ANLISIS DE DATOS

CUANTITATIVOS

 El anlisis de datos cuantitativos se lleva acabo por

computadoras , ya casi no se hace de forma manual en
especial
si
existe
demasiada
informacin.

La mayora de las instituciones de educacin, centros de

investigacin, empresas, sindicatos, etc disponen de sistemas
de computo que archivan y analizan esta informacin.

Fase 1
Seleccionar un
programa
estadstico en la
computadora para
analizar los datos.

Fase 6
Realizar anlisis
adicionales.

Fase 2
Ejecutar el
programa: SPSS;
Minitab, Stats, SAS
u otro equivalente.
Fase 5
Analizar mediante
las pruebas
estadsticas las
hiptesis
planteadas
( anlisis
estadstico
inferencial)

Fase 3
Explorar los datos:
a)Analizar
descriptivamente los
datos por variable.
b)Visualizar los datos
por variable.

Fase 4
Evaluar la confiabilidad
y validez logradas por el
o los instrumentos de
medicin.

Fase 7
Preparar los resultados
para presentarlos
( tablas, grficas,
cuadros, etc.)

Fase 1: Seleccionar un
programa de anlisis
Existen diversos programas para analizar datos, de
funcionamiento muy similar entre ellos:
El SPSS o paquete estadstico para las ciencias sociales, desarrollado
en la Universidad de Chicago.
Minitab, tiene un bajo costo y un tutorial es muy sencillo de manejar.
SAS o sistema de anlisis estadstico, desarrollado por la Universidad
de Carolina del Norte, es un paquete muy completo para computadoras
personales.

 Incluyen 2 partes :
- Definicin de las variables, que a su vez explican los datos.
- La matriz de datos.
Una vez recolectado los datos se precisan los parmetros de la
matriz de datos en el programa y se introducen los datos en la
matriz del programa.
La matriz tiene columnas (variables o tems),filas o
renglones(casos) y celdas(interseccin entre una columna y un
rengln), cada celda contiene un dato(que significa un valor de
un caso en una variable)

Ejemplo: Supongamos que tenemos 4 casos o personas y

3 variables.
caso
Columna 1 Columna 2 Columna 3
(genero)
(cabello)
(edad)

21

19

25

22

La codificacin de las variables seran:

Genero (1=masculino y
2=femenino).
Ojos (1=negro, 2=castao,
3=pelirrojo, 4=rubio).
Edad en aos.

Una vez que estamos seguros que

no hay errores en la matriz,
procedemos a realizar el anlisis de
la matriz, el anlisis estadstico.

Fase 2: Ejecutar el programa

En el caso de SPSS y Minitab, ambos paquetes son fciles
de usar.
Se utiliza el anlisis requerido seleccionando las opciones
apropiadas.
Antes de tales anlisis, se debe verificar que el programa
funcione en nuestra computadora, comprobado esto
comienza la ejecucin del programa.

Fase 3: Explorar los

datos(SPSS)
En esta etapa, inmediata a la ejecucin del programa, se inicia el
anlisis. Cabe sealar que si hemos llevado a cabo la
investigacin reflexionando paso a paso, esta etapa es
relativamente sencilla, porque sabemos qu deseamos hacer, es
decir, tenemos claridad.

Etapa 1 (en SPSS)

En Analizar usando las opciones:
Informes y Estadsticos Descriptivos
se solicitan para todos los tems.
Informes de la matriz (resmenes de
casos, informes estadsticos de filas o
en columnas).
Estadsticos descriptivos:
1. Descriptivos(una
tabla
con
las
estadsticas fundamentales de todas
las variables de la matriz ,columnas
o tems).
2. Frecuencias(tablas de frecuencias de
las variables de la matriz).
3. Explorar(relaciones entre variables de
la matriz)
4. Generar tablas de contingencia.
5. Generar razones. Al menos a) y b)

Etapa 2 (analtica)
El investigador evala las distribuciones
y estadsticas de los tems o columnas,
observa
que
tems
tienen
una
distribucin lgica e ilgica y agrupa a
los tems en las variables de su
investigacin, de acuerdo con sus
definiciones operacionales y la forma
como se desarrollo su instrumento o
instrumentos de medicin.

Etapa 3 (en SPSS)

En Transformar y Calcular, se
indica al programa cmo debe
agrupar los tems en las variable de
su estudio.

Etapa 4 (en SPSS)

En Analizar ,se solicitan para todas las variables del estudio:

a. Estadsticas descriptivas(una tabla con las estadsticas fundamentales de todas
las variables)
b. Un anlisis de frecuencias con estadsticas, tablas y graficas. a veces nicamente
se pide lo segundo. Estos anlisis son con las variables de la investigacin, ya no
con los tems.

Estadstica descriptiva para

cada variable
La primera tarea es describir los datos, los valores o las
puntuaciones obtenidas para cada variable. Esto se logra
al describir la distribucin de las puntuaciones o
frecuencias de cada variable.
Una distribucin de frecuencias es un conjunto de
puntuaciones ordenadas en sus respectivas categoras y
generalmente se presenta como una tabla.

Ejemplo
Para el diagnstico de esguince, bajo resonancia magntica en 100
pacientes que ingresaron al servicio de emergencia, con inflamacin y
dolor, provocando incluso parlisis temporal.
Variable: Diagnstico de esguince, bajo resonancia
magntica
Grado
Cdigo
Frecuencia
I

46

II

35

III

19

Total

100

Qu otros elementos contiene una distribucin de frecuencias?

Las distribuciones de frecuencias pueden completarse agregando los
porcentajes de casos en cada categora, los porcentajes vlidos y los
porcentajes acumulados
Variable: cooperacin del personal con el proyecto de
calidad de la empresa
Categora
Cdigos
Frecuenci
% valido
%
s
as
acumulad
o
Si se ha
obtenido
cooperaci
n
No se ha
obtenido
cooperaci
n
No

91

74.6

74.6

4.1

78.7

26

21.3

100.0

De qu otra manera pueden presentarse las distribuciones de

frecuencias?
Histogramas
Opinin acerca del actual alcalde
50
40
30
20
10
0

Desfavorable

Neutral

Favorable

No opina

Grficos circulares
Practica de deportes en una comunidad

Futbol
Volleyball
Basketball
Tenis
Otros

Cules son las medidas de tendencia central?

Las medidas de tendencia central son puntos en una distribucin
obtenida, los valores medios o centrales de sta, y nos ayudan a
ubicarla dentro de la escala de medicin.
Las principales medidas de tendencia central son tres : moda ,
mediana, y media.
La moda es la categora o puntuacin que ocurre con mayor frecuencia.

La mediana es el valor que divide la distribucin por la mitad. Esto es, la mitad de
los casos caen por debajo de la mediana y la otra mitad se ubica por encima de
sta.
Refleja
la
posicin
intermedia
de
la
distribucin.
Por ejemplo:
En
este
caso
tenemos
las
edades
de
19
pacientes:
21,24,28,30,31,32,34,36,39,41,43,45,47,48,53,55,56,58,60. En este caso la
mediana es 41,por que deja 9 casos por arriba y 9 casos por debajo
En general, para descubrir el caso o la puntuacin que constituye la mediana
de una distribucin se aplica la formula: (N+1)/2

La media es la medida de tendencia central ms utilizada y puede

definirse como el promedio aritmtico de una distribucin.
Es una medida solamente aplicable a mediciones por intervalos o de
razn, carece de sentido para variables medidas en un nivel nominal
u ordinal y es una medida sensible a valores extremos.
876432698
El promedio sera igual a 5.88. Pero bastara una puntuacin extrema
para alterarla de manera notoria:
8 7 6 4 3 2 6 9 20 (promedio igual a 7.22).

Cules son las medidas de la variabilidad?

Indican la dispersin de los datos en la escala de medicin.

Las medidas de la variabilidad son intervalos que designan
distancias o un numero de unidades en la escala de medicin.
Las medidas de variabilidad ms utilizadas son rango,
desviacin estndar y varianza.

Rango
Tambin llamado recorrido, es la diferencia entre la puntuacin
mayor y la puntuacin menor. Indica el nmero de unidades en la
escala de medicin.
Si tenemos los siguientes valores:
31,32,34,36,39,41,43,45,47. El rango ser: 47-31=16
Cuanto ms grande sea el rango, mayor ser la dispersin de los
datos de una distribucin.

Desviacin estndar
Es el promedio de desviacin de las puntuaciones con respecto a la media, cuanto mayor
sea la dispersin de los datos alrededor de la media, mayor ser la desviacin estndar.
Se simboliza con: o s
La desviacin estndar es la raz cuadrada de la varianza.

La varianza
La varianza es la diferencia al cuadrado de cada valor menos la media todo entre el
nmero de casos y se simboliza s. Es un concepto estadstico muy importante, ya que
muchas de las pruebas cuantitativas se fundamentan en l.
Ejemplo
11+12+18+21+20 =16
5
Entonces la varianza ser : (-5)+(-4)+(2)+(5)+(4)=17.2
5
Y la desviacin estndar sera 17.2=4,15

Fase 4: evaluar la confiabilidad o

fiabilidad
y
validez
lograda
por
el
instrumento de medicin
La confiabilidad se evala para todo el instrumento de medicin
utilizado, o bien, si se administraron varios instrumentos, se
determina para cada uno de ellos. Asimismo, es comn que el
instrumento contenga varias escalas para diferentes variables,
entonces la fiabilidad se establece para cada escala y para el
total de escalas.

Los procedimientos ms utilizados son:

1.
2.
3.
4.

Medida de estabilidad: se prueba el instrumento de medicin varias

veces al mismo grupo de personas.
Mtodos de formas alternativas o paralelas: no se administra el mismo
instrumento de medicin, sino 2 o ms versiones equivalentes de este.
Mtodo de mitades partidas: el conjunto total de tems o reactivos se
divide en 2 mitades equivalentes y se compara los resultados.
Medidas de coherencia o consistencia interna: estos son coeficientes
que estiman la confiabilidad:a)el alfa de cronbach y b)los coeficientes
kr-20 y kr-21 de kuder y richardson(1937).El mtodo del calculo en
ambos casos requiere una sola administracin del instrumento.

Paso
5:
Analizar
mediante
pruebas estadsticas las hiptesis
planteadas (anlisis estadstico
inferencial)
En este paso se analizan las hiptesis a la luz de pruebas
estadsticas.
Estadstica inferencial: de la muestra a la poblacin
Se utiliza para probar hiptesis y estimar parmetros.
Si el estudio tiene una finalidad puramente exploratoria o
descriptiva, debemos preguntarnos si se pueden establecer
relaciones entre variables.
Si la respuesta es positiva entonces es necesario continuar con
la estadstica inferencial.

Estadstica inferencial

Paso1
Recolecci
n de datos
de la
muestra

Paso 2
Clculo de
estadgraf
os

Paso 3
Inferencia
de los
parmetros
mediante
tcnicas
estadsticas
apropiadas

Paso 4
Poblacin
o
universo

Estadstica inferencial
Entonces, la estadstica inferencial se utiliza
fundamentalmente para dos procedimientos
vinculados:
a)Probar hiptesis poblacionales
b)Estimar parmetros

Prueba de hiptesis
Una hiptesis en el contexto de la estadstica inferencial es una
proposicin respecto a uno o varios parmetros, lo que tenemos que
hacer es determinar si la hiptesis poblacional es congruente con los
datos obtenidos de la muestra.
Para comprender lo que es la prueba de hiptesis en la estadstica
inferencial es necesario revisar los conceptos de distribucin
muestra y nivel de significancia.

Distribucin muestra
Es un conjunto de valores sobre una estadstica calculada de todas las
muestras posibles de determinado tamao de una poblacin.
Las distribuciones mustrales de medias son probablemente las ms
conocidas.
6

media

5
4
3
2
1
0

media

Si calculramos la
media de todas las
medias de las muestras,
prcticamente
obtendramos el valor
de la media poblacional.
Casi nunca se obtiene la
distribucin muestral.
Es ms bien un
concepto terico
definido por la
estadstica.
Lo que comnmente se
hace es extraer una sola

Nivel de significancia
La probabilidad de que un evento ocurra oscila entre cero(0) y uno(1).
Aplicando el concepto de probabilidad a la distribucin muestral, para
probar hiptesis inferenciales respecto a la media, se debe evaluar si es
alta o baja la probabilidad de que la media de la muestra este cerca de la
media de la distribucin muestral.
Si es alta se podr hacer generalizaciones.
Si es baja, se dudar de generalizar los resultados
a la poblacin.
Es aqu donde entra el nivel significancia o nivel alfa (), el cual es un
nivel de la probabilidad de equivocarse y se fija antes de probar hiptesis
inferenciales.

Relacin entre la distribucin muestral y el nivel de

significancia
Si el nivel de significancia es 0.05,implica que existe un 95% de
seguridad para generalizar sin equivocarse. Es el mximo valor
que se acepta en la ciencia.
El nivel de significancia representa reas de riesgo o confianza en
la distribucin muestral.
Media hipottica
de la poblacin

Nivel de
significancia del
0.05

2.5% del
rea

95% del rea

2.5%
del
rea

Fase 6: Realizar anlisis adicionales

Este paso implica que una vez realizados nuestros anlisis, es

posible que decidamos efectuar otros anlisis o pruebas extra para
confirmar tendencias y evaluar los datos desde diferentes ngulos.
Por ejemplo, podemos en una tabla de contingencia calcular primero
chi cuadrada y luego phi, lambda, T de Cramer (C) y el coeficiente de
contingencia.
Esta fase es un momento clave para verificar que no se nos haya
olvidado un anlisis pertinente. En esta etapa regularmente se eligen
los anlisis multivariados.

Paso 7: Preparar los resultados

para presentarlos
Una vez que se obtengan los resultados de los anlisis:
1. Revisar cada resultado [anlisis general anlisis especfico valores
resultantes (incluida la significancia) tablas, diagramas, cuadros y grficas].
2. Organizar los resultados (primero los descriptivos, por variable del estudio; luego los
resultados relativos a la confiabilidad y la validez; posteriormente los inferenciales, que
se pueden ordenar por hiptesis o de acuerdo con su desarrollo).
3. Cotejar diferentes resultados: su congruencia y en caso de inconsistencia lgica
volverlos a revisar. Asimismo, se debe evitar la combinacin de tablas, diagramas o
grficas que repitan datos. Por lo comn, columnas o filas idnticas de datos no deben
aparecer en dos o ms tablas. Cuando ste es el caso, debemos elegir la tabla o
elemento que ilustre o refleje mejor los resultados y sea la opcin que presente mayor
claridad. Una buena pregunta en este momento del proceso es: qu valores, tablas,
diagramas, cuadros o grficas son necesarias?, cules explican mejor los
resultados?.

4. Priorizar la informacin ms valiosa (que es en gran parte resultado de la

actividad anterior), sobre todo si se van a producir reportes ejecutivos y otros
ms extensos.
5. Copiar y/o formatear las tablas en el programa con el cual se elaborar el
reporte de la investigacin (procesador de textos o uno para presentaciones,
como Word o Power Point). Algunos programas como SPSS y Minitab
permiten que se transfieran los resultados (tablas, por ejemplo) directamente
a otro programa (copiar y pegar). Por ello, resulta conveniente usar una
versin del programa de anlisis que est en el mismo idioma que se
emplear para escribir el reporte o elaborar la presentacin. Aunque, de no
ser as, el texto de las tablas y grficas puede modificarse, nicamente es
ms tardado.
6. Comentar o describir brevemente la esencia de los anlisis, valores, tablas,
diagramas, grficas.
7. Volver a revisar los resultados.
8. Y, finalmente, elaborar el reporte de investigacin.