S3ES31B

ESPINOZA BRAVO FERNANDO D.
3er. Ao 49 Secundaria
50
ESTADSTICA
3er. Ao Secundaria
I BIMESTRE
ESTADSTICA
INTRODUCCIN: I. LA ESTADSTICA: El origen etimolgico de la palabra estadstica no est bien determinado, puesto que existen distintas opiniones y referencias. Para algunos viene de la voz griega STATERA que significa balanza, otros sostienen que deriva del latn STATUS que significa situacin, mientras que algunos autores afirman que procede del alemn STAAT que significa estado. En el caso concreto de suponer que viene del vocablo estado, es por el hecho que una de las funciones tradicionales del gobierno central y del Estado es llevar registros sobre la situacin de la poblacin, nacimientos, defunciones, produccin, impuestos y otros hechos contables o de control. La evolucin y desarrollo de la Estadstica en el mundo actual definitivamente ha superado el significado etimolgico de esta ciencia; la Estadstica constituye hoy en da un valioso instrumento de decisin en todas las situaciones de la vida, desde el hogar hasta la poltica nacional y mundial. Un concepto no siempre caracteriza la esencia y contenido de una ciencia, sin embargo es costumbre presentar alguna definicin. En el caso de Estadstica, se encuentra por ejemplo en el diccionario Larousse, Estadstica es la ciencia que tiene por objeto agrupar metdicamente todos los hechos que se prestan a una evaluacin numrica (poblacin, riqueza, impuestos, etc.). Por su parte, el diccionario de la Academia de la Lengua, establece Estadstica (de Estadista) censo o recuento de la poblacin, de los recursos naturales o industriales, del trfico o de cualquier otra manifestacin de un Estado, Provincia, pueblo, clase, etc. Estudio de los hechos morales o fsicos del mundo que se presentan a numeracin o recuento y a comparacin de las cifras a ellos referentes. En el mundo actual por Estadstica debemos entender algo ms elaborado y susceptible de un tratamiento cientfico. La Estadstica ya no es la errnea concepcin de recopilacin de grandes masas de datos y presentarlos en tablas o grficos; ni tampoco el simple clculo de totales, promedios y porcentajes, etc. En todo caso estas ideas corresponden a los inicios de la Estadstica o a las etapas del proceso estadstico. En el intento de precisar una idea o definicin, se puede decir que la Estadstica es la ciencia que tiene por objeto la clasificacin y anlisis de conjuntos de datos de observaciones, para interpretarlos y obtener leyes y relaciones entre ellas. Es la ciencia que orienta la toma de decisiones a partir del anlisis e interpretacin de observaciones realizadas en forma directa o experimentalmente. An cuando aqu se establece que la Estadstica es una ciencia, sin embargo entre los propios especialistas existen algunas discrepancias de
S3ES31B
considerarla como ciencia o como una tcnica. Mientras no se supere definitivamente esta discusin, resultar ms preciso describir a la Estadstica como La tecnologa del mtodo cientfico (A.M.Mood), entendiendo que la tecnologa se ocupa de la aplicacin sistemtica de conocimientos cientficos para resolver problemas prcticos. En este sentido la Estadstica proporciona reglas, tcnicas e instrumentos para los investigadores, las que pueden ser de aplicacin completamente general y tiles en cualquier campo de las ciencias: fsica, qumica, biologa, economa, sociologa, ingeniera, etc., y en cualquier campo del conocimiento. H. Cramer, sostiene que el principal objeto de la Teora Estadstica consiste en la investigacin de la posibilidad de obtener inferencias vlidas a partir de los datos estadsticos, y en la construccin de mtodos para realizar dichas inferencias. Jerzy Neyman, afirma que la Estadstica tata de problemas relativos a las caractersticas operatorias de las reglas de comportamiento inductivo basado en experimentos aleatorios. Para A. Wald el objetivo principal de la Estadstica es el estudio de las funciones decisorias estadsticas. Proponer ahora una definicin de la Estadstica puede resultar poco significativa porque no se lograra precisar su esencia, su cobertura y los hechos que estudia esta ciencia. A manera de informacin, conviene indicar que hace ms de un siglo Gustavo Rumelin sostena que haba por lo menos 63 definiciones de Estadstica, y que pueden aadir otras si se tiene en cuenta el avance de esta disciplina. La funcin principal de la Estadstica es elaborar principios y mtodos que nos ayuden a tomar decisiones frente a la incertidumbre sostiene Ya Lun Chou, por esta razn podra definirse la Estadstica como un mtodo de toma de decisiones frente a la incertidumbre La Estadstica como ciencia cumple los aspectos principales del mtodo cientfico, tales como: i) Realizacin de experimentos y observaciones; ii) Obtencin de conclusiones o proposiciones objetivas a partir de los resultados de dichos experimentos y observaciones, iii) formulacin de leyes que simplifiquen la descripcin de un gran nmero de experiencias u observaciones. Para conocer una ciencia hay que estudiarla con inters y profundidad, para comprenderla y tener una idea ms clara de lo que es Estadstica, ser conveniente analizar sus objetivos. II. POR QU ESTUDIAR ESTADSTICA? 1. La Estadstica, como la Matemtica, constituye uno de los idiomas esenciales para comunicarse en el mundo universal de la ciencia y la tecnologa. La Estadstica permite comprender con mayor facilidad la bibliografa especializada. La mayora de los libros, estudios e investigaciones especializadas en economa, educacin, sociologa, medicina, psicologa, etc., contienen resultados basados en el anlisis
S3ES31B
El nuevo smbolo de una buena educacin...
50
ESTADSTICA
3er. Ao Secundaria
estadstico. Sin lugar a dudas, aquellos profesionales que no conozcan Estadstica tendrn serias dificultades para ser expertos en su respectivo campos cientfico. 2. En las diversas reas y especialidades de la formacin profesional y cientfica, la Estadstica constituye una ciencia auxiliar y complementaria, que ofrece tcnicas, mtodos, modelos y procedimientos para el anlisis cuantitativo y cualitativo de los fenmenos y hechos que interesa estudiar a los profesionales. La Estadstica es una herramienta auxiliar de utilidad inmediata y prctica en el trabajo profesional. Permite registrar hechos, calcular repeticiones, analizar datos y observaciones y calcular indicadores. Ayuda a cuantificar o dimensionar el comportamiento de los hechos y variables en una poblacin determinada, realizar estimaciones y proyecciones. 3. La Estadstica ayuda a desarrollar una investigacin rigurosa. La Estadstica no es simplemente un conjunto de frmulas, procedimientos y modelos, la Estadstica por la forma como est estructurada operacionaliza los datos, ofrece los fundamentos lgicos en los que se sustenta la investigacin bsica y aplicada, de all que la Estadstica constituye la tecnologa del mtodo cientfico. En toda investigacin una vez formulado el problema, la tarea inmediata es el diseo del plan de anlisis estadstico, antes de obtener los datos en las unidades de anlisis. La estadstica participa en la solucin del problema, puesto que permite revelar la informacin vital para la solucin de un problema prctico. Ayuda a conocer las caractersticas de una poblacin, cuyos resultados orienta la toma de decisiones. La Estadstica permite hacer inferencias acerca de una poblacin a partir de datos obtenidos de una muestra representativa. Los profesionales que no conozcan Estadstica tendrn serias dificultades para disear un plan de investigacin y conocer una realidad, que estn interesados en transformar o desarrollar. Tngase presente que slo se puede transformar con xito aquello que se conoce. III.OBJETIVOS DE LA ESTADISTICA: En trminos generales los objetivos de la Estadstica pueden ser clasificados o agrupados en tres grandes captulos: descripcin, anlisis y prediccin: a) Descripcin de grandes colecciones de datos empricos, reducindolos a un pequeo nmero de caractersticas que concentra la parte ms importante y significativa de la informacin proporcionada por los datos. Segn la terminologa de R.A. Fisher, este proceso se conoce con la denominacin de reduccin de datos. La descripcin supone que los datos que vienen expresados en su forma natural deben ser clasificados y presentados sistemticamente en cuadros o tablas como una primera reduccin de datos, sin embargo la reduccin de datos propiamente dicha se obtiene cuando el comportamiento y caractersticas de los datos se expresan por un conjunto de indicadores, medidas de resumen o estadgrafos.
S3ES31B
El trabajo estadstico se inicia con el estudio del problema, la identificacin de variables y la recoleccin de datos. Tanto la reduccin como la descripcin de la informacin se estudia en el gran captulo denominado Estadstica Descriptiva. Es importante anotar que la descripcin estadstica de los fenmenos o hechos es el primer aspecto al cual se redujo la ciencia estadstica durante mucho tiempo, aplicndose especialmente a los datos demogrficos, sociales, econmicos, etc. b) Anlisis Estadstico de datos experimentales y de los fenmenos observados. Toda investigacin estadstica incluye un problema de anlisis de datos experimentales, con el objeto de formarse un concepto de una poblacin o universo y adoptar decisiones. En este caso no es necesario observar toda la poblacin sino que ser suficiente elegir una muestra representativa. La preocupacin del anlisis estadstico es inferir propiedades para una poblacin sobre la base de resultados muestrales conocidos. Aqu se presenta varios problemas que trata la Estadstica de hoy, como aquellos relacionados con el muestreo estadstico, la estimacin estadstica, el clculo de probabilidades y las pruebas estadsticas, etc. Estos son aspectos que corresponden esencialmente a la Inferencia Estadstica. Todo anlisis debe suponer la eleccin adecuada de una muestra representativa, la que ser estudiada en detalle para obtener conclusiones y resultados, que dentro de ciertos mrgenes de aceptacin sean vlidas a toda la poblacin de la cual fue elegida la muestra. Por ejemplo, para analizar la sangre de una persona, ser suficiente extraer una pequea cantidad de sangre; del mismo modo para conocer la simpata o demanda de un artculo, no ser necesario consultar o encuestar a toda una poblacin de un pas o ciudad, es suficiente elegir una muestra de pobladores o familias, etc. c) Prediccin o comportamiento de los fenmenos en el futuro, lo cual constituye la mxima aspiracin prctica de toda ciencia. Este objetivo de prediccin y previsin est implcito tanto en la descripcin como en el anlisis estadstico, puesto que en general interesa orientar la toma de decisiones con vigencia y efecto en el futuro. El pasado puede ser evaluado, el presente descrito con cierta exactitud y el futuro puede ser previsto. La prediccin puede entenderse como la estimacin de resultados en el futuro. Con este objetivo se pretende responder por ejemplo, cul ser el volumen de las exportaciones en el siguiente quinquenio; cul ser la poblacin escolar del Per dentro de 10 aos; cules sern los niveles de desempleo por sectores en Amrica Latina; qu efecto producir un incentivo tributario en las futuras inversiones de un pas, etc. Naturalmente que las estimaciones y proyecciones dependen del grado de conocimiento del comportamiento pasado y presente de las variables en estudio. Para concentrar estos objetivos y fines, la Estadstica se vale por una parte del CENSO, que recopila datos del todo, analiza la distribucin y variacin de las caractersticas de los elementos que componen una poblacin
S3ES31B
50
ESTADSTICA
3er. Ao Secundaria
claramente definida; por otra parte el Muestreo o muestra, permite estimar o inferir caractersticas de un todo considerando una parte representativa. En base el anlisis de experiencias y evaluaciones pasadas y actuales, hace estimaciones de fenmenos y caractersticas para un futuro, propone valores esperados. La Estadstica tambin se vale de una serie de artificios matemticos y del clculo de probabilidades, para inferir sobre la validez de supuestos, construir modelos y mtodos estadsticos. En sus inicios la Estadstica se limitaba a una mera descripcin emprica, ahora puede hacer una crtica e interpretacin de la situacin estudiada, porque ha desarrollado mtodos matemticos y estadsticos para hacer inferencias y pruebas estadsticas. La Estadstica Moderna concede mayor importancia al anlisis, a las muestras, que a los datos procedentes de toda la poblacin. Quizs para el hombre comn, todava la Estadstica es un simple procedimiento de recopilacin y acumulacin de datos numricos; en la mayora de los casos estas acumulaciones estaban relacionadas con las decisiones administrativas, fiscales o militares. La observacin o registro de ciertos hechos, constitua naturalmente un primer avance para lograr una explicacin o descripcin de su comportamiento. El especialista, por su parte, considera a la Estadstica como un mtodo cientfico, un poderoso instrumento del pensamiento. La Estadstica ha permitido investigar las propiedades numricas de los conjuntos de hechos, y de este modo este instrumento de la investigacin ha transformado completamente ciertas ramas de la ciencia. Su faceta probabilstica incluso ha resquebrajado slidas construcciones filosficas: ha renovado las discusiones determinismo / probabilidad y la de esencia/existencia (E. Borel. Probabilit et certitude 1956). La Estadstica es una tcnica indispensable en la investigacin pura o aplicada. En la investigacin, el especialista obtiene muestras, toma medidas, tabula datos, efecta clculos y luego los interpreta. Los mtodos y afirmaciones estadsticas son cada vez ms significativos. Los principios bsicos de esta rama del saber son requeridos por todo el mundo, sea en el trabajo o en la vida diaria. IV. BREVE RESEA HISTRICA: Las estadsticas son tan antiguas como la humanidad misma. Los esfuerzos del hombre por evaluar en forma cuantitativa las caractersticas que lo rodean, dio como resultado la Estadstica. En Egipto, se haca recopilaciones regulares de datos de la administracin estatal. Los hebreos utilizaron datos estadsticos a menudo; as la Biblia menciona el censo que Moiss levant a instancias de Jahve. En el ao 2258 A.C. Roma, se llevaban registros numricos para fines tributarios, en tiempo de Octavio Augusto se realiz un censo. Algunos sostienen que el ao 0, ao del nacimiento de Jesucristo, est relacionado con un empadronamiento. Se sabe que el ao 727, los rabes realizaron un censo ms o menos completo en la pennsula Ibrica. En la Edad Media ya se encuentran
S3ES31B
estadsticas sistematizadas. El clero se dedic a la recopilacin, ordenamiento y estudio de los datos de tipo demogrfico. En el siglo XV durante el gobierno de los Reyes Catlicos, en el siglo XVI reinado de Felipe II y siguientes, se levantaron censos relativamente completos. Es digno de mencionar el llamado censo del Marqus de la Ensenada en 1748; as como tambin las numerosas estadsticas econmicas contenidas en el Archivo de Indias de Sevilla. En Amrica morena es posible encontrar algunos antecedentes estadsticos en la poca precolombina. An cuando los pobladores del Tahuantinsuyo no conocan la estadstica como tal, estaban familiarizados con datos e informes sobre aspectos demogrficos y econmicos. En el Imperio Incaico exista la costumbre de registrar todos los hechos demogrficos y socio econmicos, lo cual permiti desarrollar tcnicas de recopilacin y archivo de datos. El Inca y su esforzada lite cooperadora, conocan por medio de los Quipus el potencial humano y econmico del Imperio y, en consecuencia, deducan las necesidades que deban satisfacer. El Quipu consista en un cordn central de lana del que pendan otros cordones unidos por otros, que se diferenciaban entre si por su grosor, color, nmero y forma de nudos. El nudo dice Garcilaso de la Vega, expresa el nmero pero no la palabra. La Yupana o Abaco, era el accesorio del Quipu, y facilitaba el clculo de grandes cantidades. El Quipu Camayoc era el funcionario que conoca la tcnica del registro por medio de los nudos. En el Cusco se ubicaba la Oficina Central de los Quipus. El Quipu sirvi a los antiguos peruanos para levantar los censos de poblacin cada cierto nmero de aos. El Imperio Incaico era una sociedad veraz y, por tanto todos los habitantes estaban acostumbrados a decir la verdad en el acto censal. Durante el despotismo ilustrado de Federico Guillermo I y de Federico El Grande de Prusia, la estadstica pas a ser una organizacin estatal. Desde hace mucho tiempo, la Iglesia siempre se dedic a recopilar ciertos datos demogrficos y, a partir del Concilio de Trento (1545 - 1563), se establece la obligatoriedad de inscribir los nacimientos, matrimonios y defunciones. Los antecedentes histricos de la Estadstica se encuentran fundamentalmente en la Demografa, recin a mediados del siglo XVII se considera a la estadstica como una disciplina independiente. En Alemania, se cre por primera vez la ctedra de Estadstica, originndose la escuela Universitaria Administrativa, la que consideraba la Estadstica como una descripcin de los fenmenos pertenecientes al estado, segn la orientacin de Vito de Sckendorff (1626 - 1689) y Hermann Conring (1606 - 1681), quien en 1660 empez a dictar un curso en la Universidad de Helmstadt. Su discpulo Godofredo de Achenwall (1719 - 1772), fue el primer gran terico de la Estadstica en lengua alemana y le dio el nombre de Estadstica, basndose en el origen etimolgico Status. Por la misma poca, en Inglaterra nace la escuela Demogrfica o de los aritmticos polticos, quienes se proponan determinar en forma cuantitativa
S3ES31B
50
ESTADSTICA
3er. Ao Secundaria
las leyes empricas que regan el comportamiento de los fenmenos polticos y sociales, que de ninguna manera eran independientes del volumen, estructura y distribucin de la poblacin. Entre los miembros de esta escuela desatacaron William Petty (1623 - 1674), este ltimo realiz un trabajo matemtico de estadsticas vitales y econmicas. En Alemania, esta orientacin, en dura lucha con la escuela de Achenwall y Schlzer, obtuvo el primer xito definitivo gracias al esfuerzo de Johann Sssmilch. Por la poca Contempornea, en Francia se origin la Escuela de Probabilstica, basada en los problemas de juegos de azar planteados a Blas Pascal. (1623 - 1662) por el Caballero de Mre (Antonio Gambaud). La solucin de estos problemas motiv el auge del Clculo de Probabilidades, con destacada participacin de Pedro de Fermat (1601 - 1665), Laplace (1749 - 1827), Poisson (1777 - 1855), los hermanos Bernouilli (Daniel, Jacob y Nicols), Gauss y De Moivr (1667 - 1754). Poco tiempo despus el Clculo de Probabilidades toma gran impulso debido a los trabajos de los franceses Borel, Frchet y Levy, y de los rusos Tchevyshev (1821 - 1894), Tchuprov, Markov, Kintchine y Kolmogorov (nacido en 1903). Entre los ingleses destac el clrigo Toms Bayes. Cabe destacar el aporte de Adolph Quetelet primer presidentes de la ISI. (1796 - 1874) que fue el primero en aplicar mtodos estadsticos modernos al estudio de conjuntos de datos, razn por la cual se le reconoce como padre de la estadstica moderna. Durante el siglo XIX y a principios de XX el trabajo estadstico se caracteriza por el estudio de grandes masas de datos. La idea bsica era la coleccin completa de datos. Pero, a principios del siglo XX y especficamente alrededor de los aos treinta, se produjo un nuevo giro en el desarrollo de la Estadstica. Naci la Estadstica Moderna, la Estadstica Inductiva o Inferencia Estadstica, La Estadstica Analtica. Se espera obtener informacin de cada detalle en particular; actualmente se buscan mtodos que hagan posible obtener conclusiones generales a partir de muestras y de estudios parciales. En la Estadstica Moderna, la palabra clave es muestra. Estos cambios en la teora y prctica estadstica requirieron cada vez ms de las matemticas superiores, entonces surge la Estadstica Matemtica, cuyos procedimientos caractersticos son el anlisis de la varianza, el clculo de correlaciones y las pruebas de hiptesis estadsticas. En el campo de la Estadstica Moderna destacaron Francisco Galton (1822 1911) y Karl Pearson (1857 - 1936), que desarrollaron sobre regresin y correlacin, William Gosset (1876 - 1936) que escriba con el seudnimo de Student y Sir Ronald A. Fisher (1890 - 1962), quienes desarrollaron mtodos del trabajo usados en el anlisis estadstico y en la prueba de hiptesis. Por su parte en 1894, Jerzy Neyman, conjuntamente con el hijo de Pearson, crearon la Teora del Muestreo. Otro destacado estadstico fue Abraham Wald (1902 - 1950) con aplicaciones al campo de la Gentica. Resumiendo, en al evolucin histrica de la Estadstica se pueden distinguir tres fases:
S3ES31B
1 Censos y empadronamientos (Hasta el siglo XVI). 2. De la descripcin de poblaciones a la aritmtica poltica (S. XVI. a XVIII) 3. Estadstica y Clculo de Probabilidades (S. XIX a la fecha) V. NOMENCLATURA ESTADISTICA: Considerando que existe un conjunto de trminos que se usan frecuentemente en la Estadstica, conviene precisar el significado de algunos de ellos. Estadstica, servir para designar a la ciencia que vamos a estudiar. 1. Poblacin o Universo, est referido a cualquier colectivo finito o infinito de elementos que interesan a un estudio. Poblacin es un conjunto completo de individuos u objetos que poseen alguna caracterstica comn observable. Poblacin es el nmero de elementos que definen la cobertura de un estudio. La poblacin es el universo de estudio que est integrado por la totalidad de todas las unidades de anlisis. Muestra, es una parte o subconjuntos de una poblacin en estudio. La muestra est constituida de elementos seleccionados de una manera deliberada, con el objeto de investigar las propiedades de su poblacin. La muestra slo da informacin de aquella poblacin de la que ha sido extrada. Por ejemplo, una muestra de salarios de trabajadores de la industria pesquera de la ciudad de Chimbote, no nos dira mucho de los salarios de los trabajadores de construccin civil de la misma ciudad, como tampoco se podr inferir conclusiones vlidas para los trabajadores pesqueros de Paita. Unidad de Anlisis, es el objeto o elemento indivisible que ser estudiado en una poblacin, sobre los cuales se va a obtener datos. La unidad de anlisis no es el fenmeno investigado sino el que genera el fenmeno y proporciona datos concretos. Variable, es una caracterstica que puede tomar diferentes valores. Las variables son caractersticas observables, susceptibles de adoptar distintos valores o ser expresados en varias categoras. Variable es un aspecto especfico de la realidad referido a la unidad de anlisis, y que puede ser susceptible de ser medido o cuantificado. La variable adquiere un valor determinado en cada unidad de anlisis. Todas las variables tienen una escala de registro. Puede ser una caracterstica medible (peso, ingresos, coeficiente de inteligencia, grados de estudio, etc.) o una cualidad no medible (estado civil, nacionalidad, sexo, etc.); en general variable es una caracterstica que se puede categorizar. Las variables surgen de los objetivos de toda investigacin. Dato, es el valor o respuesta que adquiere la variable en cada unidad de anlisis. Dato es el resultado de la observacin, entrevista o recopilacin en general. Los datos son la materia prima de la Estadstica. Estadsticas, se tomar como sinnimo de datos estadsticos, servir para designar a toda coleccin sistemtica de datos referentes a un determinado fenmeno. El nuevo smbolo de una buena educacin...
2.
3.
4.
5. 6.
S3ES31B
50
ESTADSTICA
3er. Ao Secundaria
Estadstico, es la persona que se dedica al estudio de la Estadstica, es el profesional que analiza estadsticas, desarrolla mtodos y modelos estadsticos y contribuye a la evolucin de la ciencia estadstica. 7. Informacin, es el resultado de los datos procesados de acuerdo a ciertos objetivos. No hay informacin sin datos. 8. Indicadores, son elementos caractersticos que describen una situacin permitiendo su anlisis. Son referentes empricos que permiten una medicin, descripcin, ordenamiento de los datos o caractersticas en forma vlida y confiable. Los indicadores no determinan la realidad, la realidad determina el valor del indicador. La validez y confiabilidad del indicador depende de la validez de los datos utilizados y de la lgica de su relacin o construccin. Indicador, es toda cantidad, valor o elemento que permite conocer el estado de un hecho, tambin permite expresar o conocer la variacin, el comportamiento, la intensidad o relacin de una o ms caractersticas, variables, hechos o fenmenos. En este sentido, los llamados ndices, tasas, estadgrafos, medidas de resumen, etc., son indicadores. 9. Estadgrafo, en cualquier funcin de datos empricos que se usa con fines descriptivos o analticos, son medidas de resumen estadstico de un conjunto de datos, por ejemplo, la media aritmtica, la mediana, la varianza, el coeficiente de correlacin, etc. Algunas veces al profesional en Estadstica se le da el nombre de Estadgrafo, trmino que no resulta muy apropiado si se tiene en cuenta que en diversas Universidades y Centros Superiores, se otorgan el ttulo de Estadstica, Licenciado en Estadstica, etc. 10. Parmetro, es un valor obtenido para describir en forma resumida las caractersticas pertinentes o ms importantes acerca de una poblacin. Son las medidas de resumen de una poblacin, en tanto que las medidas de resumen de una muestra se llamar estadgrafos. Una poblacin puede tener muchas caractersticas y por tanto muchos parmetros. VI. ELEMENTOS BSICOS DE LA ESTADSTICA: Matriz Tripartita de Datos: Despus de la conceptualizacin de Estadstica y la precisin de sus objetivos, es fcil advertir que en el trabajo estadstico existen tres elementos bsicos como son: la poblacin o muestra (unidades de anlisis), las variables o caractersticas, y los datos. En todo estudio, el investigador (sujeto) observa sistemticamente fenmenos o hechos de algn sector de la realidad (objeto de estudio y elementos), donde le interesa analizar algunas caractersticas (variables) y que con el propsito de dimensionar o cualificar el fenmeno, registra o simplemente recibe valores ya registrados, es decir obtiene o recopila datos. Por ejemplo, los hechos socio - econmicos, debido a la enorme extensin de su objeto, adoptan diferentes formas y generan una estructura que tiene tres componentes o elementos.
1. Los elementos o unidades de anlisis (poblacin) que pueden ser personas, instituciones, objetos, familias, animales y otras unidades ms complejas. Estas unidades tienen una caractersticas en comn, en cuanto constituyen el objeto de estudio de una investigacin. Toda poblacin tiene N elementos o unidades de anlisis, y una muestra n elementos, donde n< N. 2. Las variables, dimensiones o caractersticas que se desea conocer en relacin a las unidades de anlisis, tales como edad, ingresos, consumo de carne, lugar de nacimiento, ahorros, etc. Las variables se definen e identifican en funcin de los objetivos del estudio. 3. Los datos o valores que alcanzan las unidades en las variables estudiadas, son las respuestas o resultados que se obtienen cuando las unidades de anlisis son interpelados o preguntados. Habr tantos datos como elementos tiene la poblacin en estudio. Definida la poblacin (o elemento de estudio) e identificadas las variables, se procede a la recoleccin de los datos. Estos tres elementos se pueden detallar en la llamada Matriz Tripartita de Datos, que como se aprecia en el ejemplo, permite conocer los datos para las variables en cada unidad de anlisis. Adems ayuda a definir el recorrido y categoras de las variables y luego construir las tablas de frecuencia con una o ms variables. Hay dos formas de matrices tripartitas: i) Matriz Tripartita de Datos Bsicos (Cuadro N 1.1) ii) Matriz Tripartita de Datos Precodificados (Cuadro N 12) La primera es un registro de los datos para cada elemento de la poblacin, expresado en sus propias unidades, en esta forma se ingresa a la computadora para el proceso de tabulacin. Cuadro N 1.01: Matriz Tripartita de Datos: Caractersticas Trabajadores de un Supermercado. 1998.
Unidades de anlisis (Poblacin) Edad V1 Sexo V2 F F M M M F F M F F M F
Socioeconmicas
de
los
01 48 02 37 03 28 04 36 05 25 06 38 07 45 08 37 09 48 10 41 11 50 12 35 Fuente: Fichas Personales 1998.

S3ES31B
VARIABLES Estado civil V3 Casada Casada Soltero Conviviente Soltero Divorciada Viuda Divorciado Casada Soltera Casado Solera
N de Hijos V4 4 3 1 3 0 2 5 3 5 1 2 1
Tiempo de Servicios V5 21 15 6 15 5 18 25 16 25 17 26 13
S3ES31B
50
ESTADSTICA
02 ... 32 Total
3er. Ao Secundaria
Es una matriz porque los datos estn organizados en filas (N de unidades de anlisis) y columnas (N de variables). En esta forma, se presenta detalladamente las caractersticas y datos para cada unidad de anlisis. Esta matriz puede tener muchos elementos y variables, para poblaciones muy grandes se trabaja con un computador, donde justamente el registro de datos es una matriz tripartita, aqu la tabulacin obedece a un programa para elaborar los cuadros de salida considerados en el Plan de Tabulacin de todo estudio o investigacin. Si se tiene pocos elementos, resulta muy cmodo realizar la tabulacin en forma manual, sea para construir tablas de frecuencia unidimensional, bidimensional, etc. La matriz tripartita tambin se puede construir como un cuadro resumen de un conjunto de formularios, donde cada fila corresponde a todos los datos considerados en cada formulario, registrando en las columnas las variables o preguntas con sus respectivos datos o respuestas. Estos significa, que si se tiene por ejemplo 80 formularios de 12 preguntas con un total de 40 categoras, se tendra una matriz de 80 filas y 40 columnas. La matriz tripartita de datos precodificados tambin es un registro de datos especficos en cada categora de las variables. Se puede apreciar que esta disposicin facilita el proceso de tabulacin manual. Para obtener tablas de frecuencia unidimensionales, es suficiente sumar las aspas (x) o registro de cada columna. Esta matriz es recomendable para estudios de poblaciones o muestras pequeas. Ejemplo: Aqu se detallan los tres elementos bsicos y puede apreciarse que cada categora de las cinco variables tiene su cdigo.
- Muestra - Variables: Sexo: Edad: 69 Nivel Educativo: Nmero de Hijos: 0) Sin Nivel 0) Sin hijos 1) Primaria 1) 1 3 2) Secundaria 3) Superior 3) Otra 2) 4 y ms Tenencia de Vivienda: 1) Alquilada 2) Propia 1) Hombre 1) 20 - 29 2) Mujer 2) 30 - 39 3) 40 - 49 4) 50- 59 5) 60: Padres de Familia del C.E. 1775 (n = 32) Padre de Familia
VII. CLASIFICACIN DE VARIABLES: Antes de considerar aspectos relacionados con la recopilacin, descripcin y reduccin de datos estadsticos, es necesario distinguir los diversos tipos de variables que se pueden encontrar en los diversos estudios e investigaciones. Entre los muchos criterios de clasificacin, podemos mencionar seis tipos: 1. Segn la Naturaleza de la Variable: a) Variables cualitativas o estadsticas de atributos: Cuando expresan una cualidad, caracterstica o atributo, tiene carcter cualitativo, sus datos se expresan mediante una palabra, es no numrico. Por ejemplo: estado civil, los colores, lugar de nacimiento, profesiones, actividad econmica, causas de accidentes, etc. b) Variables Cuantitativas: Cuando el valor de la variable se expresa por una cantidad, es de carcter numrico. El dato o valor puede resultar de la operacin de contar o medir. Por ejemplo: edad, nmero de hijos por familia, ingresos, viviendas por centro poblado, niveles de desempleo, produccin, utilidades por empresas, etc. Las variables cuantitativas pueden ser: discreta y continua. b.1. Variable Discreta: Cuando el valor de la variable resulta de la operacin de contar, su valor est representado slo por nmeros naturales (enteros positivos). Ejemplos: hijos por familia, nmero de accidentes por ta, trabajadores por empresa; poblacin por distritos, habitaciones por vivienda, etc. b.2. Variable Continua: Cuando la variable es susceptible de medirse, es toda variable cuyo valor se obtiene por medicin o comparacin con una unidad o patrn de medida. Las variables contnuas pueden tener cualquier valor dentro de su rango o recorrido, por tanto se expresa por cualquier nmero real. Ejemplo: rea de parcelas, ingresos monetarios, produccin de maz, peso, estatura, tiempo de servicios, horas trabajadas, niveles de empleo, etc.
S3ES31B
- Unidad de anlisis :
La matriz tripartita de este ejemplo sera : Cuadro N 1.2: Matriz Tripartita de Datos Precodificados
Sexo 1 01
S3ES31B
Cd.
Edad 1 2 3 4 5 0
Nivel Educativo 1 2 3
Tenencia de Vivienda 1 2 3
N de Hijos 0 1 2
ESPINOZA BRAVO FERNANDO D. 2. Segn el Origen de las Observaciones:
50
ESTADSTICA
3er. Ao Secundaria
a) Datos atemporales o no ordinales: Cuando se prescinde del orden en que se realiza las observaciones. El orden de la observacin no altera el valor de la variable. Por ejemplo, averiguar las edades de los alumnos de un aula, en este caso. cualquiera sea el orden que elijan los alumnos, la edad no va a variar. b) Series de tiempo, cronolgicas o histricas: Cuando en la obtencin de los datos se tiene en cuenta el orden cronolgico de la observacin, o al momento o tiempo que pertenece, so variables analizadas en funcin del tiempo. Por ejemplo: poblacin demogrfica en la dcada 1985 - 1995, variacin mensual de precios, volumen anual de las exportaciones, evolucin y tendencia de la matrcula en educacin superior en el perodo 1990 - 1995, etc. 3. Segn el nmero de variables: a) Estadsticas unidimensionales: Son las estadsticas de una sola variable, es el caso de considerar independientemente un aspecto del fenmeno estudiado. Por ejemplo, clasificar personas por la edad; viviendas por el nmero de habitaciones; la estatura de los estudiantes de Estadstica, etc. b) Estadsticas bidimensionales: Cuando se considera simultneamente dos variables o aspectos en cada elemento del conjunto o fenmeno que se estudia. La bidimensionalidad requiere que las variables tengan cierta asociacin o relacin, de modo que una variable pudiera de alguna manera explicar el comportamiento de la otra. Por ejemplo, nmero de hijos segn el nivel educativo de la madre, profesores por edad y tiempo de servicios, produccin por aos, importaciones anuales, etc. c) Estadsticas pluridimensionales: Cuando se considera simultneamente ms de dos variables o aspectos en cada elemento de la poblacin o muestra. Lo pluridimensional tambin supone que entre las variables exista alguna relacin o interpendencia, entre los cuales es posible determinar una variable dependiente y otras independientes. Por ejemplo, el consumo segn el ingreso y nmero de personas por familia; la demanda, el precio y la inversin en propaganda; el nivel de fecundidad segn la edad, nivel educativo de la madre y rea de residencia, etc. 4. Segn la escala de medicin: a) Variables nominales:
S3ES31B
Son aquellas variables que establecen al distincin de los elementos en diversas categoras, sin implicar algn orden entre ellas, distribuye a la unidad de anlisis en dos o ms categoras. Ejemplos: sexo, estado, civil, deportes que practica, profesiones, lugar de nacimiento, etc. b) Variables ordinales: Aquellas variables que implican orden entre sus categoras, pero no grados de distancia iguales entre ellas; estn referidas a un orden o jerarqua, donde las categoras expresan una posicin de orden. Ejemplo: grado de instruccin, clases sociales, grado de simpata, rango de agresividad, orden de mrito, etc. c) Variable de intervalo: Son aquellas que suponen a la vez orden y grados de distancia iguales entre las diversas categoras, pero no tienen un origen natural, sino convencional, tiene un cero relativo. Ejemplo: coeficiente de inteligencia, temperatura, puntuacin obtenida en una escala, etc. d) Variables de razn: Estas variables comprenden a la vez a todos los casos anteriores distincin, orden, distancia y origen nico natural; el valor se expresa con un nmero real, tiene un cero absoluto. Ejemplo: edad, peso, ingresos, nmero de hijos, produccin, accidentes de trnsito, etc. 5. Segn la Amplitud de las Unidades de Observacin: a) Variables individuales, referida a caractersticas de individuos o personas, una empresa, centro educativo. Son variables para estudio de casos, donde se pueden sub dividir en variables pblicas y privadas. a.1. Variable pblica, aquella en que los valores individuales son conocidos por otras personas y se sabe que son conocidos. Ejemplos: edad, sexo, la ocupacin, estado civil, deporte que practica, etc. a.2 Variable privada, aquellas que se refieren a caractersticas de las unidades cuando estas son colectivas, conjuntos o grupos (empresas, ciudades, escuelas, etc.). Ejemplos: tasa de mortalidad, urbanizacin, nivel educativo promedio, tasa de crecimiento demogrfico, etc. 6. Segn la Relacin entre Variables: a) variables dependientes, son aquellas que se explican por otras variables, son los efectos o resultados respecto a los cuales hay que buscar su motivo, causas o razn de ser. Es la variable que traduce la consecuencia del efecto de una o varias razones o causas, de otras variables.
S3ES31B
50
ESTADSTICA
3er. Ao Secundaria
b) Variables independientes, son las variables explicativas o predicativas cuya asociacin, relacin o influencia en la variable dependiente se pretende descubrir en la investigacin. Las variables independientes (VI) son los que traducen o explican las causas o razones de las variaciones en la variable dependiente (VD). Simplificando, en la relacin de variables, las causas o antecedentes seran las variables independientes (VI) y el efecto o consecuente es la variable dependiente (VD). Ejemplo: En el caso ms simple, para la relacin de dos variables. 1. El presupuesto familiar (VD) depende de los ingresos (VI). 2. El volumen de ventas (VD) se explica por la inversin en propaganda (VI) 3. El nmero de hijos por familia (VD) tiene relacin con el nivel educativo de los padres (VI) 4. El analfabetismo (VD) tiene relacin con el lugar de residencia (VI) y la expansin del servicio educativo (VI) VIII. ELEMENTOS DE UNA VARIABLE: La identificacin y definicin de variables es la tarea ms delicada de toda investigacin y del trabajo estadstico. Tngase presente que las variables se deducen a partir de los objetivos de un estudio o investigacin. En consecuencia, para tener xito en la seleccin y denominacin de variables, es recomendable distinguir los siguientes cinco elementos: a) b) c) Nombres o denominacin de la variable. Definicin o conceptualizacin de la variable. Un conjunto de categoras o niveles, que es definida por el investigador. Las categoras no son nicas, lo mnimo es dos categoras y dependen de los objetivos de la investigacin. d) Procedimientos para obtener el dato, y categorizar o agrupar las unidades de anlisis. e) Algunas medidas de resumen o indicadores. Ejemplo: Veamos la variable estado civil: a) Nombre : b) Definicin : c) Categoras : (01) Soltero (a) (02) Casado (a) (03) Conviviente (04) Viudo (a) (05) Divorciado (a) (06) Separado (a) Tambin puede ser: (01) Soltero (02) No Soltero
S3ES31B
d) Obtencin y Categorizacin : Cul es su estado civil o conyugal? e) Medidas de resumen, Indicadores : Distribucin porcentual - Tasa de nupcialidad, que indica la frecuencia de matrimonios, etc. Ejemplo 1: Veamos la variable cuantitativa, ingreso: a) Nombre: Ingresos b) Definicin: Son los recursos monetarios netos, incluyendo todas las bonificaciones que percibe una persona por su ocupacin principal y secundaria durante el perodo de referencia de la encuesta. c) Categoras: intervalos. Puede proponerse en forma de niveles o simplemente
Para Niveles de ingreso : alto, medio, bajo. Para Intervalos : Por ejemplo 11 intervalos (dlares) (01) Menos de 200 104 - 600 (04) 601 - 800 ; (07) 1401 - 1800 ; (10) 2601 - 3000 ; ; (02) 201 400 ; (03)
(05) 801 - 1000 ; (06) 1001 - 1400 (08) 1801 - 2200 ; (09) 2201- 2600 (11) Ms de 3000 dlares
d) Obtencin y Categorizacin: Cul fue su ingreso total en el ltimo mes? e) Indicadores: Ingreso promedio, ingreso mediano, Dispersin de los ingresos, Indice de Gini, etc. Ejemplo 2: El analfabetismo en la poblacin de 15 y ms aos, dimensionando a partir de la tasa de analfabetismo. a) Nombre: Tasa de analfabetismo (%) b) Definicin: Proporcin de peruanos de 15 y ms aos, que no saben leer ni escribir. c) Categoras: Bajo : Menos del 10% Medio : De 10 a 20% Alto : De 21 a 30% Muy Alto : Ms de 30% d) Obtencin y Categorizacin: Sabe leer y escribir?
S3ES31B
Estado civil o conyugal Es la situacin de la persona empadronada en relacin con las leyes y costumbres del pas
50
ESTADSTICA
3er. Ao Secundaria
e) Indicadores: Proporcin de analfabetos hombres y mujeres, Analfabetos por rea urbano - rural, etc.
IX. LA INVESTIGACIN ESTADSTICA 1) Qu es Investigacin? El objetivo de la investigacin es descubrir respuestas a determinadas interrogantes a travs de la aplicacin de procedimientos cientficos. El punto de partida de la investigacin es la existencia de un problema que habr que definir, examinar, valorar y analizar crticamente, para poder luego formular y entender su solucin. Ander Egg (1971), define la Investigacin Cientfica como un proceso formal, sistemtico, racional e intencionado en el que se lleva a cabo el mtodo cientfico de anlisis; como un procedimiento reflexivo, controlado y crtico que permite descubrir nuevos hechos o datos, relaciones o leyes, en cualquier campo del conocimiento, en un momento histrico. La Investigacin es un proceso de produccin de conocimientos cientficos; es un proceso sistemtico a travs del cual se recogen datos e informacin de la realidad objetiva para dar respuesta a las interrogantes que se plantean. No hay investigaciones grande o pequea, simplemente investigar en buscar respuestas para plantear soluciones. Cuando se aplica el mtodo cientfico al estudio de los problemas econmicos se habla de investigacin econmica, asimismo se tiene investigacin educativa, investigacin agropecuaria, etc. Toda investigacin requiere de datos, sin datos no hay investigacin, entonces surge la necesidad de definir mtodos de anlisis o tratamientos de datos, con el propsito de obtener algunas medidas o indicadores que expresan la dimensin o niveles de las variables estudiadas, es decir, realizar la operacionalizacin de las variables; en este contexto la Estadstica surge como ciencia auxiliar de la investigacin, que por su naturaleza, estructura y mtodos, en este proceso, el anlisis estadstico tambin cumple con los diversos pasos de toda investigacin. El desarrollo cientfico y la investigacin no es posible sin la estadstica. (R.A.) En este contexto, se hablar de Investigacin Estadstica Aplicada, orientada el anlisis estadstico de los fenmenos sociales, econmicos y demogrficos, dentro de los tres objetivos de la Estadstica, como son: Descripcin, Anlisis Experimental y Prediccin. Para completar sus conocimientos y practicar en el trabajo estadstico, consultar mis libros Metodologa de la Investigacin y Estadstica de la Investigacin Socio Educativa. 2) Etapas de la Investigacin Estadstica La investigacin estadstica por su naturaleza, es en su primera etapa de tipo descriptiva; se preocupa de la confiabilidad, validez y significacin de los datos, de las muestras, as como de los mtodos y tcnicas de recoleccin y anlisis estadstico. Es importante distinguir entre Investigacin Estadstica y la Estadstica como tcnica o ciencia auxiliar para la investigacin cientfica, social, educativa, econmica, etc. La investigacin social, econmica o de otro tipo, estudia el fenmeno en su totalidad, dentro de un marco terico y conceptual con el propsito de contribuir al
S3ES31B
conocimiento cientfico; por ejemplo hay que distinguir entre hecho estadstico y hecho social, econmico, educativo, etc. La investigacin estadstica se preocupa fundamentalmente de la dimensin y la relacin de los elementos que caracterizan al fenmeno en estudio. La investigacin estadstica es un proceso donde se distinguen cinco etapas: A. Planteamiento o Preparacin a) b) c) d) e) f) Fundamentacin y comprensin del estudio e identificacin de las variables. Determinacin de objetivos. Organizacin de las variables, precisin de los datos e informacin requerida. Identificacin y evaluacin de las fuentes de informacin. Identificacin y anlisis de estudio similares. Determinacin del mbito de la investigacin: Ambito geogrfico Poblacin, grupo humano o elementos que sern estudiados. Determinacin de las unidades de anlisis. Perodo de anlisis. g) Preparacin del plan para ejecutar la investigacin. Fijacin de la poblacin. Determinacin de los mtodos, tcnicas e instrumentos de recoleccin y anlisis de datos. Mtodo de seleccin de las muestras. Elaboracin de cuestionarios e instrumentos de recoleccin de datos. Preparacin del Plan de Tabulaciones y de los cuadros de anlisis. h) Formacin y capacitacin del equipo de trabajo i) Elaboracin del calendario de actividades. j) Formulacin del presupuesto y fuentes de financiamiento. k) Diseo y ejecucin de una prueba piloto o experimental. B. Recopilacin de los Datos La recopilacin o recoleccin de datos es el momento en el cual el investigador se pone en contacto con los objetos o elementos sometidos a estudio, con el propsito de obtener los datos o respuestas a las variables analizadas. Los mtodos de recoleccin son diversos y dependen de las posibilidades de acceso o contacto con los elementos investigados, del tamao de la poblacin o muestra de la oportunidad de obtener datos y del presupuesto y de las exigencias del tiempo. El mtodo de recoleccin est asociado tambin con el tipo y naturaleza de la fuente de datos. C. Organizacin y Presentacin de Datos Despus de la recopilacin de los datos, se procede a su organizacin, clasificacin y tabulacin, de modo que se facilite la presentacin en tablas, cuadros o grficos. Como tarea previa a la organizacin es indispensable realizar una evaluacin, crtica, correccin y ajuste de los datos, el propsito es superar las omisiones, inconsistencias y desechar las respuestas no significativas o errneas. Tngase presente que la validez de sus resultados y conclusiones dependen en gran medida de la fidelidad de los datos utilizados. No existen computadoras que por s, corrijan los errores de recopilacin.
S3ES31B
50
ESTADSTICA

3er. Ao Secundaria
Realizadas las correcciones o ajustes, se procede a la clasificacin o establecimiento de categoras o intervalos, para la agrupacin de los datos. Finalmente se procede a la tabulacin o procesamiento de los datos, de acuerdo a un plan de tabulaciones previamente definido. Los cuadros y tablas estadsticas como primera fase de la reduccin de datos, facilita el clculo de los indicadores (porcentajes, promedio, proporciones, ndices, tasas, etc.) con los cuales se inicia la descripcin, anlisis e interpretacin de los datos, variables e informacin estadstica. D. Anlisis e Interpretacin de los Datos En esta etapa se aplican los argumentos matemticos y tericos de la Estadstica. A travs de mtodos estadsticos se calcula indicadores y medidas de resumen, se establecen relaciones entre variables, se estiman valores, se ejecutan pruebas estadsticas, etc., como elementos de referencia para la descripcin, anlisis e interpretacin del comportamiento de los datos, hacer inferencias vlidas y obtener informacin de los elementos o unidades estudiadas. Los mtodos de anlisis de datos estadsticos son numerosos y prueben consistir en una simple observacin, hasta recurrir a mtodos ms elaborados o sofisticados matemticamente, aspectos que se pretenden presentar en este libro. Es importante destacar que al Estadstico le corresponde fundamentalmente, proporcionar indicadores, modelos estadsticos e informacin estadstica de un determinado fenmeno para el desarrollo de las investigaciones en general. La interpretacin de los datos y resultados se hacen en el contexto de los objetivos de la investigacin. E. Formulacin de Conclusiones y Preparacin del Informe En toda investigacin debe analizarse el cumplimiento de los objetivos, en funcin de los resultados fundamentales. Esta contrastacin permite elaborar un resumen de los aspectos sustantivos que luego se expresarn en forma de conclusiones y sugerencias orientadoras en la toma de decisiones. Es recomendable elaborar un informe previo o preliminar con un resumen de las conclusiones y sugerencias con el propsito de ofrecer informacin actualizada, oportuna y novedosa; mientras, se prepara el informe final cuya estructura obedece a objetivos y requerimientos metodolgicos. 3) Eleccin de las Unidades Estadsticas La unidad estadstica es el hecho elemental e indivisible que ser estudiado y sobre los cuales se va a obtener datos estadsticos, pueden ser: personas, animales, objetos, instituciones, etc. En la investigacin social, se denomina unidad de anlisis. Esta unidad no es el fenmeno investigado, sino el que genera el fenmeno y proporciona datos concretos. En primer lugar, la elaboracin de una buena estadstica implica una definicin correcta de las unidades que se van a considerar y una delimitacin de la materia a investigar. Antes de iniciar la observacin y las operaciones de recuento, el Estadstico debe tener una idea clara, tanto del conjunto que quiere estudiar como de los individuos o unidades que constituyen dicho conjunto. La unidad estadstica debe definirse cuidadosamente teniendo en cuenta los siguientes criterios:
S3ES31B
Debe ser sencilla, de modo que se puede caracterizar con facilidad, que los encargados de la recopilacin no tengan duda en su identificacin. Debe ser precisa, de modo que facilite su identificacin y saber que observar. No es lo mismo decir poblacin infantil que poblacin infantil de 6 a 14 aos de edad. Fcilmente comprensible y adaptada a los objetivos que se persiguen. Deben ser semejantes, de manera que sean aditivos. Respetar las posibles definiciones oficiales o estatales.
En el caso que la definicin sufra cambios, el Estadstico deber elaborar un cuadro comparativo o de correspondencia que permita realizar clculos tambin en el marco antiguo; de ninguna manera debe anularse las posibilidades de comparacin por cambio de definiciones. X. SUGERENCIAS DE INVESTIGACIONES Con el propsito de promover la investigacin, y en especial ilustrar la operacionalizacin estadstica, se propone los siguientes estudios: 1. 2. 3. 4. 5. 6. 7. Determinacin del Presupuesto Familiar del Docente Universitario Peruano Estudio Econmico del Transporte Urbano de Pasajeros en Lima Metropolitana. Oferta y Demanda de Profesionales Universitarios. Ampliacin de la Frontera Tributaria en el Distrito de Lince. Alma Mater Sanmarquina en accin: Financiamiento no tradicional de San Marcos. Implicancias en la Demanda Socio Econmica del crecimiento de la poblacin. Efectos Econmicos del Atraso Acadmico en al Universidad Nacional Mayor de San Marcos. 8. Necesidad de Inversin para satisfacer el requerimiento de viviendas en la zona urbana. 9. Niveles de Vida y Pobreza por reas geogrficas. 10. Implicancias de la Educacin en los Niveles de Fecundidad. 11. Dimensiones del Desarrollo Educativo, la Reproduccin Humana y la Pobreza en el Per. XI. PASOS EN EL PROCESAMIENTO DE DATOS 1) El especialista o investigador explica y presenta al programador El problema y los objetivos de la investigacin. Las variables y los datos que necesita o ha obtenido. Los mtodos e instrumentos de recoleccin de datos. El Plan de Tabulacin. Conjunto de cuadros donde estarn los datos ordenados de acuerdo a las categoras de las variables. Estos son los Cuadros de salida. Los indicadores, estadgrafos y medidas de resumen que se necesita calcular, explicando los mtodos y frmulas. Requerimiento de grficos. El cronograma de las investigacin. Aqu se explica y presenta las necesidades de procesamientos de datos de la investigacin, entregando o diseando los formatos de entrada / salida al Programador. 2) Determinacin del software.
S3ES31B
50
ESTADSTICA
INFORME
3er. Ao Secundaria
Despus de conocido el problema y los objetivos, el Operador debe determinar cul ser el software ms para su anlisis. Entre sus alternativas de software especficamente estadstico tiene el SPSS (Paquete Estadstico para las Ciencias Sociales) que trabaja en entorno Windows, adems puede recurrir al empleo del MINITAB (Paquete estadstico de uso para el pronstico estadstico) que funciona en entonos DOS. El SPSS es uno de los programas ms verstiles y que no requiere una formacin estadstica avanzada que lo hace muy accesible a todo profesional que requiera de la estadstica en su trabajo y lo convierte en una herramienta de anlisis valiosa en el trabajo multidisciplinario. 3) Ingreso de los Datos. En el caso especfico del SPSS los datos se ingresan en una base de datos, en la cual se determinan las variables para cada uno de campos empleados. Para ello debe recurrir a la opcin Definir variable del Men Archivo, para cada variable deber ingresar tipo de dato, la extensin, etc. Definidas las variables, ingresar los registros correspondientes en el denominado editor de datos. Deber guardar o salvar su archivo o base de datos, usted podr identificar su archivo por la extensin SAV. 4) Procesamiento de los datos en el ordenador La aplicacin de del SPSS da al usuario la posibilidad de realizar tanto un anlisis estadstico descriptivo como inferencial de sus datos con la seleccin adecuada de funciones. Complementariamente al anlisis el SPSS tambin ofrece el denominado Carrucel de grficos, con formatos apropiados para la presentacin de los resultados del anlisis estadstico. 5) Salida de la informacin Se puede hacer por el Monitor o Pantalla del computador. Imprimir los resultados y la informacin. Obtener una copia impresa de los cuadros de salida (Plan de tabulacin) y de los resultados de los indicadores, estadgrafos y medidas de resumen. 6) Decisiones y acciones del usuario final. Si el programa es correcto y satisface los requerimientos de la investigacin, entonces el problema ya est resuelto. Los resultados son analizados e interpretados por el equipo o responsable de la investigacin, en el contexto de los objetivos y las hiptesis de la investigacin. NOTA: Planteada una investigacin, el Estadstico tiene que precisar y determinar los elementos bsicos del trabajo estadstico. 1) Poblacin (N) OBJETIVOS 2) VARIABLES 3) DATOS
Base de Datos
RESULTADOS - CONCLUSIONES - RECOMENDACIONES
INTERPRETACIN ANLISIS DESCRIPCIN
FEONMENO HECHO PROBLEMA Objetivos Hiptesis
Concepto Categoras Identificacin VARIABLES
Clasificacin Crtica Codificacin Procesamiento DATOS
Modelos Pruebas Mtodos Tcnicas INFORMACIN INDICADORES
POBLACIN - Ubicacin - Tamao - Tiempo
MUESTRA Unidades de anlisis
Tablas Observacin RECOPI Cuadros Entrevista LACIN Cuestionario Grficas DE DATOS Encuestas por Muestreo Anlisis por Contenido
Proporciones Porcentajes Tasas Indices Estadgrafos Coeficientes
OPERACIONALIZACIN DEL TRABAJO ESTADSTICO

S3ES31B
S3ES31B
50
ESTADSTICA
3er. Ao Secundaria
METODOLOGA DE
I. QU IMPLICA LA ETAPA DE RECOLECCIN DE LOS DATOS? Una Vez que seleccionamos el diseo de investigacin apropiado y la muestra adecuada de acuerdo con nuestro problema de estudio e hiptesis, la siguiente etapa consiste en recolectar los datos pertinentes sobre la variables involucradas en la investigacin. Recolectar los datos implica tres actividades estrechamente vinculadas entre s: a) Seleccionar un instrumento de medicin de los disponibles en el estudio del comportamiento o desarrollar uno (el instrumento de recoleccin de los datos). Este instrumento debe ser vlido y confiable, de lo contrario no podemos basarnos en sus resultados. b) Aplicar ese instrumento de medicin. Es decir, obtener las observaciones y mediciones de las variables que son de inters para nuestro estudio (medir variables). c) Preparar las mediciones obtenidas para que puedan analizarse correctamente (a esta actividad se le denomina codificacin de los datos). II. QU SIGNIFICA MEDIR? De acuerdo con la definicin clsica del trmino, ampliamente difundida, medir significa asignar nmeros a objetos y eventos de acuerdo con reglas (Stevens, 1951). Sin embargo, como sealan Carmines y Zeller (1979), esta definicin es ms apropiada para las ciencias fsicas que para las ciencias sociales, ya que varios de los fenmenos que son medidos en stas no pueden caracterizarse como objetos o eventos, puesto que son demasiado abstractos para ello. La disonancia cognitiva, la alineacin. el producto nacional bruto y la credibilidad son conceptos tan abstractos para ser considerados cosas que pueden verse a tocarse (definicin de objeto) o solamente como resultado, consecuencia o producto (definicin de evento) (Carmines y Zeller, 1979, p.10). Este razonamiento nos hace sugerir que es ms adecuado definir la medicin como el proceso de vincular conceptos abstractos con indicadores empricos, proceso que se realiza mediante un plan explcito y organizado para clasificar (y frecuentemente cuantificar) los datos disponibles (los indicadores) en trminos del concepto que el investigador tiene en mente. (Carmines y Zeller, 1979, p.10). Y en este proceso, el instrumento de medicin o de recoleccin de los datos juega un papel central. Sin l no hay observaciones clasificadas. La definicin sugerida incluye dos consideraciones: la primera es desde el punto de vista emprico y se resume en que el centro de atencin es la respuesta observable (sea una alternativa de respuesta marcada en un cuestionario, una conducta grabada va observacin o una respuesta dada a un entrevistador). La segunda es desde una perspectiva terica y se refiere a que el inters se sita en el concepto subyacente no observable que es representado por la respuesta (Carmines y Zeller, 1979). As, los registros del instrumento de medicin representan valores observables de conceptos abstractos. Un instrumento de medicin adecuado es aquel que registra datos observables que representan verdaderamente los conceptos o variables que el investigador tiene en mente. III.
En toda investigacin aplicamos un instrumento para medir las variables contenidas en las hiptesis (y cuando no hay hiptesis, simplemente para medir las variables de inters). Esa medicin es efectiva cuando el instrumento de recoleccin de los datos realmente representa a las variables que tenemos en mente. Si no es as nuestra medicin es deficiente y por lo tanto la investigacin no es digna de tomarse en cuenta. Desde luego, no hay medicin perfecta, es prcticamente imposible que representemos fielmente variables tales como la inteligencia, la motivacin, el nivel socieconmico, el liderazgo democrtico, la actitud hacia el sexo y otras ms, pero es un hecho que debemos acercarnos lo ms posible a la representacin fiel de las variables a observar, mediante el instrumento de medicin que desarrollemos. QU REQUISITOS DEBE CUBRIR UN INSTRUMENTO DE MEDICIN? Toda medicin o instrumento de recoleccin de los datos debe reunir dos requisitos esenciales: confiabilidad y validez. La confiabilidad de un instrumento de medicin se refiere al grado en que su aplicacin repetida al mismo sujeto u objeto produce iguales resultados. Por ejemplo, si se midiera en este momento la temperatura ambiental mediante un termmetro e indicara que hay 22C. Un minuto ms tarde se consultara otra vez y el termmetro indicar que hay 5C. Tres minutos despus se observar el termmetro y ste indicar que hay 40C. Este termmetro no sera confiable (su aplicacin repetida produce resultados distintos). Igualmente, si una prueba de inteligencia se aplica hoy a un grupo de personas y proporciona valores diferentes, al igual que en subsecuentes mediciones, tal prueba no es confiable (analcense los valores de la figura 9.1, suponiendo que los coeficientes de inteligencia puedan oscilar entre 95 y 150). Los resultados no son consistentes; no se puede confiar en ellos. Ejemplo: de resultados proporcionados por un instrumento de medicin sin confiabilidad. Primera aplicacin Martha 130 Laura 125 Arturo 118 Luis 112 Mara 120 Marco 110 Rosa Mara 110 Chester 108 Teresa 107 Segunda aplicacin Laura 131 Luis 130 Marco 127 Arturo Chester Teresa Martha Rosa Mara 118 118 115 107 Tercera aplicacin Luis 140 Teresa 129 Martha 124 120 Rosa Laura Chester Arturo Marco 109 108 103 101
La confiabilidad de un instrumento de medicin se determina diversas tcnicas, las cuales se comentarn brevemente despus de revisar el concepto de validez. La validez, en trminos generales, se refiere al grado en que un instrumento realmente mide la variable que pretende medir. Por ejemplo, un instrumento para medir la inteligencia vlido debe medir la inteligencia y no la memoria. Una prueba sobre conocimientos de historia debe medir esto y no conocimientos de literatura histrica. Aparentemente es sencillo lograr la validez. Despus de todo, como dijo un estudiante, pensamos en la variable y vemos cmo hacer preguntas sobre esa variable. Esto sera factible en unos cuantos casos (como lo se sera el sexo de una persona). Sin embargo, la situacin no es tan simple cuando se trata de variables como la motivacin, la calidad de servicio a los clientes, la actitud hacia un candidato poltico y menos an con sentimientos y emociones, as como diversas variables con las que trabajamos en ciencias sociales. La validez es una cuestin ms compleja que debe alcanzarse en todo
S3ES31B
S3ES31B
50
ESTADSTICA
L E N A U Instrumento con validez de contenido R A M Z G
3er. Ao Secundaria
instrumento de medicin que se aplica. Kerlinger (1979), p . 138) plantea la siguiente pregunta respecto a la validez: Est midiendo lo que cree que est midiendo? Si es as, su medida es vlida; si no, no lo es. La validez es un concepto del cual pueden tenerse diferentes tipos de evidencia (Wiersma, 1986; Gronlund, 1985): 1. evidencia relacionada con el contenido, 2. evidencia relacionada con el criterio y 3. evidencia relacionada con el constructo. Hablemos de cada una de ellas. 1. Evidencia relacionada con el contenido La validez de contenido se refiere al grado en que un instrumento refleja un dominio especfico de contenido de lo que se mide. Es el grado en que la medicin representa al concepto medido (Bohrnstedt, 1976). Por ejemplo, una prueba de operaciones aritmticas no tendr validez de contenido si incluye slo problemas de resta y excluye problemas de suma, multiplicacin o divisin (Carmines y Zeller, 1979). O bien, una prueba de conocimientos sobre las canciones de The Beatles no deber basarse solamente en sus lbumes Let it Be y Abbey y Road, sino que debe incluir canciones de todos su discos. Un instrumento de medicin debe contener representados a todos los tems del dominio de contenido de las variables a medir. Este hecho se ilustra en la figura. 2. Evidencia relacionada con el criterio La validez de criterio establece la validez de un instrumento de medicin comparndola con algn criterio externo. Este criterio es un estndar con el que se juzga la validez del instrumento (Wiersma, 1986). Entre ms se relacionen los resultados del instrumento de medicin con el criterio, la validez del criterio ser mayor. Por ejemplo, un investigador valida un examen sobre manejo de aviones, mostrando la exactitud con que el examen predice qu tan bien un grupo de pilotos puede operar un aeroplano. Ilustracin de un instrumento de medicin con validez de contenido versus uno que carece de ella. Dominio de variable
Instrumento sin validez de contenido
L E N A U
R A M Z G L E
Si el criterio se fija en el presente, se habla de validez concurrente (los resultados del instrumento se correlacionan con el criterio en el mismo momento o punto de tiempo). Por ejemplo, un cuestionario para detectar las preferencias del electorado por los distintos partidos contendientes, puede validarse aplicndolo tres o cuatro das antes de la eleccin y sus resultados compararlos con los resultados finales de la eleccin. Si el criterio se fija en el futuro, se habla de validez predictiva. Por ejemplo, una prueba para determinar la capacidad administrativa de altos ejecutivos se puede validar comparando sus resultados con el futuro desempeo de los ejecutivos medidos. 3. Evidencia relacionada con el constructo: La validez de constructo es probablemente 35 la ms importante sobre todo desde una perspectiva cientfica y se refiere al grado en que una medicin se relaciona consistentemente con otras mediciones de acuerdo con hiptesis derivadas tericamente y que conciernen a los conceptos 8o constructos) que estn siendo medidos. Un constructo es una variable medida y que tiene lugar dentro de una teora o esquema terico.
35
La explicacin se basa en Carmines y Zeller (1979)
Por ejemplo, supongamos que un investigador desea evaluar la validez de constructo de una medicin particular, digamos una escala de motivacin intrnseca: el Cuestionario de Reaccin a Tareas, versin mexicana (Hernndez Sampieri y Corts, 1982). Estos autores sostienen que el nivel de motivacin intrnseca hacia una tarea est relacionado positivamente con el grado de persistencia adicional en el desarrollo de la tarea (v.g., los empleados con mayor motivacin intrnseca son los que suelen quedarse ms tiempo adicional una vez que concluye su jornada). Consecuentemente, la prediccin terica es que a mayor motivacin intrnseca, mayor persistencia adicional en la tarea. El investigador administra dicho cuestionario
S3ES31B
S3ES31B
50
ESTADSTICA
+ + A + W
El instrumento parece realmente medir A.
3er. Ao Secundaria
B C D
de motivacin intrnseca a un grupo de trabajadores y tambin determina su persistencia adicional en el trabajo. Ambas mediciones son correlacionadas. Si la correlacin es positiva y sustancial, se aporta evidencia para la validez de constructo del Cuestionario de Reaccin a Tareas, versin mexicana (a la validez para medir la motivacin intrnseca). La validez de constructo incluye tres etapas: 1. Se establece y especifica la relacin terica entre los conceptos (sobre la base del marco terico). 2. Se correlacionan ambos conceptos y se analiza cuidadosamente la correlacin. 3. Se interpreta la evidencia emprica de acuerdo con el nivel en que clarifica la validez de constructo de una medicin en particular. El proceso de validacin de un constructo est vinculado con la teora. No es posible llevar a cabo la validacin de constructo, a menos que exista un marco terico que soporte a la variable en relacin con otras variables. Desde luego, no es necesaria una teora sumamente desarrollada, pero s investigaciones que hayan demostrado que los conceptos estn relacionados. Entre ms elaborado comprobado se encuentre el marco terico que apoya la hiptesis, la validacin de constructo puede arrojar mayor luz sobre la validez de un instrumento de medicin. Y mayor confianza tenemos en la validez de constructo de una medicin, cuando sus resultados se correlacionan significativamente con un mayor nmero de mediciones de variables que tericamente y de acuerdo con estudios antecedentes estn relacionadas. Esto se representa en la figura. Para analizar las posibles interpretaciones de evidencia negativa en al validez de constructo, se sugiere consultar a Cronbach y Meehl (1955) y Cronbach (1984) Validez total = validez de contenido + validez de criterio + validez de constructo As, la validez de un instrumento de medicin se evala sobre la base de tres tipos de evidencia. Entre mayor evidencia de validez de contenido, validez de criterio y validez de constructo tenga un instrumento de medicin; ste se acerca ms a representar la variable o variables que pretende medir. Presentacin grfica de un instrumento con validez de constructo.
Cabe agregar que un instrumento de medicin puede ser confiable pero no necesariamente vlido (un aparato, por ejemplo, puede ser consistente en los resultados que produce, pero no medir lo que pretende). Por ello es requisito que el instrumento de medicin demuestre ser confiable y vlido. De no ser as, los resultados de la investigacin no pueden tomarse en serio. Factores que pueden afectar la confiabilidad y validez Hay diversos factores que pueden afectar la confiabilidad y la validez de los instrumentos de medicin. El primero de ellos es la improvisacin. Algunas personas creen que elegir un instrumento de medicin o desarrollar uno es algo que puede tomarse a la ligera. Incluso algunos profesores piden a los alumnos que construyan instrumentos de medicin de un da para otro, o lo que es casi lo mismo, de una semana a otra. Lo cual habla del poco o nulo conocimiento del proceso de elaboracin de instrumentos de medicin. Esta improvisacin genera casi siempre instrumentos poco vlidos o confiables y no debe existir en la investigacin social (menos an en ambientes acadmicos). Aun a los investigadores experimentados les toma cierto tiempo desarrollar un instrumento de medicin. Es por ello que los construyen con cuidado y frecuentemente estn desarrollndolos, para que cuando los necesiten con premura se encuentren preparados para aplicarlos, pero no los improvisan. Adems ara poder construir un instrumento de medicin se requiere conocer muy bien la variable que se pretende medir y la teora que la sustenta. Por ejemplo, generar o simplemente seleccionar un instrumento que mida la inteligencia, la personalidad o los usos y gratificaciones de la televisin para el nio, requiere amplios conocimientos en la materia, estar actualizados al respecto y revisar cuidadosamente la literatura correspondiente. El segundo factor es que a veces se utilizan instrumentos desarrollados en el extranjero que no han sido validados a nuestro contexto: cultura y tiempo. Traducir un instrumento, aun cuando adaptemos los trminos a nuestro lenguaje y los contextualicemos, no es ni remotamente validarlo. Es un primer y necesario paso, pero slo es el principio. Por otras parte, hay instrumentos que fueron validados en nuestro contexto pero hace mucho tiempo. Hay instrumentos que hasta el lenguaje nos suena arcaico. Las culturas, los grupos y las personas cambian; y esto debemos tomarlo en cuenta al elegir o desarrollar u instrumento de medicin. Otro factor es que en ocasiones el instrumento resulta inadecuado para las personas a las que se les aplica: no es emptico. Utilizar un lenguaje muy elevado para el encuestado, no tomar en cuenta diferencias en cuanto a sexo, edad, conocimientos, capacidad de respuesta, memoria, nivel ocupacional y educativo, motivacin para responder y otras diferencias en los entrevistados, son errores que pueden afectar la validez y confiabilidad del instrumento de medicin.
S3ES31B
INSTRUMENTO MIDE CONSTRUCTO A Teora (Investigaciones hechas) encontraron que A se relaciona positivamente con B, C y D y negativamente con W. Si el instrumento mide realmente A sus resultados deben relacionarse positivamente con los resultados obtenidos en las mediciones de B, C y D; y relacionarse negativamente con los resultados de W.
S3ES31B
50
ESTADSTICA
0% de confiabilidad medicin en la medicin (la medicin est contaminada de error)
36
3er. Ao Secundaria
100% de confiabilidad en la (no hay error)
El cuarto factor que puede influir est constituido por las condiciones en las que se aplica el instrumento de medicin. El ruido, el fro (por ejemplo en una encuesta de casa en casa), un instrumento demasiado largo o tedioso, son cuestiones que pueden afectar negativamente la validez y la confiabilidad. Normalmente en los experimentos se puede contar con instrumentos de medicin ms largos y complejos que en los diseos no experimentales. Por ejemplo, en una encuesta pblica sera muy difcil poder aplicar una prueba larga o compleja. Por otras parte, aspectos mecnicos como que si el instrumento es escrito, no se lean bien las instrucciones, falten pginas, no haya espacio adecuado para contestar, no se comprenden las instrucciones, tambin pueden influir de manera negativa. IV. CMO SE SABE SI UN INSTRUMENTO DE MEDICIN ES CONFIABLE Y VLIDO? En la prctica es casi imposible que una medicin sea perfecta. Generalmente se tiene un grado de error. Desde luego, se trata de que este error sea el mnimo posible. Es por esto que la medicin de cualquier fenmeno se conceptualiza con la siguiente frmula bsica: X=t+e Donde X representa los valores observados (resultados disponibles), t son los valores verdaderos y e es el grado de error en la medicin. Si no hay error de medicin (e es igual a cero), el valor observado y el verdadero son equivalentes. Esto puede verse claramente as: X=t+0 X=t Esta situacin representa el ideal de la medicin. Entre mayor sea el error al medir, el valor que observamos (en el cual nos basamos) se aleja ms del valor real o verdadero. Por ejemplo, si medimos la motivacin de un individuo y esta medicin est contaminada por un grado de error considerable, la motivacin registrada por el instrumento ser bastante diferente de la motivacin real que tiene ese individuo. Por ello es importante que el error sea reducido lo ms posible. Pero, cmo sabemos el grado de error que tenemos en una medicin? Calculando la confiabilidad y validez. Clculo de la Confiabilidad Existen diversos procedimientos para calcular la confiabilidad de un instrumento de medicin. Todos utilizan frmulas que producen coeficientes de confiabilidad. Estos coeficientes pueden oscilar entre 0 y 1. Donde un coeficiente de 0 significa nula confiabilidad y 1 representa un mximo de confiabilidad (confiabilidad total). Entre ms se acerque el coeficiente a cero (0), hay mayor error en la medicin. Esto se ilustra en el siguiente cuadro. Los procedimientos ms utilizados para determinar la confiabilidad mediante un coeficiente son: 1. Medida de estabilidad (confiabilidad por test - retest). En este procedimiento un mismo instrumento de medicin (o tems o indicadores) 36 es aplicado dos o ms veces a un mismo grupo de personas, despus de cierto perodo. Interpretacin de un coeficiente de confiabilidad. CONFIABILIDAD Muy baja 0 Baja Regular Aceptable Elevada 1
U tems es la unidad mnima que compone a una medicin; es un reactivo que estimula una respuesta en un sujeto (por ejemplo, una pregunta, una frase, una lmina, fotografa, un objeto de descripcin). Correlacin entre los resultados de las diferentes aplicaciones es altamente positiva, el instrumento se considera confiable. Se trata de una especie de diseo panel. Desde luego, el perodo de tiempo entre las mediciones es un factor a considerar. Si el perodo es largo y la variable susceptible de cambios, ello puede confundir la interpretacin del coeficiente de confiabilidad obtenido por este procedimiento. Y si el perodo es corto las personas pueden recordar cmo contestaron en la primera aplicacin del instrumento, para aparecer como ms consistentes de lo que son en realidad (Bohrnstedt, 1976). 2. Mtodo de formas alternativas o paralelas. En este procedimiento no se administra el mismo instrumento de medicin, sino dos o ms versiones equivalentes de ste. Las versiones son similares en contenido, instrucciones, duracin y otras caractersticas. Las versiones (generalmente dos) son administradas a un mismo grupo de personas dentro de un perodo de tiempo relativamente corto. El instrumento es confiable si la correlacin entre los resultados de ambas administraciones es significativamente positiva. Los patrones de respuesta deben variar poco entre las aplicaciones. 3. Mtodo de mitades partidas (split - halves). Los procedimientos anteriores (medida de estabilidad y mtodo de formas alternas), requieren cuando menos dos administraciones de la medicin en el mismo grupo de individuos. En cambio, el mtodo de mitades - partidas requiere slo una aplicacin de la medicin. Especficamente, el conjunto total de tems (o componentes) es dividido en dos mitades y las puntuaciones o resultados de ambas son comparados. Si el instrumento es confiable, las puntuaciones de ambas mitades deben estar fuertemente correlacionadas. Un individuo con baja puntuacin en una mitad, tender a mostrar tambin una baja puntuacin en la otra mitad. El procedimiento de diagrama en la figura. Clculo de la Validez Resulta complejo obtener la validez de contenido. Primero, es necesario revisar cmo ha sido utilizada la variable por otros investigadores. Esquema del procedimiento de mitades - partidas. El instrumento Los ems se dividen Cada mitad se Se correlacionan de medicin se en dos mitades (el califica indepen- puntuaciones y se aplica a un grupo instrumento se divide en dos) dientemente determina la confiabilidad
1 2 3 4 5 6 7 8 9 10 1 3 4 7 10 1 3 4 7 10 Resultados (puntuaciones) P
C(0 a 1) Resultados (puntuaciones)
P'
Al dividir los tems, stos se emparejan en contenido y dificultad.

S3ES31B
S3ES31B
50
ESTADSTICA
3er. Ao Secundaria
Y con base en dicha revisin elaborar un universo de tems posibles para medir la variable y sus dimensiones (el universo debe ser lo ms exhaustivo que sea factible). Posteriormente, se consulta con investigaciones familiarizados con la variable para ver si el universo es exhaustivo. Se seleccionan los tems bajo una cuidadosa evaluacin. Y si la variable est compuesta por diversas dimensiones o facetas, se extrae una muestra probabilstica de tems, ya al azar o estratificada (cada dimensin constituira un estrato). Se administran los tems, se correlacionan las puntuaciones de los tems entre s (debe haber correlaciones altas, especialmente entre tems que miden una misma dimensin) (Bohrnstedt, 1976), y se hacen estimaciones estadsticas para ver si la muestra es representativa. Para calcular la validez de contenido son necesarios varios coeficientes. La validez de criterio es ms sencilla de estimar, lo nico que hace el investigador es correlacionar su medicin con el criterio, y este coeficiente se toma como coeficiente de validez (Bohrnstedt, 1976). Esto podra representarse as:
Medicin Correlacin Criterio
mediciones han resultado exitosas y posibilidades de uso en el contexto de la investigacin). d) Elegir el instrumento o los instrumentos (ya desarrollados que hayan sido favorecidos por la comparacin y adaptarlos al contexto de la investigacin. Para este caso slo deben seleccionarse instrumentos cuya confiabilidad y validez se reporte. No se puede confiar en una forma de medir que carezca de evidencia clara y precisa de confiabilidad y validez. Cualquier investigacin sera reporta la confiabilidad y validez de su instrumento de medicin. Recurdese que la primera vara de 0 a 1 y para la segunda se debe mencionar el mtodo utilizado de validacin y su interpretacin. De no ser as no podemos asegurar que el instrumento sea el adecuado. Si se selecciona un instrumento desarrollado en otro pas, deben hacerse pruebas piloto ms extensas (vase el paso G). Tampoco no debe olvidarse que traducir no es validar un instrumento, por muy buena que sea la traduccin. O en caso de que no se elija un instrumento ya desarrollado sino que se prefiera construir o desarrollar uno propio, debe pensarse en cada variable y sus dimensiones, y en indicadores precisos e tems para cada dimensin. El cuadro siguiente es un ejemplo de ello: Ejemplo de desarrollo de tems.
Definicin Operacional Coordinacin entre Grado percibido organizaciones mutuo de esfuerzo compradoras y invertido para no proveedoras, desde provocar problemas el punto de vista de a la otra parte al las primeras. interferir en sus deberes y responsabilidades. Variable Indicadores Dimensiones tems
La validez de constructo suele determinarse mediante un procedimiento denominado anlisis de factores. Su aplicacin requiere slidos conocimientos estadsticos y un programa estadstico apropiado de computadora. Para quien desee compenetrarse con esta tcnica recomendamos consultar Harman (1967), Gorsuch (1974), Nie et al. (1975), On- Kim y Mueller (1978a y 1978b) y Hunter (1980). Asimismo, para aplicarlos se sugiere revisar a Nie at al. (1975), Cooper y Curtis (1976) y, en espaol, Padua (1979). Aunque es requisito conocer el programa estadstico para computadora. V. QU PROCEDIMIENTO SE SIGUE PARA CONSTRUIR UN INSTRUMENTO DE MEDICIN? Existen diversos tipos de instrumentos de medicin, cada uno con caractersticas diferentes. Sin embargo, el procedimiento general para construirlos es semejante. Antes de comentar este procedimiento, es necesario aclarar que en una investigacin hay dos opciones respecto al instrumento de medicin: 1. Elegir un instrumento ya desarrollado y disponible, el cual se adapta a los requerimientos del estudio en particular. 2. Construir un nuevo instrumento de medicin de acuerdo con la tcnica apropiada para ello. En ambos casos es importante tener evidencia sobre la confiabilidad y validez del instrumento de medicin. El procedimiento que sugerimos para construir un instrumento de medicin es el siguiente, especialmente para quien se inicia en esta materia. Pasos: a) Listar las variables que se pretenden medir u observar b) Revisar su definicin conceptual y comprender su significado. Por ejemplo, comprender bien qu es la motivacin intrnseca y qu dimensiones la integran. c) Revisar cmo han sido definidas operacionalmente las variables, esto es, cmo se ha medido cada variable. Ello implica comparar los distintos instrumentos o maneras utilizadas para medir las variables (comparar su confiabilidad, validez, sujetos a los cuales se les aplic, facilidad de administracin, veces que las
S3ES31B
Grado percibido Coordinacin mutuo inters y de conflictos. buena voluntad de ambas partes.
Cunto se esfuerza su empresa por no provocar problemas con sus proveedores? 1. Se esfuerza al mnimo posible. 2. Se esfuerza poco. 3. Se esfuerza medianamente. 4. Se esfuerza mucho 5. Se esfuerza al mximo posible. Cunto se esfuerzan sus proveedores por no provocar problemas con su empresa? 1. Se esfuerzan al mnimo posible. 2. Se esfuerzan poco. 3. Se esfuerzan medianamente. 4. Se esfuerzan mucho 5. Se esfuerzan al mximo posible. Coordinacin Cunto se esfuerza su de no empresa por no interferencia. interferir en los deberes y responsabilidades de sus proveedores? 5. Se esfuerza al mximo posible. 4. Se esfuerza mucho 3. Se esfuerza
S3ES31B
medianamente 2. Se esfuerza poco. 1. Se esfuerza al mnimo posible. Cunto se esfuerzan sus proveedores por no interferir con los deberes y responsabilidades de su empresa? 5. Se esfuerzan al mximo posible. 4. S esfuerzan mucho 3. Se esfuerzan medianamente. 2. Se esfuerzan poco. 1. Se esfuerzan al mnimo posible. Cunto se esfuerza la empresa por trabajar junto con sus proveedores, de manera constante, para alcanzar objetivos comunes? 5. Se esfuerza al mximo posible . 4. Se esfuerza mucho 3. Se esfuerza medianamente. 2. Se esfuerza poco. 1. Se esfuerza al mnimo posible. Cunto se esfuerzan los proveedores por trabajar junto con su empresa, de manera constante, para alcanzar objetivos comunes? 5. Se esfuerzan al mximo posible. 4. Se esfuerzan mucho 3. Se esfuerzan medianamente. 2. Se esfuerzan poco. 1. Se esfuerzan al mnimo posible. En general, qu tan bien establecidas estn las rutinas para el trato de la empresa con sus proveedores? 5. Muy bien establecidas 4. Bien establecidas. 3. Medianamente establecidas. 2. Mal establecidas. 1. Muy mal establecidas Estableciendo un
50
ESTADSTICA
3er. Ao Secundaria
promedio aproximado con qu frecuencia recibe su empresa la visita de los representantes de sus proveedores importantes? 13.Varias veces al da. 12.Una vez al da. 11.Tres veces por semana. 10.Dos veces por semana. 9. Una vez a la semana. 8. Tres veces al mes. 7. Dos veces al mes. 6. Una vez al mes. 5. Una vez cada dos meses. 4. Una vez cada cuatro meses. 3. Una vez cada seis meses. 2. Una vez al ao. 1. Otra (especifique). Estableciendo un promedio aproximado con qu frecuencia recibe su empresa recibe la visita de los representantes de sus proveedores poco importantes? 13. Varias veces al da. 12.Una vez al da. 11.Tres veces por semana. 10.Dos veces por semana. 9. Una vez a la semana. 8. Tres veces al mes. 7. Dos veces al mes. 6. Una vez al mes. 5. Una vez cada dos meses. 4. Una vez cada cuatro meses. 3. Una vez cada seis meses. 2. Una vez al ao. 1. Otra (especifique). Estableciendo un promedio aproximado con qu frecuencia le llaman por telfono a su empresa los representantes de sus proveedores ms importantes? 13.Varias veces al da.
Coordinacin de objetivos.
Llamadas telefnicas
Coordinacin de objetivos.
Coordinacin de rutinas
Frecuencia de la interaccin entre organizaciones.
Lapsos de interacciones entre organizaciones.
Lapso mximo entre interacciones de comunicacin.
Visitas de representantes
S3ES31B
S3ES31B
12.Una vez al da 11.Tres veces por semana. 10.Dos veces por semana. 9. Una vez a la semana. 8. Tres veces al mes. 7. Dos veces al mes. 6. Una vez al mes. 5. Una vez cada dos meses. 4. Una vez cada cuatro meses. 3. Una vez cada seis meses. 2. Una vez al ao. 1. Otra (especifique) Etctera.
50
ESTADSTICA
3er. Ao Secundaria
aritmticamente
religiosa es una variable nominal, si pretendiramos operarla tendramos situaciones tan ridculas como sta: 1= 2= 3= 4= 5= Catlico Judo Protestante Musulmn Otros 1+2=3
Un catlico + un judo = protestante? (no tiene sentido)
Las variables nominales pueden incluir dos categoras (dicotmicas), o bien, tres o ms categoras (categoras). Ejemplos de variables nominales dicotmicas sera el sexo y el tipo de escuela a la que se asiste (privada - pblica); y de nominales categricas tendramos a la afiliacin poltica (Partido A, Partido B, ...), la carrera elegida, la raza, el departamento o provincia o estado de nacimiento y el canal de televisin preferido. 2. Nivel de medicin ordinal. En este nivel hay varias categoras, pero adems stas mantienen un orden de mayor a menor. Las etiquetas o smbolos de las categoras s indican jerarqua. Por ejemplo, el prestigio ocupacional en Estados Unidos ha sido medido por diversas escalas que reordenan a las profesiones de acuerdo con su prestigio, por ejemplo: 37 Valor en la escala Profesin 90 Ingeniero qumico 80 Cientfico de ciencias naturales (excluyendo la qumica) 60 50 02 Actor Operador de estaciones elctricas de potencia Manufactureros de tabaco
En este segundo caso, debemos asegurarnos de tener un nmero suficiente de tems para medir todas las variables en todas sus dimensiones. Ya sea que se seleccione un instrumento previamente desarrollado y se adapte o bien, se construya uno, ste constituye la versin preliminar de nuestra medicin. Versin que debe pulirse y ajustarse, como se ver ms adelante. e) Indicar el nivel de medicin de cada tems y, por ende, el de las variables. Existen cuatro niveles de medicin ampliamente conocidos. 1. Nivel de medicin nominal. En este nivel se tienen dos o ms categoras de tems o variable. Las categoras no tienen orden o jerarqua. Lo que se mide es colocado en una u otra categora, lo que indica solamente diferencias respecto a una o ms caractersticas. Por ejemplo, la variable sexo de la persona tiene slo dos categoras: masculino y femenino. Ninguna de las categoras tiene mayor jerarqua que la otra, las categoras nicamente reflejan diferencias en la variable. No hay orden de mayor a menor.
Masculino Sexo Femenino
90 es ms que 80, 80 ms que 60, 60 ms que 50 y as sucesivamente; es decir, los nmeros (smbolos de categoras) definen posiciones. Sin embargo, las categoras no estn ubicadas a intervalos iguales (no hay un intervalo comn). No podramos decir con exactitud que entre un actor (60) y un operador de estaciones de poder (50) existe la misma distancia en prestigio que entre un cientfico de ciencias naturales (80) y un ingeniero qumico (90). Aparentemente en ambos casos la distancia es 10, pero no es una distancia real. Otra escala 38 clasific el prestigio de dichas profesiones de la siguiente manera: Valor en la escala 98 95 84 78 13 Profesin Ingeniero qumico Cientfico de ciencias naturales (excluyendo la qumica) Actor Operador de estaciones elctricas de potencia Manufactureros de tabaco
Si les asignamos una etiqueta o smbolo a cada categora, esto identifica exclusivamente a la categora. Por ejemplo: * = Masculino Z = Femenino Si usamos numerales es lo mismo:
1 = Masculino es igual a 2 = Femenino 1 = Femenino 2 = Masculino
37 38
Duncan, 1961 Na m et al. (1975)
Los nmeros utilizados en este nivel de medicin tienen una funcin puramente de clasificacin y no se pueden manipular aritmticamente. Por ejemplo, la afiliacin
S3ES31B
Aqu la distancia entre un actor (84) y un operador de estaciones (78) es de 6, y la distancia entre un ingeniero qumico (98) y un cientfico de ciencias naturales (95) es de 3. Otro ejemplo sera la posicin jerarqua en la empresa:
S3ES31B

Presidente Vicepresidente Director general Gerente de rea Subgerente o superintendente Jefe Empleado A Empleado B Empleado C Intendencia 10 9 8 7 6 5 4 3 2 1
50
ESTADSTICA
3er. Ao Secundaria
es absoluto (no es arbitrario). Creo absoluto implica que hay un punto en la escala donde no existe la propiedad.
0 Es real
10
Sabemos que el presidente (10) es ms que el vicepresidente (9), ste ms que el director general (8), a su vez este ltimo ms que el gerente (7) y as sucesivamente; pero no puede precisarse en cada caso cunto ms. Tampoco podemos utilizar las operaciones aritmticas bsicas: no podramos decir que 4(empleados A) + 5(jefe) = 9(vicepresidente), ni que 10(presidente) 5(jefe) = 2(empleado C). Sera absurdo, no tiene sentido. 3. Nivel de medicin por intervalos. Adems del orden o jerarqua entre categoras, se establecen intervalos iguales en la medicin. Las distancias entre categoras son las mismas a lo largo de toda la escala. Hay intervalo constante, una unidad de medida.
Intervalo constante
Es ejemplo de estas mediciones sera la exposicin a la televisin, el nmero de hijos, la productividad, las ventas de un producto y el ingreso. Desde luego, hay variables que pueden medirse en ms de un nivel, segn el propsito de medicin. Por ejemplo, la variable antigedad en la empresa: Nivel de medicin - De razn - Ordinal Categoras En das (0 a K das) Bastante antigedad Antigedad regular Poca antigedad
Es muy importante indicar el nivel de medicin de todas las variables e tems de la investigacin, porque dependiendo de dicho nivel se selecciona uno u otro tipo de anlisis estadstico (por ejemplo, la prueba estadstica para correlacionar dos variables de intervalo es muy distinta a la prueba para correlacionar dos variables ordinales). As, es necesario hacer una relacin de variables, tems y niveles de medicin. f) Indicar cmo se habrn de codificar los datos en cada tem y variable. Codificar los datos significa asignarles un valor numrico que los represente. Es decir, a las categoras de cada tem y variable se les asigna valores numricos que tienen un significado. Por ejemplo, si tuviramos la variable sexo con sus respectivas categoras, masculino y femenino, a cada categora le asignaramos un valor. ste podra ser: Categora - Masculino - Femenino Codificacin (valor asignado) 1 2
10
Por ejemplo: Una prueba de resolucin de problemas matemticos (30 problemas de igual dificultad). Si Ana Cecilia resolvi 10, Laura resolvi 20 y Brenda 30. La distancia entre Ana, Cecilia y Laura es igual a la distancia entre Laura y Brenda. Sin embargo , el cero (0) en la medicin, es un cero arbitrario, no es real (se asigna arbitrariamente a una categora el valor de cero y a partir de sta se construye la escala). Un ejemplo clsico en ciencias naturales es la temperatura (en grados centgrados y Fahrenheit): el cero es arbitrario, no implica que realmente haya cero (ninguna) temperatura (incluso en ambas escalas es cero es diferente). Cabe agregar que diversas mediciones en el estudio del comportamiento humano no son verdaderamente de intervalo (v.g, escalas de actitudes, pruebas de inteligencia y de otros tipos), pero se acercan a este nivel y se suele tratarlas como si fueran mediciones de intervalo. Esto se hace porque este nivel de medicin permite utilizar las operaciones aritmticas bsicas y algunas estadsticas modernas, que de otro modo no se usaran. Aunque algunos investigadores no estn de acuerdo en suponer tales mediciones como si fueran de intervalo. 4. Nivel de medicin de razn. En este nivel, adems de tenerse todas las caractersticas del nivel de intervalos (intervalos iguales entre las categoras y aplicacin de operaciones aritmticas bsicas y sus derivaciones), el cero es real,
As, Carla Magaa en la variable sexo sera un 2. Luis Gerardo Vera y Rubn Reyes seran un 1, Vernica Larios un 2 y as sucesivamente. Otro ejemplo sera la variable horas de exposicin diaria a la televisin, que podra codificarse de la siguiente manera: Categora S3ES31B
Codificacin (valor asignado) 0 1 2 4 6 7
No ve televisin Menos de una hora Una hora Ms de una hora, pero menos de dos Dos horas Ms de dos horas, pero menos de tres Tres horas Ms de tres horas, pero menos de cuatro
3 5
S3ES31B

- Cuatro horas - Ms de cuatro horas 8 9
50
ESTADSTICA
3er. Ao Secundaria
Es necesario insistir que cada tems y variable debern tener una codificacin (cdigos numricos) para sus categoras. Desde luego, hay veces que un tems no puede ser codificado a priori (precodificado) porque es sumamente difcil conocer cules sern sus categoras. Por ejemplo, si en una investigacin furamos a preguntar: Qu opina del programa econmico que recientemente aplic el gobierno? Las categoras podran ser muchas ms de las que nos imaginemos y resultara difcil predecir con precisin cuntas y cules sern. En estos casos la codificacin se lleva a cabo una vez que se aplica el tems ( a posteriori). La codificacin es necesaria para analizar cuantitativamente los datos (aplicar anlisis estadstico). A veces se utilizan letras o smbolos en lugar de nmeros (*, A, Z). g) Una vez que se indica el nivel de medicin de cada variable e tems y que se determina su codificacin, se procede a aplicar una prueba piloto del instrumento de medicin. Es decir, se aplica a personas con caractersticas semejantes a las de la muestra o poblacin objetivo de la investigacin. En esta prueba se analiza si las instrucciones se comprenden y si los tems funcionan adecuadamente. Los resultados se usan para calcular la confiabilidad y, de ser posible, la validez del instrumento de medicin. La prueba piloto se realiza con una pequea muestra (inferior a la muestra definitiva). Los autores aconsejamos que cuando la muestra sea de 200 a ms, se lleve a cabo la prueba piloto con entre 25 y 60 personas. Salvo que la investigacin exija un nmero mayor. h) Sobre la base de la prueba piloto, el instrumento de medicin preliminar se modifica, ajusta y se mejora, los indicadores de confiabilidad y validez son una buena ayuda, y estaremos en condiciones de aplicarlo. Este procedimiento general para desarrollar una medicin debe adaptarse a las caractersticas de los tipos de instrumentos de que disponemos en el estudio del comportamiento, que estudiaremos a continuacin. VI. DE QU TIPOS DE INSTRUMENTOS DE MEDICIN O RECOLECCIN DE LOS DATOS DISPONEMOS EN LA INVESTIGACIN SOCIAL? En la investigacin del comportamiento disponemos de diversos tipos de instrumentos para medir las variables de inters y en algunos casos pueden ser combinados varios mtodos de recoleccin de los datos. A continuacin los describimos brevemente. 1. Escalas para medir actitudes Una actitud es una predisposicin aprendida para responder consistentemente de una manera favorable o desfavorable ante un objeto de sus smbolos (Fishbein y Ajzen, 1975; Oskamp, 1977). As, los seres humanos tenemos actitudes hacia muy diversos objetos o smbolos, por ejemplo: actitudes hacia el aborto, la poltica econmica, la familia, un profesor, diferentes grupos tnicos, la ley, nuestro trabajo, el nacionalismo, nosotros mismos, etctera. Las actitudes estn relacionadas con el comportamiento que mantenemos en torno a los objetos a que hacen referencia. Si mi actitud hacia el aborto es desfavorable, probablemente no abortara o no participara en un aborto. Si mi actitud es favorable a un partido poltico, lo ms probable es que vote por l en las prximas elecciones. Desde luego, las actitudes slo son un indicador de la conducta, pero no la conducta en s. Por ello las mediciones de actitudes deben interpretarse como sntomas y no
S3ES31B
como hechos (Padua, 1979). Si detecto que la actitud de un grupo hacia la contaminacin es desfavorable, esto no significa que las personas estn adoptando acciones para evitar contaminar el ambiente, pero si es un indicador de que pueden irlas adoptando paulatinamente. La actitud es como una semilla, que bajo ciertas condiciones puede germinar en comportamiento. Las actitudes tienen diversas propiedades, entre las que destacan: direccin (positiva o negativa) e intensidad (alta o baja), estas propiedades forman parte de la medicin. Los mtodos ms conocidos para medir por escalas las variables que constituyen actitudes son: el mtodo de escalamiento Likert, el diferencial semntico y la escala de Guttman. Hablemos de cada mtodo. Escalamiento tipo Likert39 este mtodo fue desarrollado por Rensis Likert a principios de los treinta; sin embargo, se trata de un enfoque vigente y bastante popularizado. Consiste en un conjunto de tems presentados en forma de afirmaciones o juicios ante los cuales se pide la reaccin de los sujetos. Es decir, se presenta cada afirmacin y se pide al sujeto que externe su reaccin eligiendo uno de los cinco puntos de la escala. A cada punto se le asigna un valor numrico. As el sujeto obtiene una puntuacin respecto a la afirmacin y al final se obtiene su puntuacin total sumando las puntuaciones obtenidas en relacin a todas las afirmaciones. Las afirmaciones califican al objeto de actitud que se est midiendo y deben expresar slo una relacin lgica, adems es muy recomendable que no excedan de 20 palabras. Ejemplo: Objeto de actitud medido El voto todo Afirmacin Votar es una obligacin de
ciudadano responsable En este caso la afirmacin incluye 8 palabras y expresa una sola relacin lgica (X Y). Las alternativas de respuestas o puntos de la escala son cinco e indican cunto se est de acuerdo con la afirmacin correspondiente. Las alternativas ms comunes se presentan en el cuadro de alternativas o puntos en las escalas Likert. Debe recordarse que a cada una de ellas se le asigna un valor numrico y slo puede marcarse una opcin. Se considera un dato invlido a quien marque dos o ms opciones. Asimismo, pueden hacerse distintas combinaciones como totalmente verdadero o completamente no. Y las alternativas de respuesta pueden colocarse horizontalmente o verticalmente. Ejemplo: ( (
39
) Muy de acuerdo ) De acuerdo
Para profundizar en esta tcnica se recomienda consultar al Likert (1976a o 1976b), Seiler y Hough (1976 y Padua (1979).
S3ES31B

( ( ( ) Ni de acuerdo, ni en desacuerdo ) En desacuerdo ) Muy en desacuerdo
50
ESTADSTICA
3er. Ao Secundaria
Direccin de las afirmaciones Las afirmaciones pueden tener direccin: favorable o positiva y desfavorable o negativa. Y esta direccin es muy importante para saber cmo se codifican las alternativas de respuesta. Si la afirmacin es positiva significa que califica favorablemente al objeto de actitud, y cuando los sujetos estn ms de acuerdo con la afirmacin, su actitud ser ms favorable. Ejemplo: El Ministerio de Hacienda ayuda al contribuyente a resolver sus problemas en el pago de impuestos. Si estamos muy de acuerdo implica una actitud ms favorable hacia el Ministerio de Hacienda que si estamos de acuerdo. En cambio, si estamos muy en desacuerdo implica una actitud muy desfavorable. Por lo tanto, cuando las afirmaciones son positivas se califican comnmente de la siguiente manera: (5) Muy de acuerdo (4) De acuerdo (3) Ni de acuerdo, ni en desacuerdo (2) En desacuerdo (1) Muy en desacuerdo Es decir, estar ms de acuerdo implica una puntuacin mayor. Si la afirmacin es negativa significa que califica desfavorable al objeto de actitud, y entre los sujetos que estn ms de acuerdo con la afirmacin, su actitud es menos favorable, esto es, ms desfavorable. Ejemplo: El Ministerio de Hacienda se caracteriza contribuyente en el pago de impuestos. por obstaculizar al
O bien utilizado recuadros en lugar de parntesis: Definitivamente s Probablemente s Indeciso Probablemente no Definitivamente no Es indispensable sealar que el nmero de categoras de respuesta debe ser el mismo para todas las afirmaciones. Alternativas o puntos en las escalas Likert.
Alternativa 1: Muy de acuerdo Alternativa 2: Totalmente de acuerdo Alternativa 3: Definitivamente s Alternativa 3: Completamente verdadero Verdadero Probablemente s De acuerdo De acuerdo
"Afirmacin" Ni de acuerdo, en desacuerdo "Afirmacin" Neutral "Afirmacin" Indeciso "Afirmacin" Ni falso, ni verdadero Falso Completamente falso Probablemente no Definitivamente no En desacuerdo Totalmente en desacuerdo En desacuerdo Muy en desacuerdo
Si estamos muy de acuerdo implica una actitud ms desfavorable que si estamos de acuerdo y as sucesivamente. En contraste, si estamos muy en desacuerdo implica una actitud favorable hacia el Ministerio de Hacienda. Rechazamos la frase porque califica negativamente al objeto de actitud. Un ejemplo cotidiano de afirmacin negativa sera: Luis es un mal amigo, entre ms de acuerdo estemos con la afirmacin, nuestra actitud hacia Luis en menos favorable. Es decir, estar ms de acuerdo implica una puntuacin menor. Cuando la afirmaciones son negativas se califican al contrario de las positivas. Ejemplo: (1) Totalmente de acuerdo (2) De acuerdo (3) Ni de acuerdo, ni en desacuerdo (4) En desacuerdo (5) Totalmente en desacuerdo
S3ES31B
S3ES31B
50
ESTADSTICA
4. De acuerdo desacuerdo 2. En desacuerdo
3er. Ao Secundaria
1. Muy en
En le cuadro se presenta un ejemplo de una escala Likert para medir la actitud hacia un organismo tributario. 40 Ejemplo de una escala Likert Las afirmaciones que voy a leer son opiniones con las que algunas personas estn de acuerdo y otras en desacuerdo. Voy a pedirle que me diga, por favor, que tan de acuerdo est usted con cada una de estas opiniones. 1. El personal de la Direccin General de Impuestos Nacionales es grosero al atender al pblico. 1. Muy de acuerdo 2. De acuerdo desacuerdo 3. Ni de acuerdo, ni en desacuerdo 4. En desacuerdo 5. Nacionales se Muy por en la
40
8. La Direccin General de Impuestos Nacionales tiene malas relaciones con la gente porque cobra impuestos muy altos. 1. Muy de acuerdo 2. De acuerdo desacuerdo 3. Ni de acuerdo, ni en desacuerdo 4. En desacuerdo 5. Muy en
El ejemplo fue utilizado en un pas latinoamericano y su confiabilidad total fue de 0.89; aqu se presenta una versin reducida de la escala original. El nombre del organismo tributario que aqu se utiliza es ficticio.
2. La Direccin General de Impuestos deshonestidad de sus funcionarios. 1. Muy de acuerdo 2. De acuerdo desacuerdo
caracteriza
Como puede observarse en el cuadro las afirmaciones 1, 2, 5 y 8 son negativas (desfavorables) y las afirmaciones 3, 4, 6 y 7 son positivas (favorables). Forma de Obtener las Puntuaciones Las puntuaciones de las escalas Likert se obtienen sumando los valores obtenidos respecto a cada frase. Por ello se denomina escala aditiva. El cuadro siguiente constituir un ejemplo de cmo calificar una escala de Likert. Un puntuacin se considera alta baja segn el nmero de tems o afirmaciones. Por ejemplo, en la escala para evaluar la actitud hacia el organismo tributario la puntuacin mnima posible es de 8 (1+1+1+1+1+1+1+1) y la mxima es de 40 (5+5+5+5+5+5+5+5), porque hay ocho afirmaciones. La persona del ejemplo obtuvo 12, su actitud hacia el organismo tributario es ms bien sumamente desfavorable, vemoslo grficamente:
3. Ni de acuerdo, ni en desacuerdo 4. En desacuerdo 5.
Muy
en
3. Los servicios que presta la Direccin General de Impuestos Nacionales son en general muy buenos. 1. Muy de acuerdo 3. Ni de acuerdo, ni en desacuerdo 2. De acuerdo 4. En desacuerdo 5. Muy en desacuerdo 4. La Direccin General de Impuestos Nacionales informa claramente sobre cmo, dnde y cundo pagar los impuestos. 1. Muy de acuerdo 2. De acuerdo desacuerdo 3. Ni de acuerdo, ni en desacuerdo 4. En desacuerdo 5. Muy en
12 16 Actitud muy desfavorable 24 32 40
5. La Direccin General de Impuestos Nacionales es muy lenta en la devolucin de impuestos pagados en exceso. 1. Muy de acuerdo 2. De acuerdo desacuerdo 3. Ni de acuerdo, ni en desacuerdo 4. En desacuerdo 5. Muy en
Actitud muy favorable
6. La Direccin General de Impuestos Nacionales informa oportunamente sobre cmo, dnde y cundo pagar los impuestos. 5. Muy de acuerdo 4. De acuerdo desacuerdo 3. Ni de acuerdo, ni en desacuerdo 2. En desacuerdo 1. Muy en
Ejemplo de cmo calificar una escala Likert. 1. El personal de la Direccin General de Impuestos Nacionales es grosero al atender al pblico. 1. Muy de acuerdo 2. De acuerdo desacuerdo 3. Ni de acuerdo, ni en desacuerdo 4. En desacuerdo 5. Muy en
7. La Direccin General de Impuestos Nacionales tiene normas y procedimientos bien definidos para el pago de impuestos. 5. Muy de acuerdo
S3ES31B
3. Ni de acuerdo, ni en desacuerdo
S3ES31B

2. La Direccin General de Impuestos deshonestidad de sus funcionarios. 1. Muy de acuerdo 2. De acuerdo desacuerdo Nacionales se caracteriza
por la
50
ESTADSTICA
3er. Ao Secundaria
puntuacin total en la escala y NT es el nmero de afirmaciones), y entonces una puntuacin se analiza en el continuo 1 - 5 de la siguiente manera, con el ejemplo de quien obtuvo 12 en la escala (12/8 = 1.5):
3. Ni de acuerdo, ni en desacuerdo 4. En desacuerdo 5.
Muy
en
3. Los servicios que presta la Direccin General de Impuestos Nacionales son en general muy buenos. 5. Muy de acuerdo 4. De acuerdo desacuerdo 3. Ni de acuerdo, ni en desacuerdo 2. En desacuerdo 1. Muy en
1.5 Actitud muy desfavorable
4 Actitud muy favorable
4. La Direccin General de Impuestos Nacionales informa claramente sobre cmo, dnde y cuntos pagar los impuestos. 5. Muy de acuerdo 4. De acuerdo desacuerdo 3. Ni de acuerdo, ni en desacuerdo 2. En desacuerdo 1. Muy en
La escala de Likert es, en estricto sentido, una medicin ordinal, sin embargo, es comn que se le trabaje como si fuera de intervalo. Asimismo, a veces se utiliza un rango de 0 a 4 de - 2 a +2 en lugar de 1 a 5. Pero esto no importa porque se cambia el marco de referencia de la interpretacin. Vemoslo grficamente.
(4) Totalmente de acuerdo (1) En desacuerdo 0 1
5. La Direccin General de Impuestos Nacionales es muy lenta en la devolucin de impuestos pagados en exceso. 1. Muy de acuerdo 2. De acuerdo desacuerdo 3. Ni de acuerdo, ni en desacuerdo 4. En desacuerdo 5. Muy en
(3) De acuerdo (0) Totalmente en desacuerdo 2 (1) De acuerdo (-2) Totalmente en desacuerdo
(2) Ni de acuerdo, ni en desacuerdo 3 4
(2) Totalmente de acuerdo (-1) En desacuerdo
(0) Ni de acuerdo, ni en desacuerdo
6. La Direccin General de Impuestos Nacionales informa oportunamente sobre cmo, dnde y cunto pagar los impuestos. 5. Muy de acuerdo 4. De acuerdo desacuerdo 3. Ni de acuerdo, ni en desacuerdo 2. En desacuerdo 1.
-2 -1
Muy
en
+1
+2
7. La Direccin General de Impuestos Nacionales tiene normas y procedimientos bien definidos para el pago de impuestos. 5. Muy de acuerdo 4. De acuerdo desacuerdo 3. Ni de acuerdo, ni en desacuerdo 2. En desacuerdo 1. Muy en
Simplemente se ajusta el marco de referencia, pero el rango se mantiene y las categoras contnuas siendo cinco. Otras consideraciones sobre la escala de Likert A veces se acorta o se incrementa el nmero de categoras, sobre todo cuando los respondientes potenciales pueden tener una capacidad muy limitada de discriminacin o por el contrario muy amplia. Ejemplos (con afirmaciones positivas) (1) De acuerdo (0) En desacuerdo (3) De acuerdo (2) Ni de acuerdo, ni en desacuerdo (7) Totalmente de acuerdo (6) De acuerdo
8. La Direccin General de Impuestos Nacionales tiene malas relaciones con la gente porque cobra impuestos muy altos. 1. Muy de acuerdo 2. De acuerdo desacuerdo 3. Ni de acuerdo, ni en desacuerdo 4. En desacuerdo 5. Muy en
Valor = 1+ 2 + 1 + 3 + 1 + 1 + 2 + 1 = 12 Si alguien hubiera tenido una puntuacin de 37 (5+5+4+5+5+4+4+5) su actividad puede calificarse como sumamente favorable. En las escalas Likert a veces se califica el promedio obtenido en la escala mediante la sencilla frmula PT/NT (donde PT es la
S3ES31B
acuerdo (4) Indeciso, ni de acuerdo (3) Indeciso, pero ms ni en desacuerdo bien en desacuerdo (2) En desacuerdo (1) Totalmente en desacuerdo Si los encuestados tiene poca capacidad de discriminar pueden incluirse dos o tres categoras. Por el contrario, si son personas con un nivel educativo elevado y
S3ES31B
(1) En desacuerdo (5) Indeciso, pero ms bien de
50
ESTADSTICA
3er. Ao Secundaria
capacidad de discriminacin, pueden incluirse siete categoras. Pero debe recalcarse que el nmero de categoras de respuesta debe ser el mismo para todos los tems, si son tres, son tres categoras para todos los tems o afirmaciones. Si son cinco, son cinco categoras para todos los tems. Un aspecto muy importante de la escala Likert es que asume que los tems o afirmaciones miden la actitud hacia un nico concepto subyacente, si se van a medir actitudes hacia varios objetos, deber incluirse una escala por objeto aunque se presenten conjuntamente, pero se califican por separado. En cada escala se considera que todos los tems igual peso. Cmo se construye una escala Likert En trminos generales, una escala Likert se construye generando un elevado nmero de afirmaciones que califiquen al objeto de actitud y se administran a un grupo piloto para obtener las puntuaciones del grupo en cada afirmacin. Estas puntuaciones se correlacionan con las puntuaciones del grupo a toda la escala (la suma de las puntuaciones de todas las afirmaciones), y las afirmaciones), y las afirmaciones cuyas puntuaciones se correlacionen significativamente con las puntuaciones de toda la escala, se seleccionan para integrar el instrumento de medicin. Asimismo, debe calcularse la confiabilidad y validez de la escala. Preguntas en lugar de afirmaciones En la actualidad, la escala original se ha extendido a preguntas y observaciones. Por ejemplo: Cmo considera usted al conductor que aparece en los programas? 5 Muy buen conductor 2 Mal conductor 4 Buen conductor 3 Regular
4 Muy mal conductor
Esta pregunta se hizo como parte de la evaluacin de un vdeo empresarial. Otro ejemplo sera una pregunta que se hizo en una investigacin para analizar la relacin de compra - venta en empresas de la ciudad de Mxico (Paniagua, 1986). De ella se presenta un fragmento en el cuadro. Ejemplo de la escala Likert aplicada a una pregunta para elegir sus proveedores, qu tan importante es ...? Indispensabl e (5) - Precio - Forma de pago (contado crdito) - Tiempo de entrega - Lugar de entrega - Garanta del producto - Servicio de
S3ES31B
Sumamen te important e (4)
Medianamen te importante (3)
Poco importante (2)
No se toma en cuenta (1)
reparacin - Prestigio del producto (marca) - Prestigio de la empresa proveedora - Comunicacin que se tienen con la(s) persona(s) que representan al proveedor - Apego del proveedor a los requerimientos legales del producto - Cumplimiento del proveedor con las especificacion es - Informacin que sobre el producto proporcione el proveedor - Tiempo de trabajar con el proveedor - Entrega del producto en las condiciones acordadas - Calidad del producto - Personalidad de los vendedores Las respuestas se califican del mismo modo que ya hemos comentado. Maneras de aplicar la escala Likert Existen dos formas bsicas de aplicar una escala Likert. La primera de manera autoadministrada: se le entrega la escala al respondiente y ste marca respecto a cada afirmacin, la categora que mejor describe su reaccin o respuesta. Es decir, marcan su respuesta. La segunda forma es la entrevista; un entrevistador lee las afirmaciones y alternativas de respuesta al sujeto y anota lo que ste conteste. Cuando se aplica va entrevista, es necesario que se le entregue al entrevistado una tarjeta donde se muestran las alternativas de respuesta o categoras. El siguiente es un ejemplo que se aplica a la pregunta del cuadro anterior.
S3ES31B
50
ESTADSTICA
justo: justo: : : : : X : : : : X : :
3er. Ao Secundaria
: : : injusto : injusto
Indispensable
Sumamente importante
Medianamente importante
Poco importante
No se toma en cuenta
Y si el respondiente considera que el objeto de actitud ocupa una posicin neutral en la escala (ni justo ni injusto en este caso), la respuesta se marca as:
Al construir una escala Likert debemos asegurar que las afirmaciones y alternativas de respuesta sern comprendidas por los sujetos a los que se les aplicar y que stos tendrn la capacidad de discriminacin requerida. Ello se evala cuidadosamente en la prueba piloto. Diferencial semntico41 El diferencial semntico fue desarrollado originalmente por Osgood, Suci y Tannenbaum (1957) para explorar las dimensiones del significado. Pero hoy en da consiste en una serie de adjetivos extremos que califican al objeto de actitud, ante los cuales se solicita la reaccin del sujeto. Es decir, ste debe calificar al objeto de actitud en un conjunto de adjetivos bipolares, entre cada par de adjetivos se presentan varias opciones y el sujeto selecciona aquella que refleje su actitud en mayor medida. Ejemplo de escalas bipolares Objeto de actitud: Candidato A
justo:
: injusto
Es decir, en el ejemplo, cuanto ms justo considere el candidato A ms me acerco al extremo justo, y viceversa, entre ms injusto lo considero ms me acerco al extremo opuesto. Algunos ejemplos de adjetivos se muestra en el cuadro siguiente. El cuadro presenta slo algunos ejemplos, desde luego hay muchos ms que han sido utilizados o que pudieran pensarse. La eleccin de adjetivos dependen del objeto de actitud a calificar, los adjetivos deben poder aplicarse a ste. Codificacin de las escalas Los puntos o categoras de la escala pueden codificarse de diversos modos, que se presentan el cuadro de maneras comunes de codificar el diferencial semntico. Ejemplos de adjetivos bipolares: fuerte dbil grande pequeo bonito feo alto bajo claro oscuro caliente fro costoso barato activo pasivo seguro peligroso bueno malo dulce cido profundo superficial poderoso importante vivo muerto joven viejo rpido lento gigante enano perfecto imperfecto agradable desagradable bendito maldito arriba abajo til intil favorable desfavorable agresivo tmido
justo:
: injusto
Debe observarse que los adjetivos son extremos y que entre ellos hay siete opciones de respuesta. Cada sujeto califica al candidato A en trmino de esta escala de adjetivos bipolares. Osgood, Suci y Tannenbaum (1957) nos indican que, si el respondiente considera que el objeto de actitud se relaciona muy estrechamente con uno u otro extremo de la escala, la respuesta se marca as:
Maneras comunes de codificar el diferencial semntico:
justo: justo:
: :
: :
: :
: :
: :
: : X
: injusto : injusto
o de la siguiente manera:
Si el respondiente considera que el objeto de actitud se relaciona estrechamente con uno u otro extremo de la escala, la respuesta se marca as (dependiendo del extremo en cuestin):
42
: Adjetivo 3 favorable (v.g, fuerte, bonito, activo, etc.)
-1
-2
-3
Adjetivo desfavorable (v.g, dbil, feo , pasivo, etc.)
Para profundizar en el diferencial semntico se recomienda consultar Osgood, Suci y Tannenbaum (1957)), (1976a) y (1976b); as como Heise (1976)
justo: justo:
: :
: :
: :
: :
: : X
: :
: injusto : injusto
En los casos en que los respondientes tengan menor capacidad de discriminacin, se pueden reducir las categoras a cinco opciones. Por ejemplo:
sabroso :
Si el respondiente considera que el objeto de actitud se relaciona mediante con alguno de los extremos, las respuestas se marca as (dependiendo del extremo en cuestin):
S3ES31B
5
2
4
1
3 o 0
2
-1
1
-2
: desabrido
S3ES31B

o aun a tres opciones (lo cual es poco comn):
50
ESTADSTICA
3er. Ao Secundaria
En ocasiones se puede incluir la codificacin en la versin que se les presenta a los respondientes con el propsito de clarificar las diferencias entre las categoras.
bueno
3
1
:
o 0
1
-1
malo
Por ejemplo:
sabroso:
: inspido
Tambin pueden agregarse calificativos a los puntos o categoras de la escala (Babbie, 1974, p. 411).
Totalmente Bastante regular bastante totalmente : : : : : : Activo 5 2 4 1 3 0 2 -1 1 -2 Pasivo
Pasos para integrar la versin final: Para integrar la versin final de la escala se deben llevar a cabo los siguientes pasos: 1. Generamos una lista de adjetivos bipolares exhaustiva y aplicable al objeto de actitud a medir. De ser posible, resulta conveniente que se seleccionen adjetivos que hayan sido utilizados en investigaciones similares a la nuestra (contextos parecidos). Ejemplo parcial de un diferencial semntico para medir la actitud hacia un producto comestible.
barato : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : caro inspido amargo sucio pobre spero ajeno incompleto
Codificar de 1 a 7 0 de - 3 a 3 no tiene importancia, siempre y cuando estemos conscientes del marco de interpretacin. Por ejemplo, si una persona califica al objeto de actitud: candidato A! en la escala justo - injusto, marcando la categora ms cercana al extremo injusto, la calificacin puede ser 1 o - 3.
justo: 7 justo: 3
: 6 : 2
: 5 : 1
: 4 : 0
: 3 : -1
: 2 : -2
X 1 X -3
: injusto
sabroso dulce
: injusto
limpio rico suave propio completo
Pero en un caso la escala entre 1 y 7 en el otro caso entre - 3 y 3. Si deseamos evitar el manejo de nmero negativos utilizamos la escala de 1 a 7. Maneras de aplicar el diferencial semntico La aplicacin del diferencial semntico puede ser autoadministrada (se le proporciona la escala al sujeto y ste marca la categora que describe su reaccin o considera conveniente) o mediante entrevista (el entrevistador marca la categora que corresponde a la respuesta del sujeto). En esta segunda situacin es muy conveniente mostrar una tarjeta al respondiente, que incluya los adjetivos bipolares y sus categoras respectivas. El siguiente cuadro muestra parte de un ejemplo de un diferencial semntico utilizado en una investigacin para evaluar la actitud hacia un producto (Comunicometra, 1988). Las respuestas se califican de acuerdo con la codificacin. Por ejemplo, si una persona tuvo la siguiente respuesta:
2. Construimos una versin preliminar de la escala y la administracin a un grupo de sujetos a manera de prueba piloto 3. Correlacionamos las respuestas de los sujetos para cada par de adjetivos o tem. As, correlacionamos un tem con todos los dems (cada par de adjetivos contra el resto). 4. Calculamos la confiabilidad y validez de la escala total (todos los pares de adjetivos). 5. Seleccionamos los tems que presenten correlaciones significativas con los dems tems. Naturalmente, si hay confiabilidad y validez, estas correlaciones sern significativas. 6. Desarrollamos la versin final de la escala. La escala final se califica de igual manera que Likert: sumando las puntuaciones obtenidas respecto a cada tem o par de adjetivos. El siguiente cuadro es un ejemplo de ello. Su interpretacin depende del nmero de tems o pares de adjetivos. Asimismo, en ocasiones se califica el promedio obtenido en la escala total.
rico:
: pobre
Y la escala oscila entre 1 y 7, esta persona obtendra una serie (7).

S3ES31B
S3ES31B
50
ESTADSTICA
3er. Ao Secundaria
Puntuacin . Se puede utilizar distintas escalas o diferenciales nmero de tems

semnticos para medir actitudes hacia varios objetos. Por ejemplo, podemos medir con cuatro pares de adjetivos la actitud hacia el candidato A, con otros tres pares de adjetivos la actitud respecto a su plataforma ideolgica y con otros seis pares de adjetivos la actitud hacia su partido poltico. Tenemos tres escalas, cada una con distintos pares de adjetivos para medir la actitud en relacin a tres diferentes objetos. El diferencial semntico es estrictamente una escala de medicin ordinal, pero es comn que se le trabaje como si fuera de intervalo. Escalograma de Guttman 42 Este mtodo para medir actitudes fue desarrollado por Luis Guttman. Se basa en el principio de que algunos tems indican en mayor medida la fuerza o intensidad de la actitud. Ejemplo de cmo calificar un diferencial semntico
sabroso rico suave : : : X : : : : X X X : : : : : : : : : : : : : : : : : : : : : : : : inspido pobre spero desbalanceado
1. Obtener el puntaje total de cada sujeto en la escala 2. Ordenar a los sujetos de acuerdo con su puntaje total (del puntaje mayor al menor, de manera vertical descendente). 3. Ordenar a las afirmaciones de acuerdo con su intensidad (de mayor a menor y de izquierda a derecha) 4. Construir una tabla donde se crucen los puntajes de los sujetos ordenados con los tems y sus categoras jerarquizados. As, tenemos una tabla donde los sujetos constituyen los renglones y las categoras de los tems forman las columnas. Esto se representa en la en el siguiente cuadro 5. Analizar el nmero de errores o rupturas en el patrn ideal de intensidad de la escala. Ejemplo: Supongamos que aplicamos una escala con 4 tems o afirmaciones a 14 sujetos. Cada afirmacin tiene dos categoras de respuestas (de acuerdo y en desacuerdo, codificadas como 1 y 0 respectivamente). Los resultados se muestran en la tabla del ejemplo de la tcnica de Cornell para el anlisis de tems o afirmaciones. Manera de disponer los resultados para el anlisis de tems mediante la tcnica de Cornell.
balanceado :
42
Valor = 6 + 7 + 6 + 6 = 25
Para profundizar en esta escala se sugiere consultar Nie el al. (1975), Black y Champion (1976), Guttman (1976), Lingoes (1976), Dotson y Sumers (1976) y Padua (1979).
La escala est constituida por afirmaciones, las cuales poseen las mismas caractersticas que en el caso de Likert. Pero el escalograma garantiza que la escala mide una dimensin nica. Es decir, cada afirmacin mide la misma dimensin de la misma variable, a esta propiedad se le conoce como unidimensionalidad. Algunos autores consideran que el escalograma, ms que un mtodo de medicin de actitudes, es una tcnica para determinar si un conjunto de afirmaciones renen los requisitos de un tipo particular de escala (v.g., Edwards, 1975). Para construir el escalograma es necesario desarrollar un conjunto de afirmaciones pertinentes al objeto de actitud. stas deben variar de intensidad. Por ejemplo, si pretendiramos medir la actitud hacia la calidad en el trabajo dentro del nivel gerencial, la afirmacin: La calidad debe vivirse en todas las actividades del trabajo y en el hogar es ms intensa que la afirmacin: La calidad debe vivirse slo en las actividades ms importantes del trabajo. Dichas afirmaciones se aplican a una muestra a manera de prueba piloto. Y una vez administradas se procede a su anlisis. Cabe agregar que las categoras de respuesta para las afirmaciones, pueden variar entre dos (de acuerdo - en desacuerdo, s - no, etctera) o ms categoras (v.g., las mismas categoras que en el caso de Likert). Tcnica de Cornell La manera ms conocida de analizar los tems o afirmaciones y desarrollar el escalograma es la tcnica Cornell (Guttman, 1976). En ella se procede a:
tems Ms intenso Categoras Personas De acuerdo con su puntaje Mayor Menos intenso Puntaje
Menor
Como puede observarse en la tabla del ejemplo de la tcnica de Cornell para el anlisis de tems o afirmaciones, los sujetos estn ordenados por su puntuacin en la escala total. Asimismo, las frases deben estar ordenadas por su intensidad (en el ejemplo, A tiene mayor intensidad que B, B mayor que C y C mayor que D) y tambin sus categoras se encuentran jerarquizadas de acuerdo con su valor de izquierda a derecha.
S3ES31B
S3ES31B

Ejemplo de la tcnica de Cornell para el anlisis de tems o afirmaciones.
50
ESTADSTICA
3er. Ao Secundaria
AFIRMACIONES B C D DA ED DA ED DA ED DA ED SUJETO (1) (0) (1) (0) (1) (0) (1) (0) 1 X X X X 2 X X X X 3 X X X X 4 X X X X 5 X X X X 6 X X X X 7 X X X X 8 X X X X 9 X X X X 10 X X X X 11 X X X X 12 X X X X 13 X X X X 14 X X X X DA = de acuerdo o 1, ED = En desacuerdo o 0 A
PUNTUACIONES TOTALES 4 4 4 3 3 3 2 2 2 2 1 1 0 0
Hay que recordar que si la afirmacin es negativa, la codificacin se invierte (La calidad es poco importante para el desarrollo de una empresa, de acuerdo se codificarn con cero y en desacuerdo con uno). En el ejemplo de la tabla de la tcnica de Cornell para el anlisis de tems o afirmaciones tenemos cuatro afirmaciones positivas.
S3ES31B
S3ES31B

S3ES31B

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

S3ES31B

Uploaded by

Copyright:

Available Formats

ESPINOZA BRAVO FERNANDO D.

El nuevo smbolo de una buena educacin...

El nuevo smbolo de una buena educacin...

ESPINOZA BRAVO FERNANDO D.

El nuevo smbolo de una buena educacin...

El nuevo smbolo de una buena educacin...

ESPINOZA BRAVO FERNANDO D.

El nuevo smbolo de una buena educacin...

El nuevo smbolo de una buena educacin...

ESPINOZA BRAVO FERNANDO D.

El nuevo smbolo de una buena educacin...

ESPINOZA BRAVO FERNANDO D.

01 48 02 37 03 28 04 36 05 25 06 38 07 45 08 37 09 48 10 41 11 50 12 35 Fuente: Fichas Personales 1998.

El nuevo smbolo de una buena educacin...

El nuevo smbolo de una buena educacin...

ESPINOZA BRAVO FERNANDO D.

El nuevo smbolo de una buena educacin...

El nuevo smbolo de una buena educacin...

ESPINOZA BRAVO FERNANDO D. 2. Segn el Origen de las Observaciones:

El nuevo smbolo de una buena educacin...

El nuevo smbolo de una buena educacin...

ESPINOZA BRAVO FERNANDO D.

El nuevo smbolo de una buena educacin...

El nuevo smbolo de una buena educacin...

ESPINOZA BRAVO FERNANDO D.

El nuevo smbolo de una buena educacin...

El nuevo smbolo de una buena educacin...

ESPINOZA BRAVO FERNANDO D.

El nuevo smbolo de una buena educacin...

El nuevo smbolo de una buena educacin...

ESPINOZA BRAVO FERNANDO D.

RESULTADOS - CONCLUSIONES - RECOMENDACIONES

INTERPRETACIN ANLISIS DESCRIPCIN

FEONMENO HECHO PROBLEMA Objetivos Hiptesis

Concepto Categoras Identificacin VARIABLES

Clasificacin Crtica Codificacin Procesamiento DATOS

Modelos Pruebas Mtodos Tcnicas INFORMACIN INDICADORES

POBLACIN - Ubicacin - Tamao - Tiempo

MUESTRA Unidades de anlisis

Proporciones Porcentajes Tasas Indices Estadgrafos Coeficientes

OPERACIONALIZACIN DEL TRABAJO ESTADSTICO

El nuevo smbolo de una buena educacin...

El nuevo smbolo de una buena educacin...

ESPINOZA BRAVO FERNANDO D.

El nuevo smbolo de una buena educacin...

El nuevo smbolo de una buena educacin...

ESPINOZA BRAVO FERNANDO D.

Instrumento sin validez de contenido

La explicacin se basa en Carmines y Zeller (1979)

El nuevo smbolo de una buena educacin...

El nuevo smbolo de una buena educacin...

ESPINOZA BRAVO FERNANDO D.

El nuevo smbolo de una buena educacin...

El nuevo smbolo de una buena educacin...

ESPINOZA BRAVO FERNANDO D.

C(0 a 1) Resultados (puntuaciones)

Al dividir los tems, stos se emparejan en contenido y dificultad.

El nuevo smbolo de una buena educacin...

El nuevo smbolo de una buena educacin...

ESPINOZA BRAVO FERNANDO D.

El nuevo smbolo de una buena educacin...

El nuevo smbolo de una buena educacin...

ESPINOZA BRAVO FERNANDO D.