Expo Epita Investigacion 2016

Ciencias Agrarias
E.P. Ing. Topográfica y Agrimensura
Vladimiro Ibañez Quispe, Dr.

EPISTEMOLOGÍA
Teoría
Conocimiento Científico
EPISTEMOLOGÍA
La epistemología o filosofía de la
ciencia es la rama de la filosofía
que estudia la investigación
científica y su producto, el
conocimiento científico (Mario
Bunge).
EPISTEMOLOGÍA
• Bunge, M. (1980) “es la reflexión
crítica sobre la investigación
científica y su producto, el
conocimiento; en otras palabras, es
la ciencia de la ciencia”.
• Reyes, R. (1988), la epistemología es
sinónimo de filosofía de la ciencia.
EPISTEMOLOGÍA
Reyes (1988), afirma que el término más
cercano a epistemología es filosofía de la
ciencia, la palabra griega episteme se
refiere, no a cualquier forma de
conocimiento, sino aproximadamente a lo
que hoy se entiende por ciencia.
Los términos epistemología, gnoseología,

teoría del conocimiento y filosofía de la
ciencia son sinónimos.
HISTORIA DE LA EPISTEMOLOGÍA
1. Periodo Clásico.
Predominaban problemas de la
naturaleza y alcance del conocimiento
científico en oposición al conoci-
miento vulgar (doxa), clasificación de
las ciencias y la posibilidad de
construir la ciencia inductivamente,
partiendo de observaciones.
Se extiende desde Platón (428/429-347 a.C)

a Russell (1872-1970) y era cultivada por
científicos, matemáticos y filósofos sin
especialización científica. Entre ellos
figuran: Comte, Bernard, Mach, Engels,
Lenin, Duhem, Poincaré, Russell y
Whitehead que no eran epistemólogos, se
ocuparon de problemas auténticos,
originales proporcionando soluciones
interesantes.
2. La profesionalización de la
filosofía.
Inicia con la creación del Círculo
de Viena en 1927 por un grupo de
filósofos y científicos reunidos con
Moritz Schlick, profesor de la
Universidad de Viena (1929 y
1937).
Publicaron la revista Erkentniss,

desde 1930 a 1937. Al disolverse el
grupo, con la iniciación de las
persecuciones raciales (1938), sus
miembros se trasladaron a los
EE.UU., donde continuaron fructí-
feramente su actividad. Dominaban
la lógica matemática.
3. La epistemología formal.
Bunge, denominó periodo “escolástico” y
lo califica como artificial, porque después
de la disolución del Círculo de Viena –e
influenciados por Wittgenstein-, los
filósofos perdieron contacto con
científicos y matemáticos y se interesaron
por problemas formales que rara vez
tenían relación con la ciencia real.
4. El renacimiento epistemológico.
 Se preocupa de la ciencia real y no de
imágenes ficcionales de la ciencia.
 Se ocupa de los problemas, métodos y teorías
de la ciencia.
 Propone soluciones claras a tales problemas.
 Distingue la ciencia auténtica de la
seudociencia.
 Critica programas y resultados erróneos.
 Sugiere enfoques promisorios.
CATEGORÍAS DE EPISTEMOLOGÍA
Piaget (1970), clasifica en tres categorías:
a. Parten de una reflexión sobre las ciencias y
prolongan en una teoría general del
conocimiento.
b. Apoyándose en una crítica de las ciencias
procuran alcanzar el conocimiento distinto al
conocimiento científico (en oposición con éste, y
no ya como prolongación de él).
c. Las que permanecen en el interior de una
reflexión sobre las ciencias.
TIPOS DE EPISTEMOLOGÍA
Piaget, clasifica a las teorías del conoci-

miento tres tipos:
TIPO 1: Epistemologías Metacientíficas.
TIPO 2: Epistemologías Paracientíficas.
TIPO 3: Epistemologías Científicas
Las epistemologías metacientíficas, son

todos los casos de una reflexión sobre las
ciencias, ya en parte construidas e
inventadas por los mismos autores de las
subsiguientes reflexiones. Para este tipo
existe la supremacía del conocimiento
científico y sólo aceptan el conocimiento
científico como el único conocimiento
válido.
Las epistemologías paracientíficas, no
consisten en reflexionar acerca del
pensamiento científico para alcanzar una
teoría más general del conocimiento, sino se
esfuerzan en partir de una crítica ante todo
restrictiva de la ciencia para fundamentar, al
margen de sus fronteras, un conocimiento
de diferente forma. La ciencia resulta cada
vez menos objetiva y más simbólica a
medida que va de lo físico a lo psíquico,
pasando por lo vital.
Las epistemologías científicas, es la

explicación del conocimiento científico y
no pretenden el conocimiento general.
Surge del interés de las ciencias como
consecuencia de crisis propias de las
ciencias en evolución, que puede llevar a
una constante revisión de sus principios
e instrumentos de conocimiento.
EPISTEMOLOGÍAS REGIONALES
Blanché (1980), afirma que en la época

actual la epistemología se aleja cada vez
más de los filósofos para pasar a manos
de los sabios, las características de la
epistemología moderna es la progresiva
aceptación de sus problemas por los
sabios especializados.
EPISTEMOLOGÍAS REGIONALES
Bunge, sugiere las siguientes epistemologías
regionales:
Epistemología de la lógica.
Epistemología de la matemática
Epistemología de la física.
Epistemología de la química
Epistemología de la biología
Epistemología de la psicología
Epistemología de las ciencias sociales.
Epistemología de la economía.
Epistemología de la administración
FUNDAMENTOS TEÓRICOS DEL
CONOCIMIENTO CIENTÍFICO
1. CONOCER
Proceso intelectual por el cual se establece una
relación entre quien conoce (actor) y el objeto
conocido (realidad).
2. CONOCIMIENTO
Actividad por medio de la cual adquirimos la
certeza de que existe una realidad, el mundo
circundante existe y está dotado de
características que no ponemos en duda.
2.1. TIPOS DE CONOCIMIENTO
a) EMPÍRICO:
Se adquiere por experiencia del individuo
cumplida al azar, sin método y mediante
investigaciones personales.Es conocimiento
del sentido común.
Ejemplo: El conocimiento artesanal
adquirido por el minero informal para
encontrar oro, o por un ama de casa para
cocinar.
b) CIENTÍFICO:
Identifica las causas y está basado en
leyes que rigen a los fenómenos.
Además: observa, describe, explica y
predice su objeto mediante
procedimientos y métodos basados en
la lógica.
Ejemplo:
A cada acción corresponde una
reacción igual y de dirección opuesta.
El virus VIH ataca el sistema
inmunológico del organismo.
c) FILOSÓFICO:
Basado en la reflexión o especulación
proporcionados por la experiencia y por la
ciencia. Este conocimiento, se caracteriza
principalmente por lo siguiente:
 Hechos y problemas que rodean al
hombre y sobre el hombre mismo, su
entorno y Dios.
 Su método es racional. La observación
de la realidad o la aceptación de
principios o axiomas para luego
proseguir por deducción.
d) TEOLÓGICO:
Resultado del revelado de algo oculto o
de un misterio, es conocimiento aceptado
por fe frente a lo revelado.
El conjunto de verdades que los hombres
llegan, no con el auxilio de su
inteligencia sino mediante la aceptación
de los datos de revelación divina.
Son adquiridos a través de los libros
sagrados y aceptados racionalmente por
los hombres después de haber pasado las
criticas históricas.
3. CONOCIMIENTO CIENTÍFICO
Es una clase o subconjunto del

conocimiento humano. Construye
explicaciones acerca de la realidad.
Utiliza métodos basados en la lógica.

Establece leyes generales y explicacio-
nes particulares de su objeto.
Heredia (1984), es el conocimiento

racional, sistemático y verificable, que
se obtiene mediante procedimientos
objetivos, ordenados y repetibles.
Ortega (1993), se basa en el

descubrimiento de las causas
inmediatas de los fenómenos.
Ejemplo:
El agua se compone de dos átomos de
hidrógeno y uno de oxígeno.
3.1 Procesos Básicos del Conocimiento
Científico
Todo proceso de conocimiento

científico implica lo siguiente:
 OBSERVA
 DESCRIBE
 EXPLICA
 PREDICE
4. CIENCIA
Etimológicamente se deriva de la
palabra latina Scientia; de Scire: Saber.
Es sinónimo de conocimiento, es el
conjunto o sistema acumulativo,
metódico de conocimientos compro-
bables, producto de una investigación
científica en una determinada área de
objetos o fenómenos.
CIENCIA
En este proceso, constru-
ye un mundo artificial:
ese creciente cuerpo de
ideas llamado “ciencia”,
que puede caracterizarse
como conocimiento ra-
cional, sistemático, exac-
to, verificable y por con-
siguiente falible.
CIENCIA
Bunge (2001) señala: En cuanto se
aplica al mejoramiento de nuestro
medio natural y artificial, a la
invención de bienes materiales y
culturales, la ciencia se convierte
en tecnología.
Tipos de Ciencias
1) Ciencias formales:
Se ocupan de objetos que carecen de
propiedades físicas, biológicas
sociológicas. No cambian por sí
mismos. Pertenecen a este campo la
lógica y la matemática pura. En estas
ciencias importa el concepto de
deductibilidad (verdad de razón).
Tipos de Ciencias
2) Ciencias fácticas:
Se ocupan de hechos que ocurren en el mundo
exterior o en el mundo interno, son cosas
concretas o materiales; que tienen propiedades
físicas, biológicas y sociales. En cambio,
carecen de propiedades matemáticas, aunque
se puede representar matemáticamente. Están
la física, biología, sociología e historia. Se
utiliza el concepto de verdad, en el sentido de
verdad de hecho. Su objeto de conocimiento lo
percibe la experiencia de quien investiga.
INVESTIGACIÓN
LA INVESTIGACIÓN CIENTÍFICA
Método Científico
El método es el camino a seguir en la búsqueda del
conocimiento.
Diferencia entre Investigación Científica y
Método Científico
Etapas del proceso de Investigación
Cuantitativa
PROBLEMA OBJETO DE
INVESTIGACIÓN
INTERÉS POR EL TEMA QUE VA A INVESTIGARSE
Criterios básicos para identificar
problemas
¿QUÉ ES UN PROBLEMA?
De manera general, se considera problema a
toda diferencia negativa entre lo que debería
ser y lo que es:
Debería SER ≠~ES Problema

Criterios básicos para identificar problemas
EL DEBERÍA SER
Es el patrón comparativo de la realidad, el
marco referencial, el ideal, el modelo, el
paradigma.
EL ES
Es la parte de la realidad tomada como objeto
de estudio o investigación.
El ES es la realidad; no tiene que dar cuenta de
nada, no “tiene” que ser afirmativa ni negativa;
buena ni mala, verdadera ni falsa. El que
califica es el sujeto que conoce, los seres
humanos, que como sujetos afirmamos o
negamos algo sobre una parte de la realidad
tomada como objeto de estudio.
Elección del problema en una
investigación Científica
ELEMENTOS DE UN PROBLEMA
(TÍTULO)
LA ESPECIFICIDAD.- Es el aspecto o los aspectos concretos

que se quiere investigar acerca del hecho o situación
problemática. Ejemplos: causas, consecuencias,
características, importancia, influencia, tendencia,
modalidades, incidencia, prevalencia, implicancias,
estructura, función, nivel, relación, evolución y otros.
El hecho o situación problemática y la especificidad son
los elementos centrales del problema. Estos elementos
constituyen las variables.
ELEMENTOS DE UN PROBLEMA
(TÍTULO)
UNIDAD DE OBSERVACIÓN.- Son aquellas que se ponen de
manifiesto a los hechos o situaciones problemáticas y
constituyen desde el punto de vista estadístico, la
población o muestra a la que se refiere la investigación.
Son: Personas, grupos sociales, seres, especies animales,
acontecimientos, instituciones, objetos, procesos.
ESPACIO.- Es referido al lugar en el que ocurre el hecho o
situación problemática. Puede ser geográfico o
administrativo. ¿Dónde?; Perú, Ciudad de Puno, Zona
Franca, Aceros Arequipa, CIP-UNA-Puno.
TIEMPO.- Está referido al momento en que ocurre el hecho
o situación problemática. ¿Cuándo?. 2009, 1990-2008, 2014.
PLANTEAMIENTO DEL PROBLEMA
EL PROBLEMA DE INVESTIGACIÓN
El problema es el punto de partida de la

investigación. Si no se tiene problema
alguno, ¿qué se va a investigar?
El problema de investigación es el por qué

de tu investigación, es la razón de ser, el
motivo de tu investigación. Si realizas una
investigación es porque quieres resolver un
problema y generar conocimientos, sea
teórico o práctico.
EL PROBLEMA DE INVESTIGACIÓN
Un problema de investigación queda planteado cuando se:
 Tiene uno o varios posible(s) antecedente(s) o
variable(s) independiente(s).
 Tiene uno o varios consecuente(s) o variable(s)
dependiente(s).
 Formula de manera interrogativa en tiempo futuro (no
se conoce todavía la respuesta).
 Establece tiempo y lugar.
 Conjetura una relación entre la(s) variable(s)

independiente(s) y la(s) variable(s) dependiente(s); la
relación se expresa frecuentemente con las palabras:
más, menos, mejor, peor, igual. Dicha conexión se
supone a partir de argumentos entrelazados
lógicamente.
FORMULACIÓN DEL PROBLEMA
Un problema se formula cuando el investigador dictamina
o hace una especie de pronóstico sobre la situación
problema:
 El problema debe estar formulado claramente y sin
ambigüedad, puede estar como preguntas (¿en qué
medida?, ¿qué efecto?, ¿en qué condiciones?, ¿cuál es
la probabilidad de….?, ¿cuál es la calidad?).
 El planteamiento de un problema implica la posibilidad
de una prueba empírica. Es decir poder observar la
realidad social
 Constituye guía del estudio: ¿Qué impacto...?, ¿qué
efecto...?, ¿en qué condiciones..?, ¿cuál es la
probabilidad de...?, ¿cómo se relaciona X con Y?,
¿cómo se configuran las interacciones de profesores y
estudiantes...?, ¿qué expectativas...?, ¿por qué....?...
ELECCIÓN DEL PROBLEMA EN UNA
INVESTIGACIÓN CIENTÍFICA
¿Por qué...? ¿Qué efectos produce …
¿Cuándo...? ¿De qué manera influye …
¿Qué ocasiona...? ¿En qué medida favorece.
¿Qué factores condicionan...? ¿Cuál es la influencia …
¿Cómo influye...? ¿Cómo influye …
¿Cuáles son las consecuencias...? ¿Cuáles serían los resultados..
¿Cuál es la relación entre...? ¿Cuáles serían los efectos …
¿Qué factores contribuyen a...? ¿En qué grado favorece …
¿Qué diferencias existen...? ¿Cuáles serían los factores …
¿Cuáles son las características...?
¿Es efectivo para...?
¿Cuál es la magnitud...?
FORMULACIÓN DEL PROBLEMA
CORRELACIONAL
EJEMPLO: ¿Qué relación existe(1) entre la inteligencia
emocional(2) y(3) el clima institucional(4) en el personal
docente y administrativo de la Facultad de Ingeniería
Civil y Arquitectura(5) de la UNA-Puno(6) de la Provincia
de Puno(7) – 2015(8)
ELEMENTOS VERIFICABLES:
(1) Pregunta clave
(2) Variable 1 (variable independiente)
(3) Enlace o relacionante o conexión
(4) Variable 2 (variable dependiente)
(5) Muestra/Población
(6) Ámbito organizacional (accesible)
(7) Ámbito geográfico (objetivo)
(8) Periodo al cual corresponde la información.
DELIMITACIÓN DEL PROBLEMA DE
INVESTIGACIÓN
Toda investigación siempre tiene límites.

Para que un estudio científico sea
efectivo, debe establecer de antemano
dónde, cuándo y hasta cuánto va a
investigar.
Delimitación espacial: Indica el lugar dónde
se realizará la investigación y de dónde
obtendrás la información primaria.
Delimitación temporal: Indicando el periodo
de tiempo de la procedencia de los datos.
OBJETIVOS DE LA INVESTIGACIÓN
Los objetivos son logros o los propósitos
definidos que se pretende alcanzar en la
investigación a través de la aplicación de
procedimientos científicos.
Para formular los objetivos, usted debe

responder las preguntas:
¿Qué voy a investigar?
¿Para qué voy a investigar o qué busco
conocer?
¿A dónde quiero llegar?
FORMULACIÓN DE OBJETIVOS
RECOMENDACIONES PARA FORMULACIÓN

DE LOS OBJETIVOS:
 FORMULARSE EN VERBO INFINITIVO

 DEBEN SER CLAROS Y PRECISOS
 SER SUSCEPTIBLES DE ALCANZAR
 SER COHERENTES CON EL PROBLEMA
 PRECISAR RELACIÓN CON HIPÓTESIS
DEL TRABAJO.
LOS VERBOS PUEDEN SER:
Verbos para Objetivos Generales Verbos para Objetivos Específicos
Analizar Formular Advertir Enunciar
Calcular Fundamentar Analizar Enumerar
Categorizar Generar Basar Especificar
Comparar Identificar Calcular Estimar
Compilar Inferir Calificar Examinar
Concretar Mostrar Categorizar Explicar
Contrastar Orientar Comparar Fraccionar
Crear Oponer Componer Identificar
Definir Recontruir Conceptuar Indicar
Demostrar Relatar Considerar Interpretar
Desarrollar Replicar Contrastar Justificar
Describir Reproducir Deducir Mencionar
Diagnosticar Revelar Definir Mostrar
Discriminar Planear Demostrar Operacionalizar
Diseñar Presentar Detallar Organizar
Efectuar Probar Determinar Registrar
Enumerar Producir Designar Relacionar
Establecer Proponer Descomponer Resumir
Evaluar Situar Describir Seleccionar
Explicar Tasar Discriminar Separar
Examinar Trazar Distinguir Sintetizar
Exponer Valuar Establecer Sugerir
ELEMENTOS A TOMAR EN CUENTA PARA
REDACTAR UN OBJETIVO
Son tres elementos constitutivos, los

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

EJEMPLO:
OBJETIVO GENERAL: Reforzar la capacidad de
gestión en los Centros de Educación Inicial del país
para la atención de los dominios del aprendizaje de
los niños de 4 y 5 años de edad.
Acción: Reforzar la capacidad de gestión en
los Centros de Educación Inicial del país.
Contenido: La atención de los dominios del
aprendizaje.
Sujeto: Niños de 4 a 5 años de edad.
EJEMPLO:
OBJETIVO GENERAL: Identificar el

grado de conocimiento que tienen los
pacientes de 40 a 45 años, sobre la
diabetes y su tratamiento.
Acción: Identificar el grado de conocimiento.
Contenido: Pacientes de 40 a 45 años.
Sujeto: Sobre la diabetes y su tratamiento.
METODOLOGÍA DE BLOOM – OBJETIVOS
ESPECÍFICOS
 Bloom, en su trabajo sobre objetivos
instruccionales “Quick Flip Questions for critical
Thinking”, de Linda G. Barton, 2002, propone seis
niveles claramente diferenciables, para un
individuo que se aproxima a un tema, clasifica su
grado de apropiación y avances esperados, a)
Conocimiento, b) Comprensión, c) Aplicación, d)
Análisis, e) Síntesis y f) Evaluación.
 De los seis niveles, ha evolucionado a una
propuesta de 4, cuando se trata de formular los
objetivos de investigación, a) PERCEPTIVO, b)
APREHENSIVO, c) COMPRENSIVO, d) INTEGRATIVO.
RESUMEN DE METODOLOGÍA DE BLOOM
OBJETIVO PRIMER NIVEL - OBJETIVOS ESPECÍFICOS
GENERAL PERCEPTIVO APREHENSIVO COMPRENSIVO INTEGRATIVO
COMBINAR BOSQUEJAR AGRUPAR ADAPTAR COMBINAR
CONCEBIR COMENTAR ASOCIAR CAMBIAR CONCEBIR
CONSTRUIR DESCRIBIR CATEGORIZAR CONTRASTAR CONCLUIR
CREAR ENUMERAR CLASIFICAR CRITICAR CONFIRMAR
DISEÑAR ESBOZAR CONTRASTAR DEBATIR CONSTRUIR
ELABORAR GRAFICAR CONVERTIR DEDUCIR CREAR
ESPECIFICAR IDENTIFICAR DETERMINAR DEMOSTRAR CRITICAR
ESTABLECER LOCALIZAR DIFERENCIAR DESARROLLAR DECIDIR
EVALUAR RECONOCER DISCRIMINAR DESCUBRIR DISEÑAR
EXTENDER RECONSTRUIR DISTINGUIR DETERMINAR ELABORAR
INTEGRAR REGISTRAR EJEMPLIFICAR ELEGIR ESPECIFICAR
MODIFICAR REPRODUCIR EXPRESAR EXTENDER ESTABLECER
PROPONER RESUMIR IGUALAR FORMULAR EVALUAR
ROTULAR INTERPRETAR GENERALIZAR EXTENDER
SUBRAYAR ORDENAR INFERIR INTEGRAR
PAREAR ORGANIZAR INTERPRETAR
RELACIONAR PLANEAR JUZGAR
REORDENAR PREDECIR MODIFICAR
SELECCIONAR PROBAR PROPONER
UBICAR RESOLVER SOLUCIONAR
SISTEMATIZAR SUSTENTAR
Mucho contenido de Mayor contenido TRANSFORMAR VALORAR
conocimiento Verbos muy generales de conocimiento 1ros. Obj. En la formul. VERIFICAR
JUSTIFICACIÓN DE LA INVESTIGACIÓN
MARCO TEÓRICO
COMPONENTES DEL MARCO TEÓRICO
 ANTECEDENTES DE LA INVESTIGACIÓN.
Son las investigaciones que se han realizado sobre el
objeto de investigación, aquellas que guardan una
relación directa con nuestro problema planteado.
 BASES TEÓRICAS (MARCO TEÓRICO).
Es la descripción de los elementos teóricos planteados
por uno o diferentes autores y permiten al investigador
fundamentar su proceso de conocimiento.
 MARCO CONCEPTUAL.
El investigador define y delimita, según su criterio y de
acuerdo con su marco teórico, los conceptos
involucrados en las variables de investigación.
HIPÓTESIS DE INVESTIGACIÓN
REQUISITOS DE UNA HIPÓTESIS DE INVESTIGACIÓN
Poseer estrecha relación

Enunciarse Tener como base
con el problema y el
afirmativamente teorías pre-existentes
objeto de investigación
Tener claridad, REQUISITOS DE Poseer delimitación

precisión y UNA HIPÓTESIS temporal y espacial
coherencia
Ser Relación entre

Ser Poseer
susceptibles de variables, en las
operacionables o carácter
verificación investigaciones
desagregables general
empírica no descriptivas
TIPOS DE HIPÓTESIS
 HIPÓTESIS DESCRIPTIVAS.
Se orientan a la presentación ordenada y sistemática de
un hecho o proceso, considerando sólo su
comportamiento externo. Este tipo de hipótesis
responden a problemas de los tipos: ¿Qué? ¿De qué
manera? ¿Cuáles?. .
EJEMPLO:
¿Cuál es el nivel de calidad de enseñanza en la
Universidad Nacional del Altiplano - Puno , 2016?
HIPÓTESIS:.
El nivel de la calidad de enseñanza en la Universidad
Nacional del Altiplano - Puno es regular.
TIPOS DE HIPÓTESIS
 HIPÓTESIS CORRELACIONADAS.
Denominada como covariación, son proposiciones que afirman la
existencia de una relación de funcionalidad entre dos propiedades
relevantes dentro de un universo de individuos claramente determinado.
No es una explicación en términos de causa y efecto, sino mostrar una
forma de asociación entre las propiedades relevantes. Responde a las
preguntas del tipo ¿Cuál es la relación entre X e Y?
EJEMPLO:
¿Cuál es la relación entre un clima laboral atractivo y la motivación del
personal dentro de una empresa que crece aceleradamente en una
economía globalizada?
HIPÓTESIS:
Existe una relación directa entre un clima laboral atractivo y la motivación
del personal dentro de una empresa que crece aceleradamente en una
economía globalizada.
TIPOS DE HIPÓTESIS
 HIPÓTESIS EXPLICATIVAS.
Denominadas hipótesis causales, son aquellos que intentan precisar
las relaciones esenciales entre los hechos, así como las estructuras
internas de estos hechos y sus relaciones causales. Responden a
preguntas del tipo ¿Por qué? Y se caracterizan por que son
expresadas a través de enunciados generales que tienen una forma
lógica de tipo condicional, correspondiendo al esquema;
“SÍ ….. ENTONCES”
EJEMPLO:
“El grado de instrucción de los padres es uno de los principales
factores que influye en la permanencia de los adolescentes en el
sistema educativo formal”.
TIPOS DE HIPÓTESIS
 HIPÓTESIS ESTADÍSTICA.
Son suposiciones hechas sobre una población en
términos estadísticos, las que son construidas con
la finalidad de hacer posible la comprobación de la
validez de la hipótesis de investigación. Son de
dos tipos:
- Hipótesis Nula y Alternativa.
- La hipótesis nula generalmente es la negación de la
hipótesis de investigación.
- La hipótesis alterna es ídem a hipótesis de investigación.
EJEMPLO
 HIPÓTESIS DE INVESTIGACIÓN (Hi)
“El clima organizacional influye en la gestión académica
de la E.P. de Arquitectura, 2016”.
 HIPÓTESIS NULA (Ho:) (niega la Hi)
“El clima organizacional NO influye en la gestión
académica de la E.P. de Arquitectura, 2016”
 HIPÓTESIS ALTERNATIVA (Ha) (es ídem a Hi)
“El clima organizacional influye en la gestión
académica de la E.P. de Arquitectura, 2016”.
DIFERENCIAS CON EL ENFOQUE CUANTITATIVO
Y CUALITATIVO
CUANTITATIVO CUALITATIVO
ENFOQUE Fenomenalismo: interesado en comprender Positivismo lógico: busca los hechos o causas
la conducta humana desde el propio marco de los fenómenos sociales, prestando escasa
atención a los estados subjetivos de los
de referencia de quien actúa. La Conducta
individuos. Los Hechos o causas de
Humana Natural y sin control Desde Medición Controlada Desde fuera, al
dentro, próximo a Datos. margen de los Datos.
CARACTERÍSTICAS - Estadístico - No estadístico
- Basado en lo experimental - Basado en ambientes naturales
- Datos por causa – efecto - Datos por los significados
PROCESO - Usa réplica - No Usa réplica
- Secuencial - No Secuencial
- Deductivo - Inductivo
- Objetivo - Subjetivo
- Probatorio - Recurrente
BONDADES - Control sobre los fenómenos - Contextualiza el fenómeno
- Predictivo - Interpretativo
- Preciso - Amplio
DIFERENCIAS ENTRE EL ENFOQUE
CUANTITATIVO Y CUALITATIVO
ASPECTO CUANTITATIVO CUALITATIVO
Realidad objetivo de estudio Objetiva Subjetiva
Perspectiva Externa Interna
Enfoque Analítico Holística
Orientación Hacia la verificación Hacia el descubrimiento
Diseño Orientado al resultado Orientado al proceso
Estructura Predeterminada Interactiva y reflexiva flexible
Proceso Control riguroso Control subjetivo
Procedimientos Estructurados Flexibles
Condiciones de observación Controlados Naturales
Datos Objetivos Subjetivos
Hipótesis Previas y verificables Emergentes y constables
Análisis Deductivo Inductivo
Conclusiones Tendientes a la generalización Tendientes a la particularidad
Resultados Válidos confiables Válidos consenso y subjetivo
Generalizable No generalizable
DISEÑO DE INVESTIGACIÓN
El diseño de la investigación es una

planificación comprendida de lograr los
objetivos y propósito del estudio. Un
diseño cuidadoso es fundamental para
determinar la calidad de la investigación.
PRE-EXPERIMENTALES:
(Tienen el grado de control mínimo)
CUASI-EXPERIMENTOS:
EXPERIMENTALES
(Implican grupos intactos)
Se administración EXPERIMENTOS PUROS:

estímulos o tratamientos - Manipulación intencional de variables
(Independientes)
- Medición de variables (Dependientes)
DISEÑO DE - Control y Validez
- Dos o más grupos de comparación.
INVESTIGACIÓN - Asignación en forma al azar.
El propósito es: TRANSECCIONALES O TRANSVERSALES:

- Responder preguntas de investigación. (Recolección de datos en un momento dato)
- Cumplir con los objetivos establecidos.
- Someter hipótesis de prueba
- EXPLORATORIOS
No-experimentales - DESCRIPTIVOS
- CORRELACIONALES-CAUSALES
LONGITUDINALES O EVOLUTIVOS:
(Analizar cambios a través del tiempo)
- Diseños de tendencia (Trend)

- Diseños de análisis evolutivo de grupo (cohort)
- Diseños Panel
VARIABLES
TIPO DE HIPÓTESIS DE INVESTIGACIÓN
ALCANCE DISEÑO DISEÑO ESPECÍFICOS DENOMINACIÓN TRATAMIENTO
EXPLORATORIO NO REQUIERE NO REQUIERE NO REQUIERE NO REQUIERE NO REQUIERE
DESCRIPTIVO * HIPÓTESIS DESCRIPTIVA NO EXPERIMENTAL * CORTE TRANSVERSAL VARIABLE DE ESTUDIO SE REALIZA LAS MEDIDAS
* HIPÓTESIS ENTRE GRUPOS *CORTE LONGITUDINAL
CORRELACIONAL * HIPÓTESIS DE CORRELACIÓN * CORTE TRANSVERSAL VARIABLE DE ESTUDIO SE REALIZA LAS MEDIDAS
*CORTE LONGITUDINAL
EXPLICATIVA * HIPÓTESIS CAUSAL EXPERIMENTAL * PRE-EXPERIMENTAL VARIABLE INDEPENDIENTE SE MANIPULA
* CUASI - EXPERIMENTAL VARIABLE DEPENDIENTE SE MIDE (AL AZAR)
* EXPERIMENTAL PURO O VERDADERO VARIABLE INTERVINIENTE SE CONTROLA
VARABALES
 Se denomina variable en la investigación
científica a toda propiedad, rasgo, aspecto,
cualidad, dimensión, atributo, de un objeto
si tal propiedad puede asumir distintos
estados o valores y cuya variación es
susceptible de medirse. Las variables son
manifestaciones de la realidad.
 Las variables son aspectos centrales en la
investigación científica, que se puede medir
la realidad, el hecho o fenómeno, pues el
proceso de producción de conocimiento
contrastable gira en torno a ellas.
VARABALES
Nominal (cualidad)
- Color de cabello.
- Color de ojos.
- Estado civil.
Variable - El género (M, F).
cualitativa
Ordinal (categorizar)
- Nivel de instrucción.
- Nivel socio-económico.
TIPOS DE
POR SU - La categoría de docentes universitarios.
DATOS
NATURALEZA
Discreta (conteo)
- Número de hijos por familia.
- Número de estudiante en la UANCV.
- Nro. de docentes en la UANCV en el 2009.
Variable
cuantitativa Contínuas (intervalo)
- Peso de los estudiantes (kg).
- Temperatura: 28.5°C.
- Estatura de los estudiantes (cm).
- Frecuencia respiratoria a 3819msnm.
Operacionalización de variables
VARIABLE DEFINICIÓN CONCE`PTUAL DEFINICIÓN OPERACIONAL DIMENSIONES INDICADORES UNIDAD DE MEDIDA ESCALA VALOR FINAL
Uso de los recursos
Aprovechamiento de los hospitalarios disponibles para Uso racional de bienes que se Muy bueno: 80% a más; Ütil :
Aprovechamiento de Porcentaje ocupacional de De razón o
recursos en un servicio atender el número de pacientes utiliza para brindar al usuario en Nº de camas 79% - 60%; Malo: 59% a
los recursos físicos camas proporción
Hospitalario solicitantes en el mes (oferta- un servicio de calidad. menos
demanda)
Promedio de estancia Nº de días
hospitalaria
Bueno: Personal asistencial

Aprovechamiento de Porcentaje de personal
Nº de personal 70%, Personal administrativo
los recursos humanos asistencial
30%,
Malo: Personal asistencial
Porcentaje de personal <70%, Personal
administrativo administrativo >30%
Bueno: 70% para labor
Aprovechamiento de Porcentaje de distribución asistencial, 30% para labor
los recursos del presupuestos por Nuevos soles (S/.) administrativa. Malo: <70%
financieros servicio labor asistencial, >30% labor
administrativa.
MUESTREO
Población
Muestra
V. Ibañez 94
Términos técnicos en el Muestreo
Unidad de muestreo
Unidad elemental
Unidad reportante
V. Ibañez 95
Marco de muestreo
Mapas
Base de datos (Registros) cartográficos
V. Ibañez 96
Parámetro, estimador y estimación
 ˆ  f ( x1 , x 2 ,, x n )
Estimador
Parámetro
ˆ  $25000
2
X, S , p
,  , P 2
V. Ibañez 97
Población y Muestra
Población (N = 80) Unidad de
muestreo
Muestra (n = 6)
TIPOS DE POBLACIÓN
99
EJEMPLO:
UNIDAD CARACTERÍSTICAS A ESTUDIAR
• Número de personas que componen.

• Número de personas que trabajan.
• Ocupación.
FAMILIA
• Número de personas que estudian.
• Niveles de Escolaridad.
• Ingresos y Gastos.
• Propiedad de la vivienda.
• Datos generales de la vivienda.
EJEMPLOS:
UNIDAD CARACTERÍSTICAS A ESTUDIAR
• Empleo.
• Sueldos y salarios.
ESTABLECIMIENTO • Producción Bruta.
INDUSTRIAL • Horas de producción.
• Consumo de energía.
• Actividad Económica.
Proceso de Muestreo
- Objetivos
- Elementos
POBLACIÓN - Unidades de muestreo
- Alcance
- Tiempo
Es el listado de
MARCO MUESTRAL unidades o elementos
de la población
TAMAÑO DE Procedimiento de
LA MUESTRA selección
de la muestra
SELECCIÓN DE LA
MUESTRA 102
Tipos de Muestreo
NO
PROBABILÍSTICO
PROBABILÍSTICO
Unidades de
Muestreo Aleatorio Conveniencia o muestreo
Simple (MAS) intencional apropiados
Juicio u opinión Juicio del

Muestreo Aleatorio Investigador
Estratificado (MAE)
Nº mínimo
Cuotas o accidental de c/grupo
Muestreo Sistemático Identificar a

Bola de nieve uno o más
sujetos
Identificar a
Muestreo por Haphazard los pacientes
Conglomerados V. Ibañez sanos103
Calidad de los datos
Calidad de los datos
¿Dónde estaba el centro de la

diana?
Sesgo y Error Muestral
Un estudio con sesgos (sesgado) no ofrece una verdadera representación de la

situación o de la asociación que queremos estudiar.
DISTRIBUCIÓN NORMAL ESTANDARIZADA (Z)
Sea X una variable aleatoria que se distribuye

normalmente con media 0 y 1. Entonces
mediante la transformación lineal, se tiene:
x - esto es la estandarización de la variable
Z
 «x», donde el recorrido es: (-< z <+).
 
  Z 
  Z
f  z  e  
  f z  e     Z  
  
107
Resulta la Función de Densidad de la variable Estandarizada.
f(Z)
1
  04

2
-1 0.2 +1
-1 0 +1 Z
CARACTERÍSTICAS:
1) Z se distribuye en forma Normal estándar (0,1), E(Z) = 0, V(Z) = 1.
2) Los puntos de inflexión están entre (±1).

3) La media, moda y la mediana coinciden y son iguales a cero.
4) La forma es acampanada, simétrica con respecto al eje Y; asintótica al eje
Z y continua en todos los números
M.Sc. reales
V. Ibañez
Vladimiro (R). Q.
y J. Paredes
Ibañez 108
ESTANDARIZACIÓN DE LA CURVA NORMAL
f(x)
34.13% 34.13%
2.15%
13.59%
13.59% 2.15%
3  2  0    2 3
0 µ X
f(Z)
04  1 2 
-3 -2 -1 0 1 2 3 Z
68.26%
95.44%
99.74% V. Ibañez y J. Paredes 109
En resumen:
ECONOMICO
RAPIDO
MUESTREO CAPACITACION MEJOR
ERROR CONTROLABLE
PARTE DEL UNIVERSO
Todo el universo
Costoso
CENSO Resultado no inmediatos
Error a veces no controlable
Base para muchas encuestas
110
Muestreo Aleatorio Simple (MAS)
Con reposición
Sin reposición - MIA
Características:
 Asigna probabilidades iguales de selección.
 Necesita listado de unidades (Marco de muestreo).
 Utiliza tabla de números aleatorios, urnas con bolas,
generación de números aleatorios por computadora, etc.
 Eficiente sólo en poblaciones homogéneas.
 Aplicable en encuestas de pequeña escala.
 Forma parte de diseños de muestra más complejos.
En un muestreo aleatorio simple sin reposición, a cada elemento de la

población corresponde la misma probabilidad de ser seleccionada para
integrar la muestra y esto se denotará así: p = n/N, (n: tamaño de la muestra y
N: tamaño de la población)
V. Ibañez 111
Tamaño de Muestra
Donde:
Z: Nivel de confianza elegido
al 95% ó 99% (2σ ó 3σ)
p: Probabilidad de éxito
q: Probabilidad de fracaso
e: Error máximo permitido, se
establece a priori.
p+q=1 (p=50% y q=50%).
S2=(pq) es la varianza de la
distribución Binomial.
Factores para determinar el
tamaño de muestra
El tamaño de muestra depende de:
RESTRICCIONES
Coeficiente de Confianza
Se obtiene de
la Tabla “Z”
con α = 0.05
Se obtiene de
la Tabla “Z”
con α = 0.01
Relación en una Muestra Aleatoria
117
ERROR
ERROR
Ejemplo de tamaño de muestra al estimar
la media de la población
Supongamos que queremos conocer el gasto anual
promedio de la población (N = 2500) que destina a la
recreación que estimamos (basándonos en trabajos
anteriores) la desviación estándar de la población es $
400, con un nivel de confianza o certeza del 95% de que la
media muestral se encuentra dentro de $45 de la
verdadera media de la población.
DATOS: Como N<100000, entonces corresponde a

población finita. Se usa la siguiente fórmula:
Z 2  N  S
2 2 Nivel de Confianza del 95% (Z = 1.96).
n Desviación Estándar: σ = 400
E N  S Z 2
2 2 2
Precisión: 45%.
Reemplazando los datos a la fórmula:
Z 2 2  N  S 2 2
(1.96) (2500 )(400) 2
n   271
E N  S Z 2
2 2 2
(45) (2500 )  (1.96) (400)
2 2 2
Usando EPIDAT v4.1
V. Ibañez y J. Paredes 121

Ingreso de datos - EPIDAT v4.1

Resultado con EPIDAT v4.1
Z 2  N  S
2 2
(1.96) 2 (2500 )(400) 2
n   271
E 2 N  S 2 Z 2 2 (V.45 2
) (y2500
Ibañez )  (1.96) (400)
J. Paredes
2 2
123
EJEMPLO DE TAMAÑO DE MUESTRA
Se tiene una población de 10,000 estudiantes de la Fac. de

Ciencias Sociales, y se desea determinar el tamaño de
muestra para establecer la prevalencia de una enfermedad,
con una precisión del 5% para un nivel de confianza del 95%.
Se supone que el 30% de los estudiantes estarán afectados:
DATOS: Como N<100000, entonces corresponde a

Nivel de Confianza del 95% (Z = 1.96).
Prevalencia Esperada: p=30%.
Precisión: 5%.
2
Z 2 Npq
n
e ( N  1)  Z 2 pq
2 2
2
(1.96) (10000 )(0.30)(0.70)
  312 .64  313
(0.05) (9999 )  (1.96) (0.30)(0.70)
2 2
Usando EPIDAT v4.1

Ingreso de datos para calcular tamaño de muestra
2
(1.96) (10000 )(0.30)(0.70)
n  312.64  313
(0.05) (9999 )  (1.96) (0.30)(0.70)
2 2
Tamaño de muestra en poblaciones Infinitas
Un médico desea investigar sobre los accidentes de motos,

para ello quiere tomar una muestra con un nivel de confianza
del 95% y que no exceda un error del 2%. ¿Qué tamaño de
muestra tendrá que estimar, si la proporción del error es del
4%?
DATOS: Como N no se conoce, entonces corresponde a

población infinita. Se usa la siguiente fórmula:
2 Nivel de Confianza del 95% (Z = 1.96).

Z  2 pq Proporción de éxitos: p=4%
n 2 Proporción de fracaso: q = 1 – p = 96%
e Error: 2%.
2
Z  2 pq 2
(1.96) (0.04)(0.96)
n 2
 2
 368 .79  369
e (0.02)
Usando EPIDAT v4.1
Ingreso de datos para calcular tamaño de muestra
INFINITO
2
Z  2 pq 2
(1.96) (0.04)(0.96)
n 2
 2
 368 .79  369
e (0.02)
Ejemplo
Se desea estimar la prevalencia de tuberculosis en los
diferentes Hospitales de 500 personas, con un error máximo
del 5% y un intervalo de confianza del 95%. Basados en
estudios previos, se espera una prevalencia del 10%.
DATOS: Como 500<100000, entonces corresponde a
2 Nivel de Confianza: 95% (Z = 1.96).

Z Npq
2
n Proporción de éxitos: p=10%
e ( N  1)  Z pq
2 2
2
Proporción de fracaso: q = 1 – p = 90%
Error: 5%.
V. Ibañez 132
Usando EPIDAT v4.1

Usando EPIDAT v4.1

Muestreo Sistemático
Simple Es más sencillo que muestreo aleatorio simple,
pero normalmente produce un resultado igual de
Circular bueno: se pueden usar los mismos métodos de
Características: estadística inferencial
 Asigna probabilidades iguales de selección.
 No siempre necesita listado de unidades.
 No requiere tabla de números aleatorios, ni urnas con bolas, ni generación
de números aleatorios por computadora, etc.
 Eficiente sólo en poblaciones homogéneas.
 La muestra se distribuye uniformemente en toda la población, siempre que
exista una “buena” ordenación en el marco de muestreo .
 Aplicable en encuestas de pequeña escala y en la selección en campo.
 Forma parte de diseños de muestra más complejos.
 Es equivalente al MIA cuando la ordenación es “aleatoria”. Por tanto,
utiliza las mismas fórmulas.
Arranque aleatorio consiste en:
- Enumerar los elementos de la población
- Determinar la relación de muestreo
V. Ibañezdenotado
y J. Paredespor k. (k = N/n) 135
Selección de Muestreo Sistemático
N = Tamaño de la población.
n = Tamaño de la muestra
K=N/n
NO SI
K es Entero
Elíjase a un número aleatorio entre 1 y N. Elíjase a un número aleatorio entre 1 y k.

Denominaremos a este número con r. Denominaremos a este número con “r”
que es el arranque.
La muestra está formada por las unidades r,

r+k, r+2k, r+3k,…. Llamado CÍCLICA (avanza Las unidades de la muestra son la r, r+k,
hacia adelante hasta cubrir a toda la r+2k, r+3k,….
población)
V. Ibañez 136
Muestreo sistemático
137
Ejemplo:
Suponga que se tiene un marco de muestreo (N) de 108

N 108
con grado de magister y se quiere tomar una muestra n =
15. Se tomará una muestra sistemática de 1 en 7.
k    7.2  7
n 15
Supongamos el arranque en 4.
138
Ejemplo:
Se quiere obtener una muestra sistemática que seleccione a
los egresados de la E.P. de Arquitectura de la UNA – Puno,
que tiene una población de 1200 de ellos. La variable de
estudio es dicotómica y se aduce que la proporción es del
25%, además se quiere un error del 4% y una confiabilidad de
90%.
Como N = 1200 < 100 000, entonces corresponde a poblaciones FINITAS.
Z 2 2 Npq (1.64) 2 (1200 )(0.25)(0.75)
no  2   249.8  250
e ( N  1)  Z  2 pq (0.04) (1199 )  (1.64) (0.25)(0.75)
2 2 2
no 250
Sí   20.83%  10% entonces se realiza la corrección con la siguiente fórmula :
N 1200
no 250
n   207.04  207 El tamaño de muestra
no  1 249
1 1 definitivo es: no = 207
N 1200 139
Ejemplo:
1200
Luego se calcula el SALTO k   5.8  6
207
Se procede a seleccionar al azar un número entre 1 y 6
aleatoriamente, los método son múltiplos. Dado que el tamaño de
muestra requerido es n = 207, entonces se calcula la proporción
(n/N) = 207/1200 = 17.25 se aproxima a 17% que necesita EPIDAT
v4.1 por fases.
Usando EPIDAT v4.1
140
Ingreso de datos en EPIDAT v4.1
Salida en Excel
Selección
11
16
21
26
31
36
41
46
51
56
61
66
71
76
81 141
Resultados del EPIDAT v4.1
MUESTREO SISTEMÁTICO EN FASES – EPIDAT v4.1
143
Número de los sujetos seleccionados con EPIDAT v4.1
144
Muestreo Aleatorio Estratificado (MAE)
V. Ibañez 145
Muestreo Estratificado
Población (N)
N2 N3
N1 ........ NL
n1 n2 n3 nL
n = n1 + n2 + n3 +.........+ nL
V. Ibañez 146
ESTRATOS Homogéneos en su interior; diferentes
entre sí en propiedades y tamaño.
Comuna B
Comuna A
Comuna C
Comuna D
Los estratos más grandes tienen mayor probabilidad de

ser representados.
Criterio para estratificación
 HOMOGENEIDAD:
Entre elementos de un mismo estrato
 HETEROGENEIDAD:
Entre estratos
 INDEPENDENCIA:
Entre estratos al seleccionar la muestra
V. Ibañez 148
Ejemplo de Aplicación:
Se quiere conocer el grado de aceptación de los nuevos planes de
estudio por la población universitaria de la Región. Para tal fin se
escoge una muestra integrada por 2289 estudiantes de la UNA-
Puno. La muestra se afija entre las distintas carreras de manera
proporcional al número de estudiantes registrados en dichas
carreras. Para ello se multiplica la proporción que representa cada
uno de los estratos (carreras diferenciadas) por el tamaño
muestral 2289, obteniéndose el tamaño de muestra para cada
estrato.
a) Tamaño de muestra.
Fórmula para calcular el tamaño de muestra por estratos si n0/N10%
p = Proporción de estudiantes con los nuevos planes 57.80% 2
q = Proporción de estudiantes que no están de acuerdo: 42.2% Z Npq
2
e = Es el error de precisión: 2%
no 
e ( N  1)  Z pq
Z = Es el nivel de confiabilidad al 95% (2σ)=1.96 2 2
n0 = Tamaño de muestra sin corregir.
n = Tamaño de muestra corregida. V. Ibañez 2
Como N = 98953 < 100 000, entonces se aplica la fórmula de tamaño de
muestra para poblaciones FINITAS.
Z 2 2 Npq (1.96) 2 (98953)(0.578)(0.422)

no  2   2288 .4  2289
e ( N  1)  Z  2 pq (0.02) (98952 )  (1.96) (0.578)(0.422)
2 2 2
no
Sí  10% entonces se realiza la corrección con la siguiente fórmula :
N
n0
n
n0  1
1
N
n o 2289
En nuestro caso   2.3%  10% entonces no se realiza la corrección de tamaño de muestra.
N 98953
El tamaño de muestra definitivo es: no = 2289

V. Ibañez 150
b) Asignación proporcional de la muestra.
El número de estudiantes que se asignará a cada carrera, se Nh
obtiene utilizando la asignación proporcional, con la n h  Wh x n  x n
siguiente fórmula: N
ASIGNACIÓN PROPORCIONAL DE LA MUESTRA, SEGÚN LAS CARRERAS
Nh Nh
CARRERAS POBLACIÓN (N) Wh  nh  n
N N
Medicina Humana 4535 0.0458298 105

Topografía y Agrim. 4983 0.0503572 115
Med. Veterinaria y Zoot. 2682 0.0271038 62
Derecho 18600 0.1879680 430
Economía 13755 0.1390054 318
Sociología 6888 0.0696088 159
Ciencias de la Comunicación 4567 0.0461532 106
Sistemas 10613 0.1072529 246
Electrónica 6063 0.0612715 140
Estadística e Informática 13900 0.1404707 322
Química 5568 0.0562691 129
Físico - Matemático 2411 0.0243651 56
Biología 4388 0.0443443 102
TOTAL V. Ibañez98953
y J. Paredes n= 151
2289
Usando EPIDAT v4.1
V. Ibañez 152
Ingreso de Információn

Resultados con EPIDAT v4.1
V. Ibañez 154
Asignar el número de muestras a cada carrera, según
el Muestreo Aleatorio Estratificado
V. Ibañez 155
Recuperar el archivo en Excel: Nombre de Carreras y
la población por Carreras (Estratos)
V. Ibañez 156
Recuperar el archivo en Excel: Nombre de Carreras y
la población por Carreras (Estratos)
V. Ibañez 157
Salida de resultados por Estrato en Archivo

Tamaño de muestra estimado por cada Estrato

Salida en Archivo todas las unidades de muestreo,
según la Carrera (Estrato)
ESCUELAS POBLACIÓN Selección Probabilidad Ponderación
Medicina Humana 4535 15 2.315325248 43.19047619
Medicina Humana 4535 191 2.315325248 43.19047619
Medicina Humana 4535 291 2.315325248 43.19047619
Medicina Humana 4535 373 2.315325248 43.19047619
Topografía 4983 82 2.307846679 43.33043478
Topografía 4983 146 2.307846679 43.33043478
Topografía 4983 220 2.307846679 43.33043478
Veterinaria 2682 11 2.311707681 43.25806452
Veterinaria 2682 38 2.311707681 43.25806452
Veterinaria 2682 135 2.311707681 43.25806452
Veterinaria 2682 182 2.311707681 43.25806452
Derecho 18600 36 2.311827957 43.25581395
Derecho 18600 84 2.311827957 43.25581395
Derecho 18600 117 2.311827957 43.25581395
Economía 13755 59 2.311886587 43.25471698
Economía 13755 68 2.311886587 43.25471698
Economía 13755 82 2.311886587 43.25471698
Sociología 6888 6 2.308362369 43.32075472
Sociología 6888 20 2.308362369 43.32075472
Sociología 6888 126 2.308362369 43.32075472
Sociología 6888 149 2.308362369 43.32075472
Antropología 4567 35 2.320998467 43.08490566
Antropología 4567 44 2.320998467 43.08490566
Antropología 4567 47 2.320998467 43.08490566
Sistemas 10613 7 2.317911995 43.14227642
Sistemas 10613 16 2.317911995 43.14227642
Sistemas 10613 33 2.317911995 43.14227642
Electrónica 6063 6 2.30908791 43.30714286
….. ….. ….. ….. …..
Biología 4388 4236 2.324521422 43.01960784
Biología 4388
Biología 4388
V. Ibañez y4268
J. Paredes
4312
2.324521422
2.324521422
43.01960784
43.01960784
160
Muestreo de Conglomerados
 A veces muestreo aleatorio simple, sistemático o estratificado no
es posible, ya que se requieren listas (totales o por estratos) y/o en
muchos casos esas listas no existen o no son accesibles
legalmente o por política de la empresa no son públicas.
 Pero sí existen listas de “grupos heterogéneos de sujetos”, o

conglomerados. Ejemplo, en las instituciones fiscalizadoras.
 Hacemos muestreo aleatorio de conglomerados.
 Dentro de los conglomerados elegidos: todos los elementos, o

muestreo aleatorios simple.
V. Ibañez 161
• Características
• Las unidades de muestreo suelen ser un grupo de elementos que
comúnmente llamado conglomerado de elementos. El muestreo de estas
unidades es llamado muestreo de conglomerados.
• El marco de muestreo es una lista de conglomerados
• La medición se realiza a todos los elementos del conglomerado
seleccionado.
• Se utiliza en las investigaciones por muestreo a gran escala
Ventajas
• Reduce el costo del muestreo, al no utilizar una lista de elementos de la
población (marco) y sólo una lista de conglomerados que es más fácil y
más barato de obtener.
• Reduce el tiempo de la organización y ejecución del trabajo de campo.
V. Ibañez 162
Población Conglomerado Elemento
Se utiliza cuando la población se encuentra dividida,
de manera natural, en grupos que se supone que
contienen toda la variabilidad de la población

Criterio para la conglomeración
 Homogeneidad: (Entre)
Entre conglomerados
 Heterogeneidad: (Dentro)
Entre elementos del mismo conglomerado
V. Ibañez 165
Diferencia con estratos:
En conglomerados son heterogéneos internamente; no interesa
particularmente diferencias; es sólo un medio de tomar datos más
económico y simple
Requisitos: Los conglomerados deben ser lo más heterogéneos

posibles internamente; muy parecidos entre sí. Esto nunca es del
todo así, sobre todo conglomerados geográficos, por ejemplo la
gente igual vive junta (barrios, ciudades).
Resultados: Mayor error muestral que el muestreo aleatorio simple.

Métodos de inferencia: diferentes.
V. Ibañez 166
Ejemplos de Unidades Primarias y Unidades
Secundarias de Muestreo.

Ejemplo: “Conteo rápido de votos”
 Selección de una muestra sistemática de mesas de
sufragio, inmediatamente después del proceso de
elecciones.
 Población: Los electores que participaron en la votación.
 Conglomerado: mesa de sufragio.
 Elemento: elector.
 Unidad reportante: Acta electoral.
 Marco de muestreo: Listado de mesas de sufragio
ordenados por ubicación geográfica.
V. Ibañez 168
EJEMPLO:
Supóngase que se desea obtener una muestra de
aproximadamente de 120 estudiantes de un instituto de Enseñanza
Media que tiene 966 alumnos registrados y que los alumnos están
distribuidos en 21 aulas de tamaños variables y conocidos.
La distribución de los 966 alumnos registrados, según aulas y
cursos es la siguiente:

EJEMPLO:
En el archivo excel INSTITUTO.xls, existe una hoja
MC que contiene la lista de las 21 aulas y los tamaños
de muestras. Nótese que el campo que contiene los
conglomerados no tiene que ser numérico (en este
archivo, el campo se llama AULA, estos están
identificados por los códigos que señalan de qué aula
se trata dentro de cada curso). Se ingresa el tamaño
de muestra (n = 120) y Epidat 4.1, aplica un muestreo
simple aleatorio para seleccionar 3 de los 21 grupos.
Este número es el resultado de dividir el tamaño de la
muestra (120) por el número medio de unidades de
análisis de las Unidades de Primera Etapa (UPE)
(966/21=46) y luego 120/46=2.6 ≈ 3.
170
Usando EPIDAT v4.1
171
Hacer Clic
172
Muestreo por conglomerados bietápico
 El método se considera como un sub-muestreo y se trata
de una modificación del método de muestreo por
conglomerados.
 A los conglomerados que resultan de la primera división se
denomina UNIDADES PRIMARIAS, los de la segunda
UNIDADES SECUNDARIAS, y así sucesivamente.
 Los conglomerados pueden ser de igual o de diferentes
tamaños, siendo el último caso el más generalizado.
 El proceso de selección, se realiza por etapas sucesivas en cada una
de las etapas; se utiliza una unidad diferente y las unidades finales
nos permiten la realización de la encuesta para la recolección de
información.
V. Ibañez 173
EJEMPLO:
Se quiere obtener una muestra de n=120 estudiantes del
instituto. Dicho instituto tiene 966 alumnos registrados, tomando
el mismo número de sujetos de cada una de las 10 aulas
elegidas mediante MAS. La hoja MC del archivo INSTITUTO.xls
contiene la lista de las 21 aulas y los tamaños de ellas. En este
caso, donde la muestra no es equiprobabilística, las
probabilidades de selección (y sus inversos, las ponderaciones)
varían de unos conglomerados a otros. Para el aula 1.1, la
probabilidad de cada uno de los 12 alumnos elegidos es
0.089286, resultante de multiplicar 10/21 (probabilidad de
selección del conglomerado) por 12/30 (probabilidad de
selección del alumno); consecuentemente, la ponderación para
estos 12 individuos es 11.20 (inverso de 0,089286):
Usando EPIDAT v4.1

Usando EPIDAT v4.1

V. IbañeZredes 177
INSTRUMENTOS
DE MEDICIÓN
V. Ibañez 178
179
LA OBSERVACIÓN
Es una técnica que consiste en visualizar

o captar a través de la vista, en forma
sistemática cualquier hecho, situación o
fenómeno que ocurra en la naturaleza o la
sociedad. Registro de observación:
Listado de ítems relacionados con los
objetivos.
INSTRUMENTOS DE LA OBSERVACIÓN
LA ENTREVISTA
Es una técnica exclusiva de las ciencias

humanas, basada en el diálogo o
conversación. Es conveniente usarla
cuando el número de informantes es
pequeño. Guía de entrevista, preguntas
abiertas.
INSTRUMENTOS DE LA ENTREVISTA
LA ENTREVISTA
VENTAJAS DESVENTAJAS
1. Cara a cara. Incrementa la 1. La muestra debe ser
credibilidad. pequeña
2. Es dinámica. Permite la 2. El tiempo nunca alcanza.
Improvisación. El entrevistado tiende a
3. Se puede profundizar el extenderse.
tema. 3. Recoge opiniones de un
4. Son pocos los solo grupo, no de una
entrevistados. población
5. Recupera opiniones 4. La opinión es decisiva.
personales.
LA ENCUESTA
Es un método en el cual se solicita la

información a través de un formato
estandarizado de preguntas con espacio
para reportar sus respuestas. Permite
recoger información clara y precisa. Se
puede aplicar personalmente o por correo,
en forma individual o grupal.
INSTRUMENTOS DE LA ENCUESTA
LA ENCUESTA
VENTAJAS DESVENTAJAS
1. La encuesta puede ser 1. Su estructura es

grande. estática. No realiza a
2. Reúne opiniones profundidad.
grupales. 2. El procesamiento de
3. Existe variedad de los datos es
opiniones complejo.
4. El tiempo de 3. Menor confiabilidad.
recolección de la 4. Mayor inversión en
información es corto. material.
Construcción de un instrumento de recolección
de datos
VARIABLE DIMENSIÓN INDICADOR Nº DE ÍTEMS ÍTEM/REACTIVOS CATEGORÍAS
DESEMPEÑO ORIENTACIÓN DE
LABORAL RESULTADOS
Trabajo oportuno 3 1. ¿Termina su trabajo oportunamente? Muy bueno
2. ¿Cumple con las tareas que se les
Cumplimiento de tareas Bajo
encomienda?
3. ¿Realiza un volumen adecuado de
Moderado
trabajo?
CALIDAD Errores en el trabajo 5 4. ¿No comete errores en el trabajo? Alto
5. ¿Hace uso racional de los recursos? Muy alto
Uso racional de los recuros
Supervisión frecuente 6. ¿No requiere de supervisión frecuente?
Profesionalismo en el 7. ¿Se muestra profesional en el trabajo?

trabajo
Respetuoso y amable en el 8. ¿Se muestra respetuoso y amable en el
trabajo trato?
RELACIONES Es cortes con sus 9. ¿Se muestra cortés con los clientes y
INTERPERSONALES compañeros
3 con sus compañeros?
Brinda una adecuada 10. ¿Brinda una adecuada orientación a
orientación a los clientes los clientes?
Conflictos dentro del 11. ¿Evita los conflictos dentro del equipo?
equipo
REQUISITOS DE LOS INSTRUMENTOS DE
RECOLECCIÓN DE DATOS
Es aquel que registra datos observables de las

variables en estudio.
Debe cumplir con dos características
fundamentales, la confiabilidad y la validez.
REQUISITOS DE LOS INSTRUMENTOS DE
RECOLECCIÓN DE DATOS
La valoración de la validez implica el

análisis de la metodología utilizada en el
estudio para determinar el rigor con que
ha sido diseñado y realizado y, por tanto,
el grado de solidez de las evidencias que
proporciona.
¿Qué entendemos por medir?
 Medir “es asignar números a objetos y eventos
de acuerdo a reglas” (Stevens 1951)
 Actualmente medir es “el proceso de vincular
conceptos abstractos con medidores
empíricos” (Carmines y Zeller 1979)
 Un instrumento de medición adecuado es
aquel que registra datos observables que
representan verdaderamente los conceptos o
variables que el investigador tiene en mente.
EL INSTRUMENTO DE MEDICIÓN
EL INSTRUMENTO DE MEDICIÓN
CONFIABILIDAD
CONFIABILIDAD
CONFIABILIDAD: Exactitud y precisión del

instrumento de medición.
Depende de:
*Características del procedimiento de medición
*Características de la variable que se mide
*Características de los sujetos y observadores
CONFIABILIDAD
METODOS PARA ESTIMAR LA

CONFIABILIDAD:
* Aplicación y reaplicación del instrumento

* Cotejo intra observador
* Instrumentos paralelos equivalentes
* Cotejo entre observadores
VALIDEZ
La validez de un
instrumento no se
Se refiere al grado “establece”, sino que
en que un se sustenta en un
mayor o menor grado
instrumento mide de evidencia. Un
lo que se supone investigador no valida
debe medir. al instrumento per se,
sino la aplicación del
mismo.
VALIDEZ
EN UNA INVESTIGACIÓN SE PRETENDE:

Validez interna: Contestar la pregunta de
investigación y tener exactitud
en las conclusiones, y
Validez externa: Posibilidad de generalizar
conclusiones
ANÁLISIS DE ÍTEMS
ÍNDICE DE DIFICULTAD DE ÍTEM
Es la proporción de sujetos que responden un ítem con
respecto al total de sujetos que contestaron el instrumento,
se expresa con la fórmula siguiente:
SRCI ÍNDICE DE INTERPRETACIÓN DEL
ID  100 DIFICULTAD
ID < 40
ÍTEM
DIFÍCIL
N 40 ≤ ID ≤ 60 MEDIANA DIFICULTAD
Donde: 61 ≤ ID ≤ 89 FÁCIL
ID : Índice de dificultad. ID ≥ 90 MUY FÁCIL
SRCI : Nº de sujetos que respondieron correctamente al ítem.

N : Nº de sujetos que respondieron la prueba.
ANÁLISIS DE ÍTEMS
ÍNDICE DE DISCRIMINACIÓN DE ÍTEM
La discriminación del ítem, se refiere al poder de un reactivo
para separar a aquellos sujetos que tienen dominio del
rasgo que mide el ítem en comparación con aquellos que no
tienen tal dominio.
ÍNDICE DE
RCGS  RCGI
INTERPRETACIÓN DEL ÍTEM
DISCRIMINACIÓN
D D < 0.0 NO DISCRIMINA Y DEBE ELIMINARSE
N gi 0.0 ≤ D ≤ 0.19 NO DISCRIMINA Y NO DEBE USARSE
NO DISCRIMINA BIEN, PERO SÍ SE

0.20 ≤ D ≤ 0.29
REVISA PUEDE USARSE.
DISCRIMINA BIEN
0.30 ≤ D ≤ 0.39
Donde: D ≥ 0.4 DISCRIMINA MUY BIEN
D : Índice de discriminación del ítem

RCGS: Nº de respuestas correctas en el grupo superior.
RCGI: Nº de respuestas correctas en el grupo inferior.
Ngi : Tamaño de uno de los grupos.
ANÁLISIS DE ÍTEMS
ÍNDICE DE HOMOGENEIDAD DEL ÍTEM (IH)
El índice de homogeneidad de un ítem, informa el grado en que el ítem
está midiendo, similar a la globalidad del test; es decir, el grado en
que es consistente, homogéneo con el total de la prueba.
ni 1 xi X  i 1 xi i 1 X
n n n
IH  rix 
 n 2  n 2   n 2  n  
2
n xi    xi   n X i    X i  
 i 1  i 1    i 1  i 1  
ÍNDICE DE
INTERPRETACIÓN DEL ÍTEM
HOMOGENEIDAD
IH < 20 EL ÍTEM DEBE ELIMINARSE
0.21 ≤ IH ≤ 0.60 MEDIACIÓN REGULAR
IH ≥ 0.61 MEDICIÓN BUENA
VALIDEZ Y
CONFIABILIDAD DE
LOS
INSTRUMENTOS
CONFIABILIDAD DE INSTRUMENTOS
 La confiabilidad es una medida de determinación de la
ESTABILIDAD y la CONSISTENCIA INTERNA del instrumento.
 Un instrumento es estable si, aplicado repetidas veces a los
mismos fenómenos, bajo las mismas condiciones, arroja
resultados consistentes (congruentes).
 Consistencia interna propiedad del instrumento según la cual,
cada parte del mismo mide de la misma manera que las otras
partes.
CONFIABILIDAD INTERPRETACIÓN
0.01 a 0.20 MUY BAJA
0.21 a 0.40 BAJA
0.41 a 0.60 MODERADA
0.61 a 0.80 ALTA
0.80 a 1.00 MUY ALTA
ALFA DE CRONBACH
Para evaluar la confiabilidad es común emplear el
COEFICIENTE ALFA DE CRONBACH, cuando las alternativas
de respuestas son policotómicas, como la escala de tipo
Likert que puede tomar valores entre 0 y 1. Donde:
Confiabilidad nula = 0 y confiabilidad total = 1. El coeficiente
α de Cronbach, se calcula por medio de la varianza de los
ítems, y la varianza del puntaje total.
α: Coeficiente de confiabilidad de la  k
2
prueba o cuestionario. K   Si 
K : Nº de ítems del instrumento.  1  i 1 2 
S2t : Varianza total del instrumento (filas). K 1  St 
∑S2i: Suma de las varianzas de los  
ítems (columnas).
EJEMPLO
Se tiene un cuestionario para evaluar la aceptación de una
asignatura con tres preguntas y se desea saber si los datos
que se obtienen a partir de esta herramienta son confiables.
Para evaluar la fiabilidad de este cuestionario, se aplicó a 10
personas de una muestra similar. Las preguntas y los
resultados se muestran a continuación:
1.- ¿El curso ha respondido a sus expectativas?

1 Muy poco ( ) 2 Poco ( ) 3 Regular ( ) 4 Aceptable ( X ) 5 Muy aceptable ( )
2.- ¿Los expositores conocen el tema?

1 Muy poco ( ) 2 Poco (X) 3 Regular ( ) 4 Aceptable ( ) 5 Muy aceptable ( )
3.- ¿Se desarrolló de acuerdo a lo programado?

1 Muy poco ( ) 2 Poco ( ) 3 Regular ( ) 4 Aceptable ( X ) 5 Muy aceptable ( )
EJEMPLO – Aplicación - Cronbach
MATRIZ DE DATOS
Nº DE PREG. Nº TOTAL
PREG. Nº 2 PREG. Nº 3
ENCUESTADOS 1 FILAS
1 4 2 4 10
2 2 1 3 6
3 3 1 2 6
4 2 2 2 6
5 2 1 4 7
6 1 1 3 5
7 2 4 4 10
8 3 3 4 10
9 4 4 3 11
10 1 1 1 3
Total Columnas 24 20 30 74
Varianza Poblac. (Si) 1.040 1.400 1.000 3.44
Nº Preguntas: K = 3 Varianza (t) = 6.440
Si2  (S12  S22  S32 )  (1.04  1.4  1.0)  3.44
t 10 10
 
E  ( Ei )
k
2 2
N K  S 2

612  (74) 2 10
i i
  1  i 1

S t
2
 i 1 i 1
  6.44 K 1  S t2  0.6988
N 10 
 

Aplicación – Cronbach – SPSS v23
Aplicación – Cronbach – SPSS v23
Estadísticas de fiabilidad
Alfa de
Cronbach
basada en
Alfa de elementos
Cronbach estandarizados N de elementos
.699 .700 3
INTERPRETACIÓN:
El resultado nos indica que la prueba (instrumento de
investigación) es α = 0.699, por lo tanto, se aproxima a ser
confiable.
MÉTODO TEST - RETEST
Es la estimación de la confiabilidad de un test o cuestionario
que es administrarlo dos veces al mismo grupo y
correlacionar las puntuaciones obtenidas.
n n n
X i  Yi  ( X i )( Yi ) n
rxy  i i 1 i 1
n 2 n
  n n

 X i  ( X i ) n  Yi  ( Yi ) n 
2 2 2
 i1 i 1   i 1 i 1 
rxy : Es el coeficiente de correlación.

Xi : Valores de X (Primera aplicación).
Yi : Valores de Y (Segunda aplicación)
n : Número de sujetos.
PROCEDIMIENTO DE DOS MITADES
(DIVISIÓN DE ÍTEMS EN PARES E IMPARES)
a) Se calcula el Índice de Correlación (Pearson)

n n n
I i  Pi  ( I i )( Pi ) n
rIP  i i 1 i 1
n 2 n
  n n

 I i  ( I i ) n  Pi  ( Pi ) n
2 2 2
 i 1 i 1   i 1 i 1 
b) Corrección de r con la ecuación de Spearman – Brown
2r
R
1 r
Ejemplo – Aplicación
MATRIZ DE DATOS
Nº DE PREG. Nº TOTAL TOTAL PRODUCTO
PREG. Nº 2 PREG. Nº 3 I2 P2
ENCUESTADOS 1 IMPAR (I) PAR (P) (I)x(P)
1 4 2 4 8 2 16 64 4
2 2 1 3 5 1 5 25 1
3 3 1 2 5 1 5 25 1
4 2 2 2 4 2 8 16 4
5 2 1 4 6 1 6 36 1
6 1 1 3 4 1 4 16 1
7 2 4 4 6 4 24 36 16
8 3 3 4 7 3 21 49 9
9 4 4 3 7 4 28 49 16
10 1 1 1 2 1 2 4 1
10 10 10 10 10
Total I
i 1
i  54 P
i 1
i  20  I  P  119  I
i
i i
i 1
i
2
 320  Pi 2  54
i 1
Ejemplo – Aplicación
10 10 10
 I  P  ( I )( P )
i i i i 10
119  (54)(20) 10
rIP  i i 1 i 1
  0.5517
 10 10
 10 10
 320  (54) 1054  (20) 10
2 2
 i  i    i  
2 2 2 2
I ( I ) 10 P ( Pi ) 10 
 i 1 i 1  i 1 i 1 
Índice de correlación de Pearson ( r ) = 0.5517

Corrección por Spearman-Brown ( R = 2r/1+r) = 0.7111
R = 0.71, demuestra la confiabilidad del instrumento,

mientras más cerca de 1 está R, más alto es el grado
de confiabilidad.
BIBLIOGRAFÍA CONSULTADA
COCHRAN, G.W. (1980). “Técnicas de Muestreo”. Edit.
Continental. México.
DE LA TORRE, C. (2015). “Seminario de Tesis I”. UNSAAC
– Cusco – Perú.
DE LA TORRE, C. (2015). “Instrumentos en la Investigación
Científica”. UNSAAC – Cusco – Perú.
IBAÑEZ, V. y ZEA, W. (1997). “Muestreo”. Edición Primera.
FINESI - UNA-Puno.
RAMOS, J. “Diseños de Muestreo”. V Coloquio FINESI-
UNA-Puno. E-mail: jramos@correo.ulima.edu.pe
ZEA, F.W. e IBAÑEZ, Q.V. (2003). "Tablas Estadísticas".
Segunda Edición. Edit. Universitaria. Fac. Cs. Agrarias -
FINESI. UNA - Puno.
V. Ibañez 219

Expo Epita Investigacion 2016

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Expo Epita Investigacion 2016

Diunggah oleh

Hak Cipta:

Format Tersedia

Ciencias Agrarias

E.P. Ing. Topográfica y Agrimensura

Vladimiro Ibañez Quispe, Dr.

Los términos epistemología, gnoseología,

Se extiende desde Platón (428/429-347 a.C)

Publicaron la revista Erkentniss,

Piaget, clasifica a las teorías del conoci-

Las epistemologías metacientíficas, son

Las epistemologías científicas, es la

Blanché (1980), afirma que en la época

Es una clase o subconjunto del

Utiliza métodos basados en la lógica.

Heredia (1984), es el conocimiento

Ortega (1993), se basa en el

Todo proceso de conocimiento

Debería SER ≠~ES Problema

LA ESPECIFICIDAD.- Es el aspecto o los aspectos concretos

El problema es el punto de partida de la

El problema de investigación es el por qué

 Conjetura una relación entre la(s) variable(s)

Toda investigación siempre tiene límites.

Para formular los objetivos, usted debe

RECOMENDACIONES PARA FORMULACIÓN

 FORMULARSE EN VERBO INFINITIVO

Son tres elementos constitutivos, los

Pueden presentarse en diferentes secuencias.

OBJETIVO GENERAL: Identificar el

Poseer estrecha relación

Tener claridad, REQUISITOS DE Poseer delimitación

Ser Relación entre

El diseño de la investigación es una

Se administración EXPERIMENTOS PUROS:

El propósito es: TRANSECCIONALES O TRANSVERSALES:

- Diseños de tendencia (Trend)

Bueno: Personal asistencial

• Número de personas que componen.

Juicio u opinión Juicio del

Muestreo Sistemático Identificar a

¿Dónde estaba el centro de la

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

Sea X una variable aleatoria que se distribuye

2) Los puntos de inflexión están entre (±1).

Base para muchas encuestas

En un muestreo aleatorio simple sin reposición, a cada elemento de la

DATOS: Como N<100000, entonces corresponde a

Usando EPIDAT v4.1

V. Ibañez y J. Paredes 121

V. Ibañez y J. Paredes 122

Se tiene una población de 10,000 estudiantes de la Fac. de

DATOS: Como N<100000, entonces corresponde a

Usando EPIDAT v4.1

Un médico desea investigar sobre los accidentes de motos,

DATOS: Como N no se conoce, entonces corresponde a

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

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

V. Ibañez y J. Paredes 133

V. Ibañez y J. Paredes 134

Elíjase a un número aleatorio entre 1 y N. Elíjase a un número aleatorio entre 1 y k.

La muestra está formada por las unidades r,

Suponga que se tiene un marco de muestreo (N) de 108

Los estratos más grandes tienen mayor probabilidad de

Entre estratos al seleccionar la muestra

Z 2 2 Npq (1.96) 2 (98953)(0.578)(0.422)

El tamaño de muestra definitivo es: no = 2289