Curso propedutico de Estadstica
Ejercicio 3
Metodologa de la Investigacin
Curso 2016-1
Validacin de instrumentos de medicin para variables subjetivas
Introduccin
Antes de iniciar cualquier investigacin, debemos estar seguros que nuestro instrumento
de medicin es vlido, esto es, que el instrumento mida lo que realmente pretende medir.
Cada instrumento se valida de manera distinta, esto es porque la validacin de
instrumentos es un diseo especfico y particular para cada documento. En la figura 1 se
pueden observar los diversos niveles de validacin que se pueden aplicar al instrumento,
a su vez, estos niveles indican los mtodos de validacin interna (Contenido, confiabilidad
y constructo) y validacin externa (estabilidad, criterio y rendimiento).
1.- Validez de contenido.
Este mtodo cualitativo de validacin del instrumento, no requiere del uso de la
estadstica y se trata de una fase exploratoria del concepto que se desea medir (Supo J,
2013a).
De acuerdo a la propuesta metodolgica de Supo, la validacin por contenido debe de
progresar en funcin de estas tres posibilidades:
Revisin del conocimiento disponible (validez racional)
Juicio de expertos (validacin por expertos y/o jueces)
Aproximacin a la poblacin (validez de respuesta)
2.- Confiabilidad
La consistencia interna corresponde al nivel descriptivo de la investigacin y consiste en
calcular un ndice. Implica conocer qu proporcin de la varianza de los resultados
obtenidos en una medicin es varianza verdadera, se asume que toda condicin que no
es relevante para efectos de la medicin representa varianza error. Tenemos el Alfa de
Cronbach y el Kuder-Richardson (KR-20).
Dr. Javier Alonso Trujillo
Pgina 1
Curso propedutico de Estadstica
3. Validez de constructo
Corresponde al nivel relacional de la investigacin, porque aqu se realizan correlaciones
que son la base de su anlisis. Consiste en establecer grupos de tems que se definirn
como dimensiones. El anlisis factorial es exploratorio si plantea descubrir en los datos la
estructura subyacente que stos poseen, y es confirmatorio se conduce por teoras
sustantivas y por expectativas. Es muy comn utilizar el Anlisis factorial.
3. Validez de criterio
Equivale al nivel explicativo de la investigacin, porque se utiliza para evaluar un
instrumento respecto de otro. La validez de criterio externo es el grado de correlacin de
los resultados con un referente o Gold Standard. La validez concurrente fija el criterio en
el presente y la validez predictiva fija el criterio en el futuro. Se utilizan medidas de
asociacin con el ndice Kappa y medidas de correlacin como la R de Pearson.
4. Estabilidad
Es la analoga del nivel predictivo, las mediciones del instrumento deber independientes
de las circunstancias accidentales de la medicin. Repetibilidad significa que los
resultados de las mediciones sobre los mismos individuos hechas por el mismo evaluador
sean las mismas. Reproducibilidad significa que las evaluaciones realizadas a los mismos
individuos por distintos evaluadores sean los mismos.
5. Rendimiento
Es equivalente al nivel aplicativo de la investigacin, porque busca optimizar al
instrumento en pleno uso cotidiano. Optimizar el instrumento significa reducir el error a la
hora de emitir juicios de valor para la toma de decisiones. La curva ROC se construye en
base a distintos puntos de corte del instrumento, el punto de corte que nos ofrezca los
mayores valores de sensibilidad y especificidad ser el ms ptimo.
Objetivo.
Demostrar la validez interna y externa de un instrumento de medicin utilizando tres
mtodos;
1. Determinacin de la confiabilidad a travs de Alfa de Cronbach.
2. Determinacin de la validez de constructo aplicando el coeficiente de correlacin
de Pearson.
3. Determinacin de la Estabilidad aplicando el coeficiente de correlacin de
Pearson.
Material y mtodos
En este ejercicio, el cual se divide en tres secciones, utilizaremos datos reales e
hipotticos con la nica finalidad de que el estudiante conozca, aprenda y aplique los
mtodos de validacin a un instrumento de medicin de una variable subjetiva, para lo
cual se deber contar con el siguiente material:
Laptop o PC con Excel y SPSS.
Dr. Javier Alonso Trujillo
Pgina 2
Curso propedutico de Estadstica
Contexto del ejercicio.
En una investigacin del rea educativa, se construy un instrumento para medir la
variable Actitud hacia la investigacin cientfica en estudiantes de la licenciatura en
Enfermera. Dado que se trata de una variable subjetiva, esta se operacionaliz aplicando
la Teora de las escalas de medicin de Stevens, la Teora pragmtica de la construccin
de conceptos de Bridgman y la Teora clsica del test de Spearman.
El instrumento consisti de 3 dimensiones y cada una de ellas a su vez se integr de 5
items.
Dimensin A: Items 1 a 5 (se refieren a conocimientos tericos sobre investigacin
cientfica)
Dimensin B: Items 6 a 10 (se refieren a habilidades procedimentales en
investigacin cientfica )
Dimensin C: Items 11 a 15 ( se refieren a perspectivas profesionales como
investigador cientfico)
Para demostrar la validez del instrumento, se requirieron de dos pruebas piloto. Los datos
de cada una de ellas se muestran en las tablas 1 y 2. La prueba piloto 1 se le llama Test
y a la prueba piloto 2 se le llama Retest.
Seccin A. Determinacin de la confiabilidad a travs de Alfa de Cronbach.
La fiabilidad o confiabilidad implica conocer qu proporcin de la varianza de los
resultados obtenidos en una medicin es varianza verdadera.
Existen dos ndices de confiabilidad:
Alfa de Cronbach
Kuder-Richardson (KR-20)
El Alfa de Cronbach se utiliza cuando el instrumento est diseado bajo el formato
de una escala, esto es, cuando las opciones de respuesta corresponden a una
escala de medicin de tipo ordinal. El ndice KR-20 es aplicado a los instrumentos
cuando el objetivo es demostrar la confiabilidad de este, no obstante, el
instrumento deber estas diseado del tal manera que las opciones de respuesta
correspondan a una escala de medicin de tipo nominal.
Los resultados de confiabilidad a travs de Alfa de Cronbach sern interpretados de
acuerdo al siguiente criterio:
Valor del Alfa de Cronbach
Valor del Alfa de Cronbach
Valor del Alfa de Cronbach
Valor del Alfa de Cronbach
Valor del Alfa de Cronbach
Dr. Javier Alonso Trujillo
0
0.201
0.401
0.601
0.801
a
a
a
a
a
0.200
0.400
0.600
0.800
1.000
Consistencia muy dbil
Consistencia dbil
Consistencia moderada
Consistencia fuerte
Consistencia muy fuerte
Pgina 3
Curso propedutico de Estadstica
Para obtener el valor del Alfa de Cronbach de su instrumento para la prueba piloto 1 y 2,
desarrolle el siguiente procedimiento:
1.- A partir de su matriz de datos en Excel, copie las respuestas obtenidas en una hoja de
SPSS. (Nota: no copie los encabezados de las filas ni de las columnas, ya que eso no
corresponde a las respuestas obtenidas).
2.- Ejecute el siguiente algoritmo.
Analizar > Escala > Anlisis de fiabilidad > Traslade todas las variables a la caja de
elementos > Aceptar (Alfa de Cronbach est activa por default >
3.- Copie la salida y pguela aqu:
Estadsticos de fiabilidad
Alfa de
N de elementos
Cronbach
.817
15
Tabla 1. Valor de alfa de Cronbach de la Prueba piloto 1 Test
Realice el mismo procedimiento para los datos de la prueba piloto 2.
Estadsticos de fiabilidad
Alfa de
N de elementos
Cronbach
.744
15
Tabla 2. Valor de alfa de Cronbach de la Prueba piloto 2 Retest
Resultados:
Alfa de Cronbach Prueba piloto 1:
.817
Interpretacin: Consistencia muy fuerte
Alfa de Cronbach Prueba piloto 2:
.744
Interpretacin: Consistencia fuerte
Dr. Javier Alonso Trujillo
Pgina 4
Curso propedutico de Estadstica
Seccin B: Determinacin de la validez de constructo aplicando el coeficiente de
correlacin de Pearson o de Spearman (P/S).
La validez de constructo se determina demostrando que las diversas dimensiones que
constituyen al instrumento, en realidad aportan significado e intensin al instrumento
como tal.
Se deben de realizar correlaciones entre la sumatoria de cada una de las
dimensiones que integran al instrumento y el puntaje total del instrumento.
Interpretacin de resultados.
Los resultados de correlacin a travs del Coeficiente de Pearson sern interpretados de
acuerdo al siguiente criterio:
Coef. de corr. de P/S
Coef. de corr. de P/S
Coef. de corr. de P/S
Coef. de corr. de P/S
Coef. de corr. de P/S
0
0.201
0.401
0.601
0.801
a
a
a
a
a
0.200
0.400
0.600
0.800
1.000
Correlacin muy dbil
Correlacin dbil
Correlacin moderada
Correlacin fuerte
Correlacin muy fuerte
Para obtener el coeficiente de correlacin y la significancia estadstica para cada una de
las dimensiones que integran al instrumento antes que nada demuestre si presentan
distribucin normal. Obtenga en Excel la columna que contiene la sumatoria para cada
dimensin y total del instrumento. Copie las columnas y pguelas en SPSS.
Ejecute el siguiente algoritmo:
Analizar > Pruebas no paramtricas > Cuadro de dilogo antiguos > K-S de 1 muestra >
Traslade las 4 dimensiones a la lista de variables de prueba > Aceptar
Prueba de Kolmogorov-Smirnov para una muestra
DA
N
DB
DC
TOTAL1
32
32
32
32
Media
17.5313
17.6563
19.1250
54.3125
Desviacin tpica
2.38252
3.16849
2.91548
7.30196
Absoluta
.169
.199
.256
.210
Positiva
.088
.167
.135
.169
Negativa
-.169
-.199
-.256
-.210
Z de Kolmogorov-Smirnov
.954
1.128
1.448
1.188
Sig. asintt. (bilateral)
.322
.157
.030
.119
Parmetros normalesa,b
Diferencias ms extremas
a. La distribucin de contraste es la Normal.
b. Se han calculado a partir de los datos.
Prueba piloto 1:
- p de Dimensin A= .322 por lo tanto los datos se distribuyen normalmente: Coeficiente de Pearson
- p de Dimensin B= .157 por lo tanto los datos se distribuyen normalmente: Coeficiente de Pearson
- p de Dimensin A= .0.30 por lo tanto los datos se distribuyen NO normalmente: Coeficiente de Spearman
Prueba de Kolmogorov-Smirnov para una muestra
Dr. Javier Alonso Trujillo
Pgina 5
Curso propedutico de Estadstica
D1
N
D2
D3
TOTAL2
32
32
32
32
Media
17.2813
17.0938
18.3125
52.6875
Desviacin tpica
2.34499
3.14550
2.52008
6.62078
Absoluta
.112
.144
.294
.186
Positiva
.110
.087
.158
.086
Negativa
-.112
-.144
-.294
-.186
Z de Kolmogorov-Smirnov
.633
.817
1.665
1.053
Sig. asintt. (bilateral)
.817
.517
.008
.217
Parmetros normalesa,b
Diferencias ms extremas
a. La distribucin de contraste es la Normal.
b. Se han calculado a partir de los datos.
Prueba piloto 2:
- p de Dimensin A= .817 por lo tanto los datos se distribuyen normalmente: Coeficiente de Pearson
- p de Dimensin B= .517 por lo tanto los datos se distribuyen normalmente: Coeficiente de Pearson
- p de Dimensin A= .008 por lo tanto los datos se distribuyen NO normalmente: Coeficiente de Spearman
Si p > 0.05 los datos se distribuyen normalmente: Coef de Pearson.
Si p 0.05 los datos NO se distribuyen normalmente: Coef de Spearman.
2.- Copie y pegue las sumatorias de cada dimensin y del total del instrumento en una
hoja de SPSS.
3.- Ejecute el siguiente algoritmo.
Analizar > Correlaciones > Bivariadas > Traslade las 4 variables a la caja de variables >
Aceptar
4.- Analizar los resultados para responder el cuadro 1
Realice el mismo procedimiento para los datos de la prueba piloto 2.
Correlaciones
Dr. Javier Alonso Trujillo
Pgina 6
Curso propedutico de Estadstica
DA
Correlacin de
DA
Pearson
Correlacin de
Pearson
Sig. (bilateral)
N
Correlacin de
DC
Pearson
Sig. (bilateral)
N
Correlacin de
TOTAL1
Pearson
Sig. (bilateral)
N
Correlacin de
D1
Pearson
Sig. (bilateral)
N
Correlacin de
D2
Pearson
Sig. (bilateral)
N
Correlacin de
D3
Pearson
Sig. (bilateral)
N
Correlacin de
TOTAL2
DC
.559**
.580**
.001
32
.559**
Sig. (bilateral)
N
DB
DB
Pearson
Sig. (bilateral)
N
D1
D2
D3
.800**
.873**
.428*
.546**
.720**
.001
.000
.000
.015
.001
.000
32
32
32
32
32
32
32
.682**
.889**
.495**
.835**
.672**
.828**
.000
.000
.004
.000
.000
.000
.001
TOTAL1
TOTAL2
32
32
32
32
32
32
32
32
.580**
.682**
.885**
.584**
.554**
.921**
.821**
.001
.000
.000
.000
.001
.000
.000
32
32
32
32
32
32
32
32
.800**
.889**
.885**
.733**
.723**
.838**
.922**
.000
.000
.000
.000
.000
.000
.000
32
32
32
32
32
32
32
32
.873**
.495**
.584**
.733**
.390*
.525**
.739**
.000
.004
.000
.000
.027
.002
.000
32
32
32
32
32
32
32
32
.428*
.835**
.554**
.723**
.390*
.639**
.856**
.015
.000
.001
.000
.027
.000
.000
32
32
32
32
32
32
32
32
.546**
.672**
.921**
.838**
.525**
.639**
.870**
.001
.000
.000
.000
.002
.000
32
32
32
32
32
32
32
32
.720**
.828**
.821**
.922**
.739**
.856**
.870**
.000
.000
.000
.000
.000
.000
.000
32
32
32
32
32
32
32
.000
32
**. La correlacin es significativa al nivel 0,01 (bilateral).
*. La correlacin es significante al nivel 0,05 (bilateral).
Tabla 1. Para obtener el coeficiente de Pearson
Correlaciones
Dr. Javier Alonso Trujillo
Pgina 7
Curso propedutico de Estadstica
DA
Coeficiente de
DA
correlacin
Sig. (bilateral)
N
Coeficiente de
DB
correlacin
Sig. (bilateral)
N
Coeficiente de
DC
correlacin
Sig. (bilateral)
N
Coeficiente de
TOTAL1
correlacin
Sig. (bilateral)
Rho de
Spearman
Coeficiente de
D1
correlacin
Sig. (bilateral)
N
Coeficiente de
D2
correlacin
Sig. (bilateral)
N
Coeficiente de
D3
correlacin
Sig. (bilateral)
N
Coeficiente de
TOTAL2
correlacin
Sig. (bilateral)
N
DB
DC
TOTAL1
1.000 .517** .498**
D1
D2
.871** .837**
D3
TOTAL2
.390* .487**
.748**
.002
.004
.000
.000
.027
.005
.000
32
32
32
32
32
32
32
32
.517** 1.000
.302
.727**
.446* .760**
.336
.725**
.002
.093
.000
.010
.000
.060
.000
32
32
32
32
32
32
32
32
.304 .906**
.588**
.498**
.302 1.000
.698** .474**
.004
.093
.000
.006
.091
.000
.000
32
32
32
32
32
32
32
32
1.000 .735** .582** .661**
.866**
.871** .727** .698**
.000
.000
.000
.000
.000
.000
.000
32
32
32
32
32
32
32
32
.735** 1.000
.344
.445*
.747**
.837**
.446* .474**
.000
.010
.006
.000
.054
.011
.000
32
32
32
32
32
32
32
32
.390* .760**
.304
.582**
.344 1.000
.352*
.806**
.027
.000
.091
.000
.054
.048
.000
32
32
32
32
32
32
32
32
.336 .906**
.661**
.445*
.352* 1.000
.643**
.487**
.005
.060
.000
.000
.011
.048
.000
32
32
32
32
32
32
32
32
.866** .747** .806** .643**
1.000
.748** .725** .588**
.000
.000
.000
.000
.000
.000
.000
32
32
32
32
32
32
32
32
**. La correlacin es significativa al nivel 0,01 (bilateral).
*. La correlacin es significativa al nivel 0,05 (bilateral).
Tabla 2. Para obtener el coeficiente de Spearman
Dr. Javier Alonso Trujillo
Pgina 8
Curso propedutico de Estadstica
Resultados.
Prueba piloto 1
Valor r
Valor p
Direccionalidad
Interpretacin
A vs Total
.800
.000
Positiva
Correlacin fuerte
B vs Total
.889
.000
Positiva
Correlacin
muy
C vs Total
.698
.000
Positiva
Correlacin fuerte
fuerte
Cuadro 1.- Correlaciones prueba piloto 1.
Prueba piloto 2
Valor r
Valor p
Direccionalidad
Interpretacin
1 vs Total
.739
.000
Positiva
Correlacin fuerte
2 vs Total
.856
.000
Positiva
Correlacin
muy
3 vs Total
.643
.000
Positiva
Correlacin fuerte
fuerte
Cuadro 2.- Correlaciones prueba piloto 2.
Elabore un grfico de dispersin XY en Excel para cada prueba piloto y para cada
dimensin
Vase el siguiente esquema:
Total del
instrumen
to
(puntos)
Total de dimensin A
Dr. Javier Alonso Trujillo
Pgina 9
Curso propedutico de Estadstica
70
65
60
55
Total del instrumento
50
45
40
35
30
11
13
15
17
19
21
23
DA
Grfico 1. Correlacin entre Dimensin A y el total de los puntos del instrumento 1.
La correlacin de la dimensin A con un valor de .800 es fuerte, por lo que aporta
significado al instrumento
n= 32
Fuente: Trabajo de campo, 2015.
70
65
60
55
50
Total del instrumento
45
40
35
30
6
8 10 12 14 16 18 20 22 24
DB
Grfico 2. Correlacin entre Dimensin B y el total de los puntos del instrumento 1.
La correlacin de la dimensin B con un valor de .889 es muy fuerte, por lo que aporta
significado al instrumento
n= 32
Fuente: Trabajo de campo, 2015.
Dr. Javier Alonso Trujillo
Pgina 10
Curso propedutico de Estadstica
70
65
60
55
Total del instrumento
50
45
40
35
30
8 10 12 14 16 18 20 22 24 26
DC
Grfico 3. Correlacin entre Dimensin A y el total de los puntos del instrumento 1.
La correlacin de la dimensin A con un valor de .698 es fuerte, por lo que aporta
significado al instrumento
n= 32
Fuente: Trabajo de campo, 2015.
60
55
50
Total del instrumento 45
40
35
30
11
13
15
17
19
21
23
D1
Grfico 4. Correlacin entre Dimensin 1 y el total de los puntos del instrumento 2.
La correlacin de la dimensin 1 con un valor de .739 es fuerte, por lo que aporta
significado al instrumento
n= 32
Fuente: Trabajo de campo, 2015.
Dr. Javier Alonso Trujillo
Pgina 11
Curso propedutico de Estadstica
60
55
50
Total del instrumento
45
40
35
30
6
8 10 12 14 16 18 20 22
D2
Grfico 5. Correlacin entre Dimensin 2 y el total de los puntos del instrumento 2.
La correlacin de la dimensin 2 con un valor de .856 es muy fuerte, por lo que aporta
significado al instrumento
n= 32
Fuente: Trabajo de campo, 2015.
60
55
50
Total del instrumento
45
40
35
30
8
10 12 14 16 18 20 22
D3
Grfico 6. Correlacin entre Dimensin 3 y el total de los puntos del instrumento 2.
La correlacin de la dimensin 3 con un valor de .643 es muy fuerte, por lo que aporta
significado al instrumento
n= 32
Fuente: Trabajo de campo, 2015.
Dr. Javier Alonso Trujillo
Pgina 12
Curso propedutico de Estadstica
Seccin C: Determinacin de la Estabilidad.
La estabilidad de un instrumento significa que dicho instrumento es til para la
investigacin durante el trabajo de campo. Es el primer nivel de la validacin externa y se
realiza cuando ya ha sido demostrada la validez interna del instrumento.
Con fines didcticos, vamos a suponer que el instrumento de la prueba piloto 1 fue
validado internamente y ahora nos daremos a la tarea de determinar su validez externa.
Suponga usted que los datos de la tabla 1 corresponden a los datos obtenidos por uno de
los investigadores del proyecto a quien denominaremos Operador 1. Tambin suponga
que los datos de la tabla 2 corresponden a los datos obtenidos por un segundo
investigador a quien llamaremos operador 2.
La estabilidad del instrumento se demuestra a travs de determinar si existe concordancia
(cuando los datos son categricos) o correlacin (cuando los datos son numricos) entre
los resultados obtenidos por el operador 1 y el operador 2.
Desarrolle el siguiente procedimiento.
1.- Obtenga la sumatoria de las respuestas de los 15 items que constituyen a cada uno de
los instrumentos representados en la tabla 1 y 2.
2.- Las dos columnas de sumatorias de tabla 1 y 2 pguelas en una hoja se SPSS y
ejecute el siguiente algoritmo.
Analizar > Correlaciones > Bivariadas > Traslade las 2 variables a la caja de variables >
Aceptar
3.- Copie la salida y pguela aqu:
Correlaciones
Correlacin de Pearson
Operador1
Sig. (bilateral)
N
Correlacin de Pearson
Operador2
Operador1
1
Sig. (bilateral)
Operador2
.922**
.000
32
.922**
32
1
.000
N
32
**. La correlacin es significativa al nivel 0,01 (bilateral).
32
Tabla 1. Correlacin entre respuestas del operador 1 y el operador 2
Resultados
Estabilidad
Valor r
Valor p
Direccionalidad
Interpretacin
Operador 1 vs Operador 2
Correlacin de .922
.000
Positiva
La correlacin entre los resultados
obtenidos del operador 1 y el operador 2
es muy fuerte, con una probabilidad de
error del 0% H1 es cierta
Cuadro 3.- Demostracin de la Estabilidad del instrumento.
Elabore un grfico de dispersin XY en Excel con los datos obtenidos por el operador 1 y
2.
Dr. Javier Alonso Trujillo
Pgina 13
Curso propedutico de Estadstica
60
55
50
Operador 2 45
40
35
30
30
35
40
45
50
55
60
65
Operador 1
Grfico 1. Correlacin entre resultados del operador 1 y operador 2
La correlacin de los resultados del operador 1 con un valor de .922 es muy fuerte, por lo
que la estabilidad del instrumento es muy fuerte.
n= 32
Fuente: Trabajo de campo, 2015.
Sujeto
ITEM
1
ITEM
2
ITEM
3
ITEM
4
Dr. Javier Alonso Trujillo
ITEM
5
ITEM
6
ITEM
7
ITEM
8
ITEM
9
ITEM
10
ITEM
11
ITEM
12
ITEM
13
ITEM
14
ITEM
15
TOT
AL
Pgina 14
Curso propedutico de Estadstica
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
4
3
4
3
4
4
4
4
4
4
3
4
3
4
4
4
4
4
5
3
4
4
4
4
2
5
5
4
3
4
5
5
4
2
4
2
4
4
2
4
3
2
2
4
2
3
4
2
2
3
2
4
4
4
1
2
4
4
4
4
5
1
2
5
3
5
2
3
3
3
5
1
1
3
1
4
2
4
1
3
3
3
4
4
3
4
3
2
3
2
5
2
3
2
4
5
5
1
5
5
5
5
5
5
5
4
5
5
4
5
5
5
4
5
5
5
4
5
5
5
2
5
5
5
5
5
5
5
3
4
2
3
3
3
4
3
2
3
1
4
3
3
3
3
3
2
4
3
3
3
3
3
2
3
3
3
3
3
3
1
5
1
4
4
5
4
4
4
4
4
3
4
4
4
4
5
3
3
4
4
5
4
4
2
2
4
4
4
2
4
5
5
4
1
4
4
4
2
4
4
4
4
5
4
4
3
4
3
2
4
5
2
4
3
4
3
2
4
4
2
2
4
4
4
3
3
3
3
3
3
4
2
3
3
1
3
3
1
3
3
3
3
5
3
3
3
3
3
3
3
5
3
3
3
3
4
5
1
5
5
5
5
5
5
5
4
4
5
4
4
4
5
4
5
5
5
4
4
5
4
2
5
5
5
5
5
5
5
3
1
3
3
3
4
3
3
2
3
1
4
3
3
3
1
3
3
5
3
3
3
4
2
2
3
4
3
3
3
3
1
3
3
3
2
2
4
4
2
3
4
1
3
4
1
3
2
4
3
4
4
4
4
4
3
2
4
4
4
5
4
4
5
5
2
4
4
4
5
4
4
5
5
4
4
4
3
5
5
4
5
3
4
5
4
5
4
2
4
4
5
4
4
5
5
3
2
4
4
4
4
4
4
3
4
3
5
4
5
4
4
4
4
5
4
4
3
4
3
2
4
4
4
4
3
4
5
4
1
4
4
4
4
4
4
4
3
3
4
3
5
5
4
2
4
5
4
3
4
4
4
4
3
2
4
5
4
4
5
3
1
5
4
4
3
4
4
4
4
4
5
4
5
5
4
4
4
5
5
4
4
3
5
2
3
5
4
5
4
4
5
Varian
za
Tabla 1.- Datos obtenidos en la primer prueba piloto. Fuente: Trabajo de campo, 2015.
Suj
eto
ITE
M1
ITE
M2
ITE
M3
ITE
M4
ITE
M5
Dr. Javier Alonso Trujillo
ITE
M6
ITE
M7
ITE
M8
ITE
M9
ITE
M
10
ITE
M
11
ITE
M
12
ITE
M
13
ITE
M
14
ITE
M
15
To
tal
Pgina 15
Curso propedutico de Estadstica
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
4
3
4
3
3
4
4
3
4
4
3
4
3
4
3
4
4
4
5
3
4
3
4
4
2
5
4
4
3
4
4
5
4
2
4
2
3
4
2
4
3
2
2
3
2
3
4
3
2
3
2
4
4
4
1
2
4
3
4
4
5
3
2
5
3
5
2
3
3
3
5
1
3
3
1
4
2
4
1
3
3
3
4
3
3
4
3
2
3
2
5
2
3
2
4
5
5
1
5
3
5
5
5
5
3
4
5
5
4
5
5
5
4
5
5
3
4
5
5
5
2
5
5
3
5
5
3
5
3
4
2
3
3
4
4
3
2
3
1
4
3
3
4
3
3
2
4
3
4
3
3
4
2
3
3
4
3
4
3
2
5
1
4
3
5
4
3
3
3
4
3
4
4
3
4
5
3
3
4
3
5
4
4
2
3
4
3
3
2
4
3
5
4
1
4
3
4
2
4
3
3
4
5
4
3
3
4
3
2
4
5
2
4
3
4
3
2
3
4
2
3
3
3
4
3
3
5
3
5
3
4
2
5
3
1
3
5
1
3
3
5
3
5
5
3
3
3
5
3
3
5
3
3
3
3
4
5
1
5
3
5
3
5
3
5
4
4
5
4
3
4
5
4
5
3
5
4
4
5
4
3
5
5
3
3
3
5
3
3
1
3
2
3
4
3
3
2
3
1
4
3
3
3
1
2
3
5
3
3
3
4
3
2
3
4
3
3
3
3
1
3
3
3
2
2
4
3
2
3
4
1
3
4
1
3
2
4
3
4
3
4
3
4
3
2
4
3
4
5
3
4
3
5
2
4
3
4
5
4
4
5
5
4
4
4
3
5
5
4
5
3
3
5
4
5
4
3
4
4
5
4
3
5
5
3
2
4
3
4
4
4
4
3
4
3
5
3
5
4
4
4
4
5
4
3
3
4
3
2
4
4
3
3
3
4
3
4
1
4
3
4
4
4
4
4
3
3
4
3
5
5
4
2
4
5
4
3
4
4
3
4
3
2
4
5
3
4
5
3
1
5
4
4
3
4
4
4
3
4
5
4
5
5
3
4
4
3
5
4
4
3
5
2
3
5
4
3
4
3
5
Varia
nza
Tabla 2.- Datos obtenidos en la segunda prueba piloto. Fuente: Trabajo de campo, 2015.
Referencias bibliogrficas.
Dr. Javier Alonso Trujillo
Pgina 16
Curso propedutico de Estadstica
Acevedo PM. (2013). Qu estamos haciendo para formar a los profesionales
de enfermera para el siglo XXI? Cuid Arte El Arte del Cuidado Revista
electrnica de investigacin en enfermera FESI-UNAM, 2(3), 20-24.
Alonso TJ. (2010). Diseos en investigacin y Estadstica aplicada. Mxico:
Facultad de Estudios Superiores Iztacala, UNAM.
Alonso TJ. (2014). Formacin cientfica en Enfermera. Un concepto que debe
evolucionar. Cuidarte El arte del cuidado, 3(6), 8-13.
Alonso TJ, & lvarez RD. (2013). Formacin cientfica en la licenciatura en
Enfermera. Cuidarte El arte del cuidado, 2(4), 40-47.
lvarez RD. (2014). Impacto de la estrategia educativa bho 5 en la enseanza
de la estadstica en enfermera. UNAM, Mxico. Recuperado a partir de
[Link]
PR3C4S8M7R5-22794?
func=find&request=Alvarez+Robles+Diana+Yesenia&find_code=WAT&adjacen
t=N&local_base=TES01&x=41&y=16&filter_code_2=WYR&filter_request_2=&fi
lter_code_3=WYR&filter_request_3=
[Link]. (2014b). Coeficiente de correlacin de R de Pearson. Per.
Recuperado a partir de [Link]
Guilln CD, & Cuevas GL. (2009). Investigar en Enfermera: Por qu y para
qu? Desarrollo cientfico de enfermera, 17(2), 89-92.
Hernndez SF. (1995). Metrologa dimensional. Recuperado a partir de
[Link] /iem/Main/conceptosbasicosdemedicion
Hernndez SR, Fernndez CC, & Baptista LP. (2010). Metodologa de la
investigacin. (Quinta edicin.). Mxico: McGraw-Hill/Interamericana editores.
Rivera HM, Arango PL, Torres VK, Salgado BR, Garca GMF, & Caa DL. (2009).
Competencias para la investigacin. Desarrollo de habilidades y conceptos.
Trillas / Universidad Simn Bolivar.
Stevens, S S. (1946). On the Theory of Scales of Measurement. Science,
103(2684), 677-680.
Supo J. (2012). Seminario de investigacin cientfica. Arequipa, Per.:
[Link]. Recuperado a partir de
[Link]
Supo J. (2013a). Cmo validar un instrumento. Arequipa, Per.:
[Link].
Dr. Javier Alonso Trujillo
Pgina 17
Curso propedutico de Estadstica
Supo J. (2013b). Creacin y adaptacin de contenido. Instrumentos de
medicin documentales. Per.
Dr. Javier Alonso Trujillo
Pgina 18
