SlideShare una empresa de Scribd logo
1 de 49
Descargar para leer sin conexión
ANÁLISIS
        DE DATOS
 CUANTITATIVOS |
   Decidir el programa de análisis de datos que se
    utilizara
   Explorar los datos obtenidos en la recolección
    E
    E
    E
   instrumentos de medición utilizados
   i Analizar e interpretar mediante pruebas estadísticas
   las hipótesis planteadas (análisis Estadístico
   Inferencial)
   I Realizar análisis adicionales
   R Preparar los resultados para presentarlo
¿Qué Procedimiento se sigue
para analizar cuantitativamente
           los datos?

 ¿En la actualidad el análisis de
    datos se lleva a cabo por
          computadora?

¿Se centra en la interpretación de
los resultados de los métodos de
  análisis     cuantitativo y no
      en los procedimientos
            de calculo?
Seleccionar un programa de
             análisis.
Esto incluye dos partes o segmentos :
-Definiciones de Variables, que a su vez
explican los datos

(Los elementos de la codificación ítem por
ítem).

-La Matriz de datos.
Una vez recolectados los datos, es definir los
parámetros de la matriz de datos en el
programa e introducir los datos en la matriz.
Ejemplo de matriz de datos con tres variables
    Caso       Columna 1:        Columna 2:       Columna 3:
                (Género)        (color de pelo)     (edad)
1          1                1                     35
2          1                1                     29
3          2                1                     28
4          2                4                     33



•Genero ( 1=masculino y 2 = femenino)
•Color de cabello ( 1=negro, 2=castaño, 3=pelirrojo,
4=rubio)
•Edad ( dato “bruto o crudo” en años)
Statistical Package for the Social
               Sciences
(Paquete Estadístico para las Ciencias
            Sociales (SPSS)
 Es un programa desarrollado por la universidad de Chicago,
  es uno de los más difundidos. Contiene todos los análisis
    estadisticos y facilita al investigador la recoleccion de
                              datos.
             El SPSS contiene dos partes que son:
  c)Vista de variables (definicion de variables y de los datos)
             d)Vista de los datos (matriz de datos)
Es un paquete que goza de popularidad por su relativamente bajo
costo. Incluye un para aprender a utilizarlo y práctico considerable
número de pruebas estadísticas, y cuenta con un tutorial car;
además, es muy sencillo de manejar.
Tipos de estadísticas:
•Básicas: descriptivas, correlación, covarianza, chi-cuadrada
•Regresión lineal y múltiple
•Análisis de varianza (ANOVA)
•Diagramas de dispersión, pareo, causa-efecto…
Análisis multivariado; conglomerado, análisis
factores(validación),
•Análisis distante de correspondencia
Paso 1:
                             .


Las variables de la matriz de datos son columnas o ítems.
    Las variables de investigación son las propiedades
  medidas y que forman parte de la hipótesis o que se
                    pretende describir.

En ocasiones las variables de la investigación requieren
un único ítem para ser medidas, pero en otras necesitan
                      varios ítems.

  Cuando solo se precisa de un ítem, las variables de la
investigación ocupan una sola columna de la matriz(una
                  variable de la matriz)
 No confundir las variables de la matriz de datos con las
variables del estudio, están vinculadas pero son distintas
Paso 2:

Ejecutar el Programa
En el caso de SPSS y Minitab, ambos
paquetes son fáciles de usar, pues lo
único que hay que hacer es solicitar los
análisis requeridos seleccionando las
opciones     apropiadas.     Obviamente
antes de tales análisis, se debe verificar
que el programa “corra” o funcione en
nuestra computadora.
Paso 3: Explorar los Datos

1.     Formulamos la pregunta de investigacion que pretendemos
       contestar
2.       Visualizamos      un     alcance    (exploratorio,    descriptivo,
       correlacional y/o explicativo).
3.   Establecemos nuestras hipótesis (o estamos conscientes de que no
       las tenemos).
4.   Definimos las variables
5.    Elaboramos un instrumento (conocemos que items miden que
       variables y que nivel de medición tiene cada variable).
6.   Recolectamos los datos.
Estadística Descriptiva para cada
  Variable

La primera tarea es describir los datos, los
valores o las puntuaciones obtenidas para
cada variable.
Por ejemplo si aplicamos a 2112 niños el
cuestionario    sobre     los   uso    y  las
gratificaciones que la televisión tiene para
ellos.. Para describir estos datos se hace la
distribución    de    las    puntuaciones   o
frecuencias de cada variable
¿Qué es una            distribución       de
frecuencias?

Conjunto de puntuaciones ordenadas en
sus respectivas categorías.
Ejemplo en un estudio entre 200 personas
latinas que viven en el estado de california,
EE.UU. Se le pregunto: como prefiere que
se refieran a usted en cuanto a su origen
étnico.
¿Qué otros elementos contiene
       una distribución de
          frecuencias?
Las distribuciones de frecuencias pueden completarse
agregando los porcentajes de casos en cada categoría.
El porcentaje acumulado constituye lo que aumenta en
cada categoría de manera porcentual y progresiva (en
orden descendente de aparición de las categorías),
tomando en cuenta los porcentajes validos.
Las columnas porcentaje y porcentaje valido son iguales
(mismas cifras o valores) cuando no hay valores perdidos;
pero si tenemos valores perdidos, la columna porcentaje
valido presenta los cálculos sobre el total menos tales
valores.
¿De qué otra manera pueden
    presentarse las distribuciones de
                frecuencias?
Especialmente cuando utilizamos los porcentajes,
 pueden presentarse en forma de histogramas o
             graficas de otro tipo.
GRÁFICO CIRCULAR

Cooperación de todo el personal (o la mayoría) para el
         proyecto de calidad (122= 100%)
Polígono de
Frecuencia
Valores medios o centrales de una distribución
que sirven para ubicarla dentro de la escala de
medición.

Las principales medidas de tendencia central
son tres: Moda, Mediana y media.
 Moda:
Categoría o puntuación que se presenta con
  mayor frecuencia.
Mediana:
 Valor que divide la distribución por la mitad.
  Mediana refleja la posición intermedia de la
  distribución. Por ejemplo, si los datos obtenidos
  fueron:
 24 31 35 35 38 43 45 50 57
 La mediana es 38, porque deja cuatro casos por
  encima (43, 45, 50 y 57) y cuatro casos por
  debajo (35, 35, 31 y 24). simplemente se aplica
  la fórmula:
Es el promedio aritmético de una distribución y
es la medida de tendencia central más utilizada.
Se simboliza como X, y es la suma de todos los
valores dividida entre el número de casos. Es
una medida sensible a valores extremos. Si
tuviéramos las siguientes puntuaciones:
8     7     6    4    3     2   6     9     8
El promedio sería igual a 5.88.
Medidas de la variabilidad Son intermediación
intervalos que indican la dispersión de los datos en
la escala de medición. Las medidas de la
variabilidad más utilizadas son rango, desviación
estándar y varianza.

Rango Indica la extensión total de los datos en la
escala. El rango, también llamado recorrido, es la
diferencia entre la puntuación mayor y la
puntuación menor, e indica el número de unidades
en la escala de medición que se necesitan para
incluir los valores máximo y mínimo.
Se calcula así: XM—Xm, (puntuación mayor,
menos puntuación menor). Si tenemos los
siguientes valores:
17 18 20 20 24 28 28 30 33
el rango será: 33 — 17 = 16.
Cuanto más grande sea el rango, mayor será la
dispersión de los datos de una distribución.
Promedio   de desviación de las puntuaciones
con respecto a la media que se expresa en las
unidades originales de medición de la
distribución.
La desviación estándar se interpreta como
cuánto se desvía, en promedio, de la media un
conjunto de puntuaciones.

Varianza
Se utiliza en análisis inferenciales. Es la
desviación estándar elevada al cuadrado y se
simboliza S2.
Asimetría y curtosís Estadísticas que se usan
para conocer cuánto se parece una distribución a la
distribución teórica llamada curva normal o
campana de Gauss.

La asimetría es una estadística necesaria para
conocer cuánto se parece nuestra distribución a
una distribución teórica llamada curva normal y
constituye un indicador del lado de la curva donde
se agrupan las frecuencias.

La curtosis es un indicador de lo plana o “picuda’
que es una curva.
Analisis de datos cuantitativos
Una razón
 es la relación entre dos categorías. Por ejemplo:
Categorías Frecuencia
Masculino 60
Femenino 30
La razón de hombres a mujeres es de = 2. Es decir, por cada dos
hombres hay una mujer.

Tasa:
 Es la relación entre el número de casos de una categoría y el
número de observaciones.
Una tasa es la relación entre el número de casos, frecuencias o
eventos de una categoría y el número total de observaciones,
multiplicada por un múltiplo de 10, generalmente
100 o 1000.
La fórmula es:
Tasa=
Análisis estadísticos inferencial

En este paso se analizan las hipótesis a la luz de
 pruebas estadísticas.
Estadística inferencial: de la
    muestra a la población.
 ¿Para qué es útil la estadística inferencial?

Con frecuencia, el propósito de la investigación va
más allá de describir las distribuciones de las
variables: se pretende probar hipótesis y
generalizar los resultados obtenidos en la muestra
a la población o universo.

Los datos casi siempre se recolectan de una
muestra y sus resultados estadísticos se
denominan estadígrafos;
la media o la desviación estándar de la
distribución de una muestra son estadígrafos. A
las estadísticas de la población se les conoce
como parámetros.

Estos no son calculados, porque no se
recolectan datos de toda la población, pero
pueden ser inferidos de los estadígrafos, de ahí
el nombre de estadística inferencia.
Recolección                         Inferencia de los
                                    parametros
de los datos          Calculo de    mediante            Población o
    en la            estadigrafos   técnicas            Universo
  muestra                           estadísticas
                                    apropiadas




        Procedimiento de la estadística inferencial.
   Entonces, la estadística inferencial se utiliza
    fundamentalmente para dos procedimientos
    vinculados (Wiersma y Jurs, 2008;
    Asadoorian, 2008):

   a) Probar hipótesis poblacionales.

   b) Estimar parámetros
Prueba de hipótesis: consiste en determinar si
la hipótesis poblacional es congruente con los
datos de la muestra.

Una hipótesis se retiene como un valor
aceptable del parámetro, si es consistente con
los datos. Si no lo es, se rechaza (pero los datos
no se descartan).
Distribución muestral: Es un conjunto de
valores sobre una estadística calculada todas
las muestras posibles de una población.
Nivel de significancia: Es un nivel de la
probabilidad de equivocarse y que fija de
manera a priori el investigador.

Según Wiersma y Jurs (2008)La probabilidad de
que un evento ocurra oscila entre cero (0) y uno
(1), donde cero implica la imposibilidad de
ocurrencia y uno la certeza de que el fenómeno
ocurra. Ejemplo
El nivel de significancia se expresa en términos de
probabilidad (0.05 y 0.0 1) y la distribución muestral
también como probabilidad (el área total de ésta
como 1.00).
 
Los resultados posibles al probar hipótesis
serían:

1. Aceptar     una   hipótesis   verdadera    (decisión
correcta).

2. Rechazar una hipótesis falsa (decisión correcta).

3. Aceptar una hipótesis falsa (conocido como error
del Tipo II o error beta).

4. Rechazar una hipótesis verdadera (conocido como
error del Tipo I o error alfa).
Hay dos tipos de análisis estadísticos que
pueden realizarse para probar hipótesis: los
análisis paramétricos y los no paramétricos.

En una misma investigación es posible llevar a
cabo análisis paramétricos para algunas
hipótesis y variables, y análisis no paramétricos
para otras.
¿Cuáles son los supuestos o las
      presuposiciones de la estadística
                paramétrica?

1. El universo tiene una distribución normal.

2. El nivel de medición de las variables es por
intervalos o razón.

3. Cuando dos o más poblaciones son estudiadas,
tienen una varianza homogénea: las poblaciones en
cuestión poseen una dispersión similar en sus
distribuciones (Wiersma y Jurs, 2008).
  Coeficiente de correlación de Pearson y regresión
lineal.
   Prueba t.
    Prueba     de   contraste   de   la   diferencia   de
proporciones.
Análisis   de varianza unidireccional (ANOVA en un
sentido o oneway).
Análisis   de varianza factorial (ANOVA).
Análisis   de covaríanza (ANCOVA).
¿Qué es el coeficiente de correlación de
Pearson?
Es una prueba estadística para analizar la
relación entre dos variables medidas en un nivel
por intervalos o de razón.
Se simboliza: r.

¿Qué es la regresión lineal?
Es un modelo estadístico para estimar el efecto
de una variable sobre otra. Está asociado con el
coeficiente r de Pearson.
Es una prueba estadística para evaluar si dos
grupos difieren entre sí de manera significativa
respecto a sus medias en una variable.

Se simboliza: t.
Hipótesis: de diferencia entre dos grupos. La hipótesis
de investigación propone que los grupos difieren de
manera significativa entre sí y la hipótesis nula plantea
que los grupos no difieren signifitivamente.

Variables: la comparación       se realiza sobre una
variable  (regularmente y       de   manera   teórica:
dependiente).

Cálculo e interpretación: el valor t es calculado por
el programa estadístico, ya prácticamente no se
determina manualmente.

La prueba t se basa en una distribución muestral o
poblacional de diferencia de medias conocida como la
distribución t de Student que se identifica por los
grados de libertad, los cuales constituyen el número de
maneras en que los datos pueden variar libremente.
   Consideraciones: La prueba t se utiliza
    para comparar los resultados de una
    preprueba con los resultados de una
    posprueba en un contexto experimental.
Al comparar grupos, en este caso con la prueba
t es importante determinar el tamaño del
efecto, que es una medida de la “fuerza” de la
diferencia de las medias u otros valores
considerados (Cresweil, 2005; Alhija y Levy,
2009). Resulta ser una medida en unidades de
desviación estándar.
Es una prueba estadística para analizar si dos
proporciones o porcentajes difieren significativamente
entre sí.

Hipótesis: de diferencia de proporciones en dos
grupos.

Variable: la comparación se realiza sobre una variable.
Si hay varias, se efectuará una prueba de diferencia de
proporciones por variable.

Procedimiento e interpretación: este análisis puede
realizarse muy fácilmente en el programa STATS,
subprograma:    Diferencia de  dos    proporciones
independientes.
Es una prueba estadística para analizar si más de
dos grupos difieren significativamente entre sí en
cuanto a sus medias y varianzas.

Hipótesis: de diferencia entre más de dos grupos.
La hipótesis de investigación propone que los
grupos difieren significativamente entre sí y la
hipótesis nula propone que los grupos no difieren
significativamente.
 
El hecho de que la variable independiente sea
categórica significa que es posible formar grupos
diferentes. Puede ser una variable nominal, ordinal,
por intervalos o de razón (pero en estos últimos
dos casos la variable debe reducirse a categorías).
Por ejemplo:
 Religión.
Nivel socioeconómico (muy alto, alto, medio,
bajo y muy bajo).
Antigüedad en la empresa (de cero a un año,
más de un año a cinco años, más de cinco años
a 10, más de 10 años a 20 y más de 20 años).
Análisis de varianza Prueba estadística para
analizar si más de dos grupos difieren entre sí de
manera significativa en sus medias y varianzas.

EJEMPLO
Hi: “Los niños que se expongan a contenidos de
elevada violencia televisiva exhibirán una conducta
más agresiva en sus juegos, respecto de los niños
que se expongan a contenidos de mediana o baja
violencia televisada”.

Ho: “Los niños que se expongan a contenidos de
elevada violencia televisiva no exhibirán una
conducta más agresiva en sus juegos, respecto de
los niños que se expongan a contenidos de
mediana o baja violencia televisada”.
Análisis no paramétricos
¿Cuáles    son   las  presuposiciones          de    la
estadística no paramétrica?

Para realizar los análisis no paramétricos debe partirse
de las siguientes consideraciones:

1. La mayoría de estos análisis no requieren de
presupuestos acerca de la forma de la distribución
poblacional. Aceptan distribuciones no normales.

2. Las variables no necesariamente tienen que estar
medidas en un nivel por intervalos o de razón;
pueden analizar datos nominales u ordinales. De hecho,
si se quieren aplicar análisis no paramétricos a datos
por intervalos o razón, éstos necesitan resumirse a
categorías discretas (a unas cuantas). Las variables
deben ser categóricas.

Más contenido relacionado

La actualidad más candente

ANÁLISIS DE LOS DATOS CUANTITATIVOS
ANÁLISIS DE LOS DATOS CUANTITATIVOSANÁLISIS DE LOS DATOS CUANTITATIVOS
ANÁLISIS DE LOS DATOS CUANTITATIVOSJulieth Muñoz
 
9.Análisis de los datos. Los 10 pasos de la Investigacion
9.Análisis de los datos. Los 10 pasos de la Investigacion9.Análisis de los datos. Los 10 pasos de la Investigacion
9.Análisis de los datos. Los 10 pasos de la InvestigacionEdison Coimbra G.
 
Investigacion cualitativa y cuantitativa
Investigacion cualitativa y cuantitativaInvestigacion cualitativa y cuantitativa
Investigacion cualitativa y cuantitativajarmendipg
 
Recolección de Datos en Investigación Cuantitativa
Recolección de Datos en Investigación CuantitativaRecolección de Datos en Investigación Cuantitativa
Recolección de Datos en Investigación Cuantitativagambitguille
 
Investigación correlacional
Investigación correlacionalInvestigación correlacional
Investigación correlacionalANMAMOCA2011
 
Presentación triangulación
Presentación triangulaciónPresentación triangulación
Presentación triangulaciónbjalameda
 
Analisis de datos cuantitativos
Analisis de datos cuantitativosAnalisis de datos cuantitativos
Analisis de datos cuantitativosCarmen Fuentes
 
Análisis de los datos cualitativos
Análisis de los datos cualitativosAnálisis de los datos cualitativos
Análisis de los datos cualitativosMaría Carreras
 
7.Seleccion de la muestra. Paso 7 de la Investigacion Científica.
7.Seleccion de la muestra. Paso 7 de la Investigacion Científica.7.Seleccion de la muestra. Paso 7 de la Investigacion Científica.
7.Seleccion de la muestra. Paso 7 de la Investigacion Científica.Edison Coimbra G.
 
Estadística Descriptiva
Estadística DescriptivaEstadística Descriptiva
Estadística Descriptivasusoigto
 
Presentacion capitulo 9 Sampieri
Presentacion capitulo 9 Sampieri Presentacion capitulo 9 Sampieri
Presentacion capitulo 9 Sampieri Job Mazat
 
Selección de la muestra
Selección de la muestraSelección de la muestra
Selección de la muestraJulio Rojas
 
Análisis de datos cuantitativos
Análisis de datos cuantitativosAnálisis de datos cuantitativos
Análisis de datos cuantitativoskjota11
 
Pruebas parametricas y no parametricas
Pruebas parametricas y no parametricasPruebas parametricas y no parametricas
Pruebas parametricas y no parametricasLuisais Pire
 

La actualidad más candente (20)

ANÁLISIS DE LOS DATOS CUANTITATIVOS
ANÁLISIS DE LOS DATOS CUANTITATIVOSANÁLISIS DE LOS DATOS CUANTITATIVOS
ANÁLISIS DE LOS DATOS CUANTITATIVOS
 
9.Análisis de los datos. Los 10 pasos de la Investigacion
9.Análisis de los datos. Los 10 pasos de la Investigacion9.Análisis de los datos. Los 10 pasos de la Investigacion
9.Análisis de los datos. Los 10 pasos de la Investigacion
 
Investigacion cualitativa y cuantitativa
Investigacion cualitativa y cuantitativaInvestigacion cualitativa y cuantitativa
Investigacion cualitativa y cuantitativa
 
Recolección de Datos en Investigación Cuantitativa
Recolección de Datos en Investigación CuantitativaRecolección de Datos en Investigación Cuantitativa
Recolección de Datos en Investigación Cuantitativa
 
Investigación correlacional
Investigación correlacionalInvestigación correlacional
Investigación correlacional
 
Presentación triangulación
Presentación triangulaciónPresentación triangulación
Presentación triangulación
 
Diseño de la Investigación
Diseño de la InvestigaciónDiseño de la Investigación
Diseño de la Investigación
 
El muestreo desde un enfoque cuantitativo
El muestreo desde un enfoque cuantitativoEl muestreo desde un enfoque cuantitativo
El muestreo desde un enfoque cuantitativo
 
Selección de la muestra
Selección de la muestraSelección de la muestra
Selección de la muestra
 
Analisis de datos cuantitativos
Analisis de datos cuantitativosAnalisis de datos cuantitativos
Analisis de datos cuantitativos
 
Análisis de los datos cualitativos
Análisis de los datos cualitativosAnálisis de los datos cualitativos
Análisis de los datos cualitativos
 
El análisis de los datos
El análisis de los datosEl análisis de los datos
El análisis de los datos
 
7.Seleccion de la muestra. Paso 7 de la Investigacion Científica.
7.Seleccion de la muestra. Paso 7 de la Investigacion Científica.7.Seleccion de la muestra. Paso 7 de la Investigacion Científica.
7.Seleccion de la muestra. Paso 7 de la Investigacion Científica.
 
Estadística Descriptiva
Estadística DescriptivaEstadística Descriptiva
Estadística Descriptiva
 
Presentacion capitulo 9 Sampieri
Presentacion capitulo 9 Sampieri Presentacion capitulo 9 Sampieri
Presentacion capitulo 9 Sampieri
 
Selección de la muestra
Selección de la muestraSelección de la muestra
Selección de la muestra
 
Muestreo no probabilistico
Muestreo no probabilisticoMuestreo no probabilistico
Muestreo no probabilistico
 
Diseños de métodos cuantitativos
Diseños de métodos cuantitativosDiseños de métodos cuantitativos
Diseños de métodos cuantitativos
 
Análisis de datos cuantitativos
Análisis de datos cuantitativosAnálisis de datos cuantitativos
Análisis de datos cuantitativos
 
Pruebas parametricas y no parametricas
Pruebas parametricas y no parametricasPruebas parametricas y no parametricas
Pruebas parametricas y no parametricas
 

Destacado

Análisis de Datos Cualitativos
Análisis de Datos CualitativosAnálisis de Datos Cualitativos
Análisis de Datos CualitativosFreelance Research
 
Análisis Cualitativo: Unidades de Análisis, Categorización y Codificación
Análisis Cualitativo: Unidades de Análisis, Categorización y Codificación Análisis Cualitativo: Unidades de Análisis, Categorización y Codificación
Análisis Cualitativo: Unidades de Análisis, Categorización y Codificación gambitguille
 
8. Recolección de datos cuantitativos
8. Recolección de datos cuantitativos8. Recolección de datos cuantitativos
8. Recolección de datos cuantitativosCésar Montiel
 
Ejemplos 1 análisis e interpretación de datos
Ejemplos 1 análisis e interpretación de datosEjemplos 1 análisis e interpretación de datos
Ejemplos 1 análisis e interpretación de datoskrank1981
 
Analisis de datos cualitativos
Analisis de datos cualitativosAnalisis de datos cualitativos
Analisis de datos cualitativosJuanPa Salvo
 
Analisis cualitativo y cuantitativo
Analisis cualitativo y cuantitativoAnalisis cualitativo y cuantitativo
Analisis cualitativo y cuantitativoAylin Maciel
 
Recoleccion de datos cualitativos
Recoleccion  de datos cualitativosRecoleccion  de datos cualitativos
Recoleccion de datos cualitativosRaúl Ale Serrano
 
Técnica de investigación matriz de triangulación de la información
Técnica de investigación   matriz de triangulación de la informaciónTécnica de investigación   matriz de triangulación de la información
Técnica de investigación matriz de triangulación de la informaciónoscartibaduizar
 
Triangulación doc
Triangulación docTriangulación doc
Triangulación docnAyblancO
 
Ensayo de los enfoques cuantitativo y cualitativo de la investigación científica
Ensayo de los enfoques cuantitativo y cualitativo de la investigación científicaEnsayo de los enfoques cuantitativo y cualitativo de la investigación científica
Ensayo de los enfoques cuantitativo y cualitativo de la investigación científicaSandra Hipatia Nuñez Torres
 
Pasos para el análisis de datos cualitativos
Pasos para el análisis de datos cualitativosPasos para el análisis de datos cualitativos
Pasos para el análisis de datos cualitativosMouna Touma
 
Seleccion de la Muestra en Investigacion
Seleccion de la Muestra en InvestigacionSeleccion de la Muestra en Investigacion
Seleccion de la Muestra en Investigaciongambitguille
 
Problema objetivos hipotesis y marco teorico
Problema objetivos hipotesis y marco teoricoProblema objetivos hipotesis y marco teorico
Problema objetivos hipotesis y marco teoricoJose Loaiza Torres
 
Análisis e interpretación de los resultados
Análisis e interpretación de los resultadosAnálisis e interpretación de los resultados
Análisis e interpretación de los resultadosjorge
 
Técnicas cuantitativas de análisis de datos más utilizadas
Técnicas cuantitativas de análisis de datos más utilizadasTécnicas cuantitativas de análisis de datos más utilizadas
Técnicas cuantitativas de análisis de datos más utilizadasÁlvaro Posse
 
Datos cuantitativos agrupados
Datos cuantitativos  agrupadosDatos cuantitativos  agrupados
Datos cuantitativos agrupadosALANIS
 

Destacado (18)

Análisis de Datos Cualitativos
Análisis de Datos CualitativosAnálisis de Datos Cualitativos
Análisis de Datos Cualitativos
 
Análisis Cualitativo: Unidades de Análisis, Categorización y Codificación
Análisis Cualitativo: Unidades de Análisis, Categorización y Codificación Análisis Cualitativo: Unidades de Análisis, Categorización y Codificación
Análisis Cualitativo: Unidades de Análisis, Categorización y Codificación
 
8. Recolección de datos cuantitativos
8. Recolección de datos cuantitativos8. Recolección de datos cuantitativos
8. Recolección de datos cuantitativos
 
Ejemplos 1 análisis e interpretación de datos
Ejemplos 1 análisis e interpretación de datosEjemplos 1 análisis e interpretación de datos
Ejemplos 1 análisis e interpretación de datos
 
Analisis de datos cualitativos
Analisis de datos cualitativosAnalisis de datos cualitativos
Analisis de datos cualitativos
 
Analisis cualitativo y cuantitativo
Analisis cualitativo y cuantitativoAnalisis cualitativo y cuantitativo
Analisis cualitativo y cuantitativo
 
Recoleccion de datos cualitativos
Recoleccion  de datos cualitativosRecoleccion  de datos cualitativos
Recoleccion de datos cualitativos
 
Técnica de investigación matriz de triangulación de la información
Técnica de investigación   matriz de triangulación de la informaciónTécnica de investigación   matriz de triangulación de la información
Técnica de investigación matriz de triangulación de la información
 
Triangulación doc
Triangulación docTriangulación doc
Triangulación doc
 
Ensayo de los enfoques cuantitativo y cualitativo de la investigación científica
Ensayo de los enfoques cuantitativo y cualitativo de la investigación científicaEnsayo de los enfoques cuantitativo y cualitativo de la investigación científica
Ensayo de los enfoques cuantitativo y cualitativo de la investigación científica
 
Pasos para el análisis de datos cualitativos
Pasos para el análisis de datos cualitativosPasos para el análisis de datos cualitativos
Pasos para el análisis de datos cualitativos
 
Seleccion de la Muestra en Investigacion
Seleccion de la Muestra en InvestigacionSeleccion de la Muestra en Investigacion
Seleccion de la Muestra en Investigacion
 
Tabulación y análisis de encuestas.
Tabulación y análisis de encuestas.Tabulación y análisis de encuestas.
Tabulación y análisis de encuestas.
 
Problema objetivos hipotesis y marco teorico
Problema objetivos hipotesis y marco teoricoProblema objetivos hipotesis y marco teorico
Problema objetivos hipotesis y marco teorico
 
Análisis e interpretación de los resultados
Análisis e interpretación de los resultadosAnálisis e interpretación de los resultados
Análisis e interpretación de los resultados
 
Técnicas cuantitativas de análisis de datos más utilizadas
Técnicas cuantitativas de análisis de datos más utilizadasTécnicas cuantitativas de análisis de datos más utilizadas
Técnicas cuantitativas de análisis de datos más utilizadas
 
Presentación1.l
Presentación1.lPresentación1.l
Presentación1.l
 
Datos cuantitativos agrupados
Datos cuantitativos  agrupadosDatos cuantitativos  agrupados
Datos cuantitativos agrupados
 

Similar a Analisis de datos cuantitativos

Similar a Analisis de datos cuantitativos (20)

analizis cuantitativo de datos
analizis cuantitativo de datosanalizis cuantitativo de datos
analizis cuantitativo de datos
 
Analisis cuantitativo .pdf
Analisis cuantitativo .pdfAnalisis cuantitativo .pdf
Analisis cuantitativo .pdf
 
Principios de estadística
Principios de estadísticaPrincipios de estadística
Principios de estadística
 
Datos Cuantitativos
Datos CuantitativosDatos Cuantitativos
Datos Cuantitativos
 
Analisis de Datos .pptx
Analisis de Datos .pptxAnalisis de Datos .pptx
Analisis de Datos .pptx
 
Guia 1-estadistica
Guia 1-estadisticaGuia 1-estadistica
Guia 1-estadistica
 
Metodos Cuantitativos 1
Metodos Cuantitativos 1Metodos Cuantitativos 1
Metodos Cuantitativos 1
 
Analisis estadistico
Analisis estadisticoAnalisis estadistico
Analisis estadistico
 
Analisis Estadistico
Analisis EstadisticoAnalisis Estadistico
Analisis Estadistico
 
Analisis estadistico
Analisis estadisticoAnalisis estadistico
Analisis estadistico
 
Analisis estadistico
Analisis estadisticoAnalisis estadistico
Analisis estadistico
 
Jhonatan sistemas
Jhonatan sistemasJhonatan sistemas
Jhonatan sistemas
 
Estadistica y estadistica
Estadistica y estadisticaEstadistica y estadistica
Estadistica y estadistica
 
Datos no Agrupados.pdf
Datos no Agrupados.pdfDatos no Agrupados.pdf
Datos no Agrupados.pdf
 
Tarea 3 Juan José Rivera
Tarea 3 Juan José RiveraTarea 3 Juan José Rivera
Tarea 3 Juan José Rivera
 
Análisis Estadístico
Análisis EstadísticoAnálisis Estadístico
Análisis Estadístico
 
Organización de datos
Organización de datos Organización de datos
Organización de datos
 
Estadistica y probabilidad
Estadistica y probabilidadEstadistica y probabilidad
Estadistica y probabilidad
 
analisisestadistico-090317160604-phpapp01, evisar los sesgos.ppt
analisisestadistico-090317160604-phpapp01, evisar los sesgos.pptanalisisestadistico-090317160604-phpapp01, evisar los sesgos.ppt
analisisestadistico-090317160604-phpapp01, evisar los sesgos.ppt
 
Estadistica y Probabilidad.
Estadistica y Probabilidad.Estadistica y Probabilidad.
Estadistica y Probabilidad.
 

Más de Dila0887

Conducta adptiva en el recien nacido
Conducta adptiva en el recien nacidoConducta adptiva en el recien nacido
Conducta adptiva en el recien nacidoDila0887
 
Comunidad virtual
Comunidad virtualComunidad virtual
Comunidad virtualDila0887
 
Normas para el manejo de un medio ambiente sostenible
Normas para el manejo de un medio ambiente sostenibleNormas para el manejo de un medio ambiente sostenible
Normas para el manejo de un medio ambiente sostenibleDila0887
 
Redes sociales
Redes socialesRedes sociales
Redes socialesDila0887
 
Vajillas y manteleria
Vajillas y manteleriaVajillas y manteleria
Vajillas y manteleriaDila0887
 
Planeacion estrategica
Planeacion estrategicaPlaneacion estrategica
Planeacion estrategicaDila0887
 
Papilloma virus
Papilloma virusPapilloma virus
Papilloma virusDila0887
 
Control de calidad
Control de calidadControl de calidad
Control de calidadDila0887
 
Baloncesto
BaloncestoBaloncesto
BaloncestoDila0887
 
Clonacion y celulas madre
Clonacion y celulas madreClonacion y celulas madre
Clonacion y celulas madreDila0887
 
Las micosis sistémicas producidas por hongos verdaderos
Las micosis sistémicas producidas por hongos verdaderosLas micosis sistémicas producidas por hongos verdaderos
Las micosis sistémicas producidas por hongos verdaderosDila0887
 
Los rios, distribucion, los grandes rios del mundo
Los rios, distribucion, los grandes rios del mundoLos rios, distribucion, los grandes rios del mundo
Los rios, distribucion, los grandes rios del mundoDila0887
 
Enfermedades de transmision sexual
Enfermedades de transmision sexualEnfermedades de transmision sexual
Enfermedades de transmision sexualDila0887
 
Parasitos por nematodos
Parasitos por nematodosParasitos por nematodos
Parasitos por nematodosDila0887
 
Los nematodos intestinales
Los nematodos intestinalesLos nematodos intestinales
Los nematodos intestinalesDila0887
 
Diseño de la investigacion cuantitativa y seleccion de
Diseño de la investigacion cuantitativa y seleccion deDiseño de la investigacion cuantitativa y seleccion de
Diseño de la investigacion cuantitativa y seleccion deDila0887
 
Calentamiento global
Calentamiento globalCalentamiento global
Calentamiento globalDila0887
 
Hiperplasia endometrial (2)
Hiperplasia endometrial (2)Hiperplasia endometrial (2)
Hiperplasia endometrial (2)Dila0887
 

Más de Dila0887 (20)

Conducta adptiva en el recien nacido
Conducta adptiva en el recien nacidoConducta adptiva en el recien nacido
Conducta adptiva en el recien nacido
 
Comunidad virtual
Comunidad virtualComunidad virtual
Comunidad virtual
 
Normas para el manejo de un medio ambiente sostenible
Normas para el manejo de un medio ambiente sostenibleNormas para el manejo de un medio ambiente sostenible
Normas para el manejo de un medio ambiente sostenible
 
Redes sociales
Redes socialesRedes sociales
Redes sociales
 
Vajillas y manteleria
Vajillas y manteleriaVajillas y manteleria
Vajillas y manteleria
 
Planeacion estrategica
Planeacion estrategicaPlaneacion estrategica
Planeacion estrategica
 
Papilloma virus
Papilloma virusPapilloma virus
Papilloma virus
 
Equipos
EquiposEquipos
Equipos
 
El agua
El aguaEl agua
El agua
 
Control de calidad
Control de calidadControl de calidad
Control de calidad
 
Baloncesto
BaloncestoBaloncesto
Baloncesto
 
Clonacion y celulas madre
Clonacion y celulas madreClonacion y celulas madre
Clonacion y celulas madre
 
Las micosis sistémicas producidas por hongos verdaderos
Las micosis sistémicas producidas por hongos verdaderosLas micosis sistémicas producidas por hongos verdaderos
Las micosis sistémicas producidas por hongos verdaderos
 
Los rios, distribucion, los grandes rios del mundo
Los rios, distribucion, los grandes rios del mundoLos rios, distribucion, los grandes rios del mundo
Los rios, distribucion, los grandes rios del mundo
 
Enfermedades de transmision sexual
Enfermedades de transmision sexualEnfermedades de transmision sexual
Enfermedades de transmision sexual
 
Parasitos por nematodos
Parasitos por nematodosParasitos por nematodos
Parasitos por nematodos
 
Los nematodos intestinales
Los nematodos intestinalesLos nematodos intestinales
Los nematodos intestinales
 
Diseño de la investigacion cuantitativa y seleccion de
Diseño de la investigacion cuantitativa y seleccion deDiseño de la investigacion cuantitativa y seleccion de
Diseño de la investigacion cuantitativa y seleccion de
 
Calentamiento global
Calentamiento globalCalentamiento global
Calentamiento global
 
Hiperplasia endometrial (2)
Hiperplasia endometrial (2)Hiperplasia endometrial (2)
Hiperplasia endometrial (2)
 

Analisis de datos cuantitativos

  • 1. ANÁLISIS DE DATOS CUANTITATIVOS |
  • 2. Decidir el programa de análisis de datos que se utilizara  Explorar los datos obtenidos en la recolección E E E  instrumentos de medición utilizados  i Analizar e interpretar mediante pruebas estadísticas  las hipótesis planteadas (análisis Estadístico  Inferencial)  I Realizar análisis adicionales  R Preparar los resultados para presentarlo
  • 3. ¿Qué Procedimiento se sigue para analizar cuantitativamente los datos? ¿En la actualidad el análisis de datos se lleva a cabo por computadora? ¿Se centra en la interpretación de los resultados de los métodos de análisis cuantitativo y no en los procedimientos de calculo?
  • 4. Seleccionar un programa de análisis. Esto incluye dos partes o segmentos : -Definiciones de Variables, que a su vez explican los datos (Los elementos de la codificación ítem por ítem). -La Matriz de datos. Una vez recolectados los datos, es definir los parámetros de la matriz de datos en el programa e introducir los datos en la matriz.
  • 5. Ejemplo de matriz de datos con tres variables Caso Columna 1: Columna 2: Columna 3: (Género) (color de pelo) (edad) 1 1 1 35 2 1 1 29 3 2 1 28 4 2 4 33 •Genero ( 1=masculino y 2 = femenino) •Color de cabello ( 1=negro, 2=castaño, 3=pelirrojo, 4=rubio) •Edad ( dato “bruto o crudo” en años)
  • 6. Statistical Package for the Social Sciences (Paquete Estadístico para las Ciencias Sociales (SPSS) Es un programa desarrollado por la universidad de Chicago, es uno de los más difundidos. Contiene todos los análisis estadisticos y facilita al investigador la recoleccion de datos. El SPSS contiene dos partes que son: c)Vista de variables (definicion de variables y de los datos) d)Vista de los datos (matriz de datos)
  • 7. Es un paquete que goza de popularidad por su relativamente bajo costo. Incluye un para aprender a utilizarlo y práctico considerable número de pruebas estadísticas, y cuenta con un tutorial car; además, es muy sencillo de manejar. Tipos de estadísticas: •Básicas: descriptivas, correlación, covarianza, chi-cuadrada •Regresión lineal y múltiple •Análisis de varianza (ANOVA) •Diagramas de dispersión, pareo, causa-efecto… Análisis multivariado; conglomerado, análisis factores(validación), •Análisis distante de correspondencia
  • 8. Paso 1: . Las variables de la matriz de datos son columnas o ítems. Las variables de investigación son las propiedades medidas y que forman parte de la hipótesis o que se pretende describir. En ocasiones las variables de la investigación requieren un único ítem para ser medidas, pero en otras necesitan varios ítems. Cuando solo se precisa de un ítem, las variables de la investigación ocupan una sola columna de la matriz(una variable de la matriz) No confundir las variables de la matriz de datos con las variables del estudio, están vinculadas pero son distintas
  • 9. Paso 2: Ejecutar el Programa En el caso de SPSS y Minitab, ambos paquetes son fáciles de usar, pues lo único que hay que hacer es solicitar los análisis requeridos seleccionando las opciones apropiadas. Obviamente antes de tales análisis, se debe verificar que el programa “corra” o funcione en nuestra computadora.
  • 10. Paso 3: Explorar los Datos 1. Formulamos la pregunta de investigacion que pretendemos contestar 2. Visualizamos un alcance (exploratorio, descriptivo, correlacional y/o explicativo). 3. Establecemos nuestras hipótesis (o estamos conscientes de que no las tenemos). 4. Definimos las variables 5. Elaboramos un instrumento (conocemos que items miden que variables y que nivel de medición tiene cada variable). 6. Recolectamos los datos.
  • 11. Estadística Descriptiva para cada Variable La primera tarea es describir los datos, los valores o las puntuaciones obtenidas para cada variable. Por ejemplo si aplicamos a 2112 niños el cuestionario sobre los uso y las gratificaciones que la televisión tiene para ellos.. Para describir estos datos se hace la distribución de las puntuaciones o frecuencias de cada variable
  • 12. ¿Qué es una distribución de frecuencias? Conjunto de puntuaciones ordenadas en sus respectivas categorías. Ejemplo en un estudio entre 200 personas latinas que viven en el estado de california, EE.UU. Se le pregunto: como prefiere que se refieran a usted en cuanto a su origen étnico.
  • 13. ¿Qué otros elementos contiene una distribución de frecuencias? Las distribuciones de frecuencias pueden completarse agregando los porcentajes de casos en cada categoría. El porcentaje acumulado constituye lo que aumenta en cada categoría de manera porcentual y progresiva (en orden descendente de aparición de las categorías), tomando en cuenta los porcentajes validos. Las columnas porcentaje y porcentaje valido son iguales (mismas cifras o valores) cuando no hay valores perdidos; pero si tenemos valores perdidos, la columna porcentaje valido presenta los cálculos sobre el total menos tales valores.
  • 14. ¿De qué otra manera pueden presentarse las distribuciones de frecuencias? Especialmente cuando utilizamos los porcentajes, pueden presentarse en forma de histogramas o graficas de otro tipo.
  • 15. GRÁFICO CIRCULAR Cooperación de todo el personal (o la mayoría) para el proyecto de calidad (122= 100%)
  • 17. Valores medios o centrales de una distribución que sirven para ubicarla dentro de la escala de medición. Las principales medidas de tendencia central son tres: Moda, Mediana y media.
  • 18.  Moda: Categoría o puntuación que se presenta con mayor frecuencia. Mediana:  Valor que divide la distribución por la mitad. Mediana refleja la posición intermedia de la distribución. Por ejemplo, si los datos obtenidos fueron:  24 31 35 35 38 43 45 50 57  La mediana es 38, porque deja cuatro casos por encima (43, 45, 50 y 57) y cuatro casos por debajo (35, 35, 31 y 24). simplemente se aplica la fórmula:
  • 19. Es el promedio aritmético de una distribución y es la medida de tendencia central más utilizada. Se simboliza como X, y es la suma de todos los valores dividida entre el número de casos. Es una medida sensible a valores extremos. Si tuviéramos las siguientes puntuaciones: 8 7 6 4 3 2 6 9 8 El promedio sería igual a 5.88.
  • 20. Medidas de la variabilidad Son intermediación intervalos que indican la dispersión de los datos en la escala de medición. Las medidas de la variabilidad más utilizadas son rango, desviación estándar y varianza. Rango Indica la extensión total de los datos en la escala. El rango, también llamado recorrido, es la diferencia entre la puntuación mayor y la puntuación menor, e indica el número de unidades en la escala de medición que se necesitan para incluir los valores máximo y mínimo.
  • 21. Se calcula así: XM—Xm, (puntuación mayor, menos puntuación menor). Si tenemos los siguientes valores: 17 18 20 20 24 28 28 30 33 el rango será: 33 — 17 = 16. Cuanto más grande sea el rango, mayor será la dispersión de los datos de una distribución.
  • 22. Promedio de desviación de las puntuaciones con respecto a la media que se expresa en las unidades originales de medición de la distribución. La desviación estándar se interpreta como cuánto se desvía, en promedio, de la media un conjunto de puntuaciones. Varianza Se utiliza en análisis inferenciales. Es la desviación estándar elevada al cuadrado y se simboliza S2.
  • 23. Asimetría y curtosís Estadísticas que se usan para conocer cuánto se parece una distribución a la distribución teórica llamada curva normal o campana de Gauss. La asimetría es una estadística necesaria para conocer cuánto se parece nuestra distribución a una distribución teórica llamada curva normal y constituye un indicador del lado de la curva donde se agrupan las frecuencias. La curtosis es un indicador de lo plana o “picuda’ que es una curva.
  • 25. Una razón es la relación entre dos categorías. Por ejemplo: Categorías Frecuencia Masculino 60 Femenino 30 La razón de hombres a mujeres es de = 2. Es decir, por cada dos hombres hay una mujer. Tasa: Es la relación entre el número de casos de una categoría y el número de observaciones. Una tasa es la relación entre el número de casos, frecuencias o eventos de una categoría y el número total de observaciones, multiplicada por un múltiplo de 10, generalmente 100 o 1000.
  • 27. Análisis estadísticos inferencial En este paso se analizan las hipótesis a la luz de pruebas estadísticas.
  • 28. Estadística inferencial: de la muestra a la población. ¿Para qué es útil la estadística inferencial? Con frecuencia, el propósito de la investigación va más allá de describir las distribuciones de las variables: se pretende probar hipótesis y generalizar los resultados obtenidos en la muestra a la población o universo. Los datos casi siempre se recolectan de una muestra y sus resultados estadísticos se denominan estadígrafos;
  • 29. la media o la desviación estándar de la distribución de una muestra son estadígrafos. A las estadísticas de la población se les conoce como parámetros. Estos no son calculados, porque no se recolectan datos de toda la población, pero pueden ser inferidos de los estadígrafos, de ahí el nombre de estadística inferencia.
  • 30. Recolección Inferencia de los parametros de los datos Calculo de mediante Población o en la estadigrafos técnicas Universo muestra estadísticas apropiadas Procedimiento de la estadística inferencial.
  • 31. Entonces, la estadística inferencial se utiliza fundamentalmente para dos procedimientos vinculados (Wiersma y Jurs, 2008; Asadoorian, 2008):  a) Probar hipótesis poblacionales.  b) Estimar parámetros
  • 32. Prueba de hipótesis: consiste en determinar si la hipótesis poblacional es congruente con los datos de la muestra. Una hipótesis se retiene como un valor aceptable del parámetro, si es consistente con los datos. Si no lo es, se rechaza (pero los datos no se descartan).
  • 33. Distribución muestral: Es un conjunto de valores sobre una estadística calculada todas las muestras posibles de una población.
  • 34. Nivel de significancia: Es un nivel de la probabilidad de equivocarse y que fija de manera a priori el investigador. Según Wiersma y Jurs (2008)La probabilidad de que un evento ocurra oscila entre cero (0) y uno (1), donde cero implica la imposibilidad de ocurrencia y uno la certeza de que el fenómeno ocurra. Ejemplo
  • 35. El nivel de significancia se expresa en términos de probabilidad (0.05 y 0.0 1) y la distribución muestral también como probabilidad (el área total de ésta como 1.00).
  • 36.   Los resultados posibles al probar hipótesis serían: 1. Aceptar una hipótesis verdadera (decisión correcta). 2. Rechazar una hipótesis falsa (decisión correcta). 3. Aceptar una hipótesis falsa (conocido como error del Tipo II o error beta). 4. Rechazar una hipótesis verdadera (conocido como error del Tipo I o error alfa).
  • 37. Hay dos tipos de análisis estadísticos que pueden realizarse para probar hipótesis: los análisis paramétricos y los no paramétricos. En una misma investigación es posible llevar a cabo análisis paramétricos para algunas hipótesis y variables, y análisis no paramétricos para otras.
  • 38. ¿Cuáles son los supuestos o las presuposiciones de la estadística paramétrica? 1. El universo tiene una distribución normal. 2. El nivel de medición de las variables es por intervalos o razón. 3. Cuando dos o más poblaciones son estudiadas, tienen una varianza homogénea: las poblaciones en cuestión poseen una dispersión similar en sus distribuciones (Wiersma y Jurs, 2008).
  • 39.  Coeficiente de correlación de Pearson y regresión lineal.  Prueba t.  Prueba de contraste de la diferencia de proporciones. Análisis de varianza unidireccional (ANOVA en un sentido o oneway). Análisis de varianza factorial (ANOVA). Análisis de covaríanza (ANCOVA).
  • 40. ¿Qué es el coeficiente de correlación de Pearson? Es una prueba estadística para analizar la relación entre dos variables medidas en un nivel por intervalos o de razón. Se simboliza: r. ¿Qué es la regresión lineal? Es un modelo estadístico para estimar el efecto de una variable sobre otra. Está asociado con el coeficiente r de Pearson.
  • 41. Es una prueba estadística para evaluar si dos grupos difieren entre sí de manera significativa respecto a sus medias en una variable. Se simboliza: t.
  • 42. Hipótesis: de diferencia entre dos grupos. La hipótesis de investigación propone que los grupos difieren de manera significativa entre sí y la hipótesis nula plantea que los grupos no difieren signifitivamente. Variables: la comparación se realiza sobre una variable (regularmente y de manera teórica: dependiente). Cálculo e interpretación: el valor t es calculado por el programa estadístico, ya prácticamente no se determina manualmente. La prueba t se basa en una distribución muestral o poblacional de diferencia de medias conocida como la distribución t de Student que se identifica por los grados de libertad, los cuales constituyen el número de maneras en que los datos pueden variar libremente.
  • 43. Consideraciones: La prueba t se utiliza para comparar los resultados de una preprueba con los resultados de una posprueba en un contexto experimental.
  • 44. Al comparar grupos, en este caso con la prueba t es importante determinar el tamaño del efecto, que es una medida de la “fuerza” de la diferencia de las medias u otros valores considerados (Cresweil, 2005; Alhija y Levy, 2009). Resulta ser una medida en unidades de desviación estándar.
  • 45. Es una prueba estadística para analizar si dos proporciones o porcentajes difieren significativamente entre sí. Hipótesis: de diferencia de proporciones en dos grupos. Variable: la comparación se realiza sobre una variable. Si hay varias, se efectuará una prueba de diferencia de proporciones por variable. Procedimiento e interpretación: este análisis puede realizarse muy fácilmente en el programa STATS, subprograma: Diferencia de dos proporciones independientes.
  • 46. Es una prueba estadística para analizar si más de dos grupos difieren significativamente entre sí en cuanto a sus medias y varianzas. Hipótesis: de diferencia entre más de dos grupos. La hipótesis de investigación propone que los grupos difieren significativamente entre sí y la hipótesis nula propone que los grupos no difieren significativamente.   El hecho de que la variable independiente sea categórica significa que es posible formar grupos diferentes. Puede ser una variable nominal, ordinal, por intervalos o de razón (pero en estos últimos dos casos la variable debe reducirse a categorías).
  • 47. Por ejemplo: Religión. Nivel socioeconómico (muy alto, alto, medio, bajo y muy bajo). Antigüedad en la empresa (de cero a un año, más de un año a cinco años, más de cinco años a 10, más de 10 años a 20 y más de 20 años).
  • 48. Análisis de varianza Prueba estadística para analizar si más de dos grupos difieren entre sí de manera significativa en sus medias y varianzas. EJEMPLO Hi: “Los niños que se expongan a contenidos de elevada violencia televisiva exhibirán una conducta más agresiva en sus juegos, respecto de los niños que se expongan a contenidos de mediana o baja violencia televisada”. Ho: “Los niños que se expongan a contenidos de elevada violencia televisiva no exhibirán una conducta más agresiva en sus juegos, respecto de los niños que se expongan a contenidos de mediana o baja violencia televisada”.
  • 49. Análisis no paramétricos ¿Cuáles son las presuposiciones de la estadística no paramétrica? Para realizar los análisis no paramétricos debe partirse de las siguientes consideraciones: 1. La mayoría de estos análisis no requieren de presupuestos acerca de la forma de la distribución poblacional. Aceptan distribuciones no normales. 2. Las variables no necesariamente tienen que estar medidas en un nivel por intervalos o de razón; pueden analizar datos nominales u ordinales. De hecho, si se quieren aplicar análisis no paramétricos a datos por intervalos o razón, éstos necesitan resumirse a categorías discretas (a unas cuantas). Las variables deben ser categóricas.

Notas del editor

  1. valido presenta los cálculos sobre el total menos tales valores.