CAPÍTULO 9

ANÁLISIS DE DATOS

INTRODUCCIÓN

Y a estamos cerca de la meta. Ya codificamos los datos (organizarlos en una

matriz y archivados), ahora, procedamos a analizarlos. Recordemos que
en el enfoque cualitativo el análisis es el resultado de las discusiones en el grupo
y en el enfoque cuantitativo nos ayudamos de la estadística, pero de todas
maneras, los dos enfoques pueden valerse de las dos formas según la necesidad
real del análisis. Precisemos la ayuda estadística. En esta etapa avanzamos tres
pasos:

1. La descripción de los datos, para lo cual nos valemos de la estadística

descriptiva.

2. La relación entre variables, mediante la estadística inferencia!.

3. Interpretación de resultados.

Antes de partir, recordemos lo siguiente: este análisis se puede hacer con

enfoques cualitativo o cuantitativo, según el propósito del investigador al analizar
su objeto de estudio. El enfoque cualitativo realiza el análisis a través de la
discusión grupal y una de las técnicas más usadas es la historia de vida. El enfoque
cuantitativo utiliza el análisis estadístico. Sin embargo, la experiencia nos enseña
que los dos enfoques pueden complementarse, por ejemplo, el cualitativo puede
utilizar cifras cuando el investigador lo estime necesario para relacionar datos
sobre clase social, profesión, sexo, etc., y el cuantitativo puede valerse de la
discusión grupal para profundizar el análisis de sus datos.

Briceida Camacha de Báez - 153

 Según lo anterior, presentamos a continuación una síntesis del análisis
estadístico por cuanto brinda luces al enfoque cuantitativo y al cualitativo. (sobre
la historia de vida como técnica. (Ver 8.1.1.6.4).

Inicialmente, recordemos que los métodos de análisis estadístico son variados

y que cada uno tiene su finalidad, por lo tanto, no debemos hacer más análisis
de los necesarios pues la estadística es una ayuda, no un fin. Lo primero que
hacemos es seleccionar la prueba estadística que necesitamos; luego, elaboramos
y ejecutamos el programa en computadora para obtener el análisis de los datos.

Actualmente, el análisis de los datos se realiza por computadora. Las

empresas tienen centros de investigación con sistemas de computo para archivar
y analizar los datos. Por esta razón, en este trabajo nos detenemos en la
interpretación de métodos cuantitativos (ver cuadro 8) y no en los procedimientos
de cálculo. Quien esté interesado en este último puede consultar cualquier texto
de estadística social.

9.1 DESCRIPCIÓN DE LOS DATOS

El primer paso es describir los datos obtenidos para cada variable, esto se hace
con la ayuda de la estadística descriptiva y... ¿ Cómo describimos los datos
obtenidos? Para esto seleccionamos la prueba estadísticas necesaria, por
ejemplo, para la variable "altura" en un estudio hipotético sobre las características
físicas de 100 estudiantes de la UPTC, lo podemos hacer por medio de la
distribución de frecuencias y mediante las medidas de tendencia central. cCómo
se aplica la distribución de frecuencias? Veámoslo:

9.1.1 La distribución de frecuencias:

La frecuencia es el número de veces que aparece un elemento dado en una

entidad concreta. La distribución es el agrupamiento de los datos, es un conjunto
de puntuaciones ordenadas en sus respectivas categorías. Las frecuencias
pueden ser:

- ABSOLUTAS: corresponden al número real de veces que aparece un

elemento en un conjunto de datos.

- RELATIVAS: llamadas también proporcionales o porcentajes, son la

proporción de casos respecto de un total en que aparece un elemento. Se hallan
por medio de esta fórmula:

154 - Metodología de la Investigación Científica

 Nc
Porcentaje = -- (100)
Nt

Donde:
Nc = frecuencia absoluta.
Nt = total de casos.

Retornando el ejemplo 2 de la Práctica 1 podemos establecer la siguiente

frecuencia relativa para el número de estudiantes que manejan la página web, 40
de 596:

40
Porcentaje = --- (100) = 6.7 % (7% aproximado)
596

- ACUMULADAS, son la suma de la frecuencia de cada categoría con el

dato de la categoría siguiente; se puede acumular en números arábigos o en
porcentajes (ver Tabla 7). Cada ciencia utiliza las tres clases o una sola, según su
necesidad, por ejemplo, en lingüística se trabaja con los tres tipos pero a veces
sólo se usan las relativas.

La distribución de frecuencias se puede representar gráficamente mediante

tablas y gráficos. Recordemos que se debe hacer una distribución de
frecuencias para cada variable.

9.1.1.1 Las tablas:

Para elaborar una tabla ordenamos los elementos (datos psicológicos,

contextuales o lingüísticos) en clases o categorías mutuamente excluyentes. Los
datos que aparecen en las tablas corresponden a las categorías con sus respectivas
frecuencias'( es conveniente dar cuenta de las tres). Entre más variables se registre
en una tabla, más compleja es ésta. A veces las categorías (clases) de las
distribuciones de frecuencias son muy numerosas y hay necesidad de resumirlas,
tal como se demuestra en la tabla siguiente que relaciona la altura de 100
estudiantes de la UPTC.

Briceida Camacho de Báez - 155

 CATEGORíAS FRECUENCIA FRECUENCIA FRECUENCIA
ABSOLUTAS RElATIVAS ACUMULADA
ALTURA (cm) No DE ESTUDIANTES

150 - 160 13 13% 13

162 - 170 18 18% 31
171 - 180 42 42% 73
181 - 190 27 27% 100
TOTAL 100 100%

TABLA 7. DISTRIBUCiÓN DE FRECUENCIAS HIPOTÉTICAS SOBRE LA VARIABLE

ALTURA DE 100 ESTUDIANTES DE LA UPTC.

Un posible comentario sería: la altura más repetida está entre 171 y 180
centímetros que corresponde a un 42% de la muestra. Solamente el 13% de la
muestra posee la estatura más baja (150-160 centímetros) y un 27% posee la
estatura más alta (181-190 centímetros).

Las frecuencias acumuladas también pueden expresarse en porcentajes.

Veamos un ejemplo de utilización de estas ayudas en un estudio sobre el uso de
"tu" y "usted" en una comunidad española rural realizado por Francisco Moreno
(1986).

¡I~tNl"t:RtÓCUTOJtES !ill1 ¡it;·" ····i/\

FRECUENCJASRElATWAS ,;!i¡·i¡

Hombres Mujeres
Ancianos 80% 100%

Desconocidos 100% 60%

Personas de respeto 40% 60%

Personas de edad 20% 10%

Personas con carrera 0% 0%

TABLA 8. FRECUENCIAS DEL USO DE 'TU" Y "USTED". Fuente: Moreno 1986.

156 - Metodología de la Investigación Científica

9.1.1.2 Los gráficos

Entre estos encontramos los diagramas de barras, los gráficos circulares, los
histogramas y los polígonos de frecuencia. Su utilidad se basa en que permiten
comparar de un vistazo frecuencias pertenecientes a categorías distintas pues, por
lo menos, se representan dos parámetros (variables): uno, en el eje vertical y el
otro, en el eje horizontal. Podemos representar gráficamente lo anterior,
mediante la aplicación de los datos tomados de un estudio titulado " Consultas
Odontológicas vs. Sexo" realizado en la Escuela de Administración de Negocios
por Oiga Báez en el año 2000.

9.1.1.2.1 Los diagramas de barras

Tienen el mismo valor y la misma significación estadística, la elección de uno

u otro se basa en la facilidad para la comprensión delledor y en la habilidad del
investigador para adaptarlos a su estudio.

CONSULTAS VS. EDAD

81 a 100

61 a 80

O
-c
O
41 a60 ¡_1Tota!

w
21 a 40

O a 20

O 20 40 60 80 100

GRÁFICO 6. DIAGRAMA DE BARRAS. fUENIE: BhEZ O. 2000.

Posible comentario: La población entre los 21 y 40 años realiza el mayor

número de consultas y la población entre 81 y 100 años de edad la menor
frecuencia de consulta. Los pacientes entre 41 y 60 años realizan un poco menos
de la mitad del total de la consulta y los menores de 20 años un 80% del total de
la consulta.

Briceida Camacho de Báez - 157

9.1.1.2.2 Los gráficos circulares.

Actualmente, con el uso de la computadora se dispone de gran variedad de

programas y paquetes que elaboran cualquier gráfica, con colores, efectos de
movimiento y en tercera dimensión. Siguiendo el ejemplo del trabajo de Báez,
obtenemos el siguiente gráfico circular para la consulta odontológica realizada en
el mes de enero de 2000, con los siguientes datos de frecuencias relativas:
Urgencias, 50%; Control, 25.25%; Ortodoncia, 10,61 %; Restauración, 10.10%;
Exodoncia, 2.53%; Periodoncia, 1.01%.

CONSULTA Vs. ESPECIALIDAD

{5O,00%)

{1,01%)

GRÁfiCO 7. GRÁFICO CIRCULAR. fUENTE: BÁEZ O. 2000.

Posible comentario: la mitad de la consulta del mes correspondió a urgencias;

la cuarta parte de la misma, obedeció a control, y solo una mínima parte fue
solicitad por pacientes de periodoncia. Este resultado nos brinda un indicativo
para incrementar el número de odontólogos generales.

9.1.1.2.3 Los histogramas.

Se utilizan cuando los parámetros (i.e, consulta- sexo) son escalas graduales
cuantitativas. Los grados de las escalas (intervalos) deben estar dispuestos de tal
forma que su valor cuantitativo sea inferior al de los grados superiores y superior
al de los grados inferiores. Los contenidos de los histogramas se representan por
curvas o combinando diversas técnicas: curvas y diagramas de barras. En el
ejemplo Báez 2000, respondamos esta pregunta: ¿Cuántas consultas
odontológicas realizaron las mujeres y cuántas los hombres de 35 años de edad,
durante el mes de febrero de 2000?

158 - Metodología de la Investigación Científica

 CONSULTA Vs. SEXO

50 ••••.....----------- •••••

(]
10 20 30 40 50 60 70 80 90
EDAD

GRÁfiCO 8. CONSUllA ODONTOlÓGIAHBRERO DE 2000.

Con base en el gráfico 8 podemos responder: mujeres 30 consultas y

hombres = 20 consultas.

9.1.1.2.4 El polígono de frecuencia

El Polígono de frecuencias relaciona las puntuaciones con sus frecuencias

respectivas y es característico de la medición por intervalos. Se construye así: en
el eje horizontal (X) ubicamos las categorías o intervalos y en el eje vertical (Y)
colocamos las frecuencias y determinamos los puntos medios de cada categoría
o intervalo, por ejemplo, en el intervalo O -20 el punto medio sería 10. Luego
miramos cuántas frecuencias tiene cada categoría y trazamos un punto en la
intersección de las frecuencias y los puntos medios de los intervalos. Finalmente,
unimos los puntos trazados en las intersecciones. Retornando el ejemplo de Báez,
se obtiene el siguiente polígono: para marzo, con la siguiente distribución:

0-10 47 47
11 - 20 10 80
21 - 30 20 30
31-40 70 60
41 - 50 20 80
51 - 60 10 10
61 -70 60 20
71 -80 25 60

Briceida Carnacho de Báez - 159

 CONSUlAS Vs. EDAD

80r---~------~~------~
70+--'~-----,,~r-T---------4
60+--h--r---'~c--4-----,,--~
50+-~--4---jb-'r-~--~~~~~
40+--~--~f~--~--+--~--1"~
30+-~~---J~----~--4~'~+-'r1
20·~~,--~~-----·,~h~~--~
10~--~i-~--~~--~~--~
o 10 20 30 40 50 60 70 80
"', HOMBREftt- MUJER
Categorías o intervalos

GRÁfiCO 9. POLíGONO DE fRECUENCIAS. fUENIE: BÁEZ 2000.

En conclusión, para describir y resumir cada una de las variables de una

investigación se obtiene la distribución de frecuencias, se gráfica y se traza el
polígono de frecuencias correspondiente. Para el análisis se puede emplear
encabezamientos como: la mitad de los entrevistados; poco más de la mitad; casi
la quinta parte; diez de cada cien; sólo uno de cada diez; etc.

9.1.2 Medidas de tendencia central.

Las medidas de tendencia central son puntos determinados en una distribución

de datos, es decir, corresponden a los valores medios o centrales y ayudan a
ubicar la medida dentro de la escala de medición. La distribución, es la
clasificación tabular de los datos en clases con las respectivas frecuencias en las
escalas establecidas. Las medidas de tendencia central más importantes son: La
media, la mediana, la moda y la desviación típica o varianza.

9.1.2.1 Media aritmética.

La media es el promedio aritmético de una distribución. Se representa

-
X (se lee equis barra), se halla sumando las frecuencias de una serie de
elementos y dividiendo el resultado por el número de elementos estudiados. Este
es el concepto que se aplica cuando se promedia las notas de un estudiante
obtenidas durante un período académico para obtener la nota definitiva. Para
evitar equivocaciones debe acompañarse de las medidas de variabilidad (de la
desviación típica o de la varianza). Por ejemplo, un estudiante obtiene las

160 -- Metodología de la Investigación Científica

siguientes notas en el mes de mayo: 4.0, 3.0, 2.8. Para aplicar la media o
promedio aplicamos la siguiente fórmula:

LX
X=---
N

Donde:

L = Señala que debemos realizar una sumatoria.

X Representa los datos.
=
N = Representa el número total de casos.

Remplazamos.

4.0+3.0+2.8 9.8
X = ------ = -- = 3.26
3 3

La distribución de los datos a lo largo de una escala frecuentemente forma una

figura simétrica representada por una curva llamada normal y que muestra
acumulación de elementos en los estadios intermedios llamada curva normal o
campana de Gauss.

9.1.2.2 Mediana.

Es el punto intermedio de una escala de intervalos. Para hallar la mediana es

necesario que los datos estén ordenados en forma ascendente o descendente. Su
cálculo es útil para la interpretación de análisis porque da un punto de referencia
o un dato típico para valorar el comportamiento cuantitativo de un grupo de
elementos. Media y mediana no necesariamente coinciden, Por ejemplo, si los
datos obtenidos fueran 4, 5, 6, 8 y 12. la mediana corresponde a 6 porque deja
dos datos por debajo y dos por encima. La media corresponde a 7.

I I
4+5+6+8+12 35 I
X =------ =7 Mediana = 6 (punto intermedio).
5 5

Como vemos la mediana parte la distribución de los datos ordenados en dos

mitades. Para hallarla aplicamos la fórmula.

Briceida Camacho de Báez - 161

 N+1
x=
2

En el ejemplo anterior sería:

5+1
Mediana = = 3
2

Esto indica que el tercer número de la secuencia corresponde a la mediana.

La aplicación de la fórmula no da el valor de la mediana sino su ubicación.

9.1.2.3 Moda.

La moda es la categoría que se presenta con mayor frecuencia en un conjunto

de datos, es decir, es la frecuencia más repetida y se utiliza con cualquier nivel de
medición. En el ejemplo anterior equivale a 12 y en la tabla 7, la frecuencia
absoluta es 42.

9.1.3 Medidas de variabilidad.

Las medidas de variabilidad indican la dispersión de los datos en la escala de

medición e indican donde están diseminados los valores obtenidos; son intervalos
y designan distancias o número de unidades en la escala de medición. Las
principales son:

9.1.3.1 Varianza.

Dos poblaciones pueden presentar una media idéntica de una variable

determinada pero, entre ellas puede haber diferencias importantes: una población
puede ser homogénea, entonces, la variabilidad sería pequeña y en la población
heterogénea, podría ser muy grande; es decir, en la heterogénea existirá mayor
dispersión que en la homogénea, por ejemplo, hipotéticamente tenemos dos
muestras de 10 hablantes, una de hombres y otra de mujeres tomada de la
población de 90 estudiantes del primer semestre de idiomas de la UPTC. De esas
muestras recogemos el número de emisiones del vocablo "gomelo" que aparece
en diálogos con los estudiantes. En primer lugar, establecemos la siguiente tabla
de frecuencias absolutas (X) ordenadas de mayor a menor. Al final de cada
columna tenemos la sumatoria respectiva y, por último, la media de X.

162 - Metodología de la Investigación Científica

 HOMBRES MUJERES

x d x
12 7 49 22 17 289
8 3 9 18 13 169
7 2 4 2 -3 9
6 1 1 2 -3 9
6 1 1 1 -4 16
4 -1 1 1 -4 16
3 -2 4 1 -4 16
2 -3 9 1 -4 16
1 -4 16 1 -4 16
1 -4 16 1 -4 16

I x = 50 I/ = 110 Ix = 50

X=5 I X=5
.... , ,
.............................••

TABLA 9. FRECUENCIAS DE APARICiÓN HIPOTÉTICA DEL VOCABLO "GOMELO"

En la primera columna de los cuadros aparecen las frecuencias absolutas de

producción de los individuos en cada muestra, la suma total (2:x ) y la media (X).
Obsérvese que la media de pronunciación es de 5 en cada muestra. Esta
coincidencia 'puede ser engañosa si no valoramos qué dispersión tiene el
fenómeno entre hombres y mujeres.

Para calcular la dispersión nos valemos de la varianza (V) y de la desviación

típica (S) que informan cómo se distribuyen los elementos alrededor de la media,
es decir, se cuantifica la variación y la desviación de los datos respecto de la
media.

El calculo de la varianza consta de tres actividades:

-_ Ver la diferencia respecto de la media, para 10 cual se realiza una resta

(X-X). Para comprobar si los cálculos están bien hechos, realizadas las restas, se
suman todos los resultados entre sí (Ld) y debe obtenerse cero (O) (ver la 2a
columna de cada muestra).

Briceida Carnacho de Báez - 163

 • Calcular el cuadrado de la diferencia obtenida en cada resta (d") y sumar
los resultados (L:d2) (columna 3a).

• Dividir L:d2 entre el número X analizadas (o = 10) menos 1 y se obtiene

la varianza.

HOMBRES MUJERES

110 572
v=--- v= ---=12.2 v= -- =63.6
n-l 10-1 10-1

Al comparar las varianzas observamos que la homogeneidad es diferente

(hombres = 12.2 Y mujeres = 66.6).

En la fase interpretativa se señalan los por qué.

9.1.3.2. Desviación típica o estándar.

Sólo requiere aplicar la fórmula:

s=F S=~12.2
3.5
S=~63.%

HOMBRES MUJERES

Así queda clara la mayor homogeneidad de la primera respecto a la segunda.

• la probabilidad. Su fin es cuantificar la relación ente las características

de una muestra y la respectiva población. En sociolingüística se aplica en el
modelo de la regla variable. Cada reglas incluyen un coeficiente que cuantifica
la probabilidad de aplicación de una regla según ciertas condiciones lingüísticas
y sociales.

Los coeficientes se calculan a partir de las frecuencias de los materiales

recogidos pues una probabilidad es una frecuencia relativa esperada. El modelo
de regla variable o cálculo de coeficientes de probabilidad de una regla fue
propuesta por David Sankoff y Pascale Rousseaw en 1978, su nombre es modelo
lógico y se presenta así:

164 - Metodología de la Investigación Científica

 P Po pa Pb Pn
= x x x x
1 -P 1 - Po 1 - Pa 1 - Pb 1 - Pn

Donde P es probabilidad; Po es la probabilidad de que la regla se aplique en

el contexto más favorable; a, b, .... n son cada uno de los rasgos del contexto en
que puede darse la regla.

La aplicación del modelo lógico sobre materiales reales se hace a través de un

programa de ordenador llamado VARBRUL. T anta el modelo como el
programa pertenecen a la estadística del análisis multivariable.

9.1.3.3 Rango o recorrido.

Es la diferencia entre la puntuación mayor y la puntuación menor, indica el

número de unidades necesario para incluir el valor máximo y el mínimo. Se
calcula así:

Puntuación Mayor menos Puntuación menor.

Xm

Por ejemplo, si se tienen los siguientes valores:

15 18 21 28 31 35 40

El rango será: 40 -15 = 25. Cuanto más grande sea el rango, mayor será la
dispersión de los datos de una distribución ..

9.2. ANÁLISIS ESTADÍSTICO INFERENCIAL.

El propósito de una investigación no solo es describir la distribución de las

variables, sino generalizar los resultados alcanzados en la muestra a la población
y por esto se da el nombre de estadística inferencial por que los datos aplicados
a la población son inferidos de los datos obtenidos en la muestra.

El segundo fin del análisis estadístico es hacer estimaciones de significación

y de fiabilidad mediante pruebas estadísticas: análisis paramétrico (análisis
de varianza, t de student y análisis de covarianza); análisis no paramétrico (chi
cuadrado, coeficiente de correlación); análisis multivariado (regresión múltiple,
análisis lineal path, análisis de factores, análisis multivariado de varianza, análisis
discriminante) .

Briceida Carnacha de Báez - 165

 La estadística inferencial se utiliza para probar hipótesis y para estimar
parámetros.

La prueba de la hipótesis consiste en que el investigador, a través de la prueba

de hipótesis determina si esta es congruente con los datos obtenidos en la muestra
o no. Si es congruente se acepta y si no se rechaza.

Cuando los datos han sido descritos y se han corregido valores estadísticos
importantes como media y desviación típica, se puede, a partir de las frecuencias
profundizar el estudio planteando un conjunto de hipótesis que los datos deben
aceptar o rechazar ofreciendo probabilidades de error él más bajo posible. Las
hipótesis pueden referirse a la existencia de diversas variables y plantearse en
forma negativa o positiva.

La hipótesis negativa o nula consiste en presentar una hipótesis que debe ser
rechazada al aplicar la estadística sobre los datos, de tal manera que se
compruebe lo contrario, tal como se explicó en 5.4.3.2. Hacia la hipótesis nula
están orientadas varias pruebas estadísticas: varianza, T y X2.

Al plantear o comprobar hipótesis es importante tener en cuenta la preparación

y los tipos de datos que se van a comprobar. La formulación de la hipótesis no
puede ser ambigua y los datos deben estar ordenados en escalas y ver si las
variables son cuantitativas o cualitativas.

9.2 LA RELACIÓN ENTRE VARIABLES.

Se realiza por medio de la estadíostica inferencial que comprende las siguentes

técnicas:

9.2.1 Análisis paramétríco

9.2.1.1 Análisis de varianza (ANOVA).

Se aplica cuando las variables dependientes están organizadas en escalas de

intervalos. Su finalidad es comparar los medios y la forma como se distribuyen
los datos alrededor de esos medios.

Hay dos tipos de ANOVA: el análisis simple y el análisis compuesto. El

simple consiste en comprobar si muestras diferentes de una misma variable tienen
comportamiento distinto, respecto de otra variable. El compuesto permite hacer
lo mismo, pero atendiendo a más de una variable.

166 - Metodología de la Investigación Científica

9.2.1.2 La prueba T de Student.

Su fin coincide con el del análisis simple anterior. Para aplicar la prueba T
necesitamos contar con dos variables, ejemplo, sexo y abertura de la vocal final
tras la caída de una consonante implosiva final, así la primera se cuantifica, sería
la variable independiente y la segunda la dependiente (lingüística). Aplicando la
prueba T se averigua si la conducta de hombres y mujeres es significativamente
distinta en relación con la abertura de la vocal final. La diferencia entre las
muestras se da por el cálculo de F (F.-) dividiendo la varianza más grande entre
las más pequeñas. La prueba T dice si la diferencia se debe al azar o no. Para
calcular el valor de t se aplica:

n = tamaño de cada muestra.

(1 y 2)

s = Desviación típica.

x = Media.

La diferencia entre la prueba t y el análisis simple está en que t solo trabaja con
2 muestras y el simple con más, siempre que sena estados distintos de una misma
variable (variantes) ejemplo, edad - 20; 21-30; 31- 40. La ventaja del análisis
compuesto de la varianza es que maneja más de una variable (sexo, edad) dentro
de las cuales se distinguen niveles, con los cuales se trabaja realmente.

Esta prueba se llama así porque su descubridor Cosset publicó trabajos con el
seudónimo Student a principios del siglo XX.

9.2.1.3 Análisis de covarianza (ANCOVA).

Analiza la relación entre una variable dependiente y dos o más independientes,

eliminando y controlando el efecto de por lo menos una de las variables
independientes.

9.2.2 Análisis no paramétrico.

9.2.2.1 Chi cuadrado (x2) .

Su objeto es comprobar si la distribución de dos datos variables es

independiente. Su cálculo trabaja con valores esperados teóricamente (e) yen
valores observados (o). Su formula es:

Briceida Camacho de Báez - 167

 (o - e)2

X corresponde a la letra griega "Chi".

Esta prueba se puede aplicar sobre cualquier número de variable y trabaja con
frecuencias absolutas. El cálculo de los valores esperados se hace sobre la tabla
de frecuencias observadas y ordenadas en líneas (horizontal) y columnas
(vertical) ejemplo:

f-------.- -.-_ ..
.... _-_Coíurnna A
_-_ _-_ _----_ _----_
... ... ... ...
Columna B
.. _ ..--_._. __ ... _ .._._ .•....•.. _- .._ ..... -.... _ ......
Columna (
_--_ ...__ ._._--. __ .._-----
Total

Línea 1 62 58 60 180
Línea 2 108 96 102 306
Línea 3 46 31 49 126
..- f--_.--_ ..
___ o

f-------.-
Línea 4 33 27 37 97
TOTAL 249 212 248 709

TABLA 10. FRECUENCIAS OBSERVADAS Y ORDENADAS EN lÍNEA.

Los valores esperados de las frecuencias de cada columna se obtienen por

medio de una regla de tres sobre los totales:

total absoluto (709) total línea (180)

total columna A (249) (e) línea 1 Col. A

249 X 180
e = ------ = 63.2
709

Respuesta: El valor observado 62 (línea 1 col A) le corresponde un valor

teórico o esperado de 63.2.

9.2.2.2 Coeficiente de correlación.

También se aplican los conceptos de correlaciones, covarianza, regresión

y el análisismultivariable en investigaciones de tipo cualitativo.

168 - Metodología de la Investigación Científica

 En la aplicación de estas técnicas tiene gran importancia la informática la cual
tienen programas que facilitan el cálculo estadístico. Ejemplo: SYMPHONY u
hoja de cálculo y gráficos; STATGRAPHICS y SPSS. Cada día se hace más
fácil su aplicación y los resultados serán más fiables. Ver más información en
9.3.1.4.

9.2.3 Análisis multívaríado

Analiza la relación entre variables independientes y al menos una dependiente.

Es un método complejo que requiere el uso de computador para efectuar los
cálculos. Los principales métodos son:

9.2.3.1 Regresión múltiple

Analiza el efecto de dos o más variables independientes sobre una dependiente.

Predice el valor de una variable dependiente conociendo el valor y la influencia
de las variables independientes. Tiene especial aplicación en las hipótesis de tipo
correlacional / causal.

X2

9.2.3.2 Análisis lineal path.

Sirve para representar interrelaciones entre variables. Analiza la influencia

directa o indirecta de unas variables sobre otras. Cuantifica efectos. Tiene
aplicación, .principalmente, en el tipo de hipótesis correlacional / causal.

x -----l~ ••.. W L

Briceida Camacho de Báez - 169

9.2.3.3 Análisis de factores.

Determina el número y naturaleza de un grupo de constructos implícito en un

conjunto de mediciones, un costructo es un atributo que explica un fenómeno, es
decir explica un fenómeno complejo en función de varias variables. Su especial
aplicación está en la hipótesis correlacional / causal.

9.2.3.4 Análisis multivariado de varianza. (MANOVA).

Analiza la relación entre dos o más variables independientes y dos o más

variables dependientes.

YI

Y2

Yk

9.2.3.5 Análisis discriminante.

Se utiliza cuando las variables independientes son medidas por intervalos y la

variable dependiente es una categoría. Sirve para predecir la pertenencia de un
caso a una de las categorías de la variable dependiente sobre la base de varias
independientes.

9.3 INTERPRETACIÓN DE RESULTADOS.

La interpretación o explicación de los hechos es la fase culminante del proceso

de investigación, debe tener en cuenta los pasos anteriores, la finalidad del
estudio y el análisis realizado. Se puede formular las siguientes reglas para la
interpretación.

170 - Metodología de la Investigación Científica

9.3.1 Finalidad del estudio y el análisis de los datos.

El análisis de los datos determina la naturaleza de la interpretación. La relación

entre el análisis y la interpretación de los resultados es diferente de una
investigación a otra. Estudiar estas relaciones es más complicado en los trabajos
exploratorios que en los experimentales.

A través de la finalidad del estudio y del tipo de análisis en la interpretación,

se relacionan los datos analizados con otros aspectos conocidos y se abordan los
factores internos, así toda interpretación debe ajustarse a las siguientes reglas:

9.3.1.1 Continuidad en el proceso investigativo general.

Esta continuidad se logra relacionando los resultados de nuestro estudio con

los resultados de otros estudios para establecer la posibilidad de continuarlo.

9.3.1.2 Conceptos aclaratorios.

Con las normas anteriores se garantiza la homogeneidad y la coherencia del

proceso y la relación con investigaciones a fines; sólo así los pasos de una persona
pueden ser útiles para otra.

9.3.1.3 La interpretación de los análisis.

Es la última fase del proceso metodológico. Su importancia está en que

permite al investigador hacer sus aportes personales y dar sentido a lo analizado.
Las posibilidades de interpretación son ilimitadas. En esta etapa se decide si las
hipótesis nulas son rechazadas y las positivas aceptadas o cual es la significación
teórica de los resultados, además se valoran las técnicas utilizadas. Se debe dar
cuenta de los antecedentes del estudio para aprovechar experiencias anteriores.
También se determina la relación causal entre variables, sobre ellas el método
impone la formulación de hipótesis.

9.3.1.4 Cómo se lleva a cabo el análisis estadístico.

Actualmente, el análisis estadístico se realiza mediante programas de

computador, utilizando paquetes estadísticos. Cada paquete tiene su propio
formato, instrucciones, procedimiento y característica. El procedimiento para
analizar los datos consiste en crear o desarrollar un programa basándonos en el
manual de un paquete. Este programa incluye la matriz de datos y las pruebas
estadísticas seleccionadas. Luego se corre el programa, se obtienen los resultados
y se interpretan.

Briceida Camacha de Báez - 171

 Los principales paquetes estadísticos, actualmente son:

• SPSS es un paquete para Ciencias Sociales desarrollado en la Universidad

de Chicago.
• MINIT AB su costo es bajo, incluye numerosas pruebas estadísticas y una
guía tutorial para aprenderlo a utilizar.
• BMDP Programa Biomédico Computarizado, aunque está diseñado para
el área médica tiene aplicación en Ciencias Sociales. Desarrollado por la
Universidad de California. .

• ESP Paquete Econométrico de Software, se utiliza para análisis estadísticos

de series cronológicas.

• OSIRIS conjunto organizado de rutinas integradas para le investigación

con estadísticas. Desarrollado por la Universidad de Michigan.

• SAS Sistema de Análisis Estadístico, desarrollado por la Universidad de

Carolina del Norte.

9.3.1.5 Relación entre pruebas estadísticas y tipos de hipótesis.

PRUEBA ESTADiSTICA TIPO DE HIPÓTESIS

PARAMÉIRICA
Coeficiente de Correlación Correlacional
Re~resión lineal..............................................................................
+
Correlacional Causal
~e~T D~re~a~
Análisis de varlanza (ANOVA) Diferencia de ~rupos / causal
Análisis de Covarianza (ANCOVA) ! Correlacional / Causal

/ Correlación

Re~resión Múltiple Correlacional / Causal

Análisis lineal Correlacional / causal
Análisis de Factores Correlacional / Causal
Análisis de Varianza (MANOVA) Correlacional/ causal
Análisis Discriminante Correlacional / Causal

TABLA11. RELACiÓN PRUEBA ESTADíSTICA - TIPO DE HIPÓTESIS.

172 - Metodología de la Investigación Científica

 En conclusión, el siguiente cuadro resume las técnicas del análisis estadístico:

(
DISTRIBUCIÓN
DE FRECUENCIAS
TABLAS

GRÁFICAS
r
-<;
Diagrama de Barras
Diagrama Circular
Hístoqrarna
Polígono de

L frecuencias

r:
ESTADíSTICA MEDIDAS DE Media
DESCRIPTIVA TENDENCIA
CENTRAL
., I
Mediana
Moda
L
MEDIDAS DE Varianza
VARIABILIDAD Desviación Estándar
O DISPERSiÓN Rango o Recorrido
~ ¡

"-

ESTADiSTICA
ANÁLISIS
PARAMÉTRICO

ANÁLISIS NO
{ T de Student
Análisis de Varianza (ANOVA)
Análisis de Covarianza (ANCOVA)

Chl Cuadrado
INFERENCIAl PARAMÉTRICO
{ Coeficiente de Correlación

ANÁLISIS
MULTlVARIADO l ("
I
Regresión Múltiple
Análisis Lineal Path
Anállsts de factores
Análisis Multivariado de vartanza
(MANOVA)
Análisis Discriminante

CUADRO 8. TÉCNICAS ESTADíSTICAS PARA El ANhLlSIS Df DATOS.

Briceida Camacha de Báez - 173

Ir I
r '1

PRÁCTICA 9

Escoja las técnicas estadísticas que considere necesarias para realizar

el análisis de los datos recogidos en el paso anterior, en el estudio del
ejemplo que viene realizando con el presente trabajo. Se sugiere
elaborar una tabla y un gráfico circular. Utilice el programa de la
computadora.

Ejemplo:

En el caso que se viene trabajando en este estudio, acerca del

manejo de la computadora por el niño, las estadísticas que necesitamos
son:

1. Una tabla de distribución de frecuencias y un gráfico de barras

con los datos obtenidos en las variables "tiempo dedicado al manejo
de la computadora" y "programas preferidos". (ver 8.2.1.4.)

2. La prueba T para evaluar la diferencia entre niños y niñas en

relación con el tiempo que dedican al manejo de la computadora.

3. El Chi - cuadrado para relacionar las variables, sexo y beneficios.

~ ~
I I

174 - Metodología de la Investigación Científica

 BIBLIOGRAFÍA
l. BÁEZ, OIga. Consultas odontológicas vs. Sexo, edad. Escuela de Administración
de negocios, EAN. Bogotá, 2000.

2. CAMACHO DE BÁEZ, Briceida. (1985) La variabilidad linguistica; sus logros y

limitaciones. En Revista Educación y Ciencia. Quinta época No. 1, Tunja, UPTC.

3. DURKHEIM, E. (1985). Les regles de la methode sociologique, París. Versión

española consultada, las reglas del método sociológico, Barcelona, Orbis.

4. GUMPERZ,JJ. y HYMES, D. (eds) (1972). Directions in Sociolinguistics, Nwe

York, Holt Rinehart and Winston.

5. FASOLD, R. (1984). The Sociolinguistics of Society, Oxford, Blackwell.

6. KIBRIK, A. The Methodology of field investigation in linguistics, the Hague
Mouton (1977)

7. LAVANDERA, B. (1984). Variación y significado. Buenos Aires, Hachette.

8. MILROY, L. (1987). Language and social Networks, 2" de. Oxford, Blackwell.

9. MORENO, Francisco. (1986). Sociolingüística de los tratamientos. Estudios sobre

una comunidad rural. Anuario de letras XXIV.

____ , (1990) Estudios sobre variaciones linguísticas, Alcalá de Henaos. Univer-

sidad de Alcalá.

10. MURRA Y, R. Spiegel. (1980) Estadística. Serie Shaum.

11. NAGHI, M.N. (1984). Metodología de la investigación en Administración,

Contaduría y Economía. México, Ed. LIMUSA.

12. SELL TIZ, C. y otros. (1980). Métodos de investigación en las relaciones sociales,
9a ed. Madrid, Rialp.

Briceida Carnacha de Báez - 175

13. SIEGEL, S. (1982). Estadística no paramétrica aplicada a la ciencia de la
conducta. México, Editorial Trillas.

14. SILVA - CORVALÁ ,Carmen. (1988). Sociolingüística: Teoría y Análisis,

Madrid, Alambra.

15. WIERSMA (1986). Research methods in education: an introduction. Boston

Mass. AlIyn and Bacon, lnc. Capítulo 12.

176 - Metodología de la Investigación Científica