UNIVERSIDAD NACIONAL DEL CENTRO DEL PERU

FACULTAD DE AGRONOMIA

CENTRO DE INVESTIGACION DE CULTIVOS AGRICOLAS

(CICA)

METODOS ESTADISTICOS EN LA

INVESTIGACION CIENTIFICA

Ing. Gustavo Santiago Osorio Pagán

Asistente de Investigación:
Ing. Cinthia Carol Colachagua Canales
¿Qué es ¿Qué es ¿Qué es ¡Y ahora
ciencia investigación hipótesis qué!
? ? ?

¿Ustedes son iguales que

ellas?
 CONCEPTOS BASICOS
 ESTADISTICA. Es parte del método científico y se define como un conjunto de técnicas
usadas para la recolección, ordenamiento, procesamiento, análisis e interpretación de
datos numéricos; con la finalidad de sacar conclusiones y tomar decisiones sobre
determinados hechos o fenómenos en estudio. Se divide en:
 Estadística descriptiva. Es aquella parte de la estadística que describe y analiza una
población o muestra, sin pretender sacar conclusiones de tipo general.
 Estadística inferencial. Es parte de la estadística, cuyo propósito es inferir o deducir
leyes del comportamiento de una población, a partir del estudio de una muestra. Es decir,
que las conclusiones obtenidas a partir de una muestra, son válidas para toda la
población.

 METODO CIENTIFICO. La aplicación de la lógica y de la objetividad al entendimiento de

un fenómeno, constituye el método científico. Este método es de tipo circulante; es decir,
la primera etapa del método científico es la observación del fenómeno, la segunda
etapa son las bases lógicas de una teoría, la tercera etapa es el desarrollo de la
teoría, y la cuarta etapa es la predicción de eventos futuros.

 PAPEL DE LA ESTADISTICA EN EL METODO CIENTIFICO

La estadística desempeña tres funciones fundamentales en el método científico:
* La descripción
* El análisis
* La predicción.
 El primer paso en la conducción de una investigación científica o estadística, consiste en
identificar la población que se va a estudiar.

 Población (N). Es el conjunto total de elementos, individuos u objetos, con una o varias
características en común y que estas sean observables.

 Muestra (n). Por lo general, es poco práctico medir o evaluar a todos los elementos de una
población, el segundo paso para conducir una investigación científica o estadística, consiste
en seleccionar una muestra de la población con el objetivo de estudiarla. La precisión de la
investigación, depende en gran parte de la forma en que la muestra sea escogida. La
muestra es el subconjunto de la población, con las mismas características en estudio.

 Unidad elemental, unidad experimental o individuo. Viene a ser cada uno de los
elementos, individuos u objetos de una población o muestra, del quién vamos a estudiar la
característica que nos interesa.

 Variable o característica. Se define como una característica que tienen los individuos,
elementos u objetos de una población o muestra. Es una propiedad que puede variar
(adquirir diversos valores) y cuya variación es susceptible a medirse.
1. Variable cualitativa. Es cuando las características de los elementos reflejan la
presencia de un determinado atributo y no están asociados a valores numéricos; estos
pueden ser:
a. Variable cualitativa nominal.
b. Variable cualitativa jerarquizada
2. Variable cuantitativa. Es cuando las características de los elementos de la población están
asociados a valores numéricos. Y estos pueden ser:
a. Variable cuantitativa discreta
b. Variable cuantitativa continua

 CIENCIA. La ciencia es el conocimiento ordenado de los fenómenos naturales y de sus relaciones

mutuas. Es la exploración de los objetos y fenómenos del universo material, para desarrollar
explicaciones ordenadas y comparables de dichos objetos y fenómenos. La ciencia está en
constante desarrollo y evolución.

La ciencia en cuanto se aplica al mejoramiento de nuestro medio natural y artificial, a la invención

y manufactura de bienes materiales y culturales, se convierte en tecnología.

¿QUÉ ES UNA INVESTIGACION?

La investigación es un proceso que consiste en la búsqueda de nuevos conocimientos, con el
propósito de encontrar la verdad o falsedad de conjeturas y coadyuvar al desarrollo de la ciencia,
poniendo en práctica el método científico; es decir, cumpliendo rigurosamente diversos pasos o
etapas en la búsqueda de esa verdad.

LA INVESTIGACION CIENTIFICA
Es la aplicación o materialización del método científico. En este proceso de investigación
científica, se tiene en cuenta la siguiente secuencia:

Planeamiento Organización Implementación Ejecución Evaluación Comunicación

 ETAPAS DEL PROCESO DE INVESTIGACION

1. Concebir la idea a investigar

La idea y el origen en la investigación
Generación de ideas

2. Planteamiento del problema de investigación

Objetivos de investigación
Preguntas de investigación
Justificación del estudio

3. Elaboración del marco teórico

Revisión de la literatura
Detección de la literatura
Obtención de la literatura
Consulta de la literatura
Extracción y recopilación de la información de interés
Construcción del marco teórico

4. Definición del tipo de investigación a realizar

Definir si la investigación se inicia como:
Exploratoria
Descriptiva
Correlacional
Explicativa
5. Formulación de la hipótesis
Formular la hipótesis
Detectar las variables
Definir conceptualmente las variables
Definir operacionalmente las variables

6. Seleccionar el diseño apropiado de investigación

Diseño de investigación
Diseño experimental
Experimento y categorías
Pre experimentos
Experimento puro o verdadero
Contexto de los experimentos
Principales diseños experimentales
Diseño completamente al azar
Diseño de bloques completamente al azar o randomizado
Cuadrado latino
Arreglo factorial
Parcelas divididas, etc.
Cuasiexperimentos
 DISEÑO COMPLETAMENTE AL AZAR

 Este es el diseño más simple utilizado en la

investigación.
 Es útil cuando las unidades experimentales son
esencialmente homogéneas; es decir, cuando la
variación entre ellas es pequeña y agruparlas en
bloques sería poco más que un proceso aleatorio.
 Generalmente se emplea en trabajos de
laboratorio, tinglados e invernaderos.
 Es flexible en cuanto a que el número de
tratamientos y de repeticiones sólo está limitado
por el número de unidades experimentales
disponibles. El número de repeticiones puede
variar de un tratamiento a otro.
 El análisis de variancia es sencillo.
 La principal objeción a este diseño es su frecuente
ineficiencia. Como la aleatorización no tiene
restricciones, el error experimental incluye toda la
variación entre las unidades experimentales
excepto la debida a los tratamientos.
Modelo aditivo lineal
El modelo aditivo lineal, se ha definido como una ecuación algebraica; es decir,
que una observación cualesquiera dentro del experimento esta conformada por
la media poblacional y los efectos aleatorios.

Xij = µ +  i +  ij
Donde:
Xij = Observación cualesquiera dentro del experimento
µ = Media poblacional
i = Efecto aleatorio del i-ésimo tratamiento
 ij = Error experimental
i = 1, 2, ....., t; tratamientos
j = 1, 2,......, r; muestras o repeticiones
 DISEÑO DE BOQUES COMPLETAMENTE AL AZAR O RANDOMIZADO

 Este diseño del BCR puede usarse cuando las

unidades experimentales pueden agruparse, al
que se le denomina bloques o repeticiones.
 El objetivo del agrupamiento o bloqueo es lograr
que las unidades en un bloque sean tan
uniformes como sea posible, de modo que las
diferencias se deban en gran parte a los
tratamientos.
 El número óptimo de tratamientos y repeticiones
deben ser:
4 ≤ t ≤ 12
3 ≤ r ≤8
 Debe haber diferencias o variabilidad entre
bloques o grupos.
 El análisis de variancia es sencillo.
 La principal desventaja del BCR es que cuando
la variación entre unidades experimentales
dentro de un bloque es grande, resulta un
término de error considerable.
Modelo Aditivo Lineal
Xij = µ +  i + βj +  ij
Donde:
Xij = Observación cualesquiera dentro del experimento
µ = Media poblacional
i = Efecto aleatorio del i-ésimo tratamiento
βj = Efecto aleatorio del j-ésimo bloque o repetición
 ij = Error experimental
i = 1, 2, ....., t; tratamientos
j = 1, 2,......, r; repeticiones o bloques
Modelo de distribución de los tratamientos en las unidades
experimentales
 DISEÑO DEL CUADRADO LATINO

 En el diseño cuadrado latino, se disponen

los tratamientos en dos direcciones
diferentes, por hileras y columnas.
 Cada tratamiento se presenta una y sola
una vez en cada hilera y en cada
columna.
 Se emplea generalmente en terrenos en
donde la variabilidad del suelo es en
doble dirección.
 El análisis de variancia es un poco más
compleja que el diseño de bloques
completamente randomizado.
 La principal desventaja de este diseño es
que el número de hileras, columnas y
tratamientos debe ser el mismo. Así, si
hay muchos tratamientos, el número de
parcelas es elevado y por lo tanto, se
hace más tedioso las evaluaciones de los
tratamientos.
Disposición de los tratamientos en un cuadrado latino
Modelo Aditivo Lineal
Xij(t) = µ + δi + βj +  (t) +  ij
Donde:
Xij(t) = Observación cualesquiera dentro del experimento
µ = Media poblacional
δi = Efecto aleatorio de la k-ésima hilera o bloque
βj = Efecto aleatorio de la j-ésima columna
 (t) = Efecto aleatorio del i-ésimo tratamiento
 ij = Error experimental
i = 1, 2, ....., r; hileras
j = 1, 2,......, r; columnas
t = 1, 2, ....., r; tratamientos
 DISEÑOS CON ARREGLO FACTORIAL

 Se utiliza en trabajos de exploración.

 En un experimento factorial se utilizan
por lo menos dos factores y cada factor
con dos niveles como mínimo.
 En un experimento factorial se utilizan los
diseños completamente al azar, diseño
de bloques completamente randomizado
y el cuadrado latino; mientras que, en el
gabinete se emplea el arreglo factorial.
 Las interacciones de los niveles de cada
factor son de importancia para el
investigados; es decir, todos los
tratamientos son de vital importancia.
 El análisis de variancia es más compleja
que los diseños anteriores explicados en
el presente texto.
 La desventaja de este diseño es cuando
se tiene muchos factores y muchos
niveles de cada factor, el error
experimental tiende a incrementarse.
Modelo Aditivo Lineal
Xijk = µ + δk +  i + βj + (β)ij +  ijk
Donde:
Xijk = Observación cualesquiera dentro del experimento
µ = Media poblacional
δk = Efecto aleatorio del k-ésimo bloque o repetición
i = Efecto aleatorio del i-ésimo nivel del factor A
βj = Efecto aleatorio del j-ésimo nivel del factor B
(β)ij = Efecto aleatorio del i-ésimo nivel del factor A,
interaccionado con el j-ésimo nivel del factor B
 ijk = Error experimental
i = 1, 2, ....., a; niveles del factor A
j = 1, 2,......, b; niveles del factor B
k = 1, 2, ....., r; bloques o repeticiones
 DISEÑO CON PARCELAS DIVIDIDAS

 Los diseños con parcelas divididas se usan frecuentemente en

experimentos factoriales, tales diseños pueden incorporar uno
o más de los diseños completamente aleatorio, de bloques
completamente randomizado o de cuadrado latino.
 El principio básico de éste: las parcelas completas o unidades
completas, a las cuales se les aplican niveles de uno o más
factores, se dividen en subparcelas o subunidades a las cuales
se les aplican niveles de uno o más factores adicionales.
 De modo que, cada unidad completa se convierte en un bloque
para los tratamientos de subunidades.
 Por ejemplo, considérese un experimento para probar el factor
A, a cuatro niveles en tres bloques o repeticiones de un diseño
de bloques completamente randomizado. Un segundo factor B,
a dos niveles, puede superponerse mediante división de cada
unidad del factor A en dos subunidades, y asignando los dos
tratamientos B a esas subunidades. Aquí las dos subunidades
A son las unidades completas y las unidades B son las
subunidades.
 El análisis de variancia es más compleja que los diseños
completamente al azar, diseño de bloques completamente
randomizado y el cuadrado latino.
 La principal desventaja es cuando se tiene muchos factores y
muchos niveles de cada factor, pues se agranda el tamaño de
las parcela y por ende se incrementa el error experimental.
7. Diseños no experimentales de investigación
Transeccional
Descriptivos
Correlacionales/causales
Longitudinal
De tendencia
De análisis evolutivo de grupo
Panel

8. Seleccionar una muestra apropiada para la investigación

Seleccionar los sujetos o elementos que van a ser medidos
Delimitar la población
Elegir el tipo de muestra
Probabilística
No probabilística
Definir el tamaño de la muestra
Aplicar el procedimiento de selección
Obtener la muestra

9. Recolección de datos
Definir la forma idónea de recolectar los datos de acuerdo al contexto de la investigación.
Elaborar el instrumento de medición
Aplicar el instrumento de medición
Obtener los datos
Codificar los datos
Archivar los datos y prepararlos para el análisis
10. Análisis de datos
Decidir qué pruebas estadísticas son apropiadas para analizar los datos, dependiendo
de las hipótesis formuladas y los niveles de medición de las variables.

Análisis de los datos computarizado, utilizando un paquete estadístico o generando un

programa propio.

Correr el programa.

Obtener los análisis requeridos.

Interpretar y discutir los análisis.

11. Conclusiones
Concluir de acuerdo a los objetivos