PRESENTACIÓN

Uno de los componentes de la formación profesional en el nivel superior de

estudios corresponde al desarrollo de una línea de investigación, la cual
generalmente debe iniciar por algo que sea motivador para el estudiante y se debe
mejorar durante la formación académica con la finalidad de que el estudio que
realice como parte de la tesis sea un aporte para solucionar un problema o una
curiosidad, debido a que la sociedad mantiene aún la expectativa de que los
egresados de las universidades poseen la esencia de ser excelentes investigadores
después de un quinquenio de preparación.

La edición del presente documento donde reporta ejercicios en base a la

necesidad de encaminar un nivel de estudio muy importante, en la cual se consideró
el uso de diversos datos de tesis mostrando los resultados verídicos con sus
diversas particularidades que presentan, aspectos como la ausencia de distribución
normal, pérdida de datos, con hipótesis y sin hipótesis (estimación puntual), las
cuales facilitarán mejor la toma de decisiones a los estudiantes y los tesistas de
carreras profesionales como Ingeniería Forestal, Ingeniería en Conservación de
Suelos y Agua, Ingeniería en Recursos Naturales Renovables, Ingeniería Ambiental y
carreras afines, debido a que otorgará mayor expectativa sobre en enlace entre un
enunciado, objetivos, hipótesis y el análisis de datos en el programa SPSS en un
estudio de nivel descriptivo.

Frits Palomino Vera

 ÍNDICE

Páginas

I. PARTICULARIDADES DE LAS TESIS DESCRIPTIVAS .......................................... - 1 -

II. TÍTULOS O ENUNCIADOS DE TESIS DESCRIPTIVAS .......................................... - 3 -

III. HIPÓTESIS DE LAS TESIS DESCRIPTIVAS ....................................................... - 5 -

IV. OBJETIVOS DE LAS TESIS DESCRIPTIVAS........................................................ - 7 -

4.1. Objetivo describir o caracterizar ........................................................ - 7 -

4.2. Objetivo estimar, calcular o aproximar............................................... - 9 -

4.3. Objetivo contrastar, verificar o comparar ......................................... - 10 -

V. EJERCICIOS EN TESIS DESCRIPTIVAS ............................................................- 12 -

5.1. Ejercicio 1. Volumen de árbol en pie de cuatro especies

forestales obtenido mediante censo ...................................................- 12 -

5.2. Ejercicio 2. Biomasa y área foliar en plantones de aguaje

(Mauritia flexuosa L.f.) .......................................................................- 22 -

5.3. Ejercicio 3. Calidad de compost producido a partir de residuos

sólidos orgánicos municipales .......................................................... - 28 -

VI. REFERENCIAS BIBLIOGRÁFICAS ....................................................................- 37 -

 I. PARTICULARIDADES DE LAS TESIS DESCRIPTIVAS

Corresponde al segundo nivel de la investigación y es el inicio de la

investigación cuantitativa, para DE LA TORRE (2010) en este nivel se presenta el
hecho tal cual como ocurre, sus rasgos son agrupados y convertidos en información
que caracteriza la realidad; además añade que la mayoría de los trabajos de tesis se
quedan en el nivel descriptivo.

En estudios descriptivos la población de estudio se define en función del

espacio (área geográfica, lugar) y tiempo determinado (año actual o años
anteriores), es por ello que los tesistas deben solucionar problemas de su medio
donde se encuentran, sea el área de trabajo, el área donde realizan sus prácticas
preprofesionales, lugar donde viven u otro ambiente donde se encuentren
vinculados directamente con el tesista.

Los estudios descriptivos son

Una población de estudio es univariados (una sola variable)
un conjunto de unidades de estudio desde el punto de vista analítico y
(plantones de especies forestales, de la estadística solo tiene una
árboles del BRUNAS, un grupo de variable. Se da cuenta cuando en
sistemas de uso del suelo, en caso el título o enunciado de tu tesis
del uso de SIG un grupo de aparece una sola variable
microcuencas, etc.). (variable de estudio), pero en los
estudios se debe acompañar

-1-
variables de caracterización que acompañen a la variable de estudio la cual no se
debe cruzar, comparar, relacionar o buscar causalidad ya que en el nivel
descriptivo solo el análisis estadístico es univariado.

Si las tesis presentan como resultados datos numéricos (altura total,

diámetro a la altura del pecho, mortalidad, niveles de nitrógeno en las hojas, etc.),
se hallaría la media (medida de tendencia central), la desviación estándar (medida
de dispersión) y en caso del error estándar se utilizaría para obtener los límites
para los intervalos de confianza.

En caso de la tesis que presentan como resultado datos categóricos

(coloración de hoja, calidad de planta, calidad de compost, presencia de enfermedad,
etc.) tenemos las frecuencias absolutas (número de casos que se producen en una
determinada población) y frecuencias relativas (porcentaje de casos).

En el marco teórico se debe definir la línea de investigación (calidad de

plantones, calidad de compost, volumen de madera en pie, producción del aguaje,
calidad de la hoja del bijao, etc.) ya que estos se encuentran definidos en el nivel
exploratorio, se debe incluir los antecedentes investigativos los cuales deben ser
del mismo nivel descriptivo y/o de nivel exploratorio y no de los niveles superiores
como relacional, explicativo, predictivo o aplicativo debido a que supuestamente
recién se está avanzando en el nivel descriptivo.

-2-
 II. TÍTULOS O ENUNCIADOS DE TESIS DESCRIPTIVAS

El enunciado en el nivel descriptivo tiene cinco elementos bien diferenciados,

las cuales son:

‒ El propósito

‒ Línea de investigación

‒ Población de estudio

‒ Lugar o geografía

‒ Tiempo

Resumiendo, se tiene el siguiente esquema:

Propósito + línea de investigación + población + lugar + tiempo

Ejemplos considerados:

El propósito : Prevalencia

Línea de investigación : chupadera fungosa

Población de estudio : plantones de caoba en viveros permanentes

Lugar o geografía : Leoncio Prado

Tiempo : 2018

‒ Prevalencia de chupadera fungosa en plantones de caoba ( Swietenia

macrophylla King) en viveros permanentes de Leoncio Prado, año 2018.

-3-
‒ Prevalencia de la baja calidad de los plantones forestales en el vivero
Forestal de la UNAS, primer trimestre del año 2018.

‒ Estimación del volumen de árbol en pie de la especie tornillo ( Cedrelinga

cateniformis Ducke) del Bosque Reservado de la Universidad Nacional
Agraria de la Selva durante el ciclo académico 2018-I.

‒ Frecuencia de problemas sanitarios en matas de bijao (Calathea sp.) en el

caserío la Divisoria en el año 2018.

La frecuencia es el propósito más utilizado, debido a que es una

proporción de las unidades de estudio afectadas de una población, este
propósito tiene distintos enfoques y entre ellos se puede citar a dos tipos:

‒ La prevalencia (porcentaje de casos, proporción de casos) es el

número de casos que hay en tu población, por ejemplo: el 60% de los
plantones forestales en el vivero Forestal presentan calidad baja, el
25% de las hojas comercializadas del bijao presentan perforaciones
que perjudican su calidad.

‒ La incidencia (número de casos en unidad de tiempo) es la velocidad

con que ocurren o se producen los casos, generalmente cada unidad
de tiempo es un día, semana, mes o año. El 5% de chupadera fungosa
aparece en una semana en los plantones de caoba (Swietenia
macrophylla King).

-4-
 III. HIPÓTESIS DE LAS TESIS DESCRIPTIVAS

Algunos estudios de nivel descriptivo pueden tener hipótesis y eso depende

estrictamente del enunciado de estudio, la cual el tesista o investigador debe tener
muy en cuenta.

Si el enunciado del estudio puede ser calificado como verdadero o falso,

entonces tu estudio lleva hipótesis, considere el siguiente ejemplo:

‒ Enunciado: Verificación de la calidad del compost producido a partir de

residuos sólidos orgánicos municipales en el Centro de
Protección Ambiental Santa Cruz de la ciudad de Concepción,
año 2017.

‒ Interrogante: ¿Se podrá verificar la calidad del compost producido a partir

de residuos sólidos orgánicos municipales en el Centro de
Protección Ambiental Santa Cruz de la ciudad de Concepción,
año 2017?

‒ Conclusión: si se podrá o no se podrá verificar (V o F)

‒ Hipótesis: La calidad del compost producido a partir de residuos sólidos

orgánicos municipales en el Centro de Protección Ambiental
Santa Cruz de la ciudad de Concepción corresponde a la Clase
B en base a la norma chilena 2880 y la norma mexicana 020.
‒ Expresión matemática: H0: µm = µp
H1: µm ≠ µp, y solo será cierto cuando µp = B
-5-
 La hipótesis aparecerá cuando se quiere contrastar la proporción o
promedio (X) de un grupo con el parámetro de una población (µ), por ejemplo,
cuando queremos comparar la calidad promedio de compost obtenido en una tesis
con los parámetros establecidos por las normas internacionales.

Por otro lado, no presenta hipótesis la palabra prevalencia, motivo por el

cual se obtendrá los resultados mediante una estimación puntual, por ejemplo:

‒ Enunciado: Prevalencia de chupadera fungosa en plantones de caoba

(Swietenia macrophylla King) de los viveros de Leoncio Prado
en el año 2018.

‒ Interrogante: ¿Se podrá prevalencia de chupadera fungosa en plantones de

caoba (Swietenia macrophylla King) de los viveros de Leoncio
Prado en el año 2018?

‒ Conclusión: es incoherente la interrogante anterior y por ello no se puede

obtener indicadores de V o F.

‒ Hipótesis: No presenta hipótesis, es por ello que se obtiene la estimación

puntual.

‒ Expresión de resultados

Los resultados contendrán valores como el promedio, error estándar de la

media, la desviación estándar y el intervalo de confianza, las cuales serán
considerados en base a los objetivos planteados en la tesis.

-6-
 IV. OBJETIVOS DE LAS TESIS DESCRIPTIVAS

El objetivo (expresión, nueva oración) tiene que ser alcanzable, para ello se
debe tener en cuenta que existan herramientas para alcanzarlos. Una de las
herramientas es la estadística; además, en la investigación a nivel descriptivo la
estadística es la primera herramienta. Ahí radica en conocer la estadística y la
metodología de la investigación.

Así como cada intención, cada propósito se describe en forma distinta,

también los objetivos en el presente nivel se describen de forma distinta, ya que
cada objetivo es más ambicioso que el anterior y busca un mayor alcance del
conocimiento, teniendo en consideración lo expresado, se consideran tres objetivos
para estudios de nivel descriptivo, siendo estos:

4.1. Objetivo describir o caracterizar

Sirven para enmarcar el contexto de la realidad que estamos estudiando. En

el nivel exploratorio se emplea el objetivo determinar, con el cual se realiza el
diagnóstico de la presencia o ausencia de la variable en estudio (Y), y como
siguiente paso se procede a la caracterización de dicha variable mediante el
objetivo describir que pertenece al nivel descriptivo. Es un objetivo no inferencial,
porque solo busca describir o caracterizar, ya que va permitir la medición referente
a en qué medida y cuáles son esas características.

Se puede describir las características de un grupo de plantones de baja

calidad, grupo de árboles semilleros de una especie, etc., con frecuencia absoluta y
-7-
relativa, promedio y desviación estándar. Se usa la estadística para caracterizar un
grupo de estudio y no se puede generalizar dichos resultados para toda la población,
debido que en ningún momento eso fue la intención del tesista o investigador.
Cuando la estadística (herramienta) aparece, esta solo aparece con la intención de
caracterizar, ya que es el momento inicial de la estadística (estadística no
inferencial o descriptiva). Se puede considerar como ejemplo lo siguiente:

‒ Describir las matas enfermas de bijao (Calathea sp.) en el predio de un

productor del caserío La Divisoria en el año 2018.

Figura 1. Representación esquemática de una plantación de bijao con la finalidad de

alcanzar el objetivo describir.

Como primera actividad se va escoger las matas que presentan síntomas

con patología (seis matas), luego se las evaluará las variables como: altura,
cantidad de hojas sanas, cantidad de hojas enfermas, coloración de hojas, ancho del
limbo de las hojas, largo del limbo de las hojas, área foliar, estado fenológico, etc.
Los resultados de estas variables se representarán mediante frecuencia, promedio
y la desviación estándar, las cuales dependerán del tipo de variable analizada.
-8-
4.2. Objetivo estimar, calcular o aproximar

Objetivo del nivel descriptivo más ambicioso, de mayor alcance acumulativo

del conocimiento y es inferencial (las conclusiones que se obtiene en la muestra son
válidas también para la población); desarrollar el objetivo estimar implica
desarrollar la descripción o caracterización de la población y no de un solo grupo.

Cuando no se puede alcanzar a estudiar a la población, se utiliza una

muestra y se infiere a toda la población los resultados; dicha conclusión es una
estimación, es un acercamiento a la población, por eso, en los resultados se
acompaña de un intervalo de confianza (determinado mediante el error estándar),
un límite entre los cuales se encuentran el verdadero valor de la población. El
intervalo de confianza es un estimador por estudiar a la muestra, al parámetro solo
se le conoce cuando se estudia a la población. Ejemplo:

‒ Estimar las características de las matas enfermas de bijao (Calathea sp.) en

predios de los productores del caserío La Divisoria en el año 2018.

Figura 2. Representación esquemática plantaciones de bijao con la finalidad de

alcanzar el objetivo estimar.
-9-
 Se considera como actividad inicial alcanzar una muestra (cuatro
plantaciones de bijao) debido a que la población es inalcanzable o grande
(supongamos 100 plantaciones), se observan a las matas que presentan síntomas
con patología (color oscuro), luego se las evalúa las variables como: altura, cantidad
de hojas sanas, cantidad de hojas enfermas, coloración de hojas, ancho del limbo de
las hojas, largo del limbo de las hojas, área foliar, estado fenológico, etc. Los
resultados de estas variables serán los parámetros (media poblacional, frecuencia
poblacional) de las plantaciones del bijao, a las cuales se les tiene que acompañar
un intervalo de confianza a partir del error estándar, ya que no se trata de
describir, se trata de estimar un parámetro poblacional (la media de la muestra es
una variable aleatoria y la media poblacional es una constante, a esta última se la
tiene que conocer).

4.3. Objetivo contrastar, verificar o comparar

Es un objetivo muy particular del nivel descriptivo ya que posee hipótesis

concebido de una muestra hacia un parámetro de la población, con este estudio se
puede realizar las tesis descriptivas de la calidad de agua, calidad de compost,
calidad de aire, etc., ya que se realizarán comparaciones con estándares nacionales
o internacionales de calidad (parámetro poblacional conocido).

En este nivel de estudio solo se tiene un grupo de estudio (saca un promedio

y se contrata con un valor numérico que se llama parámetro de la población). Con la
finalidad contrastar la hipótesis, se utiliza el ritual de la significancia estadística,
considerando los siguientes pasos:
- 10 -
 ‒ Plantear hipótesis (H0 y H1).
‒ Nivel de significancia (generalmente 0.05 o 5.0%).
‒ Prueba estadística (prueba T una muestra).
‒ p-value o p-valor (obtenido de la prueba T).
‒ Toma de decisiones (te quedas con H0 o H1).

Consideremos los siguientes ejemplos:

‒ Comparar la longitud de hojas de bijao procedentes de matas enfermas en el

año 2018 con el tamaño promedio de hojas del caserío La Divisoria.

Se va considerar la representación gráfica anterior (Figura 2), pero estos

resultados serán respaldados mediante la contrastación de la hipótesis (H 1: la
longitud de hojas de bijao (Calathea sp.) procedentes de matas enfermas en el año
2018 es menor al tamaño promedio de hojas del caserío La Divisoria o H1: µm < µp).

‒ Contrastar la calidad del compost producido a partir de residuos sólidos

orgánicos municipales en el Centro de Protección Ambiental Santa Cruz de la
ciudad de Concepción en el año 2017 con la norma chilena 2880 y la norma
mexicana 020.

Para alcanzar el objetivo, se realizará el respaldo de los resultados mediante

la prueba de hipótesis (H1: La calidad del compost producido a partir de residuos
sólidos orgánicos municipales en el Centro de Protección Ambiental Santa Cruz de la
ciudad de Concepción en el año 2017 corresponde a la Clase B en base a la norma
chilena 2880 y la norma mexicana 020 o H1: µm < µp, en este caso µp es igual a B).

- 11 -
 V. EJERCICIOS EN TESIS DESCRIPTIVAS

Con la finalidad de señalar estudios realizados enmarcado en el nivel de

investigación descriptivo, se consideró en algunos casos los enunciados y objetivos
con la menor alteración posible a las tesis analizadas, mientras que en otros casos
se realizó algunos ajustes con la finalidad de no salirse del tema. Los ejercicios
corresponden el uso de los tres objetivos de este nivel de estudio.

Son pocos los estudios reportados en pregrado bajo el nivel descriptivo

debido posiblemente a que ya existen estudios con este nivel de investigación o de lo
contrario al desconocimiento del mismo. Por otro lado, se debe tener en
consideración que el conocimiento es dinámico y esto conduce a seguir realizando
estudios a nivel descriptivo.

5.1. Ejercicio 1. Volumen de árbol en pie de cuatro especies forestales

obtenido mediante censo

‒ Enunciado: Caracterización del volumen de árbol en pie en cuatro especies

forestales de la concesión forestal Gabriel Ochoa Ríos en la región Ucayali,
año 2017.

‒ Hipótesis: Estudio donde no presenta hipótesis.

‒ Objetivo: Caracterizar el volumen del árbol en pie en cuatro especies

forestales de la concesión forestal Gabriel Ochoa Ríos en la región Ucayali,
año 2017.

- 12 -
 Se consideró a las especies: alcanfor moena (Ocotea aciphylla (Nees) Mez),
cachimbo colorado (Cariniana domesticata Mart. Miers), cachimbo blanco (Cariniana
decandra Ducke) y tornillo (Cedrelinga cateniformis Ducke), que fueron extraídas de
parcela de corta (PC) N° 18 del plan operativo (PO) N° 12 de la concesión forestal
Gabriel Ochoa Ríos con fines maderables con contrato N° 25-PUC/C-J-077-02; la
concesión registra 14,036 ha y la PC N° 18 con 701.25 ha (SÁENZ, 2017).

La investigación se realizó con mediciones no planeadas (tipo retrospectivo),

ya que se utilizaron datos que se obtuvieron de registros preexistentes (informe
técnico aprovechamiento forestal y de trazabilidad del PO Nº 12 de la Concesión
Forestal Gabriel Ochoa Ríos). Además, según la intervención del investigador
pertenecía a una investigación observacional (SUPO, 2014).

Cuadro 1. Volumen de madera en pie de cuatro especies forestales de la región

Ucayali.
Individuo Especies DAP (cm) H.C. (m) Volumen (m 3)
1 Cachimbo colorado 120 18 13.23
2 Cachimbo colorado 65 21.6 4.66
3 Cachimbo colorado 85 17.2 6.34
4 Cachimbo colorado 88.9 18 7.26
5 Cachimbo colorado 89.5 12 4.91
6 Cachimbo colorado 82.7 17 5.94
7 Cachimbo colorado 76.8 21 6.32
8 Cachimbo colorado 76.4 14 4.17
9 Cachimbo colorado 79.3 16 5.14
10 Cachimbo colorado 78.5 13 4.09
11 Cachimbo colorado 87.4 16 6.24
12 Cachimbo colorado 91.2 11 4.67
13 Cachimbo colorado 73 11.7 3.18
- 13 -
Individuo Especies DAP (cm) H.C. (m) Volumen (m 3)
14 Cachimbo colorado 78.7 17 5.38
15 Cachimbo colorado 74.5 20 5.67
16 Cachimbo colorado 90.1 21 8.70
17 Cachimbo colorado 73.2 18 4.92
18 Cachimbo colorado 71.3 18 4.67
19 Cachimbo colorado 74.2 14 3.94
20 Cachimbo colorado 87.2 16 6.21
21 Cachimbo colorado 99.2 17 8.54
22 Cachimbo colorado 90.3 17 7.08
23 Cachimbo colorado 82.7 12.2 4.26
24 Cachimbo colorado 94.3 18 8.17
25 Cachimbo colorado 107 16.7 9.76
26 Cachimbo colorado 78.6 20 6.31
27 Cachimbo colorado 72.3 19 5.07
28 Cachimbo colorado 96.2 18 8.50
29 Cachimbo colorado 86.4 19 7.24
30 Cachimbo colorado 81.1 17 5.71
31 Cachimbo colorado 99.4 14 7.06
32 Cachimbo colorado 77.9 10.7 3.31
33 Cachimbo colorado 97.6 16 7.78
34 Cachimbo colorado 98.2 13 6.40
35 Cachimbo colorado 88.5 14.5 5.80
36 Cachimbo colorado 78 14.3 4.44
37 Cachimbo colorado 77.9 15.6 4.83
38 Cachimbo colorado 75.3 12.6 3.65
39 Cachimbo colorado 80.4 15 4.95
40 Cachimbo colorado 79.2 11 3.52
41 Cachimbo colorado 100 12 6.13
42 Cachimbo colorado 80.5 16 5.29
43 Cachimbo colorado 81.3 17 5.74
44 Cachimbo colorado 100.4 21 10.81
45 Cachimbo colorado 79.6 18 5.82
46 Cachimbo colorado 68.1 16 3.79
47 Cachimbo colorado 83.7 20 7.15
48 Cachimbo colorado 83 14 4.92
- 14 -
Individuo Especies DAP (cm) H.C. (m) Volumen (m 3)
49 Cachimbo colorado 82.2 18 6.21
50 Cachimbo colorado 97 17 8.17
51 Cachimbo colorado 101.8 19 10.05
52 Cachimbo colorado 81.6 19 6.46
53 Cachimbo colorado 92.3 20 8.70
54 Cachimbo colorado 100.1 17 8.70
55 Cachimbo colorado 81.3 18 6.07
56 Cachimbo colorado 121.6 20 15.10
57 Cachimbo colorado 69.8 23 5.72
58 Cachimbo colorado 77.8 17 5.25
59 Cachimbo colorado 94.8 7.6 3.49
60 Cachimbo colorado 106.4 15.1 8.73
61 Cachimbo colorado 89.3 18.1 7.37
62 Cachimbo colorado 95.8 21 9.84
63 Cachimbo colorado 78.2 20 6.24
64 Cachimbo colorado 86.7 22 8.44
65 Cachimbo colorado 102.3 17 9.08
66 Cachimbo colorado 103.6 17 9.31
67 Cachimbo colorado 88.1 17 8.99
68 Cachimbo colorado 101.8 17 6.74
69 Cachimbo colorado 70.1 18 4.52
70 Cachimbo colorado 70.7 21 5.36
71 Cachimbo colorado 83.7 23 8.23
72 Cachimbo colorado 110 16 9.88
73 Cachimbo colorado 105.5 11.8 6.70
74 Cachimbo colorado 84 10 3.60
75 Cachimbo colorado 77.5 21.4 6.56
76 Cachimbo colorado 108.5 15 9.01
77 Cachimbo colorado 87.5 18.6 7.27
78 Cachimbo colorado 85.5 17 6.34
79 Cachimbo colorado 91.5 15 6.41
80 Cachimbo colorado 77.6 18 5.53
81 Cachimbo colorado 78.9 19 6.04
82 Cachimbo colorado 75.4 18 5.22
83 Cachimbo colorado 115.5 10 6.81
- 15 -
Individuo Especies DAP (cm) H.C. (m) Volumen (m 3)
84 Cachimbo colorado 88 13 5.14
85 Cachimbo colorado 98.9 14 6.99
86 Cachimbo colorado 88.3 12 4.78
87 Cachimbo colorado 99.7 16 8.12
88 Cachimbo colorado 78 15 4.66
89 Cachimbo colorado 103.5 18.7 10.23
90 Cachimbo colorado 88.7 17.9 7.19
91 Cachimbo colorado 91.3 18.9 8.04
92 Cachimbo colorado 89.7 20.6 8.46
93 Cachimbo colorado 81.7 16.4 5.59
94 Cachimbo colorado 83.8 13.7 4.91
95 Cachimbo colorado 95 11 5.07
96 Cachimbo colorado 74 17 4.75
97 Cachimbo colorado 89.3 13 5.29
98 Cachimbo colorado 62.8 18 3.62
99 Cachimbo colorado 117.6 16 11.30
100 Cachimbo colorado 105 16 9.01
101 Cachimbo colorado 95 15 6.91
102 Cachimbo colorado 81.4 18.2 6.16
103 Cachimbo colorado 88.1 14.5 5.75
104 Cachimbo colorado 108 14.9 8.87
105 Cachimbo colorado 95.4 13 6.04
106 Cachimbo colorado 113.2 10 6.54
107 Cachimbo colorado 83.3 10 3.54
108 Cachimbo colorado 131.6 16 14.15
109 Cachimbo colorado 151.5 16 18.75
110 Cachimbo colorado 98.5 15 7.43
111 Cachimbo colorado 85.7 19 7.12
112 Cachimbo colorado 139 17 16.77
113 Cachimbo colorado 82.2 16 5.52
114 Cachimbo colorado 88.5 17 6.80
115 Cachimbo colorado 124.7 15 11.91
116 Cachimbo colorado 88.5 18 7.20
117 Cachimbo colorado 150.4 23 26.56
118 Cachimbo colorado 81.5 18 6.10
- 16 -
Individuo Especies DAP (cm) H.C. (m) Volumen (m 3)
119 Cachimbo colorado 70.1 15 3.76
120 Cachimbo colorado 88.3 18 7.16
1 Tornillo 114.3 17.2 11.47
2 Tornillo 141 17 17.25
3 Tornillo 98.7 16 7.96
4 Tornillo 82.1 14.8 5.09
5 Tornillo 90.8 20 8.42
6 Tornillo 99.9 17 8.66
7 Tornillo 95.4 10 4.65
1 Alcanfor moena 72.8 14 3.79
2 Alcanfor moena 74.3 18 5.07
3 Alcanfor moena 113.7 20 13.20
4 Alcanfor moena 88 15.9 6.29
5 Alcanfor moena 68.4 16 3.82
6 Alcanfor moena 72 13 3.44
7 Alcanfor moena 99.3 14 7.05
8 Alcanfor moena 67.2 16 3.69
9 Alcanfor moena 64 16.7 3.49
10 Alcanfor moena 66.4 10 2.25
11 Alcanfor moena 74.8 16 4.57
12 Alcanfor moena 72 13.3 3.52
13 Alcanfor moena 75 12.2 3.50
14 Alcanfor moena 71.8 10.2 2.68
15 Alcanfor moena 74 15 4.19
16 Alcanfor moena 76.2 22 6.52
17 Alcanfor moena 77 11.1 3.36
18 Alcanfor moena 79 12 3.82
19 Alcanfor moena 74 12 3.35
20 Alcanfor moena 77.9 19 5.89
21 Alcanfor moena 70.6 12 3.05
22 Alcanfor moena 81.5 14 4.75
23 Alcanfor moena 71 15 3.86
24 Alcanfor moena 78 9 2.80
1 Cachimbo blanco 78 18 5.59
2 Cachimbo blanco 102 16 8.50
- 17 -
 Individuo Especies DAP (cm) H.C. (m) Volumen (m 3)
3 Cachimbo blanco 88 17 6.72
4 Cachimbo blanco 100 16 8.17
5 Cachimbo blanco 88 22 8.70
6 Cachimbo blanco 103 22 11.92
7 Cachimbo blanco 75 19 5.46
8 Cachimbo blanco 88 14.8 5.85
Alcanfor moena (Ocotea aciphylla (Nees) Mez), cachimbo colorado (Cariniana domesticata Mart. Miers),
cachimbo blanco (Cariniana decandra Ducke) y tornillo (Cedrelinga cateniformis Ducke).
Fuente: Datos reportados por SÁENZ (2017).

Uno de los defectos que más se comete en el análisis de los datos refiere a
la tabulación de los mismos, debido a que siempre se cometen errores en colocar
un punto o coma (en vez de escribir 8.5 en Ms Excel se escribió 8,5 cuando se
encuentra configurado el software con punto decimal), datos elevados (árboles
plus) y datos muy inferiores por errores de tipeo, motivo por el cual, se debe
realizar una verificación minuciosa en Ms Excel empleando las opciones Mínimo,
Máximo o utilizar el filtro para encontrar dichos errores. Una vez corregidos los
errores se procederá a analizar los datos en el programa estadístico SPSS.

Normalidad.

En este tipo de estudio, la obtención de la normalidad sirve de referencia

para determinar el comportamiento de los datos y como se tiene cuatro especies en
estudio (Cuadro 1), como primera actividad se debe segmentar la lista de datos,
para ello se procede de la siguiente manera: Datos – segmentar archivo (activar
organizar los resultados por grupos: arrastrar la variable Especies) – aceptar.

- 18 -
 Posteriormente se realiza el análisis de la normalidad: analizar – pruebas no
paramétricas – cuadro de diálogo antiguos – K-S de una muestra (lista variables de
prueba: arrastrar a la variable de interés que es el volumen) – aceptar.

Se determinó que los datos referentes al volumen maderable en las especies

forestales Cariniana decandra y Cedrelinga cateniformis presentan distribución
normal, mientras que las otras dos especies maderables carecen de dicho
comportamiento por registrar un valor p menor a 0.05 (Cuadro 2).

Cuadro 2. Resultado de la prueba de normalidad.

Especies Nombre científico Significancia o valor p Conclusión
Alcanfor moena Ocotea aciphylla 0.001 H1: no N
Cachimbo blanco Cariniana decandra 0.200 H0: N
Cachimbo colorado Cariniana domesticata <0.001 H1: no N
Tornillo Cedrelinga cateniformis 0.198 H0: N

En caso de que el jurado calificador desee que todos tus datos presenten
distribución normal para realizar pruebas paramétricas, se puede considerar
algunos procesos como por ejemplo: se registró valores inferiores a 0.001 del
valor-p, esto ocurre debido a que los datos no presentaron distribución normal, y
para solucionar dicho inconveniente se procede a realizar un artificio denominado
transformación de los datos (parece un truco sucio, pero es perfectamente lícito),
debido a que las distribuciones se encuentran muy sesgadas en Ocotea aciphylla y
Cariniana domesticata, se aplicará la transformación más potente (MOLINA, 2014)
cuya denominación corresponde a la trasformación recíproca (1/X), con este
proceso se obtiene normalidad en los resultados de las dos especies (Cuadro 3).

- 19 -
Cuadro 3. Resultado de la prueba de normalidad con datos transformados.
Especies Nombre científico Significancia o valor p Conclusión
Alcanfor moena Ocotea aciphylla 0.200 H0: N
Cachimbo blanco Cariniana decandra 0.200 H0: N
Cachimbo colorado Cariniana domesticata 0.075 H0: N
Tornillo Cedrelinga cateniformis 0.198 H0: N
Datos transformados solo para Ocotea aciphylla y Cariniana domesticata.

Estadísticos descriptivos

Debido a que los daos fueron obtenido mediante un censo y no se utilizó

muestreo alguno, se procedió a calcular los estadísticos descriptivos en el
programa estadístico SPSS de la siguiente manera: analizar – estadísticos
descriptivos – descriptivos (variables: se arrastra el volumen) – opciones (se activa
la media, desviación estándar, mínimo, máximo y la suma) – continuar – aceptar.

La interpretación se realizará como sigue: Para la especie O. aciphylla se

encontró 24 individuos que fueron censados en la PO Nº 12 de la Concesión Forestal
Gabriel Ochoa Ríos, de las cuales el individuo con menor volumen reportó un valor
de 2.25 m3, mientras que el mayor individuo alcanzó 13.20 m 3 y el volumen total
obtenido en el censo fue de 107.96 m 3 para la especie en mención y se registró alta
variabilidad (mala dispersión = 49.58%) de los datos, la cual indica la
heterogeneidad del bosque respecto a O. aciphylla en 701.25 ha que abarcaba dicha
PO. Además (se debe incluir), aproximadamente el 95% central de los datos por
árbol se encuentran en el intervalo comprendido desde 0.13 m3 hasta los 8.87 m3 de
madera en pie (Cuadro 4), dicho valor se obtiene al reemplazar la media ± 1.96*DE.
- 20 -
En caso de las demás especies consideradas en el estudio, se debe interpretar de
manera similar; siempre el tesista debe enfocarse la descripción de los cuadros
teniendo en consideración los menores valores, los valores extremos y los
intervalos de confianza, con la finalidad de que en la mayoría de los casos se toman
decisiones en base a estos resultados y no a los valores intermedios.

Cuadro 4. Estadísticos descriptivos para el volumen maderable de cuatro especies

forestales obtenido mediante censo forestal.
Especies N Mínimo Máximo Total (m3) Media ± DE (m3) CV (%)
O. aciphylla 24 2.25 13.20 107.96 4.50 ± 2.23 49.58
C. decandra 8 5.46 11.92 60.90 7.61 ± 2.18 28.70
C. domesticata 120 3.18 26.56 840.02 7.00 ± 3.19 45.56
C. cateniformis 7 4.65 17.25 63.50 9.07 ± 4.28 47.19
DE: Desviación estándar (usado para alcanzar el objetivo describir), CV: Coeficiente de variación.

En caso de resultados que presenten cualquier distribución de los

datos (con y sin distribución normal), se puede utilizar la regla menos
conocida que está basada en la desigualdad de Chebyshev (PÉREZ y ABRAIRA,
1996), que establece que el intervalo comprendido entre la media menos K
veces la desviación estándar y la media más k veces la desviación estándar,
está al menos la (1-1/k2) parte central de los datos.
Ojo: La interpretación no se puede realizar con la desviación estándar,
debido a que las trasformaciones y las antitransformaciones hacen que la
desviación estándar pierda totalmente el sentido de la realidad

- 21 -
5.2. Ejercicio 2. Biomasa y área foliar en plantones de aguaje (Mauritia
flexuosa L.f.)

‒ Enunciado: Estimación del área foliar y biomasa en plantones de aguaje

(Mauritia flexuosa L.f.) menores a cuatro meses de edad en el vivero
Sembrando Futuro del distrito Pueblo Nuevo, año 2017.

‒ Hipótesis: Sin hipótesis, resultados obtenidos mediante estimación puntual.

‒ Objetivo: Estimar el área foliar y biomasa en plantones de aguaje ( Mauritia

flexuosa L.f.) menores a cuatro meses de edad en el vivero Sembrando Futuro
del distrito Pueblo Nuevo, año 2017.

Se realizó un muestreo de 10 plantones por cada periodo de tiempo para

estimar el valor de la población en estudio (una cama de cría con 10000 plantones).

Cuadro 5. Datos reportados de 10 plantones de aguaje (Mauritia flexuosa L.f.) por

cada periodo de tiempo.
Tiempo Biomasa total Área foliar Tiempo Biomasa total Área foliar
(mes) (g) (cm2) (mes) (g) (cm2)
1 8.92 0 3 13.32 139.13
1 16.29 0 3 13.78 145.34
1 14.66 0 3 13.82 141.61
1 12.13 0 3 13.98 144.10
1 14.9 0 3 15.29 267.08
1 12.52 0 3 11.37 137.89
1 7.76 0 3 12.52 136.65
1 15.38 0 3 14.36 140.37
1 15.33 0 3 14.4 149.07

- 22 -
 Tiempo Biomasa total Área foliar Tiempo Biomasa total Área foliar
(mes) (g) (cm2) (mes) (g) (cm2)
1 14.46 0 3 14.98 154.04
2 14.65 62.48 4 14.22 267.08
2 15.70 79.21 4 14.62 264.60
2 13.85 54.15 4 13.97 311.80
2 11.20 36.21 4 13.46 278.26
2 11.94 50.32 4 17.23 288.20
2 12.91 47.55 4 11.85 208.70
2 14.25 59.44 4 12.2 386.34
2 13.76 41.64 4 10.78 275.78
2 13.66 112.81 4 13.17 248.45
2 13.63 80.87 4 16.17 437.27
Fuente: Datos obtenidos por SOLÓRZANO (2017).

Normalidad.

Se debe realizar la prueba de normalidad de los datos debido a que el

resultado a obtener de la muestra se estimará a la población. Como la evaluación se
realizó en cuatro periodos de tiempo (desde el primer mes de repicado hasta el
cuarto mes), en el programa SPSS v. 23 se debe segmentar la lista de datos (Figura
3), para ello se procede de la siguiente manera: Datos – segmentar archivo (activar
organizar los resultados por grupos: arrastrar la variable Tiempo) – aceptar.

Posteriormente se realiza el análisis de la normalidad: analizar – pruebas no

paramétricas – cuadro de diálogo antiguos – K-S de una muestra (lista variables de
prueba: arrastrar a biomasa total y área foliar) – aceptar.

- 23 -
 Segmentar

Normalidad

Figura 3. Proceso para segmentar y obtener la normalidad en datos descriptivos.

Se interpreta la Sig. asintótica (bilateral) de los cuadros que llevan como

nominación Prueba de Kolmogorov-Smirnov para una muestra, en donde el valor
obtenido debe ser superior a 0.05 para aceptar la hipótesis nula (H0: los datos
presentan distribución Normal); estos resultados de análisis preliminar en los datos
se deben colocar en el anexo del informe de tesis, debido a que es un requisito para
la toma de decisiones al realizar las posteriores pruebas estadísticas.

Cuadro 6. Resultados de la prueba de Normalidad.

Mes Biomasa (Significancia) Conclusión Área foliar (significancia) Conclusión
1 0.046 H1: no N ------ -----
2 0.172 H0: N 0.200 H0: N
3 0.200 H0: N <0.001 H1: no N
4 0.200 H0: N 0.077 H0: N

- 24 -
 Se observa que al primer mes de evaluación para la biomasa y al tercer mes
en caso del área foliar que se obtuvieron de las muestras de Mauritia flexuosa L.f.
no presentaron distribución normal (no N), mientras que en las demás evaluaciones
sí se registró la normalidad (N).

Estadísticos descriptivos

Se realiza el análisis de los resultados principalmente mediante la

determinación de los estadísticos: mínimo, máximo, media aritmética o promedio,
error estándar de la media y el coeficiente de variación, estos valores se obtienen
mediante el siguiente proceso: analizar – estadísticos descriptivos – descriptivos
(variables: se arrastra a biomasa y luego a área foliar) – opciones (se activa la
media, desviación estándar, mínimo, máximo y la media de error estándar) –
continuar – aceptar.

Posteriormente con la finalidad de otorgarle una presentación más

adecuada se traslada los resultados a la hoja de cálculo Ms Excel mediante el
siguiente proceso: archivo – exportar – tipo (buscar Excel 97-2004 (*.xls)) –
examinar (se le otorga la orientación donde se desea guardar el archivo) – aceptar.
Se abre el archivo y se edita con la finalidad de que los cuadros sean lo más
entendible posible, además, se calcula el coeficiente de variación (valor obtenido de
la desviación estándar sobre la media, dicho coeficiente multiplicado por 100).

La interpretación o presentación de los cuadros descriptivos radica en

resaltar lo más sobresaliente y lo más común de las unidades de estudio, por

- 25 -
ejemplo: La biomasa total en los plantones de Mauritia flexuosa L.f. al mes de
repicado presentó 13.24 g por cada unidad de estudio, notándose que en un plantón
se registró el menor valor correspondiente a 7.76 g y un valor máximo de 16.29 g;
en caso de los plantones con cuatro meses de repicado el promedio fue 13.77 g, la
cual con una probabilidad del 95% de confianza se puede señalar que la media
poblacional se encuentra entre los 12.55 g hasta los 14.99 g. Además, los valores de
los plantones muestreados al primer mes de repicado indican que los datos
presentaron regular dispersión respecto al promedio (CV = 21.80%), mientras que
los datos con excelente dispersión (CV = 8.41%) fue notorio a los tres meses
posteriores al repique (Cuadro 7).

Nótese que para obtener los valores de los intervalos de confianza para la
media se realiza la expresión: media ± 1.96*EE, la cual indica que se puede afirmar,
con una probabilidad de acierto de 0.95, la media poblacional está incluida en dicho
intervalo calculado. Este es uno de los métodos estadísticos que exige normalidad
de la población (PÉREZ y ABRAIRA, 1996).

Cuadro 7. Estadísticos descriptivos de la biomasa total en plantones de aguaje

(Mauritia flexuosa L.f.) con edad menor a cuatro meses de repicado.
Tiempo (mes) Mínimo Máximo Media ± EE (g) CV (%)
1 7.76 16.29 13.24 ± 0.91 21.80
2 11.20 15.70 13.56 ± 0.41 9.52
3 11.37 15.29 13.78 ± 0.37 8.41
4 10.78 17.23 13.77 ± 0.62 14.17
EE: Error estándar de la media (usado para alcanzar el objetivo estimar) y CV: coeficiente de variación.

- 26 -
 En caso de muchas tesis, se observa una manera inadecuada de expresar el
objetivo Estimar, la cual está confundido con el objetivo Describir (ejercicio 1), en la
cual expresan los cuadros descriptivos empleando la desviación estándar (DE) que
difiere del Cuadro 7 por emplearse el error estándar de la media (EE). En este caso
la descripción de dicho cuadro será de la siguiente manera: No se registró área
foliar en los plantones de aguaje (Mauritia flexuosa L.f.) debido a que las hojas
iniciales de dicha especie tropical no presentaba foliolos, mientras que a partir del
segundo mes de repicado se registró un incremento proporcional del área foliar, lo
cual para los cuatro meses posteriores al repique, aproximadamente el 95%
central de los datos se encuentran en el intervalo comprendido desde 164.60 cm 2
hasta los 428.70 cm2 de área foliar, mientras que la mitad de los datos restantes
(2.5%) se encuentran por debajo de 164.60 cm2 y los demás datos restantes (2.5%)
se encuentran por encima de 428.70 cm2. A los dos meses posteriores al repique se
reportó muy mala dispersión de los datos respecto a la media del área foliar por
alcanzar un coeficiente de variación del 36.68% (Cuadro 8), esta descripción es
solo para el objetivo describir y no para el objetivo estimar.

Cuadro 8. Estadísticos descriptivos del área foliar en plantones de aguaje ( Mauritia

flexuosa L.f.) hasta los cuatro meses de edad de repicado.
Tiempo (mes) Mínimo Máximo Media ± DE (cm2) CV (%)
1 ----- ----- ----- -----
2 36.21 112.81 62.47 ± 22.91 36.68
3 136.65 267.08 155.53 ± 39.56 25.43
4 208.70 437.27 296.65 ± 67.37 22.71
DE: Desviación estándar (usado para alcanzar el objetivo describir) y CV: coeficiente de variación.

- 27 -
 Generalmente no se adiciona figuras a los cuadros descriptivos ya que
en muchos casos resulta muy redundante en el informe, a pesar que en
algunas oportunidades lo sugieren los catedráticos la incorporación. Hay que
resaltar lo señalado por ABRAIRA (2002), que la regla considerada para la DE
es cierta si la variable se ajusta a una distribución normal.

5.3. Ejercicio 3. Calidad de compost producido a partir de residuos sólidos

orgánicos municipales

‒ Enunciado: Verificación de la calidad del compost producido a partir de

residuos sólidos orgánicos municipales en el Centro de Protección Ambiental
Santa Cruz de la ciudad de Concepción, año 2017.

‒ Hipótesis: La calidad del compost producido a partir de residuos sólidos

orgánicos municipales en el Centro de Protección Ambiental Santa Cruz de la
ciudad de Concepción corresponde a la Clase B en base a la norma chilena
2880 y la norma mexicana 020.

‒ Objetivo: Verificar la calidad del compost producido a partir de residuos

sólidos orgánicos municipales en el Centro de Protección Ambiental Santa
Cruz de la ciudad de Concepción en base a la norma chilena 2880 y la norma
mexicana 020.

Los ensayos para obtener los indicadores de calidad (físicos, químicos y

microbiológicos) se realizaron durante los cuatro y cinco meses de madurez del
- 28 -
compost (estudio longitudinal), para ello se tuvo en consideración los
procedimientos establecidos en el manual de laboratorio preparado por la Comisión
de Normalización y Acreditación de la Sociedad Chilena de la Ciencia del Suelo sobre
métodos de análisis de compost y la determinación de las propiedades físicas,
químicas y biológicas, indicados en la Norma Chilena Oficial NCh 2880 (Sadzawka et
al., 2005; citado por VARGAS, 2017).

En caso del ejemplo sobre calidad del compost, solo se va considerar el

análisis de un indicador de la propiedad química del compost correspondiente al
metal pesado cadmio (Cuadro 9) que se realizará la contrastación de hipótesis la
cual lo hace diferente en comparación a los dos ejercicios anteriores.

Cuadro 9. Datos reportados del contenido de cadmio (mg/kg) en el compost

proveniente de RSOM.
Repetición Cadmio (mg/kg) a cuatro meses Cadmio (mg/kg) a cinco meses
1 2.080 2.190
2 2.180 2.250
Fuente: Datos reportados por VARGAS (2017).

Normalidad.

Debido a que los datos fueron insertados en el programa estadístico SPSS

de diferente manera en comparación a los ejercicios anteriores, no se utilizará la
opción segmentar archivo, y solo se debe proceder de manera directa para obtener
presencia o ausencia de la normalidad (distribución normal mediante prueba de
hipótesis) de la siguiente manera: analizar – pruebas no paramétricas – cuadro de

- 29 -
diálogo antiguos – K-S de una muestra (lista variables de prueba: arrastrar a
cadmio cuatro y cinco meses) – aceptar.

Figura 4. Ruta para obtener la normalidad en SPSS sin segmentar los datos.

Los resultados no podrán ser visibles en estos casos (P = . ), debido a que

solo se cuenta con dos repeticiones por cada mes de madurez del compost (códigos
Cd4 y Cd5 corresponden a los resultados del cadmio en los dos periodos de
evaluación) y el paquete estadístico emite un aviso: La significación no se puede

- 30 -
calcular porque la suma de las ponderaciones de casos es menor que 5; estos
resultados son válidos para proceder a su procesamiento debido a que las
muestras o pilas (cúmulo de compost) fueron homogéneas y es un muestreo
especial porque escapa de los requisitos para obtener repeticiones (estudios
similares a el presente ejemplo se puede considerar al muestreo de suelos,
muestreo de tejidos vegetales, muestreo de sustrato, etc.).

Estadísticos descriptivos.

En la presentación de los resultados de los estudios descriptivos con

hipótesis se realiza primero la presentación del cuadro descriptivo, la cual se puede
interpretar como: El cadmio en el compost con cuatro meses de madurez obtuvo un
nivel promedio de 2.13 mg/kg, la cual en aproximadamente el 95% central de los
datos del nivel de cadmio se encontraba en el intervalo comprendido desde 1.99
mg/kg hasta los 2.27 mg/kg; mientras que a los cinco meses de madurez, el cadmio
alcanzó un valor promedio de 2.22 mg/kg, conteniendo aproximadamente el 95%
central de los datos se encontraban en el intervalo comprendido desde 2.14 hasta
los 2.30 mg/kg. Además, los datos fueron muy homogéneos (Cuadro 10).

Cuadro 10. Estadísticos descriptivos para el1 contenido de cadmio (mg/kg) en el

compost proveniente de RSOM.
Compostaje (mes) Mínimo Máximo Media ± DE (mg/kg) CV (%)
Cuatro 2.080 2.180 2.13 ± 0.07 3.32
Cinco 2.190 2.250 2.22 ± 0.04 1.91
DE: Desviación estándar de la media. CV: Coeficiente de variación.

- 31 -
 Nótese que en el cuadro descriptivo (Cuadro 10) no se realiza aún la
verificación de los resultados con las normas internacionales debido a que esto se
realiza con la prueba de hipótesis.

Contrastación de hipótesis.

Debido a que se busca verificar si los valores de la media del compost se

encuentra enmarcada con los valores de cada norma internacional (se va
considerar a dichos valores como si fueran el promedio de la población), la
contrastación de hipótesis se realizada en el programa estadístico SPSS v 23
(Figura 3) será mediante la herramienta denominada prueba T para una sola
muestra.

Prueba T para
una muestra
Las hipótesis
pueden ser:
H0: µm ≤ µp
H1: µm > µp

Figura 5. Proceso para realizar la prueba T para una muestra en SPSS.

- 32 -
 Para el proceso de la contrastación hipotética se deben tener en
consideración los siguientes pasos: analizar – comparar medias – Prueba T para
una muestra (porque solo se analizó al compost y se va comparar con los valores
de las normas o estándares) – Variables de prueba (arrastrar cadmio 4 y 5 meses)
– valor de prueba (colocar el valor permisible de la norma) - aceptar.

Cuadro 11. Resultados obtenidos para la prueba T para una muestra en SPSS.

Cuando el programa SPSS te otorga el resultado (Cuadro 11), será necesario

observar el signo del T experimental y qué tipo de cola presentaba el análisis, la cual
depende de la hipótesis que se fue planteado (en caso de que la hipótesis sea de
igualdad o de dos colas, H0: µm = µp se interpreta el valor p), mientras que en casos
de hipótesis de una cola (H1: µm < µp, H1: µm > µp), se debe tener en consideración el
signo que presenta T y el tipo de hipótesis alterna que se planteó (Cuadro 12).

- 33 -
Cuadro 12. Criterios para obtener el valor p en una hipótesis de una cola en SPSS.
H1 Signo de t Valor p
≠ Significancia asintótica bilateral
> + Significancia asintótica bilateral/2
> - 1 - Significancia asintótica bilateral/2
< + 1 - Significancia asintótica bilateral/2
< - Significancia asintótica bilateral/2

Debido a que en el ejercicio se consideró como hipótesis que H0: µm ≤ 8.0 y

H1: µm > 8.0 (8.0 se ha elegido para el cadmio según la norma chilena) y en la Figura
6 se obtuvo un valor de -117.400 (valor de T) y la sig. (bilateral) obtenida fue 0.005,
entonces se utiliza el Cuadro 11 para su conclusión: se tiene que ubicar en la cuarta
fila donde H1 es > y el signo de T es – (negativa), entonces el valor p se obtiene
mediante la fórmula:

Valor p = 1 - Significancia asintótica bilateral/2

Valor p = 1 – 0.005/2

Valor p = 0.9975

Teniendo en consideración la Cuadro 11 y el Cuadro 12 se determinan las

diferentes probabilidades del valor P (Cuadro 13).

Debido a que el valor p es una probabilidad calculada, una probabilidad

asociada a los datos observados (Y) bajo el supuesto que la hipótesis nula es
verdadera (FERNÁNDEZ y GARCÍA, 2006), se puede interpretar la contrastación de

- 34 -
hipótesis de la siguiente manera: con una probabilidad del 99.75%, el contenido de
cadmio en el compost proveniente de residuos sólidos orgánicos municipales a los
cuatro meses de madurez (2.13 mg/kg) corresponde o se encuentra enmarcada en
la categorización como compost de Clase B (valores ≤8.0) en base a la norma
Chilena (se acepta Ho), dicha hipótesis se acepta debido a que la probabilidad en
muy grande (mayor a 5.0%), motivo por el cual se acepta la H 0 y se rechaza H1, que
indica que “H1: el contenido de cadmio en el compost proveniente de residuos sólidos
orgánicos municipales a los cuatro meses de madurez (2.13 mg/kg) NO corresponde
a la categorización como compost de Clase B (valores ≤8.0) en base a la norma
Chilena (Cuadro 13).

En caso de las muestras obtenidas a los cinco meses y contrastado la

hipótesis en base a la norma Chilena, se concluye que: a un nivel de significatividad
del 0.05, el contenido de cadmio determinado en el compost provenientes de RSOM
con cinco meses de madurez se encuentra catalogada como un producto (compost)
de clase B teniendo en consideración la norma Chilena (Cuadro 13).

Para el caso de los valores alcanzados para los dos meses de evaluación con
la finalidad de contrastar las hipótesis en base al valor permisible de la norma
Mexicana, se concluye que: el valor p obtenido presenta valores inferiores a 0.05
(nivel exacto de significatividad), con los cuales se rechaza la hipótesis nula
concerniente a que los niveles de cadmio en el compost en estudio con cuatro y
cinco meses de madurez se encuentran en la categorización de la clase B (recuerda

- 35 -
que la hipótesis se planteó en base al valor permisible de la categoría B y no para
las otras clases) en base a la norma Mexicana (Cuadro 13).

Cuadro 13. Prueba T de una muestra para el contenido de cadmio (mg/kg) en el

compost proveniente de RSOM.
Compostaje Valor T Valor permisible Calidad de compost Valor p
Cuatro meses NCh -117.400 ≤ 8.0 B 0.9975ns
Cinco meses NCh -192.667 ≤ 8.0 B 0.9985ns
Cuatro meses NDF 22.600 ≤ 1.0 C 0.0141*
Cinco meses NDF 40.667 ≤ 1.0 C 0.0079*
NCh: Norma chilena 2880. NDF: Norma mexicana 020. *: significativo estadísticamente. ns: no significativo.

Los valores permisibles se escogen de las normas para clasificar al compost

y la contrastación de las hipótesis se realiza entre los valores promedios obtenidos
en el estudio (muestra) con los valores permisibles de las normas (a la cual se le
considera como población), en este caso se muestra que para categorizar al
compost como clase B se necesitaba que los valores del promedio fueran ≤8.0
según la norma Chilena, mientras que según la norma Mexicana los valores del
promedio deberían ser ≤1.0 (Cuadro 13).

- 36 -
 VI. REFERENCIAS BIBLIOGRÁFICAS

ABRAIRA, V. 2002. Desviación estándar y error estándar. Notas estadísticas. Unidad

de Bioestadística Clínica. Semergen, Madrid. 28(11):621-623.

DE LA TORRE, C.S. 2010. Cómo entender y aplicar la metodología de la investigación.

Guía práctica. Táchira, Venezuela, Universidad de Los Andes. 59 p.

FERNÁNDEZ, E., GARCÍA, P. 2006. Métodos estadísticos y valor p: Historia de una

controversia. Buenos Aires, Argentina, Universidad de Buenos Aires. 5 p.

MOLINA, M. 2014. Engañando a Gauss. 3 p. [En línea]: Cienciasinseso,

([Link]
documentos, 15 jul. 2016).

PÉREZ, A., ABRAIRA, V. 1996. Bioestadística. Madrid, España, Centro de Estudios

Ramón Areces. s.p.

SÁENZ, L.D. 2017. Relación volumétrica entre árbol en pie y madera rolliza de cuatro
especies forestales en la región Ucayali. Tesis Ing. Forestal. Tingo María, Perú.
Universidad Nacional Agraria de la Selva. 90 p.

SOLÓRZANO, W. 2017. Modelos de estimación de área foliar y biomasa en plantones

de aguaje (Mauritia flexuosa L.f.) bajo condiciones de Tingo María, Perú. Tesis
Ing. Forestal. Tingo María, Perú. Universidad Nacional Agraria de la Selva. 64 p.

- 37 -
SUPO, J. 2014. Seminarios de investigación científica: Metodología de la
investigación para las ciencias de la salud. Arequipa, Perú, Bioestadístico.
270 p.

VARGAS, Y. 2017. Calidad del compost producidos a partir de residuos sólidos

orgánicos municipales en el Centro de Protección Ambiental “Santa Cruz”,
ciudad de Concepción. Tesis Dr. En Ciencias Ambientales y Desarrollo
Sostenible. Huancayo, Perú. Universidad Nacional del Centro del Perú. 160 p.

- 38 -