos de la especialidad.
Informe administrativo de investigacin: es una denominacin genrica para referirse a
la exposicin de las actividades realizadas por el equipo de investigacin, no permite
abrir juicio acerca de los resultados reales de la investigacin; es un documento de
trabajo para tomar decisiones ejecutivas por parte de las autoridades institucionales,
donde pueden aparecen los resultados obtenidos en todas o algunas fases, pero solo
como resultado del trabajo.
Papel de Trabajo: se refiere al material intelectual que est en proceso de elaboracin,
que se somete a discusin de un panel de expertos o pares. Es de mucha utilidad para
guiar las discusiones, tambin sirve para mostrar los avances a los miembros del equipo
de investigacin o a los jurados; por supuesto que no tiene las formalidades de un
trabajo acabado.
Informes de trabajo intelectual
Tesina: Es un trabajo intelectual de
corta extensin que se presenta a una
entidad acadmica para acceder a un
ttulo o un grado acadmico.
Tesis: es una hiptesis demostrada
mediante la aplicacin del mtodo
cientfico.
El propsito acadmico de la tesis es
demostrar la capacidad para hacer
aportes originales a la ciencia o a la
tecnologa. Es la mejor prueba para
optar un ttulo o un grado.
Informe profesional: es un informe de
las experticias profesionales. No exige
originalidad y el contraste de una
hiptesis. El motivo es igual al anterior.
Ensayo: el autor expone sus ideas,
experiencias y opiniones, sin emplear
estrictamente el mtodo cientfico.
Monografa: expone un tema nico de
manera profunda. Es el resultado de una
investigacin bibliogrfica, pero tambin
puede exponer un trabajo de campo, sin las
exigencias de un artculo cientfico.
Artculo Cientfico: es un trabajo breve,
destinado a su publicacin en las revistas
especializadas.
Ponencia: es el mensaje que se propone a
un congreso, simposio, entre otras.
Resea: proporciona una visin
panormica y crtica de alguna obra.
Informe administrativo de investigacin:
es la narracin de las actividades
realizadas por un equipo de investigacin.
Papel de Trabajo: es el documento con el
que se somete a discusin de un panel de
expertos o pares los avances de un trabajo
de investigacin.
12.6 Artculo Cientfico
El artculo cientfico es un informe escrito que comunica los resultados de un trabajo de
investigacin, que fue objeto de control de calidad de parte de otros investigadores y los
usuarios. Los artculos cientficos se publican en las revistas cientficas. Los editores de
estas revistas suelen establecer los parmetros tipogrficos, de extensin y otras, a las
que se ajustan los investigadores. Por supuesto es preferible publicar en una revista
ampliamente reconocida por la comunidad cientfica y los usuarios. Los libros y los
artculos cientficos componen la literatura fundamental de toda ciencia o tecnologa.
206
Hay dos tipos de artculo cientfico: el artculo formal y la nota investigativa. Ambos
tienen la misma estructura, pero las notas generalmente son ms cortas, no tienen
resumen, su texto no est dividido en secciones con subttulos, se imprimen con una
letra ms pequea y la investigacin que informan es menos importante. Algunos
trabajos sometidos como artculos terminen publicndose como notas, o viceversa.
La caractersticas del artculo cientfico son el rigor lgico, el estilo cientfico, claridad,
precisin, amplitud, compatibilidad con la tica, significacin y pertinencia.. Si bien, no
es necesario poseer las dotes de un literato para redactar un artculo cientfico, pero para
hacerlo es necesario cultivar la destreza, la creatividad y la habilidad para comunicarse
por escrito.
Artculo Cientfico
El artculo cientfico comunica
a la comunidad cientfica y a
los usuarios, con originalidad,
rigor metodolgico, precisin,
etc., los hallazgos de un trabajo
de investigacin. Estos logran
reconocimiento si se publican
en las revistas cientficas.
Se cultiva la sntesis y las
reglas de la redaccin
dispuestas por los editores de
esas revistas.
CLASES
Artculo cientfico: 6 pginas,
con divisiones tituladas.
Nota investigativa: ms breve
an, sin divisiones.
CONTENIDO
Ttulo: idea central en 15 palabras
Resumen del contenido.
Introduccin: plantea el problema, el
objetivo, la justificacin y los
antecedentes de la investigacin.
Materiales y Mtodos: explica los
que emplearon en el trabajo.
Resultados: describe las evidencias
(tablas con datos, p, e,)
Discusin: analiza los hallazgos y los
confronta con las teoras.
Conclusiones: inferidas de resultados
Bibliografa Citada: se emplea
sistema APA.
El contenido del artculo cientfico es como sigue:
Titulo: es la denominacin que adopta el artculo cientfico. Enuncia con ms o menos
15 palabras el problema o tema del cual trata la investigacin. Los ttulos pueden ser
indicativos (ejemplo: Alta incidencia de la Tecnologa Informtica y de
Comunicaciones en el proceso de aprendizaje), seala el resultado del trabajo; o
informativos (ejemplo: Incidencia de la Tecnologa Informtica y de Comunicaciones
en el proceso de aprendizaje, no precisa el resultado del trabajo.
Resumen: permite al lector identificar, en forma rpida y precisa, el contenido bsico del
trabajo, por lo general, en un solo prrafo. Se redacta en tiempo pasado, excepto la
ltima parte que es concluyente. No aporta informacin o conclusin ajenas al texto,
tampoco referencias bibliogrficas. El resumen contiene lo ms resalante del problema,
el objetivo, la metodologa, los resultados y la conclusin. A continuacin del prrafo
del resumen se enuncian entre 4 a 7 palabras claves.
Introduccin: informa sobre el propsito y la importancia del trabajo. Expone el
planteamiento del problema; los objetivos, el inters en el contexto que tiene en el
contexto cientfico; una sntesis de la revisin de las teoras y hallazgos previos, los
207
aspectos no esclarecidos de manera suficiente, y cules de ellos se abordan en el artculo
en cuestin.
Materiales y mtodos: describe las tcnicas, procedimientos e insumos que se
emplearon en el trabajo de investigacin, justificando esa eleccin. Esa informacin
deber contener los detalles suficientes como para que un lector competente pueda
replicar el estudio. Esta parte del artculo describe las siguientes reas:
Diseo: describe el diseo de investigacin: experimental, pre o casi experimental u
otro.
La poblacin de los objetos del estudio y el muestreo respectivo.
Las caractersticas relevantes del entorno.
La hiptesis, sus variables y los indicadores.
Las tcnicas que se emplearon para recolectar y procesar los datos
El anlisis estadstico de los datos.
Resultados: describen las evidencias obtenidas en el proceso de investigacin con ayuda
de tablas, grficas, fotografas y otras. La redaccin es en tiempo pasado.
Discusin: se analiza, interpreta y confronta los resultados con las teoras y los
hallazgos previos sobre el tema. En las discusiones se confirman o se refutan esas
teoras y hallazgos. Cuando se refutan, es cuando se plantean las correcciones que sean
coherentes. Sin embargo, en ambos casos, el artculo cientfico contribuye a la
consolidacin de la ciencia o la tecnologa.
Conclusiones: son las proposiciones inferidas o deducidas de los resultados de la
investigacin. Cada conclusin se redacta en un solo prrafo. Se coloca un asterisco (*)
a continuacin de los indicadores que fueron confirmados al 5% de error, es decir
significativamente; y dos asteriscos (**) si lo fueron al 1% de error, es decir muy
significativamente. En el resumen sobre este tema se redact en el tiempo presente,
ahora se hace en tiempo pasado.
Bibliografa citada: se presenta una relacin de al menos seis autores consultados en el
artculo, utilizando el sistema APA.
Apndice: se incluye la informacin relevante que permite comprender mejor los
resultados y la discusin.
12.7 Tesis de Grado
Las tesis se redactan con orden y lgica internas que permita visualizar la coherencia
entre sus componentes. Ello se logra mediante una cuidadosa organizacin de los
contenidos del texto y sus partes, estructurados de modo que posean una secuencia
fcilmente comprensible. La tesis se estructura al alrededor de la aplicacin del mtodo
cientfico. Las entidades acadmicas del pas, entre ellas las universidades, suelen
reglamentar los aspectos formales de la presentacin de las tesis.
208
El ejemplo propone el contenido de una tesis a nivel de captulos, incluso a nivel de
subcaptulos al menos los tres primeros. Los captulos de los resultados y la discusin
corresponde detallarlos al investigador, agrupando sus contenidos (tablas, descripciones,
anlisis, discusiones, etc.) sobre la base de indicadores, las variables y las hiptesis del
trabajo de investigacin.
Se sugiere organizar archivos fsicos y virtuales con el material bibliogrfico, los
documentos que contienen los datos, la base de datos, los apuntes o memorias de
procesamiento y anlisis de los datos, entre otras. Es recomendable rotular los archivos
fsicos e indexar los archivos virtuales.
Ttulo y pginas preliminares
El ttulo es la denominacin que adopt el trabajo de investigacin, incluso desde el
perfil. Al igual que los artculos cientficos, el ttulo puede ser informativo o indicativo,
el primero resea el contenido de la investigacin sin ofrecer resultados, en cambio ste
revela resultado principal de la investigacin. Los ttulos contienen entre 9 y 24
palabras. No incluye siglas o abreviaturas, salvo que sean de amplio conocimiento.
Tambin se eliminan los trminos imprecisos como aspectos de, comentarios sobre,
investigaciones de, estudios de, estudios preliminares, observaciones o notas sobre, etc.
Si los ttulos incluyen nombres cientficos, stos se escriben en cursivas y se menciona
tambin su nombre comn. Ejemplo: Aportes de la carne de alpaca lama pacus a la
dieta de los habitantes del distrito de Mazo Cruz, Puno, 2010.
Ejemplo del CONTENIDO DE UNA TESIS
PAGINAS PRELIMINARES
Portada
Pginas de jurados
Dedicatoria y agradecimientos
Resumen
ndice
CAP. 1: INTRODUCCION
1.1 Planteamiento del problema
1.2 Objetivos
1.3 Importancia del problema y
justificacin de la investigacin
CAP.2: MARCO TEORICO
2.1 Revisin Bibliogrfica
2.2 Teoras
2.3 Maco Conceptual
CAP. 3: MARCO METODOLGICO
3.1 Diseo de Investigacin
3.2 Poblacin y muestra
3.3 Instrumentos y materiales
3.4 Hiptesis, variables e indicadores
3.5 Mtodos de recoleccin de datos
3.6 Mtodos de procesamiento y
anlisis de datos
3.7 Mtodos de contraste de hiptesis
CAP. 4: RESULTADOS
CAP. 5: DISCUSION
CAP. 6: CONCLUSIONES Y
RECOMENDACIONES
BIBLIOGRAFIA CITADA
ANEXOS
En la portada se revela la entidad que auspicia, el ttulo de la investigacin, los nombres
y apellidos del autor, la ciudad y el ao de presentacin. A la portada le sigue una
pgina en blanco y en la siguiente se vuelve a reproducirse la cartula. La siguiente
pgina est destinada para las firmas de los jurados y asesores en seal de conformidad.
Son opcionales las pginas de reconocimientos y dedicatoria.
El resumen contiene entre 150 y 250 palabras. Presenta el ttulo y una sntesis de la
problemtica, los mtodos, de los hallazgos y su anlisis. No es un resumen por
209
captulos. Es una descripcin sucinta en pocos prrafos, en tiempo pasado, excepto el
ltimo que es concluyente. El resumen no contiene citas bibliogrficas ni referencias a
tablas o grficas o siglas o abreviaturas, salvo las muy conocidas. Puede acompaarse
una traduccin al ingls, con el mismo contenido y significado.
En el ndice se presenta una lista de los ttulos y subttulos que contiene la tesis, seguido
de la pgina del texto donde se encuentra ese tema. De esta manera se proporciona al
lector una gua para acceder rpidamente al tema. Al ndice temtico se aade la lista de
siglas y abreviaturas, si es el caso; as como el ndice de los cuadros, las grficas, entre
otras.
Capitulo 1: Introduccin
En este captulo se describe el problema y los objetivos que se han planteado en el
proyecto de investigacin, as como su justificacin. Se consolida y se ampla lo
expuesto en el proyecto. En el planteamiento del problema se expone los datos o
evidencias reales que pusieron en duda la vigencia de una teora o de unos hallazgos o
permitieron argumentar la existencia de una tecnologa ms eficiente para cumplir
determinadas actividades. Se precisa los objetivos que sirvieron de norte para llevar a
cabo la investigacin y se discute el impacto de los que no se lograron. Respecto a la
justificacin se fundamenta la importancia de la investigacin para la ciencia o la
tecnologa desde sus perspectivas tericas, metodolgicas y utilitarias. La primera se
refiere a la mejor comprensin del tema, el segundo al desarrollo de nuevas tcnicas
para investigarlo y, la ltima a las aplicaciones prcticas que pueden obtenerse de los
hallazgos de la investigacin. En las tesis doctorales se otorga mayor nfasis a las dos
primeras porque son de carcter epistemolgico; en cambio, las tesis de maestra y
profesionales, procuran resolver problemas pragmticos y utilitarios.
La extensin de este captulo, en trminos de pginas, debiera abarcar ms o menos el
10% de la tesis- La redaccin es tiempo pasado.
Pginas preliminares e introduccin
Pginas preliminares
El ttulo es la denominacin de la
investigacin, con 9 aa24 palabras.
No incluye siglas o abreviaturas o
palabras imprecisas.
La portada revela la entidad que
auspicia, el ttulo, el autor, ciudad y
el ao de presentacin.
Resumen: con 150 a 250 palabras,
presenta el ttulo y una sntesis del
problema, los mtodos, hallazgos,
anlisis de stos y la conclusin, en
tiempo pasado, excepto la ltima.
El ndice es la lista de los ttulos y
subttulos y la pgina donde se
encuentra ese tema.
Introduccin
El problema expone las evidencias
que hicieron dudar si una teora o
unos hallazgos estn vigentes o si
una tecnologa puede mejorarse.
En los objetivos se presenta los que
sirvieron de norte para investigar y
se discute el impacto de los que no
se lograron.
La justificacin fundamenta la
importancia de la investigacin
para la ciencia o la tecnologa
desde sus perspectivas tericas,
metodolgicas y utilitarias.
Consolida y ampla lo expuesto
en el proyecto, un 10% del texto.
Captulo 2: Marco Terico
Se presenta una sntesis ordenada de la revisin bibliogrfica de los hallazgos ms
recientes, las teoras y los conceptos que se emplearon en la investigacin. Estos
210
resultan indispensables puntos de partida para los subsiguientes anlisis. Este captulo
abarca ms o menos el 40% de la tesis. Por lo general el material bibliogrfico inherente
es abundante, por ello es recomendable agrupar el contenido de los subcaptulos por
temas.
Para redactar este captulo son indispensables las fichas de investigacin bibliogrfica.
El sistema que se emplea en las tesis para estas referencias es el Vancouver.
Captulo 3: Marco Metodolgico
Se describe los mtodos y las tcnicas particulares que se emplearon para llevar a cabo
el trabajo de investigacin. En este captulo se describen los mtodos y cmo se
aplicaron, pero no los resultados que se obtuvieron al utilizarlos, stos se presentan en el
captulo de resultados.
Los subcaptulos que abarca son el diseo de investigacin, poblacin y muestra,
instrumentos y materiales, las hiptesis, variables e indicadores, los mtodos de
recoleccin de datos, los mtodos de procesamiento y anlisis de datos y los mtodos de
contraste de hiptesis. En el primero se describe y se justifica por qu se ha escogido o
diseado ese plan particular de investigacin. En el segundo se describe la poblacin y
la muestra que se ha estudiado, por lo general mediante tablas; tambin se justifica la
estimacin del tamao de la muestra y la respectiva tcnica de muestreo. En el tercero
se describe los instrumentos y los insumos que se emplearon, por si otro investigador o
usuario quisiere replicar el trabajo. En los dems subcaptulos se describe y se justifica
los mtodos que se emplearon para cumplir con las actividades sealadas.
Este captulo fcilmente puede cubrir el 10% de la tesis. Las referencias bibliogrficas
tambin son abundantes, es necesario mencionar la fuente de consulta de cada mtodo.
Marcos terico y metodolgico
Marco terico
Presenta una sntesis ordenada
de la revisin bibliogrfica de
los hallazgos ms recientes, las
teoras y los conceptos.
Resultan indispensables puntos
de partida para los subsiguientes
anlisis.
Abarca ms o menos el 40% de
la tesis y se sugiere agrupar el
contenido de los subcaptulos
por temas.
Para las referencias
bibliogrficas se usa el sistema
Vancouver.
Marco metodolgico
Describe los mtodos y las tcnicas
particulares que se emplearon. Se
describe el mtodo y cmo se us, no
los resultados que se obtuvieron, stos
se presentan en resultados.
Se describe y se justifica por qu se ha
escogido o diseado ese plan particular.
Se describe la poblacin y su muestra,
se justifica el tamao y la tcnica de
muestreo. Se describe los instrumentos
y los insumos que se emplearon, por si
otro investigador o usuario quisiere
replicar el trabajo. En los dems
subcaptulos se describe y se justifica
los mtodos que se emplearon para
cumplir con las actividades sealadas.
Captulo 4: Resultados
En este captulo se exponen, describen y explican las evidencias empricas (datos)
obtenidos de las fuentes primarias y secundarias, debidamente sistematizados y
211
ordenados en forma de tablas, cuadros, grficas, etc. Esas evidencias son las que se
emplean para contrastar las hiptesis.
Se emplea la descripcin para enunciar las cualidades categricas del objeto de estudio,
ejemplo: cmo son (naturaleza), cmo se clasifican y se relacionan con los elementos de
la misma especie y con las de otras. Tambin se emplea la descripcin si los datos son
pocos. Las tablas son apropiadas para presentar datos precisos y repetitivos y las figuras
para datos que revelan tendencias o patrones importantes. No se vuelve a describir los
datos si estn en las tablas o en las grficas, salvo que sean difciles de deducir; pero si
para interpretarlos y engarzarlos con los dems datos. Los que son poco significativos o
que requieren clculos se presentan en el anexo.
Las tablas son innecesarias si contienen pocos datos, las muy grandes es preferible
sintetizarlas de modo que puedan comprenderse de una sola mirada. Cada tabla se
enumera y se titula, cada columna y fila tienen su encabezamiento. Este describe con
muy pocas palabras, si es posible con una sola, el contenido de esa columna o esa fila.
El cuerpo de la tabla, lugar donde se interceptan las filas con las columnas, contienen
los datos. Las notas al pie de la tabla explican alguna parte de la tabla y la fuente de
donde se obtuvieron los datos.
Resultados
Expone, describe y explica los datos
(evidencias) provenientes de fuente
primaria o secundaria, ordenados en
tablas, cuadros, grficas, etc.
Esas evidencias se emplean para
contrastar las hiptesis.
Se emplea la descripcin para
enunciar las cualidades categricas
del objeto de estudio y los datos si
son pocos.
No es recomendable volver a
describir los datos que estn en las
tablas o en grficas, salvo que sean
difciles de deducir, pero si para
interpretarlos y engarzarlos con los
dems datos.
TABLAS
Presentan datos precisos y repetitivos
Las tablas se enumeran y se titulan.
Comprende: columnas y filas cuyos
encabezamientos describen con pocas
palabras su contenido, el cuerpo
muestra los datos, las notas al pie de
la tabla explican partes de la tabla y
la fuente de los datos.
GRAFICAS
Se enumeran y titulan. Se emplean
para revelar tendencias o patrones
importantes
Los datos poco significativos o que
requieren clculos se presentan en el
anexo.
Para separar las secciones de la tabla se emplean lneas. Es recomendable completar
todos los espacios de la tabla: si no hubiera datos, se coloca una raya o s. d. (sin datos),
se dejan en blanco si los datos no corresponden al encabezamiento. No se recomienda
crear nuevas filas o columnas con los mismos datos o que puedan deducirse fcilmente
del contenido de la tabla, si corresponden a nuevos conceptos, ms bien ample el
encabezamiento. Verifique los datos consignados en la tabla, las sumas y dems
operaciones, el uso de la notacin internacional, la alineacin de los datos con
decimales. En la redaccin del texto, coloque la tabla cerca del prrafo en el que se le
menciona por primera vez.
212
Las figuras son ilustraciones apropiadas para revelar las tendencias y los patrones
definidos que se observan en los datos, tambin para ejemplificar o modelar procesos
complejos o imgenes difciles de describir. Si los mismos datos pueden presentarse,
sea en una tabla o en una figura, prefiera aquella. Ejemplo: las tablas revelan mejor la
cantidad y el importe de las ventas en un periodo, en cambio las figuras muestran mejor
la fluctuacin de esas ventas en ese periodo.
Captulo 5: Discusin
Se confronta los resultados del trabajo de investigacin con el marco terico y los
hallazgos previos. Se analizan las consecuencias tericas y prcticas que implican los
nuevos hallazgos. Al igual que el captulo de resultados, su contenido se organiza sobre
la base de las hiptesis.
Para ordenar la discusin, a manera de premisas, primero se mencionan los principales
resultados y se presentan y se analizan las pruebas de contraste de las hiptesis, luego se
confronta esos hallazgos con teoras, hallazgos y tecnologas previas. Si el contraste de
hiptesis corrobora esos conocimientos previos, la discusin se da por concluido; si los
rechaza, entonces es necesario analizar sus consecuencias tericas, metodolgicas y
utilitarias. Tanto si se acepta o se rechaza la hiptesis nula, el trabajo de investigacin es
vlido, se consolida o se mejora los conocimientos de la ciencia o la tecnologa. La
discusin puede incluir sugerencias para las investigaciones futuras, tales como mtodos
alternos, esclarecer los que merecen explorar. Al trmino del anlisis de cada hiptesis,
se recapitula la discusin, con el propsito de facilitar la redaccin de las conclusiones y
recomendaciones.
Discusin y conclusiones
Discusin
Confronta los resultados con las
teoras y los hallazgos previos. Se
organiza a partir de las hiptesis.
1 Se analizan los resultados
2 Se contrasta las hiptesis
3 Se confronta esos hallazgos con
teoras, hallazgos y tecnologas
previas.
Si el contraste corrobora los
conocimientos previos, la discusin
se da por concluido; si los rechaza,
se analiza sus consecuencias
tericas, metodolgicas y utilitarias.
En ambos casos se consolida o se
mejora los conocimientos de la
ciencia o la tecnologa.
Conclusiones
Enuncia las proposiciones derivadas
de las hiptesis comprobadas en la
investigacin. Cada conclusin se
redacta en un solo prrafo, insertando
los valores de los indicadores
confirmados.
Las recomendaciones derivan de las
conclusiones. Se proponen en el marco
de los valores de la comunidad
cientfica y usuaria, compartidas por el
autor, por ello son relativas.
Bibliografa citada: lista de material
bibliogrfico mencionado en el texto.
Se emplea el sistema Vancouver.
Anexos: detalles adicionales al texto.
Captulo 6: Conclusiones y recomendaciones
Se enuncian las proposiciones derivadas de las hiptesis comprobadas en la
investigacin. Cada conclusin se redacta en un solo prrafo, en el cual se insertan los
valores de los indicadores que se confirmaron. Se coloca un asterisco (*) a continuacin
de esos indicadores si es al 5% de error, es decir significativamente; y dos asteriscos
213
(**) si lo fueron al 1% de error, es decir muy significativamente. Las conclusiones son
los corolarios de lo ya dicho, por tanto no es ocasin para introducir elementos nuevos,
tampoco es resumen de lo dicho.
Las recomendaciones se derivan lgicamente de las conclusiones. stas se proponen a
la luz de los valores cientficos o tecnolgicos de la comunidad cientfica y de los
usuarios, que los comparte el autor; por tanto son relativas.
Bibliografa citada
Es una lista de las referencias bibliogrficas utilizadas en la redaccin de la tesis. Se
emplea el sistema Vancouver. stas son abundantes en una tesis, fcilmente una lista
puede contener 80 o ms, entre libros, artculos cientficos, pginas web, documentos
administrativos, leyes, etc.
Anexos
Se acompaan a la tesis, sin que formen parte de ste, los documentos (por ejemplo:
leyes), tablas, clculos, fotografas, etc., que pueden ayudar a comprender los resultados
del trabajo de investigacin. Estos se numeran para citarlo en la redaccin de la tesis.
12.8 Disertacin Cientfica
El investigador es quin conoce mejor su trabajo, pues ha explorado sistemticamente
su rea temtica, ha seleccionado el objeto de su investigacin, ha evidenciado los
hechos, confrontado stas con la hiptesis que ha planteado, etc., es decir, es el ms
indicado para disertar los resultados de su trabajo; sin embargo, para afrontar con mayor
seguridad la crtica de los pares o los jurados, necesita prepararse para transmitir con
precisin el mensaje cientfico.
Preparacin. El investigador asume la confianza que deriva del conocimiento del tema
y reconoce las limitaciones de su trabajo. Si el ponente logra combinar esas cualidades,
puede despertar el inters y la receptividad en el auditorio. Las disertaciones se preparan
considerando la duracin, el contenido y las ayudas audiovisuales.
Tiempo: es preferible ceirse al tiempo que fijan los organizadores. En los congresos
suele otorgarse hasta 20 minutos para disertar las ponencias, el jurado suele otorgar
30 minutos para sustentar una tesis. La atencin del oyente es activa alrededor de 45
minutos.
Contenido o plan de la disertacin: la elaboracin de un esquema previo evita la
improvisacin. El esquema corresponde, en lneas generales, al artculo o a la tesis,
pero sin redundar en temas ampliamente conocidos por los oyentes (por ejemplo el
marco terico).
Ayudas audiovisuales. Facilitan la correcta presentacin del esquema, el contenido,
las evidencias que confirman o rechazan la hiptesis: fotografas, dibujos o cuadros
estadsticos de un trabajo de investigacin. Es preferible que una diapositiva solo
revele una idea, pero de manera completa. Ejemplo: cada uno de los siguientes
puntos pueden presentarse por separado en una diapositiva: el ttulo del informe, sus
autores y asesores, el problema, los objetivos, las hiptesis, las variables e
214
indicadores, los resultados y la discusin quizs en varias, las conclusiones y
recomendaciones, si es el caso.
Disertacin. Es la exposicin que hace el investigador de las actividades y resultados de
su trabajo ante un auditorio, por lo general compuesto por conocedores del tema (pares,
jurados, usuarios, etc.). Durante la presentacin tenga presente:
Utilice un lenguaje claro, preciso, tcnico y comprensible, propio del auditorio. Las
oraciones bien construidas, pero sin dejar de lado la plasticidad de la comunicacin
oral. Ello ayuda a comunicar mejor los contenidos y evitar innecesarias discusiones
debido a las ambigedades semnticas.
Vocalizacin. Se sugiere vocalizar claramente las palabras que emplea durante la
exposicin as como al responder las preguntas. El oyente, al menos de inmediato, no
tiene la posibilidad de recibir de nuevo el mensaje.
Los temas que principalmente se exponen son: el problema cientfico o tecnolgico
que se resolvi, las hiptesis, sus variables e indicadores, la metodologa utilizada,
los resultados, el contraste de las hiptesis, el anlisis y discusin de stos a la luz del
marco terico, las conclusiones y recomendaciones.
Durante la exposicin emplee argumentos convincentes basados en datos y mtodos
largamente reconocidos como los de contraste de hiptesis. Procure adelantarse
prudentemente a las posibles objeciones del auditorio, esclarezca, antes de enfrentar
una discusin bizantina. Emplee las ayudas audiovisuales para reforzar su discurso
con ideas y datos, pero no la lea, tampoco sus apuntes. Se pierde espontaneidad y los
matices expresivos si solo nos dedicamos a leer, provocando que el auditorio se
aburra. Las ayudas audiovisuales evitan caer en la improvisacin.
Disertacin y control de calidad
Preparacin.
Tiempo: 20 para disertar una ponencia
y 30 para una tesis. La atencin del
oyente es activa alrededor de 45.
Plan: esquema con el contenido del
artculo o la tesis.
Ayudas audiovisuales: son ayudas
memorias. En una diapositiva solo se
revela una idea, pero completa.
Disertacin: tenga presente:
Lenguaje: oraciones bien construidas.
Vocalizar claramente las palabras.
Temas propios del artculo o la tesis.
Durante la exposicin use argumentos
convincentes basados en datos y
mtodos reconocidos. Adelntese con
prudencia a las posibles objeciones.
Control de Calidad
Se ejerce en dos momentos:
El borrador se presenta para su
discusin a un panel de expertos,
quienes evalan la aplicacin
consistente del mtodo cientfico
as como la pertinencia y la
relevancia del contenido de
informe y la validez terica,
metodolgica y utilitaria de los
hallazgos, entre otras.
En la disertacin, los jurados y
los pares ejercen la crtica a
travs de las preguntas o
comentarios, a los cuales el
investigador debe responder o
replicar con propiedad,
coherencia y respeto
12.9 Control de calidad
El control de calidad de un trabajo de investigacin se ejerce en dos momentos: uno
sobre el borrador del artculo cientfico o la tesis, y la otra a la hora de la disertacin.
215
El borrador se presenta para su discusin, generalmente a un panel de expertos o
jurados, adems de un especialista reconocido por su dominio del idioma. Los expertos
evalan la aplicacin consistente del mtodo cientfico as como la pertinencia y la
relevancia del contenido de informe, de la validez terica, metodolgica y utilitaria de
los hallazgos, entre otras. Este control tiene el propsito de entregar a los usuarios
como a las comunidades acadmicas y cientficas un informe libre de errores formales
(ortogrficos, por ejemplo) y de contenido.
A la hora de la disertacin, los jurados y los pares ejercen la crtica a travs de las
preguntas o comentarios, a los cuales el investigador debe responder o replicar con
propiedad, coherencia y respeto. Si el caso amerita, el resultado de esas discusiones
verbales se incorpora en el ejemplar definitivo del artculo cientfico o la tesis.
FICHA DE CALIFICACION DEL INFORME DE INVESTIGACION
CONCEPTO
ESCALA DE CALIFICACION
Correcto = 4
Aceptable = 3
Neutro = 2
Insuficiente = 1
Incorrecto = 0
OBSERVACIONES
Marco terico ordenado, coherente y
sustentado con referencias bibliogrficas
Recoleccin de datos (calidad de los
instrumentos, integridad y pertinencia)
Comprobacin de la hiptesis
Calidad de los hallazgos cientficos y/o
tecnolgicos
Estilo de redaccin (claro, preciso,
unvoco, lenguaje tcnico y cientfico)
PUNTAJE TOTAL
Aprobado ( )
Observado ( )
Desaprobado ( )
Ttulo del Informe de Investigacin:
Autores:
Proyecto de Investigacin: Fecha de aprobacin //. Calificacin: ..
Fecha: //. Firmas de los calificadores:
Actividad 12.1
1. Cules son la caractersticas de la
comunicacin cientfica?
2. Cules son los aspectos que se
consideran al describir un objeto?
3. Cmo se construyen las
oraciones y los prrafos en una
comunicacin cientfica?
4. Redondee las siguientes cifras a
dos decimales:
51 512,2369
46 827,8141
794,150
612,250
42 128,9361
63 122,1024
5. Cules son los errores ms
comunes de la redaccin
cientfica?
6. Redacte 10 citas bibliogrficas
utilizando el sistema Vancouver y
otras 10 utilizando el sistema APA.
7. Redactar un ensayo corto sobre un
tema reciente de la disciplina que
ejerce o estudia.
8. Redacte un artculo cientfico con
los hallazgos de su trabajo de
investigacin ms reciente.
9. Si est por optar un grado
acadmico, redacte su tesis.
216
BIBLIOGRAFIA
Berensn y Levine. Estadstica para la Administracin y Economa. Interamerica.
Mxico.
Bunge, Mario. El Mtodo Cientfico. Ariel. Buenos Aires. 1969.
Runyon y Haber. Estadstica para las Ciencias Sociales. Fondo Educativo
Interamericano. Mxico.