UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

(Universidad del Perú, DECANA DE AMÉRICA)

FACULTAD DE EDUCACIÓN
UNIDAD DE POST GRADO

SEMINARIO DE
INVESTIGACIÓN CUANTITATIVA
 EL CONOCIMIENTO

trasciende

SUJETO OBJETO
(Su existencia (Su existencia
es independiente es independiente
de la existencia de la existencia
del objeto) del sujeto)

El sujeto trascendente se modifica, porque pasa de la

ignorancia del objeto, al conocimiento del objeto.
 LA CIENCIA

Es una actitud muy conveniente para el hombre,

pero paradógicamente tardía.
Consiste en identificar una serie de fenómenos o
aspectos de la realidad y tratar establecer, entre
ellos, relaciones de causalidad para poder luego
describirlos, explicarlos, predecirlos o
retrodecirlos (plano de la teoría) o transformarlos
(plano de la práctica).
La ciencia es teoría y práctica, al mismo tiempo.
 CARACTERÍSTICAS DEL
CONOCIMIENTO CIENTÍFICO

EL CONOCIMIENTO EL CONOCIMIENTO
CIENTÍFICO ES: NO CIENTÍFICO ES:

 FALIBLE  INFALIBLE
 REFUTABLE  IRREFUTABLE
 CONTRASTABLE  INCONTRASTABLE
 RELATIVO  ABSOLUTO
 UNIVERSAL  PARTICULAR
 OBJETIVO  SUBJETIVO
 AUTOCORREGIBLE  POR SER INFALIBLE,
NO SE CORRIGE
 RELACIONES DE LA CIENCIA CON
OTROS TIPOS DE CONOCIMIENTO

TEORÍA
CIENTÍFICA

Simulación Aplicación

PSEUDO PROTO TECNOLOGÍA

CIENCIA CIENCIA

CONOCIMIENTO
INGÉNUO
 EL PROBLEMA DEL MÉTODO
DE LA CIENCIA

POPPER: MÉTODO HIPOTÉTICO DEDUCTIVO

HABERMAS: MÉTODO HERMENÉUTICO

MARX: MÉTODO MARXISTA

KLIMOVSKY: LAS DESVENTURAS DEL

CONOCIMIENTO CIENTÍFICO

FEYERABEND: CONTRA EL MÉTODO

 MÉTODO HIPOTÉTICO DEDUCTIVO

1. Conocimientos previos.
2. Planteamiento del problema.
3. Formulación de las hipótesis.
4. Contraste de las hipótesis con la realidad.
5. Adopción de las decisiones con respecto a las
hipótesis.
Primera decisión: Las hipótesis se aceptan si
los hechos la corroboran. En este caso se
convierten en teorías.
Segunda decisión: Las hipótesis se rechazan si
no concuerdan con los hechos. En este caso, el
investigador debe plantear nuevas hipótesis.
 PROBLEMAS:
REQUISITOS FORMALES

 El problema científico se redacta en forma de

pregunta que aún no tiene respuesta conocida, pero
que puede hallarse en el proceso de investigación.
 El problema científico plantea una relación entre
dos o más variables.

 Debe formularse con claridad, sin ambigüedades.

 Debe ser posible de verificarse empíricamente.

 En la redacción del problema se debe evitar el uso

de términos valorativos.
 HIPÓTESIS:
REQUISITOS FORMALES

 Una hipótesis es una conjetura plausible que

pretende dar respuesta al problema científico.
 Toda hipótesis establece la relación entre dos
o más variables.
 La hipótesis debe ser formulada con claridad,
sin ambigüedades, y en forma de respuesta.
 La hipótesis debe ser posible de verificarse
empíricamente.
 En la redacción de las hipótesis se debe
evitar el uso de términos valorativos.
 HIPÓTESIS:
ESTUCTURA FORMAL

1. Variables (independientes y
dependiente).
2. Elemento relacional.
3. Población de referencia.
4. Ámbito de estudio.
5. Horizonte temporal.
 PROBLEMAS E HIPÓTESIS BIVARIADAS

PROBLEMAS HIPÓTESIS
¿Qué relación existe entre X y Y? Entre X y Y existe relación directa.
¿Cuál es la causa de Y? La causa de Y es X.
¿Qué efecto produce X? X produce Y.
¿Qué sucederá con Y cuando actúe Y se incrementa cuando actúa X.
X?
¿Cómo influye X en Y? X influye en Y modificándola
significativamente.
¿En qué medida X influye en Y? La influencia de X es significativa.
¿X influye significativamente en Y? X influye significativamente en Y.
¿Qué hacer para producir Y? Para producir Y se debe activar X.
¿Cómo cambiar Y? Para cambiar Y debe actuar X.
 PROBLEMAS E HIPÓTESIS MULTIVARIADAS
PROBLEMAS
¿Qué relación existe entre X1, X2,
X3, Xn con respecto a Y?
¿Cuáles son las causas de Y?
¿Qué efectos producen en Y los
factores X1, X2, X3, Xn?
¿Qué sucederá con Y cuando
actúen los factores X1, X2, X3, Xn?
¿Cómo influyen X1, X2, X3, Xn con
respecto a Y?
¿En qué medida X1, X2, X3, y Xn
influyen en Y?
¿Qué hacer para producir Y?
HIPÓTESIS
Entre X1, X2, X3, Xn, con respecto a
Y, existe relación directa.
Las causas de Y son X1, X2, X3,Xn.
X1, X2, X3, Xn producen Y.
Y se incrementará cuando actúen
los factores X1, X2, X3, Xn.
X1, X2, X3, Xn influyen en Y
modificándola significativamente.
La influencia de X1, X2, X3, Xn es
significativa, con respecto a Y.
Para roducir Y es necesario que
intervengan X1, X2, X3, Xn.
 HIPÓTESIS BIDIRECCIONALES
O BILATERALES

Cuando el elemento relacional no indica la

dirección o el sentido de la influencia de la
variable independiente en la dependiente.
También se llaman hipótesis de dos colas:

X influye en Y

La influencia puede ser el incremento o la

disminución.
 HIPÓTESIS UNIDIRECCIONALES
O UNILATERALES

Cuando el elemento relacional indica la

dirección o el sentido de la influencia de la
variable independiente en la dependiente.
También se llaman hipótesis de una sola cola:

X incrementa Y

La otra dirección posible es:

X diminuye Y
 LAS VARIABLES

Son constructos teóricos que elaboran los

científicos, en los más altos niveles de
abstracción, para referirse a los fenómenos
que estudian.

Toda variable asume dos o más valores; es

susceptible de variar.

Los constructos que no varían son

constantes.
 CRITERIOS PARA CLASIFICAR VARIABLES

Por la función que cumplen en la hipótesis:

INDEPENDIENTES: Supuestas causas.
DEPENDIENTES: Posibles efectos.
INTERVINIENTES: Actúan como causas y afectan los
valores de las dependientes.

Por su naturaleza:
ATRIBUTIVAS: Son consustanciales al sujeto. Son
atributos personales. Se observan; no se manipulan.
ACTIVAS: Son independientes del sujeto. Se manipulan;
no se observan.
 CRITERIOS PARA CLASIFICAR VARIABLES

Por el método de estudio:

CUALITATIVAS: No pueden ser medidas. No pueden
convertirse en cuantitativas.
CUANTITATIVAS: Se pueden medir. Pueden
convertirse en cualitativas.
Por los valores que adquieren:
DICOTOMÍAS: No pueden convertirse en
politomías.
POLITOMÍAS: Pueden convertirse en dicotomías.
CRITERIOS PARA CLASIFICAR VARIABLES

Por la posesión de la característica:

CATEGÓRICAS: Presentan solución de continuidad.
Se constatan, no se miden. No pueden convertirse
en continuas.

CONTINUAS: Se miden en escalas, no se constatan.

Sus valores pueden ser expresados en decimales.
Pueden convertirse en categóricas. Son más
susceptibles de ser operacionalizadas.
 CRITERIOS PARA CLASIFICAR VARIABLES

El estado civil es variable categórica. Sus valores son:

soltero casado viudo divorciado conviviente.

Entre uno y otro valor hay solución de continuidad.
El rendimiento académico es variable continua. Todos
los sujetos tienen rendimiento académico. La
variabilidad reside en que unos tienen más y otros
menos rendimiento académico.
La escala sería la siguiente:

0 1 2 3 4 5 6 7 8 9 10 11 12
 OPERACIONALIZACIÓN DE VARIABLES

Nivel de lo abstracto

Proceso de Proceso de
elaboración de operacionalización
variables de variables

Nivel de lo concreto
OPERACIONALIZACIÓN DE UNA VARIABLE

Constructo CONDICIÓN SOCIO ECONÓMICA

ECONOMÍA EDUCACIÓN VIVIENDA OCUPACIÓN

S.M.V. - 500 1 Analfabeto 1 Alojado 1 Desocupado 1

501 - 1000 2 Prim. Inc. 2 Alquilada 2 Eventual 2
1001 - 1500 3 Prim. Com. 3 Propia 3 Tpo. Parc. 3
1501 - 2000 4 Sec. Inc. 4 Tpo. Compl. 4
Propiedad viv.
2001 - 2500 5 Sec. Com. 5
Tiempo de ocup.
2501 a más 6 Sup. Inc. 6 Índices
Ingreso mensual Sup. Com. 7
E.P.G. 8
Grado de escolaridad
 UN PROBLEMA CIENTÍFICO

¿Qué efectos producen, en el

Rendimiento Académico de alumnos
del Ciclo Básico de Obstetricia, el
Desempeño Docente y los Métodos
Didácticos empleados en el proceso
educativo?
 UNA HIPÓTESIS GENERAL

El eficiente desempeño docente, (A2),

y los métodos didácticos centrados
en el aprendizaje, (B2), son factores
que contribuyen a incrementar
significativamente el nivel de
rendimiento académico de alumnos
del Ciclo Básico de Obstetricia.
 SUB HIPÓTESIS ALTERNA 1

Se observa un incremento significativo

en el rendimiento académico del grupo
de alumnos que estudió con profesores
que tenían eficiente desempeño docente,
(A2), con respecto al grupo de alumnos
que estudió con profesores que no
tenían eficiente desempeño docente,
(A1).
 SUB HIPÓTESIS NULA 1

No existen diferencias significativas en

el rendimiento académico del grupo de
alumnos que estudió con profesores
que tenían eficiente desempeño
docente, (A2), con respecto al grupo de
alumnos que estudió con profesores
que no tenían eficiente desempeño
docente, (A1).
 SUB HIPÓTESIS ALTERNA 2

Se observa un incremento significativo

en el rendimiento académico del grupo
de alumnos a quienes se les aplicó
métodos didácticos centrados en el
aprendizaje, (B2), con respecto al grupo
de alumnos a quienes se les aplicó
métodos didácticos centrados en la
enseñanza, (B1).
 SUB HIPÓTESIS NULA 2

No se observan diferencias
significativas en el rendimiento
académico del grupo de alumnos a
quienes se les aplicó métodos
didácticos centrados en el aprendizaje,
(B2), con respecto al grupo de alumnos
a quienes se les aplicó métodos
didácticos centrados en la enseñanza
(A1).
 SUB HIPÓTESIS ALTERNA 3

La interacción de los factores

Desempeño Docente y Métodos
Didácticos, (A x B), incrementa los
niveles de rendimiento académico de
alumnos del Ciclo Básico de
Obstetricia.
 SUB HIPÓTESIS NULA 3

La interacción de los factores

Desempeño Docente y Métodos
Didácticos, (A x B), no produce efectos
significativos en el rendimiento
académico de alumnos del Ciclo
Básico de Obstetricia.
 UN PROBLEMA CIENTÍFICO

¿Qué relación existe entre el índice

académico, la organización del
tiempo libre y la afinidad de la
actividad laboral con los estudios,
con respecto al éxito académico de
estudiantes de Post Grado de la
U.N.M.S.M.
 HIPÓTESIS ALTERNA

El índice académico, la
organización del tiempo libre y la
afinidad de la actividad laboral con
los estudios, están directamente
correlacionados con el éxito
académico de estudiantes de Post
Grado de la U.N.M.S.M.
 HIPÓTESIS NULA

El índice académico, la
organización del tiempo libre y la
afinidad de la actividad laboral con
los estudios, no están
correlacionados con el éxito
académico de estudiantes de Post
Grado de la U. N. M. S. M.
 CRITERIOS PARA CLASIFICAR
INVESTIGACIONES (I)

 Por el tipo de conocimientos previos:

FILOSÓFICAS
CIENTÍFICAS

 Por la naturaleza del objeto de estudio de las

investigaciones científicas:
FORMALES
FACTUALES, EMPÍRICAS o DE HECHOS. Éstas,
a su vez, pueden ser NATURALES o SOCIALES.
 CRITERIOS PARA CLASIFICAR
INVESTIGACIONES (II)

 Por el tipo de pregunta planteada en el problema:

TEÓRICAS
a. Descriptivas
. Predicativas no causales (¿cómo es X?)
. Relacionales no causales (¿existe relación entre
X y Y?)
b. Explicativas (¿por qué X es como es?)
c. Predictivas (¿qué ocurrirá con Y cuando actúe X?)
d. Retrodictivas (¿Cómo fue X?)
PRÁCTICAS (¿qué hacer para transformar A en B?)
 CRITERIOS PARA CLASIFICAR
INVESTIGACIONES (III)

Por el método de contrastación de las hipótesis:

DE CAUSA A EFECTO
. Pre experimentales
. Experimentales
. Cuasi experimentales

DE EFECTO A CAUSA
. Ex post facto
 CRITERIOS PARA CLASIFICAR
INVESTIGACIONES (IV)

 Por el método de estudio de las variables:

CUALITATIVAS
CUANTITATIVAS

 Por el número de variables:

UNIVARIADAS
BIVARIADAS
MULTIVARIADAS o FACTORIALES
 CRITERIOS PARA CLASIFICAR
INVESTIGACIONES (V)

 Por el ambiente en el que se realizan:

DE GABINETE o BIBLIOGRÁFICAS
DE LABORATORIO
DE CAMPO

 Por los resultados que producen:

PRIMARIAS
SECUNDARIAS
 CRITERIOS PARA CLASIFICAR
INVESTIGACIONES (VI)

 Por el enfoque utilitario predominante:

TEORÉTICAS o ESPECULATIVAS
PRAGMÁTICAS, DE ACCIÓN o PARTICIPANTES
 Por la profundidad en el tratamiento del tema:
ESTUDIOS PILOTO, EXPLORATORIOS, SURVEY
ESTUDIOS PROPIAMENTE DICHOS
 Por el tiempo de aplicación de la variable:
LONGITUDINAES o DIACRÓNICOS
TRANSVERSALES o SINCRÓNICOS
ESTRATEGIA PARA PROBAR HIPÓTESIS

MAXIMIZAR LOS EFECTOS

DE LA VARIABLE
INDEPENDIENTE

MINIMIZAR LOS EFECTOS DE CONTROL DE LA

LAS VARIABLES VARIANZA
INTERVINIENTES

CONTROLAR LOS POSIBLES

ERRORES DE MEDICIÓN
 FACTORES QUE PRODUCEN
HIPÓTESIS RIVALES

1. Por el paso del tiempo

HISTORIA
MADURACIÓN
2. Por la aplicación de pre tests
ADMINISTRACIÓN DE TEST
INSTRUMENTACIÓN
REGRESIÓN ESTADÍSTICA
3. Por la igualación de sujetos
SELECCIÓN
MORTALIDAD EXPERIMENTAL
INTERACCIÓN ENTRE MADURACIÓN Y SELECCIÓN
 ANÁLISIS DE LA VALIDEZ INTERNA

H M A I R S ME MS
Una sola
P medición
X0 - - - -
R
E
E
Pre, post test
con un grupo
0X0 - - - - - + + -
X
P
R
Comparación
con grupo est
X0 + + + + + - - -
0
Diseño
E clásico
R 0 1 X 02
R 03 04 + + + + + + + +
X
P Cuatro grupos
R 01 X 02
E
R
de Solomon
R 03
R X
04
05 + + + + + + + +
R 06
I
M Sólo post test R X 01
R 02 + + + + + + + +
 CONDICIONES DE UN
EXPERIMENTO CIENTÍFICO

1. EN TODO EXPERIMENTO SE DEBE TRABAJAR, POR

LO MENOS, CON DOS GRUPOS.

2. LOS GRUPOS DEBEN SER IGUALES.

3. LOS GRUPOS DEBEN HABER SIDO FORMADOS

POR EL PROPIO INVESTIGADOR
 ANÁLISIS DE VARIANZA

Yijk = µ + a i + bj + (a b )ij +  ijk

Yijk = ‘K - ésima’ observación bajo el ‘i - ésimo’ tratamiento

de la variable A y bajo el ‘j - ésimo’ tratamiento de la
variable B. Efecto de los factores A y B cualesquiera
sean sus niveles de variación.
µ = Media muestral en cada uno de los tratamientos del
diseño 2x2
a i = Efecto del ‘i - ésimo’ nivel del factor A
b j = Efecto del ‘j - ésimo’ nivel del factor B
a b = Interacción de los factores A y B
 ijk = Margen de error estimado.
 ANÁLISIS DE VARIANZA

Sub Hipótesis Alterna 1: µ20 > µ10

Sub Hipótesis Nula 1: µ20 = µ10
Sub Hipótesis Alterna 2: µ02 > µ01
Sub Hipótesis Nula 2: µ02 = µ01
Sub Hipótesis Alterna 3: (a b )ij > 0
Sub Hipótesis Nula 3: (a b )ij = 0
 ANÁLISIS DE VARIANZA: Caso

Factor A
Desempeño docente
A1 No eficiente A2 Eficiente

B1 [1] [a]
Centrados en 80 alumnos de 3° 80 alumnos de 3°
Año de la Año de la
Factor B la enseñanza U.N.M.S.M. U.P.L.A.
Métodos
Didácticos [b] [ab]
B2
80 alumnos de 4° 80 alumnos de 4°
Centrados en Año de la Año de la
el aprendizaje U.P.L.A. U.N.M.S.M.
 ANÁLISIS DE VARIANZA: Caso

Factor A
Desempeño docente
A1 No eficiente A2 Eficiente

B1 [1] [a]
Centrados en 867 998
Factor B la enseñanza
Métodos
Didácticos B2
Centrados en 987 1087
el aprendizaje [b] [ab]
 ANÁLISIS DE VARIANZA:
Combinación lineal

Combinación lineal
Efectos de
Factores 1 a b ab Totales
los factores
867 998 985 1087
Efecto
– + – + 227 1,42
de A

Efecto – –
de B
+ + 201 1,26

Interacción – –
AxB
+ + - 23 - 0,14
 ANÁLISIS DE VARIANZA:
Suma de cuadrados

Trat. [1 ] Trat. [a ] Trat. [b ] Trat. [ab ]

A1B1 A2B1 A1B2 A2B2

9,5 9,5 9,5 9,5

n = 80 10,5 9,5 14 14,5

abn abn
S xab 867 998 987 1087 S x = 3939
1 1
–
xab 10,84 12,48 12,38 13,59
 ANÁLISIS DE VARIANZA:
Suma de cuadrados de los efectos

abn
abn (S X )2
SST = S X2 – 1
1 abn
n
S X2 ab = 49533,75
1

(3939)2
= 49533,75 –
2 x 2 x 80

= 49533,75 – 48486,63 = 1047,12 (SST)

 ANÁLISIS DE VARIANZA:
Suma de cuadrados entre medias

n abn
abn ( S xabn )2 ( S x )2
SSE = S 1 1
1 abn abn

1. Para el primer término

n
ab ( S xab )2 (867) 2 + (998)2 + (987)2 + 1087)2
S 1
=
1 1 abn
 ANÁLISIS DE VARIANZA:
Suma de cuadrados entre medias

2. El segundo término de esta ecuación es el mismo

que para SST, es decir: 48486.63

3. Continuando con el proceso se tiene:

SSE = 48792,89 – 48486,63 = 306,26

SSE = 306,26
 ANÁLISIS DE VARIANZA:
Suma de cuadrados dentro de las combinaciones

SSD = SST - SSE

SSD = 1047,12 - 306,26

SSD = 740,86
 ANÁLISIS DE VARIANZA:
Prueba F de la Hipótesis

Fuente de variación SS gl MS

Entre las combinaciones 306,26 3 102,09

Dentro de las combinaciones 740,86 316 2,34
Total 1047,12 319

Fórmula de F:
F = MSE / MSD

F = 102,09 / 2,34 = 43,63

43,63 > 2,63
valor hallado: 43,63, es > que valor tabulado: 2,63
 REGRESIÓN MÚLTIPLE

X1 X2 X3 Y X1 * X1 X2. X2 X3. X3 Y*Y X1. X2 X1. X3 X2.X3 X1 * Y X2 * Y X3 * Y

15.16 12 14 13.45 229.8256 144 196 180.9025 181.92 212.24 168 2039020 161.40 188.30
15.77 12 14 13.75 248.6929 144 196 189.0625 189.24 220.78 168 216.8375 165.00 192.50
13.19 11 14 14.21 173.9761 121 196 201.9241 145.09 184.66 154 187.4299 156.31 198.94
14.70 10 14 13.39 216.0900 100 196 179.2921 147.00 205.80 140 196.8330 133.90 187.46
12.13 14 14 14.05 147.1369 196 196 197.4025 169.82 169.82 196 170.4265 196.70 196.70
14.52 15 14 13.99 210.8304 225 196 195.7201 217.80 203.28 210 203.1348 209.85 195.86
11.96 13 12 14.15 143.0416 169 144 200.2225 155.48 143.52 156 169.2340 183.95 169.80
15.94 10 14 15.93 254.0836 100 196 253.7649 159.40 223.16 140 253.9242 159.30 223.02
14.04 10 14 15.48 197.1216 100 196 239.6304 140.40 196.56 140 217.3392 154.80 216.72
14.32 11 14 14.76 205.0624 121 196 217.8576 157.52 200.48 154 211.3632 162.36 206.64
13.02 10 14 14.03 169.5204 100 196 196.8409 130.20 182.28 140 182.6706 140.30 196.42
13.14 11 14 14.40 172.6596 121 196 207.3600 144.54 183.96 154 189.2160 158.40 201.60
15.02 11 14 15.30 225.6004 121 196 234.0900 165.22 210.28 154 229.8060 168.30 214.20
16.55 11 14 16.14 273.9025 121 196 260.4996 182.05 231.70 154 267.1170 177.54 225.96
14.10 11 14 13.83 198.8100 121 196 191.2689 155.10 197.40 154 195.0030 152.13 193.62
14.81 12 14 14.91 219.3361 144 196 222.3081 177.72 207.34 168 220.8171 178.92 208.74
15.08 14 14 15.06 227.4064 196 196 226.8036 211.12 211.12 196 227.1048 210.84 210.84
13.71 12 12 14.26 187.9641 144 144 203.3476 164.52 164.52 144 195.5046 171.12 171.12
 2023.57 16.63 19.00 2094.71 28393.2825 19934 25184 30410.9647 23266.34 26570.90 21956 29293.6270 24088.13 27505.76
 REGRESIÓN MÚLTIPLE
Covarianza

Y X1 X2

X1 0.16

X2 0.03 0.03

X3 0.08 0.08 0.11

 REGRESIÓN MÚLTIPLE

 Y = a0 n + a1 X1 + a2 X2 + a3 X3

 X1Y = a0  X1 + a1  X12 + a2  X1 X2 + a3  X1 X3
 X2Y = a0  X2 + a1  X1 X2 + a2  X22 + a3  X2 X3
 X3Y = a0  X3 + a1  X1 X2 + a2 X2 X3 + a3  X32
 REGRESIÓN MÚLTIPLE: Datos

n = 145  X22 = 19939

 X1 = 2023,57  X32 = 25184
 X2 = 1663  Y2 = 30410,96
 X3 = 1900  X1 X2 = 23266,34
Y = 2094,71  X1 X3 = 36570,90
 X12 = 28393,28  X2 X3 = 21956
 REGRESIÓN MÚLTIPLE:
Ecuación de Predicción

^
Y = a0 + X1 a1 + X2 a2 + X3a3

En donde:
a0 = Constante = 7,7844
a1 = Coeficiente de regresión de X1 = 0,3421
a2 = Coeficiente de regresión de X2 = 0,0282
a3 = Coeficiente de regresión de X3 = 0,1194
 REGRESIÓN MÚLTIPLE:
Ecuación de Predicción. Caso

^
Y del sujeto 40 = 7,7844 + ( 13.87 x 0,3421) +
(13 x 0,0282) + (14 x 0,1194)
^
Y del sujeto 40 = 7,7844 + 4,74927 + 0,3666 + 1,6716
Y^ del sujeto 40 = 14,57
Y del sujeto 40 = 14,19
Discrepancia entre Y^ y Y = -0,38
 PRUEBA F

R2/K
F=
(1 – R2) / (N – K – 1)

0.44272/3
F=
(1 – 0.44272) / (145 – 3 – 1)

0,0653
F= = 11,4519
0,0057021
 DISTRIBUCIÓN DE F (95 % confianza)
gl 1 2 3 4 5 6
1 161,40 199,50 215,70 224,60 230,20 234,00
2 18,51 19,00 19,16 19,25 19,30 19,33
3 10,13 9,55 9,28 9,12 9,01 8,94
4 7,71 6,94 6,59 6,39 6,26 6,16
5 6,61 5,79 5,41 5,19 5,05 4,95
6 5,99 5,14 4,76 4,53 4,39 4,28
7 5,59 4,74 4,35 4,12 3,97 3,87
8 5,32 4,46 4,07 3,84 3,69 3,58
9 5,12 4,26 3,86 3,63 3,48 3,37
10 4,96 4,10 3,71 3,48 3,33 3,22
11 4,84 3,98 3,59 3,36 3,20 3,09
12 4,75 3,89 3,49 3,26 3,11 3,00
13 4,67 3,81 3,41 3,18 3,03 2,92
14 4,60 3,74 3,34 3,11 2,96 2,85
15 4,54 3,68 3,29 3,06 2,90 2,79
16 4,49 3,63 3,24 3,01 2,85 2,74
17 4,45 3,59 3,20 2,96 2,81 2,70
18 4,41 3,55 3,16 2,93 2,77 2,66
19 4,38 3,52 3,13 2,90 2,74 2,63
20 4,35 3,49 3,10 2,87 2,71 2,60
21 4,32 3,47 3,07 2,84 2,68 2,57
22 4,30 3,44 3,05 2,82 2,66 2,55
 3,84 3,00 2,60 2,37 2,21 2,10
 CHI CUADRADA

Forma simple

(fo - fe)2
X2 = 
fe

Para muestras independientes

N ([ AD - BC ] - ½ N)2
X2 = 
(A+B) (C+D) (A+C) (B+D)
 CHI CUADRADA

Datos para el cálculo de Chi Cuadrada

Edades Favorable Neutral Desfavorab. Total
21 - 25 15 (8,6) 2 (3,6) 3 (7,8) 20
26 - 30 11 (8,6) 4 (3,6) 5 (7,8) 20
31 - 35 9 (8,6) 5 (3,6) 6 (7,8) 20
36 - 40 5 (8,6) 5 (3,6) 10 (7,8) 20
41 - 45 3 (8,6) 2 (3,6) 15 (7,8) 20
N 43 18 39 100
 CHI CUADRADA

Cálculo de Chi Cuadrada de la actitud favorable

(fo-fe)2
Edades fo fe fo-fe (fo-fe)2 fe

21 - 25 15 8,6 6,4 40,96 4,76

26 - 30 11 8,6 2,4 5,76 0,66

31 - 35 9 8,6 0,4 0,16 0,00

36 - 40 5 8,6 -3,6 12,96 1,51

41 - 45 3 8,6 -5,6 31,36 3,65

N 43 43 10,58
 CHI CUADRADA

Cálculo de Chi Cuadrada de la actitud neutral

(fo-fe)2
Edades fo fe fo-fe (fo-fe)2 fe

21 - 25 2 3,6 -1,6 2,56 0,71

26 - 30 4 3,6 0,4 0,16 0,04

31 - 35 5 3,6 1,4 1,96 0,54

36 - 40 5 3,6 1,4 1,96 0,54

41 - 45 2 3,6 -1,6 2,56 0,71

N 18 18 2,54
 CHI CUADRADA

Cálculo de Chi Cuadrada de la actitud desfavorable

(fo-fe)2
Edades fo fe fo-fe (fo-fe)2 fe

21 - 25 3 7,8 -4,8 23,04 2,95

26 - 30 5 7,8 -2,8 7,84 1,00

31 - 35 6 7,8 -1,8 3,24 0,42

36 - 40 10 7,8 2,2 4,84 0,62

41 - 45 15 7,8 7,2 51,84 6,65

N 39 39 11,64
CHI CUADRADA: Muestras independientes

N ([ AD - BC ] - ½ N)2
X2 = 
(A+B) (C+D) (A+C) (B+D)

GRADOS DE LIBERTAD
Para la variable actividad laboral: K - 1 = 2 - 1
Para la variable éxito académico: L - 1 = 2 - 1
En consecuencia: Gl = 1 x 1 = 1
 CHI CUADRADA: Muestras independientes

ACTIVIDAD LABORAL
No afín Afín

A B
A+B
Bajo
205 134 339
NIVEL DE
ÉXITO
ACADÉMICO C D
C+D
Alto 170 191 361

A+C B+D
375 325 N = 700
 CHI CUADRADA

N ([ AD – BC ] – ½ N)2
X2 = 
(A+B) (C+D) (A+C) (B+D)

700 ([ 39115 – 22780 ] – 350) 2

X2 = 
(399 x 361 x 375 x 325

179760437500
X2 = = 12,05
1491490625
VALORES CRÍTICOS DE CHI CUADRADA

gl Nivel de significación para una prueba bilateral

,20 ,10 ,05 ,02 ,01 ,001
1 1,64 2,71 3,84 5,41 6,64 10,87
2 3,22 4,60 5,99 7,82 9,21 13,82
3 4,64 6,25 7,82 9,84 11,34 16,27
4 5,99 7,78 9,49 11,67 13,28 18,46
5 7,29 9,24 11,07 13,39 15,09 20,52
6 8,56 10,64 12,59 15,03 16,81 22,46
7 9,80 12,02 14,07 16,62 18,48 24,32
8 11,03 13,36 15,51 18,17 20,09 26,12
9 12,24 14,68 16,92 19,68 21,67 27,88
10 13,44 15,99 18,31 21,16 23,21 29,59
11 14,63 17,28 19,68 22,62 24,72 31,26
12 15,81 18,55 21,03 24,05 26,22 32,91
13 16,98 19,81 22,36 25,47 27,69 34,53
14 18,25 21,06 23,68 26,87 29,14 36,12
15 19,31 22,31 25,00 28,26 30,58 37,70
16 20,46 23,54 26,30 29,63 32,00 39,20
17 21,62 24,77 27,59 31,00 33,41 40,75
18 22,76 25,99 28,87 32,35 34,80 42,31
19 23,90 27,20 30,14 33,69 36,19 43,82
20 25,04 28,41 31,41 35,02 37,57 45,32
21 26,17 29,62 32,67 36,34 38,93 46,80
PRUEBA t DE STUDENT: Muestras pequeñas iguales

Dif. X1 - X2
t= =
SDif. S (X 1 – X 2 )

S ( X1 - X2) = S x 12 + S x 22
n (n - 1)
 PRUEBA t DE STUDENT:
Muestras pequeñas independientes

n1 + n2
S ( X1 - X2) = S2
n1 x n2

S x 12 + S x 22
S2 = ( n1 + n2 - 2 )
 PRUEBA t DE STUDENT:
Muestras grandes independientes

X1 - X2
t= S
(X 1 - X 2 )

S x12 S x22
S ( X1 - X2) = +
n1 (n1 - 1) n2 (n2 - 1)
 DISTRIBUCIÓN DE t
gl ,20 ,10 ,05 ,02 ,01 ,002
1 3,08 6,71 12,70 31,80 63,60 318,30
2 1,89 2,92 4,30 6,97 9,93 22,30
3 1,64 2,35 3,18 4,54 5,84 10,20
4 1,53 2,13 2,78 3,75 4,60 7,17
5 1,48 2,02 2,57 3,37 4,03 5,89
6 1,44 1,94 2,45 3,14 3,71 5,21
7 1,42 1,90 2,37 3,00 3,50 4,79
8 1,40 1,86 2,31 2,90 3,36 4,50
9 1,38 1,83 2,26 2,82 3,25 4,30
10 1,37 1,81 2,23 2,76 3,17 4,14
11 1,36 1,80 2,20 2,72 3,11 4,03
12 1,36 1,78 2,18 2,68 3,06 3,93
13 1,35 1,77 2,16 2,65 3,01 3,85
14 1,35 1,76 2,15 2,62 2,98 3,79
15 1,34 1,75 2,13 2,60 2,95 3,73
16 1,34 1,75 2,12 2,58 2,92 3,69
17 1,33 1,74 2,11 2,57 2,90 3,65
18 1,33 1,73 2,10 2,55 2,88 3,61
19 1,33 1,73 2,09 2,54 2,86 3,58
20 1,33 1,73 2,09 2,53 2,85 3,55
21 1,32 1,72 2,08 2,52 2,83 3,53
22 1,32 1,72 2,07 2,51 2,82 3,51
00 1,28 1,64 1,96 2,33 2,58 3,09
 UNIVERSO Y MUESTRA

CENSO: Técnica que consiste en el conteo, uno a uno, de

todos los elementos del conjunto.
MUESTREO: Técnica que se emplea cuando no es posible
hacer censos. Permite conocer los parámetros de la
población a través de los estadígrafos de la muestra.
PARÁMETRO: Cifra que se obtiene luego de hacer un
censo. Da el número exacto de elementos del conjunto.
ESTADÍGRAFO: Cifra que se obtiene por muestreo. Es una
cifra aproximada que se calcula en base a algunas
variables pertinentes. No es un dato exacto.
POBLACIÓN o UNIVERSO: Totalidad de los elementos de
un conjunto.
MUESTRA: Sub conjunto de la población.
 TIPOS DE MUESTRAS

PROBABILÍSTICAS: NO PROBABILÍSTICAS:

Sorteos Por cuotas

Estratificadas Intencionadas
Aleatorias Simples Ocasionales
Sistemáticas Juicio de expertos
 PRINCIPIOS DE LA PROBABILIDAD

IGUALDAD DE OPORTUNIDADES: Cada elemento del

conjunto tiene la misma oportunidad de ser elegido que
cualquier otro elemento.
INDEPENDENCIA: La ocurrencia de un primer evento, no
anuncia la ocurrencia del siguiente.
EXCLUSIVIDAD: En una clasificación, todos los
elementos deben pertenecer a una categoría o a otra, pero
no a dos o más categorías a la vez. La intersección de dos
o más conjuntos debe dar por resultado el conjunto vacío.
EXHAUSTIVIDAD: Todos los elementos del conjunto
deben ubicarse en una u otra categoría. No debe quedar
ningún elemento sin ubicación.
 TAMAÑO DE LA MUESTRA

Donde:
n : Tamaño de la muestra
ExNxPxQ E: Margen de error
n= P y Q: Probabilidades de éxito/
E2 (N-1) + E x P x Q fracaso: 50%
N: Tamaño de la población
E2: Margen de error al cuadrado

4 x 6,250 x 50 x 50
n=
16 (6,250- 1) + 4 x 50 x 50

62’500,00
n= = 568 sujetos
109
 TAMAÑO DE LA MUESTRA

Amplitud Amplitud de la muestra según márgenes de error

población ± 1% ± 2% ± 3% ± 4% ± 5% ± 10%
500 -- - - - 222 83
1000 - - - 385 286 91
2,000 - - 714 476 333 95
3,000 - 1,364 811 517 353 97
4,000 - 1,538 870 541 364 98
5,000 - 1,667 909 556 370 98
6,000 - 1,765 938 566 375 98
7,000 - 1,842 959 574 378 99
8,000 - 1,905 976 580 381 99
10,000 5,000 2,000 1,000 588 385 99
15,000 6,000 2,143 1,034 600 390 99
20,000 6,670 2,222 1,530 606 392 100
25,000 7,143 2,273 1,064 610 394 100
50,000 8,333 2,381 1,087 617 397 100
100,000 9,091 2,439 1,099 621 398 100
INFINITO 10,000 2,500 11,111 625 400 100
 TABLA DE NÚMEROS ALEATORIOS

00000 10097 32533 76520 13586 36473 54876 80959 09117 39292 74945
00001 37542 04805 64894 74296 24805 24037 20636 10402 00822 91665
00002 08422 68953 19645 09303 23209 02560 15953 34764 35080 33606
00003 99019 02529 09376 70715 38311 31165 88676 74394 04436 27659
00004 12807 99970 80157 36147 64032 36653 98951 16877 12171 76833
00005 66065 74717 34072 76850 36697 36170 65813 39885 11199 29170
00006 31060 10805 45571 82406 35303 42614 86799 07439 23403 09732
00007 85269 77602 02051 65692 68665 74818 73053 85247 18623 88579
00008 63573 32135 05325 47048 90553 57548 28468 28709 83491 25624
00009 73796 45753 03529 64778 35808 34282 60935 20344 35273 88435
00010 98520 17767 14905 68607 22109 40558 60970 93433 50500 73998
00011 11805 05430 39808 27732 50725 68248 29405 24201 52775 67851
00012 83452 99634 06288 98033 13746 70078 18475 40610 68711 77817
00013 88685 40200 86507 50401 36766 67951 90364 76493 89609 11062
00014 99594 67348 87517 64969 91826 08928 93785 61368 23478 34113
00015 65481 17674 17468 50950 58047 76974 73039 57186 40218 16544
00016 80124 35635 17727 08015 45318 22364 21115 78253 14385 53763
00017 74350 99817 77402 77214 43236 00210 45521 64237 36286 02655
00018 69916 26803 66252 29148 36936 87203 76621 13990 94400 56418
00019 09893 20505 14225 68514 46427 56788 96297 78822 54382 14598