Stephani García

Alfa de Cronbach

El método de consistencia interna basado en el alfa de Cronbach permite estimar la fiabilidad de un instrumento de medida a través de un conjunto de ítems que se espera que midan el mismo constructo o dimensión teórica. La validez de un instrumento se refiere al grado en que el instrumento mide aquello que pretende medir. Y la fiabilidad de la consistencia interna del instrumento se puede estimar con el alfa de Cronbach. La medida de la fiabilidad mediante el alfa de Cronbach asume que los ítems (medidos en escala tipo Likert) miden un mismo constructo y que están altamente correlacionados (Welch & Comer, 1988). Cuanto más cerca se encuentre el valor del alfa a 1 mayor es la consistencia interna de los ítems analizados. La fiabilidad de la escala debe obtenerse siempre con los datos de cada muestra para garantizar la medida fiable del constructo en la muestra concreta de investigación.

Frías-Navarro, D. (n.d.). Alfa de Cronbach y consistencia interna de los ítems de un instrumento de medida. [en linea] Dolores Frías-Navarro’s Home Page. Recuperado de: http://www.uv.es/~friasnav/AlfaCronbach.pdf [Fecha de consulta 25 Oct. 2016].

Correlación de Pearson

El coeficiente de correlación de Pearson, pensado para variables cuantitativas (escala mínima de intervalo), es un índice que mide el grado de covariación entre distintas variables relacionadas linealmente. Adviértase que decimos "variables relacionadas linealmente". Esto significa que puede haber variables fuertemente relacionadas, pero no de forma lineal, en cuyo caso no proceder a aplicarse la correlación de Pearson. Por ejemplo, la relación entre la ansiedad y el rendimiento tiene forma de U invertida; igualmente, si relacionamos población y tiempo la relación será de forma exponencial. En estos casos (y en otros muchos) no es conveniente utilizar la correlación de Pearson.

El coeficiente de correlación de Pearson es un índice de fácil ejecución e, igualmente, de fácil interpretación. Digamos, en primera instancia, que sus valores absolutos oscilan entre 0 y 1. Esto es, si tenemos dos variables X e Y, y definimos el coeficiente de correlación de Pearson entre estas dos variables como rxy entonces: 0 ≤ rxy≤ 1

Anon, (n.d.). COEFICIENTE DE CORRELACIÓN LINEAL DE PEARSON. [en linea] Recuperado de: http://personal.us.es/vararey/adatos2/correlacion.pdf [Fecha de consulta 25 Oct. 2016].

Regresión Lineal Simple

El análisis de regresión se usa con el propósito de predicción. La meta del análisis de regresión es desarrollar un modelo estadístico que se pueda usar para predecir los valores de una variable dependiente o de respuesta basados en los valores de al menos una variable independiente o explicativa. El un modelo de regresión lineal simple, que usa una variable numérica independiente X para predecir la variable numérica dependiente Y.

Para establecer una relación cuantitativa entre X y Y es necesario disponer de cierta información muestral. Esta información consiste de un conjunto de pares de observaciones de X y Y, donde cada uno de estos pares pertenece a una unidad elemental particular de la muestra.

Jiménez, R. (2012). Estadística Inferencial II. Baja California: Instituto Tecnológico de Ensenada.

Pruebas T

Una prueba t es una prueba de hipótesis de la media de una o dos poblaciones distribuidas normalmente. Aunque existen varios tipos de prueba t para situaciones diferentes, en todas se utiliza un estadístico de prueba que sigue una distribución t bajo la hipótesis nula:

Prueba	Propósito	Ejemplo
Prueba t de 1 muestra	Prueba si la media de una población individual es igual a un valor objetivo	¿Es la estatura media de las estudiantes universitarias mayor que 5.5 pies?
Prueba t de 2 muestras	Prueba si la diferencia entre las medias de dos poblaciones independientes es igual a un valor objetivo	¿Difiere significativamente la estatura media de las estudiantes universitarias con respecto a la de los estudiantes universitarios?
Prueba t pareada	Prueba si la media de las diferencias entre las observaciones dependientes o pareadas es igual a un valor objetivo	Si usted registra el peso de estudiantes universitarios antes y después de que cada uno de ellos tome una píldora para adelgazar, ¿es suficientemente significativa la pérdida media de peso para llegar a la conclusión de que la píldora es efectiva?
Prueba t en la salida de regresión	Prueba si los valores de los coeficientes en la ecuación de regresión difieren significativamente de cero	¿Son predictores significativos de los GPA universitarios las puntuaciones de las pruebas SAT de educación secundaria?

Support.minitab.com. (2016). Tipos de pruebas t - Minitab. [en linea] Recuperado de: http://support.minitab.com/es-mx/minitab/17/topic-library/basic-statistics-and-graphs/hypothesis-tests/tests-of-means/types-of-t-tests/ [Fecha de consulta 25 Oct. 2016].

Prueba de Chi-cuadrado

Una prueba de chi-cuadrado es una prueba de hipótesis que compara la distribución observada de los

datos con una distribución esperada de los datos.

Existen varios tipos de pruebas de chi-cuadrado:

Prueba de chi-cuadrado de bondad de ajuste: Utilice este análisis para probar qué tan bien una muestra

de datos categóricos se ajusta a una distribución teórica.

Pruebas de chi-cuadrado de asociación e independencia: Los cálculos para estas pruebas son iguales,

pero la pregunta que se está tratando de contestar puede ser diferente.

Prueba de asociación: utilice una prueba de asociación para determinar si una variable está asociada a otra variable. Por ejemplo, determine si las ventas de diferentes colores de automóviles dependen de la ciudad donde se venden.
Prueba de independencia: utilice una prueba de independencia para determinar si el valor observado de una variable depende del valor observado de otra variable. Por ejemplo, determine si el hecho de que una persona vote por un candidato no depende del sexo del elector.

Support.minitab.com. (2016). ¿Qué es una prueba de chi-cuadrado? - Minitab. [en linea] Recuperado de: http://support.minitab.com/es-mx/minitab/17/topic-library/basic-statistics-and-graphs/tables/chi-square/what-is-a-chi-square-test/ [Fecha de consulta 25 Oct. 2016].