Professional Documents
Culture Documents
SEMINARIO DE TESIS
1
FASE V DE LA INVESTIGACIÓN CIENTÍFICA
Contenido
-MÉTODOS Y PROCEDIMIENTO PARA LAS PRUEBAS DE HIPÓTESIS.............................................. 4
-DEFINICIÓN CONCEPTUAL DE VARIABLES.................................................................................... 9
-OPERACIONALIZACIÓN DE VARIABLES ..................................................................................... 11
-DIFERENCIAS ENTRE MEDIAS MUESTRALES Y MEDIAS POBLACIONALES .................................. 14
-DISTRIBUCIONES ESTADÍSTICAS ................................................................................................. 14
3
una relación entre las variables (una correlación puede ser múltiple), sin necesidad
de plantear cómo se dan estas asociaciones. Por lo tanto en una hipótesis
correlacional no importa tanto el orden en que se designa las variables. A
determinadas condiciones de contrastación, se busca ver cómo se comporta las
variables objetos de estudio.
4
El propósito de la prueba de hipótesis no es cuestionar el valor calculado del
estadístico (muestral), sino hacer un juicio con respecto a la diferencia entre
estadístico de muestra y un valor planteado del parámetro.
Procedimiento sistemático para una prueba de hipótesis de una muestra
Paso 1: Plantear la hipótesis nula Ho y la hipótesis alternativa H1.
Cualquier investigación estadística implica la existencia de hipótesis o afirmaciones
acerca de las poblaciones que se estudian.
La hipótesis nula (Ho) se refiere siempre a un valor especificado del parámetro de
población, no a una estadística de muestra. La letra H significa hipótesis y el subíndice
cero no hay diferencia. Por lo general hay un "no" en la hipótesis nula que indica que
"no hay cambio" Podemos rechazar o aceptar Ho.
La hipótesis nula es una afirmación que no se rechaza a menos que los datos
maestrales proporcionen evidencia convincente de que es falsa. El planteamiento de la
hipótesis nula siempre contiene un signo de igualdad con respecto al valor
especificado del parámetro.
La hipótesis alternativa (H1) es cualquier hipótesis que difiera de la hipótesis nula. Es
una afirmación que se acepta si los datos maestrales proporcionan evidencia suficiente
de que la hipótesis nula es falsa. Se le conoce también como la hipótesis de
investigación. El planteamiento de la hipótesis alternativa nunca contiene un signo de
igualdad con respecto al valor especificado del parámetro.
5
La distribución de muestreo de la estadística de prueba se divide en dos regiones, una
región de rechazo (conocida como región crítica) y una región de no rechazo
(aceptación). Si la estadística de prueba cae dentro de la región de aceptación, no se
puede rechazar la hipótesis nula.
La región de rechazo puede considerarse como el conjunto de valores de la estadística
de prueba que no tienen posibilidad de presentarse si la hipótesis nula es verdadera.
Por otro lado, estos valores no son tan improbables de presentarse si la hipótesis nula
es falsa. El valor crítico separa la región de no rechazo de la de rechazo.
Tipos de errores
Cualquiera sea la decisión tomada a partir de una prueba de hipótesis, ya sea de
aceptación del Ho o de la Ha, puede incurrirse en error:
Un error tipo I se presenta si la hipótesis nula Ho es rechazada cuando es verdadera y
debía ser aceptada. La probabilidad de cometer un error tipo I se denomina con la
letra alfa α
Un error tipo II, se denota con la letra griega β se presenta si la hipótesis nula es
aceptada cuando de hecho es falsa y debía ser rechazada.
En cualquiera de los dos casos se comete un error al tomar una decisión equivocada.
En la siguiente tabla se muestran las decisiones que pueden tomar el investigador y las
consecuencias posibles.
Para que cualquier ensayo de hipótesis sea bueno, debe diseñarse de forma que
minimice los errores de decisión. En la práctica un tipo de error puede tener más
importancia que el otro, y así se tiene a conseguir poner una limitación al error de
mayor importancia. La única forma de reducir ambos tipos de errores es incrementar
el tamaño de la muestra, lo cual puede ser o no ser posible.
La probabilidad de cometer un error de tipo II denotada con la letra griega beta β,
depende de la diferencia entre los valores supuesto y real del parámetro de la
población. Como es más fácil encontrar diferencias grandes, si la diferencia entre la
6
estadística de muestra y el correspondiente parámetro de población es grande, la
probabilidad de cometer un error de tipo II, probablemente sea pequeña.
El estudio y las conclusiones que obtengamos para una población cualquiera, se
habrán apoyado exclusivamente en el análisis de una parte de ésta. De la probabilidad
con la que estemos dispuestos a asumir estos errores, dependerá, por ejemplo, el
tamaño de la muestra requerida. Las contrastaciones se apoyan en que los datos de
partida siguen una distribución normal
Existe una relación inversa entre la magnitud de los errores α y β: conforme a
aumenta, β disminuye. Esto obliga a establecer con cuidado el valor de a para las
pruebas estadísticas. Lo ideal sería establecer α y β.En la práctica se establece el nivel
α y para disminuir el Error β se incrementa el número de observaciones en la muestra,
pues así se acortan los límites de confianza respecto a la hipótesis planteada. La de las
pruebas estadísticas es rechazar la hipótesis planteada. En otras palabras, es deseable
aumentar cuando ésta es verdadera, o sea, incrementar lo que se llama poder de la
prueba (1- β) La aceptación de la hipótesis planteada debe interpretarse como que la
información aleatoria de la muestra disponible no permite detectar la falsedad de esta
hipótesis.
Paso 3: Cálculo del valor estadístico de prueba
Valor determinado a partir de la información muestral, que se utiliza para determinar
si se rechaza la hipótesis nula., existen muchos estadísticos de prueba para nuestro
caso utilizaremos los estadísticos z y t. La elección de uno de estos depende de la
cantidad de muestras que se toman, si las muestras son de la prueba son iguales a 30 o
más se utiliza el estadístico z, en caso contrario se utiliza el estadístico t.
Tipos de prueba
a) Prueba bilateral o de dos extremos: la hipótesis planteada se formula con la
igualdad
Ejemplo
H0: µ = 200
H1: µ ≠ 200
7
b) Pruebas unilateral o de un extremo: la hipótesis planteada se formula con ≥ o ≤
H0: µ ≥ 200 H0: µ ≤ 200
H1: µ < 200 H1: µ > 200
En las pruebas de hipótesis para la media (μ), cuando se conoce la desviación estándar
(σ) poblacional, o cuando el valor de la muestra es grande (30 o más), el valor
estadístico de prueba es z y se determina a partir de:
En la prueba para una media poblacional con muestra pequeña y desviación estándar
poblacional desconocida se utiliza el valor estadístico t.
8
Distribución muestral del valor estadístico z, con prueba de una cola a la derecha
Valor crítico: Es el punto de división entre la región en la que se rechaza la hipótesis
nula y la región en la que no se rechaza la hipótesis nula.
Paso 5: Tomar una decisión.
En este último paso de la prueba de hipótesis, se calcula el estadístico de prueba, se
compara con el valor crítico y se toma la decisión de rechazar o no la hipótesis nula.
Tenga presente que en una prueba de hipótesis solo se puede tomar una de dos
decisiones: aceptar o rechazar la hipótesis nula. Debe subrayarse que siempre existe la
posibilidad de rechazar la hipótesis nula cuando no debería haberse rechazado (error
tipo I). También existe la posibilidad de que la hipótesis nula se acepte cuando debería
haberse rechazado (error de tipo II).
a) Según su naturaleza
9
Variables cualitativos: Estas son llamadas con este nombre porque son
susceptible a la variación cualitativa, en efecto su medición no puede ser expresada
numéricamente.
Ejemplos: Género: masculino y femenino; calidad de producto: Excelente, bueno
malo; actividades preferidas: lectura, tv, cine, futbol etcétera.
Consecuentemente las variables cuantitativas se subdividen en dos:
Variables continúas
Estos tienen la particularidad de asumir cualquier valor numérico y que pueden cambiar
en cualquier cantidad.
Variables discontinuas
Desde luego otros investigadores denominan discretas, que según Pick y López (2002)
sus valores se interrumpen o separan.
b) Según a su dominio
c) Según su amplitud
10
Variables Colectivos: las unidades de observación son colectivos, conjunto o
grupos (Estados, universidades, empresas entre otros).
Variables generales
Son las que componen el problema y la hipótesis de investigación y presentan
características complejas, dicho de otra forma, tienen aspectos, dimensiones, áreas,
antes de los indicadores. Por esta razón no son medibles directamente, sino luego de
descomponerlas en sus respectivo niveles.
Variables intermedias
Como hemos visto hasta ahora estas variables se refieren a aquellos que se aproximan
más a la realidad fáctica y presentan aspectos parciales de las variables generales.
Variables empíricas
Es importante destacar que estos tipos de variables tienen la particularidad de ser
medibles directamente, es decir son observables mediante los instrumentos técnicos
diseñados por el investigador.
o Variable de Intervalo: supone a la vez orden y grado de distancia iguales entre las
diversas categorías cuantitativas. Ejemplos: temperatura, intensidad de sismo. El
inicio (cero) es arbitrario.
o Variables de Razón: comprende a la vez todos estos aspectos: distención, orden,
distancia y origen único natural. Ejemplo: edad, peso de la persona etcétera
-OPERACIONALIZACIÓN DE VARIABLES
4. operacionalización de variables
Es un proceso metodológico que consiste en descomponer deductivamente las
variables que componen el problema de investigación, partiendo desde lo más general
a lo más específico; es decir que estas variables se dividen (si son complejas) en
dimensiones, áreas, aspectos, indicadores, índices, subíndices, ítems; mientras si son
concretas solamente en indicadores, índices e ítems.
Ahora bien, una variable es operacionalizada con la finalidad de convertir un concepto
abstracto en uno empírico, susceptible de ser medido a través de la aplicación de un
instrumento. Dicho proceso tiene su importancia en la posibilidad que un investigador
poco experimentado pueda tener la seguridad de no perderse o cometer errores que
son frecuentes en un proceso de investigación, cuando no existe relación entre la
variable y la forma en que se decidió medirla, perdiendo así la validez, dicho de otro
11
modo (grado en que la medición empírica representa la medición conceptual). La
precisión para definir los términos tiene la ventaja de comunicar con exactitud los
resultados.
En consecuencia, la operacionalización de las variables es el proceso a través del cual el
investigador explica en detalle la definición que adoptará de las categorías y/o
variables de estudio, tipos de valores (cuantitativos o cualitativos) que podrían asumir
las mismas y los cálculos que se tendrían que realizar para obtener los valores de las
variables cuantitativas. La operacionalización es un proceso que variará de acuerdo al
tipo de investigación y de diseño. No obstante, las variables deben estar claramente
definidas y convenientemente operacionalizada. Se consideran incompletos aquellos
protocolos cuyo nivel de operacionalización es muy vago.
Con fines didácticos explicamos cada una de las columnas del cuadro que hacen parte
del proceso de operacionalización de una variable de estudio.
Variabl Tipo de Operacio Categorización Definició Indica Nivel de Unidad Índic Valor
e Variable nalizació o Dimensiones n dor Medició de e
n n Medida
A B C D E F G H I J
A) Variable
Una variable es una característica que se va a medir.
Es una propiedad, un atributo que puede darse o no en ciertos sujetos o
fenómenos en estudio, así como también con menor o mayor grado de
representación en los mismos y por tanto con susceptibilidad de medición.
Su misma palabra define que “debe permitir rangos de variación”.
Es el conjunto de valores que constituyen una clasificación.
Debe traducirse del nivel conceptual (abstracto) al nivel operativo (concreto),
dicho de otra forma, que sea observable y medible.
Se deriva de la unidad de análisis y están contenidas en las hipótesis y en el
título del estudio.
B) Tipo de Variable
Hace referencia a conceptos clasificatorios de las variables que puede ser de distinto
orden a saber:
Según el nivel de medición: nominal, ordinal, de intervalo y de razón (se explican en el
numeral H).
Según el tipo de estudio: en estudios de investigación donde se supone la
determinación de una o más variables sobre otra, las investigaciones son de relación
causa-efecto, y en ellos las variables son denominadas: independiente, que representa
la causa eventual, dependiente o de criterio, que representa el efecto posible, e
interviniente aquella que representa una tercera variable que actúa entre la
independiente y la dependiente y que puede ayudar a una mejor comprensión de
dicha relación.
12
Explica cómo se define el concepto específicamente en el estudio planteado, que
puede diferir de su definición etimológica.
Equivale a hacer que la variable sea mensurable a través de la concreción de su
significado, y está muy relacionada con una adecuada revisión de la literatura.
Puede omitirse cuando la definición es obvia y compartida.
D) Categorización o dimensiones
Cuando el concepto tiene varias dimensiones o clasificaciones o categorías, éstas
deben especificarse en el estudio; tal es el caso de la variable recursos, que puede
hacer referencia a recursos técnicos, financieros, ambientales, humanos entre otros.
E) Definición de las categorías o dimensiones
Cada una de las dimensiones, categorías o clasificaciones debe ser definida conceptual
y etimológicamente.
F) Indicador
Es la señal que permite identificar las características de las variables. Se da con
respecto a un punto de referencia. Son señales comparativas con respecto a contextos
o a sí mismas. Su expresión matemática se nutre de la estadística, la epidemiología y la
economía.
El indicador tiene por función de señalar cómo medir cada uno de los factores o rasgos
de la variable.
Se expresa en razones, proporciones, tasas e índices.
Permite hacer “medible” la variable.
G) Nivel de medición
La medición de una variable se refiere a su posibilidad de cuantificación o cualificación,
y éstas se clasifican según el nivel o capacidad en que permite ser medido el objeto en
estudio. Según el tipo de operaciones matemáticas que se puedan realizar con los
números asignados al medir la variable, se distinguen cuatro niveles de medición
estadística, como son:
Nominal
Este nivel sólo permite clasificar, es decir, la única relación existente entre los objetos a
los cuales se les ha asignado un número es una relación de equivalencia.
Ordinal
Permite clasificar además ordenar, es decir, establecer una secuencia lógica que mide
la intensidad del atributo.
H. Unidad de medida
Se refiere a la respuesta que se espera en la medición planeada.
Puede ser cuantitativa: en kilos, en metros, en litros, en porcentajes, en proporciones,
en tasas. Puede ser cualitativa: en grados de satisfacción (mucho, regular, poco), en
calificaciones (excelente, regular, insuficiente), en grado de acuerdo (si y no) o (muy de
acuerdo, en acuerdo, en desacuerdo) etcétera.
I. Índice
Es la expresión del indicador
J. Valor
13
Es el resultado o número de resultados posibles que se obtiene de una variable.
Cuando una variable puede medirse a través de varios indicadores, algunos de ellos
pueden tener mayor valor que otros y por tanto se hace necesario explicitarlo.
-DISTRIBUCIONES ESTADÍSTICAS
6. Distribuciones estadísticas
14
6.1 Distribución normal
15