REPÚBLICA BOLIVARIANA DE VENEZUELA
MINISTERIO DEL PODER POPULAR PARA LA EDUCACIÓN UNIVERSITARIA
UNIVERSIDAD NACIONAL EXPERIMENTAL
“RÓMULO GALLEGOS”
AULA MOVIL SAN CRISTÓBAL
ANÁLISIS E INTERPRETACIÓN DE DATOS
Autores:
Arellano, M. Josibel k. C.I-20.828.045
Borrero, L. Ana, G. C.I-29.649.478
Castellanos, N. María, F. C.I-28.457.549
Delgado, J. Luis, Á. C.I-28.297.492
Escalante, R. María, A. C.I-27.675.672
Docente:
MSc. Lcda. Rosa, E. Harrea, B.
Asignatura: Metodología Estadística
Sección: 1
SAN CRISTOBAL, ABRIL DE 2024
INTRODUCCIÓN
MATRIZ DE INVESTIGACIÓN
Según Piloña, O. (2016) describe
La matriz de investigación como una herramienta sencilla, útil y práctica
que sirve para elaborar el perfil inicial de una investigación y para
evaluar el grado de coherencia y conexión lógica entre, el problema, los
objetivos, las hipótesis, la metodología, las técnicas e instrumentos,
población y muestra. .
MATRIZ DE RESULTADOS (TABULACION DE DATO)
Según Arias, E. (2021) delimita “la matriz de resultados es una
herramienta de planeación que identifica en forma resumida los objetivos de
un proyecto, incorpora los indicadores de resultados y gestión de los
objetivos; especifica los medios para obtener y verificar la información de los
indicadores”.
Igualmente Arias, E. (2021) define “La tabulación de datos es el conjunto
de operaciones que permiten presentarlos agrupados y, a su vez, en forma
de gráficos o tablas”.
Proceso de la tabulación de datos
1. Variable cualitativa: Las variables cualitativas expresan categorías.
2. Variable cuantitativa discreta: Son variables que se pueden sumar, por
tanto, se pueden calcular promedios, desviaciones típicas y otros
estadísticos.
3. Variable cuantitativa continua: Son variables que pueden tomar
infinitos valores. En este caso, la tabulación se realiza agrupando por
intervalos.
REDONDEO
Fernández, J. L. (2017) señala que “el redondeo al proceso de eliminar
las cifras situadas a la derecha de la última cifra significativa es decir en la
parte decimal”.
REGLAS PARA EL REDONDEO
Para redondear un número a la unidad tenemos que fijarnos en la primera
cifra después de la coma es decir en la parte decimal. Si esta cifra es menor
que 5 (1, 2, 3, 4) no debemos hacer nada, pero si esa cifra es 5 o mayor (5,
6, 7, 8, 9) debemos sumar una unidad al número. Entre los ejemplos que se
pueden citar se tiene:
1. Tenemos 45.367892 redondeado a 4 cifra es decir 45.36. Dado que
nos tenemos que quedar con 4 cifras, hay que descartar desde la 5ª en
adelante, es decir desde el número 7.
2. Siendo 7 mayor que el 5 por lo que aumentamos en una unidad al
anterior número que será el 6 aumentado a 7. Por tanto: 45.37
3. Cuando el primero de los dígitos descartados es menor que cinco, la cifra
anterior se mantiene igual.
DISTRIBUCION DE FRECUENCIA
Grudemi, E. (2019) especifica que “la distribución de frecuencias son
tablas en que se dispone las modalidades de la variable por filas. En las
columnas se dispone el número de ocurrencias por cada valor”. Entre ellas
se pueden mencionar los siguientes tipos de frecuencia estadística:
1. Frecuencias absolutas (fi): Son el número de veces que se repite un
número en un conjunto de datos, este se suma para obrera el total de
datos que existe en el conjunto.
2. Frecuencias absolutas acumuladas (Fri): Es la suma total de la
frecuencias absolutas, el primer número siempre va a ser igual al primer
dato de la frecuencia absoluta, por lo que se obtienen sumando los datos
en forma diagonal, es decir se toma el primer dato Fri y se suma como
segundo dato de fi
3. Frecuencia relativa (hi): Corresponde a las veces que se repite un
número en un conjunto de datos respecto al total, pero se expresa en
porcentajes (%). Se consigue toma cada dato de la frecuencia absoluta fi
y divídelo entre en total de la misma frecuencia.
4. Frecuencia relativa acumulada (Hri): Es la suma de las frecuencias
relativa, y se consigue sumado los datos en diagonal, como lo hicimos
para la frecuencia absoluta acumulada Fri y se redonda el resulto si es
necesario
5. Variabele Xi : Es el numero de datos que se tienen en el muestreo.
Entre los ejemplos que se tiene de frecuencia estadística se tiene:
Supongamos que se realiza una investigación sobre 15 personas,
para determinar la cantidad de mascotas que estas tienen. Las respuestas
analizadas son: 1, 2, 2, 3, 1, 2, 0, 1, 3, 4, 0, 2, 1, 2, 4.
Por lo que la tabla de frecuencia estadística quedaría de la siguiente manera:
Mascotas Frecuenci Frecuenci Frecuenci Frecuencia
(Variables a absoluta a absoluta a relativa relativa
) fi acumulad hi acumulada
Xi a Hri
Fri
0 2 2 2/15 = 0,13 0,13
1 4 2+4=6 4/15 = 0,26 0,26+0,13=0,39
2 5 6 + 5 = 11 5/15 = 0,33 0,330+,39=0,72
3 2 11 + 2 = 13 2/15 = 0,13 0,13+0,72=0,85
4 2 13+ 2 = 15 2/15 = 0,13 0,13+0,85=0,98≈
1
Total Σ 15 1
ESCALAS DE MEDICIÓN
Escobar, J. (2023) explica “la escala de medición como un criterio de
ordenación utilizado en estadística para organizar, clasificar y comparar un
conjunto de datos. Son sistemas de clasificación mediante los cuales la
información se puede ordenar de acuerdo a una jerarquía preestablecida”.
Tipos de escalas de medición
Escala nominal: Son aquellas que se organizan por cualidades o
características ya que no cuentan con una jerarquía específica entre sí y, por
lo tanto, no se pueden ordenar. La única operación matemática que se
puede realizar para este tipo de escala es la igualdad (=) o, en su defecto,
la diferencia (≠). Un ejemplo de escala nominal es cuando se desea conocer
cuáles son los colores preferidos de un grupo de personas.
Colores favoritos Roj Verde Amarillo Azul
o
Número de personas 18 10 11 15
Escala ordinal: Son aquellas con características que cuentan, con un orden
específico. Trabaja con las operaciones básicas de comparación, es
decir, igualdad (=), desigualdad (≠), mayor que (>) y menor que (<). Un
ejemplo claro es el sistema de calificación alfabético de las notas se puede
organizar según la escala ordinal establecida previamente.
Calificación alfabética A B C D F
Número de estudiantes 2 7 5 4 3
Escala de intervalo: La escala de intervalo es para el ordenamiento y la
operación con datos cuantitativos, es decir, datos numéricos. Emplea un cero
arbitrario que indica el punto más bajo que puede adoptar una variable y los
datos se pueden sumar y restar. Entre los ejemplos se tiene cuando algunas
pruebas de lectura, se suele calificar a los estudiantes con un puntaje
numérico, en el que 100 equivale a un grado excelente de lectura.
Número de Puntaje
estudiantes
10 0 – 10
12 10 – 20
15 20 -30
20 30 – 40
35 40 – 50
40 50 – 60
25 60 – 70
10 70 – 80
7 80 – 90
5 90 – 100
Escala de razón: La escala de razón se utiliza para datos cuantitativos que
no aceptan valores menores que cero, por lo esta escala de medición
implica un cero absoluto. Ejemplo de ello se tiene: Durante el proceso de
selección de personal para la comisaría de una ciudad, se evalúan las
diferentes alturas de los postulantes al cargo. Al final de la evaluación, se han
registrado y ordenado los siguientes valores:
Número del Altura (cm)
postulante
2 91,3
1 88,4
8 85,6
4 84,8
3 82,3
9 80,1
10 77,7
5 75
7 72,5
6 72,1
Por lo tanto, el postulante con mayor altura es el número 2, seguido por el
número 1 y 8, con unas alturas respectivas de 88,4 cm y 85,6 cm.
ASOCIACIÓN ENTRE VARIABLES
Estrada, P. (2022) especifica que “la correlación es una medida estadística
que indica el grado de relación entre dos variables. En concreto, la
correlación lineal sirve para determinar cuánto de correlacionadas
linealmente están dos variables distintas.
Tipos de correlación
1. Correlación directa o correlación positiva: Una variable aumenta
cuando la otra también aumenta. Como ejemplo se da cuanto más
tiempo estudies, mayores serán las posibilidades de obtener una buena
calificación.
2. Correlación inversa o correlación negativa: Cuando una variable
aumenta la otra disminuye, y al revés. Por ejemplo cuanto más tiempo
pasas chateando con amigos, menos tiempo tienes para estudiar.
3. Correlación nula o sin correlación: no existe ninguna relación entre las
dos variables. Eemplo de ello cuando se realiza un estudio en el que se
recopila información sobre el consumo de chocolate y el número de
premios Nobel como resultado no existe una relación causal directa.
SERIE DE DATO ESTADÍSTICO
Ortega, C. (2020) los define “como resultados o las observaciones que
se producen en los experimentos científicos o en una investigación”.
Tipos de series de datos
1. Datos cualitativos o datos categóricos: Datos que representan
cualidades o categorías.
1.1. Datos cualitativos ordinales: las diferentes categorías admiten un
orden jerárquico. Ejemplo las medallas olímpicas (oro, plata y
bronce).
1.2. Datos cualitativos nominales: los datos no se pueden ordenar.
Ejemplo el género de una persona (hombre o mujer).
2. Datos cuantitativos o datos numéricos: Datos cuyos valores son
números.
2.1. Datos cuantitativos discretos: los datos solo pueden tomar un
número finito de valores. Ejemplo el número de personas que hay
en una habitación (0, 1, 2, 5, 10…)
2.2. Datos cuantitativos continuos: los datos pueden tomar cualquier
valor. Un ejemplo la estatura de una persona (1,90 m, 1,65 m,
1,70 m…).
SERIE CRONOLÓGICA
Ríos, G. (2008). Precisa que “la serie de Tiempo o serie cronológica
a un conjunto de observaciones sobre valores que toma una variable
cuantitativa en diferentes momentos del tiempo”.
Componentes de una serie de tiempo en el enfoque clásico
Las observaciones de una serie de tiempo serie denotadas por
Y1;Y2,...,YT , donde Yt es el valor tomado por el proceso en el instante t.
1. Tendencia (T): Es definida vagamente como el cambio de la media a
lo largo de un extenso período de tiempo.
2. Ciclo (C): Caracterizado por oscilaciones alrededor de la tendencia
con una larga duración, y sus factores no son claros.
3. Estacionalidad (E): Es un movimiento periódico que se producen
dentro de un periodo corto y conocido.
4. Aleatorio (A): Son movimientos erráticos que no siguen un patrón
especioso y son prácticamente impredecibles.
Tipos de modelos de series de tiempo
1. Serie no estacionaria: es aquella cuyas características de media,
varianza y covarianza cambian a través del tiempo lo que dificulta su
moldeamiento. Ejemplo si una dosis de rayos X excede de 100 rem, se
observará un enrojecimiento de la piel, tras cierto nivel de dosis se
producen cataratas en los ojos, etc.
2. Serie estacionaria: es aquella cuya media y varianza no cambian a
través del tiempo y cuya covarianza solo es función del rezago. Ejemplo:
el desarrollo de cáncer y las mutaciones genéticas.
Ejemplo de serie de tiempo
Sobre la cantidad de unidades que vendió una empresa al mes durante
una década. Los datos de color rojo son datos reales sobre las unidades
vendidas, mientras que los datos de color azul son predicciones que se
hicieron aprovechando los datos de la serie. Como puedes ver, representar
en un gráfico las series de tiempo nos ayuda a analizar los ciclos de los
datos, la tendencia e incluso nos permite hacer predicciones.
Disponible en: https://www.probabilidadyestadistica.net/series-de-
tiempo/
REFERENCIAS BIBLIOGAFICAS
Arias, E. R. (2021). Matriz de resultados y Tabulación de datos - Qué es,
variables y ejemplos. Disponible en:
https://economipedia.com/definiciones/tabulacion-de-datos.html
[Consultado el 11 de abril del 2024. Hora: 10:55 am].
Escobar, J. (2023). Escalas de medición. Disponible en:
https://excelparatodos.com/escalas-de-medicion/ [Consultado el 11 de abril
del 2024. Hora: 11:40 am].
Estrada, P. (2022). Correlación. Probabilidad y Estadística.
https://www.probabilidadyestadistica.net/correlacion/ [Consultado el 11 de
abril del 2024. Hora: 3:15 pm].
Estadística, P. (2023). Series de tiempo y ejemplos. Probabilidad y
Estadística. Disponible en: https://www.probabilidadyestadistica.net/series-
de-tiempo/ [Consultado el 11 de abril del 2024. Hora: 6:14 pm].
Fernández, J. L. (2017). Cifras Significativas y Redondeo. Disponible en:
https://www.fisicalab.com/apartado/cifras-significativas-y-redondeo
[Consultado el 10 de abril del 2024. Hora: 4:20 pm].
Grudemi, E. (2021). Frecuencia estadística. Disponible en:
https://enciclopediaeconomica.com/frecuencia-estadistica/ [Consultado el
10 de abril del 2024. Hora: 7:00 pm].
Ortega, C. (2020). ¿Cuáles son los tipos de datos estadísticos? . Disponible
en: https://www.questionpro.com/blog/es/tipos-de-datos-estadisticos/
[Consultado el 11 de abril del 2024. Hora: 5:28 pm].
Piloña O, G. A. (2016). Matriz de investigacion. Studocu.com. Disponible en:
https://www.studocu.com/gt/document/universidad-de-san-carlos-de-
guatemala/laboratorio-tecnicas-de-investigacion/matriz-de-investigacion-
pasos/22060809 [Consultado el 10 del abril de 2024. Hora: 9:35 pm].
Rìos, G. (2008). Series de Tiempo. Disponible en:
https://www.u-cursos.cl/ingenieria/2010/1/CC52A/1/material_docente/
bajar?id_material=296003 [Consultado el 11 de abril del 2024. Hora: 6:00
pm].
CONCLUSIÓN
ANEXOS
MATRIZ DE INVESTIGACIÓN
Disponible en: https://www.studocu.com/gt/document/universidad-de-san-
carlos-de-guatemala/laboratorio-tecnicas-de-investigacion/matriz-de-
investigacion-pasos/22060809
COMPONENTES DE UNA SERIE DE TIEMPO
Disponible en:
https://www.u-cursos.cl/ingenieria/2010/1/CC52A/1/material_docente/bajar?
id_material=296003
