Sie sind auf Seite 1von 8

CAPÍTULO 13

TÉCNICAS DE
PROCESAMIENTO Y
ANÁLISIS DE DATOS

CONTENIDOS:
14.1. Descripción
14.2. Procesamiento de datos

Objetivo
Analizar y comprender los
fundamentos teóricos de los
métodos y técnicas para el
procesamiento de datos.
14.1. Descripción
Los métodos de análisis de los datos son cuantitativos, cualitativos o mixtos, según
las variables que se van a medir.
Quezada (2010), “los datos considerados en los estudios cuantitativos se organizan y
analizan” (pp. 165-243).
14.2. Procesamiento de datos
 Representaciones gráficas. La información recogida se representará en
histogramas, barras, torta u otros tipos de gráficos de acuerdo a la necesidad de
presentar los datos.
 Estadística descriptiva. Es aquella parte de la estadística que describe y analiza
una muestra, sin pretender sacar conclusiones de tipo general.
En el mismo sentido (Mendenhall, Beaver, & Beaver, 2010), manifiesta que: “si el
conjunto de medición es toda la población, solo es necesario sacar conclusiones
basadas en la estadística descriptiva”
Distribución de frecuencias. Para Mathenson, Bruce y Beauchamp (1983), “Una
distribución de frecuencias muestra el número de casos clasificables dentro de
cada intervalo de clase o rango de puntuaciones” (p. 85).
Tabla de distribución de frecuencias. Los datos se representan en forma
estructurada, en forma de tabla de frecuencia, toda la información que se recogerá
sobre la variable de estudio.
Medidas de tendencia central. Las medidas de tendencia central son medidas
estadísticas que pretenden resumir en un solo valor a un conjunto de valores.
Representan un centro en torno al cual se encuentra ubicado el conjunto de los
datos. Las medidas de tendencia central más utilizadas son: media, mediana y
moda para las ciencias sociales.
 Media. Mathenson, Bruce y Beauchamp (1983), “es la suma algebraica de las
puntuaciones, divididas por el número de puntuaciones” (p.92).
La fórmula para la media aritmética con datos agrupados según Hernandez,
Fernandez y Baptista (2007) es:

x
 fx
N Para datos agrupados
 Mediana. Para (Córdova Zamora, 2003, pág. 39). La Mediana o valor
mediano de una serie de valores observados es el numero (Me) que
separa a la serie de datos ordenados en forma creciente (o decreciente)
en dos partes de igual número de datos.
𝒏
− 𝑭𝒋−𝟏
𝑴𝒆 = 𝑳 𝒊 + 𝟐 ×𝑨
𝒇𝒊
Donde:
𝑳𝒊 : Es el número inferior del intervalo de la mediana.
𝑭𝒋−𝟏 : es la frecuencia acumulada absoluta del intervalo inmediatamente
anterior al intervalo de la mediana.
𝒇𝒊 : Es la frecuencia absoluta del intervalo de la mediana
𝑨: es la amplitud del intervalo de la mediana.
 Moda. Desde la perspectiva de (Córdova Zamora, 2003, pág. 42) la moda
(Mo), que se define como “el datos que más se repite” y para
determinarlo se emplea la siguiente formula.
𝒅𝟏
𝑴𝒐 = 𝑳 𝒊 + ( )×𝑨
𝒅𝟏 + 𝒅𝟐
Donde:
𝑳𝒊 : Es el límite inferior del intervalo modal
𝒅𝟏 = 𝒇𝒊 − 𝒇𝒋−𝟏 ; Esto es d1 es igual a la frecuencia del intervalo modal
menos la frecuencia del intervalo inmediatamente anterior.
𝒅𝟐 = 𝒇𝒊 − 𝒇𝒋+𝟏 ; Esto es d2 es igual a la frecuencia del intervalo modal
menos la frecuencia del intervalo inmediatamente posterior.
A. Es la amplitud del intervalo modal.
Medidas de variabilidad o dispersión. La de variabilidad o dispersión nos
indican si son puntuaciones o valores que están próximas entre sí o si por el
contrario están o muy dispersas.
 Varianza. Mathenson, Bruce y Beauchamp (1983), la varianza “es el cuadrado
de la desviación promedio de la media de una muestra” (93). Es la distancia
de los datos respecto a su valor central. La varianza es la media de los
cuadrados de la diferencia entre valores de la variable respecto a su media
aritmética.
∑ 2
2
(𝑥𝑖 − 𝑥̅ ) × 𝑓𝑖
𝑠 =
Dónde:
𝑛−1
Xi = Promedio aritmético del conjunto de datos de estudio.
Fi = frecuencia absoluta o número de veces que se repite un dato.
n = dato, valor u observación.
∑ = Sumatoria de los datos.

 Desviación Estándar. Mathenson, Bruce y Beauchamp (1983), la desviación


estándar “es la raíz cuadrda de la varianza” (p. 95). La fórmula es:

s
 n (x i i  x )2
n 1
Dónde:
s = Desviación Estándar.
xi = Valores individuales.
ni = Frecuencia del valor x.
n = Casos.
 Estadística inferencial. Es aquella parte de la estadística, cuyo propósito es inferir
o inducir leyes de comportamiento de una población, a partir del estudio de una
muestra.
Prueba de hipótesis. Lo que el investigador hace a través de la prueba de
hipótesis es determinar si la hipótesis es congruente con los datos obtenidos en la
muestra. Si es congruente con los datos, ésta se acepta. Si la hipótesis no lo es,
se rechaza (pero los datos no se descartan).
Hernandez, Fernandez y Baptista (2007), los niveles de confianza que se aplican
a todas las pruebas estadísticas de hipótesis” (p. 279).
Nivel de confianza del 0.05 (95%) Nivel de confianza del 0.01
(99%)

La prueba “t” de Student para Muestras diferentes:


Se utiliza para hallar las diferencias observadas entre las medias de dos muestras
cuando hay hipótesis nula y no hay diferencias significativas entre los medios. Es
aplicable para muestras pequeñas menores de 30.
GRUPOS
A B
POST POST
TEST TEST

Comparación de medias para


muestras diferentes

X1i X2i

Se simboliza con t.
Hipótesis a probar: de diferencia entre dos momentos de diferentes grupos. La
hipótesis de investigación propone que los dos momentos del grupo difieren
significativamente entre si y la hipótesis nula propone que los dos momentos de
los grupos no difieren significativamente.
Fórmula para una sola muestra de estudio con prueba de entrada y prueba de
salida.

La prueba de diferencia de proporciones (z)


Es una prueba estadística para analizar si dos proporciones o porcentajes difieren
significativamente entre sí.

La prueba “t” es muy similar a la prueba “Z” y la diferencia radica en que Z utiliza
una desviación poblacional y la prueba “t” utiliza una desviación estándar muestral.
Hernandez, Fernandez y Baptista (2007), indica que “los valores “z” de dicha tabla
son los siguientes para los niveles de confianza del 0.05 y 0.01” (p. 279):

Nivel de confianza del Nivel de confianza del 0.01


0.05 (95%) (99%)
Valor z 1.96 2.58

El coeficiente de correlación:
De Pearson
Por su parte Ávila (2010), define el grado de correlación de Pearson “es el grado
de afinidad o asociación entre dos variables, cuando ellas están relacionadas
mediante una línea recta Y* = a + bx” (p. 214).
Considerando la deifición de Coeficiente de Correlación:

𝑛 ∑ 𝑋𝑌 − (∑ 𝑋)(∑ 𝑌)
𝒓=
√[𝑛 ∑ 𝑋 2 − (∑ 𝑋)2 ][𝑛 ∑ 𝑌 2 − (∑ 𝑌)2 ]
Hernandez, Fernandez y Baptista (2007), el coficiente r de Pearson puede variar
de -1.00 a + 1.00 donde: -1.00 = correlación negativa perfecta (“A mayor X, menor
Y”, de manera proporcional. Es decir, cada vez que X aumenta una unidad, Y
disminuye siempre una cantidad constante.) Esto también se aplica “a menor X,
mayor Y”. (pp. 280-281). Se propone la escala de Vílchez (2011):

COEFICIENTE DE
INTERPRETACIÓN
CORRELACIÓN
De  0,96 a  1,00 Correlación perfecta
De  0,85 a  0,95 Correlación fuerte

De  0,70 a  0,84 Correlación significativa

De  0,50 a  0,69
Correlación moderada
Correlación débil
De  0,20 a  0,49
Correlación muy débil
De  0,10 a  0,19
Correlación nula o inexistente
De  0,00 a  0,09
De Rho de Spearman
El coeficiente de correlación de Rho de Spearman mide el grado de relación entre
dos variables de estudio. Para la cual se debe de aplicar la fórmula propuesta por
(Cabrera, 2009),
𝟔 ∑ 𝒅𝟐𝒊
𝒓𝑺 = 𝟏 −
𝒏(𝒏𝟐 − 𝟏)
Según (Mondragon Barrera, 2014), determina que Rho de Spearman es el
coeficiente es muy útil cuando el número de pares de sujetos (n) que se
desea asociar es pequeño (menor de 30).
Tabla1.
Grado de relación según coeficiente de correlación
RANGO RELACIÓN
-0.91 a -1.00 Correlación negativa perfecta
-0.76 a -0.90 Correlación negativa muy fuerte
-0.51 a -0.75 Correlación negativa considerable
-0.11 a -0.50 Correlación negativa media
-0.01 a -0.10 Correlación negativa débil
0.00 No existe correlación
+0.01 a +0.10 Correlación positiva débil
+0.11 a +0.50 Correlación positiva media
+0.51 a +0.75 Correlación positiva considerable
+0.76 a +0.90 Correlación positiva muy fuerte
+0.91 a +1.00 Correlación positiva perfecta
Fuente: Elaboración propia, basada en Hernández Sampieri & Fernández Collado, 1998.

La prueba ji cuadrada 𝑿𝟐
Mathenson, Bruce y Beauchamp (1983), la prueba de X2 examina la significancia
de las diferencias entre el número observado de sujetos y el número esperado de
ellos que se distribuyen dentro de cada categoría. “Es una prueba estadística para
evaluar hipótesis acerca de la relación entre dos variables categóricas”
(Hernandez, Fernandez y Baptista 2007, p. 283). La fórmula que propone:

𝟐
(𝐎 − 𝐄)𝟐
𝐗 =∑
𝐄
∑ = Sumatoria
O = Frecuencia observada en cada celda
E = Frecuencia esperada en cada celda

Uso del computador para calcular los datos estadísticos: Para el análisis del
desarrollo de habilidades y actitudes en la resolución de problemas en el pre - test
y post - test, se puede utilizar el paquete estadístico Spss For Windows, que es la
abreviatura en inglés del paquete estadístico para las Ciencias Sociales (Statistical
Package for the Social Sciences).

RESUMEN:
 Los datos se presentan en diferentes tipos de gráficos o figuras, dependiendo del
estudio de la variable.
 Para el procesamiento y análisis de datos se hace uso de la estadística descriptiva
e inferencial dependiendo de la variable de estudio.
 Para presentar los datos se puede utilizar la estadística descriptiva, porque es la
que describe y analiza una población, sin pretender sacar conclusiones de tipo
general, las técnicas que se utilizan son la distribución de frecuencia, medidas de
tendencia central (la media) y medidas de variabilidad (varianza y desviación
estándar) se debe considerar las técnicas necesarias dependiendo del estudio de la
variable.
 El análisis de datos se hace usando la estadística inferencial, porque permite inferir
o inducir leyes de comportamiento de una población, a partir del estudio de una
muestra. Las medidas que se utilizan son: La prueba “t” de Student para muestras
diferentes, coeficiente de correlación de Pearson y prueba ji cuadrada.

Bibliografía
Cabrera, E. (2009). El coeficiente de correlación de los rangos de Spearman
caracterización. SCIELO.
Córdova Zamora, M. (2003). estadistica descriptiva e inferencial. Lima: MOSHERA S.R.L.
Mendenhall, W., Beaver, R. J., & Beaver, B. M. (2010). Introducción a la probabilidad y
estadística. Mexico: Editec. S.A. de C.V.
Mondragon Barrera, M. A. (2014). Uso de la correlación de Spearman en un estudio de
intervención en fisioterapia. Información cientifica. Articulos de reflexión, 99-100.