Documente Academic
Documente Profesional
Documente Cultură
Departamento de Estadı́stica
PROYECTO DE TÍTULO II
PROYECTO DE TÍTULO II
Octubre de 2018
2 Ingenierı́a Estadı́stica
Universidad del Bı́o-Bı́o
Proyecto de Tı́tulo II
Resumen
El siguiente informe corresponde al Proyecto de Tı́tulo II denominado “Prevalencia en el
hábito de fumar de los estudiantes de la Universidad del Bı́o-Bı́o Sede Concepción”. Para
la realización de esta investigación, se contó con la participación de todas la carreras que
imparte la Universidad del Bı́o-Bı́o, sede Concepción contando además con el programa
de Bachillerato en Ciencias.
Previamente a la realización de la encuesta se hizo la validación del cuestionario a través
del método de Lawshe(1975)consultando a 8 jueces, los cuales fueron profesionales del
área de salud del departamento de bienestar estudiantil de la Universidad del Bı́o-Bı́o. En
esta investigación contamos con una población de 7277 estudiantes de la Universidad del
Bı́o.Bı́o, sede Concepción de las cuales se sacó una muestra estratificada a las cuatro facul-
tades más la escuela de Trabajo Social, siendo estos organismo los estratos de la muestra,
la muestra fue proporcional según la cantidad de estudiantes en cada facultad, siendo un
total de 365 estudiantes a encuestar y la proporción de encuestados por facultad fue de
197 estudiantes de la facultad de Ingenierı́a, 80 de la facultad de Ciencias Empresariales,
65 de la facultad de Arquitectura, Construcción y Diseño, 12 de la facultad de ciencias y
11 de la escuela de Trabajo Social. Se analizaron los resultados a través del programa Spss
y Excel, obteniendo resultados en tablas y gráficos, pudiendo interpretar la frecuencia y
el hábito de los estudiantes fumadores, los que dejaron de fumar y los estudiantes no
fumadores.
3 Ingenierı́a Estadı́stica
Universidad del Bı́o-Bı́o
Proyecto de Tı́tulo II ÍNDICE
Índice
1. Introducción 8
2. Objetivos 10
2.1. Objetivo General . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.2. Objetivos Especı́ficos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
3. Instrumento 11
4. Metodologı́a 12
5. Validación 14
5.1. Validez de contenido . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
5.2. Validez de Constructo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
5.3. Análisis factorial Exploratorio . . . . . . . . . . . . . . . . . . . . . . . . . 21
5.4. Consistencia interna (Alpha Ordinal) . . . . . . . . . . . . . . . . . . . . . 28
5.5. Análisis factorial Confirmatorio . . . . . . . . . . . . . . . . . . . . . . . . 30
6. Análisis descriptivo 33
6.1. Análisis y Resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
6.2. Análisis general del hábito de fumar . . . . . . . . . . . . . . . . . . . . . . 35
6.3. Análisis de estudiantes que han dejado el hábito de fumar . . . . . . . . . 43
6.4. Análisis de estudiantes que son fumadores . . . . . . . . . . . . . . . . . . 45
6.5. Análisis de estudiantes no fumadores . . . . . . . . . . . . . . . . . . . . . 49
6.6. Análisis bivariados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
7. Conclusión 58
8. Referencias Bibliográficas 59
9. ANEXO 61
4 Ingenierı́a Estadı́stica
Universidad del Bı́o-Bı́o
Proyecto de Tı́tulo II ÍNDICE DE FIGURAS
Índice de figuras
1. Gráfico de sedimentación . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2. Gráfico de componentes rotados . . . . . . . . . . . . . . . . . . . . . . . . 27
3. Coeficiente alpha en R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
4. Diagrama Ecuación estructural . . . . . . . . . . . . . . . . . . . . . . . . 32
5. Muestra seleccionada por Facultad . . . . . . . . . . . . . . . . . . . . . . 33
6. Edad de los estudiantes encuestados . . . . . . . . . . . . . . . . . . . . . . 34
7. Porcentaje de respuesta a la pregunta ¿Es o ha sido fumador? . . . . . . . 35
8. Histograma de la respuesta ¿A que edad aproximada comenzó a fumar? . . 36
9. Estudiantes encuestado por Facultad segun Sexo . . . . . . . . . . . . . . . 40
10. Histograma de la respuesta ¿A que edad aproximada dejo de fumar? . . . . 43
5 Ingenierı́a Estadı́stica
Universidad del Bı́o-Bı́o
Proyecto de Tı́tulo II ÍNDICE DE TABLAS
Índice de Tablas
1. Carreras que participaron en el muestreo . . . . . . . . . . . . . . . . . . . 13
2. valores de CVR Mı́nimo . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
3. Resultados de validación de Lawshe y Lawshe Modificado . . . . . . . . . . 19
4. Datos de Aceptación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
5. Item con valores Aceptados . . . . . . . . . . . . . . . . . . . . . . . . . . 20
6. Valores del indice KMO . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
7. KMO y Prueba de Bartlett . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
8. Comunalidades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
9. Varianza total explicada Autovalores (valores propios) . . . . . . . . . . . . 24
10. Matriz de componentes rotados . . . . . . . . . . . . . . . . . . . . . . . . 26
11. Interpretación Coeficiente Alpha . . . . . . . . . . . . . . . . . . . . . . . . 29
12. estadı́sticos de bondad de ajuste . . . . . . . . . . . . . . . . . . . . . . . . 32
13. Distrubucion de la pregunta ¿Con que frecuencia fumaba o fuma ? . . . . . 37
14. Distribución de la pregunta ¿Que fuma o fumaba habitualmente? . . . . . 38
15. Distribución de fumadoras según facultad . . . . . . . . . . . . . . . . . . . 39
16. Distribución de fumadores según Facultad . . . . . . . . . . . . . . . . . . 40
17. : Distribución de los que piensan que fumar perjudica o no la salud del
fumador . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
18. ¿Siente que fumar ha perjudicado su salud? . . . . . . . . . . . . . . . . . 41
19. Distribución de la pregunta ¿De que manera ha perjudicado su salud? . . 42
20. Distribución de la pregunta ¿Por qué dejó de fumar? . . . . . . . . . . . . 44
21. Distribución ¿Cuántas veces fuma al dı́a? . . . . . . . . . . . . . . . . . . . 45
22. ¿Fuma cuando está enfermo? . . . . . . . . . . . . . . . . . . . . . . . . . . 46
23. ¿Ha intentado dejar de fumar alguna vez? . . . . . . . . . . . . . . . . . . 46
24. Distribución de la pregunta ¿Por qué cree que intento dejar de fumar ? . . 47
25. ¿Por qué cree que volvió a fumar otra vez? . . . . . . . . . . . . . . . . . . 47
26. ¿Cree usted que necesita ayuda para dejar de fumar? . . . . . . . . . . . . 48
27. ¿Por que nunca ha fumado? . . . . . . . . . . . . . . . . . . . . . . . . . . 49
6 Ingenierı́a Estadı́stica
Universidad del Bı́o-Bı́o
Proyecto de Tı́tulo II ÍNDICE DE TABLAS
7 Ingenierı́a Estadı́stica
Universidad del Bı́o-Bı́o
Proyecto de Tı́tulo II 1 INTRODUCCIÓN
1. Introducción
El tabaco es una de las mayores amenazas para la salud pública que ha tenido que
afrontar el mundo. Mata a más de 7 millones de personas al año, de las cuales más de 6
millones son consumidores directos y alrededor de 890 000 son no fumadores expuestos al
humo ajeno. Casi el 80 % de los más de mil millones de fumadores que hay en el mundo
viven en paı́ses de ingresos bajos o medios, donde es mayor la carga de morbilidad y
mortalidad asociada al tabaco. Los consumidores de tabaco que mueren prematuramente
privan a sus familias de ingresos, aumentan el costo de la atención sanitaria y dificultan
el desarrollo económico.(OMS, 2018)
Por otro lado la Cannabis ha sido objeto de importante debate internacional. Algunas
voces que proponen la legalización suponen que esta medida quitarı́a ganancias a los tra-
ficantes y existe consenso de que su consumo no debe de ser motivo de encarcelamiento.
Algunos grupos promueven su uso medicinal, otros más reconocen algunos beneficios po-
tenciales para la salud pero no documentan los riesgos de la Cannabis fumada, de ahı́ que
piensen que la alternativa será usar medicamentos que contienen el principio activo tetra-
hidrocannabinol (THC), cuyos beneficios para la salud estén por encima de los daños que
ocasionen. Estos argumentos que llegan a nuestros jóvenes no indican que la Cannabis
sea una droga segura. Si bien cuando se le compara con otras drogas tiene menor nivel
de toxicidad y se le asocia con menos consecuencias sociales éstas sı́ están presentes como
cuando se usa al conducir automóviles. Existe evidencia de que a mayor nivel de uso ma-
yor es la probabilidad de que se usen otras drogas.( Babor T, Miller P, Edwards G. 2010)
En Chile el consumo de tabaco si bien ha disminuido, las cifras sigue siendo preocupan-
tes, el tabaco enferma anualmente a 60.470 personas por EPOC (Enfermedad pulmonar
obstructiva crónica); a 23.851 por enfermedades cardiacas; a 14.473 por Accidente Cere-
bro Vascular, y a 8.012 por cáncer ,y 54 personas mueren cada dı́a debido al tabaquismo
(IECS-Instituto de Efectividad Clı́nica y Sanitaria, 2017). En cambio hay importante au-
mento en el consumo de marihuana reveló el Décimo Segundo Estudio Nacional de Drogas
en Población General realizado por el Servicio Nacional para la Prevención y Rehabilita-
ción del Consumo de Drogas y Alcohol (SENDA, 2017). Pasó de 4,6 % en el 2010 a 14,5 %
8 Ingenierı́a Estadı́stica
Universidad del Bı́o-Bı́o
Proyecto de Tı́tulo II 1 INTRODUCCIÓN
9 Ingenierı́a Estadı́stica
Universidad del Bı́o-Bı́o
Proyecto de Tı́tulo II 2 OBJETIVOS
2. Objetivos
Para cumplir con lo propuesto en el objetivo general este estudio se divide en dos
etapas. La primera etapa se desarrolla en el Proyecto de Tı́tulo I , en la segunda etapa se
plantean los siguientes objetivos especı́ficos:
10 Ingenierı́a Estadı́stica
Universidad del Bı́o-Bı́o
Proyecto de Tı́tulo II 3 INSTRUMENTO
3. Instrumento
Para llevar a cabo este Proyecto de Tı́tulo fue necesario e imprescindible contar con
algún instrumento de medición para obtener resultados y conclusiones sobre la prevalencia
en el hábito de fumar en los estudiantes de la Universidad del Bı́o-Bı́o, sede Concepción.
El instrumento utilizado para la investigación fue una encuesta modificada a partir de
otra que fue aplicada a trabajadores de un hospital en Albacete, España.
La cual fue validada por un panel de 8 expertos, funcionarios de Desarrollo estudiantil
departamento de salud, tanto de la sede Concepción y las sedes de Chillán. Mediante
el método de validación de Lawshe modificada, propuesta por López-Tristán(2008). La
encuesta consta de 2 ı́tems principales:
- Para los que han fumado o son fumadores
Las primeras 6 preguntas están enfocadas a los estudiantes que son o han sido fumadores
, las preguntas 7 y 8 están dirigidas a los estudiantes que han dejado de fumar, finalmente
de la pregunta 9 a la 15 son dirigidas a los estudiantes que son fumadores activos, y
ası́ poder conocer la frecuencia de dicho hábito.
- Para los que nunca han fumado
Las pregunta 16 a 19 están diseñada para los estudiantes que no son fumadores y ası́ poder
conocer si son tolerantes a este hábito.
11 Ingenierı́a Estadı́stica
Universidad del Bı́o-Bı́o
Proyecto de Tı́tulo II 4 METODOLOGÍA
4. Metodologı́a
La Universidad del Bı́o-Bı́o cuenta con 3 sedes, Concepción, Chillán y los Ángeles de
las cuales consta con 40 carreras, nuestro estudio lo realizamos en la Sede Concepción,
donde se imparten 20 carreras incluyendo el Programa de Bachillerato y la escuela de
Trabajo Social. El total de alumnos seleccionados fueron 365, de un total de 7277 estu-
diantes.
Para la realización de esta investigación, contamos con el apoyo del Departamento de
Salud de dicha casa de estudios, donde el objetivo fundamental de ellos es tener un cono-
cimiento claro y verı́dico sobre el hábito de fumar de los alumnos del campus Concepción.
Para la tabulación de los datos se utilizó una planilla Excel, para resultados des-
criptivos se utilizó el software SPSS v.19, AMOS SPSS v.19, R-project v3.5.1 y para la
presentación de este informe se utilizó el procesador de texto Latex.
12 Ingenierı́a Estadı́stica
Universidad del Bı́o-Bı́o
Proyecto de Tı́tulo II 4 METODOLOGÍA
Facultad Carrera
Ingenierı́a Civil Eléctrica
Ingenierı́a Civil Industrial
Ingenierı́a de Ejecución en Electrónica
Ingenierı́a de Ejecución en Electricidad
Ingenierı́a Civil
Ingenierı́a
Ingenierı́a Civil en Automatización
Ingenierı́a Civil Mecánica
Ingenierı́a de Ejecución en Mecánica
Ingenierı́a Civil Quı́mica
Ingenierı́a Civil en Industrias de la Madera
Ingenierı́a Estadı́stica
Ciencias
Bachillerato en Ciencias
Ingenierı́a Comercial
Ingenierı́a Civil en Informática
Ciencias Empresariales Contador Público y Auditor
Ingenierı́a de Ejecución en Computación
e Informatica
Arquitectura
Arquitectura,
Ingenierı́a en Construcción
Construcción y Diseño
Diseño Industrial
Escuela de Trabajo Social Trabajo Social
13 Ingenierı́a Estadı́stica
Universidad del Bı́o-Bı́o
Proyecto de Tı́tulo II 5 VALIDACIÓN
5. Validación
La validez de un test indica el grado de exactitud con el que mide el constructo-teórico
que pretende medir y si se puede utilizar con el fin previsto. Es decir, un test es válido si
”mide lo que dice medir”. Es la cualidad más importante de un instrumento de medida.
Un instrumento puede ser fiable pero no válido; pero si es válido ha de ser también fiable.
Validez de contenido
Validez de constructo
Dado al tipo de encuesta a utilizar, esta sección se enfocara en el primer item : Validación
de contenido mediante el indice de validez de contenido CVR.
14 Ingenierı́a Estadı́stica
Universidad del Bı́o-Bı́o
Proyecto de Tı́tulo II 5 VALIDACIÓN
• Usar la misma puntuación de corte para todos los ı́tems de la escala, incluso si
la escala es multidimensional.
• No poner una puntuación de corte tan alta que implique eliminar muchos ı́tems.
(Se podrán eliminar más ı́tems con el cálculo de la fiabilidad y el análisis
factorial).
15 Ingenierı́a Estadı́stica
Universidad del Bı́o-Bı́o
Proyecto de Tı́tulo II 5 VALIDACIÓN
ne − N/2
CV R = (1)
N/2
Esta expresión es planteada por Lawshe con la intención de que se pueda interpretar
como si fuera un correlación, por tomar valores de −1 a 1; de tal modo que CVR es
negativa si el acuerdo ocurren menos de la mitad de los jueces el CVR es nula si se
tiene exactamente la mitad de acuerdos en los jueces y, finalmente, CVR es positiva
si hay mas de la mitad de acuerdos.
Adicionalmente, se debe pensar que no se trata solamente que CVR sea positiva
sino que sea estadı́sticamente significativa, por lo cual Lawshe presenta una tabla
con los valores de CVR mı́nimos con una significancia de un 5 %,como se muestra
en el tabla 2 (Tabla valores de CVR) .
16 Ingenierı́a Estadı́stica
Universidad del Bı́o-Bı́o
Proyecto de Tı́tulo II 5 VALIDACIÓN
Una vez calculada la CVR de todos los ı́tems y aceptados los que tienen valores
superiores a los mı́nimos propuestos por Lawshe, se calcula la media de CVR y con
ello se obtiene el ı́ndice de Validez de Contenido de toda la prueba (Content Vali-
dity Index, CVI), y que se debe interpretar como la concordancia entre la capacidad
(habilidad, competencia, conocimiento, 3 etc.) solicitada en un dominio especı́fico y
el desempeño solicitado en la prueba que trata de medir dicho dominio.
17 Ingenierı́a Estadı́stica
Universidad del Bı́o-Bı́o
Proyecto de Tı́tulo II 5 VALIDACIÓN
PM
i=1CV Ri
CV I = (2)
M
El modelo de Lawshe presenta tres problemas principales: En primer lugar, no ex-
plica ni justifica el procedimiento seguido para construir la tabla de valores mı́nimos
de aceptación para la CVR, por lo cual a veces se complica su interpretación.
Los valores mı́nimos de CVR se ven afectados por el número de panelistas, de tal
modo que CVR es muy exigente con pocos panelistas (CVR=1 con 5 panelistas) y
muy laxo con un gran número de panelistas (CVR=0.29 con 40 panelistas). Final-
mente, no es aplicable a paneles con menos de cinco expertos. Con objeto de mejorar
el modelo de Lawshe, Tristán-López (2008) propone un indicador que es denotado
como CVR’. Para ello se revisa el modelo de establecimiento de los valores de CVR
mı́nimos, se identifica la condición que hace que la exigencia del modelo dependa del
número de panelistas y se ve su ámbito de aplicación, de manera de poder utilizar el
modelo con el menor número posible de panelistas, no necesariamente en consenso
unánime. Se tiene que
ne
CV R0 = (3)
N
con la misma nomenclatura empleada para CVR, se puede probar que:
CV R + 1
CV R0 = (4)
2
18 Ingenierı́a Estadı́stica
Universidad del Bı́o-Bı́o
Proyecto de Tı́tulo II 5 VALIDACIÓN
Como podemos observar en la tabla 3, los valores inferiores a 0,75 según el CVR (tabla
4) son eliminados de la encuesta quedando un total de 13 ı́tems aceptados, en cambio con
el CVR modificado los valores deben ser inferiores a 0,63 quedando 23 ı́tems aceptados.
En nuestra investigación trabajaremos con los CVR modificados ya que el CVR es muy
exigente para pocos panelista. (ver tabla 2)
19 Ingenierı́a Estadı́stica
Universidad del Bı́o-Bı́o
Proyecto de Tı́tulo II 5 VALIDACIÓN
CVR CVR’
CVI 0,92307692 0,84863636
Podemos concluir que en la tabla 5, que si tomanos en cuenta solo la razón de validez
de contenido (content Validity Ratio, CVR) aceptarı́amos 13 de los 27 ı́tems, ahora bien
si tomamos CVR modificado 23 de los 27 ı́tems fueron aceptados de acuerdo al criterio de
Lawshe, por lo tanto trabajaremos con el CVR modificado, ya que se puede aceptar mas
ı́tem en nuestra encuesta. Además, CVI=0.848>0.58, por lo cual se puede afirmar que el
cuestionario tiene una validez de contenido aceptable de acuerdo con los 8 especialistas
que participaron en el panel de expertos.
20 Ingenierı́a Estadı́stica
Universidad del Bı́o-Bı́o
Proyecto de Tı́tulo II 5 VALIDACIÓN
Diversos autores han brindado su punto de vista acerca del concepto de confiabilidad.
Algunos señalan que la confiabilidad es la proporción de la varianza total atribuida a la
varianza verdadera, y en consecuencia, entre mayor sea la proporción de la varianza total
atribuida a la varianza verdadera, la prueba sera más confiable(Cohen y Swerdlick,2001;
Alarcón,1998).
Por otro lado, otros autores, como Hogan(2004), mencionan que la confiabilidad se rela-
ciona con la consistencia de las puntuaciones en la medición al margen de lo que mida el
instrumento. Muñiz (1994) por su parte refiere que la confiabilidad se refiere a la estabili-
dad de las mediciones cuando no existan razones teóricas o empı́ricas para suponer que la
variable a medir haya sido modificada diferencialmente para los sujetos. Otra definición
la dan Prieto y Delgado(2010), para quienes la fiabilidad se concibe como la consistencia
o estabilidad de las medidas cuando el proceso de medición se repite.
Análisis factorial
El Análisis Factorial exploratorio (AFE) de ı́tems es una de las técnicas más frecuen-
temente aplicadas en estudios relacionados con el desarrollo y validación de tests, porque
es la técnica por excelencia que se utiliza para explorar el conjunto de variables latentes
21 Ingenierı́a Estadı́stica
Universidad del Bı́o-Bı́o
Proyecto de Tı́tulo II 5 VALIDACIÓN
Como se muestra en la tabla 7, los resultados obtenidos el KMO de 0,927 lo que indica
que la muestra tomada para el estudio es apropiada y que por lo tanto se puede continuar
con la aplicación del análisis factorial.
El test de esfericidad de Barlett, presentó una significancia muy inferior al lı́mite 0.05,
pues fue de 0.000, lo cual nos indica que la matriz de datos es válida para continuar con
el proceso de análisis factorial.
22 Ingenierı́a Estadı́stica
Universidad del Bı́o-Bı́o
Proyecto de Tı́tulo II 5 VALIDACIÓN
Tabla 8: Comunalidades
De la tabla 8 las comunalidades son altas (cercanas a 1), con lo cual se afirma que las
variables queda muy bien explicadas a través de las componentes extraı́das.
23 Ingenierı́a Estadı́stica
Universidad del Bı́o-Bı́o
Proyecto de Tı́tulo II 5 VALIDACIÓN
En el cuadro de la varianza total explica se muestra cada componente y cuales son las
componentes que han sido extraidas (autovalores mayores a la unidad).
En la tabla 9 los resultados muestran que entre las dos primeras componentes extraı́das
se acumula el 80,519 % de la variabilidad de las variable originales. Dicho de otra manera,
sólo son relevantes 2 factores para resumir las variables originales del problema.
24 Ingenierı́a Estadı́stica
Universidad del Bı́o-Bı́o
Proyecto de Tı́tulo II 5 VALIDACIÓN
La figura 1 muestra de forma gráfica la decisión del numero de componentes que hay
que seleccionar. Se visualiza y se verifica que la selección de las dos primeras componentes
parece ser la mas adecuada.
25 Ingenierı́a Estadı́stica
Universidad del Bı́o-Bı́o
Proyecto de Tı́tulo II 5 VALIDACIÓN
26 Ingenierı́a Estadı́stica
Universidad del Bı́o-Bı́o
Proyecto de Tı́tulo II 5 VALIDACIÓN
27 Ingenierı́a Estadı́stica
Universidad del Bı́o-Bı́o
Proyecto de Tı́tulo II 5 VALIDACIÓN
Se tiene entonces que con ı́tems dicotómicos, es más aceptado el uso del estimador
KR-20. Con ı́tems politómicos sobrevienen las dificultades. Es conocido que el uso del
coeficiente Alfa de Cronbach es propuesto muchas veces sin considerar las restricciones que
tiene su uso (Campo-Arias y Oviedo, 2008; Oviedo y Campo-Arias, 2005), y los problemas
que podrı́a acarrear en el caso que su uso sea inadecuado, como por ejemplo, en escalas de
cuatro o menos opciones de respuesta (Lozano, Garcı́a-Cueto y Muñiz, 2008; Weng, 2004),
debido a que es preferible porque solo se requiere una aplicación del instrumento para
lograr su estimación y está disponible como la única opción para estimar la estabilidad
por consistencia interna en diversos paquetes estadı́sticos comerciales. Sumado a ello, la
limitación más seria que presenta el coeficiente Alfa de Cronbach, es que supone el carácter
continuo de las variables, algo que no se cumple en ciencias sociales, lo que lleva a una
sub-estimación de la confiabilidad (Elosua y Zumbo, 2008).
Elosua y Zumbo (2008) realizaron una revisión sobre la pertinencia del uso de otros
estimadores de la confiabilidad por consistencia interna para el caso de ı́tems que tengan
menos de cinco opciones de respuesta, como es el caso del Alfa ordinal Revista de Inves-
tigación en Psicologı́a - Vol. 15, No 1 215 Sergio Dominguez L. desde el modelo del factor
común y el coeficiente Theta de Armor, desde el modelo de los componentes principales.
Dichos autores plantean expresiones matemáticas para su cálculo, apoyados con los out-
put de correlaciones policóricas del software libre FACTOR (Lorenzo y Ferrando, 2007),
mas no una herramienta que permita el cálculo directo utilizando los datos provenientes
de dicho programa, sin recurrir a procedimientos manuales para hallar dichos coeficientes.
28 Ingenierı́a Estadı́stica
Universidad del Bı́o-Bı́o
Proyecto de Tı́tulo II 5 VALIDACIÓN
n(λ̄)2 − λ̄2
n
α= (5)
n − 1 n(λ̄)2 + (µ2 )
donde n es el número de los ı́tems.
λ̄ es la media aritmética de los pesos factoriales.
λ¯2 es la media aritmética de los cuadrados de los n pesos factoriales.
u¯2 es la media aritmética de las unicidades de las n variables.
Si se utiliza la matriz de correlaciones, se obtiene una estimación del alfa de Cronbach y
la versión ordinal del coeficiente alfa se calcuları́a aplicando esta ecuación sobre la matriz
de correlaciones policóricas.
Como criterio general, George y Mallery (2003) sugieren para evaluar los coeficientes
de alpha de Cronbach esta escala para alpha ordinal a modo de referencia.
29 Ingenierı́a Estadı́stica
Universidad del Bı́o-Bı́o
Proyecto de Tı́tulo II 5 VALIDACIÓN
El Índice de bondad de ajuste (GFI) evalúa si el modelo debe ser ajustado. Entre
más se acerque a cero indica un mal ajuste.
30 Ingenierı́a Estadı́stica
Universidad del Bı́o-Bı́o
Proyecto de Tı́tulo II 5 VALIDACIÓN
Medidas de ajuste incremental del modelo: estas medidas comparan el modelo pro-
puesto con algún otro existente, llamado generalmente modelo nulo. Los ı́ndices
para evaluarlo se exponen a continuación. El Índice ajustado de bondad de ajuste
(AGFI) es una extensión del GFI, el cual ajusta los grados de libertad entre los dos
modelos. Los valores cercanos a 0,90 o superiores son los que muestran un mejor
ajuste del modelo.
Los valores y resultados tras en análisis fueron obtenidos mediante el programa AMOS
SPSS Y son presentados en la tabla 12 y la figura 4.
31 Ingenierı́a Estadı́stica
Universidad del Bı́o-Bı́o
Proyecto de Tı́tulo II 5 VALIDACIÓN
32 Ingenierı́a Estadı́stica
Universidad del Bı́o-Bı́o
Proyecto de Tı́tulo II 6 ANÁLISIS DESCRIPTIVO
6. Análisis descriptivo
En este capitulo detallaremos los resultados de formar descriptiva que se recopilaron
tras la aplicación de la encuesta.
Como se aprecia en la figura 5, las facultades con mayor cantidad de alumnos que
fueron encuestados corresponde a que tienen el mayor numero de matriculados.
33 Ingenierı́a Estadı́stica
Universidad del Bı́o-Bı́o
Proyecto de Tı́tulo II 6 ANÁLISIS DESCRIPTIVO
De los estudiantes que participaron del estudio, se observa que la edades con mayor
frecuencia se encuentran entre los 18 a 28 años, con una media de 22,15 años.
34 Ingenierı́a Estadı́stica
Universidad del Bı́o-Bı́o
Proyecto de Tı́tulo II 6 ANÁLISIS DESCRIPTIVO
35 Ingenierı́a Estadı́stica
Universidad del Bı́o-Bı́o
Proyecto de Tı́tulo II 6 ANÁLISIS DESCRIPTIVO
36 Ingenierı́a Estadı́stica
Universidad del Bı́o-Bı́o
Proyecto de Tı́tulo II 6 ANÁLISIS DESCRIPTIVO
La tabla 13 observamos que los estudiantes que han respondido que son o han sido
fumadores corresponde al 70,7 % de la muestra, siendo el 39,9 % de los estudiantes fuman
diariamente y un 41,1 % lo hacen de forma ocasional, ademas el 81 % corresponde a estu-
diantes que son fumadores actualmente.
Por otra parte el 3,5 % dice haber fumado diariamente y un 15,5 % fumaba ocasionalmente
lo cual el 19 % fue fumador y dice haber dejado el hábito de fumar.
37 Ingenierı́a Estadı́stica
Universidad del Bı́o-Bı́o
Proyecto de Tı́tulo II 6 ANÁLISIS DESCRIPTIVO
Los estudiantes que fuman o han fumado alguna vez en este ı́tem podı́an seleccio-
nar más de una alternativa, dentro de las respuestas observamos que el 43,9 % de los
estudiantes fuma o ha fumado marihuana, siendo un porcentaje mayor al cigarrillo.
38 Ingenierı́a Estadı́stica
Universidad del Bı́o-Bı́o
Proyecto de Tı́tulo II 6 ANÁLISIS DESCRIPTIVO
39 Ingenierı́a Estadı́stica
Universidad del Bı́o-Bı́o
Proyecto de Tı́tulo II 6 ANÁLISIS DESCRIPTIVO
40 Ingenierı́a Estadı́stica
Universidad del Bı́o-Bı́o
Proyecto de Tı́tulo II 6 ANÁLISIS DESCRIPTIVO
Tabla 17: : Distribución de los que piensan que fumar perjudica o no la salud del fumador
Porcentaje Porcentaje
Respuesta Frecuencia Porcentaje
válido acumulado
Si 252 69,0 97,7 97,7
No 6 1,6 2,3 100,0
Total 258 70,7 100,0
Fuente : Elaboración propia
Tabla 17 muestra que de la muestra de estudiantes que son o han sido fumadores,
aproximadamente el 98 % reconoce que fumar perjudica la salud del fumador.
41 Ingenierı́a Estadı́stica
Universidad del Bı́o-Bı́o
Proyecto de Tı́tulo II 6 ANÁLISIS DESCRIPTIVO
Los estudiantes que sientes que fumar le ha perjudicado su salud podı́an seleccionar
más de una alternativa, siendo 235 respuestas, lo cual observamos que el 67,7 % siente que
le ha perjudicado en cansancio y tos.
42 Ingenierı́a Estadı́stica
Universidad del Bı́o-Bı́o
Proyecto de Tı́tulo II 6 ANÁLISIS DESCRIPTIVO
43 Ingenierı́a Estadı́stica
Universidad del Bı́o-Bı́o
Proyecto de Tı́tulo II 6 ANÁLISIS DESCRIPTIVO
Los estudiantes que dejaron de fumar podı́an seleccionar más de una alternativa, te-
niendo 71 respuestas, lo cual el mayor porcentaje fue 33,8 % que hizo para realizar alguna
actividad fı́sica y el 26,8 % de los estudiantes por qué aumentó la preocupación por el
peligro de fumar.
44 Ingenierı́a Estadı́stica
Universidad del Bı́o-Bı́o
Proyecto de Tı́tulo II 6 ANÁLISIS DESCRIPTIVO
De la tabla 21 podemos observar que de los estudiantes que son fumadores, el 97,6 %
fuma 10 o menos veces al dı́a, sin embargo se debe considerar que 2,4 % fuma más de 10
veces al dı́a, siendo una cifra preocupante.
45 Ingenierı́a Estadı́stica
Universidad del Bı́o-Bı́o
Proyecto de Tı́tulo II 6 ANÁLISIS DESCRIPTIVO
De la tabla 22 podemos observar que el 41,6 % fuma cuando está enfermo, siendo el
habito de fumar una fuerte adicción.
De la tabla 23 podemos observar que de los estudiantes que fuman actualmente, apro-
ximadamente el 60 % ha intentado dejar de fumar, siendo un porcentaje alto para tener
en consideración y ası́ poder intervenir y ayudar a los estudiantes fumadores.
46 Ingenierı́a Estadı́stica
Universidad del Bı́o-Bı́o
Proyecto de Tı́tulo II 6 ANÁLISIS DESCRIPTIVO
Tabla 24: Distribución de la pregunta ¿Por qué cree que intento dejar de fumar ?
Respuestas No Porcentaje
Aumento mi preocuapcion por el peligro de fumar 36 17 %
Tabla 25: ¿Por qué cree que volvió a fumar otra vez?
Respuesta No Porcentaje
Dificultad para controlar
22 10,7 %
los deseos de fumar
Estrés academico 71 34,6 %
De la tabla 24 y tabla 25, de los estudiantes que intentaron dejar de fumar podı́an selec-
cionar más de una alternativa, siendo el mayor porcentaje para realizar alguna actividad
fı́sica y por qué aumentó la preocupación por el peligro a enfermedades y volvió al hábito
de fumar por situaciones sociales (fiestas, reuniones, estar rodeado de otros fumadores) y
por estrés académico.
47 Ingenierı́a Estadı́stica
Universidad del Bı́o-Bı́o
Proyecto de Tı́tulo II 6 ANÁLISIS DESCRIPTIVO
Tabla 26: ¿Cree usted que necesita ayuda para dejar de fumar?
Respuestas Frecuencia Porcentaje
Si 28 7,7
No 181 86,6
Total 209 100,0
48 Ingenierı́a Estadı́stica
Universidad del Bı́o-Bı́o
Proyecto de Tı́tulo II 6 ANÁLISIS DESCRIPTIVO
De la tabla 27,los estudiantes que nunca han fumado podı́an seleccionar más de una
alternativa, obteniendo 141 respuestas, los cual aproximadamente el 81 % nunca le ha
llamado la atención y por el conocimiento del daño que provoca.
49 Ingenierı́a Estadı́stica
Universidad del Bı́o-Bı́o
Proyecto de Tı́tulo II 6 ANÁLISIS DESCRIPTIVO
De la tabla 29, de un total de 107 estudiantes que no son fumadores, el 70,1 % dice
asistir a lugares que permitan fumar, y un 29,9 % dice no asistir a lugares que permitan
fumar
50 Ingenierı́a Estadı́stica
Universidad del Bı́o-Bı́o
Proyecto de Tı́tulo II 6 ANÁLISIS DESCRIPTIVO
Las tablas de contingencia se utilizan para examinar la relación entre dos variables
categóricas, o bien explorar la distribución que posee una variable categórica entre dife-
rentes muestras.
Hay diferentes cuestiones que surgen en que la distribución de una de las variables es
similar sea cual sea el nivel que examinemos de la otra. E esto se traduce en una tabla
de contingencia en que las frecuencias de las filas (y las columnas) son aproximadamente
proporcionales. Posiblemente sea mas cómodo reconocerlo usando en la tabla de contin-
gencia los porcentajes por filas (o columnas) y observando si estos son similares.
la prueba de independencia chi-cuadrado contrasta la hipótesis de que las variables son
independientes, frente a la hipótesis alternativa de que una variable se distribuye de modo
diferente para diversos niveles de la otra.
Debido a que no todas las variables se pueden relacionar por el hecho de ser de repuesta
múltiple solo trabajaremos con las de tipo dicotomica y politómicas según corresponda.
Para efectos prácticos en los análisis utilizaremos la siguiente hipótesis :
H0 = La variable es Independiente. Vs H1 = La variable es Dependiente.
51 Ingenierı́a Estadı́stica
Universidad del Bı́o-Bı́o
Proyecto de Tı́tulo II 6 ANÁLISIS DESCRIPTIVO
Dado los resultados anteriores decidimos estudiar si existe una asociación en las va-
riables ¿ Cree usted que necesita ayuda para dejar de fumar? y ¿ Cuántas veces fuma al
dı́a? al considerar los datos de ambos estudios, se realiza el test Chi-cuadrado.
Tabla 31: Tabla de contingencia ¿Cuántas veces fuma al dı́a? versus ¿Cree usted que
necesita ayuda para dejar de fumar?
Pruebas de chi-cuadrado
Sig. asintótica
Valor gl
(bilateral)
Chi-cuadrado de Pearson 7,896 3 ,048
Razón de verosimilitudes 5,984 3 ,112
Asociación lineal por lineal 5,097 1 ,024
N de casos válidos 209
a 5 casillas (62,5 %) tienen una frecuencia esperada inferior a 5.
La frecuencia mı́nima esperada es ,13.
52 Ingenierı́a Estadı́stica
Universidad del Bı́o-Bı́o
Proyecto de Tı́tulo II 6 ANÁLISIS DESCRIPTIVO
,048.
Puesto que esta probabilidad (denominada nivel crı́tico o nivel de significación obser-
vada) es pequeña (pero muy cercana a 0,05) , se decide no rechazar la hipótesis nula,
concluyendo que no existe una relación de dependencia entre la cantidad de veces que
fuma al dı́a y cree necesitar ayuda para dejar de fumar .
Ademas señalar que la razón de verosimilitudes (RV) es 5,984 , tiene asociada una
probabilidad (Sig. asintótica) de ,112, que como es mayor que 0,05, conduce al no rechazo
la hipótesis nula, concluyendo que no existe dependencia entre las variables analizadas.
53 Ingenierı́a Estadı́stica
Universidad del Bı́o-Bı́o
Proyecto de Tı́tulo II 6 ANÁLISIS DESCRIPTIVO
Tabla 32: Tabla de contingencia ¿Es o ha sido usted fumador/a? con sexo
Pruebas de chi-cuadrado
Sig. asintótica
Valor gl
(bilateral)
Chi-cuadrado de Pearson ,903 1 ,342
Razón de verosimilitudes ,890 1 ,345
Asociación lineal por lineal ,900 1 ,343
N de casos válidos 365
a 0 casillas (0,0 %) tienen una frecuencia esperada inferior a 5.
La frecuencia mı́nima esperada es 29,32.
54 Ingenierı́a Estadı́stica
Universidad del Bı́o-Bı́o
Proyecto de Tı́tulo II 6 ANÁLISIS DESCRIPTIVO
Tabla 33: Tabla de contingencia ¿Es o ha sido usted fumador/a? según Facultad
¿Es o ha sido usted fumador/a?
Facultades si no total
Recuento 55 10 65
Arquitectura,Construccion y Diseño
Frecuencia esperada 45,9 19,1 65,0
Recuento 10 2 12
Ciencias
Frecuencia esperada 8,5 3,5 12,0
Recuento 64 16 80
Ciencias Empresariales
Frecuencia esperada 56,5 23,5 80,0
Recuento 119 78 197
Ingenieria
Frecuencia esperada 139,2 57,8 197,0
Recuento 10 1 11
Trabajo Social
Frecuencia esperada 7,8 3,2 11,0
Recuento 258 107 365
Total
Frecuencia esperada 258,0 107,0 365,0
Pruebas de chi-cuadrado
Sig. asintótica
Valor gl
(bilateral)
Chi-cuadrado de Pearson 22,580 4 ,000
Razón de verosimilitudes 23,716 4 ,000
55 Ingenierı́a Estadı́stica
Universidad del Bı́o-Bı́o
Proyecto de Tı́tulo II 6 ANÁLISIS DESCRIPTIVO
Tabla 34: Tabla de contingencia ¿Que fuma a fumaba habitualmente? según Sexo
¿Que fuma a fumaba habitualmente?
Preferencia
TABACO
Sexo CIGARRILLO AMBOS MARIHUANA OTROS Total
NATURAL
Recuento 22 4 35 40 6 67
MUJER
% del total 8,6 % 1,6 % 13,6 % 15,6 % 2,3 % 26,1 %
Recuento 63 26 61 145 16 190
HOMBRE
% del total 24,5 % 10,1 % 23,7 % 56,4 % 6,2 % 73,9 %
Recuento 85 30 96 185 22 257
Total
% del total 33,1 % 11,7 % 37,4 % 72,0 % 8,6 % 100,0 %
De la tabla 34, muestra la relación de Sexo según la pregunta ¿Que fuma o fumaba
habitualmente?, los estudiantes podı́an marcar mas de una alternativa en dicho ı́tem, el
72 % dice fumar o haber fumado marihuana, siendo 56,4 % corresponde a los hombres,
no menor es el porcentaje entre cigarrillo y tabaco natural(AMBOS). En relación a las
mujeres, el 15,6 % dice fumar o haber fumado marihuana.
56 Ingenierı́a Estadı́stica
Universidad del Bı́o-Bı́o
Proyecto de Tı́tulo II 6 ANÁLISIS DESCRIPTIVO
Tabla 35: Tabla de contingencia De las personas que contestaron ¿Cree usted que necesita
ayuda para dejar de fumar? según si ha sido o es fumador
¿Cree usted que necesita
ayuda para dejar de fumar? Total
Si No
Recuento 22 79 101
Fuma diariamente Frecuencia esperada 13,0 88,0 101,0
% del total 10,5 % 37,8 % 48,3 %
De las personas
Recuento 5 101 106
que contestaron
Fuma ocasionalmente Frecuencia esperada 13,7 92,3 106,0
que si ha sido
% del total 2,4 % 48,3 % 50,7 %
o es fumador
Recuento 0 2 2
No fuma, pero
Frecuencia esperada ,3 1,7 2,0
fumaba ocasionalmente
% del total 0,0 % 1,0 % 1,0 %
Recuento 27 182 209
Total Frecuencia esperada 27,0 182,0 209,0
% del total 12,9 % 87,1 % 100,0 %
Pruebas de chi-cuadrado
Sig. asintótica
Valor gl
(bilateral)
Chi-cuadrado de Pearson 13,688a 2 ,001
Razón de verosimilitudes 14,686 2 ,001
Asociación lineal por lineal 12,397 1 ,000
N de casos válidos 209
a 2 casillas (33,3 %) tienen una frecuencia esperada inferior a 5.
La frecuencia mı́nima esperada es ,26.
57 Ingenierı́a Estadı́stica
Universidad del Bı́o-Bı́o
Proyecto de Tı́tulo II 7 CONCLUSIÓN
7. Conclusión
En primer lugar los estudiantes de la universidad del Bı́o-Bı́o, sede Concepción, ingre-
san a la institución con el hábito de fumar, siendo un 81 % de ellos fuman actualmente,
lo cual observamos que el 43,9 de los estudiantes fuma o ha fumado marihuana, siendo
un porcentaje mayor al cigarrillo. De los estudiantes que han intentado dejar de fumar
el mayor porcentaje lo hizo para realizar alguna actividad fı́sica y por qué aumentó la
preocupación por el peligro a enfermedades y volvió al hábito de fumar por situaciones
sociales (fiestas, reuniones, estar rodeado de otros fumadores) En conclusión podemos de-
cir que para combatir el hábito de fumar en los estudiantes de la universidad del Bı́o-Bı́o,
sede Concepción es con más actividades fisicas y con mayor publicidad sobre el daño que
provoca fumar .
58 Ingenierı́a Estadı́stica
Universidad del Bı́o-Bı́o
Proyecto de Tı́tulo II 8 REFERENCIAS BIBLIOGRÁFICAS
8. Referencias Bibliográficas
1.Babor T, Miller P, Edwards G. Vested interests, addiction research and public policy.
Addiction 2010;105(1):4-5. 1. Bolet, M. Socarrás, M. (2003). El tabaquismo, consecuen-
cias y prevención. Revista Cubana de Investigaciones Biomédicas vol.22. no.1.
2. Camacho, J. 2008. Asociación entre variables: correlación no paramétrica. Acta médica
costarricense. vol. 50. n◦ 3.
3. Campbell, D. Fiske, D. 1959. Convergent and doscriminant validation by the multitrait-
multimethod matrix. Psychological Bulletin. vol. 56. n◦ 2.
4. Canavos, G. 1988. Probabilidad y estadı́stica: aplicaciones y métodos.
5. Cerda, J. Villarroel, L. 2007. Interpretación del test Chi-Cuadrado en investigación
pediátrica.
6. Escobar, J. Cuervo, A. 2008. Validez de contenido y juicio de expertos: Una aproxima-
ción a su utilización. Avances en medición vol. 7. n◦ 2.
8. Hair, J. Anderson, R. Tatham, R. Black, W. 1999. Análisis Multivariante. Quinta Edi-
ción. Prentice Hall.
9. Organización Mundial de la Salud (OMS). 2015. Tabaquismo. [En lı́nea] Disponible en
http://www.who.int/mediacentre/factsheets/fs349/es/ [consulta: 12 de Octubre 2017].
10. Pérez-Gil, J. Chacón, S. Moreno, R. 2000. Validez de constructo: el uso de análisis
factorial exploratorio-confirmatorio para obtener evidencias de validez. Psicothema vol.11.
n◦ 2. pp 442-446.
11. SENDA-MINSAL, 2016. El consumo de Marihuana en Chile: Situación Epidemiológi-
ca. Servicio Nacional para la Prevención y Rehabilitación del Consumo de Drogas y Al-
cohol(SENDA). Décimo segundo estudio nacional de drogas. En población general de
chile, 2016.
12.Lawshe C. H. (1975). A quantitative approach to content validity. Personnel Psycho-
logy. 28(4), 563-575.
13. Plackett, R.L. (1983). ((Karl Pearson and the Chi-Squared Test)). International Sta-
tistical Review (International Statistical Institute (ISI)) 51 (1): 59-72.
14.Hogan, T. (2004). Pruebas Psicológicas: Una Introducción Práctica. México: Manual
59 Ingenierı́a Estadı́stica
Universidad del Bı́o-Bı́o
Proyecto de Tı́tulo II 8 REFERENCIAS BIBLIOGRÁFICAS
Moderno.
15.Cohen, R., y Swerdlik, M. (2001). Pruebas y evaluación psicológicas: Introducción a
las pruebas y a la medición (4ta ed.). México: McGraw-Hill.
16.Alarcón, R. (1998). Nuevos modelos en la medición psicológica. Lima: Universidad de
San Martı́n de Porres, Facultad de Ciencias de la Comunicación, Turismo y Psicologı́a.
17.Prieto, G. y Delgado, A. (2010). Fiabilidad y validez. Papeles del psicólogo, 31(1),
67-74. 16.Schreider, J.B., Stage, F.K., King, J., Nora, A., Barlow, E.A. (2006). Repor-
ting structural equation modeling and confirmatory factor analysis results: a review. The
Journal of Education Research, 99 (6), 323-337.
60 Ingenierı́a Estadı́stica
Universidad del Bı́o-Bı́o
Proyecto de Tı́tulo II 9 ANEXO
9. ANEXO
Sintaxis Análisis factorial exploratorio SPSS.
/UNSELECTED DELETE.
EXECUTE.
FACTOR
/VARIABLES p5 p6 p8 p9 p10 p11 p14 p15 p16 p17 p18 p19 p20 p21 p22 p23 p24
/MISSING LISTWISE
/ANALYSIS p5 p6 p8 p9 p10 p11 p14 p15 p16 p17 p18 p19 p20 p21 p22 p23 p24
/PRINT INITIAL KMO EXTRACTION ROTATION FSCORE
/FORMAT BLANK(.5)
/PLOT ROTATION
/CRITERIA MINEIGEN(1) ITERATE(25)
/EXTRACTION PC
/CRITERIA ITERATE(25)
/ROTATION VARIMAX
/METHOD=CORRELATION.
61 Ingenierı́a Estadı́stica
Universidad del Bı́o-Bı́o
Proyecto de Tı́tulo II 9 ANEXO
install.packages(”psych”)
library(psych)
library(readxl)
libro <- read excel(”libroparar.xlsx”, sheet = ”Hoja2”)
attach(libro)
items<-
data.frame(p5,p6,p8,p9,p10,p11,p13,p14,p15,p16,p17,p18,p19,p20,p21,p22,p23,p24)
poly cor4<-polychoric(items)
al<-alpha(poly cor4rho)
ordinal¡-summary(al)std.alpha
alpha.crombach<-alpha(items)
62 Ingenierı́a Estadı́stica
Universidad del Bı́o-Bı́o
ENCUESTA DE INCIDENCIA SOBRE EL HÁBITO DE FUMAR
Edad:
Sexo mujer _______ hombre_______
Carrera
Fuma diariamente.
Fuma ocasionalmente
No fuma, pero fumaba diariamente.
No fuma, pero fumaba ocasionalmente.
Cigarrillo
Tabaco natural.
Ambos
Marihuana
Otros (pipa, puro, electrónico……….)
Sí No
6) ¿De qué manera le ha perjudicado su salud?
Cansancio
Tos
Trastornos
Problemas de garganta
Otros
1
SI HA DEJADO DE FUMAR,
por favor, continúe. SI SIGUE FUMANDO pase a la pregunta 9.
8) ¿Por qué dejó de fumar? (Señale tantas opciones como crea necesarias)
5 ó menos .
De 6 a 10.
De 11 a 20.
21 o más.
13) ¿Por qué cree que intentó dejar de fumar? (elija todas las que considere oportunas)
14) ¿Por qué cree que volvió a fumar otra vez? (elija todas las que considere oportunas)
Sí No
SI NO ES FUMADOR
Sí No
Sí No
Sí No