Diseño de Investigación.pdf

Tema: Diseño de Investigación
Pág. 1
Diseño de
Investigación
En el proceso de la investigación, el investigador, luego
de haber planteado el problema y la hipótesis, si es el
caso, debe diseñar la manera de cómo obtener
información o tomar datos, procesarlos y obtener
resultados; luego del análisis de éstos, sacar conclusiones
con el propósito de responder a la interrogante de la
investigación o evaluar el logro de los objetivos
planteados; y , fundamentalmente, contrastar la
hipótesis científica, cuya verificación empírica constituye
la solución de un problema de la realidad y con ello la
generación de un nuevo conocimiento.

Pág. 2
Concepto de diseño de investigación
1
El diseño de investigación es concebido como el plan o estrategia que el investigador
selecciona o desarrolla con la finalidad de obtener la información que desea, para lo cual:
a)Según el enfoque cualitativo, debe trazar un plan de acción en el campo para recolectar
información y concebir una estrategia de acercamiento al fenómeno, evento, comunidad o
situación a estudiar: y, de esta manera alcanzar sus objetivos de estudio y contestar las interrogantes
de conocimiento que se planteó.
b)Según el enfoque cuantitativo, el plan de acción debe permitir registrar hechos,
cuantificarlos y analizarlos para verificar la certeza de las hipótesis formuladas en un
contexto en particular o para aportar evidencia respecto a los lineamientos de la
investigación; para ello debe concebir la manera práctica y concreta de responder a las
preguntas de investigación y cubrir los objetivos o intereses.
c) Según el enfoque mixto, además de permitir registrar hechos y de cuantificarlos, se
debe obtener información cualitativa, la cual daría mucho mayor información para
responder a la interrogante planteada. (Hernández, Fernández y Batista, p.184)
Concepto de diseño de investigación
1
El diseño de investigación como la organización de la
investigación que realiza el investigador, comprende: “el plan, la
estructura y la estrategia de la investigación; siendo el plan, el
esquema general; la estructura, el esquema o bosquejo para
alcanzar las metas de la investigación; y la estrategia, son los
métodos a usar en la compilación de datos y los procedimientos
de análisis” (Tafur, 1994, p.103).
El diseño de investigación, se puede concebir como un programa que especifica el proceso
para realizar y controlar un proyecto de investigación, es decir, es el arreglo escrito y formal
de las condiciones para recopilar y analizar la información, de manera que combine la
importancia del propósito de la investigación y la economía del procedimiento (Naghi, 2002).

Pág. 3
1 Concepto de diseño de investigación
De otro lado, el diseño debe
especificar los pasos que habrán de
darse para controlar las variables
extrañas y señalar cuando
controlarlas en relación con otros
acontecimientos, también, cuando
se van a recabar los datos y precisar
el ambiente en que se realizará el
estudio.
Clasificación del diseño de investigación
2
Respecto a ésta “no existe una clasificación única de los diseños de investigación; así tenemos que
se le pueden identificar de acuerdo al número de variables independientes, al método de
investigación que se emplea o en el enfoque teórico-metodológico” (Sánchez y Reyes, 2002, p.83)
Otra clasificación de diseños de investigación, según Naghi
(2002), es la siguiente:
► Diseño exploratorio-descriptivo
► Diseño experimental
► Ex-pos-facto
► Diseño histórico
► Diseño de encuestas por
muestra
► Diseño exploratorio-causal
► Diseño exploratorio-conclusivo.

Pág. 4
2
La clasificación más aceptable, en la que conciben la mayoría de los autores, es sobre la base
de dos tipos de diseño de investigación: diseños experimentales y diseños no experimentales.
(Sierra, 1999; Hernández, Fernández y Batista, 2004; Ary, Jacobs Razavich, 1993 y otros).
Sin embargo, cabe resaltar que ningún tipo de diseño es intrínsecamente mejor que otro, son
más bien: el enfoque seleccionado, el planeamiento del problema y los alcances de la
investigación, además de la formulación (o no) de la hipótesis, que determinan que diseño es al
adecuado para un estudio específico, pudiéndose utilizar más de un diseño o diseños mixtos.
diseños experimentales diseños no experimentales
enfoque cuantitativo
enfoque cualitativo
2
Un experimento se puede definir con el estudio de investigación en el que un investigador
manipula y controla deliberadamente una o más variables independientes (supuestas causas)
para observar y analizar las consecuencias que la manipulación tiene sobre una o más variables
dependientes (supuestos efectos), para determinar si hay variación concomitante a la
manipulación de las variables independientes dentro de una situación de control por parte del
investigador. (Hernández, Fernández y Baptista, 2002, p.107; Kerlinger 2002, p.20)
Diseño Experimental
Experimento y diseño experimental
2.1.
“Un experimento diseñado es una prueba o serie de pruebas en las
cuales se inducen cambios deliberados en las variables de entrada de
un proceso o sistema para observar e identificar las cusas de los
cambios en la respuesta de salida” (Montogomery, 199, p.1)

Pág. 5
2
2.1.
Experimentación es “parte del proceso científico y una de las formas en que aprendemos
acerca de la forma en que funcionan los sistemas y procesos. (Ibid, p.2)
Un diseño experimental se define “como una planeación y una estrategia de la
investigación que se propone controlar las variables que no estudia y manejar
otras que se denominan independientes porque producirá determinados efectos
en la variable dependente; la estrategia comprende la observación y medición
de estos efectos” (Tafur, 1994, p.111)
2
El diseño experimental cumple dos funciones:
a) Establece la condiciones de las comparaciones que
exige la hipótesis del experimento.
b) Permite al experimentador hacer una interpretación
significativa de los resultados del estudio a través del
análisis estadístico de datos”.
(Ary, Jacobs y Razavich, 1993, p.247)
2.1.

Pág. 6
2
Según la propuesta de Montgomery
(1991), tres serían los principios básicos
en el diseño de experimentos:
Principios básicos en el diseño de experimentos
2.1.
Réplica se refiere a una repetición de un experimento
básico: así, las réplicas permiten al experimentador
obtener una estimulación del error experimental y a la
vez permite el efecto de un factor en el experimento.
Obtención de réplicas
Aleatorización
Análisis por bloques
2
2.1.
Se entiende por aleatorización, el hecho de que tanto
la asignación del material experimental como el orden
en que se realizan las pruebas individuales o ensayos,
se determinan aleatoriamente, con la finalidad de
eliminar los efectos de factores extraños que pudieran
estar presentes en el momento del experimento.
Aleatorización

Pág. 7
2
2.1.
Es la separación del
material experimental
cuando este tiene
características
heterogéneas, en
porciones homogéneas,
de manera que los
errores de muestreo se
diluyan en cada bloque
de la muestra.
Aleatorización
La aplicación de estos principios en el
diseño experimental es importante en la
investigación porque:
1. Elimina el defecto de las variables
perturbadoras o extrañas, mediante el
efecto de aleatorización.
2. El control y manipulación de las variables
predictorias clarifican la dirección y
naturaleza de las causas del fenómeno en
estudio.
3. Permite Flexibilidad, eficiencia, simetría, y
manipulación estadística.
2
Contexto de un experimento
2.1.
a.
Experimento
de
laboratorio
Se pueden aplicar a los contextos de investigación
experimental de laboratorio y de campo.
Se define como “estudio de investigación en el que la varianza (efecto) de
todas o casi todas las variables independientes influyentes posibles no
pertinentes al problema inmediato de la investigación se mantiene reducida
(reducido el efecto) en un mínimo” y, en consecuencia, los experimentos de
campo.
En términos de Munich y Ángeles (1990, p.29), “el experimento de laboratorio
es el tipo de estudio en el que el investigador ya tiene una hipótesis de
trabajo que pretende comprobar, además, conoce y controla una serie
factores que tiene relación con la hipótesis, además, conoce y controla una
serie factores que tiene relación con la hipótesis y que le servirán para
explicar el fenómeno.”

Pág. 8
2
Contexto de un experimento
2.1.
b.
Experimento
de
campo
El experimento de campo, es “un estudio de investigación en una situación
realista en la que una o más variables independientes son manipuladas por el
experimentador en condiciones tan cuidadosamente controladas como lo
permite la situación” (Hernández; Fernández y Baptista, 2003, p. 253). Y, para
Munich y Ángeles (1990, p.29), “el experimento de campo son investigaciones
que se realizan en el medio donde se desarrolla el problema”.
La diferencia esencial entre ambos contextos es la realidad en que los
experimentos se lleva a cabo, es decir, el grado en que el ambiente es
natural para los sujetos (objetos de estudio o unidades experimentales) de
investigación (Hernández, Fernández, Baptista, 2003, p. 254).
2
Calidad del diseño experimental
2.1.
a. La Validez
En la perspectiva de una investigación científica, la calidad del
diseño experimental se mide por su valides. En este sentido, “La
validez es la medida de la significación de la observación, es decir,
como refleja el verdadero estado del hecho, la validez sustenta la
objetividad de la investigación” (Ávila, 2001, p. 14)
La validez en la investigación científica debe entenderse en dos
niveles: la validez interna y la validez externa.

Pág. 9
2
2.1.
a. La Validez
► La validez interna, es la habilidad de un instrumento de investigación de medir lo que se ha
propuesto. A este último concepto se hace referencia generalmente cuando se utiliza
simplemente el término “validez” (Nagui, 2002, p.55). De acuerdo a este concepto, la validez se
refiere al grado en que un instrumente de medición mide realmente la(s) variable(s) que
pretende medir. Está referida a los errores sistemáticos de invalidación cuyas fuentes deben ser
controladas con mucha diligencia.
► La validez externa se refiere a los hallazgos de una investigación y a la generalización de sus
conceptos a otras poblaciones de objetos de la misma clase de la que se usó como muestra.
2
2.1.
b. La confiabilidad
Una investigación es confiable en la medida en las puntuaciones que alcanza un objeto de estudio
permanecen casi iguales en varias mediciones. Por tanto, la confiabilidad de una medición se
manifiesta por un bajo error estándar de mediciones o por un alto coeficiente de confiabilidad. De
este modo, “la confiabilidad es el grado de uniformidad con que un instrumento de mediciones
cumple su cometido” (Ary, Jacobs y Razavich, 1993, p.214)
Se refiere al grado en que la aplicación repetida de un instrumento de medición al, mismo objeto
de estudio, produce iguales resultados. Está referida a los errores aleatorios propios del experimento,
los cuales, analizados dan razón de las variabilidades de los datos obtenidos.

Pág. 10
2
Tipos de Diseños Experimentales
2.1.
Experimento Puros
Siguiendo los conceptos de Hernandez, Fernandez y Baptista (2003, p.188), los experimentos
“auténticos o puros” son aquellos que manipulan variables independientes para observar sus
efectos sobre las variables dependientes en una situación de control.
1) Manipulación intencional de una o más variables independientes, en este caso, en una
relación entre variables, la variable independiente se considera como causa y la
variable dependiente se considera como efecto. Luego, la variable independiente es la
condición antecedente y la variable dependiente la consecuente que, en su correlato,
serían el estímulo y la respuesta respectivamente.(Figura 1)
a. Requisitos de los experimentos puros
2
2.1.
Experimento Puros
Causa
(Variable independiente)
Estímulo
Efecto
(Variable independiente)
Respuesta
X Y
Figura 1. Esquema que representa la relación de causa y
efecto de las variables independiente y dependiente
1) Manipulación intencional de una o más variables independientes

Pág. 11
2
2.1.
Experimento Puros
La manipulación o variación de un variable independientemente puede realizarse en
dos o más grados. El nivel mínimo de manipulación de dos: presencia-ausencia de la
variable independiente. Esto implica que a un grupo se expone a la presencia de la
variable independiente y al otro no. Al primero se le conoce como “grupo
experimental”, y el otro grupo se le denomina “Grupo de control”.
Aun cuando al grupo de control no se le aplica la variable independiente, los dos
grupos participan en el experimento. A la presencia de la variable independiente
muy frecuentemente se le llama “tratamiento experimental”.
2
2.1.
Experimento Puros
En otras ocasiones, es posible hacer variar o manipular la variable independiente en
cantidades o grados. Cuanto más niveles, mayor información; pero el experimento se va
complicando y cada nivel adicional implica un grupo más.
Por último, es necesario insistir en que cada nivel o modalidad, implica al menos, un
grupo. Por ejemplo, si hay tres niveles (grados) o modalidades, se tendrá como mínimo tres
grupos de tratamientos de la variable independiente o variables independientes.

Pág. 12
2
2.1.
Experimento Puros
De otro lado, al manipular una variable independiente es necesario especificar qué se va
a entender por esa variable en el experimento. Es decir, definir la variable independiente
es trasladar el concepto teórico o abstracto a lo práctico o empírico del experimento,
que se materializa en una serie de operaciones y actividades concretas a realizar.
El concepto abstracto convertido en un hecho real se logra a través de la
operacionalización de las variables.
2
2.1.
Experimento Puros
► La medición del efecto que tiene la variable independiente sobre la variable
dependiente debe ser válida y confiable, porque si no se puede asegurar que se midió
de manera adecuada, los resultados no servirán y el experimento será una pérdida de
tiempo. La variable dependiente se puede medir de diversas maneras: cuestionarios,
escalas, observación, entrevistas, mediciones instrumentales directas, mediciones
indirectas, etc. En consecuencia, en la planeación de un experimento se debe precisar
en detalle cómo se van a manipular las variables independientes y como se va a medir
las dependientes.
2) Medición del efecto de la variable independiente sobre la variable dependiente

Pág. 13
2
2.1.
Experimento Puros
► En cuanto, al número de variables independientes y dependientes incluidas en un
experimento, no hay reglas para ello; dependen de cómo haya sido planteado el
problema de investigación, los objetivos planteados y de las limitaciones que existan.
► Sin embargo, por más que se aumente las variables dependientes, no tienen que
incrementarse los grupos o tratamiento experimentales, porque estas variables no se
manipulan; lo que sí aumenta es el tamaño de la medición porque hay más variables
que medir.
2) Medición del efecto de la variable independiente sobre la variable dependiente
2
2.1.
Experimento Puros
► Su acepción más común es que si en el experimento se observa que una o más
variables independientes hacen variar a los dependientes, la variación de estas últimas
se debe a la manipulación y no a otros factores o causas; y si se observa que una o
más variables independientes no tienen un efecto sobre las dependientes, se pueda
estar seguro de ellos.
Entonces, en la experimentación, tener “control” significa saber qué está ocurriendo
realmente con la relación entre las variables independientes y las variables dependientes.
3) Controlar la validez interna de la situación experimental,

Pág. 14
2
2.1.
Experimento Puros
Experimento
(Con control)
Intento de experimento
(Sin control)
X Y
Figura 2. Esquema que muestra la diferencia entre un
experimento con control y uno sin control.
X Y
Cuadro en blanco
En la estrategia de la
investigación experimental, “el
investigador no manipula una
variable sólo para comprobar lo
que le ocurre con la otra, sino que
al efectuar un experimento es
necesario realizar una
observación controlada” (Van
Dale y Meyer, 1994, citado por
Hernández, Fernández y Baptista,
2003, p. 198 y 199).
2
2.1.
Experimento Puros
En la estrategia de la investigación experimental, “el investigador no manipula una
variable sólo para comprobar lo que le ocurre con la otra, sino que al efectuar un
experimento es necesario realizar una observación controlada” (Van Dale y Meyer,
1994, citado por Hernández, Fernández y Baptista, 2003, p. 198 y 199).

Pág. 15
2
2.1.
Experimento Puros
b. Fuentes de invalidación
Se entienden como los diversos factores o fuentes que puedan llevar a confusión y por los
cuales no se tenga la certeza si, la presencia de una variable independiente o un
tratamiento experimental, surte o no un verdadero efecto.
Al respecto, Campbell y Stanley (1996), citado por Hernández, Fernández y Baptista (2003,
p. 200), definieron que las fuentes de invalidación atentan contra la validez interna de un
experimento y por consiguiente la validez de los resultados de la investigación. La validez
interna se relaciona con la calidad del experimento y se logra cuando hay control. Se
definen las siguientes fuentes de invalidación interna:
2
2.1.
Experimento Puros
Se refiere a los acontecimientos
que ocurren en el desarrollo del
experimento, que pueden
afectar a la variable
dependiente y llegan a confundir
los resultados experimentales.
Historia
Poca o nula confiabilidad
de las mediciones, que
puede ser por la persona
que toma los datos o la
condición variante de los
instrumentos.
Inestabilidad
Son procesos internos de los
participantes que operan como
consecuencia del tiempo y que
afectan los resultados del
experimento. Se madura al manipular
los instrumentos, toma de datos, etc.
Maduración

Pág. 16
2
2.1.
Experimento Puros
Se refiere a los acontecimientos
que ocurren en el desarrollo del
experimento, que pueden
afectar a la variable
dependiente y llegan a confundir
los resultados experimentales.
Administración de prueba
Esta fuente hace
referencia los cambios
en los instrumentos de
medición o en los
observadores
participantes.
Instrumentación
Representa el hecho de que
puntuaciones extremas en una
distribución particular tenderán a
desplazarse (esto es, en regresar) hacia
el promedio de la distribución, en
función de mediciones repetidas.
Regresión estadística
2
2.1.
Experimento Puros
Puede presentarse al elegir a las
unidades experimentales
(sujetos u objetos) para los
grupos del experimento, de tal
manera que los grupos no sean
equiparables.
Selección
Se refiere a las diferencias en
la pérdida de participantes
entre los grupos que se
comparan.
Mortalidad experimental

Pág. 17
2
2.1.
Experimento Puros
Es posible que haya diversos efectos
provocados por la interacción de las
mencionadas fuentes de invalidación interna.
La selección puede interactuar con la
mortalidad experimental, la historia con la
maduración, la maduración la estabilidad, etc.
Otras interacciones
Interacción entre selección
y maduración
Se trata de un efecto de
maduración que no es igual en los
grupos de experimentos, debido a
la presencia de algún factor de
selección
2
2.1.
Experimentos “Verdaderos”
a) Grupos de comparación (manipulación de
la variable independiente o de varias
independientes)
b) Equivalencia de los grupos
Los experimentos “verdaderos” son aquellos que
reúnen los dos requisitos para lograr el control y
la validez interna
Los diseños auténticamente experimentales pueden
abarcar una o más variables independientes y una o
más dependientes. Asimismo, pueden utilizar
prepruebas y pospruebas para analizar la evolución de
los grupos antes y después del tratamiento
experimental. Desde luego, no todos los diseños
experimentales utilizan preprueba, pero la posprueba es
necesaria para determinar los efectos de las
condiciones experimentales (Wiersma, citado por
Hernández, Fernández y Baptista, 2003, p.222).

Pág. 18
2
2.1.
a) Diseño con post prueba únicamente y grupo de control
Este diseño incluye dos grupos, uno recibe el tratamiento experimental y el otro
no. O sea, la manipulación de la variable independiente alcanza sólo dos
niveles: presencia y ausencia. Los objetos (sujetos) son asignados a los grupos
de manera aleatoria.
Después que concluye el periodo experimental, a ambos grupos se les
administra una medición sobre la variable dependiente en estudio.
2
2.1.
El diseño de investigación para dos grupos
se esquematiza de la siguiente manera:
𝑅𝐺1 X 𝑂1
𝑅𝐺2 - 𝑂2
Donde: R, asignación al azar o aleatorización; G,
grupo (muestras); X, tratamientos (estímulos o
condiciones experimentales; O, medición
(observación) a los sujetos u objetos de un grupo.

Pág. 19
2
2.1.
De manera general, para cualquier número de grupos,
el diseño se puede representar de la siguiente forma:
𝑅𝐺1 𝑋1 𝑂1
- - -
- - -
- - -
𝑅𝐺𝐾 𝑋𝐾 𝑂𝐾
𝑅𝐺𝐾+1 − 𝑂𝐾+1
Se puede observar que el último grupo no se expone a la variable
independiente, es el grupo de control. Si se carece de grupo de control,
el diseño puede llamarse “diseño con grupos aleatorizado y posprueba
únicamente”. En este diseño, en el grupo de control, así como en sus
posibles variaciones y extensiones, se logra controlar todas las fuentes
de invalidación interna.
2
2.1.
De manera general, para cualquier número de grupos,
el diseño se puede representar de la siguiente forma:
- - -
- - -
- - -
𝑅𝐺𝐾 𝑋𝐾 𝑂𝐾
𝑅𝐺𝐾+1 − 𝑂𝐾+1
El diseño con posprueba únicamente y grupo de control puede
extenderse para incluir más de dos grupos; se usan dos o más
tratamientos experimentales, además del grupo de control. La prueba
estadística que suele utilizarse en este diseño para comparar a los
grupos, es la prueba “t” para grupos correlacionados, al nivel de
medición por intervalos.

Pág. 20
2
2.1.
b) Diseño con preprueba-posprueba y grupo de control
Este diseño incorpora la administración de prepruebas a los grupos que componen el
experimento. Las muestras son asignados al azar a los grupos, después a éstos se les
administra simultáneamente la preprueba, un grupo recibe el tratamiento
experimental y el otro no (que es el grupo de control); finalmente, se la administra,
también, simultáneamente una posprueba. El diseño es el siguiente:
𝑅𝐺1 𝑂1 X 𝑂2
𝑅𝐺2 𝑂2 --- 𝑂4
2
2.1.
La adición de la preprueba ofrece dos ventajas.
► Primero, las puntuaciones de las prepruebas pueden usarse para fines de control en
el experimento; al compararse las prepruebas de los grupos se puede evaluar qué
tan adecuada fue la aleatorización.
► La segunda ventaja reside en que se puede analizar el puntaje de la ganancia de
cada grupo (la diferencia entre preprueba y la posprueba).

Pág. 21
2
2.1.
El diseño controla todas las fuentes de invalidación interna al igual que el diseño con
posprueba únicamente y grupo de control. Lo que influye en un grupo deberá influir de la
misma manera en el otro, para mantener la equivalencia de los grupos.
Este diseño puede ser extendido para incluir más de dos grupos. Como se puede apreciar en el siguiente
esquema de diseño, de manera general, se tienen diversos tratamientos experimentales y un grupo de
control. Si el grupo control es excluido, el diseño puede llamarse “diseño de preprueba-posprueba con
grupos aleatorizados” (Simón, 1985, citado por Hernández, Fernández y Baptista, 2003, p. 228).
2
2.1.
b) Diseño con preprueba-posprueba y grupo de control 𝑅𝐺1 𝑂1 𝑋1 𝑂2
𝑅𝐺2 𝑂3 𝑋2 𝑂4
𝑅𝐺3 𝑂5 𝑋3 𝑂6
- - - -
- - - -
- - - -
𝑅𝐺𝐾 𝑂2𝐾−1 𝑋𝐾 𝑂2𝐾
𝑅𝐺𝐾+1 𝑂2𝐾−1 − 𝑂2(𝐾+1)
El análisis estadístico, para la comparación entre pruebas, utilizaría la prueba
“y” para grupos correlacionados, lo mismo para la comparación de dos
pruebas; análisis de varianza (ANOVA) para grupos relacionados si se
comparan simultáneamente; y, el nivel de medición es por intervalos.
Cuando se tienen más de dos grupos la comparación entre si de las
prepruebas, las pospruebas o todas las mediciones (preprueba y
posprueba), el análisis de varianza (ANOVA) para grupos correlacionados, es
aplicable, con el nivel de medición por intervalos, pero con nivel de
medición nominal, la ji-cuadrada para múltiples grupos y coeficiente para las
tabulaciones cruzadas.

Pág. 22
2
2.1.
c) Diseño de cuatro grupos de Salomón
Es la mezcla de los dos anteriores (Diseño con posprueba únicamente y grupo de
control más diseño de preprueba-posprueba con grupo de control). La suma de
estos dos diseños origina cuatro grupos: dos experimentales y dos de control, los
primeros reciben el mismo tratamiento experimental y los segundos no reciben
tratamiento. Sólo a uno de los grupos experimentales y a uno de los grupos de
control se le administra la preprueba, a los cuatro grupos se les aplica la post prueba.
2
2.1.
El diseño original incluye sólo cuatro grupos
y un tratamiento experimental. Los efectos
pueden determinarse comparando las
cuatro pospruebas. Los grupos 1 y 3 son
experimentales, y los grupos de 2 y 4 son de
control.
𝑅𝐺1 𝑂1 X 𝑂2
𝑅𝐺2 𝑂3 − 𝑂4
𝑅𝐺3 - X 𝑂5
𝑅𝐺4 - X 𝑂6
El siguiente esquema muestra la forma
como opera el diseño:

Pág. 23
2
2.1.
► La ventaja de este diseño es que el experimentador puede verificar los posibles
efectos de la preprueba sobre la posprueba, puesto que a algunos grupos se les
administra preprueba y a otros no.
► Teóricamente O2 debería ser igual a O4, porque ambos grupos recibieron el mismo
tratamiento; igualmente O4 y O6, deberían tener el mismo valor porque ninguno
recibió estímulo experimental. Sin embargo, sucede que se obtienen diferencias,
esto se debe al efecto de la prueba.
2
2.1.
► Las técnicas estadísticas más usuales para comparar las mediciones en este
diseño son la prueba ji-cuadrado para múltiples grupos nivel de medición
nominal), análisis de varianza en una sola dirección (ANOVA one way), si se tiene
el nivel de medición por intervalos se comparan únicamente las postpruebas), y
análisis factorial de varianza, cuando se tiene un nivel de medición por intervalos
y se comparan todas las mediciones de prepruebas y postpruebas.

Pág. 24
2
2.1.
Diseños Experimentales de Series Cronológicas
Son diseños que, a través del tiempo, efectúan varias observaciones o
mediciones sobre una variable.
Estos diseños aplican sólo una variable independiente. Entre estos diseños
experimentales se tiene:
● Diseños de series cronológicas múltiples
● Diseños de series cronológicas con repetición del estímulo
● Diseños con tratamientos múltiples.
2
a. Diseños experimentales de series cronológicas múltiples
Estos diseños de series cronológicas se aplican cuando el experimentador está
interesado en analizar efectos en el mediano o largo plazo, porque tiene bases
para suponer que la influencia de la variable independiente sobre la
dependiente tarda en manifestarse. En tales casos, es conveniente adoptar
diseños con varias pospruebas, que puedan ser tantas como sea posible
manejar.
2.1.

Pág. 25
2
También, en estos diseños, se tienen dos o más grupos y los elementos de la
muestra son asignados al azar a dichos grupos. Solamente que, debido a que
transcurre mucho más tiempo entre el inicio y la terminación del experimento, el
investigador debe tener cuidado de que no ocurra algo que afecte manera
distinta a los grupos, con excepción de la manipulación de la variable
independiente, que es la que se debe manipular. Sin embargo, hay que tener
cuidado dado que, con el paso del tiempo, es más difícil mantener la
equivalencia inicial de los grupos.
2.1.
2
En estos diseños de diseños de series cronológicas se controlan todas las fuentes
de invalidación interna, siempre y cuando se lleve a cabo un seguimiento
minucioso de los grupos, para asegurarse de que la única diferencia entre ellos
sea la manipulación de la variable independiente.
Para estos diseños se suelen utilizar diversas técnicas de estadísticas complejas,
dependiendo del nivel de medición de las variables y el tipo de análisis e
interpretación que se desee realizar, como análisis de regresión múltiple.
2.1.

Pág. 26
2
Ejemplos de esquemas de
experimentos de series
cronológicas múltiples se
muestran a continuación,
donde las pospruebas pueden
ser tantas como se requiera y
sea posible aplicar.
Serie cronológica sin preprueba, con varias postpruebas:
𝑅𝐺1 𝑋1 𝑂1 𝑂2 𝑂3
𝑅𝐺4 − 𝑂10 𝑂11 𝑂12
2.1.
2
2.1.
Serie cronológica con preprueba, con varias postpruebas y un grupo control:
𝑅𝐺1 𝑂1 𝑋1 𝑂2 𝑂3 𝑂4
𝑅𝐺2 𝑂5 𝑋2 𝑂6 𝑂7 𝑂8
𝑅𝐺3 𝑂9 − 𝑂9 𝑂11 𝑂12

Pág. 27
2
Serie cronológica basada en el diseño de cuatro grupos de Salomón
𝑅𝐺1 𝑂1 𝑋 𝑂2 𝑂3
𝑅𝐺2 𝑂4 − 𝑂5 𝑂6
𝑅𝐺3 − 𝑋 𝑂7 𝑂8
𝑅𝐺4 − − 𝑂9 𝑂10
2.1.
2
A veces se desea analizar la
evolución de los grupos antes y
después del tratamiento
experimental; para ello se debe
incluir varias prepruebas y
pospruebas. El diseño es el
siguiente:
𝑅𝐺1 𝑂 𝑂 𝑂 𝑋1 𝑂 𝑂 𝑂
𝑅𝐺2 𝑂 𝑂 𝑂 𝑋2 𝑂 𝑂 𝑂
𝑅𝐺3 𝑂 𝑂 𝑂 − 𝑂 𝑂 𝑂
2.1.

Pág. 28
2
b. Diseño de Series Cronológicas con repetición del estímulo
Este tipo de diseño se aplica cando el investigador quiere conocer el
efecto sobre las variables dependientes cada vez que se aplica el estímulo
experimental. En estos casos es posible repetir el tratamiento experimental y
administrar una posprueba después de cada aplicación para evaluar el
efecto de cada una de estas.
Las pruebas estadísticas que se aplican para estos diseños son las mismas
que para las series cronológicas múltiples.
2.1.
2
Se pueden aplicar diversas formas
de estímulos y pospruebas a cada
grupo de tratamiento según los
criterios que adopte el
investigador, como se muestra en
los siguientes esquemas de diseño: El mismo tratamiento se aplica dos veces al grupo experimental
𝑅𝐺1 𝑂1 𝑋1 𝑂2 𝑋1 𝑂3
𝑅𝐺2 𝑂4 − 𝑂5 − 𝑂6
2.1.

Pág. 29
2
Cada tratamiento se aplica cuatro veces al grupo respectivo
𝑅𝐺1 𝑂1 𝑋1 𝑂2 𝑋1 𝑂3 𝑋1 𝑂4 𝑋1 𝑂5
𝑅𝐺2 𝑂6 𝑋2 𝑂7 𝑋2 𝑂8 𝑋2 𝑂9 𝑋2 𝑂10
𝑅𝐺3 𝑂11 𝑋3 𝑂12 𝑋3 𝑂13 𝑋3 𝑂14 𝑋3 𝑂15
𝑅𝐺4 𝑂16 - 𝑂17 − 𝑂18 − 𝑂19 − 𝑂20
2.1.
2
Se aplican pospruebas a intervalos sistemáticos a cada grupo respectivo.
𝑅𝐺1 𝑋1 𝑂1 𝑋1 𝑋1 𝑋1 𝑂2 𝑋1 𝑋1𝑋1 𝑂3 -
𝑅𝐺2 𝑋2 𝑂4 𝑋2 𝑋2 𝑋2 𝑂5 𝑋2 𝑋2 𝑋2 𝑂6
𝑅𝐺3 − 𝑂7 − − − 𝑂8 − − − 𝑂9
2.1.

Pág. 30
2
Se aplican pospruebas a intervalos irregulares a cada grupo respectivo
𝑅𝐺1 𝑋1 𝑋1 𝑂1 𝑋1 𝑋1 𝑋1 𝑂2 𝑋1 𝑂4
𝑅𝐺2 𝑋2 𝑋2 𝑂3 𝑋2 𝑋2 𝑋2 𝑂7 𝑋2 𝑂8
𝑅𝐺3 − − 𝑂9 − 𝑂10 − 𝑂11 − 𝑂12
2.1.
2
c. Diseños con Tratamientos Múltiples
Estos diseños se utilizan para aplicar los diversos tratamientos experimentales a todos
los sujetos (elementos u objetos) de investigación. La aplicación de estos
tratamientos puede ser individual o en grupo y pueden hacerse distintas variaciones.
Diseño con tratamiento múltiple de un solo grupo
Este tipo de diseño se presenta en situaciones donde sólo se cuenta con un número
reducido de sujetos para el experimento. En este caso el grupo hace las veces de
“grupos experimentales” y de “control”.
2.1.

Pág. 31
2
Diseño con tratamiento múltiple de un solo grupo
No hay asignación al azar puesto que se tiene a un único grupo. Las pruebas estadísticas que
se utilizan en estos diseños son las mismas que se tienen para las series cronológicas y los
diseños con repetición del estímulo
En el siguiente esquema de diseño se aprecia que el único grupo hace de experimental: X1,
X2, X3, … , Xk, con sus respectivas observaciones; también puede hacer las veces de control.
𝐺ú𝑛𝑖𝑐𝑜 𝑋1 𝑂1 𝑋2 𝑂2 𝑋3 𝑂3 𝑋4 𝑂4 …. 𝑋𝐾 𝑂𝐾
2.1.
2
Diseño con tratamiento múltiple con varios grupo
En este diseño se tiene varios grupos a los cuales se asigna los sujetos
(elementos) al azar. A cada grupo se le aplican todos los tratamientos. La
secuencia de la aplicación de tratamientos pude o no ser la misma para
todos los grupos y se puede administrar una o más postpruebas a los mismos
(posteriores a cada tratamiento experimental). Los experimentos de estos
diseños pueden efectuarse con igual secuencia o diferente secuencia.
2.1.

Pág. 32
2
Con secuencia diferente, el experimentador debe tener cuidado al
interpretar las segundas pospruebas y mediciones subsecuentes, ya que
puede haber influencia diferente en los grupos provocado por distintas
secuencias de los tratamientos.
Es probable que haya diferencias entre grupos y, al finalizar el experimento,
los resultados se deban en buena medida a la secuencia con que fueron
administrados los tratamientos.
2.1.
2
𝑅𝐺1 𝑋1 𝑂1 𝑋2 02 𝑋3 03
𝑅𝐺2 𝑋1 𝑂4 𝑋2 05 𝑋3 06
𝑅𝐺3 𝑋1 𝑂7 𝑋3 08 𝑋3 09
𝑅𝐺1 𝑋1 𝑂1 𝑋2 02 𝑋3 03
𝑅𝐺2 𝑋1 𝑂4 𝑋3 05 𝑋1 06
𝑅𝐺3 𝑋3 𝑂7 𝑋2 08 𝑋1 09
La misma secuencia para los grupos Secuencia diferente
2.1.

Pág. 33
2
Diseño con un solo factor
► Este tipo de diseño trata un solo factor con dos o más niveles o tratamientos,
con varias réplicas. Este diseño permite comparar los tratamientos en cuanto
a sus medidas poblacionales.
► Es muy importante para determinar el mejor nivel o niveles de
comportamiento del factor en estudio (Tabla 1); y, es muy útil para la
optimización de proceso o sistemas. También, es importante porque permite
comparar a los niveles o tratamientos en relación a sus varianzas.
2.1.
2
Tratamiento
(nivel)
Observaciones Totales Promedios
1 𝑦11 𝑦12 … 𝑦1𝑛 𝑦1 𝑦1
2 𝑦21 𝑦22 … 𝑦2𝑛 𝑦2 𝑦2
. - - .
. - - .
k 𝑦𝑘1 𝑦𝑘2 … 𝑦𝑘𝑛 𝑦𝑘 𝑦𝑘
𝑦 ത
𝑦
► k: número de niveles o tratamientos del
factor
► N: número de réplicas
► 𝑦𝑖𝑗: n-ésima observación
► 𝑦𝑘 : promedio de cada nivel
► ത
𝑦 : promedio general de todas las
observaciones
Tabla 1. Distribución de los niveles y observaciones del diseño de un factor
2.1.

Pág. 34
2
El análisis estadístico corresponde al análisis de
varianza para estimar la significancia de los
tratamientos, la prueba “t” para lo comparación de
niveles, la medida para determinar los promedios de
los niveles y los intervalos para determinar los rangos
admisibles de cada nivel.
2.1.
2
Diseños Factoriales
► Con ellos se investigan todas las posibles combinaciones de los niveles de los
factores (variables) en cada ensayo completo o réplica del experimento; y
estudia el efecto individual y de interacción de los varios factores sobre una o
varias respuestas.
► El efecto de un factor se define como el cambio en la respuesta producida por
un cambio en el factor, y se conoce como efecto principal porque se refiere a
los factores de interés primordial del experimento. Estos diseños sirven, también,
para determinar el nivel de significación de cada factor y la interacción entre
los factores (Montgomery, 1991, pp.177, 178).
2.1.

Pág. 35
2
► Los diseños factoriales manipulan dos o más variables independientes e
incluyen dos o más niveles de presencia en cada una de dichas variables.
► La construcción básica de un diseño factorial consiste en que todos los
niveles de cada variable independiente son tomados en combinación con
todos los niveles de las otras variables independientes, esto es, los factores
están cruzados cuando se arreglan en un diseño factorial.
Existen varios tipos de diseños factoriales: el bifactorial, el trifactorial y de más
factores que se expresan mediante los diseños factoriales generales. Se puede
tratar cualquier número de factores, sólo que su tratamiento es bastante complejo.
2.1.
2
Es el tipo más sencillo de diseños factoriales que implican sólo dos factores o
conjuntos de tratamientos.
En general, si dos factores A y B se investigan en a niveles y en b niveles,
respectivamente, y si existen axb condiciones experimentales (tratamientos)
correspondientes a todas las combinaciones posibles de niveles de los dos
factores, el experimento resultante se conoce como experimento factorial
completo axb.
a. Diseño factorial de dos factores.
2.1.

Pág. 36
2
►Niveles de un factor
Son los distintos valores asignados a un factor.
►Combinación experimental
Es el conjunto de todos los factores empleados en una experiencia
determinada, la respuesta puede expresarse en una unidad conveniente
a la experimentación.
2.1.
2
►Efecto de un factor
Es la variación en la respuesta producida por un cambio en el nivel del factor.
La disposición general para un diseño bifactorial se muestra en la Tabla 2.
El análisis estadístico corresponde al análisis de varianza para estimar la
significancia de los factores y sus interacciones; la media para determinar los
valores promedios de los niveles de cada factor y los intervalos para
determinar los rangos admisibles de cada nivel de los factores.
2.1.

Pág. 37
2
►Efecto de un factor
Factor
A
Factor B
1 2 … b
1 𝑦111 𝑦112 … 𝑦11𝑟 𝑦121 𝑦122 … 𝑦12𝑟 … 𝑦1𝑏1 𝑦1𝑏2 … 𝑦1𝑏𝑟
2 𝑦211 𝑦212 … 𝑦21𝑟 𝑦221 𝑦222 … 𝑦22𝑟 … 𝑦2𝑏1 𝑦2𝑏2 … 𝑦2𝑏𝑟
. - - … .
. - - … .
𝑎 𝑦𝑎11 𝑦𝑎12 … 𝑦𝑎1𝑟 𝑦𝑎21 𝑦𝑎22 … 𝑦𝑎2𝑟 … 𝑦𝑏11 𝑦𝑏12 … 𝑦𝑏1𝑟
Tabla 2. Disposición general para un diseño bifactorial
2.1.
2
b. Diseño factorial de tres factores.
Es el caso del diseño factorial que tiene los factores A,B y C; los cuales pueden
extenderse para a niveles del factor A, b niveles del factor B y c niveles del
factor C, y así sucesivamente (Tabla 3).
En total hará habrá a.b.c. … r observaciones, si hay r réplicas del experimento
completo, donde r debe ser al menos r≥ 2, para poder determinar la suma de
cuadrados del error si todas las posibles interacciones en el modelo son
incluidos. El análisis estadístico es el mismo que para el caso de dos factores.
2.1.

Pág. 38
2
b. Diseño factorial de tres factores.
Factor Niveles
A 1 2 … a
B 1 2 … b
C 1 2 … c
Tabla 3. Distribución de los niveles y observaciones del diseño
de tres factores
2.1.
2
c. Otros diseños factoriales
Existen otros diseños factoriales que permiten averiguar la influencia
de las variables de los comienzos de una investigación, es decir,
dan a saber cuáles de un conjunto de variables son las
preponderantes.
El tratamiento estadístico es el mismo que para los casos vistos
anteriormente. Entre estos diseños se tienen 2k y 3k .
2.1.

Pág. 39
2
Diseño 2k
Son los más simples. Se define como aquellos diseños que tienen sólo dos
niveles con k factores y con r replicas. Entre estos se tienen:
► Diseño factorial 22
Estos diseños tienen solo dos factores (var. independientes) A y B, cada una de dos
niveles. Arbitrariamente, los niveles del factor pueden llamarse inferior y superior con r
réplicas cada uno. En la fórmula, el dos, número base, indica que hay dos niveles y el
dos, número exponente, indica que hay dos factores (Tabla 4).
2.1.
2
Diseño 2k
Factor Nivel inferior Nivel superior
A 𝑦𝐴1 𝑦𝐴2
B 𝑦𝐵1 𝑦𝐵2
Tabla 4. Distribución de los niveles y observaciones del diseño 22
2.1.

Pág. 40
2
Diseño 2k
Estos diseños tienen tres factores variables independientes), A,B y C, cada
uno con dos niveles. Arbitrariamente, los niveles del factor pueden llamarse
inferior y superior con r réplicas cada uno. En la fórmula el dos, número
base, indica que hay dos niveles y el tres, número exponente que indica
que hay tres factores (Tabla 5)
2.1.
2
Diseño 2k
Factor Nivel inferior Nivel superior
A 𝑦𝐴1 𝑦𝐴2
B 𝑦𝐵1 𝑦𝐵2
C 𝑦𝐶1 𝑦𝐶2
2.1.

Pág. 41
2
Diseño 3k
Se definen como aquellos que tienen tres niveles con k factores y con r réplicas.
Son los que permiten establecer una mejor correlación entre las variables ya que
con tres puntos de los niveles, las tendencias quedan mejor definidas. Pueden
analizarse muchas variables independientes.
Estos diseños tienen sólo dos factores (Variables independientes) A y B, cada uno con
tres niveles. Arbitrariamente, los tres niveles de cada factor van de menor a mayor, con
r réplicas cada uno.
2.1.
2
Diseño 3k
En la fórmula, el tres, número base, indica que hay tres niveles y el dos, número
exponente, indica que hay dos factores (Tabla 6).
Factor
Niveles
1 2 3
A 𝑦𝐴1 𝑦𝐴2 𝑦𝐴3
B 𝑦𝐵1 𝑦𝐵2 𝑦𝐵3
2.1.

Pág. 42
2
Diseño 3k
Estos diseños tienen tres factores (Variables Independientes) A, B y C,
cada uno con tres niveles. Arbitrariamente, los tres niveles de cada
factor van menor a mayor, con r réplicas cada uno.
En la fórmula, el tres número base, indica que hay tres niveles y el tres,
número exponente, indica que hay tres factores (Tabla 7).
2.1.
2
Diseño 3k
Factor
Niveles
1 2 3
A 𝑦𝐴1 𝑦𝐴2 𝑦𝐴3
B 𝑦𝐵1 𝑦𝐵2 𝑦𝐵3
C 𝑦𝐶1 𝑦𝐶2 𝑦𝐶3
2.1.

Pág. 43
2
d. Diseños factoriales generales
De manera general, los diseños factoriales pueden simbolizarse
adecuadamente por letras y números. Para designar a las variables
independientes se usan las letras (A, B, C, … k) y para los niveles números (1, 2,
3, … , K), las combinaciones de letras y números representan las casillas (o
celdas), que son las mezclas de niveles de las variables independientes.
Un ejemplo de esta forma de representación es el diseño 2x4x3, donde A,
representa dos niveles, B representa cuatro niveles y C representa tres niveles.
El esquema del diseño se muestra en el Tabla 9.
2.1.
2
d. Diseños factoriales generales
A1 A2
C1 C2 C3 C1 C2 C3
B1 𝑦𝐴1𝐵1𝐶1 𝑦𝐴1𝐵1𝐶2 𝑦𝐴1𝐵1𝐶3 𝑦𝐴2𝐵1𝐶1 𝑦𝐴2𝐵1𝐶2 𝑦𝐴2𝐵1𝐶3
2.1.

Pág. 44
2
Diseños Pre-experimentales
Se llaman así porque el grado de control de las variables extrañas es mínimo o
nulo y se efectúa en un solo grupo. Se presentan los siguientes casos:
Este diseño no cumple con los requisitos de un “verdadero” experimento.
Consiste en administrar un estímulo o tratamiento a un grupo y después
aplicar un medición en una o más variables para observar cuál es el nivel del
grupo en estas variables. Adolecen de absoluta falta de control que su valor
científico es casi nulo, no hay manipulación independiente, no hay grupo de
comparación y no es posible establecer causalidad con certeza ni se
controlan las fuentes de invalidación interna.
a. Estudio de casos con una sola medición
2.1.
2
Se aplican con la finalidad de averiguar groseramente tendencias o el
comportamiento de variables posibles a estudiar en forma sistemáticamente
en un diseño propiamente experimental.
a. Estudio de casos con una sola medición
Este diseño podría diagramarse de la siguiente manera:
G X O
Donde: G, es el grupo; X, el estímulo y O, la observación.
2.1.

Pág. 45
2
Este diseño ofrece una ventaja sobre el anterior, hay un punto de referencia
inicial para ver qué nivele tenía el grupo en la(s) variable(s) dependiente(s)
antes del estímulo.
Es decir, hay un seguimiento del grupo. Sin embargo, el diseño no resulta
conveniente para fines científicos, no hay manipulación de variables ni
grupo de comparación y pueden actuar varias fuentes de invalidación
interna.
b. Diseño de preprueba-posprueba con un solo grupo
2.1.
2
Este segundo diseño se diagramaría así:
G O1 X O2
Donde O1, preprueba y 02, posprueba.
En este diseño es posible que haya un efecto de la preprueba sobre la
posprueba, tampoco la causalidad se establece con certeza.
2.1.

Pág. 46
2
► Los diseños pre-experimentales y los diseños de preprueba-posprueba con
un solo grupo, no son adecuados para el establecimiento de las relaciones
entre la variable independiente y la variable dependiente o las variables
dependientes.
► En ciertas ocasiones sirven como estudios exploratorios, pero sus resultados
deben observarse cuidadosamente, pues, de ellos no es posible obtener
conclusiones seguras. Son de utilidad como un primer acercamiento con el
problema de investigación en la realidad y en muchos casos abren el
camino para realizar estudios más profundos.
2.1.
2
Diseño ex – post- facto
Ese diseño se produce cuando falta el control de la situación inicial y también
del estímulo, ya que se realiza después de haber actuado la variable
experimental. Este tipo de diseño es muy característico cuando se desea
conocer las causas después de ocurrido un hecho o fenómeno.
La manera de actuar sobre el diseño es comparar dos grupos igualados por el
investigador; uno que ha sufrido un cierto impacto y otro no. (Sierra, 1999, p.338)
2.1.

Pág. 47
2
Diseño ex – post- facto
En este tipo de diseño, la validez interna y externa es muy deficiente; sin
embargo, son objeto de una cierta aplicación en diversas disciplinas. El
esquema que lo representa es el siguiente:
X … 0I
0I
La I indica la igualación posterior de los grupos y los puntos suspensivos el
transcurso de un cierto periodo de tiempo entre la actuación de la variable
experimental y la observación.
2.1.
2
Cuasiexperimentos
Estos diseños se aplican cuando el experimentado no tiene la posibilidad de
aleatorizar la muestra y los datos los obtiene de una muestra que le es accesible o
que es la única que tiene a su disposición.
Los diseños cuasiexperimentales, también manipulan deliberadamente, al menos,
una variable independiente para observar su efecto y relación con una o más
variables dependientes; difieren de los experimentos verdaderos en el grado de
seguridad o confiabilidad que pueda tenerse sobre la equivalencia inicial de los
grupos.
2.1.

Pág. 48
2
Cuasiexperimentos
En estos diseños los sujetos no se asignan al azar a los grupos ni se emparejan,
sino que dichos grupos ya están formados antes del experimento a los que se le
denomina grupos intactos. Dado que su validez es menor que la de los
experimentos verdaderos, recibe el nombre de cuasiexperimentos.
Debido a que estos cuasiexperimentos son muy parecido a los experimentos
verdaderos, solo difieren en que no hay asignación al azar ni emparejamiento,
por lo demás son iguales, la interpretación es similar, las comparaciones son las
mismas y los análisis estadísticos iguales a todos los tipos de experimentos
verdaderos.
2.1.
2
PASOS PARA UN EXPERIMENTO O CUASIEXPERIMENTO
1. Decidir cuántas variables independientes y dependientes deberán
incluirse en el experimento o cuasiexperimento, para probar las hipótesis,
alcanzar los objetivos y responder las preguntas de investigación.
2. Elegir los niveles de manipulación de las variables independientes y
traducirlos en tratamientos experimentales.
3. Determinar el instrumento o instrumentos para medir la(s) variables (s)
dependiente(s).
4. Seleccionar una muestra (representativa de la población) para el
experimento.
5. Reclutar a los sujetos u objetos del experimento o cuasiexperimento.
2.1.

Pág. 49
2
6. Seleccionar el diseño experimental o cuasiexperimental apropiado para las
hipótesis, objetivos y preguntas de investigación.
7. Plantear cómo manejar a los sujetos u objetos que participan en el
experimento.
8. En el caso de experimentos verdaderos, dividirlos al azar y emparejarlos; y
en el caso de cuasiexperimentos, analizar cuidadosamente las
propiedades de los grupos intactos.
9. Aplicar las prepruebas (cuando las hayas), los tratamientos respectivos
(cuando no se trate de grupos de control) y las pospruebas.
2.1.
2
6. Seleccionar el diseño experimental o cuasiexperimental apropiado para las
hipótesis, objetivos y preguntas de investigación.
7. Plantear cómo manejar a los sujetos u objetos que participan en el
experimento.
8. En el caso de experimentos verdaderos, dividirlos al azar y emparejarlos; y
en el caso de cuasiexperimentos, analizar cuidadosamente las
propiedades de los grupos intactos.
9. Aplicar las prepruebas (cuando las hayas), los tratamientos respectivos
(cuando no se trate de grupos de control) y las pospruebas.
2.1.

Pág. 50
2
Diseño No Experimental
2.2.
Los diseños no experimentales son los que se aplican a las investigaciones en las que no
hay manipulación alguna de variables, es decir, no se modifican las variables
independientes, tan sólo se observa los fenómenos que ocurren tal como se dan en
contexto natural, tomando datos para después hacerles un análisis.
A diferencia de las investigaciones experimentales que se producen condiciones para la
toma de datos, en la investigación no experimental no se producen condiciones, ni
situaciones; solamente se observan condiciones que existen, no son provocadas
intencionalmente por el investigados, porque las variables independientes ya ocurrieron
y por lo tanto no es posible manipularlas; el investigador jamás tiene control sobre las
variables en estudio, no influye en ellas, porque ya han sucedido, tan igual que los
efectos que causaron.
2
Tampoco se puede “asignar aleatoriamente a los participantes o los tratamientos
debido a que la naturaleza de las variables es tal que imposibilita su manipulación”
(Kerlinger, 2002, p, 420)
Existen varias formas de clasificación de los diseños no
experimentales de acuerdo a diversos aspectos; no siguen
normas rígidas para la selección de la muestra como en el
caso de los diseños experimentales, sin embargo, los más
representativos son: el diseño correlacional, el transeccional y
el longitudinal.
2.2.

Pág. 51
2
Este tipo de diseños se aplica a investigaciones que intentan inferir relaciones causa-
efecto de hechos ya sucedidos o esperar que algo para estudiarlo, es decir, el estudio
siempre está centrado en el efecto. No hay hipótesis, sólo se busca la relación-
asociación entre las variables, ocurran cuando ocurran ya se en un estudio prospectivo
o retrospectivo.
Diseño no experimental correlacional o ex – post – facto
Es prospectivo si se hace un estudio a futuro, tomando datos de las ocurrencias o
eventos presentes, y es retrospectivo si se realiza una medición ahora y se busca el
pasado; en este caso se tiene el problema del recuerdo, se recurre a archivos que
presentan problemas de fiabilidad por los registros. Siempre hay incertidumbre acerca
de la información recaudada.
2.2.
2
Se aplican en investigaciones cuando se desea recolectar datos en un solo
momento, en un tiempo único.
El propósito de este diseño de investigación es describir las variables presentes y
analizar cómo es que inciden en un fenómeno e interrelacionan en un momento
dado. “Es como tomar una fotografía de algo que sucede” (Hernández, Fernández
y Baptista, 2003, p.270)
Estos diseños pueden abarcar varios grupos o subgrupos de personas, objetos o
indicadores, así como diferentes comunidades, situaciones o eventos, en forma
simultánea.
Diseño no experimental transeccional o transversal (sincrónico)
2.2.

Pág. 52
2
El propósito de estos diseños es comenzar a conocer una comunidad un
contexto, un evento, un fenómeno, un proceso, una variables o conjunto
de variables. Se trata de una exploración inicial en un momento
específico. Por lo general se aplican a problemas nuevos o pocos
conocidos, para saber algo de ellos, es decir, hacer una exploración.
De otro lado, “El estudio exploratorio también es útil para incrementar el
grado de conocimiento del investigador respecto al problema.
Especialmente para un investigador que es nuevo en el campo del
problema” (Naghi, 2002, p.89).
a. Diseños transeccionales exploratorios
2.2.
2
Estos diseños de investigación tienen como objetivo
indagar la incidencia y los valores que se manifiestan
en una o más variables. El procedimiento consiste en
medir un grupo de personas u objetos, una o más
variables y proporcionar su descripción.
Son estudios descriptivos (con hipótesis descriptivas, si
es necesario). En estos estudios no cabe la noción de
manipulación puesto que cada variable se trata
individualmente, sin ninguna vinculación.
b. Diseños transeccionales descriptivos
2.2.

Pág. 53
2
c. Diseños transeccionales correlacionales-causales
Estos estudios describen relación entre dos o más variables en un momento
determinado. Se trata también de descripciones, pero no de variables
individuales sino de sus relaciones, sean estas correlacionales o relacionales-
causales. Estos diseños sólo miden la relación entre variables en un tiempo
determinado.
2.2.
2
Diseños Longitudinales
En este tipo de diseños el propósito es analizar cambios a través del tiempo en
determinadas variables o en la relación entre estas, por lo tanto, recolectan datos
a través del tiempo en puntos o periodos especificados, para hacer inferencia
con respecto al cambio, sus determinante y consecuencias.
a. Diseños longitudinales de tendencia
Los diseños de tendencia central, son aquellos que analizan cambios a
través del tiempo, dentro de una población en general. Su característica
es que la atención se centra en una población, la cual es observada en
diferentes tiempos, desde un tiempo inicial determinado.
2.2.

Pág. 54
2
b. Diseños longitudinales de evolución de grupo
Estos diseños examinan cambios a través del tiempo en subpoblaciones o grupos
específicos. Su atención son los grupos de individuos u objetos vinculados de
alguna manera, generalmente por el tiempo de vida. Los sujetos cambian las
subpoblaciones, debido a que en cada momento se mide una muestra diferente,
aunque equivalente, el cambio se evalúa colectivamente y no de manera
individual.
Si hay cambios, el investigador no puede determinar específicamente que
individuos provocan los cambios. Se observa a los subgrupos en diferentes tiempos,
desde un tiempo inicial determinado, para establecer los cambios en las
características de los subgrupos.
2.2.
2
c. Diseños longitudinales de panel
Son similares a los dos diseños anteriores, sólo que el miso grupo de sujetos u objetos
son medidos en todos los tiempos o momentos. Es decir, son medidos los individuos
y no sólo la población o subpoblación.
Si hay cambios, el investigador no puede determinar específicamente que
individuos provocan los cambios. Se observa a los subgrupos en diferentes tiempos,
desde un tiempo inicial determinado, para establecer los cambios en las
características de los subgrupos.
2.2.

Pág. 55
Diseño de muestra
3
El diseño de la muestra, en la investigación científica, que tenga como objetivo realizar inferencia
estadística, debe ser representativa y adecuada en relación a la población de la que procede
(Figura 3); y diseñada al inicio de la investigación, pues, si la muestra es pequeña los resultados
pueden carecer de validez y si es demasiado grande, representa dispendio de tiempo y recursos.
Figura 3. Relación entre población y muestra, parámetros y
estadísticos (Gutiérrez y Pulido, 2004, p- 27)
Diseño de muestra
3
Universo
3.1.
Se llama universo a cualquier colección de individuos o
elementos de la misma clase. Es una infinidad teórica de
todos los elementos que pueden existir a lo largo de las
coordenadas espacio-tiempo: el conjunto de la
humanidad de toda la humanidad, de los ciudadanos de
un país, la flora de una región o las innumerables galaxias.

Pág. 56
Diseño de muestra
3
Universo
3.1.
► Estos universos resultan por lo general demasiado extensos para el investigado, pues este
no tiene ni el tiempo ni los recursos para abordar sistemáticamente el estudio de cada
una de las unidades que lo componen. Para resolver este inconveniente se acude a la
operacionalización del universo mediante la extracción de muestras.
► En caso que nuestro universo esté compuesto por un número relativamente alto de
unidades, será prácticamente imposible tratarlo por razones de tiempo y de costos,
porque no es en realidad imprescindible examinar cada una de las unidades que lo
componen, basta con una muestra representativa y adecuada.
Diseño de muestra
3
Población
3.2.
La población es el conjunto de todos los elementos a los
cuales se refiere la investigación. Es el conjunto de todos
lo elementos y objetos acotados por un conjunto
particular de coordenadas espacio-tiempo.
Pueden ser seres humanos, unidades de objetos o de
entidades cualesquiera, y deben situarse claramente en
torno a sus características de contenido, lugar y en el
tiempo; y que tienen características similares,
constituyéndose en las unidades de observación; sobre
las cuales se desea hacer inferencia.
La observación y medición de una población completa
se denomina censo.

Pág. 57
Diseño de muestra
3
Población
3.2.
Para ser utilizable en la investigación una población objetivo, debe transformarse en la medida de lo
posible en una población marco. Se entiende como población marco a una lista o unidades de
observación y es por tanto una aproximación cuantitativa al tamaño y composición de la población
objetivo.
En la practica son tres las fases ligadas entres si para la delimitación de una población:
a) La unidad de observación
Puede ser una persona, animal, objeto, fenómeno, grupo de personas, población comunal,
comarca, club de madres, etc.; de tal manera que un elemento del universo empírico
pertenezca a la investigación.
Diseño de muestra
3
Población
3.2.
b) La delimitación espacial
Es importante y por lo tanto inadmisible la omisión del espacio donde tiene lugar la
investigación, tales como: la región, departamento, provincia, distrito donde se realizará la
investigación.
c) La delimitación en el tiempo
Es decir, cuándo se efectúan las observaciones estadísticas. Esto contribuye a la ubicación y
análisis de la investigación; por ejemplo, una investigación puede ser efectuada: entre 2012 y
2014; en agosto del 2006, en el primer semestre del 2013, etc.

Pág. 58
Diseño de muestra
3
Muestra
3.3.
Es una parte representativa cuyas
características deben reproducir, en pequeño,
lo más exactamente posible las de la
población, con el propósito de obtener
resultados válidos, también.
Para el universo total investigado. En un
sentido amplio, no es más que eso, una parte
del todo que llamamos universo y que sirve
para representarlo.
Diseño de muestra
3
Muestra
3.3.
► Las muestras tienen un fundamento estadístico por el cual se puede
hacer la inferencia o generalización, fundada matemáticamente en de
que dichos resultados son válidos para el universo del que se ha extraído
la muestra, dentro de unos límites de error y probabilidad que se pueden
determinar en cada caso.
► Lo que busca al emplear una muestra es que, observando una porción
relativamente reducida de unidades, se obtengan conclusiones
semejantes a las que lograríamos si estudiáramos el universo total.

Pág. 59
Diseño de muestra
3
Muestra
3.3.
Tipos de muestra
a. Muestra representativa
Casi todas las muestras que se utilizan en las investigaciones son muestras representativas. Ello
ocurre cuando no se pretende hacer un trabajo muy preciso, cuando se buscan conocer
apenas algunos indicios generales de un problema o cuando el tiempo impide otra forma de
trabajo más rigurosa.
b. Muestra accidental
Es aquella que se tiene sin ningún plan preconcebido: las unidades escogidas resultan como
producto de circunstancias fortuitas. El investigado no puede saber, entonces, hasta qué
punto sus resultados podrán proyectarse con confiabilidad, hacia el conjunto más amplio que
desea conocer.
Diseño de muestra
3
Muestra
3.3.
Tipos de muestra
c. Muestra por cuotas
Consiste en predeterminar la cantidad de elementos de cada categoría que habrán de
integrarla. Así podemos asignar una cuota de 50 hombres y 50 mujeres a una muestra de 100
individuos, asumiendo que esa es la distribución de la población total. Por más que es
presunción llegue a ser válida no deja de existir cierta arbitrariedad en este modo de
proceder, por lo que la rigurosidad estadística de las muestras por cuotas se reduce
considerablemente.
d. Muestra intencional
Escoge sus unidades no en forma fortuita sino completamente arbitraria, designado a cada
unidad según las características que para el investigador resulten de relevancia. Estas muestras
son muy útiles y se emplean frecuentemente en los estudios de casos relevantes, por más que
la posibilidad de generalizar conclusiones, a partir de ellas, sea, en rigor, nula.

Pág. 60
Diseño de muestra
3
Muestra
3.3.
El muestreo
Cada una de las observaciones tiene probabilidad conocida de integrar la muestra y medir el
error de muestreo, o sea, la diferencia entre las medidas de la muestra y los valores poblacionales.
La técnica de muestreo está condicionada al objeto de investigación y pueden ser del tipo:
a. Muestreo aleatorio (MAS)
Se aplica si la población es finita y los elementos, homogéneos; respecto a la característica en
estudio. La selección es al azar de manera de cada elemento tiene la misma probabilidad de
salir elegido para la muestra.
Hay casos en que se debe dividir al universo en estratos o bloques para compararlo entre sí.
Las unidades u observaciones deben hacerse entre bloques homogéneos realizando en cada
uno de ellos un muestreo simple al azar.
Muestreo probabilístico
Diseño de muestra
3
Muestra
El muestreo
b. Muestreo estratificado
Se utiliza si la población es finita y los elementos que lo conforman no son homogéneos
respecto a la característica bajo estudio; en este caso la población se divide en estratos o sub-
poblaciones con características homogéneas respecto a la variable de interés, luego se
constituye con las sub-muestras seleccionadas en forma aleatoria .
c. Muestreo sistemático
Se aplica cuando se tiene una población ordenada. Se puede dividir en intervalos iguales, del
primer intervalo se selecciona al azar un elemento, luego los que ocupan el mismo lugar, en el
resto de intervalos.
3.3.

Pág. 61
Diseño de muestra
3
Muestra
El muestreo
d. Muestreo por conglomerados
Se utiliza cuando la población es de gran magnitud y heterogénea, lo que significa no aplicar
otro tipo de muestreo para poblaciones de esta naturaleza, porque no se puede estratificar o
sus elementos presentan dificultades para ser elegidos al azar. Para obtener la muestra,
primero se divide en conglomerados, luego se somete a muestreo aleatorio simple.
c. Muestreo sistemático
Es un muestreo que no reúne los requisitos de aleatoriedad por las dificultades que se
presentan para continuar conociendo los demás casos una vez conocido el primero, es decir,
se elimina la probabilidad de que los casos se encuentren entre el intervalo sean
seleccionados.
3.3.
Diseño de muestra
3
Muestra
El muestreo
Es el que trabaja con una cifra numérica precisa y los resultados de su aplicación no pueden
generalizarse a toda la población. A su vez, este tipo de muestreo puede ser: muestreo por cuotas
y muestreo intencional.
a. Muestreo por cuotas
Es el que determina subgrupos poblacionales tomando como base las características de la
población. Su aplicación implica precisar las características de la población y establecer
subgrupos; así mismo, aplicar criterios al seleccionar las unidades de análisis, las que deben ser
coherentes a los objetivos e hipótesis.
Muestreo no probabilístico
3.3.

Pág. 62
Diseño de muestra
3
Muestra
El muestreo
b. Muestreo intencional o selectivo
Para aplicar este muestreo, el investigador tiene que determinar casos representativos de la
población a investigarse. La determinación se realiza de acuerdo a planes plenamente
establecidos. Las unidades de análisis deben estar involucradas en el problema ya sea por que
perciben positiva o negativamente sus efectos o lo han experimentado con fines científicos.
La exigente selección de los elementos representativos de la población permite obtener
información de alta confiabilidad, en consecuencia, los resultados tendrán el mismo rasgo y la
hipótesis será de fácil probación. Para el efecto, se debe conocer el tipo de hipótesis,
operacionalizarla y establecer la forma cómo se aplicará este procedimiento para recolectar
la información. (Torres, 2002, p. 184-192)
Muestreo no probabilístico
3.3.
Diseño de muestra
3
Muestra
Determinación del tamaño de muestra
Para efectuar inferencia estadística de una población a partir de una muestra, se debe considerar la
adecuacidad y representatividad de la población de donde procede.
La adecuacidad de la muestra está dada por el número de componentes suficientes para garantizar
la existencia de las mismas características de la población. En otras palabras, una muestra adecuada,
cuando tiene un tamaño apropiado al de la población para que las generalizaciones sean válidas. El
tamaño apropiado de la muestra se determina estadísticamente según el modelo experimental que se
adopte
La representatividad de la muestra está referida a que los elementos sean escogidos sin tendencia y
con la misma probabilidad, es decir que, todos y cada uno de los elementos de la población tengan la
misma oportunidad de ser elegidos como muestra. Para asegurar esta representatividad se usa la
técnica de la aleatoriedad en los muestreos.
3.3.

Pág. 63
Diseño de muestra
3
Muestra
► Diseñar la muestra, es aplicar las técnicas muestreo para conocer si la diferencias que se pueden
obtener entre dos muestras son o no significativas o precisas si una muestra es representativa a una
determinada población.
► El diseño muestral es importante ya que ahorra tiempo, economía y energía al investigador tomando
las unidades más representativas para analizarlas.
► Al determinar una muestra el investigador deber tener en cuenta los objetivos y las hipótesis de
investigación, los límites de confianza y el nivel de precisión, los datos que se deben recoger y que su
probabilidad sea esencialmente matemática (Torres, 2002, p.181-183; Rodríguez, 1993, p.136).
► La muestra debe aparentar características más o menos iguales de su dispersión y la media de la
población. La diferencia entre las características de una y de otra es lo que se conoce como error
muestral.
3.3.
Diseño de muestra
3
Muestra
a. Si las variables del problema están relacionadas estrechamente, se
necesitan muestras relativamente pequeñas y si existen diferencias
muy marcadas, se requieren muestras más grandes.
b. Si las características de la población son homogéneas se requieren
muestras pequeñas y si se trata de poblaciones heterogéneas las
muestras deben ser más grandes.
c. Si el grado de confiabilidad es mayor se requerirán muestras más
grandes y si es menor las muestras serán menores.
d. Si la exactitud (error permitido por el investigador) de los resultados
es mayor, las muestras serán más grandes.
3.3.

Pág. 64
Diseño de muestra
3
Muestra
a. Para una población infinita
Donde: n, tamaño de muestra: Z, desviación normal; p, proporción de la población que posee
la característica que se desea saber; la proporción q=1-p; E, margen de error que se está
dispuesto a aceptar.
Para la aplicación de la fórmula se puede considerar que E, puede variar hasta 5%; los valores
más usados I-a de 0,95 y 0,99 correspondientes a Za/2 son Z0.025= 1.96 y Z0.005 = 2.575); y
cuando se desconoce la proporción p, se asume p=50.
Determinación del tamaño de muestra cuando no se conoce la media de la población
𝑛 =
𝑍2𝑝𝑞
𝐸2
3.3.
Diseño de muestra
3
Muestra
b. Para una población finita
Donde: N, tamaño de la población; los demás significados son los mismos que para una
población infinita
𝑛 =
𝑁𝑍2𝑝𝑞
𝐸2𝑁 + 𝑍2𝑝𝑞
3.3.

Pág. 65
Diseño de muestra
3
Muestra
a. Para el muestreo aleatorio simple (MAS)
Cuando la población es infinita o desconocida
Se desea conocer el nivele de la actitud científica de los estudiantes del quinto año de
secundaria del país. ¿Cuál será el tamaño de muestra a elegir? Si se tima que el 70% es
favorables a la información solicitada, con error de 4% y un nivel de confianza del 95%.
Se aplica
𝑛 =
𝑍2𝑝𝑞
𝐸2
Ejemplos de aplicación
3.3.
Diseño de muestra
3
Muestra
De los datos se puede deducir
n=?
Z=1,96 q= 0,3 (30% que no darían la
respuesta esperada)
P=0,7 (70%, que darían la respuesta esperada) E= 4%
3.3.

Pág. 66
Diseño de muestra
3
Muestra
Se puede concluir que se necesitan 504 sujetos (unidades de observación) para realizar la
investigación.
𝑛 =
1,962(0.7)(0.3)
0.042 = 504
3.3.
Diseño de muestra
3
Muestra
En el caso que no pudiera determinar el nivel de tendencia de la respuesta esperada se
puede aplica p=50%, entonces para el mismo caso, se tiene:
En este caso se puede concluir que se puede trabajar con 600 sujetos (unidades de
observación).
𝑛 =
1,962(0.5)(0.5)
0.042 = 600
3.3.

Pág. 67
Diseño de muestra
3
Muestra
Cuando la población es finita o conocida
Se desea conocer el nivel de la actitud científica logrado por los estudiantes del cuarto ciclo
de la Escuela de Postgrado de la UNT, que registran un total de 1500. ¿Cuál será el tamaño de
muestra a elegir? Si se estima que el 80% es favorables a la actitud científica, con error de 5% y
un nivel de confianza del 95%.
Se aplica
𝑛 =
𝑁𝑍2𝑝𝑞
𝐸2𝑁 + 𝑍2𝑝𝑞
3.3.
Diseño de muestra
3
Muestra
3.3.
n = ?
N=1500 Z= 1,96
p=0,8 (80%, que darían la respuesta esperada)
q=0,2(20%, que no darían la respuesta esperada) E=5%

Pág. 68
Diseño de muestra
3
Muestra
Aplicando la fórmula
Comprobando, mediante la relación n0=n/N<=0,1; si es mayor se ajusta mediante:
𝑛 =
(1500)1,962(0.8)(0.2)
(0.052) 1500 + 1,962(0.8)(0.2)
= 214
3.3.
Diseño de muestra
3
Muestra
Veamos n0=214/150=0,1427 es mayor que 0,1 o sea mayor que 10%
𝑛0 =
𝑛
1 +
𝑛
𝑁
3.3.

Pág. 69
Diseño de muestra
3
Muestra
Entonces, la muestra corregida será
En conclusión, la muestra definitiva será 187 alumnos tomados al azar.
𝑛0 =
214
1 +
214
1500
= 187
3.3.
Diseño de muestra
3
Muestra
b. Para el muestreo aleatorio estratificado
Para la población de 1500 alumnos, si se tiene, cinco menciones: derecho 250, biológicas 350,
educación 500, ingeniería 220 y enfermería 180. Determinar el tamaño de muestra
estratificada.
Mediante la fijación proporcional de la muestra de los estratos de la población, las cantidades
se determinan como sigue:
𝑛𝑖 = 𝑛0
𝑛𝑖
𝑁
3.3.

Pág. 70
Diseño de muestra
3
Muestra
b. Para el muestreo aleatorio estratificado
𝑛1 = 187
250
1500
= 31 𝐷𝑒𝑟𝑒𝑐ℎ𝑜
𝑛2 = 187
350
1500
= 41 𝐵𝑖𝑜𝑙ó𝑔𝑖𝑐𝑎𝑠
𝑛3 = 187
500
1500
= 62 𝐸𝑑𝑢𝑐𝑎𝑐𝑖ó𝑛
𝑛4 = 187
220
1500
= 27 𝐼𝑛𝑔𝑒𝑛𝑖𝑒𝑟í𝑎
𝑛5 = 187
180
1500
= 24 𝐸𝑛𝑓𝑒𝑟𝑚𝑒𝑟í𝑎
3.3.
Diseño de muestra
3
Muestra
a. Para una población infinita
Donde: n, tamaño de muestra; Z, desviación normal, los valores más usados para I-a son 0,95 y
0,99; y los valores correspondientes de Za2 son: Z0.025 = 1,96 y Z0.005=2.575; delta cuadrado,
varianza poblacional de la variable objeto de estudio; E, margen de error que está dispuesto a
aceptar. Las unidades de medida de la desviación estándar (Delta) y del error (E ) deben ser
las mismas.
Determinación del tamaño de muestra cuando se conoce la media de la población
𝑛 =
𝑍2
𝜎2
𝐸2
3.3.

Pág. 71
Diseño de muestra
3
Muestra
Donde: N, tamaño de población; delta, desviación estándar poblacional. En ambos casos la
varianza puede estimarse en una muestra piloto o tomada de investigaciones anteriores o de
alguna referencia confiable.
𝑛 =
𝑁𝑍2𝜎2
𝐸2𝑁 + 𝑍2𝜎2
3.3.
Diseño de muestra
3
Muestra
Si la población no es conocida
Se tiene como dato que el promedio de peso de niños de cierta edad es 14,5 kg y su
desviación estándar 0,55 kg. Determinar la muestra de una ciudad, para efectuar una
investigación en salud, si se considera un nivel de confianza del 95% y un error de
medición o precisión de 0.15 kg
𝑛 =
𝑍2𝜎2
𝐸2
3.3.

Pág. 72
Diseño de muestra
3
Muestra
n = tamaño de muestra
Z = 1.96
𝜎 = 0.55
E = 0.15 kg.
3.3.
Diseño de muestra
3
Muestra
La muestra será de 52 años.
𝑛 =
1.9620.552
0.52
𝑛 = 51.65
3.3.

Pág. 73
Diseño de muestra
3
Muestra
3.3.
Si la población es conocida
Para el mismo caso, teniendo en cuenta que la población de niños es de 180 de un distrito
marginal ¿Cuál será el tamaño de muestra para la investigación?
𝑛 =
𝑁𝑍2𝜎2
𝐸2𝑁 + 𝑍2𝜎2
Diseño de muestra
3
Muestra
3.3.
Si la población es conocida
Tomando la población de N = 180 niños, se aplica:
Será necesario seleccionar 40 niños.
𝑛 =
180 1.962(0.552)
0.152(180) + 1.9620.552 = 40

Pág. 74
Taboada Neira, Martín. Metodología de la Investigación Científica.
Editorial Universitaria de la Universidad Nacional de Trujillo.
Trujillo – Perú. 2013.
Referencia bibliográfica

Diseño de Investigación.pdf

Recomendados

Recomendados

Más contenido relacionado

La actualidad más candente

La actualidad más candente (20)

Similar a Diseño de Investigación.pdf

Similar a Diseño de Investigación.pdf (20)

Último

Último (20)

Diseño de Investigación.pdf