El documento aborda la importancia de la estadística en la investigación, explicando su utilidad en la recopilación y análisis de datos, control de calidad y estudios de mercado. Se detallan diferentes diseños de investigación, incluidos preexperimentales, cuasiexperimentales y experimentos puros, así como las pruebas estadísticas adecuadas para cada tipo de análisis. Además, se discuten conceptos fundamentales como la validez y confiabilidad de los instrumentos de medición en contextos de investigación.

1. ESTADÍSTICA E
INVESTIGACIÓN
• Lic. Est. Henry Rojas Rojas

2. ESTADÍSTICA
La estadística analiza un conjuntos de datos numéricos, estudia los
fenómenos conjuntos para revelar los fundamentos, valores, medios,
relaciones, porcentajes, etc.
La estadística auxilia a la investigación al tratar con los siguientes temas.
1. La colecta y compilación de datos.
2. La medición de la valoración, tanto de datos experimentales y no
experimentales.
3. El control de la calidad de la producción.
4. La determinación de parámetros de población.
5. La estimación de cualidades humanas.
6. La investigación de mercados.
7. El estudio de la relación entre dos o más variables.
8. Y MÁS.

3. ETAPAS DE LA INVESTIGACIÓN CIENTÍFICA

4. HERNÁNDEZ, FERNÁNDEZ Y BAUTISTA

5. HERNÁNDEZ, FERNÁNDEZ Y BAUTISTA

6. HERNÁNDEZ, FERNÁNDEZ Y BAUTISTA

7. REALIZAR UN PROYECTO DE
INVESTIGACIÓN E INFORME

8. PROYECTO
Caratula
I. Introducción
1.1. Situación problemática
1.2. Planteamiento del problema
1.3. Hipótesis
1.4. Objetivos
1.5. Justificación e importancia
II. Revisión de la Literatura
2.1. Antecedentes de estudio
2.2. Bases teóricas
2.3. Definición de términos
III. Materiales y Métodos
3.1. Tipo de investigación
3.2. Diseño de investigación
3.3. Ubicación
3.4. Materiales
BIBLIOGRAFÍA
ANEXOS

9. INFORME
Caratula
Dedicatoria
Agradecimiento
Índice de contenido
Índice de tablas
Índice de figuras
Resumen
I. INTRODUCCIÓN
II. REVISIÓN DE LA LITERATURA
2.1. Antecedentes de estudio
2.2. Bases teóricas
2.3. Definición de términos
III. MATERIALES Y MÉTODOS
3.1. Tipo de investigación
3.2. Diseño de investigación
3.3. Población, muestra y muestreo
3.4. Técnicas y herramientas de recolección de datos
3.5. Procedimiento
IV. RESULTADOS Y DISCUCIÓN
V. CONCLUSIÓN
VI. RECOMENDACIONES
BIBLIOGRAFÍA
ANEXOS

10. III. MATERIALES Y MÉTODOS
TIPOS DE
INVESTIGACIÓ
N
APLICADA
BÁSICA

11. III. MATERIALES Y MÉTODOS

12. III. MATERIALES Y MÉTODOS

13. III. MATERIALES Y MÉTODOS

14. DISEÑOS PRE
EXPERIMENTALES

15. DISEÑOS PRE EXPERIMENTALES
Los diseños pre experimentales son un tipo de diseño de investigación que se utiliza
cuando no es posible aplicar métodos experimentales completamente rigurosos debido
a limitaciones en el control de variables o a la falta de un grupo de control adecuado.
Estos diseños son útiles para realizar investigaciones iniciales, exploratorias o cuando
se dispone de recursos limitados. Aunque tienen limitaciones en términos de validez
interna y control de amenazas a la validez, pueden proporcionar información preliminar
valiosa que puede guiar investigaciones futuras más rigurosas.
Los pre experimentos se llaman así porque su grado de control es mínimo, y su
diagrama es la siguiente:

16. DISEÑO: PRE EXPERIMENTALES
Pruebas Estadísticas
Para datos cuantitativos con muestras pareadas (mediciones relacionadas), las pruebas
estadísticas más comunes incluyen:
1.Prueba t de Student pareada: Esta es la prueba más utilizada para comparar las
medias de las diferencias entre las mediciones pareadas. Evalúa si hay una diferencia
significativa entre las dos mediciones en el mismo grupo. Es apropiada cuando las
diferencias entre pares siguen una distribución normal y las mediciones son continuas.
2. Prueba de Wilcoxon pareada: Una alternativa no paramétrica a la prueba t pareada,
adecuada cuando no se cumplen las asunciones de normalidad. Se basa en los rangos de
las diferencias y evalúa si hay una diferencia significativa entre las mediciones pareadas.
3. Prueba de rangos con signos de McNemar: Se utiliza cuando estás trabajando con
datos categóricos binarios (por ejemplo, sí/no, éxito/fracaso) y deseas comparar las
frecuencias de respuesta en dos momentos de medición.

17. DISEÑO: PRE EXPERIMENTALES
Pruebas Estadísticas
4. Prueba de signos: Esta prueba evalúa si las diferencias entre las mediciones
pareadas son significativamente diferentes de cero. Es útil para datos ordinales o
cuando no se cumplen las asunciones de normalidad.
5. Prueba de rango con signos de Siegel-Tukey: Esta es otra alternativa no
paramétrica que se utiliza cuando las diferencias entre pares siguen una distribución
continua pero no necesariamente normal.
Es importante verificar las condiciones y suposiciones de la prueba seleccionada
antes de aplicarla a tus datos. Se debe considerar el contexto de tu estudio y las
preguntas de investigación para elegir la prueba más apropiada. Siempre es
recomendable realizar un análisis estadístico riguroso y transparente para interpretar
los resultados de manera confiable.

18. DISEÑOS CUASI
EXPERIMENTALES

19. DISEÑOS CUASI EXPERIMENTALES
El diseño cuasiexperimental es un enfoque de investigación utilizado en ciencias
sociales y otros campos para estudiar relaciones de causa y efecto en situaciones
donde no es posible realizar un experimento completamente controlado o aleatorizado.
Aunque los diseños cuasiexperimentales no cumplen con todos los requisitos de un
experimento puro, intentan acercarse lo más posible a esa estructura para analizar el
impacto de una variable independiente en una variable dependiente
En un diseño cuasiexperimental, se realiza la manipulación de la variable
independiente, pero no se logra un control total sobre las condiciones experimentales
debido a limitaciones éticas, logísticas o práctica, y su diagrama es la siguiente:

20. DISEÑOS CUASI EXPERIMENTALES
Pruebas Estadísticas
Para datos cuantitativos con muestras pareadas (mediciones relacionadas), se consideran
las pruebas estadísticas del diseño pre experimental.
Para analizar muestras independientes de datos cuantitativos, es decir, cuando deseas
comparar las medias o distribuciones de dos o más grupos diferentes, existen varias
pruebas estadísticas disponibles. La elección de la prueba dependerá de la naturaleza de
tus datos, el diseño de tu estudio y las preguntas de investigación que estás abordando.
Aquí están algunas pruebas estadísticas comunes para muestras independientes de datos
cuantitativos:
1.Prueba t de Student para muestras independientes: Esta prueba se utiliza para
comparar las medias de dos grupos independientes. Es apropiada cuando las diferencias
entre grupos siguen una distribución normal y las varianzas son homogéneas (Prueba de
Levene para verificar la homogeneidad de varianzas).
2.Prueba de Mann-Whitney U: Es una prueba no paramétrica utilizada para comparar las
medianas de dos grupos independientes cuando las suposiciones de la prueba t no se
cumplen, como la normalidad o la homogeneidad de varianzas.

21. DISEÑOS CUASI EXPERIMENTALES
Pruebas Estadísticas
3. ANOVA (Análisis de Varianza) de un factor: Se utiliza cuando deseas comparar
las medias de tres o más grupos independientes. Requiere que las diferencias entre
grupos sigan una distribución normal y que las varianzas sean homogéneas. Si la
prueba ANOVA indica diferencias significativas, se pueden realizar pruebas post hoc
(como la prueba de Tukey o Bonferroni) para identificar diferencias específicas entre
grupos.
4. Prueba de Kruskal-Wallis: Es una alternativa no paramétrica al ANOVA para
comparar las medianas de tres o más grupos independientes cuando no se cumplen
las suposiciones de normalidad o homogeneidad de varianzas.
5. Prueba de Bartlett: Utilizada para evaluar si las varianzas de los grupos son
homogéneas antes de aplicar una prueba paramétrica como el ANOVA.
6. Prueba de Welch: Una variante de la prueba t de Student que no asume igualdad
de varianzas entre grupos. Es adecuada cuando las varianzas no son homogéneas.
7. Prueba de Brown-Forsythe: Otra alternativa para comparar las medias de
muestras independientes cuando las varianzas no son homogéneas.

22. DISEÑOS DE
EXPERIMENTOS PUROS

23. DISEÑOS EXPERIMENTALES PUROS
Los experimentos puros, también conocidos como experimentos
verdaderos o experimentos controlados, son un tipo de diseño de
investigación en el que el investigador manipula una o más variables
independientes y controla cuidadosamente las condiciones experimentales
para observar su efecto sobre una variable dependiente. Estos
experimentos buscan establecer relaciones causales sólidas al eliminar o
minimizar la influencia de variables no controladas que podrían afectar los
resultados.

24. DISEÑOS EXPERIMENTALES PUROS
Pruebas Estadísticas
ANOVA: El Análisis de varianza, es un conjunto de técnicas
estadísticas de gran utilidad y ductilidad. Es útil cuando hay
más de dos grupos que necesitan ser comparados, cuando hay
mediciones repetidas en más de dos ocasiones, cuando los
sujetos pueden variar en una o más características que afectan
el resultado y se necesita ajustar su efecto o cuando se desea
analizar simultáneamente el efecto de dos o más tratamientos
diferentes.

25. III. MATERIALES Y MÉTODOS

26. VALIDEZ Y
CONFIABILIDAD

27. III. MATERIALES Y MÉTODOS
VALIDEZ Y CONFIABILIDAD
DE INSTRUMENTOS
Según Hernández Sampieri, el instrumento debe demostrar ser
confiable y válido a la vez.
Confiabilidad
Grado en que su aplicación
repetida al mismo sujeto u
objeto produce iguales
resultados.
Grado en que un instrumento
produce resultados consistentes
y coherentes
Validez
Grado en que un
instrumento mide la
variable que pretender
medio

28. TIPOS DE CONFIABILIDAD
• Por consistencia interna (Alfa Cronbach,
Alfa Ordinal, Kuder de Richardson, Mitades,
etc.)
• Por estabilidad (Test-retest)
• Por equivalencia (Pruebas paralelas)
• De concordancia (inter observadores,
usado en medicina).

29. TIPOS DE CONFIABILIDAD
Por consistencia interna:
Alfa Cronbach
Este coeficiente requiere una sola medición y mide la
consistencia interna de los ítems en cada escala y el instrumento
como conjunto.
Es mejor si se calcula en una muestra mayor a 300 sujetos y
obtenida de manera probabilística, y con escala de Lickert.

30. ALFA DE CRONBACH
INTERPRETACIÓN DEL COEFICIENTE
Según Hernández Sampieri et al. (2014)
• Se recomienda que para un constructo específico y en el
ámbito clínico sea >0.90
• Si el test tiene puntaje global, se saca Alfa general, caso
contrario sólo por factores, áreas o subtests.
Valor alfa CATEGORIA
0.0 – 0.2 Muy baja
0.2 – 0.4 Baja
0.4 – 0.6 Regular
0.6 – 0.8 Aceptable
0.8 – 1.0 Elevada .

31. ALFA DE CRONBACH
INTERPRETACIÓN DEL COEFICIENTE
Según Vellis (1991)
Valor alfa CATEGORIA
0.00 – 0.40 Inaceptable
0.40 – 0.65 Moderada
0.65 – 0.70 Aceptable
0.70 – 0.75 Respetable
0.75 – 0.80 Muy respetable
0.80 – 0.85 Buena
0.85 – 0.90 Muy buena
0.90 – 0.95 Elevada
0.95 – 1.00 Excelente .

32. TIPOS DE CONFIABILIDAD
Por consistencia interna:
Kuder de Richardon
Este coeficiente requiere una sola medición y mide la
consistencia interna de los ítems en cada escala y el instrumento
como conjunto.
Es aplicable sólo para ítems dicotómicos.

33. TIPOS DE VALIDEZ
Grado en que un instrumento mide la variable que pretende
medir. La validez implica congruencia en la manera de plantear
las preguntas.
Validez
Contenido
Criterio
Constructo

34. VALIDEZ
Validez de contenido:
Se refiere al grado en que un instrumento refleja un dominio específico de
contenido de lo que se mide. Es el grado en que la medición representa al
concepto medido.
Validez de criterio:
Se establece la validez comparándolo con algún criterio extremo. Es un
criterio estándar con el que se juzga la validez de un instrumento.
Validez de constructo:
Se refiere al grado en que una medición se relaciona
consistentemene con otras mediciones de acuerdo con hipótesis
derivadas teóricamente y que conciernen a los conceptos (o
constructos) que están siendo medidos.

35. VALIDEZ

36. ¡Gracias
!
¡Enhorabuena! Has completado el
primer paso para entender y saber
utilizar la estadística en la
investigación. Sigue practicando
para mejorar tus conocimientos.