Examen Metodología de Investigación

Las Hipótesis
Son las guías para una investigación o estudio
La hipótesis son el centro, la médula o el eje del

método deductivo cuantitativo.
No todas las investigaciones cuantitativas plantean
hipótesis. El hecho de formularlas o no depende de un
factor esencial.
No necesariamente son siempre verdaderas, pueden o
no serlo, y pueden o no comprobarse con datos
¿Qué son las variables?
 Una variable es una propiedad que puede fluctuar y

cuya variación es susceptible de medirse u observarse.
¿De dónde surgen las hipótesis?
 Es natural que las hipótesis surjan del planteamiento

del problema.
 Es decir, provienen de la revisión misma de la

literatura, osea del problema que se esta intentando
resolver
Características de una Hipótesis
 1. Las hipótesis deben referirse a una situación real.
 2. Las variables o términos de las hipótesis deben ser

comprensibles, precisos y lo más concretos posible.
 3. La relación entre variables propuestas por una hipótesis debe

ser clara y verosímil (lógica).
 4. Los términos o variables de la hipótesis deben ser observables

y medibles, así como la relación planteada entre ellos.
 5. Las hipótesis deben estar relacionadas con técnicas

disponibles para probarlas.
¿Qué tipos de hipótesis se pueden
establecer?
 a) Hipótesis descriptivas de un valor o dato pronosticado
 b) Hipótesis correlaciónales
 c) Hipótesis de la diferencia entre grupos
 d) Hipótesis que establecen relaciones de causalidad
 e) Hipótesis nulas
 f) Hipótesis alternativas
¿Cuántas hipótesis se deben formular
en una investigación?
 Cada investigación es diferente. Algunas contienen
gran variedad de hipótesis porque el problema de
investigación es complejo, mientras que otras
contienen una o dos hipótesis. Todo depende del
estudio que habrá de llevarse a cabo.
¿Qué es la prueba de hipótesis?
 Como se ha mencionado las hipótesis del proceso

cuantitativo se someten a prueba para determinar si
son apoyadas o refutadas
 ¿Cuál es la utilidad de las hipótesis?

1. En primer lugar son las guías de una investigación en
el enfoque cuantitativo.

2. En segundo lugar, tienen una función descriptiva y
explicativa, según sea el caso.

3. La tercera función es probar teorías.

4. Una cuarta función consiste en sugerir teorías.
Hipótesis sin evidencias?
 No siempre los datos apoyan las

hipótesis.
Porque se deben definir variables
en una hipótesis?
 1. Para que todos le den el mismo significado a los
términos o variables incluidas en las hipótesis
 2. Asegurarnos de que las variables pueden ser

medidas, observadas, evaluadas
 3. Confrontar nuestra investigación con otras similares.

Conceptos importantes
 Que es una definición conceptual o constitutiva
 Que son definiciones operacionales

¿QUE PROCEDIMIENTO SE SIGUE
PA R A R E A L I Z A R C U A N T I TAT I VA M E N T E
L O S D AT O S ?
Una vez que los datos se han codificado, transferido a
una matriz, guardado en un archivo y limpiado “ de
errores el investigador procede a analizarlo”.
Y para realizarlo se toma en cuenta los siguientes

pasos:
PA S O 1
S E L E C C I ON A R U N P R O G R A MA
DE ANALISIS
Incluye dos segmentos:
a) Variables: explican los datos de la codificación ítem por ítem.
b) La Matriz de datos: precisar los parámetros de la matriz de datos

en el programa.
El Diagrama Q-Q se utiliza para verificar que tanto la distribución de

nuestras variables es “NORMAL”
E J E M P L O D E M AT R I Z D E D ATO S
C O N T R E S VA R I A B L E S Y C U AT R O
CASOS
Genaro: 1 = masculino Color de pelo: 1= negro

2= femenino 2= castaño
3= pelirrojo
4= Rubio
Edad: dato “bruto o crudo” en años.
PA S O 2
E J E C U TA R E L P R O G R A MA
En el caso de SPSS y Minitab, ambos paquetes son fáciles
de usar, pues lo único que hay que hacer es solicitar los
análisis requeridos seleccionando las opciones apropiadas.
Obviamente antes de tales análisis, se debe verificar que el
programa “corra” o funcione en nuestra computadora.
Comprobado esto, comienza la ejecución del programa y la
tarea analítica.
PA S O 3
E X P L O R A R L O S D ATO S
Iniciaremos con conceptos estadísticos que se aplican a la

exploración de datos, pero antes de proseguir es necesario
realizar un par de apuntes, uno sobre las variables del estudio y
las variables de la matriz de datos.
Variables de la matriz de datos : Son columnas o ítems.
Variables de la investigación : Son las propiedades medidas y

que forman parte de las hipótesis o que se pretenden describir
Distribución de frecuencias: Conjunto de puntuaciones
ordenadas en sus respectivas categorías.
Las distribuciones de frecuencias pueden completarse
agregando los porcentajes de casos en cada categoría, los
porcentajes válidos (excluyendo los valores perdidos) y
los porcentajes acumulados (porcentaje de lo que se va
acumulando en cada categoría, desde la más baja hasta la
más alta).
¿De qué otra manera pueden presentarse las
distribuciones de frecuencias?
Las distribuciones de frecuencias, especialmente cuando
utilizamos los porcentajes, pueden presentarse en forma de
histogramas o gráficas de otro tipo (por ejemplo: de pastel).
Polígonos de frecuencias
Relacionan las puntuaciones con sus respectivas frecuencias,

por medio de gráficas útiles para describir los datos.
Medidas de tendencia central Valores medios o centrales de una
distribución que sirven para ubicarla dentro de la escala de medición.
Moda Categoría o puntuación que se presenta con mayor frecuencia.
Mediana Valor que divide la distribución por la mitad.
Medidas de la variabilidad Son intervalos que indican la dispersión
de los datos en la escala de medición.
Media Es el promedio aritmético de una distribución y es la medida de
tendencia central más utilizada.
Rango Indica la extensión total de los datos en la escala.
Varianza Se utiliza en análisis inferenciales.
Desviación estándar Promedio de desviación de las
puntuaciones con respecto a la media que se expresa en las
unidades originales de medición de la distribución.
Asimetría y curtosis Estadísticas que se usan para conocer
cuánto se parece una distribución a la distribución teórica llamada
curva normal o campana de Gauss.
Una razón es la relación entre dos categorías.
Por ejemplo: Categorías Frecuencia Masculino 60 Femenino 30 La
razón de hombres a mujeres es de 60/30 = 2.
Es decir, por cada dos hombres hay una mujer.
Tasa Es la relación entre el número de casos de una categoría y el
número total de observaciones.
PA S O 4
E VA L U A R L A C O N F I A B I L I D A D O F I A B I L I D A D
Y VA L I D E Z L O G R A D A P O R E L I N S T R U M E N T O
DE MEDICION
• La confiabilidad se calcula y evalúa para todo el instrumento de medición

utilizado.
• La fiabilidad se establece para cada escala y para el total de escalas.
• Todos utilizan formulas que producen coeficientes de fiabilidad que pueden

oscilar entre cero y uno, donde el coeficiente de cero significa nula
confiabilidad y uno representa un máximo de confiabilidad.
• Cuando mas se acerque el coeficiente a cero, mayor error Habra en la

medicion.
•
Los procedimientos mas utilizados para determinar la confiabilidad
mediante un coeficiente son:
1. Medida de estabilidad: en este procedimiento un mismo instrumento

de medicion se aplica dos o mas veces a un mismo grupo de
personas, despues de cierto periodo
2. Metodo de formas alternativas o paralelas: en este esquema no se

administra el mismo instrumento de medicion, las versiones son
similares en contenido, instrucciones, duracion y otras caracteristicas,
y se administrant a un mismo grupo de personas dentro de un period
relativamente corto.
3. Metodo de mitades partidas: necesita solo una aplicacion de la
medicion.
4. Medidas de coherencia o consistencia interna: coeficientes que

estiman la confiabilidad.
La validez
La validez del contenido se obtiene mediante las opinions de expertos, la
validez de criterio se produce al correlacionar las puntuaciones de los
participantes.
Estadística Inferencial: se utiliza par probar
hipótesis y estimar parámetros.
Parámetros: estadística de la población
Estadigrafos: datos recolectados de la
muestra y resultados estadisticos
Inferencia de
Recolecció los
Calculo de parámetros
n de datos Población
mediante o
en la estadígrafos técnicas Universo
muestra estadísticas
apropiadas
¿ En que consiste la prueba de hipótesis?
Determina si la hipótesis es congruente con los datos de la
muestra.
¿ Que es una distribución muestral?
Conjunto de valores sobre una estadística calculada de
todas las muestras posibles de una población
¿ Que es el nivel de significancia?
Es un nivel de la probabilidad de equivocarse y que fija de
manera a priori el investigador.
¿Cómo se relaciona la distribución muestral y el nivel de
significancia?
El nivel de significancia se expresa en términos de
probabilidad, y la distribución muestral también como
probabilidad.
¿Se puede cometer errores al probar hipótesis y realizar
estadística inferencial?
Nunca estaremos completamente seguros de nuestra
estimación. Trabajamos con altos niveles de confianza o
seguridad
Los resultados posibles al probar hipótesis serian:
a) Aceptar una hipótesis verdadera ( decisión correcta)
b) Rechazar una hipótesis falsa (decisión correcta)
c) Aceptar una hipótesis falsa (conocido como error del tipo II
o error beta)
d) Rechazar una hipótesis verdadera (conocido como error
del tipo I o error alfa)
PRUEBA DE HIPOTESIS
Hay dos tipos de análisis estadísticos que pueden realizarse
para probar hipótesis:
1. Análisis Paramétricos
Debe partir de los siguientes puestos
a. La distribución poblacional de la variable dependiente es
normal.
b. El nivel de medición de las variables es por intervalo o razón.
c. Cuando dos o mas poblaciones son estudiadas, tiene una
varianza homogénea.
¿ Cuales son los métodos o las pruebas estadísticas
paramétricas mas utilizadas?
a. Coeficiente de correlación de Pearson y regresión lineal
b. Prueba t
c. Prueba de contraste de la diferencia de proporciones
d. Análisis de varianza unidireccional (ANOVA)
e. Análisis de varianza factorial (ANOVA)
f. Análisis de covarianza (ANCOVA)
¿Que es el coeficiente de correlación de Pearson?
Prueba estadística para analizar la relación entre dos
variables medidas en un nivel por intervalos o de razón.
¿Que es la regresión lineal?
Modelo estadístico para estimar el efecto de una variable
sobre otra. Esta asociado con el coeficiente r de Pearson.
¿Que es la prueba t?
Prueba estadística para evaluar si dos grupos difieren entre
si de manera significativa respecto a sus medios en una
variable.
¿Qué es el tamaño del efecto?
Medida de la fuerza de la diferencia de las medias u otros valores
considerados.
¿Que es la prueba de diferencia de proporciones?
Prueba estadística para analizar si dos proporciones o
porcentajes difieren significativamente entre si.
¿Qué es el análisis de varianza unidireccional o de un
facto?(ANOVA)
Prueba estadística para analizar si mas de dos grupos difieren
significativamente entre si en cuanto a sus medias y varianzas.
1. Análisis no Paramétrico
¿Cuáles son las presuposiciones de la estadística no

paramétrica?
a) La mayoría de estos análisis no requieren de

presupuestos acerca de la forma de la distribución.
b) Las variables no necesariamente tienen que estar

medidas en un nivel por intervalos o de razón.
¿ Cuales son los métodos o las pruebas estadísticas no
1. La chi cuadrada o X.
2. Los coeficientes de correlación e independencia para

tabulaciones cruzadas
3. Los coeficientes de correlaciones por rango ordenados de

Spearman y Kendall.
¿ Que es la chi cuadrada?
Prueba estadística para evaluar hipótesis acerca de la relación entre dos
variables categóricas.
¿Qué otra aplicación tienen las tablas de contingencia?
A demás de servir para calculo de chi cuadrada y otros coeficientes, son
útiles para descubrir conjuntamente dos o mas variables.
• Porcentaje de relación con el total de frecuencias observadas
• Porcentaje en relación con el total marginal de la columna
• Porcentaje en relación con el total marginal del renglon.
Otros coeficiente de correlación
¿ Que son los coeficientes y la correlación por rango ordenados de
Spearman y Kendall?
Son medidas de correlación para variables en un nivel de medición
ordinal: los individuos u objetos de la muestra pueden ordenarse por
rangos.
¿Qué otros coeficientes existen?
Biserial
Bisereal por rango
Biserial puntual
Tetrachoric
En este paso decidiremos si después de realizados
nuestros análisis, decidamos efectuar otras pruebas
para confirmar tendencias y evaluar datos
1. Revisar cada resultado
2. Organizar los resultados
3. Cotejar diferentes resultados, se debe
Evitar la combinación de tablas, diagramas o
gráficas que repitan datos. Aquí surge una
buena pregunta ¿Qué valores, tablas,
diagramas, cuadros o graficas son necesarias?,
¿Cuáles explican mejor los resultados?
4. Priorizar la información mas valiosa
5. Se elaborará ele reporte de la investigación
(se debe usar programas como SPSS y Minitab
Permiten que se transfieran los resultados por
ejemplo de tablas
6. Describir brevemente la esencia de los análisis,
valores, tablas
7. Revisar nuevamente los análisis
8. Y, finalmente, elaborar el reporte de investigación
¿QUE PROCEDIMIENTO SE SIGUE
PA R A R E A L I Z A R C U A N T I TAT I VA M E N T E
L O S D AT O S ?
Una vez que los datos se han codificado, transferido a
una matriz, guardado en un archivo y limpiado “ de
errores el investigador procede a analizarlo”.
Y para realizarlo se toma en cuenta los siguientes

pasos:
PA S O 1
S E L E C C I ON A R U N P R O G R A MA
DE ANALISIS
Incluye dos segmentos:
a) Variables: explican los datos de la codificación ítem por ítem.
b) La Matriz de datos: precisar los parámetros de la matriz de datos

en el programa.
El Diagrama Q-Q se utiliza para verificar que tanto la distribución de

nuestras variables es “NORMAL”
E J E M P L O D E M AT R I Z D E D ATO S
C O N T R E S VA R I A B L E S Y C U AT R O
CASOS
Genaro: 1 = masculino Color de pelo: 1= negro

2= femenino 2= castaño
3= pelirrojo
4= Rubio
Edad: dato “bruto o crudo” en años.
PA S O 2
E J E C U TA R E L P R O G R A MA
En el caso de SPSS y Minitab, ambos paquetes son fáciles
de usar, pues lo único que hay que hacer es solicitar los
análisis requeridos seleccionando las opciones apropiadas.
Obviamente antes de tales análisis, se debe verificar que el
programa “corra” o funcione en nuestra computadora.
Comprobado esto, comienza la ejecución del programa y la
tarea analítica.
PA S O 3
E X P L O R A R L O S D ATO S
Iniciaremos con conceptos estadísticos que se aplican a la

exploración de datos, pero antes de proseguir es necesario
realizar un par de apuntes, uno sobre las variables del estudio y
las variables de la matriz de datos.
Variables de la matriz de datos : Son columnas o ítems.
Variables de la investigación : Son las propiedades medidas y

que forman parte de las hipótesis o que se pretenden describir
Distribución de frecuencias: Conjunto de puntuaciones
ordenadas en sus respectivas categorías.
Las distribuciones de frecuencias pueden completarse
agregando los porcentajes de casos en cada categoría, los
porcentajes válidos (excluyendo los valores perdidos) y
los porcentajes acumulados (porcentaje de lo que se va
acumulando en cada categoría, desde la más baja hasta la
más alta).
¿De qué otra manera pueden presentarse las
distribuciones de frecuencias?
Las distribuciones de frecuencias, especialmente cuando
utilizamos los porcentajes, pueden presentarse en forma de
histogramas o gráficas de otro tipo (por ejemplo: de pastel).
Polígonos de frecuencias
Relacionan las puntuaciones con sus respectivas frecuencias,

por medio de gráficas útiles para describir los datos.
Medidas de tendencia central Valores medios o centrales de una
distribución que sirven para ubicarla dentro de la escala de medición.
Moda Categoría o puntuación que se presenta con mayor frecuencia.
Mediana Valor que divide la distribución por la mitad.
Media Es el promedio aritmético de una distribución y es la medida de
tendencia central más utilizada.
Rango Indica la extensión total de los datos en la escala.
Varianza Se utiliza en análisis inferenciales.
Desviación estándar Promedio de desviación de las
puntuaciones con respecto a la media que se expresa en las
unidades originales de medición de la distribución.
Asimetría y curtosis Estadísticas que se usan para conocer
cuánto se parece una distribución a la distribución teórica llamada
curva normal o campana de Gauss.
Una razón es la relación entre dos categorías.
Por ejemplo: Categorías Frecuencia Masculino 60 Femenino 30 La
razón de hombres a mujeres es de 60/30 = 2.
Es decir, por cada dos hombres hay una mujer.
Tasa Es la relación entre el número de casos de una categoría y el
número total de observaciones.
PA S O 4
E VA L U A R L A C O N F I A B I L I D A D O F I A B I L I D A D
Y VA L I D E Z L O G R A D A P O R E L I N S T R U M E N T O
DE MEDICION
• La confiabilidad se calcula y evalúa para todo el instrumento de medición

utilizado.
• La fiabilidad se establece para cada escala y para el total de escalas.
• Todos utilizan formulas que producen coeficientes de fiabilidad que pueden

oscilar entre cero y uno, donde el coeficiente de cero significa nula
confiabilidad y uno representa un máximo de confiabilidad.
• Cuando mas se acerque el coeficiente a cero, mayor error Habra en la

medicion.
•
Los procedimientos mas utilizados para determinar la confiabilidad
mediante un coeficiente son:
1. Medida de estabilidad: en este procedimiento un mismo instrumento

de medicion se aplica dos o mas veces a un mismo grupo de
personas, despues de cierto periodo
2. Metodo de formas alternativas o paralelas: en este esquema no se

administra el mismo instrumento de medicion, las versiones son
similares en contenido, instrucciones, duracion y otras caracteristicas,
y se administrant a un mismo grupo de personas dentro de un period
relativamente corto.
3. Metodo de mitades partidas: necesita solo una aplicacion de la
medicion.
4. Medidas de coherencia o consistencia interna: coeficientes que

estiman la confiabilidad.
La validez
La validez del contenido se obtiene mediante las opinions de expertos, la
validez de criterio se produce al correlacionar las puntuaciones de los
participantes.
Estadística Inferencial: se utiliza par probar
hipótesis y estimar parámetros.
Parámetros: estadística de la población
Estadigrafos: datos recolectados de la
muestra y resultados estadisticos
Inferencia de
Recolecció los
Calculo de parámetros
n de datos Población
mediante o
en la estadígrafos técnicas Universo
muestra estadísticas
apropiadas
¿ En que consiste la prueba de hipótesis?
Determina si la hipótesis es congruente con los datos de la
muestra.
¿ Que es una distribución muestral?
Conjunto de valores sobre una estadística calculada de
todas las muestras posibles de una población
¿ Que es el nivel de significancia?
Es un nivel de la probabilidad de equivocarse y que fija de
manera a priori el investigador.
¿Cómo se relaciona la distribución muestral y el nivel de
significancia?
El nivel de significancia se expresa en términos de
probabilidad, y la distribución muestral también como
probabilidad.
¿Se puede cometer errores al probar hipótesis y realizar
estadística inferencial?
Nunca estaremos completamente seguros de nuestra
estimación. Trabajamos con altos niveles de confianza o
seguridad
Los resultados posibles al probar hipótesis serian:
a) Aceptar una hipótesis verdadera ( decisión correcta)
b) Rechazar una hipótesis falsa (decisión correcta)
c) Aceptar una hipótesis falsa (conocido como error del tipo II
o error beta)
d) Rechazar una hipótesis verdadera (conocido como error
del tipo I o error alfa)
PRUEBA DE HIPOTESIS
Hay dos tipos de análisis estadísticos que pueden realizarse
para probar hipótesis:
1. Análisis Paramétricos
Debe partir de los siguientes puestos
a. La distribución poblacional de la variable dependiente es
normal.
b. El nivel de medición de las variables es por intervalo o razón.
c. Cuando dos o mas poblaciones son estudiadas, tiene una
varianza homogénea.
¿ Cuales son los métodos o las pruebas estadísticas
a. Coeficiente de correlación de Pearson y regresión lineal
b. Prueba t
c. Prueba de contraste de la diferencia de proporciones
d. Análisis de varianza unidireccional (ANOVA)
e. Análisis de varianza factorial (ANOVA)
f. Análisis de covarianza (ANCOVA)
¿Que es el coeficiente de correlación de Pearson?
Prueba estadística para analizar la relación entre dos
variables medidas en un nivel por intervalos o de razón.
¿Que es la regresión lineal?
Modelo estadístico para estimar el efecto de una variable
sobre otra. Esta asociado con el coeficiente r de Pearson.
¿Que es la prueba t?
Prueba estadística para evaluar si dos grupos difieren entre
si de manera significativa respecto a sus medios en una
variable.
¿Qué es el tamaño del efecto?
Medida de la fuerza de la diferencia de las medias u otros valores
considerados.
¿Que es la prueba de diferencia de proporciones?
Prueba estadística para analizar si dos proporciones o
porcentajes difieren significativamente entre si.
¿Qué es el análisis de varianza unidireccional o de un
facto?(ANOVA)
Prueba estadística para analizar si mas de dos grupos difieren
significativamente entre si en cuanto a sus medias y varianzas.
1. Análisis no Paramétrico
¿Cuáles son las presuposiciones de la estadística no

paramétrica?
a) La mayoría de estos análisis no requieren de

presupuestos acerca de la forma de la distribución.
b) Las variables no necesariamente tienen que estar

medidas en un nivel por intervalos o de razón.
¿ Cuales son los métodos o las pruebas estadísticas no
1. La chi cuadrada o X.
2. Los coeficientes de correlación e independencia para

tabulaciones cruzadas
3. Los coeficientes de correlaciones por rango ordenados de

Spearman y Kendall.
¿ Que es la chi cuadrada?
Prueba estadística para evaluar hipótesis acerca de la relación entre dos
variables categóricas.
¿Qué otra aplicación tienen las tablas de contingencia?
A demás de servir para calculo de chi cuadrada y otros coeficientes, son
útiles para descubrir conjuntamente dos o mas variables.
• Porcentaje de relación con el total de frecuencias observadas
• Porcentaje en relación con el total marginal de la columna
• Porcentaje en relación con el total marginal del renglon.
Otros coeficiente de correlación
¿ Que son los coeficientes y la correlación por rango ordenados de
Spearman y Kendall?
Son medidas de correlación para variables en un nivel de medición
ordinal: los individuos u objetos de la muestra pueden ordenarse por
rangos.
¿Qué otros coeficientes existen?
Biserial
Bisereal por rango
Biserial puntual
Tetrachoric
En este paso decidiremos si después de realizados
nuestros análisis, decidamos efectuar otras pruebas
para confirmar tendencias y evaluar datos
1. Revisar cada resultado
2. Organizar los resultados
3. Cotejar diferentes resultados, se debe
Evitar la combinación de tablas, diagramas o
gráficas que repitan datos. Aquí surge una
buena pregunta ¿Qué valores, tablas,
diagramas, cuadros o graficas son necesarias?,
¿Cuáles explican mejor los resultados?
4. Priorizar la información mas valiosa
5. Se elaborará ele reporte de la investigación
(se debe usar programas como SPSS y Minitab
Permiten que se transfieran los resultados por
ejemplo de tablas
6. Describir brevemente la esencia de los análisis,
valores, tablas
7. Revisar nuevamente los análisis
8. Y, finalmente, elaborar el reporte de investigación
El reporte de
resultados del
proceso
cuantitativo
¿Quiénes son los usuarios?
• Personas que toman decisiones con base en

los resultados de la investigación; por ello,
la presentación debe adaptarse a sus
características y necesidades.
Antes de elaborar el reporte de
investigación, se define a los
receptores o usuarios y el
contexto.
Es necesario comunicar los resultados mediante un

reporte, el cual puede adquirir diferentes formatos:
Un libro, un articulo para una revista académica, un diario
de divulgación general, una presentación en computadora,
un documento técnico, una tesis, un DVD, etc.
Definir el tipo de reporte que es
necesario elaborar, esto depende de
varias precisiones:
1.- Las razones por las cuales surgió la
investigación.
2.- Los usuarios del estudio.
3.- El contexto en el cual se habrá de

presentar.
Es necesario que antes de comenzar a desarrollar el
reporte el investigador reflexione respecto de las
siguientes preguntas:
1.- ¿ Cual fue el motivo o los motivos que originaron el
estudio?
2.- ¿ Cual es el contexto en que habrán de presentarse los

resultados?
3.- ¿Quiénes son los usuarios de los resultados? Y
4.- ¿ Cuales son las características de tales usuarios?

Reporte de resultados
Se debe definir
• El tipo de reporte a elaborar .
• A los usuarios o receptores que tomaran las decisiones

con base en los resultados.
• El contexto en el cual se presentara.

El contexto en el cual se
presentara:
• Académico.
• No académico.
Apartados que contiene un reporte en un
contexto académico
• Portada
• Índices
• Resumen
• Cuerpo del Documento
• Referencias
• Apéndices
1. Portada: Incluye el titulo de la
investigación; El nombre del autor o los
autores y su afiliación institucional o el
nombre de la organización que patrocina el
estudio.
2. Índices: regularmente son varios, primero el
de la tabla de contenidos, posteriormente el
índice de tablas y el índice de figuras.
3. Resumen: constituyen el contenido del reporte
de investigación, y usualmente incluye el
planteamiento del problema e hipótesis, el
método, los resultados más importantes y las
principales conclusiones y descubrimientos .
4. Cuerpo del documento:
4.1 introducción: incluye los antecedentes, el
planteamiento del problema, el contexto de
investigación, las variables y los términos de la
investigación.
• 4.2 Revisión de literatura: en esta sección se
incluyen y comentan las teorías que se manejaron
y los estudios previos que fueron relacionados con
el planteamiento.
• 4.3 Método: esta parte del reporte describe como
fue llevada a cabo la investigación e incluye;
enfoque, contexto, casos, diseño, procedimiento,
Descripción detallada, recolección.
• 4.4 Resultados: éstos son productos del
análisis de datos. Compendian el
tratamiento estadístico que se dio a los
datos. Regularmente el orden es a) análisis
descriptivos de los datos, b) análisis
inferenciales para responder a las preguntas
y/o probar hipótesis.
• Wiersman y Jurs recomiendan los
siguientes puntos para elaborar tablas
estadísticas;
a) El titulo debe especificar el contenido de
la tabla.
b) No debe mezclarse una cantidad
inmanejable de estadísticas.
c) En cada tabla se deben espaciar los
números y las estadísticas incluidas.
d) De ser posible, habrá que limitar cada
tabla a una sola pagina.
e) Los formatos de las tablas tienen que ser
coherentes y homogéneos dentro del
reporte
F) Las categorías de las variables deben
distinguirse entre si
4.5 Discusión: en esta parte se derivan conclusiones,
explicitan recomendaciones para otros estudios y se
indica lo que sigue y lo que debe hacerse, generalizan
los resultados a la población, evalúan las implicaciones
del estudio, establece la manera como se respondieron
las preguntas de investigación así como si se
cumplieron o no los objetivos.
La discusión puede ser:
• Cuando se derivan conclusiones.
• Cuando se explicitan recomendaciones para
otros estudios y se indica lo que sigue y debe
de hacerse.
• Cuando se generalizan los resultados a la
población.
• Cuando se evalúan las implicaciones del
estudio.
Cuando se establece la manera como se
respondieron las preguntas de investigación.
• Cuando se relacionan los resultados con
estudios existentes.
• Cuando reconocen las limitaciones de la
investigación.
• Cuando se destaca la importancia y significado
de todo estudio y forma como encaja en el
conocimiento disponible.
• Cuando explican los resultados inesperados.
• Cuando no se probaron las hipótesis es
necesario señalar o especular sobre las razones.
5. REFERENCIAS,
BIBLIOGRAFICAS
• Son fuentes primarias utilizadas por el

investigador para elaborar el marco
teórico, del cual se incluyen al final del
reporte, ordenadas alfabéticamente.
6. APENDICES
• Son útiles para describir con mayor

profundidad ciertos materiales, sin distraer la
lectura del texto principal del reporte o evitar
que rompan con el formato.
ELEMENTOS DE UN REPORTE DE INVESTIGACIÓN
O RESULTADOS EN UN CONTEXTO NO
ACADÉMICO
Un reporte no académico contiene la mayoría de
los elementos de un reporte académico:
• Portada
• Índice
• Resumen Ejecutivo
• Método
• Resultados
• Conclusiones
• Apéndices
¿CON QUE SE COMPRA EL REPORTE DE LA
INVESTIGACIÓN?, ¿Y LA PROPUESTA O
PROTOCOLO DE INVESTIGACIÓN?
• El reporte se contrasta con la propuesta o

protocolo de la investigación, la que
hicimos al inicio del proceso, que no se ha
comentado en el libro, porque primero
resultaba necesario conocer el proceso de
investigación cuantitativa.
El reporte de
resultados del
proceso
cuantitativo
¿Quiénes son los usuarios?
• Personas que toman decisiones con base en

los resultados de la investigación; por ello,
la presentación debe adaptarse a sus
características y necesidades.
Antes de elaborar el reporte de
investigación, se define a los
receptores o usuarios y el
contexto.
Es necesario comunicar los resultados mediante un

reporte, el cual puede adquirir diferentes formatos:
Un libro, un articulo para una revista académica, un diario
de divulgación general, una presentación en computadora,
un documento técnico, una tesis, un DVD, etc.
Definir el tipo de reporte que es
necesario elaborar, esto depende de
varias precisiones:
1.- Las razones por las cuales surgió la
investigación.
2.- Los usuarios del estudio.
3.- El contexto en el cual se habrá de

presentar.
Es necesario que antes de comenzar a desarrollar el
reporte el investigador reflexione respecto de las
siguientes preguntas:
1.- ¿ Cual fue el motivo o los motivos que originaron el
estudio?
2.- ¿ Cual es el contexto en que habrán de presentarse los

resultados?
3.- ¿Quiénes son los usuarios de los resultados? Y
4.- ¿ Cuales son las características de tales usuarios?

Reporte de resultados
Se debe definir
• El tipo de reporte a elaborar .
• A los usuarios o receptores que tomaran las decisiones

con base en los resultados.
• El contexto en el cual se presentara.

El contexto en el cual se
presentara:
• Académico.
• No académico.
Apartados que contiene un reporte en un
contexto académico
• Portada
• Índices
• Resumen
• Cuerpo del Documento
• Referencias
• Apéndices
1. Portada: Incluye el titulo de la
investigación; El nombre del autor o los
autores y su afiliación institucional o el
nombre de la organización que patrocina el
estudio.
2. Índices: regularmente son varios, primero el
de la tabla de contenidos, posteriormente el
índice de tablas y el índice de figuras.
3. Resumen: constituyen el contenido del reporte
de investigación, y usualmente incluye el
planteamiento del problema e hipótesis, el
método, los resultados más importantes y las
principales conclusiones y descubrimientos .
4. Cuerpo del documento:
4.1 introducción: incluye los antecedentes, el
planteamiento del problema, el contexto de
investigación, las variables y los términos de la
investigación.
• 4.2 Revisión de literatura: en esta sección se
incluyen y comentan las teorías que se manejaron
y los estudios previos que fueron relacionados con
el planteamiento.
• 4.3 Método: esta parte del reporte describe como
fue llevada a cabo la investigación e incluye;
enfoque, contexto, casos, diseño, procedimiento,
Descripción detallada, recolección.
• 4.4 Resultados: éstos son productos del
análisis de datos. Compendian el
tratamiento estadístico que se dio a los
datos. Regularmente el orden es a) análisis
descriptivos de los datos, b) análisis
inferenciales para responder a las preguntas
y/o probar hipótesis.
• Wiersman y Jurs recomiendan los
siguientes puntos para elaborar tablas
estadísticas;
a) El titulo debe especificar el contenido de
la tabla.
b) No debe mezclarse una cantidad
inmanejable de estadísticas.
c) En cada tabla se deben espaciar los
números y las estadísticas incluidas.
d) De ser posible, habrá que limitar cada
tabla a una sola pagina.
e) Los formatos de las tablas tienen que ser
coherentes y homogéneos dentro del
reporte
F) Las categorías de las variables deben
distinguirse entre si
4.5 Discusión: en esta parte se derivan conclusiones,
explicitan recomendaciones para otros estudios y se
indica lo que sigue y lo que debe hacerse, generalizan
los resultados a la población, evalúan las implicaciones
del estudio, establece la manera como se respondieron
las preguntas de investigación así como si se
cumplieron o no los objetivos.
La discusión puede ser:
• Cuando se derivan conclusiones.
• Cuando se explicitan recomendaciones para
otros estudios y se indica lo que sigue y debe
de hacerse.
• Cuando se generalizan los resultados a la
población.
• Cuando se evalúan las implicaciones del
estudio.
Cuando se establece la manera como se
respondieron las preguntas de investigación.
• Cuando se relacionan los resultados con
estudios existentes.
• Cuando reconocen las limitaciones de la
investigación.
• Cuando se destaca la importancia y significado
de todo estudio y forma como encaja en el
conocimiento disponible.
• Cuando explican los resultados inesperados.
• Cuando no se probaron las hipótesis es
necesario señalar o especular sobre las razones.
5. REFERENCIAS,
BIBLIOGRAFICAS
• Son fuentes primarias utilizadas por el

investigador para elaborar el marco
teórico, del cual se incluyen al final del
reporte, ordenadas alfabéticamente.
6. APENDICES
• Son útiles para describir con mayor

profundidad ciertos materiales, sin distraer la
lectura del texto principal del reporte o evitar
que rompan con el formato.
ELEMENTOS DE UN REPORTE DE INVESTIGACIÓN
O RESULTADOS EN UN CONTEXTO NO
ACADÉMICO
Un reporte no académico contiene la mayoría de
los elementos de un reporte académico:
• Portada
• Índice
• Resumen Ejecutivo
• Método
• Resultados
• Conclusiones
• Apéndices
¿CON QUE SE COMPRA EL REPORTE DE LA
INVESTIGACIÓN?, ¿Y LA PROPUESTA O
PROTOCOLO DE INVESTIGACIÓN?
• El reporte se contrasta con la propuesta o

protocolo de la investigación, la que
hicimos al inicio del proceso, que no se ha
comentado en el libro, porque primero
resultaba necesario conocer el proceso de
investigación cuantitativa.
Planteamiento del
La Idea Problema
Revisión de la Literatura y
Construcción del Marco
Definición del Alcance
Teórico de la Investigación
….. ….. …..

Exploratorios Descriptivos
Correlaciónales Explicativos
¿De qué depende que nuestro estudio se inicie como
exploratorio, descriptivo, correlacional o explicativo?
Dependerá de dos Factores:

1. El estado del conocimiento sobre el problema de
investigación, mostrado por la revisión de la
literatura.
2. La perspectiva que el investigador pretenda dar al
estudio.
Alcance Exploratorio
- Se realizan cuando el
objetivo consiste en examinar
un tema poco estudiado.
- Son investigaciones que
pretenden darnos una visión
general, de tipo aproximativo,
respecto a una realidad.
Propósito del Alcance
Exploratorio
Analizar fenómenos
desconocidos o novedosos.
Valor del Alcance Exploratorio
Familiarizarnos con fenómenos relativamente

desconocidos.
Obtener información sobre la posibilidad de llevar a

cabo una investigación mas completa.
Investigar nuevos problemas.

Identificar conceptos o variables promisorias.
Establecer prioridades para investigaciones futuras, o
sugerir afirmaciones y postulados.
Preguntas Claves
¿Para Que?
¿Cuál es el problema?
¿Qué se podría investigar?
Alcance Descriptivo
Investigación descriptivo: busca especificar

propiedades características y rasgos
importantes de cualquier fenómeno que se
analice ,describe tendencias de un grupo o
población
Alcance Descriptivo
• El propósito es describir situaciones y eventos. Decir cómo es
y cómo se manifiesta determinado fenómeno.
• Los estudios descriptivos buscan especificar las propiedades

importantes de personas, grupos, comunidades, etc.
• Desde el punto de vista científico, describir es medir con la

mayor precisión posible.
• Pueden ofrecer la posibilidad de predicciones aunque sean

rudimentarias.
•
Cual es el valor de los alcances
descriptivos
• Son útiles para mostrar con precisión los ángulos o
dimensiones de un fenómeno, suceso, comunidad, contexto o
situación.
• En esta clase de estudios el investigador debe ser capaz de

definir, o al menos visualizar, qué se medirá ( qué conceptos,
variables, componentes, etc.) y sobre qué o quiénes se
recolectarán los datos ( personas, grupos, comunidades,
animales, hechos, etc.)
Las variables que mide el Alcance
Descriptivo
MIDE
COMPLEJIDAD TECNOLOGIA TAMAÑO DECISIONES

Alcance Correlacional
Asocia variables mediante un patrón

predecible para un grupo o población.
Propósitos del Alcance
Correlacional
• Tienen como objetivo evaluar la relación que existe entre dos o más
conceptos, categorías, variables, en un contexto particular.
• Pretenden observar cómo se relacionan diversos fenómenos entre
sí, o si no se relacionan.
• Evalúan el grado de relación entre dos variables.
• Intentan predecir un concepto o una variable en base al
comportamiento conocido de otra variable.

Utilidad del Alcance
Correlacional
Su utilidad principal se mide por:
Las variables presuntamente relacionadas.

El grado de relación entre las variables.
• Además la correlación puede ser positiva o negativa,
entre las variables.
• Las correlaciones se expresan en hipótesis y estas se
someten a pruebas!
Valor del Alcance
Correlacional
De alguna medida este alcance tiene un valor
explicativo, aunque parcial, por la relación de dos
conceptos o variables. Y decimos que es parcial, pues
hay otros factores vinculados, pues a mayor numero de
variables que se asocien, mayor es la fuerza de la
relación y mas completa será la explicación.
Riesgo: correlaciones
espurias (falsas)
 Dos variables pueden estar aparentemente
relacionados
 En realidad NO están relacionados!
 Conllevan a falsas explicaciones! Y es aquí cuando

se requiere una investigación a nivel explicativo para
explicarnos, el como y porque de la supuesta
relación.
Alcance Explicativo
Se encarga de buscar el porque de los hechos mediante

el establecimiento de las relaciones causa-efecto. En
este sentido, los estudios explicativos pueden ocuparse
tanto de la determinación, como de los efectos,
mediante la prueba de hipótesis. Sus conclusiones
constituyen el nivel de conocimientos.
Alcance Explicativo
Características
• Es mas estructurada
• Las explicación es siempre una deducción de una
teoría
• Se ocupa de establecer causas
• Determina efectos
Alcance Explicativo
Objetivos
• Explicar el fenómeno
¿por que?
¿en que condiciones ocurre?
• Llegar al conocimiento de las causas
• Establecer generalizaciones extensibles
• Establecer relaciones causa-efecto
Aunque un estudio sea en esencia exploratorio
contendrá elementos descriptivos; o bien, un estudio
correlacional incluirá componentes descriptivos, y lo
mismo ocurre con los demás alcances.
Los cuatro alcances del proceso de la investigación
cuantitativa son igualmente válidos e importantes y
han contribuido al avance de las diferentes ciencias.
Cada uno tiene sus objetivos y razón de ser.
La Revisión de la El Planteamiento
del Problema puede:
Literatura
• Permanecer sin cambios
• Experimentar algunos
Definición del Alcance
ajustes
de la Investigación.
• Modificarse radicalmente
Capitulo 7: Concepción
o Elección del Diseño de
la Investigación
¿QUÉ ES EL DISEÑO DEL ESTUDIO?
◉ Diseño: Se refiere al plan o estrategia que se desarrolla para

obtener la información que se requiere en una investigación.
DISEÑOS
EXPERIMENTALES NO EXPERIMENTALES
Pre-experimental Experimentos
Transversales Longitudinales
puros
Descriptivo Correlacional Grupos

Cuasi-experimental (Cohort)
Causal Tendencia
(Trend) Panel
¿QUÉ ES UN EXPERIMENTO?
Situación de control en la cual se manipulan de manera intencional,

una o mas variables independientes(causas)para analizar las
consecuencias de tal manipulación sobre una o mas variables
dependientes (efecto).
¿QUÉ ES LA VALIDEZ INTERNA?
Grado de confianza que se tiene de que los resultados del

experimento se interpreten adecuadamente y sean válidos ( se
logra cuando existe control).
FUENTES DE INVALIDACIÓN INTERNA
◉ Regresión estadística
Se refiere a un efecto provocado por una tendencia que los sujetos
seleccionados, sobre la base de puntuaciones extremas, muestran
al regresar, en pruebas posteriores, a un promedio en la variable en
la que fueron seleccionados.
◉ Selección
Elegir a los sujetos para los grupos de experimentos de tal manera
que los grupos no sean equiparables.
◉ Mortalidad experimental
Se refiere a diferencias en la perdida de participantes entre los
grupos que se comparan
¿QUÉ ES LA VALIDEZ EXTERNA?
◉ La validez externa es la posibilidad de generalizar los resultados

de un experimento a situaciones no experimentales, así como a
otras personas y poblaciones.
FUENTES DE INVALIDACIÓN EXTERNA
1. Efecto reactivo o de intervención de las pruebas.
Cuando una pre-prueba aumenta o disminuye la sensibilidad o la calidad de la
reacción de los participantes.
Los resultados no puedan generalizarse a quienes forman parte de esa
población. (Campbell y Stanley, 1966)
2. Efecto de interacción entre los errores de selección y el tratamiento

experimental.
Selección de personas con una o varias características que hagan que el

tratamiento experimental produzca un efecto que no se daría si las personas no
tuvieran esas características específicas .
3. Efecto reactivos de los tratamientos experimentales.
La artificialidad de las condiciones puede hacer que el contexto experimental no
luzca genuino, en comparación con la manera en regularmente se vive el
tratamiento. (Campbell, 1975)
Es por esto que el experimentador tiene que ingeniárselas para hacer que los
sujetos se olviden de que están en un experimento y no se sientan observados
4. Interferencia de tratamientos múltiples.
Si se aplican varios tratamientos a un grupo experimental , las conclusiones
solo podrán hacerse extensivas a lo que experimenten la misma secuencia de
tratamientos.
Cuando los participantes reciben mas de un estímulo resulta complejo
determinar cual de los tratamientos y cual combinación fue la que logró algún
cambio. (Mertens 2005 p. 125)
5. Imposibilidad de replicar los tratamientos.
Cuando los tratamientos aplicados son tan complejos que no se pueden llegar a
replicar en situaciones no experimentales.
6. Descripciones insuficientes del tratamiento experimental.

Cuando los tratamientos experimentales nos son descritos lo suficiente en el
reporte del estudio.
7. Efectos de novedad e interrupción.

Aplicar un tratamiento nuevo puede tener resultados positivos por simplemente
ser percibido como nuevo, o por el contrario tener resultados negativos por
interrumpir las actividades normales de los participantes.
8. El experimentador.
También fuente de invalidación interna. Esto se puede dar si el tratamiento
solamente tenga efecto con la intervención del experimentador.
9. Interacción entre la historia o el lugar y los efectos del tratamiento

experimental.
Experimentos conducidos en un contexto en particular que por lo general no
pueden ser duplicados.
10. Mediciones de la variable dependiente.
◉ Si un experimento utiliza un instrumento específico para recolectar
datos, otros estudios deberán ser evaluados con el mismo
instrumento o uno equivalente para poder comparar cómodamente
los resultados.
◉ Los grupos que poseamos deben ser lo mas parecidos a quienes se
le desea generalizar y repetir el experimento varias veces con
diferentes grupos.
◉ El contexto experimental debe ser lo mas similar al contexto a
generalizar.
◉ El experimentador debe esforzarse para que quienes participen no
sientan, que se está experimentando con ellos.
TIPOLOGÍA DE LOS DISEÑOS EXPERIMENTALES
Simbología de los diseños experimentales:
- Asignación al azar o aleatoria
- Grupo de sujetos
- Tratamiento, estimulo o condición experimental

0 Una medición de los sujetos de un grupo ( prueba, cuestionario,
etc( si aparece antes del estímulo se trata de una pre prueba. Aparece
después del estímulo de trata de una posprueba
_ Ausencia de estímulo (nivel cero en la VD). Se refiere a grupo control
PRE-EXPERIMENTOS
Son aquellos cuyo grado de control es mínimo. ej. estudio de caso con una sola
medición.
No existe manipulación de la variable.
Consiste en administrar un estímulo o tratamiento a un grupo y después aplicar

una medición de una o más variables 0
0
¿QUÉ OTROS EXPERIMENTOS EXISTEN?
CUASIEXPERIMENTOS.
◉ Estos también manipulan deliberadamente al menos una variable
independiente para observar su efecto y relación con una o mas variables
dependientes, solo que difieren de los experimentos “puros” del grado de
confiabilidad.
◉ No se tiene garantizada la equivalencia inicial porque no hay asignación
aleatoria, los grupos están formados antes del experimento: son grupos
intactos.
◉ Manipulan deliberadamente, al menos, una variable independiente para
observar su efecto y relación con una o más variables dependientes, sólo
que difieren de los experimentos “verdaderos” en el grado de seguridad o
confiabilidad que pueda tenerse sobre la equivalencia inicial de los grupos
◉ En los diseños cuasiexperimentales los sujetos no se asignan al azar a los
grupos ni se emparejan, sino que dichos grupos ya estaban formados antes
del experimento; son grupos intactos (la razón por la que surgen y la manera
como se formaron fueron independientes o aparte del experimento.
¿QUÉ OTROS EXPERIMENTOS EXISTEN?
EXPERIMENTOS PUROS
Son aquellos que reúnen los dos requisitos para lograr el control y la validez
interna:
◉ Grupos de comparación ( manipulación de la variable independiente)

◉ Equivalencia de grupos ( el control implica que todo permanece constante,
salvo la manipulación o intervención
EXPERIMENTALES
Experimento Puro Pre-Experimento
Manipulación intencional de una Su grado de control es mínimo
o más variables independientes
No hay manipulación de variable
Causa:variable independiente
No hay información sobre el grupo antes del
Efecto: variable dependiente tratamiento
Medir el efecto de la variable No hay ausencia-presencia
independiente sobre la
dependiente
Control: validez interna, validez Cuasi-experimental
externa
Seguridad o confiabilidad de la
equivalencia de grupos
TIPOS DE DISEÑO NO EXPERIMENTALES
1. La Investigación se centra en:

a) Analizar cuál es el nivel, estado o la presencia de una o diversas variables en
un momento dado
b) Evaluar una situación, comunidad, evento m fenómeno o contexto en un
punto del tiempo
c) Determinar o ubicar cuál es la relación entre un conjunto de variables en un
momento.
En estos casos el diseño apropiado es el transversal o

transeccional. Ya sea que su enfoque sea cuantitativo, cualitativo
o mixto: y su alcance inicial o final sea exploratorio, descriptivo ,
correlacional o explicativo.
1. La Investigación se centra en:

a) Estudiar cómo evoluciona una o más variables o las relaciones entre ellas.
b) Analizar los cambios a través del tiempo de un evento, comunidad, un

fenómeno, una situación o un contexto
En estos casos el diseño apropiado es el longitudinal.

Transversal ó transeccional
¿Cuál es la relación entre un conjunto de
variables en un punto de tiempo?
Descriptivos Correlacionales Causales

Indagar las incidencias y los Pretenden analizar relaciones de
valores como se manifiestan una ó causalidad
más variables
Correlacionales
Describen las relaciones entre
dos ó más variables en un
momento determinado
DISEÑOS TRANSECCIONALES EXPLORATORIOS
◉ El propósito es comenzar a conocer una comunidad, un contexto ,

un evento, una situación, una variable o un conjunto de variables
◉ Se trata de una exploración inicial en un momento específico.
◉ Se aplican a problemas de investigación nuevos o poco conocidos,

y constituyen el preámbulo de otros diseños.
◉ Son muy utilizados dentro del enfoque cualitativo …“inmersión inicial

en el campo”
DISEÑOS TRANSECCIONALES DESCRIPTIVOS
◉ Tienen como objetivo indagar la incidencia y los valores en que se

manifiestan una o más variables (dentro del enfoque cuantitativo) o
ubicar, categorizar y proporcionar una visión de una comunidad, en
un evento, un contexto, un fenómeno o una situación (describirla,
como su nombre lo indica, dentro del enfoque cualitativo)
◉ El procedimiento consiste en medio o ubicar a un grupo de personas,
objetos, situaciones, contextos, fenómenos, en una variable o
concepto (…más de una variable o concepto) y proporcionar su
descripción.
◉ Son… estudios puramente descriptivos y cuando establecen
hipótesis, … también son descriptivos
DISEÑOS TRANSECCIONALES CORRELACIONALES CAUALES
◉ Describen relaciones entre dos o más categorías, conceptos o variables en
un momento determinado
◉ Descripciones, pero no de categorías, conceptos, objetos ni variables
individuales, sino de sus relaciones, sean …puramente correlacionales o
relaciones causales.
◉ En estos diseños:
◉ Se mide-analiza (enfoque cuantitativo o
◉ Evalúa-analiza (enfoque cualitativo)
◉ Es la asociación entre categorías, conceptos, objetos o variables en un
tiempo determinado.
◉ Pueden limitarse a establecer relaciones entre variables sin precisar sentido
de causalidad ni pretender analizar relaciones
◉ de causalidad
DISEÑOS LONGITUDINALES
Estos se dividen en:
1. Diseños Tendencia (Trend)

2. Diseños de Análisis Evolutivo de Grupos ( Cohort)
3. Diseños Panel
DISEÑOS LONGITUDINALES DE TENDENCIA
Estos se dividen en:
Son aquellos que analizan cambios a través del tiempo (categorías, conceptos,
variables, etcétera, o sus relaciones), dentro de alguna población en general.
Es importante señalar que los participantes del estudio no son los mismos,
PERO LA POBLACIÓN SI (V edición Página 159)
Su característica distintiva es que la atención se centra en una población.

Estos diseños se presentan de la siguiente manera, muestras distintas, misma
población vinculada por algún criterio o característica.
DISEÑOS LONGITUDINALES DE EVOLUCIÓN DE GRUPO
◉ Examinan Cambios a través del tiempo en subpoblaciones o grupos
específicos
◉ Un ejemplo es un grupo formado de personas que nacieron en un rango de

años específicos 1980-1983.
DISEÑOS LONGITUDINALES PANEL
◉ Son similares a las dos clases de diseños vistas anteriormente, solo que el
mismo grupo de sujetos es medido u observado (se recolectan datos sobre
ellos) en todos los tiempos o momentos.
◉ La ventaja: además de conocer los cambios grupales, se conocen los
cambios individuales. Se sabe que casos específicos introducen el cambio.
◉ La desventaja: a veces resulta muy difícil obtener con exactitud a los mismos
sujetos para una segunda medición u observaciones subsecuentes.
◉ Sirve para estudiar poblaciones o grupos más específicos y es conveniente
cuando se tiene poblaciones relativamente estáticas.
1
Diseño:
Se refiere al plan o estrategia que se
desarrolla para obtener la
información
que se requiere en una investigación.
2
Diseños
EXPERIMENTALES NO EXPERIMENTALES
Pre-experimental Experimentos Transversales Longitudinales

puros
Cuasi-experimental Descriptivo Correlacional Grupos

(Cohort)
Tendencia
Causal
(Trend)
Panel
Dos acepciones:
a) Acepción general, se refiere a “ elegir o realizar una acción” y
después observar las consecuencia. Este término es bastante
coloquial; así hablamos de “ experimentar” cuando
mezclamos substancias químicas y vemos la reacción
provocada.
b) Una acepción , más armónica con un sentido científico se
refiere a un estudio en el que se manipulan intencionalmente
una o más variables independientes (supuestas causas
antecedentes,) para analizar las consecuencias que la
manipulación tiene sobre una o más variables dependientes (
supuestos efectos consecuentes) dentro de una situación de
control para el investigador.
4
• Es decir que los diseños experimentales se utilizan cuando el
investigador pretende establecer el posible efecto de una causa
que se manipula.
Causa Efecto
X________________________________Y
(variable independiente) (variable
dependiente)
5
1) El primer requisito es la manipulación intencional de una o más
variables independientes. Es decir la variable independiente es la que
se considera como supuesta causa en una relación entre variables, es
la condición antecedente. Al efecto provocado por dicha causa se le
denomina variable dependiente ( consecuente).
2) El segundo requisito consiste en medir el efecto que la variable

independiente tiene en la variable dependiente.
3) El tercer requisito que todo experimento debe cumplir es el control

o validez interna de la situación experimental
6
 Historia
Acontecimientos que ocurren durante el desarrollo
del experimento.
 Maduración
Procesos internos de los participantes que operan
como consecuencia del tiempo y afectan los
resultados del experimento.
 Inestabilidad
Poca o nula confiabilidad de las mediciones.
7
 Administración de pruebas
Se refiere al efecto que puede tener la aplicación de una
prueba sobre puntuaciones de pruebas subsecuentes.
 Instrumentación
Es la fuente que hace referencia a los cambios en los
instrumentos de medición.
8
 Página 128 ( V Edición); Hernández Sampieri
 Grado de confianza que se tiene de que los

resultados del experimento se interpreten
adecuadamente y sean válidos ( se logra
cuando existe control)
 Metodología de la Investigación en Marketing y Dirección de Empresas: Francisco
José Sarabia Sánchez
 Determinación de si la manipulación
experimental produjo realmente las
diferencias observadas en la variable
dependiente.
9
 Regresión estadística
Se refiere a un efecto provocado por una tendencia que

los sujetos seleccionados, sobre la base de puntuaciones
extremas, muestran al regresar, en pruebas posteriores, a
un promedio en la variable en la que fueron
seleccionados.
10
Selección
Elegir a los sujetos para los grupos de
experimentos de tal manera que los grupos no
sean equiparables.
Mortalidad experimental
Se refiere a diferencias en la perdida de
participantes entre los grupos que se comparan.
11
 La validez externa es la posibilidad de generalizar
los resultados de un experimento a situaciones no
experimentales, así como a otras personas y
poblaciones.
12
1. Efecto reactivo o de intervención de las pruebas.
Cuando una pre-prueba aumenta o disminuye la

sensibilidad o la calidad de la reacción de los
participantes.
Los resultados no puedan generalizarse a quienes

forman parte de esa población. (Campbell y Stanley,
1966)
13
2. Efecto de interacción entre los errores de selección
y el tratamiento experimental.
 Selección de personas con una o varias características

que hagan que el tratamiento experimental produzca un
efecto que no se daría si las personas no tuvieran esas
características específicas.
14
3. Efecto reactivos de los tratamientos
experimentales.
 La artificialidad de las condiciones puede hacer que el

contexto experimental no luzca genuino, en
comparación con la manera en regularmente se vive el
tratamiento. (Campbell, 1975)
 Es por esto que el experimentador tiene que
ingeniárselas para hacer que los sujetos se olviden de
que están en un experimento y no se sientan
observados.
15
4. Interferencia de tratamientos múltiples.
 Si se aplican varios tratamientos a un grupo
experimental , las conclusiones solo podrán hacerse
extensivas a lo que experimenten la misma secuencia
de tratamientos.
 Cuando los participantes reciben mas de un estímulo
resulta complejo determinar cual de los tratamientos y
cual combinación fue la que logró algún cambio.
(Mertens 2005 p. 125)
16
5. Imposibilidad de replicar los tratamientos.
 Cuando los tratamientos aplicados son tan complejos

que no se pueden llegar a replicar en situaciones no
experimentales.
17
6. Descripciones insuficientes del tratamiento
experimental.
 Cuando los tratamientos experimentales nos son

descritos lo suficiente en el reporte del estudio.
18
7. Efectos de novedad e interrupción.
 Aplicar un tratamiento nuevo puede tener resultados

positivos por simplemente ser percibido como nuevo, o
por el contrario tener resultados negativos por
interrumpir las actividades normales de los
participantes.
19
8. El experimentador.
 También fuente de invalidación interna. Esto se puede

dar si el tratamiento solamente tenga efecto con la
intervención del experimentador.
20
9. Interacción entre la historia o el lugar y los efectos
del tratamiento experimental.
 Experimentos conducidos en un contexto en particular

que por lo general no pueden ser duplicados.
21
10. Mediciones de la variable dependiente.
 Si un experimento utiliza un instrumento específico
para recolectar datos, otros estudios deberán ser
evaluados con el mismo instrumento o uno
equivalente para poder comparar cómodamente los
resultados.
 Los grupos que poseamos deben ser lo mas parecidos
a quienes se le desea generalizar y repetir el
experimento varias veces con diferentes grupos.
 El contexto experimental debe ser lo mas similar al
contexto a generalizar.
 El experimentador debe esforzarse para que quienes
participen no sientan, que se está experimentando con
ellos.
22
Simbología de los diseños experimentales:
 R - Asignación al azar o aleatoria
 - Grupo de sujetos
 - Tratamiento, estimulo o condición experimental
 0 Una medición de los sujetos de un grupo ( prueba,

cuestionario, etc( si aparece antes del estímulo se trata de una
pre prueba. Aparece después del estímulo de trata de una
posprueba
 _ Ausencia de estímulo (nivel cero en la VD). Se refiere a
grupo control
23
Pre experimentos:
Son aquellos cuyo grado de control es mínimo. ej.

estudio de caso con una sola medición.
No existe manipulación de la variable.
Consiste en administrar un estímulo o tratamiento a un

grupo y después aplicar una medición de una o más
variables 0
24
Estos también manipulan deliberadamente al menos
una variable independiente para observar su efecto
y relación con una o mas variables dependientes,
solo que difieren de los experimentos “puros” del
grado de confiabilidad.
No se tiene garantizada la equivalencia inicial
porque no hay asignación aleatoria, los grupos
están formados antes del experimento: son grupos
intactos.
25
Manipulan deliberadamente, al
menos, una variable
independiente para observar su
CUASIEXPERIMENTOS: efecto y relación con una o más
variables dependientes, sólo
que difieren de los
experimentos “verdaderos” en
el grado de seguridad o
confiabilidad que pueda tenerse
sobre la equivalencia inicial de
los grupos
En los diseños
cuasiexperimentales los
sujetos no se asignan al azar a
los grupos ni se emparejan,
sino que dichos grupos ya
estaban formados antes del
experimento; son grupos
intactos (la razón por la que
surgen y la manera como se
formaron fueron
independientes o aparte del
experimento)
Son aquellos que reúnen los dos requisitos
para lograr el control y la validez interna:
 Grupos de comparación ( manipulación de la

variable independiente)
 Equivalencia de grupos ( el control implica
que todo permanece constante, salvo la
manipulación o intervención)
EXPERIMENTALES
Pre-Experimento
Experimento Puro Su grado de control es
Manipulación intencional de mínimo
una o más variables No hay manipulación de
independientes variable
Causa:variable independiente No hay información sobre el
Efecto: variable dependiente grupo antes del tratamiento
Medir el efecto de la variable No hay ausencia-presencia

independiente sobre la
dependiente
Control: validez interna, Cuasi-experimental
validez externa
Seguridad o confiabilidad de
la equivalencia de grupos
¿Cuáles son los tipos de
diseño no
experimentales?
INVESTIGACIÓN SE INVESTIGACIÓN SE
CENTRA EN: CENTRA EN:
a).-Analizar cuál es el nivel, estado o la
presencia de una o diversas variables en un a).-Estudiar cómo evoluciona una o más
momento dado variables o las relaciones entre ellas.
b).-Evaluar una situación, comunidad, evento m b).-Analizar los cambios a través del
fenómeno o contexto en un punto del tiempo tiempo de un evento, comunidad, un
fenómeno, una situación o un contexto.
c).-Determinar o ubicar cuál es la relación entre
un conjunto de variables en un momento.
En estos casos el En estos casos el

diseño apropiado diseño
es el transversal o apropiado es
transeccional. Ya el
sea que su enfoque sea longitudinal
cuantitativo, cualitativo
o mixto: y su alcance
inicial o final sea
exploratorio, descriptivo
, correlacional o
explicativo.
Los Diseños no
experimentales se
pueden clasificar
en:
TRANSECCIONAL
TRANSECCIONAL o TRANSVERSAL a
o TRANSVERSAL su vez se divide en:
LONGITUDINAL
Exploratorios
Descriptivos
Correlacionales
causales
Recolectan datos en un solo

momento, en un tiempo único.
NO EXPERIMENTALES
Transversal ó transeccional
¿Cuál es la relación entre un
conjunto de variables en un
punto de tiempo?
Descriptivos
Correlacionales Causales
Indagar las incidencias y los
valores como se manifiestan una ó Pretenden analizar relaciones de
más variables causalidad
Correlacionales
Describen las relaciones entre
dos ó más variables en un
momento determinado
DISEÑOS TRANSECCIONALES
EXPLORATORIOS
El propósito es comenzar a conocer

una comunidad, un contexto , un
evento, una situación, una variable o
un conjunto de variables
Se trata de una exploración inicial en

un momento específico.
Se aplican a problemas de
investigación nuevos o poco
conocidos, y constituyen el
preámbulo de otros diseños.
Son muy utilizados dentro del

enfoque cualitativo …“inmersión
inicial en el campo”
DESCRIPTIVOS
Tienen como objetivo indagar la

incidencia y los valores en que se
manifiestan una o más variables
(dentro del enfoque cuantitativo) o
ubicar, categorizar y proporcionar una
visión de una comunidad, en un
evento, un contexto, un fenómeno o
una situación (describirla, como su
nombre lo indica, dentro del enfoque
cualitativo)
El procedimiento consiste en medio o

ubicar a un grupo de personas, objetos,
situaciones, contextos, fenómenos, en una
variable o concepto (…más de una variable
o concepto) y proporcionar su descripción.
Son… estudios puramente descriptivos y
cuando establecen hipótesis, … también
son descriptivos
CORRELACIONALES-CAUSALES
Describen relaciones entre dos o

más categorías, conceptos o
variables en un momento
determinado
Descripciones, pero no de categorías,

conceptos, objetos ni variables
individuales, sino de sus relaciones, sean
…puramente correlacionales o relaciones
causales.
En estos diseños:
Se mide-analiza (enfoque cuantitativo o
Evalúa-analiza (enfoque cualitativo)
Es la asociación entre categorías,
conceptos, objetos o variables en un
tiempo determinado.
Pueden limitarse a establecer relaciones
entre variables sin precisar sentido de
causalidad ni pretender analizar
relaciones
de causalidad
LONGITUDINAL a su vez se
divide en:
1) Diseños Tendencia (Trend)

2) Diseños de Análisis Evolutivo
de Grupos ( Cohort)
3) Diseños Panel
DE TENDENCIA
Son aquellos que analizan cambios a
través del tiempo (categorías,
conceptos, variables, etcétera, o sus
relaciones), dentro de alguna
población en general.
Es importante señalar que
los participantes del
estudio no son los mismos,
PERO LA POBLACIÓN SI
(V edición Página 159
Su característica distintiva es que la
atención se centra en una población.
Estos diseños se presentan de la
siguiente manera:
Recolección Recolección Recolección Recolección

de datos en de datos en de datos en de datos en
una población una población una población una población
Tiempo 1 Tiempo 2 Tiempo 3 Tiempo K

Muestras distintas; Misma Población
de Evolución de Grupo
Se examinan cambios a través del
tiempo en subpoblaciones o grupos
específicos.
Su atención son los cohortes o grupos
de individuos vinculados de alguna
manera o identificados por una
característica común, generalmente la
edad o la época.
Estos diseños hacen seguimiento de
los grupos a través del tiempo y por lo
común se extrae una muestra cada
vez que se recolectan datos sobre el
grupo o la subpoblación, más que
incluir a toda la población.
( V edición página 160)
Recolección de Recolección de Recolección de Recolección de

datos en una datos en una datos en una datos en una
subpoblación subpoblación subpoblación subpoblación

MUESTRAS DISTINTAS, MISMA SUBPOBLACIÓN VINCULADA POR ALGÚN CRITERIO O CARACTERÍSTICA
DISEÑOS
LONGITUDINALES
DE EVOLUCIÓN
DE GRUPO
PANEL
Son similares a las dos clases de diseños

vistas anteriormente, solo que el mismo
grupo de sujetos es medido u observado
(se recolectan datos sobre ellos) en todos
los tiempos o momentos.
La ventaja de que, además de conocer los
cambios grupales, se conocen los cambios
individuales. Se sabe que casos específicos
introducen el cambio.
La desventaja,a veces resulta muy difícil
obtener con exactitud a los mismos sujetos
para una segunda medición u observaciones
subsecuentes.
Sirve para estudiar poblaciones o grupos más
específicos y es conveniente cuando se tiene
poblaciones relativamente estáticas.
Recolección de Datos en Recolección de Datos en Recolección de Datos en Recolección de Datos en

Población o Subpoblación Población o Subpoblación Población o Subpoblación o Población o Subpoblación
o grupo ( Se mantienen o grupo ( Se mantienen grupo ( Se mantienen los o grupo ( Se mantienen
mismos individuos)
los mismos individuos) los mismos individuos)
los mismos individuos)

Metodología de la
Investigación
Población y Muestra ( Técnicas de Muestreo)

Decisión: Muestra o Censo
es la suma de todos los elementos que
comparten un conjunto común de características y que
constituyen el universo para el propósito del problema de la
investigación de mercados.
Población
Bernal: Sampieri: Anderson: Webster:
De acuerdo con Conjunto de todos Es el conjunto Es el conjunto o

Fracica, población los casos que de todos los colección de
es el conjunto de concuerdan con elementos de elementos sujetos,
todos los determinadas interés en individuos, objetos
elementos a los especificaciones determinado eventos que
cuales se refiere estudio.. constituyen el objeto
la investigación de estudio y cuyas
característica serán
analizadas.
El es la numeración completa de los elementos de
la población u objetos de estudio.
La es un subgrupo de elementos de la población

seleccionado para participar en el estudio.
Muestra
Muestra
Bernal: Sampieri: Anderson: Webster:
Es la parte de la Es en esencia un Es un Es un subconjunto de

población que se subgrupo de la subconjunto de casos de una
selecciona, de la población la población población.
cual realmente se
obtiene la
información para
el desarrollo del
estudio y sobre la
cuales efectuaran
la medición y
observación de
las variables.
Parámetro y Estadístico
 Parámetro: Es una medida numérica

que describe una característica de la
población.
 Estadístico: Es una medida numérica
muestra.
PASOS DEL PROCESO DE MUESTREO ( Tomado de Investigación
de Mercados; Ronald M. Weiers; Página 102)
Determinar la Población y los Parámetros Pertinentes
Escoger el Marco apropiado de Muestreo
Escoger entre el muestreo probabilístico y el muestreo no probabilístico
Escoger un Método de Muestreo
Escoger el tamaño necesario de la Muestra
Seleccionar la manera de Reunir la Información
Validar la Muestra
Analizar los datos y presentar los resultados

Técnicas de muestreo ( Investigación de Mercados; Naresh
Malhotra; Quinta Edición Página 340)
No probabilístico Probabilístico
Muestreo por Muestreo por Muestreo aleatorio Muestreo

conveniencia juicio simple estratificado
(Incidental) ( Intencional)
Muestreo Muestreo por
Muestreo por Muestreo de Sistemático conglomerados
cuotas bola de nieve
Muestreo por Conveniencia
• Muestreo por Conveniencia: busca obtener una muestra de elementos convenientes.
• La selección de las unidades de muestreo se deja principalmente al entrevistador.
• Muchas veces los encuestados son seleccionados porque se encuentran en el lugar y
momento adecuados.
• Ejemplos:
• 1) Grupos de Estudiantes
• 2) Grupos de Iglesias.
• 3) Entrevistas en centros comerciales sin calificar a los encuestados.
• 4) Entrevistas con “ gente de la calle”
Observación: Es la técnica de muestreo más económica y la que menos
tiempo consume. Posee muchas fuentes potenciales de sesgo de
selección. Las muestras por conveniencia no son representativas de
ninguna población definible, por lo que a nivel teórico no se puede
generalizar.
Observación: Esta técnica apenas es admisible utilizarla en la
investigación exploratoria para generar ideas.
Muestreo por Juicio
• Muestreo por Juicio: Forma de muestreo por conveniencia en la
que los elementos de la población se seleccionan de forma deliberada
con fundamento en el juicio del investigador.
• El investigador utiliza su juicio o experiencia para elegir a los elementos
que se incluirán en la muestra, porque considera que son
representativos de la población de interés.
• Ejemplos:
• 1) Mercados de prueba seleccionados para determinar el potencial de
un nuevo producto.
• 2) Tiendas de departamentos elegidas para probar un nuevo sistema de
exhibición de mercadería.
Muestreo “de Bola de Nieve”
• Muestreo “ de Bola de Nieve”: se selecciona un grupo
inicial de encuestados, por lo general al azar, a quienes después de
entrevistar se les solicita que identifiquen a otras personas que
pertenezcan a la población de interés. Los encuestados subsecuentes
se seleccionan con base en las referencias.
• El muestreo de bola de nieve se utiliza en la investigación industrial de
comprador vendedor ( también en la venta de artículos de valor
económico elevado).
• La mayor ventaja del muestreo de bola de nieve es que incrementa en
forma considerable la probabilidad de localizar las características
deseadas de la población.
Muestreo por Cuotas
• Muestreo por cuotas: Puede considerarse un muestreo por juicio
restringido de dos etapas. Primera Etapa: consiste en desarrollar
categorías de control, o cuotas de los elementos de la población. Para
desarrollar estas cuotas, el investigador lista las características de
control relevantes y determina su distribución en la población meta. Las
características de control relevantes ( que pueden incluir género, edad,
etc.) se identifican con base en el juicio. A menudo las cuotas se
asignan de forma que la proporción de los elementos de la muestra que
poseen las características de control sea igual a la proporción de los
elementos de la población con dichas características. En otras palabras,
las cuotas aseguran que la composición de la muestra se asemeje a la
composición de la población con respecto a las características de
interés.
• Segunda Etapa: se seleccionan los elementos de la muestra con base
en el juicio.
Muestreo Aleatorio Simple ( MAS)
Técnica de muestreo probabilístico donde cada

elemento de la población tiene la misma
probabilidad de ser seleccionado.
Cada elemento se selecciona de manera
independiente a los otros elementos y la
muestra se extrae mediante un proceso
aleatorio del marco de muestreo.
Muestreo Sistemático
Técnica de muestreo probabilístico en la que la muestra

se elige seleccionando un punto de inicio aleatorio, para
luego elegir cada n elemento en sucesión del marco de
muestreo.
Ejemplo: Suponga que la población consta de 100,000
elementos ( enumerados) y se desea una muestra de
1000; en este caso el intervalo de muestreo ( i) es 100.
Luego se elige un número aleatorio entre 1 y 100. Si
este número es, por ejemplo 23, la muestra estará
formada por los elementos 23, 123, 223, 323, 423, 523,
etc.
Muestreo Estratificado
Alocación óptima Proporcional No Proporcional

Técnica de muestreo probabilístico que utiliza un proceso

de dos pasos para dividir a la población en subpoblaciones o
estratos. Los elementos se seleccionan de cada estrato
mediante un proceso aleatorio.
Población
B
A
3. MUESTREO ESTRATIFICADO
Considera que al interior del universo

existen estratos (subgrupos internamente
homogéneos pero cualitativa y
cuantitativamente diferentes entre sí), y
que no se cumple la condición de selección
aleatoria pues los miembros del grupo
mayoritario tienen una mayor probabilidad
de ser seleccionados en la muestra.
ESTRATOS Homogéneos en su interior;
diferentes entre sí en propiedades y
tamaño
Comuna B
Comuna A
Comuna C
Comuna D
Los estratos más grandes

Tienen mayor probabilidad de ser representados
Cómo grantizar la aleatoriedad
en universos estratificados... ?
Puede usarse alguna de las siguientes

técnicas:
1. Muestreo Estratificado
Proporcional
2. Muestreo Estratificado No
Proporcional
3. Alocación óptima de los
estratos.
Muestreo Estratificado Proporcional
Establece la distribución proporcional del

universo y aplica esta distribución a su
tamaño muestral para conformar estratos
en la muestra.
Luego elige aleatoriamente los

elementos al interior de cada estrato
muestral hasta ajustar su tamaño.
Es mejor que el Muestreo Aleatorio

Simple pues disminuye el error estándar
de la medición muestral.
Muestreo Estratificado NO Proporcional
(Fracción variable de muestreo):
Ajusta convencionalmente los

tamaños de los estratos muestrales
para aumentar la eficiencia de la
selección de los grupos más
pequeños.
Esta condición se deberá tener en

cuenta al hacer inferencias (corregir
las inferencias).
MUESTREO
POR ALOCACIÓN OPTIMA DE LOS ESTRATOS
Selecciona el tamaño de los estratos

en función de la desviación estándar
de cada uno de ellos, de tal manera
que los estratos más heterogéneos
(mayores varianzas) aporten más
casos a la muestra total.
Muestra Probabilística Estratificada de Directores
de Empresa
Estrato por Directores de Recursos Total Muestra (298)
Giro Humanos del Giro Población (1176)
1 Siderúrgica 53 13
2 Metal y Afines 109 28
3 Alimentos, Bebidas, Tab 215 55
4 Papel y Afines 87 22
5 Eléctricas y Electrónicas 98 25
6 Automotriz 110 28
7 Química y Farmacéutica 81 20
8 Industria Madera 221 56
9 Comerciales 151 38
10 Textiles 51 13
Muestra Estratificada
.
.
Muestreo Estratificado ( Resumen)
a) Técnica de muestreo probabilístico que utiliza un proceso

de dos pasos para dividir a la población en subpoblaciones
o estratos.
b) Dentro del Estrato es necesario que los elementos sean
tan homogéneos como sea posible, mientras que los
elementos de los diferentes estratos requieren ser tan
heterogéneos como sea posible ( de A a B)
c) La población se divide en categorías mutuamente
excluyentes y colectivamente exhaustivas
Muestreo Estratificado ( Resumen)
d) La estrategia del muestreo estratificado se parece al muestreo por
cuotas, pero a diferencia del muestreo por cuotas, en el muestreo
estratificado, los elementos de la muestra se seleccionan de manera
probabilística y no con base en la conveniencia o juicio como ocurre en
el muestreo por cuotas.
e) Tenerpresente que en ocasiones el interés del investigador
es comparar los resultados entre segmentos, grupos o
nichos de la población, porque así lo señala el
planteamiento del problema de investigación. Por ejemplo,
efectuar comparaciones por género ( hombres y mujeres) ,
si la selección de la muestra es aleatoria, tendríamos
elementos de ambos géneros, y la muestra si reflejaría a la
población.
Una muestra Estratificada selecciona de la siguiente
Manera
 Se divide la población objeto en

subgrupos o estratos mutuamente
excluyentes y colectivamente
exhaustivos
 Se selecciona una muestra aleatoria
simple de cada estrato.
Muestreo por Conglomerados
Muestreo de Muestreo de dos Muestreo de

una etapa etapas etapas múltiples.
Muestreo por Muestreo

conglomerados probabilístico
simple proporcional al
tamaño
CONGLOMERADOS
Grupo 1A
Grupo 5C
Grupo 2A
Grupo 3B
Heterogéneos en su interior; diferentes entre sí en

propiedades y tamaño
 En todos los métodos de muestreo que hemos
analizado hasta ahora, los elementos que conforman
la muestra se seleccionan individualmente. En el
muestro por conglomerados, un conglomerado o
grupo de elementos se selecciona aleatoriamente. Por
tanto, antes de poder seleccionar una muestra por
conglomerados, la población debe dividirse en grupos
mutuamente excluyentes y colectivamente
exhaustivos. Luego se selecciona una muestra aleatoria
de estos grupos.
 Muestreo en el que las unidades de análisis se
encuentran encapsuladas en determinados lugares
físicos. ( Hernández Sampieri et al ; Quinta Edición;
página 182)
Ejemplo de Conglomerado, Racimos o Clusters
Unidad de Análisis Posibles

CONGLOMERADOS
Adolescentes Colegios
Obreros Industrias, Fabricas
Amas de casa Supermercados,
mercados, etc
Niños Escuelas
Ejemplo de Conglomerado, Racimos o Clusters
 Supongamos que deseamos muestrear a los empleados

de una gran empresa de fabricación, con el propósito
de averiguar su actitud ante ciertos paquetes alternos
de prestaciones.
 Un primer paso es enumerar los diferentes
departamentos
 Luego una selección aleatoria del muestreo de
departamentos.
 Muestreo de empleados.
Asignatura. Metodología de la
Investigación.
Tema: Operacionalización
de Variables
Objetivo:
• 1) Reconocer el proceso de operacionalización de

variables
• 2) Identificar Indicadores conforme lo requiere el
Objetivo de Investigación.
Contenido conceptual:
• Proceso de Operacionalización de Variables.

¿ Donde identificamos a las variables en
un estudio de investigación?
• En el problema aparecen la variables principales.
• En el Objetivo : se formulan en función a las

variables.
• La Hipótesis , se formula en relación a las variables

¿ Qué es una variable?
• La variable es determinada característica o propiedad del

objeto de estudio, a la cual se observa y/o cuantifica en la
investigación y que puede variar de un elemento a otro.
• Ejemplo de variables : La motivación intrínseca hacia el

trabajo; el atractivo físico; el aprendizaje de conceptos; el
rendimiento académico; el éxito profesional.
Clasificación de las variables
• Por la relación que se establecen en las mismas variables
(causa – efecto)
• Variable Independiente (V.I).- Es relativamente autónoma,
viene a ser el factor determinante o causa que explica un
fenómeno.
• Variable Dependiente (V.D).-Su existencia y desenvolvimiento
depende de la independiente. Viene a ser el efecto o aspecto
determinado.
– VI = Desarrollo neuromotor (V. Independiente)

– VD = EL rendimiento académico (V. Dependiente)
– Variable Interviniente o Moderadora (V.M).- Es la que

interviene entre la variable dependiente y la variable
independiente. En este caso, podría ser el estado
emocional del estudiante.
Operacionalización de la variable
• Al realizar una investigación, cualquiera sea el tipo de
estudio, no sólo es importante identificar las variables que se
toman en consideración, sino definirlas con la mayor
precisión posible.
• Operacionalizar una variable es simplemente definir la

manera en que se observará y medirá cada característica del
estudio y tiene un sentido práctico fundamental
Operacionalización de la variable
• Es llevar una variable que está en términos
abstractos a un nivel operacional, empírico.
• Algunas variables no ofrecen mayor dificultad en

cuanto a su descripción, definición y medición, otras
más complejas se tienen que descomponer en
específicas, que tengan el mismo significado y sean
susceptibles de medición.
¿PARA QUÉ OPERACIONALIZAR UNA
VARIABLE TEÓRICA?
• Para tener una conceptualización clara de la
variable.
• Para convertirla en una o más variables empíricas
(indicadores) que son directamente observables.
• Para construir instrumentos que nos permitan
observar dichos indicadores.
• Para realizar una observación o medición
indirecta de la variable teórica.
DECLARACIÓN DE VARIABLES
X1: Producto
Estrategia de marketing
mix para las artesanías
X4: Promoción lencas en San Pedro X2: Precio
Sula y Tegucigalpa,
2
Honduras.
X3: Plaza
Tabla de Operacionalización
Autoría
Nombre del Docente: José T Mejía
Cargo: Docente PG Sede Próceres
Bibliografía:
Metodología de la Investigación
Variables e Hipótesis
Subcompetencia
No Subcompetencias de la Semana 3 Nivel
3.A Identifica necesidades de información y problemas de decisión gerencial Básico
Contenido conceptual:
Características de las Hipótesis
Tipos de Variables
Clasificación de las Hipótesis.

¿Qué son las Hipótesis?
 Explicaciones tentativas del fenómeno investigado, 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.
 De hecho son respuestas provisionales a las preguntas
de investigación
 Las hipótesis son el centro, la médula o el eje del método
deductivo cuantitativo.
¿ 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” ( la realidad).
Como argumenta Rojas ( 2001), las hipótesis sólo pueden
someterse a prueba en un universo y un contexto bien definidos.
Ver página 106.
2. Las variables o términos de las hipótesis deben ser

comprensibles, precisos y lo más concreto posible. Términos
vagos o confusos no tienen cabida en una hipótesis. Así,
globalización de la economía y sinergia organizacional son
conceptos imprecisos y generales.
una hipótesis?
3. La relación propuesta entre variables por una hipótesis debe
ser clara y verosímil ( LOGICA). Es indispensable que quede
clara la forma en que se relacionan las variables.
4. La hipótesis: “ La disminución del consumo del petróleo en

Estados Unidos está relacionado con el grado de aprendizaje
del álgebra por parte de las alumnas y alumnos de la Escuela
Urbana Mixta Francisco Morazán de la Ciudad de San Pedro
Sula”.
 ¿Es verosímil?
una hipótesis?
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 ( y conocemos) técnicas o
herramientas estadísticas y de investigación para
verificarla.
¿ En toda Investigación Cuantitativa
debemos plantear Hipótesis?
Formulación de hipótesis en estudios cuantitativos con

diferentes alcances.
Alcance del Estudio Formulación de Hipótesis
Exploratorio No se Formulan Hipótesis
Sólo se formulan hipótesis cuando se

Descriptivo
pronostica un hecho o dato
Correlacional Se formulan hipótesis correlacionales
Explicativo Se formulan hipótesis Causales

Tipos de hipótesis
Hipótesis
H. de H. H. H.
investigación nula alternativa estadística
De
De De De diferencia
Correlac diferencia Idem Idem estimación correlación de
Descriptiva Causal
ional de medias
grupos
¿ Las Hipótesis son siempre
Verdaderas?
 Las hipótesis no necesariamente
son verdaderas, pueden o no
serlo, y pueden o no comprobarse
con datos.
 Son explicaciones tentativas, no
los hechos en sí.
 Al formularlas, el investigador no
está totalmente seguro de que se
van a comprobar.
 Ver página 123
Ejemplos de Hipótesis
 La proximidad geográfica entre los hogares de las parejas de novios
está relacionada positivamente con el nivel de satisfacción que les
proporciona su noviazgo.
 El índice de cáncer pulmonar es mayor entre los fumadores que
entre los no fumadores.
 Los Mexicanos no poseen una cultura fiscal.
 Si la roca caliza extraída de Quintana Roo es tratada con el
procedimiento ECA, resulta un agregado pétreo de mayor calidad
que si no se realiza dicho procedimiento.
 Conforme se desarrollan las psicoterapias orientadas en el paciente,
aumentan las expresiones verbales de discusión y exploración de
planes futuros personales y disminuyen las manifestaciones de
hechos pasados.
¿ Qué son las Variables?
 Note que, por ejemplo, en la primera hipótesis se vincula dos
variables: proximidad geográfica entre los hogares de los
novios y nivel de satisfacción en la relación.
 Una variable es una propiedad que puede fluctuar y cuya

variación es susceptible de medirse u observarse.
 Las variables adquieren valor para la investigación científica

cuando llegan a relacionarse con otras variables, es decir, si
forman parte de una hipótesis o una teoría. En este caso se
les suele denominar constructos o construcciones hipotéticas.
¿ Qué tipos de Hipótesis se
pueden establecer?
• Existen diversas formas de clasificar las hipótesis, en
este apartado, nos limitaremos a los siguientes tipos:
Hipótesis de
Hipótesis Nulas
Investigación.
Hipótesis Hipótesis
Alternativas Estadísticas.
Tipos de hipótesis
Hipótesis
H. de H. H. H.
investigación nula alternativa estadística
De
De De De diferencia
Correlac diferencia Idem Idem estimación correlación de
Descriptiva Causal
ional de medias
grupos
¿ Qué son las hipótesis de
Investigación?
 Lo que a lo largo de este capítulo hemos definido como
hipótesis son en realidad las HIPÓTESIS DE
INVESTIGACIÓN. Éstas se definen como proposiciones
tentativas acerca de las posibles relaciones entre dos o más
variables. También se les denomina hipótesis de trabajo.
 Pueden dividirse en:
– Hipótesis descriptivas de un valor o dato pronosticado.
– Hipótesis Correlacionales
– Hipótesis de Diferencia de Grupos
– Hipótesis Causales
Hipótesis Descriptivas de un dato o
valor que se pronostica
 Son proposiciones tentativas sobre la o las posibles
relaciones entre dos o más variables.
 Se utilizan a veces en estudios descriptivos, para intentar
predecir un dato o valor en una o más variables que se van a
medir u observar.
 Ejemplos:
– Hi: El aumento del número de divorcios de parejas cuyas
edades oscilan entre 18 y 25 años, será del 20% en el año
2011 para el área urbana del Municipio del Distrito Central.
– Hi: La Inflación en el año 2011 no será superior al 8%.
Hipótesis Correlacionales
 Especifican las relaciones entre dos o más variables y
corresponden a los estudios correlacionales.
 Sin embargo, las hipótesis correlacionales no sólo pueden

establecer que dos o más variables se encuentran vinculadas,
sino también cómo están asociadas. Alcanzan el nivel
predictivo y parcialmente explicativo.
 En los siguientes ejemplos, no sólo se establece que hay

relación entre las variables, sino también cómo es la relación (
qué dirección sigue).
Ejemplos de Hipótesis
Correlacionales
 A mayor autoestima, habrá menor temor al éxito. ( Aquí la
hipótesis nos señala que, cuando una variable aumenta, la otra
disminuye; y si ésta disminuye, aquella aumenta).
 Quienes logran más altas puntuaciones en el examen de

estadística tienden a alcanzar las puntuaciones más elevadas
en el examen de Economía. ( Página 109)
 A mayor cultura fiscal, habrá mayor recaudación de impuestos.

( Aumenta la cultura fiscal y se incrementa la recaudación
tributaria)
Hipótesis de la Diferencia entre
Grupos
 Estas hipótesis se formulan en investigaciones cuya finalidad es comparar
grupos .
 Ejemplo: un publicista piensa que un comercial televisivo en blanco y negro,
cuyo objetivo es persuadir a los adolescentes que comienzan a fumar para
que dejen de hacerlo, tiene una eficacia diferente que un comercial a
colores.
 Pregunta de Investigación: ¿ Tendrá igual efecto un comercial televisivo
en blanco y negro que uno en colores, cuyo mensaje es persuadir a los
adolescentes que comienzan a fumar para que dejen de hacerlo?.
 Y su hipótesis quedaría formulada así:
 Hi: El efecto persuasivo para dejar de fumar no será igual en los
adolescentes que vean la versión del comercial televisivo en colores, que el
efecto en los adolescentes que vean la versión del comercial en blanco y
negro.
Hipótesis que establecen Relaciones
de Causalidad
 Este tipo de hipótesis no solamente afirma la o las relaciones
entre dos o más variables y la manera en que se manifiestan,
sino que además propone un “ SENTIDO DE
ENTENDIMEINTO” de las relaciones. Tal sentido puede ser más
o menos completo, esto depende del número de variables que
se incluyan, pero todas estas hipótesis establecen relaciones de
causa- efecto.
 Ejemplos
– La desintegración del matrimonio provoca baja autoestima en los hijos e
hijas.
– La falta de preparación de asesores contables genera una menor cultura
fiscal.
– Un clima organizacional negativo crea bajos niveles de innovación en los
empleados.
Hipótesis causales
• La desintegración del matrimonio provoca baja
autoestima en los hijos e hijas.
X (independiente)  Y (dependiente)
¿ Qué son las Hipótesis Nulas?
 Las hipótesis nulas son, en cierto modo, el reverso de las
hipótesis de investigación. También constituyen proposiciones
acerca de la relación entre variables, sólo que sirven para
refutar o negar lo que afirma la hipótesis de investigación.
 Hi: El aumento del número de divorcios de parejas cuyas
edades oscilan entre 18 y 25 años, será del 20% en el año 2011
para el área urbana del Municipio del Distrito Central.
 Ho: El aumento del número de divorcios de parejas cuyas
edades oscilan entre 18 y 25 años NO será de 20% el el año
2011 para el área urbana del Municipio del Distrito Central.
¿ Qué son las Hipótesis
Alternativas?
 Son posibilidades diferentes o “ alternas” ante la hipótesis de
investigación y la hipótesis nula.
 Las hipótesis alternativas se simbolizan como Ha y sólo pueden
formularse cuando efectivamente hay otras posibilidades, además de
las hipótesis de investigación y nula. De no ser así, no deben
formularse.
 Ejemplos.
– Hi: El Candidato A obtendrá en la elección para la presidencia de Honduras
entre 50 y 60% de la votación total.
– Ho: El Candidato A NO obtendrá en la elección para la presidencia de Honduras
entre 50 y 60% de la votación total.
– Ha: El Candidato A obtendrá en la elección para la presidencia de Honduras
más del 60% de la votación total.
– Ha: El Candidato A obtendrá en la elección para la presidencia de Honduras
menos del 50% de la votación total.
¿ Qué son las Hipótesis
Estadísticas?
 Las hipótesis estadísticas son exclusivas del enfoque cuantitativo
( o si se tiene un componente considerable de éste) y
representan la transformación de las hipótesis de investigación,
nulas y alternativas en símbolos estadísticos.
 Básicamente existen tres tipos de hipótesis estadísticas, que

corresponden a clasificaciones de las hipótesis de investigación y
nula.
De De De Diferencias
Estimación. Correlación. de Medias.
Hipótesis Estadísticas de
Estimación
• Sirven para evaluar la suposición de un investigador respecto al valor de
alguna característica de una muestra de individuos u objetos, y de una
población. Se basa en información previa. La estimación de estas hipótesis no
se limita a promedios; puede incluirse cualquier estadística (porcentajes,
medianas, modas).
• Ejemplo:
– Hi: “El promedio mensual de casos de trastorno psiconeurótico caracterizados por reacción
asténica, que fueron atendidos en los hospitales de la ciudad de Danlí, es mayor a 200.”
– Hi: X > 200 (promedio mensual de casos atendidos)
– La hipótesis estadística nula sería la negación de la hipótesis anterior:
– Ho: X < 200 (“ El promedio mensual de casos… es menor que 200”)
– Nota una reacción asténica, es una condición siconeurótica, caracterizada por la fatiga e irritabilidad
crónica.
Hipótesis Estadísticas de
Correlación
Hipótesis Estadísticas de la
Diferencia de Medias u otros
Valores.
Tipos de Variables
 En las hipótesis causales se identifican tres variables:
1. Independiente, todo aspecto, hecho, situación, rasgo, que se
considera como la “causa de” en una relación entre variables.
2. Dependiente, el resultado o efecto producido por la acción de la

variable independiente.
3. Interviniente, todos aquellos aspectos, hechos y situaciones del

medio ambiente, las características del sujeto/objeto de la
investigación, el método de la investigación, que están presentes
o intervienen en el proceso de la interrelación de las variables
independiente y dependiente.
El planteamiento del
problema de Investigación
“El costo del dinero (tasa de interés) en el mercado
bancario de Changuinola determina el Monto de
inversión de las empresas”
 Independiente: Costo del dinero (Causa)
 Dependiente: Monto de inversión (Efecto)
 Intervinientes: Condiciones sociales y
económicas del país, capacidad de inversión por
parte de las empresas.
¿ Qué es la Prueba de Hipótesis?
Procedimiento para verificar hipótesis
En general la prueba de hipótesis puede resumirse
en los siguientes pasos:
Recolectar los datos

Elegir la prueba Definir el nivel de
Formular la hipótesis de una muestra
estadística adecuada significación
representativa
Transformar la media
Conclusión, rechazo Estimar la desviación
de la muestra en
o aceptación de la Tomar la decisión estándar de la
valores z o t, según
hipótesis objeto de estadística distribución muestral
la prueba estadística
estudio de la media.
seleccionada.
Definición operativa y conceptual de las
Variables.
 Básicamente, la definición conceptual de las variables constituye
una abstracción articulada en palabras para facilitar su
comprensión y su adecuación a los requerimientos prácticos de la
investigación.
 Puede pensarse como la definición que nos da un diccionario de
determinado concepto. A esta definición también se la suele
denominar constitutiva, y da cuenta de la realidad a la que remiten
las variables analizadas. La adecuación de la conceptualización
depende de su utilidad en la construcción de teorías para explicar
los resultados de la investigación.
– Por ejemplo, la definición conceptual de la variable productividad para el
caso citado con anterioridad, podría ser: Capacidad de un aspecto
productivo para crear bienes o servicios en determinada unidad de
tiempo
Definición Operacional de una
Variable
 Una definición operacional está constituida por una serie de procedimientos o
indicaciones para realizar la medición de una variable definida conceptualmente
(Kerlinger, F.; 1979).
 En la definición operacional se debe tener en cuenta que lo que se intenta es

obtener la mayor información posible de la variable seleccionada, de modo que se
capte su sentido y se adecue al contexto, y para ello se deberá hacer una
cuidadosa revisión de la literatura disponible sobre el tema de investigación.
 Para el caso que venimos desarrollando, la definición operacional de la variable

productividad, podría ser la siguiente: cantidad de bienes producidos por un
trabajador en una jornada laboral de ocho horas. Debido a que en el ejemplo se
pretende buscar una relación entre motivación y productividad, la definición
operacional de la variable productividad se circunscribe al trabajo realizado por un
trabajador en determinado lapso de tiempo, ya que si el objeto de estudio hubiese
sido, demos el caso, analizar la productividad en relación con el uso de ciertos
materiales o maquinarias, entonces la definición operacional hubiese sido otra.
Variable
 El investigador, al formular la definición operacional, debe
considerar las condiciones contribuyentes, contingentes y
alternativas al problema que trata. Una condición contribuyente
aumenta la posibilidad de que un fenómeno ocurra pero no lo
hace implícito o cierto, ya que por sí misma no causa el
fenómeno sino que es uno entre otros tantos factores que
inciden en su ocurrencia.
 Las condiciones contingentes y alternativas que inciden en la
medición de una variable son más proclives a ser analizadas
en las investigaciones sociales.
Variable
• La operacionalización de las variables está estrechamente vinculada al tipo de
técnica o metodología empleadas para la recolección de datos. Estas deben
ser compatibles con los objetivos de la investigación, a la vez que responden al
enfoque empleado, al tipo de investigación que se realiza.
• Estas técnicas, en líneas generales, pueden ser cualitativas o cuantitativas.
Las técnicas cuantitativas se emplean cuando el universo de estudio es amplio
y la complejidad de las variables posibilita una aceptable desagregación en
niveles susceptibles de cuantificarse y ser analizados.
• La encuesta es el instrumento de recolección de datos más utilizado en las
investigaciones cuantitativas. Por su parte, las técnicas cualitativas son más
utilizadas en las investigaciones exploratorias, su flexibilidad permite la
construcción de categorías en la búsqueda, análisis e interpretación de los
datos obtenidos. Con esta técnica, empleada por ejemplo en las entrevistas en
profundidad, se produce una interacción permanente entre la observación y la
reflexión, entre lo descriptivo y lo explicativo.
Operacionalización Variable Muñeca
Bonita
Definición Preguntas
Variable Definición
Independiente
Operacional Indicadores En el
Conceptual
Cuestionario
1) Acerca del
Se redacta con
pelo
los indicadores
2) Acerca de la
Podría ser.
Tipo de Pelo forma de los
Muñeca; que
Forma de los ojos
Buscar en un tenga pelo rubio;
Muñeca ojos 3) Acerca del
Libro y se cita ojos grandes y
Bonita Vestido vestido
conforme APA azules; Vestido
Figura 4) Acerca de la
de tela de color
Tez figura
rosado, figura
5) Acerca del
esbelta y tez
color de la
blanca.
Tez
AUTORÍA
Nombre del Docente: José T. Mejía
Bibliografía: Metodología de la Investigación. Sexta Edición. Roberto Hernández Sampieri

Metodología de la Investigación
Subcompetencia
No Subcompetencias de la Semana 8 Nivel

3.A Identifica necesidades de información y problemas de decisión Básico
gerencial
Muestra, Población, Universo

Marco Muestral
Tipos de Muestreo
Tamaño de la Muestra
• La población es la suma de todos los elementos que
comparten un conjunto común de características y que
constituyen el universo para el propósito del problema de
la investigación de mercados.
• De acuerdo con Fracica, población es
Bernal el conjunto de todos los elementos a los
cuales se refiere la investigación
 Conjunto de todos los casos que

Hernández Sampieri: concuerdan con determinadas
especificaciones
• Es el conjunto de todos los elementos de

Anderson: interés en determinado estudio..
• Es el conjunto o colección de elementos

sujetos, individuos, objetos eventos que
Webster: constituyen el objeto de estudio y cuyas
característica serán analizadas.
• El censo es la numeración completa de los elementos
de la población u objetos de estudio.
• La muestra es un subgrupo de elementos de la

población seleccionado para participar en el estudio.
• Es la parte de la población que se selecciona, de la
cual realmente se obtiene la información para el
Bernal
desarrollo del estudio y sobre la cuales efectuaran
la medición y observación de las variables.
Hernández
• Es en esencia un subgrupo de la población
Sampieri:
Anderson: • Es un subconjunto de la población
Webster: • Es un subconjunto de casos de una población

 Parámetro: Es una medida numérica
población.
 Estadístico: Es una medida numérica

muestra.
Escoger entre el
Determinar la
Escoger el Marco muestreo
Población y los
apropiado de probabilístico y el
Parámetros
Muestreo muestreo no
Pertinentes
probabilístico
Seleccionar la Escoger el tamaño Escoger un

manera de Reunir necesario de la Método de
la Información Muestra Muestreo
Analizar los datos y

Validar la Muestra presentar los
resultados
No probabilístico Probabilístico
Muestreo por conveniencia

Muestreo aleatorio simple
(Incidental)
Muestreo por juicio

Muestreo estratificado
(Intencional)
Muestreo por cuotas Muestreo Sistemático
Muestreo de bola de nieve Muestreo por conglomerados

 Muestreo por Conveniencia:
Observación: Es la técnica de
busca obtener una muestra de
muestreo más económica y la
elementos convenientes. que menos tiempo consume.
 La selección de las unidades de Posee muchas fuentes
muestreo se deja principalmente potenciales de sesgo de
al entrevistador. selección. Las muestras por
conveniencia no son
 Muchas veces los encuestados representativas de ninguna
son seleccionados porque se población definible, por lo que
encuentran en el lugar y a nivel teórico no se puede
momento adecuados. generalizar.
 Ejemplos:
1. Grupos de Estudiantes
2. Grupos de Iglesias.
3. Entrevistas en centros comerciales Observación: Esta técnica
sin calificar a los encuestados. apenas es admisible utilizarla
en la investigación
4. Entrevistas con “ gente de la calle”
exploratoria para generar
ideas.
 Forma de muestreo por conveniencia en la que los
elementos de la población se seleccionan de forma
deliberada con fundamento en el juicio del investigador.
 El investigador utiliza su juicio o experiencia para elegir a los

elementos que se incluirán en la muestra, porque considera
que son representativos de la población de interés.
 Ejemplos:
1. Mercados de prueba seleccionados para determinar el
potencial de un nuevo producto.
2. Tiendas de departamentos elegidas para probar un
nuevo sistema de exhibición de mercadería.
 Se selecciona un grupo inicial de encuestados, por lo
general al azar, a quienes después de entrevistar se les
solicita que identifiquen a otras personas que pertenezcan
a la población de interés. Los encuestados subsecuentes se
seleccionan con base en las referencias.
 El muestreo de bola de nieve se utiliza en la investigación
industrial de comprador vendedor ( también en la venta de
artículos de valor económico elevado).
 La mayor ventaja del muestreo de bola de nieve es que
incrementa en forma considerable la probabilidad de
localizar las características deseadas de la población.
 Puede considerarse un muestreo por juicio restringido de dos
etapas.
1. Primera Etapa: consiste en desarrollar categorías de control, o
cuotas de los elementos de la población. Para desarrollar
estas cuotas, el investigador lista las características de control
relevantes y determina su distribución en la población meta.
Las características de control relevantes ( que pueden incluir
género, edad, etc.) se identifican con base en el juicio. A
menudo las cuotas se asignan de forma que la proporción de
los elementos de la muestra que poseen las características de
control sea igual a la proporción de los elementos de la
población con dichas características.
En otras palabras, las cuotas aseguran que la composición de
la muestra se asemeje a la composición de la población con
respecto a las características de interés.
2. Segunda Etapa: se seleccionan los elementos de la muestra
con base en el juicio.
 Supongamos que se necesita hacer un
estudio acerca del Colegio de Abogados
de Honduras.
 El Cálculo del tamaño de la muestra resultó

ser de 384 elementos muestrales.
 Asuma que la población al día con las

cuotas de afiliación es de 22,500
abogados en todo Honduras.
Datos Formula
Z=1.96 con un grado de

significancia de 95%
P=0.5
Q=0.5
E=0.05
N=22500
Asuma que únicamente se cuenta con diez
capítulos de Abogados, conforme se muestra:
Ciudad Cantidad de Colegiados al día

Tegucigalpa 5650
San Pedro Sula 4500
La Ceiba 2500
El progreso 2250
Comayagua 2000
Juticalpa 1750
Choluteca 1500
Danlí 1200
Santa Rosa de Copán 650
Santa Bárbara 500
Totales 22,500
22500 es a 384
Como: 5650 es a X
Entonces
X= (5650)*( 385)/ (22500)
Por lo tanto X= 96
Es decir que se deben encuestar a
96 Abogados del capítulo de
Tegucigalpa y así sucesivamente.
Ciudad Cantidad de Colegiados
Tegucigalpa 96
San Pedro Sula 77
La Ceiba 43
El progreso 38
Comayagua 34
Juticalpa 30
Choluteca 26
Danlí 20
Santa Rosa de Copán 11
Santa Bárbara 9
Totales 384
 Técnica de muestreo probabilístico donde cada elemento de la
población tiene la misma probabilidad de ser seleccionado.
 Cada elemento se selecciona de manera independiente a los

otros elementos y la muestra se extrae mediante un proceso
aleatorio del marco de muestreo.
Ejemplo
 Técnica de muestreo
probabilístico en la que la Suponga que la población
muestra se elige consta de 100,000 elementos
seleccionando un punto (enumerados) y se desea una
de inicio aleatorio, para muestra de 1000; en este caso el
luego elegir cada n intervalo de muestreo ( i) es 100.
elemento en sucesión del Luego se elige un número
marco de muestreo. aleatorio entre 1 y 100. Si este
número es, por ejemplo 23, la
muestra estará formada por los
elementos 23, 123, 223, 323, 423,
523, etc.
Alocación óptima
Muestreo Estratificado Proporcional
No Proporcional
 Técnica de muestreo probabilístico que utiliza un proceso
de dos pasos para dividir a la población en
subpoblaciones o estratos.
 Los elementos se seleccionan de cada estrato mediante
un proceso aleatorio.
Población
A B
Considera que al interior del universo
existen estratos (subgrupos internamente
homogéneos pero cualitativa y
cuantitativamente diferentes entre sí), y
que no se cumple la condición de
selección aleatoria pues los miembros
del grupo mayoritario tienen una mayor
probabilidad de ser seleccionados en la
muestra.
Homogéneos en su interior; diferentes
ESTRATOS entre sí en propiedades y tamaño
Comuna B
Comuna A
Comuna C
Comuna D
Los estratos más grandes

Tienen mayor probabilidad de ser representados
Puede usarse alguna de las siguientes técnicas:
1. Muestreo 2. Muestreo
Estratificado Estratificado No
Proporcional Proporcional
3. Alocación óptima
de los estratos.
 Establece la distribución proporcional del
universo y aplica esta distribución a su tamaño
muestral para conformar estratos en la muestra.
 Luego elige aleatoriamente los elementos al

interior de cada estrato muestral hasta ajustar
su tamaño.
 Es mejor que el Muestreo Aleatorio Simple pues

disminuye el error estándar de la medición
muestral.
 Ajusta convencionalmente los tamaños de
los estratos muestrales para aumentar la
eficiencia de la selección de los grupos
más pequeños.
 Esta condición se deberá tener en cuenta

al hacer inferencias (corregir las
inferencias).
 Selecciona el tamaño de los estratos en
función de la desviación estándar de cada
uno de ellos, de tal manera que los estratos
más heterogéneos (mayores varianzas)
aporten más casos a la muestra total.
Estrato Directores de Recursos Total
Muestra (298)
por Giro Humanos del Giro Población (1176)
1 Siderúrgica 53 13
2 Metal y Afines 109 28
3 Alimentos, Bebidas, Tab 215 55
4 Papel y Afines 87 22
5 Eléctricas y Electrónicas 98 25
6 Automotriz 110 28
7 Química y Farmacéutica 81 20
8 Industria Madera 221 56
9 Comerciales 151 38
10 Textiles 51 13
Selección de una muestra estratificada
• Una empresa quiere seleccionar una muestra de 32

empleados de tiempo completo, a partir de una población
compuesta de 800 empleados de tiempo completo, con el
fin de recabar información sobre los gastos referentes al plan
de servicios dentales que les brinda. De todos ellos el 25% es
personal administrativo y el 75% no.
• ¿Cómo seleccionaría la muestra estratificada, con el fin de
que la muestra represente a los trabajadores administrativos
en la proporción correcta?
SOLUCION
• Si supone una tasa de respuesta del 80%, necesitará distribuir 40
formularios para obtener las 32 respuestas deseadas. El marco está
formado por una lista con los nombres y números de correo de todos
los N=800 empleados de tiempo completo incluidos en los archivos
de personal de la empresa. Como el 25% de los empleados de
tiempo completo son administrativos, primero divida el marco
poblacional en dos estratos: una lista subpoblacional con cada uno
de los 200 trabajadores de nivel administrativo y otra lista
subpoblacional con cada uno de los 600 trabajadores de tiempo
completo no administrativos. Puesto que el primer estrato se
compone de una lista con 200 administrativos, le asigna códigos
numéricos de tres dígitos del 001 al 200. Como el segundo estrato
contiene una lista de 600 trabajadores no administrativos, le asigna
códigos numéricos de tres dígitos del 001 al 600.
Para recopilar una muestra estratificada proporcional a las
dimensiones de los estratos, se selecciona el 25% de la muestra
general de primer estrato y el 75% restante del segundo. Usted
toma dos muestras aleatorias simples distintas, cada una basada
en un punto de partida aleatorio diferente en la tabla de
números aleatorios (tabla E.1). De la primera muestra, selecciona
10 de las personas incluidas en la lista de 200 trabajadores
administrativos que componen el primer estrato, y la segunda
muestra selecciona 30 de las personas incluidas en la lista de 600
trabajadores no administrativos que componen al segundo
estrato. Luego combina los resultados, para reflejar la
composición de toda la empresa.
a) Técnica de muestreo probabilístico que utiliza un
proceso de dos pasos para dividir a la población en
subpoblaciones o estratos.
b) Dentro del Estrato es necesario que los elementos sean

tan homogéneos como sea posible, mientras que los
elementos de los diferentes estratos requieren ser tan
heterogéneos como sea posible ( de A a B)
c) La población se divide en categorías mutuamente

excluyentes y colectivamente exhaustivas
d) La estrategia del muestreo estratificado se parece al
muestreo por cuotas, pero a diferencia del muestreo por
cuotas, en el muestreo estratificado, los elementos de la
muestra se seleccionan de manera probabilística y no
con base en la conveniencia o juicio como ocurre en el
muestreo por cuotas.
e) Tener presente que en ocasiones el interés del

investigador es comparar los resultados entre
segmentos, grupos o nichos de la población, porque así
lo señala el planteamiento del problema de
investigación. Por ejemplo, efectuar comparaciones
por género ( hombres y mujeres) , si la selección de la
muestra es aleatoria, tendríamos elementos de ambos
géneros, y la muestra si reflejaría a la población.
 Se divide la población objeto en
subgrupos o estratos mutuamente
excluyentes y colectivamente exhaustivos
 Se selecciona una muestra aleatoria

simple de cada estrato.
Muestreo de una Muestreo de dos Muestreo de

etapa etapas etapas múltiples
Muestreo
Muestreo por
probabilístico
conglomerados
proporcional al
simple
tamaño
Grupo 1A
Grupo 5C
Grupo 2A
Grupo 3B
Heterogéneos en su interior; diferentes entre sí en

propiedades y tamaño
 En todos los métodos de muestreo que hemos analizado
hasta ahora, los elementos que conforman la muestra se
seleccionan individualmente.
 En el muestro por conglomerados, un conglomerado o

grupo de elementos se selecciona aleatoriamente.
 Por tanto, antes de poder seleccionar una muestra por

conglomerados, la población debe dividirse en grupos
mutuamente excluyentes y colectivamente exhaustivos.
 Luego se selecciona una muestra aleatoria de estos

grupos.
 Muestreo en el que las unidades de análisis
se encuentran encapsuladas en
determinados lugares físicos. ( Hernández
Sampieri et al ; Quinta Edición; página 182)
Posibles
Unidad de Análisis
CONGLOMERADOS
Adolescentes Colegios
Obreros Industrias, Fabricas
Amas de casa Supermercados,
mercados, etc
Niños Escuelas
 Supongamos que deseamos muestrear a los
empleados de una gran empresa de fabricación, con
el propósito de averiguar su actitud ante ciertos
paquetes alternos de prestaciones.
 Un primer paso es enumerar los diferentes

departamentos.
 Luego una selección aleatoria del muestreo de

departamentos.
 Muestreo de empleados.

Examen Metodología de Investigación

Cargado por

Copyright:

Formatos disponibles

Examen Metodología de Investigación

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Examen Metodología de Investigación

Cargado por

Copyright:

Formatos disponibles

Las Hipótesis

Son las guías para una investigación o estudio

La hipótesis son el centro, la médula o el eje del

 Una variable es una propiedad que puede fluctuar y

 Es natural que las hipótesis surjan del planteamiento

 Es decir, provienen de la revisión misma de la

 2. Las variables o términos de las hipótesis deben ser

 3. La relación entre variables propuestas por una hipótesis debe

 4. Los términos o variables de la hipótesis deben ser observables

 5. Las hipótesis deben estar relacionadas con técnicas

 c) Hipótesis de la diferencia entre grupos

 d) Hipótesis que establecen relaciones de causalidad

 Como se ha mencionado las hipótesis del proceso

 No siempre los datos apoyan las

 2. Asegurarnos de que las variables pueden ser

 3. Confrontar nuestra investigación con otras similares.

 Que es una definición conceptual o constitutiva

 Que son definiciones operacionales

Y para realizarlo se toma en cuenta los siguientes

a) Variables: explican los datos de la codificación ítem por ítem.

b) La Matriz de datos: precisar los parámetros de la matriz de datos

El Diagrama Q-Q se utiliza para verificar que tanto la distribución de

Genaro: 1 = masculino Color de pelo: 1= negro

Iniciaremos con conceptos estadísticos que se aplican a la

Variables de la matriz de datos : Son columnas o ítems.

Variables de la investigación : Son las propiedades medidas y

Relacionan las puntuaciones con sus respectivas frecuencias,

• La confiabilidad se calcula y evalúa para todo el instrumento de medición

• La fiabilidad se establece para cada escala y para el total de escalas.

• Todos utilizan formulas que producen coeficientes de fiabilidad que pueden

• Cuando mas se acerque el coeficiente a cero, mayor error Habra en la

1. Medida de estabilidad: en este procedimiento un mismo instrumento

2. Metodo de formas alternativas o paralelas: en este esquema no se

4. Medidas de coherencia o consistencia interna: coeficientes que

¿Cuáles son las presuposiciones de la estadística no

a) La mayoría de estos análisis no requieren de

b) Las variables no necesariamente tienen que estar

2. Los coeficientes de correlación e independencia para

3. Los coeficientes de correlaciones por rango ordenados de

Y para realizarlo se toma en cuenta los siguientes

a) Variables: explican los datos de la codificación ítem por ítem.

b) La Matriz de datos: precisar los parámetros de la matriz de datos

El Diagrama Q-Q se utiliza para verificar que tanto la distribución de

Genaro: 1 = masculino Color de pelo: 1= negro

Iniciaremos con conceptos estadísticos que se aplican a la

Variables de la matriz de datos : Son columnas o ítems.

Variables de la investigación : Son las propiedades medidas y

Relacionan las puntuaciones con sus respectivas frecuencias,

• La confiabilidad se calcula y evalúa para todo el instrumento de medición

• La fiabilidad se establece para cada escala y para el total de escalas.

• Todos utilizan formulas que producen coeficientes de fiabilidad que pueden

• Cuando mas se acerque el coeficiente a cero, mayor error Habra en la

1. Medida de estabilidad: en este procedimiento un mismo instrumento

2. Metodo de formas alternativas o paralelas: en este esquema no se

4. Medidas de coherencia o consistencia interna: coeficientes que

¿Cuáles son las presuposiciones de la estadística no

a) La mayoría de estos análisis no requieren de

b) Las variables no necesariamente tienen que estar

2. Los coeficientes de correlación e independencia para

3. Los coeficientes de correlaciones por rango ordenados de