Facultad de Ciencias Agrarias

E.P. de Ingeniera Topogrfica y

Agrimensura

Vladimiro Ibaez Quispe, Dr.

UNIVERSIDAD NACIONAL DEL ALTIPLANO

EPISTEMOLOGA

EPISTEMOLOGA

La epistemologa o filosofa de la
ciencia es la rama de la filosofa
que estudia la investigacin
cientfica y su producto, el
conocimiento cientfico (Mario
Bunge).

EPISTEMOLOGA

Bunge, M. (1980) es la reflexin

crtica sobre la investigacin
cientfica y su producto, el
conocimiento; en otras palabras, es
la ciencia de la ciencia.
Reyes, R. (1988), la epistemologa es
sinnimo de filosofa de la ciencia.

EPISTEMOLOGA

Reyes (1988), afirma que el trmino ms

cercano a epistemologa es filosofa de la
ciencia, la palabra griega episteme se
refiere, no a cualquier forma de
conocimiento, sino aproximadamente a lo
que hoy se entiende por ciencia.
Los trminos epistemologa, gnoseologa,
teora del conocimiento y filosofa de la
ciencia son sinnimos.

HISTORIA DE LA EPISTEMOLOGA

1. Periodo Clsico.
Predominaban problemas de la
naturaleza y alcance del conocimiento
cientfico en oposicin al conocimiento vulgar (doxa), clasificacin de
las ciencias y la posibilidad de
construir la ciencia inductivamente,
partiendo de observaciones.

HISTORIA DE LA EPISTEMOLOGA
Se extiende desde Platn (428/429-347 a.C)
a Russell (1872-1970) y era cultivada por
cientficos, matemticos y filsofos sin
especializacin cientfica. Entre ellos
figuran: Comte, Bernard, Mach, Engels,
Lenin, Duhem, Poincar, Russell y
Whitehead que no eran epistemlogos, se
ocuparon
de
problemas
autnticos,
originales
proporcionando
soluciones
interesantes.

HISTORIA DE LA EPISTEMOLOGA

2. La profesionalizacin de la
filosofa.
Inicia con la creacin del Crculo
de Viena en 1927 por un grupo de
filsofos y cientficos reunidos con
Moritz Schlick, profesor de la
Universidad de Viena (1929 y
1937).

HISTORIA DE LA EPISTEMOLOGA

Publicaron la revista Erkentniss,

desde 1930 a 1937. Al disolverse el
grupo, con la iniciacin de las
persecuciones raciales (1938), sus
miembros se trasladaron a los
EE.UU., donde continuaron fructferamente su actividad. Dominaban
la lgica matemtica.

HISTORIA DE LA EPISTEMOLOGA

3. La epistemologa formal.
Bunge, denomin periodo escolstico y
lo califica como artificial, porque despus
de la disolucin del Crculo de Viena e
influenciados por Wittgenstein-, los
filsofos
perdieron
contacto
con
cientficos y matemticos y se interesaron
por problemas formales que rara vez
tenan relacin con la ciencia real.

HISTORIA DE LA EPISTEMOLOGA

4. El renacimiento epistemolgico.
Se preocupa de la ciencia real y no de
imgenes ficcionales de la ciencia.
Se ocupa de los problemas, mtodos y teoras
de la ciencia.
Propone soluciones claras a tales problemas.
Distingue la ciencia autntica de la
seudociencia.
Critica programas y resultados errneos.
Sugiere enfoques promisorios.

CATEGORAS DE EPISTEMOLOGA
Piaget (1970), clasifica en tres categoras:
a. Parten de una reflexin sobre las ciencias y
prolongan en una teora general del
conocimiento.
b. Apoyndose en una crtica de las ciencias
procuran alcanzar el conocimiento distinto al
conocimiento cientfico (en oposicin con ste, y
no ya como prolongacin de l).
c. Las que permanecen en el interior de una
reflexin sobre las ciencias.

TIPOS DE EPISTEMOLOGA
Piaget, clasifica a las teoras del conocimiento tres tipos:

TIPO 1: Epistemologas Metacientficas.

TIPO 2: Epistemologas Paracientficas.
TIPO 3: Epistemologas Cientficas

TIPOS DE EPISTEMOLOGA
Las epistemologas metacientficas, son
todos los casos de una reflexin sobre las
ciencias, ya en parte construidas e
inventadas por los mismos autores de las
subsiguientes reflexiones. Para este tipo
existe la supremaca del conocimiento
cientfico y slo aceptan el conocimiento
cientfico como el nico conocimiento
vlido.

TIPOS DE EPISTEMOLOGA
Las epistemologas paracientficas, no
consisten en reflexionar acerca del
pensamiento cientfico para alcanzar una
teora ms general del conocimiento, sino se
esfuerzan en partir de una crtica ante todo
restrictiva de la ciencia para fundamentar, al
margen de sus fronteras, un conocimiento
de diferente forma. La ciencia resulta cada
vez menos objetiva y ms simblica a
medida que va de lo fsico a lo psquico,
pasando por lo vital.

TIPOS DE EPISTEMOLOGA

Las epistemologas cientficas, es la

explicacin del conocimiento cientfico y
no pretenden el conocimiento general.
Surge del inters de las ciencias como
consecuencia de crisis propias de las
ciencias en evolucin, que puede llevar a
una constante revisin de sus principios
e instrumentos de conocimiento.

EPISTEMOLOGAS REGIONALES

Blanch (1980), afirma que en la poca

actual la epistemologa se aleja cada vez
ms de los filsofos para pasar a manos
de los sabios, las caractersticas de la
epistemologa moderna es la progresiva
aceptacin de sus problemas por los
sabios especializados.

EPISTEMOLOGAS REGIONALES
Bunge, sugiere las siguientes epistemologas
regionales:
Epistemologa
Epistemologa
Epistemologa
Epistemologa
Epistemologa
Epistemologa
Epistemologa
Epistemologa
Epistemologa

de
de
de
de
de
de
de
de
de

la lgica.
la matemtica
la fsica.
la qumica
la biologa
la psicologa
las ciencias sociales.
la economa.
la administracin

FUNDAMENTOS TERICOS DEL

CONOCIMIENTO CIENTFICO
1. CONOCER
Proceso intelectual por el cual se establece una
relacin entre quien conoce (actor) y el objeto
conocido (realidad).

2. CONOCIMIENTO
Actividad por medio de la cual adquirimos la
certeza de que existe una realidad, el mundo
circundante existe y est dotado de
caractersticas que no ponemos en duda.

2.1. TIPOS DE CONOCIMIENTO

a) EMPRICO:
Se adquiere por experiencia del individuo
cumplida al azar, sin mtodo y mediante
investigaciones personales.Es conocimiento
del sentido comn.
Ejemplo: El conocimiento artesanal
adquirido por el minero informal para
encontrar oro, o por un ama de casa para
cocinar.

b) CIENTFICO:

Identifica las causas y est basado en

leyes que rigen a los fenmenos.
Adems: observa, describe, explica y
predice
su
objeto
mediante
procedimientos y mtodos basados en
la lgica.
Ejemplo:
A cada accin corresponde una
reaccin igual y de direccin opuesta.
El virus VIH ataca el sistema
inmunolgico del organismo.

c) FILOSFICO:
Basado en la reflexin o especulacin
proporcionados por la experiencia y por la
ciencia. Este conocimiento, se caracteriza
principalmente por lo siguiente:
Hechos y problemas que rodean al
hombre y sobre el hombre mismo, su
entorno y Dios.
Su mtodo es racional. La observacin
de la realidad o la aceptacin de
principios o axiomas para luego
proseguir por deduccin.

d) TEOLGICO:

Resultado del revelado de algo oculto o

de un misterio, es conocimiento aceptado
por fe frente a lo revelado.
El conjunto de verdades que los hombres
llegan, no con el auxilio de su
inteligencia sino mediante la aceptacin
de los datos de revelacin divina.

Son adquiridos a travs de los libros

sagrados y aceptados racionalmente por
los hombres despus de haber pasado las
criticas histricas.

3. CONOCIMIENTO CIENTFICO

Es una clase o subconjunto del

conocimiento
humano.
Construye
explicaciones acerca de la realidad.

Utiliza mtodos basados en la lgica.

Establece leyes generales y explicaciones particulares de su objeto.

3. CONOCIMIENTO CIENTFICO

Heredia (1984), es el conocimiento

racional, sistemtico y verificable, que
se obtiene mediante procedimientos
objetivos, ordenados y repetibles.

3. CONOCIMIENTO CIENTFICO

Ortega (1993), se basa

descubrimiento
de
las
inmediatas de los fenmenos.

en el
causas

Ejemplo:
El agua se compone de dos tomos de
hidrgeno y uno de oxgeno.

3.1 Procesos Bsicos del Conocimiento

Cientfico

Todo proceso de conocimiento

cientfico implica lo siguiente:
OBSERVA
DESCRIBE
EXPLICA
PREDICE

4. CIENCIA
Etimolgicamente se deriva de la
palabra latina Scientia; de Scire: Saber.
Es sinnimo de conocimiento, es el
conjunto o sistema acumulativo,
metdico de conocimientos comprobables, producto de una investigacin
cientfica en una determinada rea de
objetos o fenmenos.

CIENCIA
En este proceso, construye un mundo artificial:
ese creciente cuerpo de
ideas llamado ciencia,
que puede caracterizarse
como conocimiento racional, sistemtico, exacto, verificable y por consiguiente falible.

CIENCIA
Bunge (2001) seala: En cuanto se
aplica al mejoramiento de nuestro
medio natural y artificial, a la
invencin de bienes materiales y
culturales, la ciencia se convierte
en tecnologa.

Tipos de Ciencias
1) Ciencias formales:
Se ocupan de objetos que carecen de
propiedades
fsicas,
biolgicas
sociolgicas. No cambian por s
mismos. Pertenecen a este campo la
lgica y la matemtica pura. En estas
ciencias importa el concepto de
deductibilidad (verdad de razn).

Tipos de Ciencias
2) Ciencias fcticas:
Se ocupan de hechos que ocurren en el mundo
exterior o en el mundo interno, son cosas
concretas o materiales; que tienen propiedades
fsicas, biolgicas y sociales. En cambio,
carecen de propiedades matemticas, aunque
se puede representar matemticamente. Estn
la fsica, biologa, sociologa e historia. Se
utiliza el concepto de verdad, en el sentido de
verdad de hecho. Su objeto de conocimiento lo
percibe la experiencia de quien investiga.

INVESTIGACIN

LA INVESTIGACIN CIENTFICA

Mtodo Cientfico
El mtodo es el camino a seguir en la bsqueda del
conocimiento.

Diferencia entre Investigacin Cientfica y

Mtodo Cientfico

Etapas del proceso de Investigacin

Cuantitativa

PROBLEMA OBJETO DE
INVESTIGACIN

INTERS POR EL TEMA QUE VA A INVESTIGARSE

Criterios bsicos para identificar

problemas

QU ES UN PROBLEMA?
De manera general, se considera problema a
toda diferencia negativa entre lo que debera
ser y lo que es:
Debera SER ~ES

Problema

Criterios bsicos para identificar problemas

EL DEBERA SER
Es el patrn comparativo de la realidad, el
marco referencial, el ideal, el modelo, el
paradigma.
EL ES
Es la parte de la realidad tomada como objeto
de estudio o investigacin.
El ES es la realidad; no tiene que dar cuenta de
nada, no tiene que ser afirmativa ni negativa;
buena ni mala, verdadera ni falsa. El que
califica es el sujeto que conoce, los seres
humanos, que como sujetos afirmamos o
negamos algo sobre una parte de la realidad
tomada como objeto de estudio.

Eleccin del problema en una

investigacin Cientfica

ELEMENTOS DE UN PROBLEMA
(TTULO)

LA ESPECIFICIDAD.- Es el aspecto o los aspectos concretos

que se quiere investigar acerca del hecho o situacin

problemtica.
Ejemplos:
causas,
consecuencias,
caractersticas,
importancia,
influencia,
tendencia,
modalidades, incidencia, prevalencia, implicancias,
estructura, funcin, nivel, relacin, evolucin y otros.
El hecho o situacin problemtica y la especificidad son
los elementos centrales del problema. Estos elementos
constituyen las variables.

ELEMENTOS DE UN PROBLEMA
(TTULO)
UNIDAD DE OBSERVACIN.- Son aquellas que se ponen de

manifiesto a los hechos o situaciones problemticas y

constituyen desde el punto de vista estadstico, la
poblacin o muestra a la que se refiere la investigacin.
Son: Personas, grupos sociales, seres, especies animales,
acontecimientos, instituciones, objetos, procesos.
ESPACIO.- Es referido al lugar en el que ocurre el hecho o
situacin problemtica. Puede ser geogrfico o
administrativo. Dnde?; Per, Ciudad de Puno, Zona
Franca, Aceros Arequipa, CIP-UNA-Puno.
TIEMPO.- Est referido al momento en que ocurre el hecho
o situacin problemtica. Cundo?. 2009, 1990-2008, 2014.

PLANTEAMIENTO DEL PROBLEMA

EL PROBLEMA DE INVESTIGACIN
El problema es el punto de partida de la
investigacin. Si no se tiene problema
alguno, qu se va a investigar?
El problema de investigacin es el por qu
de tu investigacin, es la razn de ser, el
motivo de tu investigacin. Si realizas una
investigacin es porque quieres resolver un
problema y generar conocimientos, sea
terico o prctico.

EL PROBLEMA DE INVESTIGACIN
Un problema de investigacin queda planteado cuando se:
Tiene
uno o varios posible(s) antecedente(s) o
variable(s) independiente(s).
Tiene
uno o varios consecuente(s) o variable(s)
dependiente(s).
Formula de manera interrogativa en tiempo futuro (no
se conoce todava la respuesta).
Establece tiempo y lugar.
Conjetura
una relacin entre la(s) variable(s)
independiente(s) y la(s) variable(s) dependiente(s); la
relacin se expresa frecuentemente con las palabras:
ms, menos, mejor, peor, igual. Dicha conexin se
supone a partir de argumentos entrelazados
lgicamente.

FORMULACIN DEL PROBLEMA

Un problema se formula cuando el investigador dictamina
o hace una especie de pronstico sobre la situacin
problema:
El problema debe estar formulado claramente y sin
ambigedad, puede estar como preguntas (en qu
medida?, qu efecto?, en qu condiciones?, cul es
la probabilidad de.?, cul es la calidad?).
El planteamiento de un problema implica la posibilidad
de una prueba emprica. Es decir poder observar la
realidad social
Constituye gua del estudio: Qu impacto...?, qu
efecto...?, en qu condiciones..?, cul es la
probabilidad de...?, cmo se relaciona X con Y?,
cmo se configuran las interacciones de profesores y
estudiantes...?, qu expectativas...?, por qu....?...

ELECCIN DEL PROBLEMA EN UNA

INVESTIGACIN CIENTFICA
Por qu...?
Cundo...?
Qu ocasiona...?
Qu factores condicionan...?
Cmo influye...?
Cules son las consecuencias...?
Cul es la relacin entre...?
Qu factores contribuyen a...?
Qu diferencias existen...?
Cules son las caractersticas...?
Es efectivo para...?
Cul es la magnitud...?

Qu efectos produce

De qu manera influye
En qu medida favorece.
Cul es la influencia
Cmo influye
Cules seran los resultados..
Cules seran los efectos
En qu grado favorece
Cules seran los factores

FORMULACIN DEL PROBLEMA

CORRELACIONAL
EJEMPLO: Qu relacin existe(1) entre la inteligencia
emocional(2) y(3) el clima institucional(4) en el personal
docente y administrativo de la Facultad de Ingeniera
Civil y Arquitectura(5) de la UNA-Puno(6) de la Provincia
de Puno(7) 2015(8)
ELEMENTOS VERIFICABLES:
(1) Pregunta clave
(2) Variable 1 (variable independiente)
(3) Enlace o relacionante o conexin
(4) Variable 2 (variable dependiente)
(5) Muestra/Poblacin
(6) mbito organizacional (accesible)
(7) mbito geogrfico (objetivo)
(8) Periodo al cual corresponde la informacin.

DELIMITACIN DEL PROBLEMA DE

INVESTIGACIN

Toda investigacin siempre tiene lmites.

Para que un estudio cientfico sea
efectivo, debe establecer de antemano
dnde, cundo y hasta cunto va a
investigar.
Delimitacin espacial: Indica el lugar dnde
se realizar la investigacin y de dnde
obtendrs la informacin primaria.
Delimitacin temporal: Indicando el periodo
de tiempo de la procedencia de los datos.

OBJETIVOS DE LA INVESTIGACIN

OBJETIVOS DE LA INVESTIGACIN
Los objetivos son logros o los propsitos
definidos que se pretende alcanzar en la
investigacin a travs de la aplicacin de
procedimientos cientficos.
Para formular los objetivos, usted debe
responder las preguntas:

Qu voy a investigar?
Para qu voy a investigar o qu busco
conocer?
A dnde quiero llegar?

FORMULACIN DE OBJETIVOS

OBJETIVOS DE LA INVESTIGACIN
RECOMENDACIONES PARA FORMULACIN
DE LOS OBJETIVOS:

FORMULARSE EN VERBO INFINITIVO

DEBEN SER CLAROS Y PRECISOS
SER SUSCEPTIBLES DE ALCANZAR
SER COHERENTES CON EL PROBLEMA
PRECISAR RELACIN CON HIPTESIS
DEL TRABAJO.

LOS VERBOS PUEDEN SER:

Verbos para Objetivos Generales
Analizar
Formular
Calcular
Fundamentar
Categorizar
Generar
Comparar
Identificar
Compilar
Inferir
Concretar
Mostrar
Contrastar
Orientar
Crear
Oponer
Definir
Recontruir
Demostrar
Relatar
Desarrollar
Replicar
Describir
Reproducir
Diagnosticar Revelar
Discriminar
Planear
Disear
Presentar
Efectuar
Probar
Enumerar
Producir
Establecer
Proponer
Evaluar
Situar
Explicar
Tasar
Examinar
Trazar
Exponer
Valuar

Verbos para Objetivos Especficos

Advertir
Enunciar
Analizar
Enumerar
Basar
Especificar
Calcular
Estimar
Calificar
Examinar
Categorizar
Explicar
Comparar
Fraccionar
Componer
Identificar
Conceptuar
Indicar
Considerar
Interpretar
Contrastar
Justificar
Deducir
Mencionar
Definir
Mostrar
Demostrar
Operacionalizar
Detallar
Organizar
Determinar
Registrar
Designar
Relacionar
Descomponer
Resumir
Describir
Seleccionar
Discriminar
Separar
Distinguir
Sintetizar
Establecer
Sugerir

ELEMENTOS A TOMAR EN CUENTA PARA

REDACTAR UN OBJETIVO

Son tres elementos constitutivos, los

cuales son:
SUJETO
:Beneficiario de la propuesta.
CONTENIDO :Expresa el cambio requerido, y
ACCIN
: Conjunto de actividades que
se desarrollan.
Pueden presentarse en diferentes secuencias.

EJEMPLO:
OBJETIVO GENERAL: Reforzar la capacidad de
gestin en los Centros de Educacin Inicial del pas
para la atencin de los dominios del aprendizaje de
los nios de 4 y 5 aos de edad.

Accin: Reforzar la capacidad de gestin en

los Centros de Educacin Inicial del pas.

Contenido: La atencin de los dominios del

aprendizaje.
Sujeto: Nios de 4 a 5 aos de edad.

EJEMPLO:

Identificar el
grado de conocimiento que tienen los
pacientes de 40 a 45 aos, sobre la
diabetes y su tratamiento.
OBJETIVO

GENERAL:

Accin: Identificar el grado de conocimiento.

Contenido: Pacientes de 40 a 45 aos.
Sujeto: Sobre la diabetes y su tratamiento.

METODOLOGA DE BLOOM OBJETIVOS

ESPECFICOS

Bloom, en su trabajo sobre objetivos

instruccionales Quick Flip Questions for critical
Thinking, de Linda G. Barton, 2002, propone seis
niveles claramente diferenciables, para un
individuo que se aproxima a un tema, clasifica su
grado de apropiacin y avances esperados, a)
Conocimiento, b) Comprensin, c) Aplicacin, d)
Anlisis, e) Sntesis y f) Evaluacin.
De los seis niveles, ha evolucionado a una
propuesta de 4, cuando se trata de formular los
objetivos de investigacin, a) PERCEPTIVO, b)
APREHENSIVO, c) COMPRENSIVO, d) INTEGRATIVO.

RESUMEN DE METODOLOGA DE BLOOM

OBJETIVO
GENERAL
COMBINAR
CONCEBIR
CONSTRUIR
CREAR
DISEAR
ELABORAR
ESPECIFICAR
ESTABLECER
EVALUAR
EXTENDER
INTEGRAR
MODIFICAR
PROPONER

PRIMER NIVEL - OBJETIVOS ESPECFICOS

PERCEPTIVO
BOSQUEJAR
COMENTAR
DESCRIBIR
ENUMERAR
ESBOZAR
GRAFICAR
IDENTIFICAR
LOCALIZAR
RECONOCER
RECONSTRUIR
REGISTRAR
REPRODUCIR
RESUMIR
ROTULAR
SUBRAYAR

Mucho contenido de
conocimiento
Verbos muy generales

APREHENSIVO COMPRENSIVO INTEGRATIVO

AGRUPAR
ASOCIAR
CATEGORIZAR
CLASIFICAR
CONTRASTAR
CONVERTIR
DETERMINAR
DIFERENCIAR
DISCRIMINAR
DISTINGUIR
EJEMPLIFICAR
EXPRESAR
IGUALAR
INTERPRETAR
ORDENAR
PAREAR
RELACIONAR
REORDENAR
SELECCIONAR
UBICAR
Mayor contenido
de conocimiento

ADAPTAR
CAMBIAR
CONTRASTAR
CRITICAR
DEBATIR
DEDUCIR
DEMOSTRAR
DESARROLLAR
DESCUBRIR
DETERMINAR
ELEGIR
EXTENDER
FORMULAR
GENERALIZAR
INFERIR
ORGANIZAR
PLANEAR
PREDECIR
PROBAR
RESOLVER
SISTEMATIZAR
TRANSFORMAR
1ros. Obj. En la formul.

COMBINAR
CONCEBIR
CONCLUIR
CONFIRMAR
CONSTRUIR
CREAR
CRITICAR
DECIDIR
DISEAR
ELABORAR
ESPECIFICAR
ESTABLECER
EVALUAR
EXTENDER
INTEGRAR
INTERPRETAR
JUZGAR
MODIFICAR
PROPONER
SOLUCIONAR
SUSTENTAR
VALORAR
VERIFICAR

JUSTIFICACIN DE LA INVESTIGACIN

MARCO TERICO

COMPONENTES DEL MARCO TERICO

ANTECEDENTES DE LA INVESTIGACIN.
Son las investigaciones que se han realizado sobre el
objeto de investigacin, aquellas que guardan una
relacin directa con nuestro problema planteado.
BASES TERICAS (MARCO TERICO).
Es la descripcin de los elementos tericos planteados
por uno o diferentes autores y permiten al investigador
fundamentar su proceso de conocimiento.
MARCO CONCEPTUAL.
El investigador define y delimita, segn su criterio y de
acuerdo con su marco terico, los conceptos
involucrados en las variables de investigacin.

HIPTESIS DE INVESTIGACIN

REQUISITOS DE UNA HIPTESIS DE INVESTIGACIN

Enunciarse
afirmativamente

Tener claridad,
precisin y
coherencia

Ser
operacionables o
desagregables

Poseer estrecha relacin

con el problema y el
objeto de investigacin

Tener como base

teoras pre-existentes

REQUISITOS DE
UNA HIPTESIS

Poseer delimitacin
temporal y espacial

Ser
susceptibles de
verificacin
emprica

Poseer
carcter
general

Relacin entre
variables, en las
investigaciones
no descriptivas

TIPOS DE HIPTESIS

HIPTESIS DESCRIPTIVAS.
Se orientan a la presentacin ordenada y sistemtica de
un hecho o proceso, considerando slo su
comportamiento externo. Este tipo de hiptesis
responden a problemas de los tipos: Qu? De qu
manera? Cules?. .
EJEMPLO:
Cul es el nivel de calidad de enseanza en la
Universidad Nacional del Altiplano - Puno , 2016?
HIPTESIS:.
El nivel de la calidad de enseanza en la Universidad
Nacional del Altiplano - Puno es regular.

TIPOS DE HIPTESIS

HIPTESIS CORRELACIONADAS.
Denominada como covariacin, son proposiciones que afirman la
existencia de una relacin de funcionalidad entre dos propiedades
relevantes dentro de un universo de individuos claramente determinado.
No es una explicacin en trminos de causa y efecto, sino mostrar una
forma de asociacin entre las propiedades relevantes. Responde a las
preguntas del tipo Cul es la relacin entre X e Y?

EJEMPLO:
Cul es la relacin entre un clima laboral atractivo y la motivacin del
personal dentro de una empresa que crece aceleradamente en una
economa globalizada?

HIPTESIS:

Existe una relacin directa entre un clima laboral atractivo y la motivacin

del personal dentro de una empresa que crece aceleradamente en una
economa globalizada.

TIPOS DE HIPTESIS

HIPTESIS EXPLICATIVAS.
Denominadas hiptesis causales, son aquellos que intentan precisar
las relaciones esenciales entre los hechos, as como las estructuras
internas de estos hechos y sus relaciones causales. Responden a
preguntas del tipo Por qu? Y se caracterizan por que son
expresadas a travs de enunciados generales que tienen una forma
lgica de tipo condicional, correspondiendo al esquema;
S .. ENTONCES

EJEMPLO:
El grado de instruccin de los padres es uno de los principales
factores que influye en la permanencia de los adolescentes en el
sistema educativo formal.

TIPOS DE HIPTESIS

HIPTESIS ESTADSTICA.
Son suposiciones hechas sobre una poblacin en
trminos estadsticos, las que son construidas con
la finalidad de hacer posible la comprobacin de la
validez de la hiptesis de investigacin. Son de
dos tipos:
- Hiptesis Nula y Alternativa.
- La hiptesis nula generalmente es la negacin de la
hiptesis de investigacin.
- La hiptesis alterna es dem a hiptesis de investigacin.

EJEMPLO

HIPTESIS DE INVESTIGACIN (Hi)

El clima organizacional influye en la gestin acadmica
de la E.P. de Arquitectura, 2016.
HIPTESIS NULA (Ho:) (niega la Hi)
El clima organizacional NO influye en la gestin
acadmica de la E.P. de Arquitectura, 2016
HIPTESIS ALTERNATIVA (Ha) (es dem a Hi)

El clima organizacional influye en la gestin

acadmica de la E.P. de Arquitectura, 2016.

DIFERENCIAS CON EL ENFOQUE CUANTITATIVO

Y CUALITATIVO
CUANTITATIVO
ENFOQUE

CUALITATIVO

Fenomenalismo: interesado en comprender Positivismo lgico: busca los hechos o causas

la conducta humana desde el propio marco de los fenmenos sociales, prestando escasa
atencin a los estados subjetivos de los
de referencia de quien acta. La Conducta
individuos. Los Hechos o causas de
Humana Natural y sin control Desde Medicin Controlada Desde fuera, al
dentro, prximo a Datos.
margen de los Datos.
CARACTERSTICAS - Estadstico
- No estadstico
- Basado en lo experimental
- Basado en ambientes naturales
- Datos por causa efecto
- Datos por los significados
PROCESO
- Usa rplica
- No Usa rplica
- Secuencial
- No Secuencial
- Deductivo
- Inductivo
- Objetivo
- Subjetivo
- Probatorio
- Recurrente
BONDADES
- Control sobre los fenmenos
- Contextualiza el fenmeno
- Predictivo
- Interpretativo
- Preciso
- Amplio

DIFERENCIAS ENTRE EL ENFOQUE

CUANTITATIVO Y CUALITATIVO

ASPECTO
Realidad objetivo de estudio
Perspectiva
Enfoque
Orientacin
Diseo
Estructura
Proceso
Procedimientos
Condiciones de observacin
Datos
Hiptesis
Anlisis
Conclusiones
Resultados

CUANTITATIVO CUALITATIVO
Objetiva
Externa
Analtico
Hacia la verificacin
Orientado al resultado
Predeterminada
Control riguroso
Estructurados
Controlados
Objetivos
Previas y verificables
Deductivo
Tendientes a la generalizacin
Vlidos confiables
Generalizable

Subjetiva
Interna
Holstica
Hacia el descubrimiento
Orientado al proceso
Interactiva y reflexiva flexible
Control subjetivo
Flexibles
Naturales
Subjetivos
Emergentes y constables
Inductivo
Tendientes a la particularidad
Vlidos consenso y subjetivo
No generalizable

DISEO DE INVESTIGACIN

El diseo de la investigacin es una

planificacin comprendida de lograr los
objetivos y propsito del estudio. Un
diseo cuidadoso es fundamental para
determinar la calidad de la investigacin.

DISEO DE INVESTIGACIN

DISEO DE INVESTIGACIN

DISEO DE INVESTIGACIN

DISEO DE INVESTIGACIN

DISEO DE INVESTIGACIN
VARIABLES
ALCANCE

TIPO DE HIPTESIS DE INVESTIGACIN

EXPLORATORIO NO REQUIERE
DESCRIPTIVO

* HIPTESIS DESCRIPTIVA
* HIPTESIS ENTRE GRUPOS
CORRELACIONAL * HIPTESIS DE CORRELACIN
EXPLICATIVA

* HIPTESIS CAUSAL

DISEO

DISEO ESPECFICOS

NO REQUIERE

NO REQUIERE

DENOMINACIN
NO REQUIERE

TRATAMIENTO
NO REQUIERE

NO EXPERIMENTAL * CORTE TRANSVERSAL

VARIABLE DE ESTUDIO SE REALIZA LAS MEDIDAS
*CORTE LONGITUDINAL
* CORTE TRANSVERSAL
VARIABLE DE ESTUDIO SE REALIZA LAS MEDIDAS
*CORTE LONGITUDINAL
EXPERIMENTAL * PRE-EXPERIMENTAL
VARIABLE INDEPENDIENTE SE MANIPULA
* CUASI - EXPERIMENTAL
VARIABLE DEPENDIENTE SE MIDE (AL AZAR)
* EXPERIMENTAL PURO O VERDADERO VARIABLE INTERVINIENTE SE CONTROLA

VARABALES

Se denomina variable en la investigacin

cientfica a toda propiedad, rasgo, aspecto,
cualidad, dimensin, atributo, de un objeto
si tal propiedad puede asumir distintos
estados o valores y cuya variacin es
susceptible de medirse. Las variables son
manifestaciones de la realidad.
Las variables son aspectos centrales en la
investigacin cientfica, que se puede medir
la realidad, el hecho o fenmeno, pues el
proceso de produccin de conocimiento
contrastable gira en torno a ellas.

VARABALES
Nominal (cualidad)
Variable
cualitativa

- Color de cabello.
- Color de ojos.
- Estado civil.
- El gnero (M, F).

Ordinal (categorizar)
- Nivel de instruccin.
- Nivel socio-econmico.
- La categora de docentes universitarios.

TIPOS
DE
POR SU
NATURALEZA
DATOS

Discreta (conteo)
Variable
cuantitativa

- Nmero de hijos por familia.

- Nmero de estudiante en la UANCV.
- Nro. de docentes en la UANCV en el 2009.

Contnuas (intervalo)
- Peso de los estudiantes (kg).
- Temperatura: 28.5C.
- Estatura de los estudiantes (cm).
- Frecuencia respiratoria a 3819msnm.

Operacionalizacin de variables
VARIABLE

DEFINICIN CONCE`PTUAL DEFINICIN OPERACIONAL DIMENSIONES

INDICADORES

UNIDAD DE MEDIDA ESCALA

Uso de los recursos

Aprovechamiento de los hospitalarios disponibles para Uso racional de bienes que se
Aprovechamiento de Porcentaje ocupacional de
recursos en un servicio atender el nmero de pacientes utiliza para brindar al usuario en
N de camas
los recursos fsicos camas
solicitantes en el mes (oferta- un servicio de calidad.
Hospitalario
demanda)

VALOR FINAL

Muy bueno: 80% a ms; til :

De razn o
79% - 60%; Malo: 59% a
proporcin
menos

Promedio de estancia N de das

hospitalaria

Aprovechamiento de Porcentaje de personal

N de personal
los recursos humanos asistencial
Porcentaje de personal
administrativo
Aprovechamiento de Porcentaje de distribucin
los recursos del presupuestos por Nuevos soles (S/.)
financieros
servicio

Bueno: Personal asistencial

70%, Personal administrativo
30%,
Malo: Personal asistencial
<70%, Personal
administrativo >30%
Bueno: 70% para labor
asistencial, 30% para labor
administrativa. Malo: <70%
labor asistencial, >30% labor
administrativa.

MUESTREO
Poblacin
Muestra

V. Ibaez

95

Trminos tcnicos en el Muestreo

Unidad de muestreo
Unidad elemental
Unidad reportante

V. Ibaez

96

Marco de muestreo
Base de datos (Registros)

V. Ibaez

Mapas
cartogrficos

97

Parmetro, estimador y estimacin

f ( x1 , x 2 ,, x n )
Estimador

$25000

Parmetro

X, S , p

, , P
2

V. Ibaez

98

Poblacin y Muestra
Poblacin (N = 80)

Unidad de
muestreo

Muestra (n = 6)

TIPOS DE POBLACIN

100

EJEMPLO:
UNIDAD

CARACTERSTICAS A ESTUDIAR

Nmero

FAMILIA

de personas que componen.

Nmero de personas que trabajan.
Ocupacin.
Nmero de personas que estudian.
Niveles de Escolaridad.
Ingresos y Gastos.
Propiedad de la vivienda.
Datos generales de la vivienda.

EJEMPLOS:
UNIDAD

CARACTERSTICAS A ESTUDIAR

Empleo.

ESTABLECIMIENTO
INDUSTRIAL

Sueldos y salarios.
Produccin Bruta.
Horas de produccin.
Consumo de energa.
Actividad Econmica.

Proceso de Muestreo
- Objetivos
POBLACIN

- Elementos
- Unidades de muestreo
- Alcance
- Tiempo

MARCO MUESTRAL

Es el listado de
unidades o elementos
de la poblacin

TAMAO DE
LA MUESTRA

Procedimiento de
seleccin
de la muestra

SELECCIN DE LA
MUESTRA

103

Tipos de Muestreo
PROBABILSTICO

NO
PROBABILSTICO

Muestreo Aleatorio
Simple (MAS)

Conveniencia o
intencional

Muestreo Aleatorio
Estratificado (MAE)

Juicio u opinin

Juicio del
Investigador

Cuotas o accidental

N mnimo
de c/grupo

Muestreo Sistemtico

Muestreo por
Conglomerados

Unidades de
muestreo
apropiados

Bola de nieve

Identificar a
uno o ms
sujetos

Haphazard

Identificar a
los pacientes
sanos104

V. Ibaez

Calidad de los datos

Calidad de los datos

Dnde estaba el centro de la

diana?

Sesgo y Error Muestral

Un estudio con sesgos (sesgado) no ofrece una verdadera representacin de la

situacin o de la asociacin que queremos estudiar.

DISTRIBUCIN NORMAL ESTANDARIZADA (Z)

Sea X una variable aleatoria que se distribuye
normalmente con media 0 y 1. Entonces
mediante la transformacin lineal, se tiene:
Z

x -

f z

esto es la estandarizacin de la variable

x, donde el recorrido es: (-< z <+).

f z

Z
108

Resulta la Funcin de Densidad de la variable Estandarizada.

f(Z)
1

-1

-1

0.2

04

+1

+1

CARACTERSTICAS:
1) Z se distribuye en forma Normal estndar (0,1), E(Z) = 0, V(Z) = 1.

2) Los puntos de inflexin estn entre (1).

3) La media, moda y la mediana coinciden y son iguales a cero.
4) La forma es acampanada, simtrica con respecto al eje Y; asinttica al eje
Z y continua en todos los nmeros
reales
(R). Q.
M.Sc.
V. Ibaez
Vladimiro
y J. Paredes
Ibaez
109

ESTANDARIZACIN DE LA CURVA NORMAL

f(x)

34.13% 34.13%
2.15%
13.59%

13.59%

3 2

2.15%

2 3

f(Z)
04 1 2

-3

-2

-1

0
68.26%
95.44%
99.74%

V. Ibaez y J. Paredes

110

En resumen:
MUESTREO

CENSO

ECONOMICO
RAPIDO
CAPACITACION MEJOR
ERROR CONTROLABLE
PARTE DEL UNIVERSO
Todo el universo
Costoso
Resultado no inmediatos
Error a veces no controlable
Base para muchas encuestas

111

Muestreo Aleatorio Simple (MAS)

Con reposicin
Sin reposicin - MIA
Caractersticas:
Asigna probabilidades iguales de seleccin.
Necesita listado de unidades (Marco de muestreo).
Utiliza tabla de nmeros aleatorios, urnas con bolas,
generacin de nmeros aleatorios por computadora, etc.
Eficiente slo en poblaciones homogneas.
Aplicable en encuestas de pequea escala.
Forma parte de diseos de muestra ms complejos.
En un muestreo aleatorio simple sin reposicin, a cada elemento de la
poblacin corresponde la misma probabilidad de ser seleccionada para
integrar la muestra y esto se denotar as: p = n/N, (n: tamao de la muestra y
N: tamao de la poblacin)
V. Ibaez

112

Tamao de Muestra
Donde:
Z: Nivel de confianza elegido
al 95% 99% (2 3)
p: Probabilidad de xito
q: Probabilidad de fracaso
e: Error mximo permitido, se
establece a priori.
p+q=1 (p=50% y q=50%).
S2=(pq) es la varianza de la
distribucin Binomial.

Factores para determinar el

tamao de muestra

El tamao de muestra depende de:

RESTRICCIONES

Coeficiente de Confianza
Se obtiene de
la Tabla Z
con = 0.05

Se obtiene de
la Tabla Z
con = 0.01

Relacin en una Muestra Aleatoria

118

ERROR

ERROR

Ejemplo de tamao de muestra al estimar

la media de la poblacin
Supongamos que queremos conocer el gasto anual
promedio de la poblacin (N = 2500) que destina a la
recreacin que estimamos (basndonos en trabajos
anteriores) la desviacin estndar de la poblacin es $
400, con un nivel de confianza o certeza del 95% de que la
media muestral se encuentra dentro de $45 de la
verdadera media de la poblacin.

DATOS: Como N<100000, entonces corresponde a

poblacin finita. Se usa la siguiente frmula:

Z 2 N S
2

E N S Z 2
2

Nivel de Confianza del 95% (Z = 1.96).

Desviacin Estndar: = 400
Precisin: 45%.

Reemplazando los datos a la frmula:

Z 2 2 N S 2
E N S Z 2
2

(1.96) (2500 )(400)

271
2
2
2
(45) (2500 ) (1.96) (400)

Usando EPIDAT v4.1

V. Ibaez y J. Paredes

122

Ingreso de datos - EPIDAT v4.1

V. Ibaez y J. Paredes

123

Resultado con EPIDAT v4.1

Z 2 N S
2

E 2 N S 2 Z 2 2

(1.96) 2 (2500 )(400) 2

271
2
2
2
(V.45
) (y2500
) (1.96) (400)
Ibaez
J. Paredes
124

EJEMPLO DE TAMAO DE MUESTRA

Se tiene una poblacin de 10,000 estudiantes de la Fac. de
Ciencias Sociales, y se desea determinar el tamao de
muestra para establecer la prevalencia de una enfermedad,
con una precisin del 5% para un nivel de confianza del 95%.
Se supone que el 30% de los estudiantes estarn afectados:

DATOS: Como N<100000, entonces corresponde a

poblacin finita. Se usa la siguiente frmula:
Nivel de Confianza del 95% (Z = 1.96).
Prevalencia Esperada: p=30%.
Precisin: 5%.

Reemplazando los datos a la frmula:

2

Z 2 Npq
e ( N 1) Z 2 pq
2

(1.96) (10000 )(0.30)(0.70)

312 .64 313

2
2
(0.05) (9999 ) (1.96) (0.30)(0.70)
Usando EPIDAT v4.1

Ingreso de datos para calcular tamao de muestra

Resultado con EPIDAT v4.1

(1.96) (10000 )(0.30)(0.70)

n
312.64 313
2
2
(0.05) (9999 ) (1.96) (0.30)(0.70)

Tamao de muestra en poblaciones Infinitas

Un mdico desea investigar sobre los accidentes de motos,
para ello quiere tomar una muestra con un nivel de confianza
del 95% y que no exceda un error del 2%. Qu tamao de
muestra tendr que estimar, si la proporcin del error es del
4%?

DATOS: Como N no se conoce, entonces corresponde a

poblacin infinita. Se usa la siguiente frmula:
2

Z 2 pq
e

Nivel de Confianza del 95% (Z = 1.96).

Proporcin de xitos: p=4%
Proporcin de fracaso: q = 1 p = 96%
Error: 2%.

Reemplazando los datos a la frmula:

2

Z 2 pq
e

(1.96) (0.04)(0.96)

368 .79 369

2
(0.02)
Usando EPIDAT v4.1

Ingreso de datos para calcular tamao de muestra

Resultado con EPIDAT v4.1

INFINITO

Z 2 pq
e

(1.96) (0.04)(0.96)

368 .79 369

2
(0.02)

Ejemplo
Se desea estimar la prevalencia de tuberculosis en los
diferentes Hospitales de 500 personas, con un error mximo
del 5% y un intervalo de confianza del 95%. Basados en
estudios previos, se espera una prevalencia del 10%.
DATOS: Como 500<100000, entonces corresponde a
poblacin finita. Se usa la siguiente frmula:

2
2

Z Npq
e ( N 1) Z pq
2

2
2

Nivel de Confianza: 95% (Z = 1.96).

Proporcin de xitos: p=10%
Proporcin de fracaso: q = 1 p = 90%
Error: 5%.
V. Ibaez

133

Usando EPIDAT v4.1

V. Ibaez y J. Paredes

134

Usando EPIDAT v4.1

V. Ibaez y J. Paredes

135

Muestreo Sistemtico
Simple
Circular
Caractersticas:

Es ms sencillo que muestreo aleatorio simple,

pero normalmente produce un resultado igual de
bueno: se pueden usar los mismos mtodos de
estadstica inferencial

Asigna probabilidades iguales de seleccin.

No siempre necesita listado de unidades.
No requiere tabla de nmeros aleatorios, ni urnas con bolas, ni generacin
de nmeros aleatorios por computadora, etc.
Eficiente slo en poblaciones homogneas.
La muestra se distribuye uniformemente en toda la poblacin, siempre que
exista una buena ordenacin en el marco de muestreo .
Aplicable en encuestas de pequea escala y en la seleccin en campo.
Forma parte de diseos de muestra ms complejos.
Es equivalente al MIA cuando la ordenacin es aleatoria. Por tanto,
utiliza las mismas frmulas.

Arranque aleatorio consiste en:

- Enumerar los elementos de la poblacin
- Determinar la relacin de muestreo
V. Ibaezdenotado
y J. Paredespor k. (k = N/n)

136

Seleccin de Muestreo Sistemtico

N = Tamao de la poblacin.
n = Tamao de la muestra
K=N/n
NO

K es Entero

SI

Eljase a un nmero aleatorio entre 1 y N.

Denominaremos a este nmero con r.

Eljase a un nmero aleatorio entre 1 y k.

Denominaremos a este nmero con r
que es el arranque.

La muestra est formada por las unidades r,

r+k, r+2k, r+3k,. Llamado CCLICA (avanza
hacia adelante hasta cubrir a toda la
poblacin)

Las unidades de la muestra son la r, r+k,

r+2k, r+3k,.
V. Ibaez

137

Muestreo sistemtico

138

Ejemplo:
Suponga que se tiene un marco de muestreo (N) de 108
con grado de magister y se quiere tomar una muestra n =
15. Se tomar una muestra sistemtica de 1 en 7.
Supongamos el arranque en 4.

N 108
k 7.2 7
n 15

139

Ejemplo:

Se quiere obtener una muestra sistemtica que seleccione a

los egresados de la E.P. de Arquitectura de la UNA Puno,
que tiene una poblacin de 1200 de ellos. La variable de
estudio es dicotmica y se aduce que la proporcin es del
25%, adems se quiere un error del 4% y una confiabilidad de
90%.
Como N = 1200 < 100 000, entonces corresponde a poblaciones FINITAS.

Z 2 2 Npq

(1.64) 2 (1200 )(0.25)(0.75)

no 2

249.8 250
2
2
2
e ( N 1) Z 2 pq (0.04) (1199 ) (1.64) (0.25)(0.75)
S

no
250

20.83% 10% entonces se realiza la correccin con la siguiente frmula :

N 1200

no
250
n

207.04 207
no 1
249
1
1
1200
N

El tamao de muestra
definitivo es: no = 207
140

Ejemplo:

1200
Luego se calcula el SALTO k
5.8 6
207

Se procede a seleccionar al azar un nmero entre 1 y 6

aleatoriamente, los mtodo son mltiplos. Dado que el tamao de
muestra requerido es n = 207, entonces se calcula la proporcin
(n/N) = 207/1200 = 17.25 se aproxima a 17% que necesita EPIDAT
v4.1 por fases.

Usando EPIDAT v4.1

141

Ingreso de datos en EPIDAT v4.1

Salida en Excel
Seleccin
1
6
11
16
21
26
31
36
41
46
51
56
61
66
71
76
81

142

Resultados del EPIDAT v4.1

MUESTREO SISTEMTICO EN FASES EPIDAT v4.1

144

Nmero de los sujetos seleccionados con EPIDAT v4.1

145

Muestreo Aleatorio Estratificado (MAE)

V. Ibaez

146

Muestreo Estratificado
Poblacin (N)
N2

N3

N1

NL

........

n1

n2

n3

nL

n = n1 + n2 + n3 +.........+ nL
V. Ibaez

147

ESTRATOS

Homogneos en su interior; diferentes

entre s en propiedades y tamao.
Comuna B

Comuna A

Comuna C
Comuna D

Los estratos ms grandes tienen mayor probabilidad de

ser representados.

Criterio para estratificacin

HOMOGENEIDAD:
Entre elementos de un mismo estrato
HETEROGENEIDAD:
Entre estratos
INDEPENDENCIA:
Entre estratos al seleccionar la muestra

V. Ibaez

149

Ejemplo de Aplicacin:
Se quiere conocer el grado de aceptacin de los nuevos planes de
estudio por la poblacin universitaria de la Regin. Para tal fin se
escoge una muestra integrada por 2289 estudiantes de la UNAPuno. La muestra se afija entre las distintas carreras de manera
proporcional al nmero de estudiantes registrados en dichas
carreras. Para ello se multiplica la proporcin que representa cada
uno de los estratos (carreras diferenciadas) por el tamao
muestral 2289, obtenindose el tamao de muestra para cada
estrato.

a) Tamao de muestra.
Frmula para calcular el tamao de muestra por estratos si n0/N10%
p = Proporcin de estudiantes con los nuevos planes 57.80%
q = Proporcin de estudiantes que no estn de acuerdo: 42.2%
e = Es el error de precisin: 2%
Z = Es el nivel de confiabilidad al 95% (2)=1.96
n0 = Tamao de muestra sin corregir.
n = Tamao de muestra corregida.
V. Ibaez

no

2
2

Z Npq
e ( N 1) Z pq
2

2
2

Como N = 98953 < 100 000, entonces se aplica la frmula de tamao de

muestra para poblaciones FINITAS.
Z 2 2 Npq

(1.96) 2 (98953)(0.578)(0.422)
no 2

2288 .4 2289
2
2
2
e ( N 1) Z 2 pq (0.02) (98952 ) (1.96) (0.578)(0.422)

no
S
10% entonces se realiza la correccin con la siguiente frmula :
N

n0
n
n0 1
1
N
En nuestro caso

n o 2289

2.3% 10% entonces no se realiza la correccin de tamao de muestra.

N 98953

El tamao de muestra definitivo es: no = 2289

V. Ibaez

151

b) Asignacin proporcional de la muestra.

El nmero de estudiantes que se asignar a cada carrera, se
obtiene utilizando la asignacin proporcional, con la
siguiente frmula:

Nh
n h Wh x n x n
N

ASIGNACIN PROPORCIONAL DE LA MUESTRA, SEGN LAS CARRERAS

CARRERAS
Medicina Humana
Topografa y Agrim.
Med. Veterinaria y Zoot.
Derecho
Economa
Sociologa
Ciencias de la Comunicacin
Sistemas
Electrnica
Estadstica e Informtica
Qumica
Fsico - Matemtico
Biologa
TOTAL

POBLACIN (N)
4535
4983
2682
18600
13755
6888
4567
10613
6063
13900
5568
2411
4388
V. Ibaez98953
y J. Paredes

Nh
Wh
N

0.0458298
0.0503572
0.0271038
0.1879680
0.1390054
0.0696088
0.0461532
0.1072529
0.0612715
0.1404707
0.0562691
0.0243651
0.0443443
n=

nh

Nh
n
N

105
115
62
430
318
159
106
246
140
322
129
56
102
152
2289

Usando EPIDAT v4.1

V. Ibaez

153

Ingreso de Informcin

V. Ibaez y J. Paredes

154

Resultados con EPIDAT v4.1

V. Ibaez

155

Asignar el nmero de muestras a cada carrera, segn

el Muestreo Aleatorio Estratificado

V. Ibaez

156

Recuperar el archivo en Excel: Nombre de Carreras y

la poblacin por Carreras (Estratos)

V. Ibaez

157

Recuperar el archivo en Excel: Nombre de Carreras y

la poblacin por Carreras (Estratos)

V. Ibaez

158

Salida de resultados por Estrato en Archivo

V. Ibaez y J. Paredes

159

Tamao de muestra estimado por cada Estrato

V. Ibaez y J. Paredes

160

Salida en Archivo todas las unidades de muestreo,

segn la Carrera (Estrato)
POBLACIN

Seleccin

Probabilidad

Ponderacin

Medicina Humana

ESCUELAS

4535

15

2.315325248

43.19047619

Medicina Humana

4535

191

2.315325248

43.19047619

Medicina Humana

4535

291

2.315325248

43.19047619

Medicina Humana

4535

373

2.315325248

43.19047619

Topografa

4983

82

2.307846679

43.33043478

Topografa

4983

146

2.307846679

43.33043478

Topografa

4983

220

2.307846679

43.33043478

Veterinaria

2682

11

2.311707681

43.25806452

Veterinaria

2682

38

2.311707681

43.25806452

Veterinaria

2682

135

2.311707681

43.25806452

Veterinaria

2682

182

2.311707681

43.25806452

Derecho

18600

36

2.311827957

43.25581395

Derecho

18600

84

2.311827957

43.25581395

Derecho

18600

117

2.311827957

43.25581395

Economa

13755

59

2.311886587

43.25471698

Economa

13755

68

2.311886587

43.25471698

Economa

13755

82

2.311886587

43.25471698

Sociologa

6888

2.308362369

43.32075472

Sociologa

6888

20

2.308362369

43.32075472

Sociologa

6888

126

2.308362369

43.32075472

Sociologa

6888

149

2.308362369

43.32075472

Antropologa

4567

35

2.320998467

43.08490566

Antropologa

4567

44

2.320998467

43.08490566

Antropologa

4567

47

2.320998467

43.08490566

Sistemas

10613

2.317911995

43.14227642

Sistemas

10613

16

2.317911995

43.14227642

Sistemas

10613

33

2.317911995

43.14227642

Electrnica

6063

2.30908791

43.30714286

..

..

..

..

Biologa

..

4388

4236

2.324521422

43.01960784

Biologa

4388

2.324521422

43.01960784

Biologa

4388

2.324521422

43.01960784

V. Ibaez y4268
J. Paredes
4312

161

Muestreo de Conglomerados
A veces muestreo aleatorio simple, sistemtico o estratificado no
es posible, ya que se requieren listas (totales o por estratos) y/o en
muchos casos esas listas no existen o no son accesibles
legalmente o por poltica de la empresa no son pblicas.

Pero s existen listas de grupos heterogneos de sujetos, o

conglomerados. Ejemplo, en las instituciones fiscalizadoras.
Hacemos muestreo aleatorio de conglomerados.
Dentro de los conglomerados elegidos: todos los elementos, o
muestreo aleatorios simple.
V. Ibaez

162

Muestreo de Conglomerados
Caractersticas
Las unidades de muestreo suelen ser un grupo de elementos que
comnmente llamado conglomerado de elementos. El muestreo de estas
unidades es llamado muestreo de conglomerados.
El marco de muestreo es una lista de conglomerados
La medicin se realiza a todos los elementos del conglomerado
seleccionado.
Se utiliza en las investigaciones por muestreo a gran escala

Ventajas
Reduce el costo del muestreo, al no utilizar una lista de elementos de la
poblacin (marco) y slo una lista de conglomerados que es ms fcil y
ms barato de obtener.
Reduce el tiempo de la organizacin y ejecucin del trabajo de campo.
V. Ibaez

163

Poblacin

Conglomerado
V. Ibaez y J. Paredes

Elemento
164

Se utiliza cuando la poblacin se encuentra dividida,

de manera natural, en grupos que se supone que
contienen toda la variabilidad de la poblacin

V. Ibaez y J. Paredes

165

Criterio para la conglomeracin

Homogeneidad: (Entre)
Entre conglomerados

Heterogeneidad: (Dentro)
Entre elementos del mismo conglomerado

V. Ibaez

166

Muestreo de Conglomerados
Diferencia con estratos:
En conglomerados son heterogneos internamente; no interesa
particularmente diferencias; es slo un medio de tomar datos ms
econmico y simple
Requisitos: Los conglomerados deben ser lo ms heterogneos
posibles internamente; muy parecidos entre s. Esto nunca es del
todo as, sobre todo conglomerados geogrficos, por ejemplo la
gente igual vive junta (barrios, ciudades).

Resultados: Mayor error muestral que el muestreo aleatorio simple.

Mtodos de inferencia: diferentes.

V. Ibaez

167

Ejemplos de Unidades Primarias y Unidades

Secundarias de Muestreo.

V. Ibaez y J. Paredes

168

Ejemplo: Conteo rpido de votos

Seleccin de una muestra sistemtica de mesas de
sufragio, inmediatamente despus del proceso de
elecciones.
Poblacin: Los electores que participaron en la votacin.
Conglomerado: mesa de sufragio.
Elemento: elector.
Unidad reportante: Acta electoral.
Marco de muestreo: Listado de mesas de sufragio
ordenados por ubicacin geogrfica.

V. Ibaez

169

EJEMPLO:
Supngase que se desea obtener una muestra de
aproximadamente de 120 estudiantes de un instituto de Enseanza
Media que tiene 966 alumnos registrados y que los alumnos estn
distribuidos en 21 aulas de tamaos variables y conocidos.
La distribucin de los 966 alumnos registrados, segn aulas y
cursos es la siguiente:

V. Ibaez y J. Paredes

170

EJEMPLO:
En el archivo excel INSTITUTO.xls, existe una hoja
MC que contiene la lista de las 21 aulas y los tamaos
de muestras. Ntese que el campo que contiene los
conglomerados no tiene que ser numrico (en este
archivo, el campo se llama AULA, estos estn
identificados por los cdigos que sealan de qu aula
se trata dentro de cada curso). Se ingresa el tamao
de muestra (n = 120) y Epidat 4.1, aplica un muestreo
simple aleatorio para seleccionar 3 de los 21 grupos.
Este nmero es el resultado de dividir el tamao de la
muestra (120) por el nmero medio de unidades de
anlisis de las Unidades de Primera Etapa (UPE)
(966/21=46) y luego 120/46=2.6 3.
171

Usando EPIDAT v4.1

172

Resultados con EPIDAT v4.1

Hacer Clic

173

Muestreo por conglomerados bietpico

El mtodo se considera como un sub-muestreo y se trata
de una modificacin del mtodo de muestreo por
conglomerados.
A los conglomerados que resultan de la primera divisin se
denomina UNIDADES PRIMARIAS, los de la segunda
UNIDADES SECUNDARIAS, y as sucesivamente.

Los conglomerados pueden ser de igual o de diferentes

tamaos, siendo el ltimo caso el ms generalizado.
El proceso de seleccin, se realiza por etapas sucesivas en cada una
de las etapas; se utiliza una unidad diferente y las unidades finales
nos permiten la realizacin de la encuesta para la recoleccin de
informacin.
V. Ibaez

174

EJEMPLO:
Se quiere obtener una muestra de n=120 estudiantes del

instituto. Dicho instituto tiene 966 alumnos registrados, tomando

el mismo nmero de sujetos de cada una de las 10 aulas
elegidas mediante MAS. La hoja MC del archivo INSTITUTO.xls
contiene la lista de las 21 aulas y los tamaos de ellas. En este
caso, donde la muestra no es equiprobabilstica, las
probabilidades de seleccin (y sus inversos, las ponderaciones)
varan de unos conglomerados a otros. Para el aula 1.1, la
probabilidad de cada uno de los 12 alumnos elegidos es
0.089286, resultante de multiplicar 10/21 (probabilidad de
seleccin del conglomerado) por 12/30 (probabilidad de
seleccin del alumno); consecuentemente, la ponderacin para
estos 12 individuos es 11.20 (inverso de 0,089286):
V. Ibaez y J. Paredes

175

Usando EPIDAT v4.1

V. Ibaez y J. Paredes

176

Usando EPIDAT v4.1

V. Ibaez y J. Paredes

177

Resultados con EPIDAT v4.1

V. IbaeZredes

178

INSTRUMENTOS
DE MEDICIN

V. Ibaez

179

180

LA OBSERVACIN

Es una tcnica que consiste en visualizar

o captar a travs de la vista, en forma
sistemtica cualquier hecho, situacin o
fenmeno que ocurra en la naturaleza o la
sociedad. Registro de observacin:
Listado de tems relacionados con los
objetivos.

INSTRUMENTOS DE LA OBSERVACIN

LA ENTREVISTA

Es una tcnica exclusiva de las ciencias

humanas, basada en el dilogo o
conversacin. Es conveniente usarla
cuando el nmero de informantes es
pequeo. Gua de entrevista, preguntas
abiertas.

INSTRUMENTOS DE LA ENTREVISTA

LA ENTREVISTA
VENTAJAS

DESVENTAJAS

1. Cara a cara. Incrementa la

credibilidad.
2. Es dinmica. Permite la
Improvisacin.
3. Se puede profundizar el
tema.
4. Son
pocos
los
entrevistados.
5. Recupera
opiniones
personales.

1. La muestra debe ser

pequea
2. El tiempo nunca alcanza.
El entrevistado tiende a
extenderse.
3. Recoge opiniones de un
solo grupo, no de una
poblacin
4. La opinin es decisiva.

LA ENCUESTA
Es un mtodo en el cual se solicita la
informacin a travs de un formato
estandarizado de preguntas con espacio
para reportar sus respuestas. Permite
recoger informacin clara y precisa. Se
puede aplicar personalmente o por correo,
en forma individual o grupal.

INSTRUMENTOS DE LA ENCUESTA

LA ENCUESTA
VENTAJAS

DESVENTAJAS

1. La encuesta puede ser

grande.
2. Rene
opiniones
grupales.
3. Existe variedad de
opiniones
4. El
tiempo
de
recoleccin
de
la
informacin es corto.

1. Su estructura es
esttica. No realiza a
profundidad.
2. El procesamiento de
los
datos
es
complejo.
3. Menor confiabilidad.
4. Mayor inversin en
material.

Construccin de un instrumento de recoleccin

de datos
VARIABLE
DESEMPEO
LABORAL

DIMENSIN

INDICADOR

ORIENTACIN DE
Trabajo oportuno
RESULTADOS

N DE TEMS

Errores en el trabajo

1. Termina su trabajo oportunamente?

2. Cumple con las tareas que se les

Bajo
encomienda?
3. Realiza un volumen adecuado de
Moderado
trabajo?
4. No comete errores en el trabajo?
Alto
5. Hace uso racional de los recursos?

Uso racional de los recuros

Supervisin frecuente
Profesionalismo en el
trabajo
Respetuoso y amable en el
trabajo
RELACIONES Es cortes con sus
INTERPERSONALES compaeros
Brinda una adecuada
orientacin a los clientes
Conflictos dentro del
equipo

CATEGORAS

Cumplimiento de tareas

CALIDAD

TEM/REACTIVOS

6. No requiere de supervisin frecuente?

7. Se muestra profesional en el trabajo?

8. Se muestra respetuoso y amable en el

trato?
9. Se muestra corts con los clientes y
con sus compaeros?
10. Brinda una adecuada orientacin a
los clientes?
11. Evita los conflictos dentro del equipo?

Muy bueno

Muy alto

REQUISITOS DE LOS INSTRUMENTOS DE

RECOLECCIN DE DATOS

Es aquel que registra datos observables de las

variables en estudio.
Debe cumplir con dos caractersticas
fundamentales, la confiabilidad y la validez.

REQUISITOS DE LOS INSTRUMENTOS DE

RECOLECCIN DE DATOS

La valoracin de la validez implica el

anlisis de la metodologa utilizada en el
estudio para determinar el rigor con que
ha sido diseado y realizado y, por tanto,
el grado de solidez de las evidencias que
proporciona.

Qu entendemos por medir?

Medir es asignar nmeros a objetos y eventos
de acuerdo a reglas (Stevens 1951)
Actualmente medir es el proceso de vincular
conceptos
abstractos
con
medidores
empricos (Carmines y Zeller 1979)
Un instrumento de medicin adecuado es
aquel que registra datos observables que
representan verdaderamente los conceptos o
variables que el investigador tiene en mente.

EL INSTRUMENTO DE MEDICIN

EL INSTRUMENTO DE MEDICIN

CONFIABILIDAD

CONFIABILIDAD
CONFIABILIDAD: Exactitud y precisin del
instrumento de medicin.
Depende de:
*Caractersticas del procedimiento de medicin
*Caractersticas de la variable que se mide
*Caractersticas de los sujetos y observadores

CONFIABILIDAD
METODOS PARA ESTIMAR LA
CONFIABILIDAD:
*
*
*
*

Aplicacin y reaplicacin del instrumento

Cotejo intra observador
Instrumentos paralelos equivalentes
Cotejo entre observadores

VALIDEZ

Se refiere al grado
en que un
instrumento mide
lo que se supone
debe medir.

La validez de un
instrumento no se
establece, sino que
se sustenta en un
mayor o menor grado
de evidencia. Un
investigador no valida
al instrumento per se,
sino la aplicacin del
mismo.

VALIDEZ
EN UNA INVESTIGACIN SE PRETENDE:
Validez interna: Contestar la pregunta de
investigacin y tener exactitud
en las conclusiones, y
Validez externa: Posibilidad de generalizar
conclusiones

ANLISIS DE TEMS
NDICE DE DIFICULTAD DE TEM
Es la proporcin de sujetos que responden un tem con
respecto al total de sujetos que contestaron el instrumento,
se expresa con la frmula siguiente:

SRCI
ID
100
N
Donde:
ID : ndice de dificultad.

NDICE DE

INTERPRETACIN DEL

DIFICULTAD

TEM
DIFCIL

ID < 40
40 ID 60
61 ID 89
ID 90

MEDIANA DIFICULTAD
FCIL
MUY FCIL

SRCI : N de sujetos que respondieron correctamente al tem.

: N de sujetos que respondieron la prueba.

ANLISIS DE TEMS
NDICE DE DISCRIMINACIN DE TEM
La discriminacin del tem, se refiere al poder de un reactivo
para separar a aquellos sujetos que tienen dominio del
rasgo que mide el tem en comparacin con aquellos que no
tienen tal dominio.

RCGS RCGI
D
N gi
Donde:

NDICE DE
DISCRIMINACIN

D < 0.0
0.0 D 0.19
0.20 D 0.29
0.30 D 0.39
D 0.4

INTERPRETACIN DEL TEM

NO DISCRIMINA Y DEBE ELIMINARSE
NO DISCRIMINA Y NO DEBE USARSE
NO DISCRIMINA BIEN, PERO S SE
REVISA PUEDE USARSE.
DISCRIMINA BIEN
DISCRIMINA MUY BIEN

D : ndice de discriminacin del tem

RCGS: N de respuestas correctas en el grupo superior.
RCGI: N de respuestas correctas en el grupo inferior.
Ngi : Tamao de uno de los grupos.

ANLISIS DE TEMS
NDICE DE HOMOGENEIDAD DEL TEM (IH)
El ndice de homogeneidad de un tem, informa el grado en que el tem
est midiendo, similar a la globalidad del test; es decir, el grado en
que es consistente, homogneo con el total de la prueba.

ni 1 xi X i 1 xi i 1 X
n

IH rix

2
n 2 n 2 n 2 n

n xi xi n X i X i
i 1 i 1
i 1
i 1

NDICE DE
HOMOGENEIDAD

IH < 20
0.21 IH 0.60
IH 0.61

INTERPRETACIN DEL TEM

EL TEM DEBE ELIMINARSE
MEDIACIN REGULAR
MEDICIN BUENA

VALIDEZ Y
CONFIABILIDAD DE
LOS
INSTRUMENTOS

CONFIABILIDAD DE INSTRUMENTOS
La confiabilidad es una medida de determinacin de la
ESTABILIDAD y la CONSISTENCIA INTERNA del instrumento.
Un instrumento es estable si, aplicado repetidas veces a los
mismos fenmenos, bajo las mismas condiciones, arroja
resultados consistentes (congruentes).
Consistencia interna propiedad del instrumento segn la cual,
cada parte del mismo mide de la misma manera que las otras
partes.
CONFIABILIDAD

0.01
0.21
0.41
0.61
0.80

a
a
a
a
a

0.20
0.40
0.60
0.80
1.00

INTERPRETACIN
MUY BAJA
BAJA
MODERADA
ALTA
MUY ALTA

ALFA DE CRONBACH
Para evaluar la confiabilidad es comn emplear el
COEFICIENTE ALFA DE CRONBACH, cuando las alternativas
de respuestas son policotmicas, como la escala de tipo
Likert que puede tomar valores entre 0 y 1. Donde:
Confiabilidad nula = 0 y confiabilidad total = 1. El coeficiente
de Cronbach, se calcula por medio de la varianza de los
tems, y la varianza del puntaje total.
: Coeficiente de confiabilidad de la
prueba o cuestionario.
K : N de tems del instrumento.
S2t : Varianza total del instrumento (filas).
S2i: Suma de las varianzas de los
tems (columnas).

2
Si

K
1 i 1 2

K 1
St

EJEMPLO
Se tiene un cuestionario para evaluar la aceptacin de una
asignatura con tres preguntas y se desea saber si los datos
que se obtienen a partir de esta herramienta son confiables.
Para evaluar la fiabilidad de este cuestionario, se aplic a 10
personas de una muestra similar. Las preguntas y los
resultados se muestran a continuacin:
1.- El curso ha respondido a sus expectativas?
1 Muy poco ( )

Poco

( )

3 Regular ( )

4 Aceptable ( X )

5 Muy aceptable ( )

2.- Los expositores conocen el tema?

1 Muy poco ( )

Poco

(X)

3 Regular ( )

4 Aceptable ( )

5 Muy aceptable ( )

3.- Se desarroll de acuerdo a lo programado?

1 Muy poco ( )

Poco

( )

3 Regular ( )

4 Aceptable ( X )

5 Muy aceptable ( )

EJEMPLO Aplicacin - Cronbach

MATRIZ DE DATOS
N DE
ENCUESTADOS
1
2
3
4
5
6
7
8
9
10
Total Columnas
Varianza Poblac. (Si)
N Preguntas: K = 3

PREG. N
PREG. N 2
1
4
2
2
1
3
1
2
2
2
1
1
1
2
4
3
3
4
4
1
1
24
20
1.040
1.400

TOTAL
FILAS
4
10
3
6
2
6
2
6
4
7
3
5
4
10
4
10
3
11
1
3
30
74
1.000
3.44
Varianza (t) = 6.440
PREG. N 3

Si2 (S12 S22 S32 ) (1.04 1.4 1.0) 3.44

t 10

2
t

E
i 1

2
i

10

( Ei )
i 1

612 (74) 2 10

6.44
10

K
1

K 1

S
i 1

S t2

2
i

0.6988

Aplicacin Cronbach SPSS v23

Aplicacin Cronbach SPSS v23

Estadsticas de fiabilidad

Alfa de
Cronbach

Alfa de
Cronbach
basada en
elementos
estandarizados

N de elementos

.699

.700

INTERPRETACIN:
El resultado nos indica que la prueba (instrumento de
investigacin) es = 0.699, por lo tanto, se aproxima a ser
confiable.

MTODO TEST - RETEST

Es la estimacin de la confiabilidad de un test o cuestionario
que es administrarlo dos veces al mismo grupo y
correlacionar las puntuaciones obtenidas.
n

rxy

X
i

i 1

i 1

Yi ( X i )( Yi ) n

n
n
n
n 2

2
2
2
X i ( X i ) n Yi ( Yi ) n
i 1
i 1
i1
i 1

rxy : Es el coeficiente de correlacin.

Xi : Valores de X (Primera aplicacin).
Yi : Valores de Y (Segunda aplicacin)
n : Nmero de sujetos.

PROCEDIMIENTO DE DOS MITADES

(DIVISIN DE TEMS EN PARES E IMPARES)

a) Se calcula el ndice de Correlacin (Pearson)

n

rIP

I
i

i 1

i 1

Pi ( I i )( Pi ) n

n
n
n
n 2

2
2
2
I i ( I i ) n Pi ( Pi ) n
i 1
i 1
i 1
i 1

b) Correccin de r con la ecuacin de Spearman Brown

2r
R
1 r

Ejemplo Aplicacin
MATRIZ DE DATOS
N DE
ENCUESTADOS
1
2
3
4
5
6
7
8
9
10

PREG. N
TOTAL TOTAL PRODUCTO
PREG. N 2 PREG. N 3
1
IMPAR (I) PAR (P)
(I)x(P)
4
2
4
8
2
16
2
1
3
5
1
5
3
1
2
5
1
5
2
2
2
4
2
8
2
1
4
6
1
6
1
1
3
4
1
4
2
4
4
6
4
24
3
3
4
7
3
21
4
4
3
7
4
28
1
1
1
2
1
2
10

Total

I
i 1

54

10

P
i 1

20

P2

64
25
25
16
36
16
36
49
49
4

4
1
1
4
1
1
16
9
16
1

10

10

I P 119 I
i

I2

i 1

2
i

10

320 Pi 2 54
i 1

Ejemplo Aplicacin
10

rIP

10

10

I P ( I )( P )
i

i 1

i 1

10

2
2
2
2
I

(
I
)
10
P

(
P
)
10

i
i i
i

1
i

1
i

1
i

10

10

10

10

119 (54)(20) 10

320 (54) 1054 (20) 10

2

0.5517

ndice de correlacin de Pearson ( r ) = 0.5517

Correccin por Spearman-Brown ( R = 2r/1+r) = 0.7111
R = 0.71, demuestra la confiabilidad del instrumento,
mientras ms cerca de 1 est R, ms alto es el grado
de confiabilidad.

BIBLIOGRAFA CONSULTADA
COCHRAN, G.W. (1980). Tcnicas de Muestreo. Edit.
Continental. Mxico.
DE LA TORRE, C. (2015). Seminario de Tesis I. UNSAAC
Cusco Per.
DE LA TORRE, C. (2015). Instrumentos en la Investigacin
Cientfica. UNSAAC Cusco Per.
IBAEZ, V. y ZEA, W. (1997). Muestreo. Edicin Primera.
FINESI - UNA-Puno.
RAMOS, J. Diseos de Muestreo. V Coloquio FINESIUNA-Puno. E-mail: jramos@correo.ulima.edu.pe
ZEA, F.W. e IBAEZ, Q.V. (2003). "Tablas Estadsticas".
Segunda Edicin. Edit. Universitaria. Fac. Cs. Agrarias FINESI. UNA - Puno.
V. Ibaez

220