Alfa de Cronbach

Consistencia interna de los tems de un instrumento de medida El mtodo de

consistencia interna basado en el alfa de Cronbach permite estimar la fiabilidad de
un instrumento de medida a travs de un conjunto de tems que se espera que
midan el mismo constructo o dimensin terica. 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 tems
(medidos en escala tipo Likert) miden un mismo constructo y que estn altamente
correlacionados (Welch & Comer, 1988). Cuanto ms cerca se encuentre el valor
del alfa a 1 mayor es la consistencia interna de los tems 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 investigacin.
Como criterio general, George y Mallery (2003, p. 231) sugieren las
recomendaciones siguientes para evaluar los coeficientes de alfa de Cronbach
-Coeficiente alfa >.9 es excelente
- Coeficiente alfa >.8 es bueno
Coeficiente alfa >.7 es aceptable
Coeficiente alfa >.6 es cuestionable
Coeficiente alfa >.5 es pobre
- Coeficiente alfa

Paramtrico
Se denomina diseo paramtrico a un proceso de diseo basado en un esquema
algortmico que permite expresar parmetros y reglas que definen, codifican y
aclaran la relacin entre los requerimientos del diseo y el diseo resultante .
El diseo paramtrico es un paradigma de diseo en el cual la relacin entre los
elementos se utiliza para manipular y comunicar el diseo de geometras y
estructuras complejas.
El trmino "paramtrico" proviene de las matemticas y se refiere al uso de
parmetros o variables que permiten manipular o alterar el resultado final de una
ecuacin o sistema. Entre las fuerzas que interactan con el modelo se cuentan
los vientos, tormentas, nevadas, precipitaciones y cargas ssmicas, adems
factores asociados a la cultura (por ejemplo el uso de determinadas formas), y el
uso que se dar a la estructura, tambin forman parte del proceso de diseo .
Existen dos tipos principales de sistemas de modelado paramtrico:
 Los sistemas de propagacin basados en calcular a partir de determinados
datos las incgnitas utilizando un modelo de flujo de datos.

Los sistemas de restriccin que resuelven conjuntos de restricciones

continuas y discretas.
Sistema de restricciones que resuelven conjuntos de restricciones continuas y
discretas.

Coeficiente de variacin.
En estadstica, cuando se desea hacer referencia a la relacin entre el tamao de
la media y la variabilidad de la variable, se utiliza el coeficiente de variacin.
Su frmula expresa la desviacin estndar como porcentaje de la media
aritmtica, mostrando una mejor interpretacin porcentual del grado de variabilidad
que la desviacin tpica o estndar. Por otro lado presenta problemas ya que a
diferencia de la desviacin tpica este coeficiente es variable ante cambios de
origen. Por ello es importante que todos los valores sean positivos y su media d,
por tanto, un valor positivo. A mayor valor del coeficiente de variacin mayor
heterogeneidad de los valores de la variable; y a menor C.V., mayor
homogeneidad en los valores de la variable. Suele representarse por medio de las
siglas C.V.

Regresin.
En estadstica, el anlisis de la regresin es un proceso estadstico para estimar
las relaciones entre variables. Incluye muchas tcnicas para el modelado y anlisis
de diversas variables, cuando la atencin se centra en la relacin entre
una variable dependiente y una o ms variables independientes (o predictores).
Ms especficamente, el anlisis de regresin ayuda a entender cmo el valor de
la variable dependiente vara al cambiar el valor de una de las variables
independientes, manteniendo el valor de las otras variables independientes fijas.
Prueba T.

Una prueba t de Student, prueba t-Student, o Test-T es cualquier prueba en la

que el estadstico utilizado tiene una distribucin t de Student si la hiptesis
nula es cierta. Se aplica cuando la poblacin estudiada sigue una distribucin
normal pero el tamao muestra es demasiado pequeo como para que el
estadstico en el que est basada la inferencia est normalmente distribuido,
utilizndose una estimacin de la desviacin tpica en lugar del valor real. Es
utilizado en anlisis discriminante.