MAPIC (Libro) PDF

MAPIC.
MATRIZ DE PLANIFICACIN EN INVESTIGACIN CIENTFICA

1

A mis adorados hijos: Wayra,
Luis Rodrigo,
Alejandra y
Luis Sebastin.

A la memoria de mi abuela

Luis Villarroel Pearanda
2

AGRADECIMIENTOS

Hace siete aos, luego de un entrenamiento en consulta estadstica
que realic en Blgica, acepte el desafo de iniciar un proceso de
investigacin silencioso orientado a integrar la estadstica, de una
manera natural, en el proceso de investigacin cientfica.
Reconoca en la estadstica una herramienta potente de apoyo a la
investigacin pero reconoca tambin, de manera general, una
ausencia de rigor cientfico en los trabajos de investigacin en mi
pas.
En 1999 inicie el desafo de elaborar un documento que
permitiera; a los investigadores y estudiantes que estn realizando sus
trabajos de fin de estudio, tesis, etc.; desarrollar la planificacin de su
investigacin de manera mucho ms rigurosa y cientfica. A partir de
esta fecha ofrec, muchos entrenamientos, capacitaciones, trabajos de
consultora e investigaciones pero siempre en el espritu de
desarrollar una herramienta prctica de apoyo al investigador que hoy
se traduce en este libro.
Es indudable que los desafos de investigacin, sistematizacin, y
edicin de un libro demanda mucho tiempo provocando,
MAPIC. MATRIZ DE PLANIFICACIN EN INVESTIGACIN CIENTFICA
3
lamentablemente, tener menos tiempo para quienes uno ama o para
realizar las cosas mas simples en esta vida.
Quiero agradecer primero a Dios por haberme dado la vida.
A mis amados padres quienes me han formado en la escuela de la
responsabilidad, el respeto, y la humildad.
A mis adorados hijos, en quienes me veo reflejado, con la
disculpa de no haberles brindado la mayor atencin que se merecen.
A mis hermanos, en cuya compaa me forje.
Finalmente quiero agradecer a quienes de manera directa o
indirecta han permitido que esta mi primera obra sea una realidad. A
mi profesor PIERRE DAGNELIE, al profesor y amigo NASSIR SAPPAG, a
mis colegas de la Universidad Catlica Boliviana y de las otras
Universidades, a mis asistentes, y a mis entraables amigos.
lvp
4
INTRODUCCIN

La literatura consagrada a las metodologas de investigacin cientfica
es abundante y accesible; es posible encontrar documentos muy
simples como tambin algunos documentos bastante ms elaborados.
Existen referencias bibliogrficas con aproximacin cuantitativa y
otros con aproximacin cualitativa y algunos libros con una
orientacin experimental y otros con aproximaciones no
experimentales.
Para los tipos de diseos de investigacin, basados en la
observacin
1
, los autores proponen recetas que se traducen en una
serie de etapas secuenciales: la idea, el problema, objetivos, marco
terico, formulacin de hiptesis, seleccin de la muestra, recoleccin
de los datos, anlisis de los datos y elaboracin del reporte.
Un investigador que sigue estas recetas no encuentra una
propuesta concreta y prctica para preguntas bsicas que l se plantea
cuando est planificando su trabajo.
Considero que la mayora de estos documentos no ofrecen al
investigador una herramienta de apoyo a su proceso de investigacin,
concentrndose ms bien en presentaciones muy tericas.
A ttulo de ejemplo, un investigador que busca seleccionar
mtodos estadsticos para realizar su anlisis de datos y decide
consultar un libro de metodologas de investigacin encuentra uno o
ms captulos en los que se exponen diversas tcnicas descriptivas;

1
No se incluye en el libro la aproximacin experimental.
5
grficos, estadgrafos; regresin, correlacin, tests de independencia,
etc.
Este investigador que concluye de revisar estos captulos, termina
con un gran sentimiento de frustracin ya que no es capaz de
responder a su pregunta: qu herramientas debo utilizar para analizar
los datos de mi investigacin?
Por tanto mi intencin, al escribir este libro, es responder a las
preguntas que el investigador se plantea cuando planifica su
investigacin. Para lograr este propsito he desarrollado una
herramienta de apoyo al proceso de planificacin de la investigacin
que he bautizado con las siglas MAPIC que se traduce en Matriz de
Planificacin en Investigacin Cientfica. En el libro se ha omitido
de manera intencional toda la primera parte de la investigacin: idea,
problema y objetivos, dado que no es este el nivel en el que se
presenta la dificultad.
Objetivos del libro
El objetivo principal de esta obra es presentar MAPIC y proponer
una manera de integrar la estadstica en el proceso de investigacin
cientfica de manera natural y sencilla.
Contenido y organizacin del libro
El libro est organizado en nueve captulos. El lector encontrar en
este libro la respuesta a muchas preguntas que el investigador se
plantea cuando planifica su Investigacin:
- Cules son los RESULTADOS ESPERADOS de su
investigacin?,
- Cul es la POBLACIN de estudio y las UNIDADES DE
OBSERVACIN?
- Cuantas VARIABLES debe observar exactamente y como
debe medirlas?
6
- Qu MTODO DE COLECTA debe adoptar para su
investigacin?
- Cul es el PLAN DE MUESTREO?
- Cul es la herramienta o MTODO ESTADSTICO a adoptar?
- Cuntas observaciones debe levantar?: DETERMINACIN
DEL TAMAO DE LA MUESTRA.

MAPI C es una herramienta de
apoyo al proceso de planificacin
de la I nvestigacin, no es una
nueva metodologa y tampoco un
manual de I nvestigacin
7

Captulo 1

PROBLEMAS Y DESAFOS EN
INVESTIGACIN CIENTFICA

1.1. LA INVESTIGACIN CIENTFICA: ALGUNAS GENERALIDADES
1.2. PROBLEMAS DE PLANIFICACIN DE LA INVESTIGACIN
1.3. PROBLEMAS DE ANLISIS DE DATOS
8

1.1. La Investigacin Cientfica: algunas
generalidades
Los libros consagrados al estudio de las ciencias, la epistemologa,
reconocen diversas corrientes de pensamiento, el Empirismo, el
Materialismo, el Positivismo, la Fenomenologa y el Estructuralismo.
Cada una de ellas proponiendo un estilo de investigacin a su
manera.
En la actualidad todas estas corrientes se han traducido en la
dicotoma cualitativa - cuantitativa y se pueden constatar obras
escritas por autores radicales para una u otra corriente. ltimamente
aparecen ciertas obras que intentan romper con esa dicotoma y
proponen enfoques mixtos, se habla de modelos en dos etapas,
modelos de enfoque dominante, modelo multimodal (triangulacin).
El investigador con necesidad de realizar una investigacin con
enfoque practico y concreto, difcilmente puede ubicarse en este
laberinto donde todos creen tener la razn.
Por un lado las ciencias de la vida (Biologa, Agronoma, Salud,
etc.) proponen un estilo de investigacin deductivo, parten de
observaciones particulares para luego animarse, haciendo un uso
normalmente intensivo de la estadstica, a decir cosas a nivel
general. Esta forma de investigacin se denomina cuantitativa.
Por otro lado las ciencias humanas (Sociologa, Antropologa,
etc.) proponen otro estilo de investigacin con carcter inductivo,
parten de observaciones generales, para luego sacar conclusiones
particulares. En este enfoque la palabra estadstica parece un pecado.
Considero que la investigacin es una necesidad que tienen las
sociedades para lograr el desarrollo; la investigacin constituye el
instrumento generador del conocimiento. La investigacin es la base
para el desarrollo de las ciencias y para la resolucin de problemas de
9
nuestra sociedad. Bajo este enfoque, extremadamente simplista, la
metodologa de investigacin debe ser prctica, sencilla, con alto
rigor y objetividad.
Los investigadores con visin prctica quieren desarrollar y
generar conocimiento sin seguir estructuras o modelos rgidos de
investigacin que lejos de apoyar su trabajo terminan complicndolo.
Mi experiencia como instructor en el campo acadmico en
materias relacionadas con la Estadstica, y mi prctica en el campo
del asesoramiento y consultoras privadas me han permitido observar
problemas y desafos concretos que conlleva un proceso de
investigacin: problemas de planificacin de la investigacin y
problemas de anlisis de la informacin generada.
1.2. Problemas de planificacin de la investigacin
En general se puede observar que el tiempo dedicado a la
planificacin de la investigacin es muy reducido lo que conlleva ms
adelante serios problemas y dificultades en la ejecucin misma de la
investigacin. No es posible desarrollar un buen trabajo de
investigacin si no se han invertido esfuerzos importantes durante su
planificacin, Cmo es posible hacer algo sin saber muy bien
como hacerlo?
Los problemas de planificacin de la investigacin se resumen
bsicamente en seis categoras:
a) Mala definicin de los Resultados Esperados
Como seala toda propuesta metodolgica de investigacin, sta debe
iniciarse con una idea, esta idea debe ser traducida en problema y el
problema en dos objetivos: general y especfico.
Los objetivos especficos no siempre declaran de manera explcita
lo que la investigacin va a generar. Entonces comienzan
10
investigaciones sin saber con precisin lo que denominaremos en los
siguientes captulos: Resultados Esperados.
En el caso de los trabajos de fin de estudio, a nivel de pregrado e
inclusive postgrado, se pueden observar objetivos gramaticalmente
muy bien planteados, pero quienes tienen la responsabilidad de
realizar la investigacin no sienten lo que deben alcanzar al
finalizar su trabajo.
En el sector privado, es muy comn encontrar clientes que no
saben exactamente lo que buscan. Por ejemplo si a los clientes que
solicitan una Investigacin de Mercado se les pregunta qu es lo que
desean exactamente?, ellos responden de esta manera: si conociera
los resultados que quiero alcanzar no solicitara su servicio.
b) Mala definicin de la Poblacin y las Unidades de
Observacin
En muchos trabajos de investigacin no se define de manera precisa
la Poblacin objeto de estudio y en consecuencia las Unidades de
Observacin. No es extrao observar boletas o cuestionarios que
comienzan con las denominadas variables de identificacin: nombre,
sexo, edad, procedencia, etc., como si en todos los casos las Unidades
de Observacin fuesen individuos.
Recuerdo una ancdota de un colega, miembro del tribunal de una
tesis, de aquellos que no saben porqu estn sentados all y sienten
que deben decir por lo menos algo. Seor Presidente, tengo un
comentario y una pregunta, quiero yo primeramente felicitar al
postulante por la calidad de su trabajo, en verdad refleja un alto
esfuerzo, mi consulta al estudiante es la siguiente: usted a
desarrollado su trabajo de investigacin a nivel regional por qu no
realizo a nivel nacional? Hubiese sido un trabajo maravilloso. El
postulante susurra, sabe bien que no puede decir en voz alta si
hubiese realizado a nivel de Amrica Latina mi trabajo hubiese sido
magnifico. Este es tpicamente un problema de no entender o no
11
haber definido de manera explcita en el trabajo de investigacin la
Poblacin, es decir el objeto o alcance de la investigacin.
c) Mala definicin de variables
En relacin a las variables que deben ser observadas en la
investigacin existen dos problemas centrales:
- Cuntas variables se deben observar?
- Cmo se deben medir las variables?
Si consideramos el caso concreto de un cuestionario clsico de
encuesta y por otro lado, para efectos de simplificacin, tomamos en
cuenta que una variable corresponde a una pregunta, se presenta el
problema siguiente: cuntas preguntas debo incluir en mi
cuestionario?
Una de las formas ms comunes para elaborar cuestionarios es
entrar a un buscador en el Internet, por ejemplo Google y colocar las
palabras claves, por ejemplo cuestionarios para investigacin de
mercado en mermeladas. El resultado de estas bsquedas a menudo
es una gran cantidad de sitios en los que se ofrecen cuestionarios en
formato Word.
Se abre el primer cuestionario (cualquiera), se selecciona la
opcin insertar del paquete Word y se van apilando los distintos
archivos, por ejemplo cinco.
Luego, se inicia un trabajo de depuracin que consiste en
eliminar variables que se repiten, por ejemplo si tomamos la variable
edad, como existen cinco formularios apilados, entonces aparece
cinco veces esta variable, por tanto deben eliminarse cuatro. Luego de
esta depuracin, el cuestionario, an bastante voluminoso, es
entregado a un yatiri
2
que procede a eliminar y en algunos casos a
adicionar variables hasta llegar a un cuestionario corto, simple y

2
Personaje andino que tiene la habilidad de ver el futuro.
12
factible de operar. Mi pregunta es cmo es posible proponer eliminar
o aumentar variables sin tener un conocimiento de los resultados
esperados?
Adicionalmente al nmero de variables, se presenta el problema
de la manera o forma de medir la variable. A este nivel existen
propuestas verdaderamente irresponsables.
Por ejemplo cuando se pregunta como se debe medir el ingreso,
una respuesta corriente es por categoras:
menos de Bs 500,00
de Bs 500,00 a Bs 1.000,00
de Bs 1.000,00 a Bs 2.000,00
ms de Bs 2.000,00
Por qu debe ser en categoras? Por qu esas amplitudes de
clase? La respuesta que uno recibe es frustrante el ingreso se mide
siempre de esta forma.
d) Mala seleccin del Mtodo de Colecta de Datos
En relacin a los mtodos de colecta de datos existen dos corrientes
fuertemente dicotomizadas, los mtodos cualitativos y los mtodos
cuantitativos, que se traducen en dos instrumentos sistemticamente
utilizados, la encuesta y el taller. Es que no existen otros mtodos?
La dicotoma cuali-cuantitativa me ha provocado por mucho
tiempo problemas de sueo, sin embargo hoy creo tener la respuesta.
Un da me pregunt por qu uno se enamora?, creo que la
respuesta es inmediata, porque conoce a la persona, no creo que
exista alguien enamorado de no s quin. En el campo de la
investigacin aquellos apasionados por la aproximacin cualitativa no
conocen la aproximacin cuantitativa o por el contrario aquellos
13
enamorados de la aproximacin cuantitativa desconocen lo
cualitativo.
e) Mala seleccin del Plan de Muestreo
Frecuentemente se adopta el Plan Aleatorio y Simple como
procedimiento de seleccin de las Unidades de la Poblacin para
conformar la muestra.
Este tipo de plan supone conocer el nmero de unidades de la
Poblacin, tener etiquetadas las Unidades, de tal manera que pueda
asignrseles una probabilidad idntica de seleccin, no siendo
siempre esto posible.
Recuerdo un trabajo de investigacin sobre la delincuencia en la
ciudad de El Alto del departamento de La Paz, el investigador
defenda el haber utilizado un Plan Aleatorio y Simple. Esto es
imposible dado que implicara tener el nmero de ladrones en El
Alto y adems la lista de cada uno de ellos. Sera verdaderamente til
para nuestra sociedad disponer de esta lista, pero sabemos que esto es
imposible.
f) Definicin irresponsable del tamao de la muestra
Un problema de fondo en la investigacin, es la determinacin del
tamao de la muestra. En esta tarea reconozco dos prototipos de
profesionales.
Los primeros que habiendo realizado una observacin
absolutamente extraa proponen realizar un muestreo al 10 %, de
dnde sale esta cifra?, si el investigador indica que no se conoce la
poblacin, inmediatamente l propone realizar 400 observaciones, si
el investigador pone mala cara, entonces baja a 300 hasta preguntar al
investigador cuntas estabas pensando realizar?, si el investigador
seala 150, entonces el experto indica, ok le pegamos 150 parece
que es suficiente. Este tipo de experto juega el rol de un yatiri,
considero que esta conducta es sensiblemente usual, debemos
14
reconocer que existen profesionales habituados a este tipo de
prcticas.
Otro prototipo de experto es el que demanda justificar o
argumentar su tamao de muestra, a menudo son los tribunales o
revisores de tesis quienes demandan una formulita.
La formulita que tradicionalmente se usa es la que hace participar
al valor de p y q, pero qu es p?, probabilidad de xito y q
probabilidad de fracaso, el investigador responsable se pregunta
xito o fracaso de qu ser?
Existe una respuesta inmediata, si se desconoce el valor de p y de
q se debe considerar un valor de p igual a 0.5 y por tanto q tambin
vale 0.5, asumiendo un nivel de confianza del 95% y un error de 5%
entonces se obtiene un tamao d muestra igual a 384.
La determinacin del tamao de la muestra es mucho ms
compleja que la simple aplicacin de una formulita, es ms, la
presencia de una sola formulita es un excelente indicador de
deficiente planificacin.
1.3. Problemas en el anlisis de datos
Finalmente un ltimo problema que recuerdo, es el relacionado al
tratamiento o anlisis de los datos. A este nivel otras palabras que me
ponen los pelos en punta: tabulacin, sistematizacin y el cruce de
variables.
Esta aproximacin representa un aprovechamiento pobre de la
informacin, en efecto, se traduce en una inmensa cantidad de tablas
acompaadas con grficas. A partir de estas tablas se realizan lecturas
simultneas, al puro estilo de los adivinos con naipes para sacar
conclusiones.
15
Estoy seguro que an deben existir otros problemas ms. Es
importante hacer notar que estos problemas son los desafos a los
cuales un investigador responsable va a estar confrontado.
La pregunta es cmo resolver de manera prctica y efectiva cada
uno de los problemas, preguntas y desafos que implica la
planificacin responsable de la Investigacin?
Precisamente, el propsito central de esta obra es proponer una
herramienta prctica que ayude al investigador a encontrar respuesta
concreta a sus preguntas de investigacin. La herramienta es MAPIC.
16
17

Captulo 2

DEFINICIN DE LOS RESULTADOS
ESPERADOS

2.1. LA IDEA Y EL PLANTEAMIENTO DEL PROBLEMA
2.2. DEFINICIN DE OBJETIVOS Y DEL RESULTADO ESPERADO
2.3. LA MATRIZ DE PLANIFICACIN EN INVESTIGACIN CIENTFICA.
MAPIC
2.4. APLICACIN EN EL EJEMPLO HIPOTTICO
18

2.1. La idea y el Planteamiento del Problema
Un tema de investigacin nace a partir de una idea. Las ideas tienen
diversos orgenes, materiales escritos, materiales audiovisuales,
descubrimientos, conversaciones, creencias, etc.
Las ideas inicialmente tienen un carcter muy vago, no son
precisas. Se inicia por tanto una bsqueda de antecedentes orientado a
definir de manera ms precisa la idea.
Las ideas deben traducirse en problemas o preguntas a investigar.
Estos problemas definen de manera ms precisa cul ser el tema de
investigacin. No existen recetas para traducir una idea en problemas,
es bsicamente la experiencia, que le da una mayor habilidad al
investigador, para realizar este proceso.

Figura 2.1. Idea y problemas de investigacin

El problema de investigacin no es otra cosa que el tema de
investigacin definido de manera muy precisa.
IDEA
in Investigac de Problema
19

2.2. Definicin de Objetivos y del Resultado Esperado
El o los problemas de investigacin identificados en la etapa anterior
deben ser luego traducidos en objetivos. Los trabajos de investigacin
normalmente proponen un objetivo general y a partir de ste se
deducen los objetivos especficos.
Los objetivos deben declarar de manera explcita la intencin de
la investigacin y se constituyen entonces en elementos rectores de
dicha investigacin.
Como hemos mencionado en el captulo 1, estos objetivos no
siempre definen de manera precisa el producto de la investigacin.
Por tanto es fundamental en la investigacin traducir los objetivos en
Resultados Esperados, Ri.
Los Ri son los productos concretos que la investigacin aspira
alcanzar, entonces es fundamental su formulacin con la ms alta
precisin.

Figura 2.2. Objetivo General, Objetivos Especficos, Resultados Esperados

Objetivo
general
in Investigac de Problema
Objetivos
especficos
Resultados
Esperados
20

Es importante hacer notar que el proceso presentado en la figura
2.2. no establece que estos pasos deben seguirse de manera
secuencial. Existen investigadores con mayor o menor habilidad para
formular objetivos, problemas o resultados esperados. Lo que interesa
es que exista una total correspondencia entre cada uno de estos
componentes.
Consideremos a ttulo de ilustracin el siguiente ejemplo:

IDEA

Desarrollar un nuevo producto, una mermelada de mora

PROBLEMA

Realizamos la inversin para este nuevo negocio?

OBJETIVO GENERAL

Elaborar un plan de negocio

OBJETIVOS ESPECFICOS

Realizar una I nvestigacin de Mercado
3

3
Podra existir ms de un objetivo especfico.
21
La formulacin del objetivo especfico Realizar una Investigacin de
Mercado no define de manera precisa cul es el producto que se est
buscando exactamente.
Se podran plantear como Resultados Esperados de esta
investigacin:

RESULTADOS ESPERADOS

R1: Estimar la demanda actual y proyectarla a 5 aos.
R2: Segmentar el mercado.
R3: Posicionamiento de la marca frente a la
competencia.
R4: Estimar factores o determinantes de demanda.

Los cuatro Resultados Esperados planteados en este ejemplo
muestran de manera concreta los productos que la Investigacin
aspira alcanzar.
La diferencia entre el objetivo general, los objetivos especficos y
los resultados esperados; es bsicamente el nivel de precisin con el
que se plantean. En nuestro ejemplo proponer realizar una
investigacin de mercado o estimar la demanda ponen en evidencia la
diferencia a nivel de la precisin con la que se aspira el producto de la
investigacin.
22

Otro ejemplo en el contexto de finanzas

IDEA

Nuestra institucin financiera debe ser ms competitiva

PROBLEMA

Existe una alta mora y una baja rentabilidad

OBJETIVO GENERAL

Disminuir la mora y elevar la rentabilidad

OBJETIVOS ESPECFICOS

Realizar un anlisis situacional de la I nstitucin

La formulacin del objetivo especfico Realizar un anlisis
situacional de la Institucin no define de manera precisa cul es el
producto que la investigacin aspira.

23
Se podran plantear como Resultados Esperados de esta
investigacin:

RESULTADOS ESPERADOS

R1: Posicionamiento de la I nstitucin frente a
la competencia

R2: Identificar factores que inciden en el
incumplimiento a la deuda

R3: Segmentacin de clientes segn niveles de
riesgo de incumplimiento

Es importante hacer notar la necesidad de plantear los Resultados
Esperados como guas de la investigacin. No es posible iniciar una
investigacin en la que no se conozca con absoluta precisin cul es
el producto aspirado.
Los Resultados Esperados se sienten no se definen. Un
investigador responsable sabe exactamente en qu momento siente los
Resultados Esperados.
En el caso de los estudiantes que realizan sus trabajos de fin de
estudio a nivel de pregrado e inclusive de a nivel de maestra, la
responsabilidad de definir los resultados esperados cae sobre el tutor
o gua de la tesis. El tutor debe tener absolutamente claro cuales son
24
los productos esperados de la investigacin. Lamentablemente esta
tarea es responsabilizada al estudiante que no tiene normalmente
ninguna prctica de investigacin. La responsabilidad del estudiante
ser el diseo de la investigacin y la ejecucin de la investigacin.
Considero que este es uno de los principales motivos por los cuales
muchos estudiantes no concluyen sus trabajos de fin de estudio.
2.3. La Matriz de Planificacin e Investigacin
Cientfica MAPIC
Hemos ya mencionado que los libros de metodologa de la
investigacin, proponen una serie de pasos o etapas para poder
desarrollar la investigacin cientfica. Tambin sealamos que el
investigador con sentido prctico termina frustrado al seguir las
recetas ya que no consigue lo que buscaba, disear su investigacin
con rigor y objetividad.
He podido tambin constatar que algunos autores con un espritu
noble proponen inclusive formatos para los informes de investigacin
diferenciando inclusive aquellos con aproximacin cuantitativa y
cualitativa. Considero que comente un error.

Si alguien te pide de comer no le des un
pescado, ensale a pescar
MAPIC es una matriz, que va a guiar al investigador, paso a
paso, para poder disear su investigacin con alta objetividad y rigor.
MAPIC rompe la dicotoma cuali-cuantitativa. MAPIC introduce de
manera natural la estadstica en el proceso de investigacin.
La idea es ir desarrollando con usted esta herramienta. En cada
uno de los captulos se maneja un ejemplo hipottico que va a ilustrar
de manera objetiva el proceso de construccin de MAPIC.
Finalmente en el captulo 9 se presenta un ejemplo real.
25

La construccin de MAPIC implica seguir, no necesariamente de
manera secuencial, siete etapas:

1. RESULTADOS ESPERADOS
2. POBLACIN Y UNIDADES DE OBSERVACIN
3. VARIABLES Y TIPO DE DATO
4. MTODO DE COLECTA
5. PLAN DE MUESTREO
6. MTODO ESTADSTICO
7. TAMAO DE LA MUESTRA

Las columnas de la matriz MAPIC son presentadas en la tabla
2.1.

26

N

T
a
b
l
a

2
.
1
.

E
s
t
r
u
c
t
u
r
a

d
e

l
a

M
a
t
r
i
z

d
e

P
l
a
n
i
f
i
c
a
c
i
n

e
n

I
n
v
e
s
t
i
g
a
c
i
n

c
i
e
n
t
f
i
c
a

M
A
P
I
C

M
T
O
D
O

E
S
T
A
D
S
T
I
C
O

M
T
O
D
O

D
E

C
O
L
E
C
T
A

V
A
R
I
A
B
L
E
S

P
O
B
L
A
C
I
N

R
E
S
U
L
T
A
D
O
S

E
S
P
E
R
A
D
O
S

27

2.4. Aplicacin en el ejemplo Hipottico
Como ya hemos mencionado anteriormente, en esta obra vamos a
construir un ejemplo hipottico para poder ilustrar, de manera
modular, la construccin de MAPIC.
Vamos a suponer que el investigador desea obtener tres
Resultados Esperados. Estos deben ser trasferidos a la primera
columna de MAPIC tal como presenta la tabla 2.2.

Referencias complementarias: AZORIN F., SANCHEZ J.L. [1994] MIQUEL
et al. [1997], DAGNELIE [1997], HERNANDEZ et al. [2003]
28

N

T
a
b
l
a

2
.
2
.

M
A
P
I
C
.

R
e
s
u
l
t
a
d
o
s

e
s
p
e
r
a
d
o
s

M
T
O
D
O

E
S
T
A
D
S
T
I
C
O

M
T
O
D
O

D
E

C
O
L
E
C
T
A

V
A
R
I
A
B
L
E
S

P
O
B
L
A
C
I
N

R
E
S
U
L
T
A
D
O
S

E
S
P
E
R
A
D
O
S

R
1

R
2

R
3

29

Captulo 3

DEFINICIN DE POBLACIN Y
UNIDADES DE OBSERVACIN

3.1. DEFINICIN DE POBLACIN Y UNIDADES DE OBSERVACIN
30

3.1. Definicin de Poblacin
En general todo proceso de investigacin debe generar datos e
informacin relativa a un grupo de elementos. El conjunto de
elementos que interesa al investigador se denomina Poblacin y los
elementos observados son denominados Unidades de Observacin.
Las Unidades de Observacin, en muchos casos denominados
individuos pueden ser: individuos, familias, universidades,
municipios, bancos, etc. Inclusive en muchos casos son partes de un
individuo.
Las poblaciones pueden ser declaradas como finitas o infinitas.
Las poblaciones finitas son aquellas en las que se dispone de la lista
de todas las Unidades de Observacin. Por el contrario las
poblaciones declaradas como infinitas son aquellas donde no se
dispone de la lista de Unidades de Observacin.
En el proceso de investigacin, la definicin de la poblacin se
denomina tambin definicin del objeto de la investigacin. El objeto
de investigacin es quien delimita el alcance de la investigacin. Es
por tanto absolutamente necesario, al inicio de la investigacin,
definir de manera precisa el alcance de la investigacin.
La definicin precisa de la poblacin implica realizar una
delimitacin espacial y temporal de la poblacin.
La definicin espacial implica delimitar geogrficamente el
alcance de la poblacin. La definicin temporal implica delimitar el
momento en el que se realiza la investigacin.

Referencias complementarias: DAGNELIE [1998]

31
La tabla 3.1 presenta algunos ejemplos relativos a la definicin de
la poblacin y las unidades de observacin

Tabla 3.1 Poblacin y Unidades de Observacin

POBLACIN UNIDADES DE OBSERVACIN
Total de hogares en Cochabamba
(Poblacin infinita)
Hogar
Total de marcas de paal
(Poblacin finita)
Paal para bebe
Total de Bancos privados en Bolivia
(Poblacin finita)
Banco
Total de UPAs
4
del Chapare- Cochabamba
(Poblacin finita)
UPAs

Mismo que estas definiciones parecen ser muy sencillas en el
fondo traen complicaciones durante la definicin del alcance de la
investigacin.
Qu es un hogar?, hogar es familia?, qu es una familia?
Cules marcas de paales nos interesan?, son todas los
nacionales o todas los que se producen en Amrica Latina?, o en el
mundo entero?
Cmo se define una UPA?, cul es la superficie mnima para
ser considerada una UPA?
Es claro que una definicin precisa de las Unidades de
Observacin y en consecuencia una definicin exacta de la Poblacin
son tareas fundamentales en Investigacin.

4
UPAs. Unidad de Produccin Agropecuaria.
32

3.2. Aplicacin en el ejemplo hipottico
En el ejemplo hipottico que se est manejando, corresponde
introducir, en la MAPIC el concepto de Poblacin y Unidades de
Observacin.
En la segunda columna de MAPIC se debe sealar la o las
poblaciones que participan. La tabla 3.2 seala que R1 y R2 sern
obtenidos a partir de observaciones realizadas en la poblacin 1 y R3
ser alcanzado a travs de observaciones recogidas en una poblacin
2.
Se debe notar, en la tabla 3.2., que la poblacin 1 es declarada
como finita, esto implica, que el investigador, tiene la lista con todas
las Unidades de Observacin de dicha Poblacin.
Por el contrario, la poblacin 2 ha sido declarada como infinita,
precisamente por que no se tiene a disposicin la lista de Unidades de
Observacin.

33

T
a
b
l
a

3
.
2

M
a
t
r
i
z

M
A
P
I
C
.

R
e
s
u
l
t
a
d
o
s

E
s
p
e
r
a
d
o
s
,

P
o
b
l
a
c
i
n

y

U
n
i
d
a
d
e
s

d
e

O
b
s
e
r
v
a
c
i
n
.

P
O
B
L
A
C
I
N

P
1

(
f
i
n
i
t
a
)

P
1

(
f
i
n
i
t
a
)

P
2

(
i
n
f
i
n
i
t
a
)

R
E
S
U
L
T
A
D
O
S

E
S
P
E
R
A
D
O
S

R
1

R
2

R
3

34

Se debe notar que la definicin de las Unidades de Observacin y la
Poblacin se realizan para cada Ri. Por tanto es posible que en un
trabajo de investigacin se maneje ms de una poblacin.
La experiencia muestra que, en general, se maneja una sola
poblacin, sin embargo, es posible manejar dos, tres o ms
poblaciones en la Investigacin.

Referencias complementarias: DAGNELIE [1997], HERNNDEZ et al. [2003]
35

Captulo 4

DEFINICIN DE VARIABLES

4.1. VARIABLES, DATOS
36

4.1. Variables y Datos
Una vez definidas, en MAPIC, los Resultados Esperados, la
Poblacin y las Unidades de Observacin, corresponde definir las
variables que el investigador debe observar.
Es evidente que la primera pregunta que surge es:

Qu es una variable?
La literatura propone definiciones diversas dependiendo del libro
de referencia que se selecciona. Si son libros del rea de matemticas
o ciencias exactas en general, proponen definiciones a menudo poco
comprensibles por el investigador prctico. Por el contrario algunos
libros en su afn simplificador pueden proponer definiciones muy
imprecisas.
Desde un punto de vista practico:

Variable es una caracterstica o atributo que
posee la Unidad de Observacin
Por tanto, no es posible definir las variables de un trabajo de
investigacin si de manera previa no se ha definido con precisin las
Unidades de Observacin.
En el caso que el instrumento de colecta de datos sea cuestionario,
entonces el concepto de variable se asocia directamente al concepto
de pregunta. Si los instrumentos de colecta son los talleres, grupos
focales, etc., las variables son las preguntas de las guas de taller o de
los grupos focales.
37
Por tanto cuando llegamos a este estado de investigacin el
desafo de la definicin de variables se traduce de manera concreta en
dos preguntas:

Cuntas variables de debe observar en el trabajo de
investigacin exactamente?
Cmo se deben medir estas variables?
MAPIC debe responder de manera precisa a estas dos ltimas
preguntas.
Sin embargo, antes de responder a estas dos preguntas conviene
responder algunas preguntas previamente: qu son las variables
cualitativas?, qu son las variables cuantitativas?, qu es un dato?
qu son los datos cualitativos?, qu son los datos cualitativos?
Las variables pueden ser de dos tipos: cualitativas y cuantitativas.
Una variable es declarada como cuantitativa si el nmero de
modalidades de respuesta, que tiene la Unidad de Observacin es
infinito.
Por el contrario una variable es considerada como cualitativa si el
nmero de modalidades de respuesta, que tiene la Unidad de
Observacin, es finito y a menudo pequeo.
Es evidente que el lmite entre una variable cuantitativa y
cualitativa es bastante difuso. Es importante hacer notar
independientemente, sea cuantitativa o cualitativamente, si la variable
es sujeto de medicin en la Unidad de Observacin.

38

Cul es el aparatito para medir el peso
(cuantitativa)?
Es la balanza.

Cul es el aparatito para medir el sabor de
un vino?
Es el hombre y de manera ms precisa el sentido del gusto.
Por tanto la diferencia entre una variable cuantitativa y cualitativa
es bsicamente la precisin con la que se puede medir en la Unidad
de Observacin.
As mismo se debe tener particular cuidado en la definicin del
tipo de variable. Una caracterstica de la Unidad de Observacin
puede ser medida de manera cuantitativa o de manera cualitativa:

PESO CUANTI TATI VO
67.8 kg

Es que los individuos han sido pesados con una balanza de
precisin.

PESO CUALI TATI VO
1: Gordo
2: Normal
3: Flaco
39
Es que los individuos han sido pesados con la vista:
Un otro concepto, importante a definir, tambin de manera precisa
y prctica es el concepto de dato.

Qu es un dato?

El dato no es otra cosa que la

Respuesta que la Unidad de Observacin,
propone a la variable

Los datos se clasifican, como el caso de las variables en dos
categoras: cuantitativos y cualitativos.

Continuo o de medicin
DATOS CUANTI TATI VOS
Discreto o de conteo

Los datos continuos son generados cuando la Unidad de
Observacin puede responder con infinidad de valores, quiere decir
puede responder con decimales. Los valores generados por este tipo
de variables pertenecen al espacio de los nmeros reales.

I ngreso mensual promedio en una Regin
370.5 $us

40

Peso de un individuo
67.8 kg

Los datos de conteo son de naturaleza discreta, la Unidad de
Observacin no puede responder con valores expresados con
decimales. Los valores generados por este tipo de variables
pertenecen al espacio de los nmeros enteros positivos.

Nmero de hijos
4 hijos

Nmero de empleados en la Empresa
7 trabajadores

Los datos cualitativos se clasifican, por su parte, en tres grupos:

Binario
DATOS CUALI TATI VOS

Ordinal

Nominal

Los datos cualitativos binarios son generados cuando la Unidad
de Observacin tiene dos posibilidades de respuesta a la variable.

Sexo del individuo
Femenino
41

Su empresa exporta, s/n?
Si exporta

Los datos ordinales son generados cuando la Unidad de
Observacin tiene normalmente ms de dos opciones de respuesta.
Estas opciones deben poseer orden.

Cul es la calificacin alcanzada en un test?
1: Excelente
2: Bueno
3: Regular
4: Malo

Los datos nominales son valores generados cuando la Unidad de
Observacin, tienen normalmente ms de dos opciones. Estas
opciones, sin embargo, no poseen orden.

Cul es el estado civil del individuo?
1: Casado
2: Soltero
3: Divorciado
4: Viudo
5. Concubinato

Como se menciona anteriormente se debe tener particular cuidado
al sealar el tipo de dato que puede generar un variable.
42
En el ejemplo siguiente se muestran tres formas distintas de medir
el ingreso.

I ngreso mensual promedio en Bs evaluado de manera
cualitativa binaria.
1: I ngreso menor o igual a Bs 3.000
2: I ngreso mayor a Bs 3.000

cualitativa ordinal
1: I ngreso menor a Bs 1.000
2: I ngreso mayor a Bs 1.000 y menor a Bs 2.000
3: I ngreso mayor a Bs 2.000 y menor a Bs 4.000
4: I ngreso mayor a Bs 4.000

cuantitativa
Bs 3750.5

Se debe notar que en los tres casos la precisin con la que se
obtiene el dato del ingreso es distinta. La decisin final de cmo
observar la variable depende de la precisin que exige el Resultado
Esperado. Si el Ri exige una alta precisin la variable debe ser
observada de manera cuantitativa y por el contrario si la variable no
requiere de una alta precisin se la puede evaluar de manera
cualitativa.

43

Una vez completadas las dos primeras columnas de MAPIC, se
procede a completar la tercera columna que tiene que ver
precisamente con la definicin de variables.
La identificacin de variables se realiza para cada Ri de manera
totalmente independiente. Es decir es el Ri que propone cuantas
variables se debe observar exactamente.
En el ejemplo, que se est manejando, para alcanzar R1, se
requieren dos variables; X1 y X2. Para alcanzar R2 se requieren tres
variables; X3, X1 y X4. Se debe notar que estas cuatro variables son
medidas en Unidades de Observacin de la Poblacin 1.
Finalmente para alcanzar R3 se requiere tan solo una variable, X1.
Esta variable corresponde a una medicin realizada en una Unidad de
Observacin de la Poblacin 2.
La tabla 4.1. integra en la tercera columna de MAPIC la lista de
variables necesarias para alcanzar cada uno de los tres Ri.

44

T
a
b
l
a

4
.
1
.

M
a
t
r
i
z

M
A
P
I
C
.

R
e
s
u
l
t
a
d
o
s

E
s
p
e
r
a
d
o
s
,

P
o
b
l
a
c
i
n
,

U
n
i
d
a
d
e
s

d
e

O
b
s
e
r
v
a
c
i
n

y

V
a
r
i
a
b
l
e
s
.

V
A
R
I
A
B
L
E
S

X
1

X
2

X
3

X
1

X
4

X
1

P
O
B
L
A
C
I
N

P
O
B
L
A
C
I
N

1

U
O

1

P
O
B
L
A
C
I
N

1

U
O

1

P
O
B
L
A
C
I
N

2

U
O

2

R
E
S
U
L
T
A
D
O
S

E
S
P
E
R
A
D
O
S

R
1

R
2

R
3

45

Se debe notar que una misma variable puede participar en
distintos Ri, es el caso de la variable X1 que est presente en R1 y
R2.
Es muy importante advertir que es en esta fase que el investigador
tendr la respuesta a la pregunta

Cuntas variables debo observar?
En el caso de nuestro ejemplo, el investigador debe levantar
exactamente cuatro variables en la poblacin 1 y una variable en la
poblacin 2, quiere decir en total cinco variables.
Si los instrumentos de recoleccin consideran la variable X5, sta
ltima se denomina variable por si acaso, situacin que en la
prctica no sera demasiado problema sin embargo podra traducirse
en un mayor costo. Por el contrario si el revisor de formularios
decide eliminar la variable X1, en este caso no ser posible responder
a ninguno de los dos primeros Resultados Esperados.
Por tanto se puede afirmar con absoluta seguridad que no es
posible revisar un instrumento de recoleccin de datos (variables)
para alguien que no ha identificado de manera precisa sus Resultados
Esperados.
Luego para cada variable se debe declarar el tipo de dato que
genera, quiere decir, como va a ser medida la variable. Se deben
distinguir bsicamente los dos tipos de variables presentados:
cuantitativas, o cualitativas. Se recomienda que esta informacin se la
presente debajo de cada variable entre parntesis. La tabla 4.2.
muestra esta definicin del tipo de variable.
46

T
a
b
l
a

4
.
2
.

M
a
t
r
i
z

M
A
P
I
C
.

R
e
s
u
l
t
a
d
o
s

E
s
p
e
r
a
d
o
s
,

P
o
b
l
a
c
i
n
,

U
n
i
d
a
d
e
s

d
e

O
b
s
e
r
v
a
c
i
n
,

v
a
r
i
a
b
l
e
s

y

t
i
p
o

d
e

d
a
t
o
.

V
A
R
I
A
B
L
E
S

X
1

[
C
O
N
T
I
N
U
A
]

X
2

[
B
I
N
A
R
I
A
]

X
3

[
O
R
D
I
N
A
L
]

X
1

[
C
O
N
T
I
N
U
A
]

X
4

[
C
O
N
T
I
N
U
A
]

X
1

[
O
R
D
I
N
A
L
]

P
O
B
L
A
C
I
N

P
O
B
L
A
C
I
N

1

U
O

1

P
O
B
L
A
C
I
N

1

U
O

1

P
O
B
L
A
C
I
N

2

U
O

2

R
E
S
U
L
T
A
D
O
S

E
S
P
E
R
A
D
O
S

R
1

R
2

R
3

47

Por tanto las variables observadas en la Poblacin 1, X1, X2, X3,
X4 deben ser medidas de manera Cuantitativa-Continua, Cualitativa-
Binaria, Cualitativa-Ordinal, y Cuantitativa-Continua respectivamente.
En la poblacin 2 existe una sola variable observada, X1 de
manera Cualitativa-Ordinal.
Por tanto, al finalizar esta fase, el investigador conoce
exactamente lo que el trabajo de investigacin va a generar (columna
1 de MAPIC), conoce exactamente que Unidades de Observacin va
a observar y a que poblacin pertenecen y finalmente sabe
exactamente cuantas variables debe observar y como debe medir cada
una de ellas.

Referencias complementarias: MIQUEL et al. [1997], DAGNELIE [1997],
HERNANDEZ et al. [2003], SCHEAFFER et al. [1987].

48
49

Captulo 5

DEFINICIN DEL MTODO
DE COLECTA

5.1. FUENTES DE INFORMACIN
5.2. MTODOS DE COLECTA CUANTITATIVOS
5.3. MTODOS DE COLECTA CUALITATIVOS
50

5.1. Fuentes de Informacin
Una vez que se han definido las variables se debe seleccionar la
fuente de informacin. En la figura 5.1. se muestran los tipos de
fuentes de informacin existentes:

Cualitativas
Primarias
Cuantitativas

I nternas
Secundarias
Externas

Figura 5.1 Tipos de Fuentes de informacin

Las fuentes de informacin primarias son aquellas, cuando el
investigador tiene la responsabilidad de generar los datos. Por el
contrario las fuentes de informacin secundaria suponen que los datos
son ya existentes.
A su vez las fuentes primarias pueden ser cualitativas o
cuantitativas. Las fuentes cualitativas son aquellas investigaciones de
carcter exploratorio, basadas en muestra reducida, cuestionarios no
estructurados orientados a buscar respuesta algunas preguntas. En
cambio las fuentes cuantitativas pretenden cuantificar resultados a
partir de muestras representativas.
La obtencin de la informacin, en el caso de fuentes primarias se
realiza a travs de mtodos denominados cualitativos y cuantitativos.

Tipos

de

Fuente
s
51
Entre los mtodos cuantitativos estn:
a) Encuestas (personal, postal, telefnica).
b) Encuestas peridicas (panel).
Entre los mtodos cualitativos estn:
a) Directos (entrevistas en profundidad, reuniones de grupo).
b) Semidirectos (Phillips 66, Delphi).
c) Indirectos (Tcnicas proyectivas, tcnicas de creatividad).
d) Observacin (personal, anlisis de contenidos, auditorias).
La seleccin de un mtodo cuantitativo o cualitativo es funcin
estricta del tipo de informacin que debe generarse y responde
bsicamente a la factibilidad de respuesta ante una pregunta de
investigacin.
Existen preguntas a las que no es posible encontrar su respuesta
utilizando un mtodo cuantitativo, de igual forma no ser posible
lograr una respuesta con la precisin que se espera con mtodos
cualitativos.

Referencias complementarias: MIQUEL et al. [1997]

5.2. Mtodos de Colecta Cuantitativos
Los mtodos de colecta de datos denominados cuantitativos son
aquellos que levantan la informacin de manera objetiva y
mensurable. Este tipo de tcnicas supone la seleccin de
procedimientos de seleccin
5
de Unidades de Observacin
denominadas representativas.

5
Planes de muestreo
52
El hecho de contar con una muestra representativa y determinada
a travs de un procedimiento objetivo permite determinar los niveles
de error a un nivel de significacin.
Existen diversos mtodos de colecta denominados cuantitativos.
El esquema siguiente ilustra los ms importantes:

Encuestas Ad-Hoc [Personal, Postal,
Telefnica]
CUANTITATIVOS

Encuestas peridicas [Panel, mnibus]

Observacin

Figura 5.2. Mtodos de colecta cuantitativos

a) Encuestas Ad-Hoc
Estrictamente el trmino encuesta implica cualquier procedimiento de
bsqueda de informacin. Sin embargo en este captulo se entiende
encuesta como el procedimiento de consulta directa a la Unidad de
Observacin a travs de un cuestionario bien estructurado.
La formulacin de preguntas, para construir un formulario no
parece una actividad compleja sobre todo para el investigador que
conoce exactamente que es lo que va a colectar. Sin embargo se debe
ser particularmente cuidadoso en la formulacin de la pregunta y en
el orden en el que aparecen estas en el cuestionario.
La encuesta personal es uno de los mtodos de recoleccin de
informacin cuantitativa ms utilizada. Este tipo de mtodo implica
tener un contacto directo con la Unidad de Observacin. Entre las
ventajas que tiene este mtodo de colecta se puede mencionar:
porcentaje elevado de respuestas, no existe la influencia de terceros,
se puede adaptar la pregunta al tipo de encuestado. Entre las
53
desventajas. Elevado costo, supone encuestadores muy bien
entrenados, introduccin de un sesgo voluntario o no del
entrevistador.
La encuesta postal implica la utilizacin del correo para enviar el
cuestionario. Las ventajas son: rapidez, bajo costo unitario, no existe
el sesgo introducido por el entrevistador. Entre las desventajas se
puede citar: el bajo ndice de respuesta, informacin que no ser
representativa, el cuestionario debe ser bastante corto y pueden existir
influencias de terceros.
La encuesta telefnica se establece como su nombre dice a travs
de una lnea telefnica. Las principales ventajas que supone este
mtodo de colecta son: velocidad en la obtencin de informacin,
costo reducido, el ndice de respuesta es normalmente mucho ms
alto que en el mtodo por correo, respuesta fiables. Las desventajas
ms corrientes de este mtodo de colecta son: cuestionarios deben ser
cortos, existen unidades de observacin que no tienen telfono y esto
puede sesgar las respuestas.
b) Encuestas Peridicas
Las encuestas Ad Hoc son mtodos de colecta denominados
transversales, quiere decir se realizan en un momento determinado.
Existen sin embargo encuestas que se realizan con una cierta
periodicidad ests son bsicamente el panel y las encuestas mnibus.
El panel es un procedimiento de observacin longitudinal, quiere
decir tiene una cierta periodicidad. La muestra normalmente debe ser
la misma aunque en algunos casos podra ser remplazada. Existen tres
tipos de paneles: paneles de consumidores, paneles de detallistas o
distribuidores del producto o servicio y el panel de audiencias que son
grupos que utilizan la televisin o algn medio de comunicacin.
La encuesta de mnibus es un mtodo de recoleccin de
informacin en el que intervienen varios clientes o empresas que
54
requieren informacin. El principio consiste en que cada empresa
elabore un cuestionario de muy pocas preguntas y stas luego son
integradas en un solo cuestionario. Una de las ventajas es que los
costos por empresa se reducen de manera importante pero es claro
que una empresa en particular es demandante de un reducido nmero
de variables.
Los mtodos de observacin suponen procedimientos que recogen
datos mensurables.
Finalmente, se pueden citar como mtodos de recoleccin
tambin cuantitativos aquellos en los que se utiliza el fax o el
Internet.
5.3. Mtodos de Colecta Cualitativos
Los mtodos de colecta denominados cualitativos suponen procesos
de levantamiento de informacin que no son objetivamente
mensurables, sin embargo, esto no implica que los resultados pierdan
la objetividad.
Estos mtodos suponen una mayor flexibilizacin en los procesos
de recoleccin que se traducen bsicamente en observacin en menor
proporcin, el plan de muestreo es realizado por el investigador, la
muestra no permite realizar extrapolaciones con niveles de error y
niveles de confianza establecidos como en el caso de los mtodos
cuantitativos.
Es importante mencionar que de ninguna manera la aproximacin
cualitativa debe ser comprendida como un procedimiento de
levantamiento de informacin sin rigor. Por el contrario su
planificacin supone una alta calificacin del investigador.
La figura 5.3. presenta los mtodos de recoleccin denominados
cualitativos.

55

Directos [Entrevista en Profundida,
Reuniones]

Semidirectos [Phillips 66, Delphi]
CUALITATIVOS

Indirectos [Tcnicas Proyectivas y de
creatividad]

Observacin [personal, anlisis de
contenidos]

Figura 5.3. Mtodos de colecta cualitativos

Las tcnicas cualitativas son particularmente tiles en procesos en
los que interesa identificar patrones de comportamiento, creencias,
opiniones, actitudes, motivaciones, etc.
a) Tcnicas directas
Las entrevistas en profundidad son contactos personales no
estructurados, dejando al individuo la libertad de expresin a
propsito de un tema en particular. El entrevistador debe ser personal
altamente calificado y con experiencia en este tipo de contactos.
Existen algunas entrevista denominadas semiestructuradas en las que
el entrevistador lleva consigo una gua de preguntas. Los resultados
de la entrevista son registrados en cuadernos, son grabados y en
algunos casos inclusive filmados.
Las reuniones de grupo o dinmicas de grupo son procedimientos
de recoleccin monitoreados por un moderador encargado de
proponer un tema de anlisis a un grupo de individuos. Se deben
establecer dinmicas de discusin ordenadas y los comentarios que
realizan dan lugar a nuevos comentarios. Estos grupos de discusin se
56
establecen a travs de un estricto protocolo: planificacin y diseo de
la investigacin (moderador y el cliente), composicin y seleccin de
los individuos que van a participar, reclutamiento, nmero de
dinmicas, localizacin, grabacin de las dinmicas, funciones del
moderador.
b) Tcnicas semidirectas
La tcnica Phillips 66 es un mtodo en el que un grupo de individuos
se divide en pequeos grupos de discusin para tratar un tema en
particular de investigacin. Los grupos operan de manera separada,
sacan sus conclusiones y en bases a estas se reunin los grupos para
exponer sus posiciones y tratar de llegar a resultados de consenso.
Delphi es un mtodo de recoleccin en el que se conforma un
grupo de individuos denominados panel de expertos. Un equipo
tcnico se encarga de elaborar una primera gua de preguntas que es
enviada a los expertos (primera circulacin), estos responden de
manera absolutamente annima y son devueltos al equipo tcnico que
tienen en esta fase la responsabilidad de analizar los resultados de la
primera circulacin, elaborar un cuestionario mucho ms estructura y
reenviar a los expertos. El procedimiento contina hasta que los
expertos lleguen al consenso. El autor del libro ha adaptado dos
mtodos: el coeficiente de Spearman y el coeficiente de Kendall para
poder evaluar este nivel de consenso.
c) Tcnicas Indirectas
Existen dos familias las tcnicas proyectivas y las de creatividad. Las
tcnicas proyectivas presentan al entrevistado una serie de estmulos
y se le pide que este reaccione. Entre los estmulos ms corrientes
estn los tests de asociacin de palabras, el entrevistador menciona
una serie de adjetivos y se le pide al entrevistado que mencione la que
mas recuerda o asocia a un concepto dado. Otro tipos de pruebas
proyectivas son los tests de frases incompletas y el de respuestas a
57
imgenes en el que se le pide al entrevistado que observe y mencione
un mximo de valoraciones de dichas imgenes.
Las tcnicas de creatividad se centran en procesos intensivos de
creacin de ideas una de las tcnicas ms populares es el
Brainstorming.
El Brainstorming o tormenta de cerebros tambin conocido como
lluvia de ideas es un proceso en el que se rene un grupo de
individuos normalmente muy heterogneos para tratar un problema.
Este mtodo tiene normalmente dos fases, una primera en la que los
participantes exponen sus propuestas sin dar juicios de valor y una
segunda fase en la que las diferentes propuestas son sometidas a una
valoracin.
En el ejemplo hipottico que se est manejando ya se han completado
las tres primeras columnas: la columna de los Resultados Esperados,
la columna de la o las Poblaciones objeto de estudio y la columna de
las Variables en las que se especifica el nmero de variables y la
forma como se mide cada una de estas.
Corresponde ahora introducir la cuarta columna de MAPIC, el
mtodo de colecta, y la pregunta que el investigador se plantea es:

Cul es o cules son los mtodos de colecta que debo
considerar?
Se debe seleccionar para cada variable, el mtodo de colecta. La
seleccin del mtodo de colecta por variable responde a la siguiente
pregunta:

58

De qu manera es ms factible lograr una
respuesta de la Unidad de Observacin con el
nivel de precisin que el Resultado Esperado
exige?

La respuesta a esta pregunta conduce a identificar el mtodo de
colecta ms adecuado. Es importante hacer notar que un Ri puede
hacer participar variables que son colectadas a travs de mtodos
cuantitativos o cualitativos y por tanto se relativiza la dicotoma
cuantitativa-cualitativa.
En la tabla 5.1. se muestra la manera como ser colectada cada
variable para los tres Resultados Esperados propuestos en el ejemplo
hipottico.
59

T
a
b
l
a

5
.
1
.

M
a
t
r
i
z

M
A
P
I
C
.

R
e
s
u
l
t
a
d
o
s

E
s
p
e
r
a
d
o
s
,

P
o
b
l
a
c
i
n
,

U
n
i
d
a
d
e
s

d
e

O
b
s
e
r
v
a
c
i
n
,

v
a
r
i
a
b
l
e
s
,

t
i
p
o

d
e

d
a
t
o

y

m
t
o
d
o

d
e

c
o
l
e
c
t
a
.

M
T
O
D
O

D
E

C
O
L
E
C
T
A

E
n
c
u
e
s
t
a

R
e
v
i
s
i
n

F
S

T
a
l
l
e
r

E
n
c
u
e
s
t
a

E
n
c
u
e
s
t
a

E
n
c
u
e
s
t
a

V
A
R
I
A
B
L
E
S

X
1

[
C
O
N
T
I
N
U
A
]

X
2

[
B
I
N
A
R
I
A
]

X
3

[
O
R
D
I
N
A
L
]

X
1

[
C
O
N
T
I
N
U
A
]

X
4

[
C
O
N
T
I
N
U
A
]

X
1

[
O
R
D
I
N
A
L
]

P
O
B
L
A
C
I
N

P
O
B
L
A
C
I
N

1

U
O

1

P
O
B
L
A
C
I
N

1

U
O

1

P
O
B
L
A
C
I
N

2

U
O

2

R
E
S
U
L
T
A
D
O
S

E
S
P
E
R
A
D
O
S

R
1

R
2

R
3

60

Las variables X1 y X4 de la poblacin 1 son observados a travs
de encuestas directas, la variable X2 se observa de fuentes
secundarias y la variable X3 se observa a travs del taller. En el caso
de la poblacin 2 la variable X1 se observa a travs de una encuesta.
Esta definicin de mtodos de colecta corresponde a la factibilidad de
lograr una informacin de la Unidad de Observacin con la precisin
que el Ri exige.

Referencias complementarias: MIQUEL et al. [1997], DAGNELIE [1997],
HERNANDEZ et al. [2003], SCHEAFFER et al. [1987], AZORIN F.,
SANCHEZ J.L. [1994]
61

Captulo 6

DEFINICIN DEL PLAN
DE MUESTREO

6.1. PLANES DE MUESTREO
6.2. PLANES DE MUESTREO PROBABILSTICOS
6.3. PLANES DE MUESTREO NO PROBABILSTICOS
62

6.1. Planes de Muestreo
La mayora de los trabajos de Investigacin deben evaluar Unidades
de Observacin en poblaciones muy grandes y en algunos casos
prcticamente infinitas.
No es posible, por tanto, con recursos, humanos, financieros,
tiempo, etc. normalmente limitados, poder observar la totalidad de las
Unidades de Observacin y entonces no queda otra opcin que
observar parcialmente estas poblaciones
6
y en base a estos resultados
concluir a propsito de algunas caractersticas de la poblacin
Los planes de muestreo son, precisamente, los procedimientos que
permiten seleccionar Unidades de Observacin de la poblacin para
conformar la muestra.
Normalmente, en los estudios en los que el nmero de Unidades
de Observacin es relativamente pequeo y se dispone de recursos
humanos, financieros, de tiempo, etc. entonces se realiza una
observacin total, censo. Es claro que en este caso no tiene ya sentido
hablar de los planes de muestreo.
La figura 6.1. ilustra el concepto de censo se refiere o una
evaluacin total de las Unidades de Observacin de la poblacin. El
elipsoide representa la poblacin total y el hecho que este achurado
implica que se ha observado toda la poblacin.

6
Realizar una muestra.
63
Poblacin
Censo
Poblacin
Muestra

Figura 6.1. Censo

Sin embargo en muchos casos, como ya hemos mencionado, no es
posible observar toda la poblacin y se debe observar una muestra. La
muestra es una parte de la poblacin efectivamente observada. La
figura 6.2 ilustra este concepto.

Figura 6.2. Nocin de Poblacin y Muestra

El desafo central se traduce en la siguiente pregunta:

Cmo seleccionar una muestra representativa?
64
El trmino representativa implica tener una muestra con una
composicin similar a la poblacin, pero cmo lograr esto si no se
conoce la poblacin?
Existen dos formas de poder lograr que la muestra sea
representativa: los planes denominados probabilsticos y los planes no
probabilsticos.
Los planes probabilsticos son utilizados por aquellos
investigadores que no tienen un buen conocimiento de la poblacin,
temen elegir una muestra no representativa y por tanto delegan esta
tarea al azar.
Por el contrario los planes no probabilsticos son utilizados por
investigadores que conocen muy bien la poblacin y por tanto no
tienen ningn inters de delegar la responsabilidad de seleccin de las
muestra al azar sino por el contrario son ellos mismos que realiza
dicha seleccin.
6.2. Planes de Muestreo Probabilsticos
Como ya dijimos anteriormente esta familia de planes de muestreo
estn basados en procesos probabilsticos de seleccin y por tanto es
posible, en estos casos, poder evaluar el error de muestreo. Este error
es aquel que se comete al mencionar caractersticas de la poblacin
sin haber observado la poblacin en su totalidad.
a) Plan irrestricto aleatorio
El plan irrestricto aleatorio es uno de los procedimientos de seleccin
de Unidades de Observacin ms comn y utilizado en los trabajos de
investigacin. Su uso frecuente se debe principalmente a su
simplicidad y al hecho que la mayora de las tcnicas estadsticas,
fundamentalmente aquellas relacionadas con la Inferencia Estadstica
estn en base a este plan. Lamentablemente en muchos estudios se
confunde plan irrestricto aleatorio con plan como sea.
65
Poblacin
Muestra

Si una muestra de tamao n es seleccionada de una poblacin de
tamao N, de tal forma que cada muestra de tamao n tiene la misma
probabilidad de ser seleccionada entonces el plan de muestreo se
denomina irrestricto aleatorio. La figura 6.3. ilustra este tipo de plan.

Figura 6.3. Plan irrestricto aleatorio

Para garantizar una seleccin aleatoria existen diversas
herramientas: tablas de nmeros aleatorios disponibles en casi todos
los libros modernos de estadstica, los generadores de nmero
aleatorios disponibles en prcticamente cualquier calculadora
cientfica y en los programas estadsticos.
b) Plan estratificado
El plan estratificado es uno de los procedimientos de seleccin de
Unidades de Observacin tambin muy utilizado.
Este plan consiste en dividir la poblacin en subpoblaciones
denominadas estratos. El trmino estrato supone que las Unidades de
Observacin que han sido agrupadas dentro las subpoblaciones
tienen caractersticas homogneas.
66
Luego de haber identificado los estratos, se procede a observar
una muestra para todos estratos. La figura 6.4 ilustra el plan
estratificado.

Figura 6.4. Plan estratificado

Se debe notar que el tamao de las muestras observadas dentro de
cada uno de los estratos es variable dando lugar a variantes del plan
estratificado.
Si el tamao de las muestras, dentro de cada estrato, tiene un
mismo tamao, entonces el plan se denomina estratificado con
tamao de muestra constante.
Si el tamao de la muestra vara en funcin del nmero de
Unidades de Observaciones de cada estrato, el plan se denomina
estratificado proporcional.
Finalmente si el tamao de la muestra depende de la variabilidad
observada dentro de cada estrato, el plan se denomina estratificado
ptimo de Neyman. Existen algunos planes estratificados ptimos que
hacen participar no solamente la variabilidad sino tambin el costo de
observacin de Unidades de Observacin dentro los estratos.
67

c) Plan conglomerados
El plan de conglomerados normalmente es un plan que no se
construye y corresponde ms bien a particiones o divisiones
naturales observadas en la poblacin.
Este plan consiste en asociar a cada particin natural un
conglomerado. El trmino conglomerado implica reunir Unidades de
Observacin las ms heterogneas posibles.
Una vez que la poblacin ha sido dividida en conglomerados, se
seleccionan algunos conglomerados de manera irrestricta aleatoria y
cada conglomerado seleccionado debe ser observado en su totalidad,
quiere decir hacer censo de todas las Unidades de Observacin. La
figura 6.5. ilustra este tipo de plan.

Figura 6.5. Plan conglomerado

68

d) Plan conglomerado en dos etapas
El plan conglomerado en dos etapas o tambin denominado bietpico
es un plan que de alguna manera combina algunas caractersticas de
los dos planes anteriores.
Este plan se construye definiendo conglomerados, luego
seleccionando algunos conglomerados y realizando observaciones
parciales, quiere decir muestras dentro de cada uno de los
conglomerados elegidos. Este plan es particularmente interesante
cuando se desconoce el tamao poblacional. La figura 6.6. ilustra este
tipo de plan.

Figura 6.6. Plan conglomerado en dos etapas

La literatura dedicada al muestreo propone otros tipos de planes:
sistemtico y algunos muy particulares de aplicacin muy especifica a
ciertos campos de las ciencias.

69

6.3. Planes de Muestreo No Probabilsticos
Los planes de muestreo denominados no probabilsticos son aquellos
en los cuales no es posible asignar una probabilidad de seleccin a las
muestras y por tanto son basados, como ya dijimos anteriormente, en
el juicio del investigador. Existen diversos mtodos propuestos en la
literatura, sin embargo los ms utilizados en la prctica son los tres
siguientes:
a) Plan por conveniencia
Este tipo de plan corresponde a un procedimiento de seleccin
basado, como su nombre indica, en la conveniencia del investigador.
El investigador normalmente selecciona unidades accesibles, que
faciliten la medicin, etc. En general estos planes no dan buenos
resultados en trminos de los estimadores poblacionales. Sin
embargo, el hecho que el investigador tenga un profundo
conocimiento de la poblacin puede provocar resultados muy
interesantes.
b) Plan de cuotas
El plan de cuotas consiste en respetar cierto tipo de proporciones
observadas en la poblacin a nivel de la muestra. Obviamente esto
supone un conocimiento profundo de la poblacin. Por ejemplo si se
conoce que la poblacin tiene una proporcin de 60% varones y 40%
de mujeres, entonces es claro que una muestra representativa de esta
poblacin ser aquella que respeta esta proporcin de varones y
mujeres en dicha muestra.

70

c) Plan bola de nieve
Este tipo de plan es particularmente interesante en aquellos trabajos
de investigacin en los cuales es complicado tener acceso a la lista de
Unidades de Observacin de la Poblacin. En los estudios de
delincuencia, alcoholismo, drogadiccin es claro que no es posible
tener lista completas de estas Unidades de Observacin. Sin embargo,
no es complicado identificar a una muestra, mismo pequea, de esta
Unidades, entonces luego se pide a esta, que llamen a nuevas
Unidades.
Es claro que es el investigador que debe dar las caractersticas de
las nuevas Unidades de Observacin.
6.4. Aplicacin en el Ejemplo Hipottico
La columna en MAPIC que corresponde al Plan de muestreo no tiene
ningn inters de considerarse cuando en la investigacin se opera
con una sola poblacin y se ha realizado el censo.
Sin embargo, cuando se tiene ms de una poblacin y no es
posible observar en su integridad, entonces se podra justificar su
incorporacin en MAPIC.
71

T
a
b
l
a

6
.
1

M
a
t
r
i
z

M
A
P
I
C
.

R
e
s
u
l
t
a
d
o
s

E
s
p
e
r
a
d
o
s
,

P
o
b
l
a
c
i
n
,

U
n
i
d
a
d
e
s

d
e

O
b
s
e
r
v
a
c
i
n
,

v
a
r
i
a
b
l
e
s

y

t
i
p
o

d
e

d
a
t
o
,

P
l
a
n

d
e

m
u
e
s
t
r
e
o
.

P
L
A
N

D
E

M
U
E
S
T
R
E
O

P
l
a
n

1

P
l
a
n

1

P
l
a
n

2

V
A
R
I
A
B
L
E
S

X
1

[
C
O
N
T
I
N
U
A
]

X
2

[
B
I
N
A
R
I
A
]

X
3

[
O
R
D
I
N
A
L
]

X
1

[
C
O
N
T
I
N
U
A
]

X
4

[
C
O
N
T
I
N
U
A
]

X
1

[
O
R
D
I
N
A
L
]

P
O
B
L
A
C
I
N

P
O
B
L
A
C
I
N

1

U
O

1

P
O
B
L
A
C
I
N

1

U
O

1

P
O
B
L
A
C
I
N

2

U
O

2

R
E
S
U
L
T
A
D
O
S

E
S
P
E
R
A
D
O
S

R
1

R
2

R
3

72

Se debe notar que en el ejemplo que se est presentado el hecho
que se han observado dos poblaciones podra dar lugar a dos tipos de
planes diferentes.
Con el propsito de simplificar MAPIC no vamos a considerar en
los captulos siguientes la columna relativa al plan de muestro.

Referencias complementarias: SCHEAFFER R et al. [1987]

73

Captulo 7

DEFINICIN DE MTODOS
ESTADSTICOS

7.1. CAJITA DE LA ESTADSTICA
7.2. CRITERIOS DE SELECCIN DE MTODOS ESTADSTICOS
74

7.1. Cajita de la Estadstica
La literatura consagrada a la Estadstica es abundante. Existe una gran
variedad de referencias bibliogrficas orientadas a diversas reas de la
ciencia: estadstica aplicada a la economa, finanzas, medicina,
sociologa, etc. Estas distintas orientaciones han dado lugar a diversas
disciplinas dentro el campo de la estadstica: Bioestadstica,
Biometra, Econometra, Sociometra, Psicometra, etc.
El investigador curioso que consulta ms de una obra de
estadstica puede constatar que las definiciones del trmino
estadstica no necesariamente son coincidentes, la estructura de
captulos, de estos documentos, es a menudo muy diferente de uno a
otro libro y el nivel matemtico es muy variable.
Por otro lado, los libros dedicados a metodologas de
investigacin presentan de manera bastante tmida los mtodos
estadsticos ms comunes, en algunos casos no se sigue un rigor
cientfico mnimo en la presentacin.
El investigador que busca respuesta a la siguiente pregunta:

Cules son las herramientas de la estadstica
que debo utilizar para mi trabajo de
investigacin?
tiene un fuerte sentimiento de frustracin porque, estas obras no
responden de manera especfica a su necesidad. En el apartado 7.2. se
presentan los criterios de seleccin de las herramientas estadsticas.
Para proponer criterios de seleccin de mtodos estadstico, es
claro que es necesario tener un concepto preciso de la estadstica.
75
La Estadstica es:

Por tanto la estadstica propone herramientas para colectar los
datos. El protocolo de observacin y el protocolo de experimentacin.
Los investigadores que simplemente observan deben adoptar el
protocolo de observacin que bsicamente consiste en las siete etapas
propuestas para MAPIC. Por el contrario aquellos investigadores que
controlan ciertos factores deben adoptar el protocolo experimental:
Definicin de las condiciones experimentales, definicin de las
variables de respuesta, definicin de factores, definicin del diseo
experimental y definicin del modelo matemtico.
7

De manera simple, el componente anlisis de datos de la
estadstica, puede ser comprendido como una cajita que contiene
herramientas para el aprovechamiento de los datos de una
investigacin. Esta cajita est representada en la figura 7.1.
La caja tiene dos macro-compartimientos: el compartimiento de la
izquierda que renen herramientas de la Estadstica Descriptiva y el
compartimiento del lado derecha que rene herramientas de la
Inferencia Estadstica.

7
El autor est desarrollando una gua metodolgica para quienes adoptan la
experimentacin como medio para generar conocimiento.
Conjunto de
HERRAMI ENTAS
COLECTAR
datos
ANALI ZAR
datos
76
Por un lado, las herramientas de la Estadstica Descriptiva tienen
el propsito de resumir los datos.
Por otro lado las herramientas de la Inferencia Estadstica buscan
generalizar los resultados observados en una muestra hacia la
poblacional.

1

1

1

1

1

1

2

2

2

2

2

2

P

P

P

P

P

P

1

1

1

1

1

1

2

2

2

2

2

2

P

P

P

P

P

P

RESUMI R GENERALI ZAR

Figura 7.1. Cajita de herramientas. Estadstica Descriptiva e Inferencia
Estadstica.

77
El compartimiento de la derecha, quiere decir el de la Inferencia
Estadstica, se divide en dos reas: Estimacin y Test de Hiptesis
como muestra la figura 7.2.

1

1

1

1

1

1

2

2

2

2

2

2

P

P

P

P

P

P

1

1

1

1

1

1

2

2

2

2

2

2

P

P

P

P

P

P

Figura 7.2. Cajita de herramientas. Inferencia Estadstica: Estimacin y test
de hiptesis.

El compartimiento denominado Estimacin rene herramientas
orientadas a valorar parmetros poblacionales a partir de la muestra.
Entre los parmetros ms corrientes a estimar se puede citar: el
promedio,
, la varianza,
2
o
, el total,
t
, la proporcin,
P
, etc.
Los parmetros poblacionales deben ser estimados a partir de las
observaciones realizadas en la muestra y por tanto dichas
estimaciones estn asociados a errores. Uno de los desafos
78
principales de las herramientas de estimacin es evaluar por tanto el
error de estimacin.
El compartimiento denominado Test de Hiptesis agrupa a
herramientas cuyo propsito es aceptar o rechazar una hiptesis
planteada en la investigacin.
Desde una perspectiva simple, la hiptesis es la respuesta
anticipada a una pregunta de investigacin. Es claro que se plantea
una hiptesis cuando existen dudas y no cuando los resultados son
evidentes.
Como ya se vio en los captulos anteriores, los Resultados
Esperados planteados en la investigacin pueden hacer participar a
una variable, dos variables o ms de dos variables. Entonces los tres
compartimientos presentados en la figura 7.2 se dividen en nueve
compartimientos como muestra la figura 7.3 cuando se considera el
nmero de variables.
79

1

1

1

1

1

2

2

2

2

2

2

P

P

P

P

P

P

1

1

1

1

1

1

2

2

2

2

2

2

P

P

P

P

P

Figura 7.3. Cajita de herramientas. Nmero de variables

El compartimiento superior de la izquierda, rene herramientas
que resumen una sola variable, se denominan herramientas
univariables o unidimensionales: Estadstica Descriptiva
Unidimensional o Univariable.
El segundo compartimiento de la izquierda, rene herramientas
que resumen dos variables simultneamente, se denominan
herramientas bivariables o bidimensionales: Estadstica Descriptiva
Bidimensional o bivariable.
El tercer compartimiento de la izquierda, rene herramientas que
resumen ms de dos variables simultneamente, se denominan
2
1
P
1
2
P
1
2
P
80
herramientas multivariables o multidimensionales: Estadstica
Descriptiva multidimensional o multivariable.
Los compartimientos de la mano derecha renen a herramientas
de estimacin y tests de hiptesis, univariables, bivariables y
multivariables respectivamente.
Finalmente las celdas definidas hasta ahora son fraccionadas
segn el tipo de dato generado: cuantitativo, cualitativo. La figura 7.4.
muestra una cajita con 24 compartimientos.

1

1

2

1

1
1
1

2

2

2

2

2

P

P

P

P

P

P

1

1

1

1
1
1

2

2

2

2

2

2

P

P

P

P

P

P

Figura 7.4. Cajita de herramientas. Tipo de dato.

Como resultado de la divisin se han establecido 8 compartimientos
en el compartimiento izquierdo: Estadstica Descriptiva.
81
En el compartimiento de la derecha existen 16 compartimientos
correspondientes a tcnicas de estimacin y las de test de hiptesis.
El problema de la seleccin de la herramienta estadstica o lo que
se denomina el anlisis de datos por tanto implica la seleccin del
compartimiento adecuado. Por tanto para responder a la siguiente
pregunta:

Qu mtodos estadsticos se deben seleccionar
para el trabajo de investigacin?
Se deben proponer criterios de seleccin del compartimiento.
7.2. Criterios de Seleccin de los Mtodos Estadsticos
Para poder responder de manera efectiva a los resultados esperados es
necesario seleccionar las herramientas estadsticas adecuadas. Estas
herramientas sern denominadas de manera general mtodos
estadsticos, mismo si el trmino hace referencia tan slo a
herramientas de la Inferencia Estadstica.
Existen tres criterios principales para la seleccin del mtodo
estadstico adecuado:
a) Resultados Esperados.
b) Nmero de variables.
c) Tipo de dato.
Si el mtodo estadstico corresponde al rea de la Inferencia
Estadstica se imponen un cuarto criterio:
d) Condiciones de aplicacin del mtodo.
82
El procedimiento de seleccin del mtodo estadstico que se
propone a continuacin supone trabajar con cada Resultado Esperado
de manera absolutamente independiente.
La idea es poder seleccionar para cada Resultado Esperado uno de
los 24 compartimientos de la cajita descrita en el apartado 7.1.
a) Resultados esperados
Es evidente que el primer criterio para la seleccin del mtodo
estadstica sea el Resultado Esperado.
Por tanto se inicia el proceso planteando a R1 la siguiente
pregunta:

Usted tiene el inters de resumir o generalizar?
Si el inters de R1 es resumir entonces se elige el compartimiento
del lado izquierdo de la cajita y si por el contrario R1 plantea que
tiene un inters de generalizar se selecciona el compartimiento del
lado derecho.
En este segundo caso, cuando R1 tiene inters de generalizar se
plantea una segunda pregunta para seleccionar el compartimiento
superior o inferior del compartimiento derecho: Estimacin o Test de
Hiptesis.

Usted ha sido planteado como pregunta o como
respuesta (hiptesis)?
Si R1 ha sido planteado como pregunta entonces se trata de un
problema de estimacin, compartimiento superior derecho, y si por el
83
contrario, R1, ha sido planteado como respuesta, entonces es un
problema de test de hiptesis, compartimiento inferior derecho.
Como resultado de esta primera evaluacin se ha seleccionado
uno de los siguientes tres compartimientos mostrados en la figura 7.5.

1

1

1

1

1

1

2

2

2

2

2

2

P

1

1

1

1

1

1

2

2

2

2

2

2

P

P

P

P

P

P

Figura 7.5. Seleccin de herramientas: Criterio: Resultado Esperado

b) Nmero de variables
Se debe luego observar la tercera columna de MAPIC; el nmero de
variables que participan con R1.
Si participa 1 variable, 2 variables o P variables se trata de un
mtodo estadstico univariado, bivariado o multivariado
1
2
3
84
El resultado de esta etapa es seleccionar una de los 9
compartimientos siguientes, tal cual se muestra en la figura 7.6

1

1

1

1

1

1

2

2

2

2

2

2

P

P

P

P

P

P

1

1

1

1

1

1

2

2

2

2

2

2

P

P

P

P

P

P

Figura 7.6. Seleccin de herramientas: Criterios: Resultado Esperado, nmero
de variables

c) Tipo de dato
Luego de haber seleccionado un mtodo estadstico, univariado,
bivariado o multivariado, se observa tambin en la columna 3 de
MAPIC, la forma como ha sido evaluada cada variable: cuantitativa
o cualitativa.
1
5
4
6
7
8
9
2
3
85
El resultado de la seleccin del mtodo estadstico en base a este
ltimo criterio implica haber seleccionado uno de los 24
compartimientos presentados en la figura 7.7.

1

1

2

1

1
1
1

2

2

2

2

2

1
P

P

P

P

P

P

1

1

1

1
1
1

2

2

2

2

2

2

P

P

P

P

P

P

Figura 7.7. Seleccin de herramientas: Criterio: Resultado Esperado, nmero
de variables, tipo de dato.

d) Condicin de aplicacin del Mtodo
En el caso de haber seleccionado una herramienta de la inferencia
estadstica, su aplicacin es vlida solamente si se cumple con ciertas
condiciones de aplicacin.
3 4 5
6 7 8
9 10
2 1
13 12 11
16 15 14
18 17
21 20 19
24 23 22
86
A menudo estas condiciones de aplicacin tienen que ver con la
normalidad de la variable en estudio y en algunos casos la igualdad de
varianza. Si estas condiciones no son verificadas entonces es posible
realizar transformaciones de variables de manera a lograr que la
nueva variable generada tenga las propiedades exigidas por el
mtodo.
Si luego de una transformacin no se ha logrado todava cumplir
con las condiciones de aplicacin, entonces se procede a la utilizacin
de tcnicas denominadas semiparamtricas y las no paramtricas.
Las tcnicas semiparamtricas o paramtricas son herramientas
alternativas a las clsicas de la inferencia estadstica.
En el caso de la cajita es posible imaginarse que existe un
segundo plano detrs de las tcnicas de la inferencia presentadas en la
figura 7.7. Por tanto considerando las tcnicas no paramtricas
tendramos:

8 compartimientos en la Estadstica Descriptiva
16 compartimientos en la Inferencia Estadstica paramtrica
16 compartimientos en la inferencia Estadstica no paramtrica

Haciendo un total de 40 compartimientos. Es evidente que dentro
de cada una de estas celdas existe una gran cantidad de mtodos
estadsticos, la seleccin final de una herramienta es responsabilidad
del especialista en estadstica. El anexo 1 presenta, a ttulo de
ilustracin, algunas herramientas. Es importante notar que la
intencin de ninguna manera es ofrecer una receta para seleccionar
mtodos estadsticos.
El procedimiento anterior se debe repetir para el R2 y as
sucesivamente hasta concluir con todos los resultados esperados de la
investigacin.
87
Por tanto el anlisis de los datos, quiere decir la seleccin de
herramientas de la estadstica supone conocer con precisin los
Resultados Esperados, el nmero de variables que participa en cada
Resultado y conocer la forma como se ha medido cada variable.
No es posible que alguien sin conocer estos tres criterios de
seleccin pueda proponer herramientas de anlisis de datos.

Cmo proceden los que realizan tabulacin,
cruces de variables, grficos, etc.?
Es difcil imaginarse que puedan analizar los datos correctamente.

El desafo es proponer herramientas de anlisis de datos para cada
uno de los Resultados Esperados. Por tanto empezamos con R1.

Cul es el mtodo estadstico para el R1?
a) Resultado Esperado

R1 responde: Tengo inters de resumir. Entonces corresponde el
compartimiento de la mano izquierda de la cajita.
88

b) Variables

Cuntas variables operan con usted?
R1 responde: Dos variables. Entonces seleccionamos el
compartimiento de herramientas bivariadas.

c) Tipo de dato

Cmo han sido medidas las variables?
X1 responde: variable cuantitativa.
X2 responde: variable cualitativa binaria.
Entonces el mtodo estadstico para poder responder de manera
efectiva al R1 se encuentra en el compartimiento 4.
89

1

1

2

1

1
1
1

2

2

2

2

2

P

P

P

P

P

P

1

1

1

1
1
1

2

2

2

2

2

2

P

P

P

P

P

P

Figura 7.8. Seleccin de herramientas para el Resultado Esperado R1.

Continuamos con R2


90
R2 responde: Tengo inters de generalizar. Entonces corresponde
el compartimiento de la mano derecha de la cajita. Pero cuidado a
la derecha existe dos compartimientos: estimacin y test de hiptesis.
Por tanto se plantea una segunda pregunta:

respuesta?
R2 responde: He sido planteado como pregunta, por tanto
corresponde el compartimiento de la mano derecha superior.

b) Variables

R2 responde: Dos variables. Entonces seleccionamos el
compartimiento de herramientas bivariadas.

c) Tipo de dato

X3 responde: variable cualitativa
X1 responde: variable cuantitativa
91

1

1

2

1

1
1
1

2

2

2

2

2

P

P

P

P

P

P

1

1

1

1
1
1

2

2

2

2

2

2

P

P

P

P

P

P


Finalmente con R3

92


R3 responde: Tengo inters de generalizar. Entonces corresponde
el compartimiento de la mano derecha de la cajita. Pero cuidado a
la derecha existe dos compartimientos: estimacin y test de hiptesis.
Por tanto se plantea una segunda pregunta:

respuesta?
R3 responde: He sido planteado como hiptesis, por tanto
corresponde el compartimiento de la mano derecha inferior.

b) Variables

R3 responde: Una variable. Entonces seleccionamos el
compartimiento de herramientas univariado.

c) Tipo de dato

Cmo ha sido medida la variable?
93

1

1

2

1

1
1
1

2

2

2

2

2

P

P

P

P

P

P

1

1

1

1
1
1

2

2

2

2

2

2

P

P

P

P

P

P


Luego de haber seleccionado las herramientas estas se incorporan
en la quinta columna de la matriz MAPIC tal como muestra la tabla
7.1.

94

n

T
a
b
l
a

7
.
1
.

M
a
t
r
i
z

M
A
P
I
C
.

R
e
s
u
l
t
a
d
o
s

E
s
p
e
r
a
d
o
s
,

V
a
r
i
a
b
l
e
s
,

T
i
p
o

d
e

d
a
t
o
,

M
t
o
d
o

d
e

C
o
l
e
c
t
a

y

e
l

M
t
o
d
o

E
s
t
a
d
s
t
i
c
o
.

M
T
O
D
O

E
S
T
A
D
S
T
I
C
O

H
E
R
R
A

0
1

H
E
R
R
A

0
2

H
E
R
R
A

0
3

M
T
O
D
O

D
E

C
O
L
E
C
T
A

E
n
c
u
e
s
t
a

R
e
v
i
s
i
n

F
S

T
a
l
l
e
r

E
n
c
u
e
s
t
a

E
n
c
u
e
s
t
a

E
n
c
u
e
s
t
a

V
A
R
I
A
B
L
E
S

X
1

[
C
O
N
T
I
N
U
A
]

X
2

[
B
I
N
A
R
I
A
]

X
3

[
O
R
D
I
N
A
L
]

X
1

[
C
O
N
T
I
N
U
A
]

X
4

[
C
O
N
T
I
N
U
A
]

X
1

[
O
R
D
I
N
A
L
]

P
O
B
L
A
C
I
N

P

1

P

1

P

1

R
E
S
U
L
T
A
D
O
S

E
S
P
E
R
A
D
O
S

R
1

R
2

R
3

95

Se debe notar que en el ejemplo hipottico se estn manejando
tres mtodos estadsticos distintos.
Si la investigacin propone por ejemplo 5 Resultados Esperados,
entonces como mximo se requieren 5 mtodos estadsticos, podra
ocurrir que dos Ri por ejemplo tengan un nmero de variables similar
y que ellas hayan sido evaluadas de la misma forma, entonces se
requieren solamente 4 herramientas.

Referencias complementarias: DAGNELIE [1997a], DAGNELIE [1997a],
VISAUTA [2003], HERNANDEZ et al. [2003], SCHEAFFER et al. [1987].

96
97

Captulo 8

DETERMINACIN DEL TAMAO
DE LA MUESTRA

8.1. BASES PARA LA DETERMINACIN DEL TAMAO DE LA MUESTRA
8.2. FORMULITAS PARA DETERMINAR EL N
98
Muestra

8.1. Bases para la determinacin del n
La determinacin del n tiene que ver con el problema de definicin
del tamao de la muestra. La figura 8.1 ilustra la nocin de muestra
en relacin al tamao poblacional. Es evidente que si la muestra es
muy pequea entonces el error de muestreo, quiere decir, el error que
se comete al decir cosas de la poblacin sin haberla observado
totalmente ser alto. Por el contrario si el tamao de la muestra es
suficientemente grande entonces el error de muestreo ser pequeo.
Por tanto el desafo es saber cuan grande debe ser el tamao de la
muestra para no superar un error que fija la investigacin.

Figura 8.1. Muestra y poblacin

Es importante hacer notar que la determinacin del tamao de la
muestra tiene sentido solamente en aquellos Ri que tienen un carcter
inferencial. Por el contrario, si el Ri tiene un inters solamente
descriptivo entonces no se debe hablar del tamao de la muestra.
De manera general el concepto determinacin del tamao de la
muestra est asociado a cualquier mtodo de colecta. En el caso de
Poblacin
99
una encuesta a travs de cuestionarios, la pregunta es cuntos
cuestionarios se debe observar?
Si el mtodo de colecta es un taller, la pregunta es cuntos
participantes se debe invitar? Si se ha utilizado DELPHI, la
pregunta es cuntos expertos se debe convocar?, etc.
La determinacin del n se debe realizar de manera
independiente para cada uno de los Ri. Entonces existirn como
mximo un nmero de formulitas igual al nmero de Ri con
carcter inferencial de la investigacin. Por tanto es claro que
aquellos trabajos de investigacin que han propuesto una sola
formulita no tienen ningn rigor cientfico.
Las herramientas que estn en el compartimiento derecho de la
cajita de la estadstica, quiere decir las de Inferencia Estadstica
tienen su formulita. Entonces el momento que se ha seleccionado el
mtodo estadstico y este es del compartimiento de la Inferencia
Estadstica, de manera automtica se ha seleccionado su formulita
para ubicarla en la sexta columna de MAPIC.
Se ha mencionado tambin, en el captulo 7, que el
compartimiento de la mano derecha de la cajita tiene dos grandes
divisiones: ESTIMACIN y TEST DE HIPTESIS.
Si el mtodo estadstico que se ha seleccionado corresponde al
compartimiento de ESTIMACIN, entonces el valor de n debe
garantizar un nivel de error o de precisin que la investigacin exige.
Por ejemplo si el inters es estimar el promedio del ingreso en
$us/mes de una determinada regin. El tamao de la muestra debe
garantizar que el estimador no tenga un error, por ejemplo, mayor a
3%. Este nivel de error es el que ha sido propuesto por el cliente. Si
se observara un nmero pequeo de Unidades de Observacin
entonces el estimador tendr un gran error y probablemente no
suficiente para satisfacer al cliente. Si se observa un nmero grande
de unidades de observacin entonces el error ser bajo y
100
probablemente ms pequeo que el exigido por el cliente, entonces
problema de costo.
Si el Ri exige realizar un TEST DE HIPTESIS, entonces el
valor de n debe asegurar, para un nivel de confianza, una potencia de
la herramienta aceptable, quiere decir que en este segundo caso el n
esta relacionado a un nivel de riesgo y no un error de manera estricta.
Las herramientas del compartimiento de Test de Hiptesis aceptan o
rechazan hiptesis planteadas en la investigacin.
Existen dos tipos de riesgo: riesgo TIPO I y TIPO II. El riesgo
tipo I se llama tambin nivel de significacin.
o : P(RHo|Ho) : Probabilidad de rechazar la hiptesis nula cuando
sta es verdadera.
| : P(AHo|H) : Probabilidad de aceptar la hiptesis nula cuando sta
es falsa.
Por ejemplo si se desea comparar el nivel de ingreso de dos
regiones se plantea la siguiente hiptesis nula (Ho) e hiptesis
alternativa (H).
2 1
: = Ho : las dos regiones tiene un mismo nivel de ingreso
2 1
: = Ho : las dos regiones tiene un nivel de ingreso distinto
El riesgo de tipo I implica rechazar la hiptesis de igualdad de
promedios en los ingresos cuando en la realidad las dos regiones
tienen un mismo nivel de ingreso.
El riesgo de tipo II implica aceptar la hiptesis de igualdad de
promedios en los ingresos cuan en la realidad las dos regiones tienen
ingresos distintos.
En este ltimo caso la determinacin del n debe garantizar un
nivel de riesgo tipo I y II aceptables.

101

8.2. Formulitas para determinar el n
Como se ha mencionado, en el captulo 2, los libros de metodologas
de investigacin presentan normalmente las dos relaciones siguientes
para determinar el tamao de la muestra:

La primera relacin se propone para la estimacin de una
proporcin y la segunda para la estimacin de un promedio, ambas en
el caso de poblaciones finitas.
Es claro que la primera relacin se debera utilizar en un Ri que
tiene un carcter inferencial, que hace participar a una sola variable y
que adems esta variable es cualitativa de naturaleza binaria. La
segunda debera utilizarse para un Ri con carcter inferencial, que
hace participar a una sola variable de naturaleza cuantitativa continua.
Entonces las investigaciones que proponen una sola formulita a
menudo la del p y q trabajan con una sola variable y adems esta es
binaria. Este tipo de investigaciones no existen y por tanto no es
correcto proponer en la investigacin una sola formulita.
Para poder completar la sexta columna de MAPIC que
corresponde precisamente a la determinacin del n se debe utilizar
la formulita que corresponde al mtodo estadstico.
No en todos los casos los mtodos estadsticos tienen formulitas
en muchos casos son procedimientos iterativos complejos.
( )
2 2
2
1
2
2
1
1 E N pqz
Npq z
n
+
=
o
o
( )
2 2
2
1
2
2 2
2
1
1 E N z
N z
n
+
=
o
o
o
o
102
La literatura muestra una gran cantidad de herramientas
desarrolladas para la determinacin del n. Entre ellas se pueden
citar opciones del paquete MINITAB, opciones del paquete SPSS,
etc.
Una de las herramientas sencillas y bastante completas es la que
propone el paquete PASS integrado en el programa estadstico NCSS.

Figura 8.2. Paquete PASS del NCSS

Para completar la sexta columna de la MAPIC se procede de la
siguiente forma:
Para el R1
Cul es el Mtodo Estadstico seleccionado?
M1: mtodo estadstico del compartimiento 4. Herramienta
descriptiva por tanto en la columna 6 de MAPIC se deja en blanco.
103
Para el R2
M2: mtodo estadstico del compartimiento 15. Por tanto en la
columna 6 de MAPIC se propone n1. Este tamao de muestra debe
ser determinado por ejemplo con el paquete PASS.
Para el R3
M3: mtodo estadstico del compartimiento 17. Por tanto en la
columna 6 de MAPIC se propone n2. Este debe ser determinado por
ejemplo con el paquete PASS.
A titulo de ilustracin vamos a suponer un problema real.
Un investigador desea conocer la proporcin de familias, de una
determinada regin, que consumen habitualmente palmito. Para
proceder a la investigacin el requiere conocer el nmero de familias
que debe entrevistar.
Vamos a suponer que la poblacin de familias es grande y no se
dispone de una lista por tanto es poblacin finita. As mismo vamos a
suponer que la investigacin exige un error no mayor a 2% y los
datos de una encuesta piloto seala que el 25% de las familias de esa
regin consumen habitualmente el palmito. La figura 8.3. muestra la
ventana, del PASS correspondiente al mtodo estadstico: intervalo de
confianza de una proporcin:

104

Figura 8.3. Ventana del PASS para estimar una proporcin

La figura 8.4 muestra la ventana en la que se introducen los datos
para determinar el tamao de la muestra.

105

Figura 8.4. Ventana del PASS para estimar una proporcin. Datos de entrada.

La salida del paquete PASS se muestra en la figura 8.5.

Confidence Interval of A Proportion
Page/Date/Time 1 17/06/2005 06:09:06 a.m.

Numeric Results
C.C. N P0
Confidence Sample Baseline
Precision Coefficient Size Proportion
0.02000 0.95115 1782 0.25000

Report Definitions
Precision is the plus and minus value used to create the confidence interval.
Confidence Coefficient is probability value associated with the confidence interval.
N is the size of the sample drawn from the population.
P0 is the estimated baseline proportion.

Summary Statements
A sample size of 1782 produces a 95% confidence interval equal to the sample
proportion plus or minus 0.02000 when the estimated proportion is 0.25000.

Figura 8.5. Salida para determinacin del tamao de muestra en el PASS.

106

Por tanto se deben entrevistar a 1.782 personas para estimar la
proporcin de familias que consumen habitualmente palmito con un
error no mayor al 2%.
Utilizando este mismo procedimiento es posible determinar los
tamaos de muestra para cada uno de los Resultados Esperados de la
investigacin.
Estos datos deben luego ser integrados en la sexta columna de
MAPIC como muestra la tabla 8.1.

107

n

_
_
_
_
_
_
_
_

n
1

n
2

T
a
b
l
a

8
.
1
.

M
a
t
r
i
z

M
A
P
I
C
.

R
e
s
u
l
t
a
d
o
s

E
s
p
e
r
a
d
o
s
,

V
a
r
i
a
b
l
e
s
,

T
i
p
o

d
e

d
a
t
o
,

M
t
o
d
o

d
e

C
o
l
e
c
t
a
,

e
l

M
t
o
d
o

E
s
t
a
d
s
t
i
c
o

y

l
a

d
e
t
e
r
m
i
n
a
c
i
n

d
e

n
.

M
T
O
D
O

E
S
T
A
D
S
T
I
C
O

H
E
R
R
A

0
1

H
E
R
R
A

0
2

H
E
R
R
A

0
3

M
T
O
D
O

D
E

C
O
L
E
C
T
A

E
n
c
u
e
s
t
a

R
e
v
i
s
i
n

F
S

T
a
l
l
e
r

E
n
c
u
e
s
t
a

E
n
c
u
e
s
t
a

E
n
c
u
e
s
t
a

V
A
R
I
A
B
L
E
S

X
1

[
C
O
N
T
I
N
U
A
]

X
2

[
B
I
N
A
R
I
A
]

X
3

[
O
R
D
I
N
A
L
]

X
1

[
C
O
N
T
I
N
U
A
]

X
4

[
C
O
N
T
I
N
U
A
]

X
1

[
C
O
N
T
I
N
U
A
]

P
O
B
L
A
C
I
N

P

1

P

1

P

3

R
E
S
U
L
T
A
D
O
S

E
S
P
E
R
A
D
O
S

R
1

R
2

R
3

108

Se debe notar que R1 no tiene ninguna formulita, por que la
herramienta tiene carcter descriptivo. Por el contrario R2 y R3 tienen
formulitas absolutamente diferentes dado que los mtodos son
distintos.
Una vez calculados los valores de n para cada uno de los Ri, se
toma como valor, del tamao de la muestra, al valor de n ms alto por
tipo de mtodo de colecta. Por tanto se puede demostrar que trabajos
de investigacin que hacen participar una sola formulita carecen del
rigor cientfico.

109

Captulo 9

ESTUDIO DE CASO

9.1. ESTUDIO DE CASO
9.2. CONCLUSIONES
110

9.1. Estudio de caso
Proyecto de factibilidad tcnica, econmica y financiera para la
implementacin de una planta procesadora de frutos de la Mora
(Rubus Urticaeofolius). Elaborado por: Jos lvarez Garca y Dany
Aracely Maldonado, ao 2001, Ingeniera Industrial, UMSS,
Cochabamba.
a) Identificacin del problema de Investigacin
El propietario de una planta procesadora de mermeladas desconoce el
mercado potencial para elaborar de un producto en base a mora Rubus
Urticaeofolius.
b) Objetivo general
Elaborar una Investigacin de Mercado para una mermelada de Mora.
c) Resultados esperados
R1: Posicionamiento sensorial de Don Serafn
R2: Estimacin de la Demanda Potencial
R3. Asociacin entre 3 Marca y 3 Caractersticas
En base a esta informacin se elabora MAPIC.
Los Resultados Esperados han sido transferidos a la primera
columna de MAPIC, tabla 9.1

111

n

T
a
b
l
a

9
.
1

M
A
P
I
C
.

R
e
s
u
l
t
a
d
o
s

E
s
p
e
r
a
d
o
s
.

M
T
O
D
O

E
S
T
A
D
S
T
I
C
O

M
T
O
D
O

D
E

C
O
L
E
C
T
A

V
A
R
I
A
B
L
E
S

P
O
B
L
A
C
I
N

U
.
O
.

R
E
S
U
L
T
A
D
O
S

E
S
P
E
R
A
D
O
S

P
o
s
i
c
i
o
n
a
m
i
e
n
t
o

s
e
n
s
o
r
i
a
l

d
e

D
o
n

S
e
r
a
f
n

E
s
t
i
m
a
c
i
n

d
e

l
a

D
e
m
a
n
d
a

P
o
t
e
n
c
i
a
l

A
s
o
c
i
a
c
i
n

e
n
t
r
e

3

M
a
r
c
a

y

3

C
a
r
a
c
t
e
r
s
t
i
c
a
s

112

En la segunda columna se identifica las Unidades de Observacin
y la poblacin. Se debe notar que en este estudio se han considerado
tres poblaciones.
Para realizar un mapa de posicionamiento, R1, la poblacin est
constituida por Unidades de Observacin que corresponden a
mermeladas de mora. Para el estudio se han considerado 5 prototipos
que se ofrecen en el mercado regional.
Para poder estimar la demanda potencial, R2, se ha considerado
como Unidades de Observacin a lderes de opinin o tambin
denominados expertos.
Para establecer la asociacin entre tres mermeladas que estn en
el mercado y las caractersticas reconocidas en dichas marcas (precio,
calidad o ambos) se han considerado consumidores frecuentes de
mermelada de mora.
La tabla 9.2. presenta la MAPIC con la primera columna, los
Resultados Esperados, y la segunda columna completadas, la
definicin de Poblacin y Unidades de Observacin.

113

n

T
a
b
l
a

9
.
2

M
a
t
r
i
z

M
A
P
I
C
.

R
e
s
u
l
t
a
d
o
s

E
s
p
e
r
a
d
o
s
,

P
o
b
l
a
c
i
n

y

U
n
i
d
a
d
e
s

d
e

o
b
s
e
r
v
a
c
i
n
.

M
T
O
D
O

E
S
T
A
D
S
T
I
C
O

M
T
O
D
O

D
E

C
O
L
E
C
T
A

V
A
R
I
A
B
L
E
S

P
O
B
L
A
C
I
N

U
.
O
.

5

p
r
o
t
o
t
i
p
o
s

d
e

m
e
r
m
e
l
a
d
a

d
e

m
o
r
a

E
x
p
e
r
t
o
s

C
o
n
s
u
m
i
d
o
r
e
s

d
e

M
e
r
m
e
l
a
d
a
s

R
E
S
U
L
T
A
D
O
S

E
S
P
E
R
A
D
O
S

P
o
s
i
c
i
o
n
a
m
i
e
n
t
o

s
e
n
s
o
r
i
a
l

d
e

D
o
n

S
e
r
a
f
n

E
s
t
i
m
a
c
i
n

d
e

l
a

D
e
m
a
n
d
a

P
o
t
e
n
c
i
a
l

A
s
o
c
i
a
c
i
n

e
n
t
r
e

3

M
a
r
c
a
s

y

3

C
a
r
a
c
t
e
r
s
t
i
c
a
s

114

Una vez definidas las dos primeras columnas de MAPIC se
definen las variables.
En el caso del R1 se han observado las siguientes variables:
X1: Aroma, se evala en una escala 0 20 de manera cuantitativa.
X2: Color, se evala en una escala 0 20 de manera cuantitativa.
X3: Sabor, se evala en una escala 0 30 de manera cuantitativa.
X4: Textura, se evala en una escala 0 40 de manera cuantitativa.
Se debe hacer notar que estas variables son respondidas por los
paneles entrenados.
Para el R2 se observa una sola variable
X5: demanda, se evala de manera cuantitativa
Se debe hacer notar que esta variable es respondida por los
expertos.
Para R3 se observan 2 variables
X6: Marca, se evala de manera cualitativa nominal: Marca 1, Marca
2 y Marca 3.
X7: Caracterstica, se evala de manera cualitativa nominal: Precio,
Calidad, Precio-Calidad.
Estas siete variables son transferidas a la tercera columna de
MAPIC, tabla 9.3.
Se debe notar que debajo de todas las variables se debe
especificar el tipo de dato que genera dicha variable.
115

n

T
a
b
l
a

9
.
3
.

M
a
t
r
i
z

M
A
P
I
C
.

R
e
s
u
l
t
a
d
o
s

E
s
p
e
r
a
d
o
s
,

P
o
b
l
a
c
i
n
,

U
n
i
d
a
d
e
s

d
e

o
b
s
e
r
v
a
c
i
n

y

v
a
r
i
a
b
l
e
s
.

M
T
O
D
O

E
S
T
A
D
S
T
I
C
O

M
T
O
D
O

D
E

C
O
L
E
C
T
A

V
A
R
I
A
B
L
E
S

X
1
:
A
r
o
m
a

[
C
o
n
t
i
n
u
a
]

X
2
:

C
o
l
o
r

[
C
o
n
t
i
n
u
a
]

X
3
:

S
a
b
o
r

[
C
o
n
t
i
n
u
a
]

X
4
:

T
e
x
t
u
r
a

[
C
o
n
t
i
n
u
a
]

X
5
:

D
e
m
a
n
d
a

[
C
o
n
t
i
n
u
a
]

X
6
:

M
a
r
c
a

[
N
o
m
i
n
a
l
]

X
7
:

C
a
r
a
c
t
e
r
s
t
i
c
a

[
N
o
m
i
n
a
l
]

P
O
B
L
A
C
I
N

U
.
O
.

5

p
r
o
t
o
t
i
p
o
s

d
e

m
e
r
m
e
l
a
d
a

d
e

m
o
r
a

E
x
p
e
r
t
o
s

C
o
n
s
u
m
i
d
o
r
e
s

d
e

M
e
r
m
e
l
a
d
a
s

R
E
S
U
L
T
A
D
O
S

E
S
P
E
R
A
D
O
S

P
o
s
i
c
i
o
n
a
m
i
e
n
t
o

s
e
n
s
o
r
i
a
l

d
e

D
o
n

S
e
r
a
f
n

E
s
t
i
m
a
c
i
n

d
e

l
a

D
e
m
a
n
d
a

P
o
t
e
n
c
i
a
l

A
s
o
c
i
a
c
i
n

e
n
t
r
e

3

M
a
r
c
a
s

y

3

C
a
r
a
c
t
e
r
s
t
i
c
a
s

116

Una vez declaradas las variables, se procede a definir el mtodo
de colecta que permite medir en la Unidad de Observacin y que la
respuesta sea factible.
La definicin del mtodo de colecta se la realiza por cada variable
de manera absolutamente independiente.
Para R1
X1: Aroma, mtodo de colecta: paneles entrenados
X2: Color, mtodo de colecta: paneles entrenados
X3: Sabor, mtodo de colecta: paneles entrenados
X4: Textura, mtodo de colecta: paneles entrenados
Para R2
X5: Demanda, Mtodo de colecta: expertos
Para R3
X6: Marca, mtodo de colecta: encuesta a consumidores
X7: Caracterstica, mtodo de colecta: encuesta a consumidores
Estos mtodos de colecta deben ser transferidos a la cuarta
columna, tabla 9.4

117

n

T
a
b
l
a

9
.
4

M
a
t
r
i
z

M
A
P
I
C
.

R
e
s
u
l
t
a
d
o
s

E
s
p
e
r
a
d
o
s
,

P
o
b
l
a
c
i
n
,

U
n
i
d
a
d
e
s

d
e

o
b
s
e
r
v
a
c
i
n
,

V
a
r
i
a
b
l
e
s

y

M
t
o
d
o

d
e

C
o
l
e
c
t
a
.

M
T
O
D
O

E
S
T
A
D
S
T
I
C
O

M
T
O
D
O

D
E

C
O
L
E
C
T
A

P
a
n
e
l

E
n
t
r
e
n
a
d
o

P
a
n
e
l

E
n
t
r
e
n
a
d
o

P
a
n
e
l

E
n
t
r
e
n
a
d
o

P
a
n
e
l

E
n
t
r
e
n
a
d
o

D
E
L
P
H
I

E
n
c
u
e
s
t
a

E
n
c
u
e
s
t
a

V
A
R
I
A
B
L
E
S

X
1
:
A
r
o
m
a

[
C
o
n
t
i
n
u
a
]

X
2
:

C
o
l
o
r

[
C
o
n
t
i
n
u
a
]

X
3
:

S
a
b
o
r

[
C
o
n
t
i
n
u
a
]

X
4
:

T
e
x
t
u
r
a

[
C
o
n
t
i
n
u
a
]

X
5
:

D
e
m
a
n
d
a

[
C
o
n
t
i
n
u
a
]

X
6
:

M
a
r
c
a

[
N
o
m
i
n
a
l
]

X
7
:

C
a
r
a
c
t
e
r
s
t
i
c
a

[
N
o
m
i
n
a
l
]

P
O
B
L
A
C
I
N

U
.
O
.

5

p
r
o
t
o
t
i
p
o
s

d
e

m
e
r
m
e
l
a
d
a

d
e

m
o
r
a

E
x
p
e
r
t
o
s

C
o
n
s
u
m
i
d
o
r
e
s

d
e

M
e
r
m
e
l
a
d
a
s

R
E
S
U
L
T
A
D
O
S

E
S
P
E
R
A
D
O
S

P
o
s
i
c
i
o
n
a
m
i
e
n
t
o

s
e
n
s
o
r
i
a
l

d
e

D
o
n

S
e
r
a
f
n

E
s
t
i
m
a
c
i
n

d
e

l
a

D
e
m
a
n
d
a

P
o
t
e
n
c
i
a
l

A
s
o
c
i
a
c
i
n

e
n
t
r
e

3

M
a
r
c
a
s

y

3

C
a
r
a
c
t
e
r
s
t
i
c
a
s

118

Corresponde ahora definir los mtodos estadsticos y el tamao de
la muestra.
R1 responde: Tengo inters de resumir. Entonces corresponde el
compartimiento de la mano izquierda de la cajita.
b) Variables
R1 responde: 4 variables. Entonces seleccionamos el
compartimiento de herramientas multivariado.
c) Tipo de dato
efectiva al R1 se encuentra en el compartimiento 4 y corresponde a:
Anlisis en Componentes Principales, ACP
8


8
La seleccin final de la herramienta es responsabilidad del Estadstico.
119

R2 responde: Tengo inters en generalizar. Entonces corresponde
el compartimiento de la mano derecha de la cajita. Como esta a la
derecha se debe formular la siguiente pregunta
Usted ha sido planteado como pregunta o como respuesta
(hiptesis)?
Como pregunta, dado que el inters es llegar a conocer el nivel de
demanda potencial. Entonces el compartimiento es el de la derecha
superior: estimacin.
b) Variables
compartimiento de herramientas univariado.
c) Tipo de dato
Lmites de Confianza de un Promedio
Como la herramienta es del compartimiento de la Inferencia
Estadstica, entonces se debe utilizar una formulita que corresponda
a este mtodo estadstico.
Cul es el mtodo estadstico para el R3 del ejemplo?
120

R3 responde: Tengo inters en generalizar. Entonces corresponde
el compartimiento de la mano derecha de la cajita. Como esta a la
derecha se debe formular la siguiente pregunta
Usted ha sido planteado como pregunta o como respuesta
(hiptesis)?
Como respuesta o hiptesis, dado que el inters es llegar a
conocer si existe o no una asociacin entre marca (M1, M2, M3) y
caracterstica de la marca (Precio, Calidad, Precio-Calidad). Entonces
el compartimiento es el de la derecha inferior: Test de Hiptesis.
b) Variables
compartimiento de herramientas bivariado.
c) Tipo de dato
X6 responde: variable cualitativa nominal
X7 responde: variable cualitativa nominal
Anlisis Factorial de Correspondencia
En el caso del R2, se ha estimado un nmero de 20 expertos y
para R3 y nmero de 79 consumidores.
121
REGR factor score 1 for analysis 2
2,0 1,5 1,0 ,5 0,0 -,5 -1,0
R
E
G
R

f
a
c
t
o
r

s
c
o
r
e

2

f
o
r

a
n
a
l
y
s
i
s

2
2,0
1,5
1,0
,5
0,0
-,5
-1,0
Malloa
Marca 4
Marca 3
Don Serafn
Marca 1
A titulo de ilustracin, la figura 9.1 presenta el mapa de
posicionamiento de la mermelada Don Serafn. El grafico
corresponde al diagrama de individuos del Anlisis en Componentes
Principales, ACP, en el primer plano factorial.

Figura 9.1. Mapa de posicionamiento de la mermelada Don Serafn.
Resultado del ACP

La figura 9.2 presenta el grafico de posicionamiento de las tres
marcas de mermeladas. El grfico corresponde al diagrama de
individuos en el primer plano factorial del Anlisis Factorial de
Correspondencia, AFC.

122 Puntos de columna y de fila
Simtrica Normalizacin
Dimensin 1
. 8 . 6 . 4 . 2 0.0 -.2 -.4 -.6 -.8
D
i
m
e
n
s
i
n

2
. 4
. 2
-.0
-.2
-.4
-.6
Marca
Caracterstica de la
marca
M3
M2
M1
"precio-calidad"
calidad
precio

Figura 9.2. Mapa de posicionamiento tres mermeladas. Resultado del AFC.

Referencias complementarias: DAGNELIE [1997a], DAGNELIE [1997a],
HERNANDEZ et al. [2003], SCHEAFFER et al. [1987], VISAUTA [2003].

123

n

_
_
_
_
_
_
_
_
_

2
0

7
9

T
a
b
l
a

9
.
5

M
a
t
r
i
z

M
A
P
I
C
.

R
e
s
u
l
t
a
d
o
s

E
s
p
e
r
a
d
o
s
,

P
o
b
l
a
c
i
n
,

U
n
i
d
a
d
e
s

d
e

o
b
s
e
r
v
a
c
i
n
.

V
a
r
i
a
b
l
e
s

y

M
t
o
d
o

d
e

C
o
l
e
c
t
a
.

M
T
O
D
O

E
S
T
A
D
S
T
I
C
O

A
n
l
i
s
i
s

e
n

C
o
m
p
o
n
e
n
t
e
s

P
r
i
n
c
i
p
a
l
e
s

L
i
m
i
t
e
s

d
e

C
o
n
f
i
a
n
z
a

d
e

u
n

p
r
o
m
e
d
i
o

A
n
l
i
s
i
s

F
a
c
t
o
r
i
a
l

d
e

C
o
r
r
e
s
p
o
n
d
e
n
c
i
a

M
T
O
D
O

D
E

C
O
L
E
C
T
A

P
a
n
e
l

E
n
t
r
e
n
a
d
o

P
a
n
e
l

E
n
t
r
e
n
a
d
o

P
a
n
e
l

E
n
t
r
e
n
a
d
o

P
a
n
e
l

E
n
t
r
e
n
a
d
o

D
E
L
P
H
I

E
n
c
u
e
s
t
a

E
n
c
u
e
s
t
a

V
A
R
I
A
B
L
E
S

X
1
:
A
r
o
m
a

[
C
o
n
t
i
n
u
a
]

X
2
:

C
o
l
o
r

[
C
o
n
t
i
n
u
a
]

X
3
:

S
a
b
o
r

[
C
o
n
t
i
n
u
a
]

X
4
:

T
e
x
t
u
r
a

[
C
o
n
t
i
n
u
a
]

X
5
:

D
e
m
a
n
d
a

[
C
o
n
t
i
n
u
a
]

X
6
:

M
a
r
c
a

[
N
o
m
i
n
a
l
]

X
7
:

C
a
r
a
c
t
e
r
s
t
i
c
a

[
N
o
m
i
n
a
l
]

P
O
B
L
A
C
I
N

U
.
O
.

5

p
r
o
t
o
t
i
p
o
s

d
e

m
e
r
m
e
l
a
d
a

d
e

m
o
r
a

E
x
p
e
r
t
o
s

C
o
n
s
u
m
i
d
o
r
e
s

d
e

M
e
r
m
e
l
a
d
a
s

R
E
S
U
L
T
A
D
O
S

E
S
P
E
R
A
D
O
S

P
o
s
i
c
i
o
n
a
m
i
e
n
t
o

s
e
n
s
o
r
i
a
l

d
e

D
o
n

S
e
r
a
f
n

E
s
t
i
m
a
c
i
n

d
e

l
a

D
e
m
a
n
d
a

P
o
t
e
n
c
i
a
l

A
s
o
c
i
a
c
i
n

e
n
t
r
e

3

M
a
r
c
a
s

y

3

C
a
r
a
c
t
e
r
s
t
i
c
a
s

124

9.2. Conclusiones
Al finalizar esta obra es importante realizar algunas conclusiones:
- MAPIC se constituye en una herramienta de apoyo a la
Investigacin Cientfica y de ninguna manera intenta
remplazar el mtodo cientfico.
- La elaboracin de MAPIC supone un trabajo coordinado
entre Investigador y el Estadstico. La responsabilidad de la
construccin de las cuatro primeras columnas de MAPIC es
exclusiva al investigador, en cambien las dos ultimas
columnas, quiere decir el mtodo estadstico y la
determinacin del tamao de la muestra son responsabilidad
del Estadstico.
- MAPIC rompe con la dicotoma cualitativa y cuantitativa,
ambas aproximacin pueden convivir de manera natural.
- La cajita de herramientas es una manera simple de mostrar
como la estadstica puede de manera natural ser integrada en
el proceso de investigacin cientfica.
Finalmente el autor quiere destacar su profundo compromiso en
realizar los ajustes que aun falta en esta obra, integrar muchos ms
ejemplos prcticos y el desarrollo de una plataforma virtual que
permita que una vez que el investigador a diseado su MAPIC, este
genere de manera automtica los instrumentos de colecta de datos,
genere de manera automtica la base de datos y pueda tambin
generar los procedimientos que permitan realizar el anlisis de los
datos.

125

BIBLIOGRAFA

AZORIN F., SANCHEZ J.L. [1994]. Mtodos y
aplicaciones del muestreo. Alianza Editorial, Madrid. 395
p.

DAGNELIE P. [1998a]. Statistique thorique et
applique. Tome 1. Statistique descriptive et bases de
lainference statistique. De Boeck Universite, Belgica,
487 p.

DAGNELIE P. [1998b]. Statistique thorique et
applique. Tome 2. Inference statistique a une et deux
dimensions. De Boeck Universite, Belgica, 487 p.

HERNADEZ R., FERNANDEZ C., BAPTISTA P.
[2003]. Metodologa de la Investigacin.. Mc Graw Hill,
705 p.

SCHEAFFER R., MENDENHALL W., OTT L. [1987].
Elementos de muestreo. Grupo editorial Iberoamrica,
Mexico, 319 p.
126

MIQUEL S., BIGNE E.,CUENCA A.., MIQUEL M.J.,
LEVY J.P. [1997]. Investigacin de mercados. Mc Graw
Hill. Espaa 451 p.

VISAUTA B. [2003]. Anlisis Estadstico con SPSS para
Windows. Volumen II. Estadstica Multivariante.
Segunda Edicin. Mc Graw Hill. Espaa 346 p.

127

ANEXOS

ANEXO 1.A. CAJITA. ALGUNAS HERRAMIENTAS DE LA ESTADSTICA
DESCRIPTIVA
ANEXO 1.B. CAJITA. ALGUNAS HERRAMIENTAS DE LA INFERENCIA
ESTADSTICA: ESTIMACIN
ANEXO 1.C. CAJITA. ALGUNAS HERRAMIENTAS DE LA INFERENCIA
ESTADSTICA: TEST DE HIPTESIS
128
129

P

V
A
R
I
A
B
L
E
S

-

A
n
l
i
s
i
s

e
n

C
o
m
p
o
n
e
n
t
e
s

P
r
i
n
c
i
p
a
l
e
s

-

A
n
l
i
s
i
s

F
a
c
t
o
r
i
a
l

d
e

C
o
r
r
e
s
p
o
n
d
e
n
c
i
a

-

C
o
r
r
e
l
a
c
i
n

c
a
n
n
i
c
a

-

A
n
l
i
s
i
s

F
a
c
t
o
r
i
a
l

d
e

C
o
r
r
e
s
p
o
n
d
e
n
c
i
a

-

M
o
d
e
l
o

l
o
g
-
l
i
n
e
a
l

-

R
e
g
r
e
s
i
n

m
l
t
i
p
l
e

-

R
e
g
r
e
s
i
n

L
o
g
s
t
i
c
a

A
n
e
x
o

1
.

a
.

C
a
j
i
t
a
.

A
l
g
u
n
a
s

h
e
r
r
a
m
i
e
n
t
a
s

d
e

l
a

E
s
t
a
d
s
t
i
c
a

D
e
s
c
r
i
p
t
i
v
a
.

2

V
A
R
I
A
B
L
E
S

-

D
i
a
g
r
a
m
a

d
e

D
i
s
p
e
r
s
i
n

-

C
o
e
f
i
c
i
e
n
t
e

d
e

c
o
r
r
e
l
a
c
i
n

d
e

P
e
a
r
s
o
n

-

R
e
g
r
e
s
i
n

l
i
n
e
a
l

y

n
o

l
i
n
e
a
l

-

C
o
e
f
i
c
i
e
n
t
e

d
e

d
e
t
e
r
m
i
n
a
c
i
n

-

V
a
r
i
a
n
z
a
s

r
e
s
i
d
u
a
l
e
s

-

D
i
s
t
r
i
b
u
c
i
o
n
e
s

d
e

f
r
e
c
u
e
n
c
i
a

b
i
d
i
m
e
n
s
i
o
n
a
l

-

C
o
e
f
i
c
i
e
n
t
e
s

d
e

c
o
r
r
e
l
a
c
i
n

S
p
e
a
r
m
a
n

-

C
o
e
f
i
c
i
e
n
t
e

d
e

c
o
n
t
i
n
g
e
n
c
i
a

-

B
o
x

P
l
o
t

-

D
i
a
g
r
a
m
a

d
e

e
r
r
o
r

-

C
o
e
f
i
c
i
e
n
t
e

b
i
s
e
r
i
a
l

d
e

p
u
n
t
o

1

V
A
R
I
A
B
L
E

-

G
r
a
f
i
c
a
s
:

H
i
s
t
o
g
r
a
m
a
,

B
o
x

P
l
o
t
.

-

E
s
t
a
d
g
r
a
f
o
s
:

P
r
o
m
e
d
i
o
s
,

M
e
d
i
a
n
a
,

M
o
d
a
,

V
a
r
i
a
n
z
a
,

M
o
m
e
n
t
o
s

-

C
o
e
f
i
c
i
e
n
t
e
s

d
e

a
s
i
m
e
t
r
a

y

c
u
r
t
o
s
i
s

d
e

F
i
s
h
e
r

-

D
i
a
g
r
a
m
a
s

d
e

b
a
r
r
a
,

d
e

t
o
r
t
a

-

D
i
s
t
r
i
b
u
c
i
o
n
e
s

d
e

f
r
e
c
u
e
n
c
i
a

-

M
o
d
a

N
O

C
O
R
R
E
S
P
O
N
D
E

C
U
A
N
T
I
T
A
T
I
V
O

C
U
A
L
I
T
A
T
I
V
O

M
I
X
T
O

130

P

V
A
R
I
A
B
L
E
S

-

E
s
t
i
m
a
c
i
n

d
e

l
o
s

c
o
e
f
i
c
i
e
n
t
e
s

d
e

r
e
g
r
e
s
i
n

m
l
t
i
p
l
e

-

E
s
t
i
m
a
c
i
n

d
e

c
o
e
f
i
c
i
e
n
t
e
s

d
e

c
o
r
r
e
l
a
c
i
n

p
a
r
c
i
a
l

-

E
s
t
i
m
a
c
i
n

d
e

l
o
s

c
o
e
f
i
c
i
e
n
t
e
s

d
e
l

m
o
d
e
l
o

L
o
g
-
l
i
n
e
a
l

-

E
s
t
i
m
a
c
i
n

d
e

l
o
s

c
o
e
f
i
c
i
e
n
t
e
s

d
e

c
o
n
t
i
n
g
e
n
c
i
a

p
a
r
c
i
a
l
e
s

-

E
s
t
i
m
a
c
i
n

d
e

l
o
s

c
o
e
f
i
c
i
e
n
t
e
s

d
e
l

A
n
l
i
s
i
s

D
i
s
c
r
i
m
i
n
a
n
t
e

d
e
c
i
s
i
n
a
l

A
n
e
x
o

1
.

b
.

C
a
j
i
t
a
.

A
l
g
u
n
a
s

h
e
r
r
a
m
i
e
n
t
a
s

d
e

l
a

I
n
f
e
r
e
n
c
i
a

E
s
t
a
d
s
t
i
c
a
:

E
s
t
i
m
a
c
i
n

2

V
A
R
I
A
B
L
E
S

-

I
n
t
e
r
v
a
l
o

d
e

c
o
n
f
i
a
n
z
a

d
e

u
n

c
o
e
f
i
c
i
e
n
t
e

d
e

c
o
r
r
e
l
a
c
i
n
.

-

I
n
t
e
r
v
a
l
o

d
e

c
o
n
f
i
a
n
z
a

d
e

u
n

c
o
e
f
i
c
i
e
n
t
e

d
e

r
e
g
r
e
s
i
n

-

E
s
t
i
m
a
c
i
n

d
e
l

c
o
e
f
i
c
i
e
n
t
e

d
e

c
o
n
t
i
n
g
e
n
c
i
a

-

E
s
t
i
m
a
c
i
n

d
e
l

c
o
e
f
i
c
i
e
n
t
e

d
e

S
p
e
a
r
m
a
n

-

E
s
t
i
m
a
c
i
n

d
e

l
o
s

c
o
e
f
i
c
i
e
n
t
e
s

d
e

r
e
g
r
e
s
i
n

l
o
g
s
t
i
c
a

l
i
n
e
a
l
.

1

V
A
R
I
A
B
L
E

-

I
n
t
e
r
v
a
l
o

d
e

c
o
n
f
i
a
n
z
a

d
e

u
n

p
r
o
m
e
d
i
o

-

I
n
t
e
r
v
a
l
o

d
e

c
o
n
f
i
a
n
z
a

d
e

u
n
a

v
a
r
i
a
n
z
a

-

I
n
t
e
r
v
a
l
o

d
e

c
o
n
f
i
a
n
z
a

d
e

u
n
a

p
r
o
p
o
r
c
i
n

N
O

C
O
R
R
E
S
P
O
N
D
E

C
U
A
N
T
I
T
A
T
I
V
O

C
U
A
L
I
T
A
T
I
V
O

M
I
X
T
O

131

P

V
A
R
I
A
B
L
E
S

-

T
e
s
t

d
e

s
i
g
n
i
f
i
c
a
c
i
n

d
e

l
o
s

c
o
e
f
i
c
i
e
n
t
e
s

d
e

c
o
r
r
e
l
a
c
i
n

c
a
n
n
i
c
a

-

T
e
s
t

d
e

c
o
n
f
o
r
m
i
d
a
d

d
e

l
o
s

c
o
e
f
i
c
i
e
n
t
e
s

d
e

r
e
g
r
e
s
i
n

m
l
t
i
p
l
e

-

T
e
s
t

d
e

s
i
g
n
i
f
i
c
a
c
i
n

d
e

l
o
s

c
o
e
f
i
c
i
e
n
t
e
s

d
e
l

m
o
d
e
l
o

L
o
g

L
i
n
e
a
l

-

T
e
s
t

d
e

s
i
g
n
i
f
i
c
a
c
i
n

d
e
l

m
o
d
e
l
o

d
e

A
n
l
i
s
i
s

F
a
c
t
o
r
i
a
l

d
e

C
o
r
r
e
s
p
o
n
d
e
n
i
c
i
a

-

M
A
N
O
V
A

A
n
e
x
o

1
.

c
.

C
a
j
i
t
a
.

A
l
g
u
n
a
s

h
e
r
r
a
m
i
e
n
t
a
s

d
e

l
a

I
n
f
e
r
e
n
c
i
a

E
s
t
a
d
s
t
i
c
a
:

T
e
s
t

d
e

H
i
p
t
e
s
i
s

2

V
A
R
I
A
B
L
E
S

-

T
e
s
t

d
e

s
i
g
n
i
f
i
c
a
c
i
n

d
e

u
n

c
o
e
f
i
c
i
e
n
t
e

d
e

c
o
r
r
e
l
a
c
i
n

-

T
e
s
t

d
e

s
i
g
n
i
f
i
c
a
c
i
n

d
e

u
n

c
o
e
f
i
c
i
e
n
t
e

d
e

r
e
g
r
e
s
i
n

-

T
e
s
t

d
e

i
n
d
e
p
e
n
d
e
n
c
i
a

-

T
e
s
t

d
e

c
o
m
p
a
r
a
c
i
n

d
e

d
o
s

p
r
o
p
o
r
c
i
o
n
e
s

-

C
o
m
p
a
r
a
c
i
n

d
e

d
o
s

v
a
r
i
a
n
z
a
s

-

T
e
s
t

d
e

C
o
m
p
a
r
a
c
i
n

d
e

d
o
s

p
r
o
m
e
d
i
o
s
,

d
o
s

v
a
r
i
a
n
z
a

-

A
N
O
V
A

1
,

A
N
O
V
A

2
,

e
t
c
.

1

V
A
R
I
A
B
L
E

-

T
e
s
t

d
e

c
o
n
f
o
r
m
i
d
a
d

d
e

u
n

p
r
o
m
e
d
i
o

-

T
e
s
t

d
e

s
i
g
n
i
f
i
c
a
c
i
n

d
e

u
n
a

v
a
r
i
a
n
z
a

-

T
e
s
t

d
e

c
o
n
f
o
r
m
i
d
a
d

d
e

u
n
a

p
r
o
p
o
r
c
i
n

N
O

C
O
R
R
E
S
P
O
N
D
E

C
U
A
N
T
I
T
A
T
I
V
O

C
U
A
L
I
T
A
T
I
V
O

M
I
X
T
O

MAPIC (Libro) PDF

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

MAPIC (Libro) PDF

Uploaded by

Copyright:

Available Formats

MAPIC.

MATRIZ DE PLANIFICACIN EN INVESTIGACIN CIENTFICA

You might also like