SEMANA 5 – TESIS II

ESTADISTICA DESCRIPTIVA – CONCEPTO – IMPORTANCIA.

¿Qué es la estadística descriptiva?

La estadística descriptiva es la rama de la estadística que recolecta, analiza

y caracteriza un conjunto de datos (peso de la población, beneficios diarios de
una empresa, temperatura mensual,…) con el objetivo de describir las
características y comportamientos de este conjunto mediante medidas de
resumen, tablas o gráficos.

 
La estadística descriptiva es una disciplina que se encarga de recoger,
almacenar, ordenar, realizar tablas o gráficos y calcular parámetros básicos sobre el
conjunto de datos.
La estadística emplea métodos descriptivos y de inferencia estadística. Los
primeros se ocupan de la recolección, organización, tabulación, presentación y
reducción de la información.
En el caso de la estadística descriptiva se sustituye o reduce el conjunto de
datos obtenidos por un pequeño número de valores descriptivos, como pueden
ser: el promedio, la mediana, la media geométrica, la varianza, la desviación
típica, etc. Estas medidas descriptivas pueden ayudar a brindar las principales
propiedades de los datos observados, así como las características clave de los
fenómenos bajo investigación.

Aplicaciones de la estadística descriptiva

La estadística descriptiva es aplicable en casi todas las áreas donde se
recopilan datos cuantitativos. Puede brindar información acerca de productos,
procesos o diversos aspectos del sistema de gestión de la calidad, como
también en el ámbito de la dirección y organización de personas, la logística,
etc. Algunos ejemplos de dichas aplicaciones son los siguientes:

 Resumen de las mediciones principales de las características de un

producto.
  Describir el comportamiento de algún parámetro del proceso, como
puede ser la temperatura de un horno.
 Caracterizar el tiempo de entrega o el tiempo de respuesta en el sector
de los servicios.
 Procesar datos relacionados con muestras a clientes, tales como la
satisfacción o insatisfacción del cliente.
 Ilustrar la medición de los datos, tales como los datos de calibración del
equipo.
 Visualizar el resultado del desempeño de un producto en un periodo
mediante un gráfico de tendencia.

variable estadística es el conjunto de valores que puede tomar

cierta característica de la población sobre la que se realiza el estudio
estadístico y sobre la que es posible su medición. Estas variables
pueden ser: la edad, el peso, las notas de un examen, los ingresos
mensuales, las horas de sueño de un paciente en una semana, el
precio medio del alquiler en las viviendas de un barrio de una ciudad,
etc.

Las variables estadísticas se pueden clasificar por diferentes

criterios. Según su medición existen dos tipos de variables:

 Cualitativa (o categórica): son las variables que

pueden tomar como valores cualidades o categorías.
Ejemplos:
 Sexo (hombre, mujer)
 Salud (buena, regular, mala)
 Cuantitativas (o numérica): variables que toman
valores numéricos.
Ejemplos:
 Número de casas (1, 2,…). Discreta.
 Edad (12,5; 24,3; 35;…). Continua.
Tipos de variables estadísticas
Dentro de la estadística descriptiva, podemos describir los datos de manera
cualitativa o cuantitativa.

 Variable cualitativa: Hace referencia a una cualidad. Ejemplos: el color

de ojos de una persona o el color de pelo.
 Variable cuantitativa: Hace referencia a una medida cuantitativa.
Ejemplos: la altura de una persona en centímetros o el peso de una
persona en kilogramos.
Así pues, sobre estas variables se pueden calcular ciertos parámetros.
Especialmente sobre las variables cuantitativas. Ya que, por ejemplo, ¿cuál es
el valor promedio del color de ojos? Si hay cinco personas con color de ojos
azul y cinco con color de ojos verde, el promedio no será que tienen un color de
ojos promedio de azul-verde. Por tanto, en ese caso no sería posible calcular
algunos de los parámetros que veremos a continuación.

Parámetros estadísticos básicos

Con el objetivo de resumir la información, se idearon diversas fórmulas que
ofrecían medidas de un determinado tipo. Así, están aquellas que nos ofrecen
información sobre el centro, otras sobre la dispersión o variabilidad y otras
sobre la posición de un valor.

MEDIDAS DE TENDENCIA CENTRAL Y DE DISPERSION

 Medidas de tendencia central: Denominadas así porque ofrecen información

sobre el centro de conjunto de datos. Por ejemplo, la media es una medida de
tendencia o posición central ya que el promedio nos ofrece un valor centrado
del conjunto de datos. ¿Dónde podríamos decir que se encuentra el punto
medio? En el centro, en la mitad aproximadamente. Otro ejemplo de medida
de tendencia central es la mediana.
 Entre las medidas de tendencia central podemos encontrarnos con las
siguientes:

La media es el valor promedio de un conjunto de datos numéricos,

calculada como la suma del conjunto de valores dividida entre el número
total de valores. A continuación se muestra la fórmula de la media
aritmética:

Formula media aritmética

Como se explica en el artículo enlazado anteriormente, existen muchos tipos

de media. La elección de cada tipo de media tiene que ver, principalmente con
el tipo de dato sobre el que se calcula.

La mediana es un estadístico de posición central que parte la distribución en

dos, es decir, deja la misma cantidad de valores a un lado que a otro. Las
fórmulas propuestas no nos darán el valor de la mediana, lo que nos darán
será la posición en la que está dentro del conjunto de datos. Las fórmulas que
indica la posición de la mediana en la serie son las siguientes:

 Cuando el número de observaciones es par:

Mediana = (n+1) / 2 → Media de las posiciones observaciones

 Cuando el número de observaciones es impar:

Mediana = (n+1) / 2 → Valor de la observación
 La moda es el valor que más se repite en una muestra estadística o
población. No tiene fórmula en sí mismo. Lo que habría que realizar es la suma
de las repeticiones de cada valor. Por ejemplo, ¿cuál es la moda de la siguiente
tabla de salarios?

 Medidas de dispersión: También son conocidas como medidas de

variabilidad. Por ejemplo, la desviación típica es una medida de variabilidad
ya que nos dice si los valores de un conjunto de datos son muy dispares o no.
Dos ejemplos más sobre medidas de dispersión podrían ser la varianza y el
rango estadístico.
 Las medidas de dispersión tratan, a través del cálculo de diferentes
fórmulas, de arrojar un valor numérico que ofrezca información sobre
el grado de variabilidad de una variable.

 En otras palabras, las medidas de dispersión son números que indican si

una variable se mueve mucho, poco, más o menos que otra. La razón de ser
de este tipo de medidas es conocer de manera resumida una característica
de la variable estudiada. En este sentido, deben acompañar a las medidas
de tendencia central. Juntas, ofrecen información de un sólo vistazo que
luego podremos utilizar para comparar y, si fuera preciso, tomar decisiones.

Principales medidas de dispersión

 Las medidas de dispersión más conocidas son: el rango, la varianza, la
desviación típica y el coeficiente de variación (no confundir
con coeficiente de determinación). A continuación veremos estas
cuatro medidas.

 El rango es un valor numérico que indica la diferencia entre el valor máximo y

el mínimo de una población o muestra estadística. Su fórmula es: R=
Máxx – Mínx

Donde:

 R → Es el rango.
 Máx → Es el valor máximo de la muestra o población.
 Mín → Es el valor mínimo de la muestra o población estadística.
 x → Es la variable sobre la que se pretende calcular esta medida.
La varianza es una medida de dispersión que representa la variabilidad de una
serie de datos respecto a su media. Formalmente se calcula como la suma de
los residuos al cuadrado divididos entre el total de observaciones. Su fórmula
es la siguiente:

 X → Variable sobre la que se pretenden calcular la varianza

  xi → Observación número i de la variable X. i puede tomará valores
entre 1 y n.
 N → Número de observaciones.
 x̄ → Es la media de la variable X.
Coeficiente de variación

Su cálculo se obtiene de dividir la desviación típica entre el valor absoluto de

la media del conjunto y por lo general se expresa en porcentaje para su mejor
comprensión.

 X → Variable sobre la que se pretenden calcular la varianza

 σx → Desviación típica de la variable X.

 | x̄ | → Es la media de la variable X en valor absoluto con x̄ ≠ 0

 A continuación, se muestra una imagen que resume las fórmulas
anteriores:

Distribución de frecuencias
También es interesante ver cómo se distribuyen las frecuencias. Para ello,
existen ciertos conceptos que debemos conocer:

 Frecuencia absoluta: Es el número total de veces que se repite una

observación. En ocasiones las observaciones se pueden presentar en
intervalos.
 Frecuencia relativa: Es el número en porcentaje que se repite una
observación o un conjunto de ellas.
 Frecuencia acumulada: Puede ser relativa acumulada o absoluta
acumulada. Indica la cantidad acumulada hasta cierta observación.
Tablas y gráficos en estadística descriptiva

Aunque las tablas y los gráficos no son algo exclusivo de la estadística

descriptiva, sí que la caracterizan. En informes, en estudios e investigaciones
es muy frecuente el uso de gráficos. Nos ayudan a mostrar la información de
manera más sencilla y acotada.

Eso sí, dentro de las tablas y gráficos existen una cantidad de tipos inmenso. A
continuación, pondremos algunos ejemplos de gráficos y tablas frecuentemente
utilizados.

 Histograma.
 Gráfico de barras.
 Gráfico de sectores.
 Tablas de probabilidad.
 Tablas bidimensionales.
 Gráfico de cajas.

SEMANA 6
ESTADISTICA DESCRIPTIVA Y LA INFERENCIAL EN LA
INVESTIGACION CIENTIFICA
La estadística descriptiva sirve tanto para una población como para una muestra (un
subconjunto de esa población cuyos elementos son elegidos al azar), la estadística
inferencial trabaja con muestras a partir de las cuales intenta extraer conclusiones sobre la
población.
ESTADISTICA INFERENCIAL
SEMANA 7
PRUEBA DE HIPOTESIS ESTADISTICAS (PARAMETRICAS Y NO
PARAMETRICAS)
Formulación de hipótesis
Establecimiento de las hipótesis
• Analizar la conveniencia de formular o no hipótesis
que orienten el resto de la investigación.
• Formular las hipótesis de la investigación, si se ha
considerado conveniente.
• Precisar las variables de las hipótesis.
• Definir conceptualmente las variables de las
hipótesis.
• Definir operacionalmente las variables de las hipótesis.
Hipótesis Explicaciones tentativas del fenómeno investigado que se formulan como
proposiciones.

Son las guías para una investigación o estudio. Las hipótesis indican lo que tratamos
de probar y se definen como explicaciones tentativas del fenómeno investigado. Se
derivan de la teoría existente (Williams, 2003) y deben formularse a manera de
proposiciones.

De hecho, son respuestas provisionales a las preguntas de investigación. Cabe

señalar que en nuestra vida cotidiana constantemente elaboramos hipótesis acerca de
muchas cosas y luego indagamos su veracidad. Por ejemplo, establecemos una
pregunta de investigación: “¿Le gustaré a Paola?” y una hipótesis: “Le resulto atractivo
a Paola”. Esta hipótesis es una explicación tentativa y está formulada como
proposición. Después investigamos si se acepta o se rechaza la hipótesis, al cortejar a
Paola y observar el resultado obtenido.

Las hipótesis son el centro, la médula o el eje del método deductivo cuantitativo.

¿En toda investigación cuantitativa debemos plantear hipótesis?

No, no todas las investigaciones cuantitativas plantean hipótesis. El hecho de que
formulemos o no hipótesis depende de un factor esencial: el alcance inicial del estudio.
Las investigaciones cuantitativas que formulan hipótesis son aquellas cuyo
planteamiento define que su alcance será correlacional o explicativo, o las que tienen
un alcance descriptivo, pero que intentan pronosticar una cifra o un hecho. Esto se
resume en la tabla 6.1.

¿Qué características debe tener una hipótesis?

Dentro del enfoque cuantitativo, para que una hipótesis sea digna de tomarse en
cuenta, debe reunir ciertos requisitos:

1. La hipótesis debe referirse a una situación “real”. Como argumenta Rojas (2001), las
hipótesis sólo pueden someterse a prueba en un universo y un contexto bien definidos.
Por ejemplo, una hipótesis relativa a alguna variable del comportamiento gerencial
(digamos, la motivación) deberá someterse a prueba en una situación real (con ciertos
gerentes de organizaciones existentes). En ocasiones, en la misma hipótesis se hace
explícita esa realidad (por ejemplo, “los niños guatemaltecos que viven en zonas
urbanas imitarán más la conducta violenta de la televisión, que los niños
guatemaltecos que viven en zonas rurales”), y otras veces la realidad se define por
medio de explicaciones que acompañan a la hipótesis. Así, la hipótesis: “cuanto mayor
sea la retroalimentación sobre el desempeño en el trabajo que proporcione un gerente
a sus supervisores, más elevada será la motivación intrínseca de éstos hacia sus
tareas laborales”, no explica qué gerentes, de qué empresas.
Y será necesario contextualizar la realidad de dicha hipótesis; afirmar, por ejemplo,
que se trata de gerentes de todas las áreas, de empresas exclusivamente industriales
con más de mil trabajadores y ubicadas en Medellín, Colombia.
Es muy frecuente que, cuando nuestras hipótesis provienen de una teoría o una
generalización empírica (afirmación comprobada varias veces en “la realidad”), sean
manifestaciones contextualizadas o casos concretos de hipótesis generales
abstractas. La hipótesis: “a mayor satisfacción laboral mayor productividad”,
des (países, ciudades, parques industriales o aun en una sola empresa; con directivos,
secretarias u obreros, etc.; en empresas comerciales, industriales, de servicios o
combinaciones de estos tipos, giros o de otras características). En estos casos, al
probar nuestra hipótesis contextualizada aportamos evidencia en favor de la hipótesis
más general. Es obvio que los contextos o las realidades pueden ser más o menos
generales y, normalmente, se han explicado con claridad en el planteamiento del
problema. Lo que hacemos al establecer las hipótesis es volver a analizar si son los
adecuados para nuestro estudio y si es posible tener acceso a ellos (reconfi rmamos el
contexto, buscamos otro o ajustamos las hipótesis).

2. Las variables o términos de la hipótesis deben ser comprensibles, precisos y lo más

concretos posible.
Términos vagos o confusos no tienen cabida en una hipótesis. Así, globalización de la
economía y sinergia organizacional son conceptos imprecisos y generales que deben
sustituirse por otros más específicos y concretos.

3. La relación entre variables propuesta por una hipótesis debe ser clara y verosímil
(lógica). Es indispensable que quede clara la forma en que se relacionan las variables
y que esta relación no puede ser ilógica. La hipótesis: “la disminución del consumo del
petróleo en Estados Unidos se relaciona con el grado de aprendizaje del álgebra por
parte de niños que asisten a escuelas públicas en Buenos Aires”, sería inverosímil. No
es posible considerarla.

4. Los términos o variables de la hipótesis deben ser observables y medibles, así

como la relación planteada entre ellos, o sea, tener referentes en la realidad. Las
hipótesis científicas, al igual que los objetivos y las preguntas de investigación, no
incluyen aspectos morales ni cuestiones que no podamos medir. Hipótesis como: “los
hombres más felices van al cielo” o “la libertad de espíritu está relacionada con la
voluntad angelical”, implican conceptos o relaciones que no poseen referentes
empíricos; por tanto, no son útiles como hipótesis para investigar científicamente ni se
pueden someter a prueba en la realidad.

5. Las hipótesis deben estar relacionadas con técnicas disponibles para probarlas.
Este requisito está estrechamente ligado con el anterior y se refiere a que al formular
una hipótesis, tenemos que analizar si existen técnicas o herramientas de
investigación para verificarla, si es posible desarrollarlas y si se encuentran a nuestro
alcance.

¿Cuál es la utilidad de las hipótesis?

Es posible que alguien piense que con lo expuesto en este capítulo queda claro qué
valor tienen las hipótesis para la investigación. Sin embargo, creemos que es
necesario ahondar un poco más en este punto, mencionando las principales funciones
de las hipótesis.

1. En primer lugar, son las guías de una investigación en el enfoque cuantitativo.

Formularlas nos ayuda a saber lo que tratamos de buscar, de probar. Proporcionan
orden y lógica al estudio. Son como los objetivos de un plan administrativo: las
sugerencias formuladas en las hipótesis pueden ser soluciones a los problemas de
investigación. Si lo son o no, efectivamente es la tarea del estudio
(Selltiz et al., 1980.)
2. En segundo lugar, tienen una función descriptiva y explicativa, según sea el caso.
Cada vez que una hipótesis recibe evidencia empírica en su favor o en su contra, nos
dice algo acerca del fenómeno con el que se asocia o hace referencia. Si la evidencia
es en favor, la información sobre el fenómeno se incrementa; y aun si la evidencia es
en contra, descubrimos algo acerca del fenómeno que no sabíamos antes.
 3. La tercera función es probar teorías. Cuando varias hipótesis de una teoría reciben
evidencia positiva, la teoría va haciéndose más robusta; y cuanta más evidencia haya
en favor de aquéllas, más evidencia habrá en favor de ésta.

4. Una cuarta función consiste en sugerir teorías. Diversas hipótesis no están

asociadas con teoría alguna; pero llega a suceder que como resultado de la prueba de
una hipótesis, se pueda construir una teoría o las bases para ésta. Lo anterior no es
muy frecuente, pero ha llegado a ocurrir.

¿Deben definirse las variables de una hipótesis

como parte de su formulación?
Al formular una hipótesis, es indispensable definir los términos o variables incluidos en
ella. Esto es necesario por varios motivos:

1. Para que el investigador, sus colegas, los usuarios del estudio y, en general,
cualquier persona que lea la investigación le den el mismo significado a los términos
o variables incluidas en las hipótesis, es común que un mismo concepto se emplee
de maneras distintas. El término “novios” puede significar para alguien una relación
entre dos personas de género distinto que se comunican interpersonalmente con la
mayor frecuencia que les es posible, que cuando están “cara a cara” se besan y
toman de la mano, que se sienten atraídos en lo físico y comparten entre sí
información que nadie más posee. Para otros significaría una relación entre dos
personas de género diferente que tiene como finalidad contraer matrimonio. Para un
tercero, una relación entre dos individuos de género distinto que mantienen
relaciones sexuales, y alguien más podría tener otra concepción.
2. Y en caso de que se pensara llevar a cabo un estudio con parejas de novios, no
sabríamos con exactitud quiénes se incluirían en éste y quiénes no, a menos que se
definiera con la mayor precisión posible el concepto de “novios”. Términos como
“actitud”, “inteligencia” y “aprovechamiento” llegan a tener varios significados o
definirse de diversas formas.

3. Asegurarnos de que las variables pueden ser medidas, observadas, evaluadas o

inferidas, es decir que de ellas se pueden obtener datos de la realidad.

4. Confrontar nuestra investigación con otras similares. Si tenemos definidas nuestras

variables, podemos comparar nuestras definiciones con las de otros estudios para
saber “si hablamos de lo mismo”. Si la comparación es positiva, confrontaremos los
resultados de nuestra investigación con los resultados de las demás.

5. Evaluar más adecuadamente los resultados de nuestra investigación, porque las

variables, y no sólo las hipótesis, se contextualizan.
En conclusión, sin definición de las variables no hay investigación. Las variables
deben ser definidas de dos formas: conceptual y operacional. Variable Propiedad
que tiene una variación que puede medirse u observarse.
APA

DISTRIBUCION NORMAL, CHI CUADRADO, CORRELACION Y

REGRESION.
SEMANA 8
PRESENTACION DE ANALISIS E INTERPETACION DE LOS DATOS DE
INVESTIGACION.

EXAMEN II UNIDAD