Metodologa de las Ciencias Sociales

El tipo de pregunta y la manera en que es respondida distingue al

sentido comn de lo estrictamente cientfico. El sentido comn
categoriza, agrupando de la forma ms simple y rpida, evitando
cuestionarse la realidad. Esto ocurre por la adaptabilidad, al igual
que la tentacin de generalizar. Su corroboracin es dbil ya que
no se pude reproducir; la verificacin se realiza en funcin de la
experiencia propia y en la gente conocida. An cuando es peligroso
en la investigacin, es muy til al momento de construir preguntas.
La diferencia principal con la ciencia es la nocin de control;
controlar las variables para mantener la rigurosidad.
Lo cientfico no es slo lo experimental; lo importante son los
criterios de validacin que separen la informacin de la
interpretacin. El nuevo conocimiento debe ser replicado,
volvindose ms estable.
Es el mtodo lo que otorga el carcter cientfico, mientras respete
la validacin.
Pueden haber cientos de teoras, ya que ellas no tienen para qu
explicarlo todo, sino una parte. Su vigencia radica en la
predictabilidad que otorga, su replicabilidad. As se crea
conocimiento, as se hace ciencia. La teora se muere cuando ya no
puede ser ms cuestionada.
An si se llega a una crisis paradigmtica se genera conocimiento.
Concepto de ciencia
La teora supone siempre un sesgo, son gafas que nos permiten
ver una realidad parcial.
Toda disciplina debe decidir qu se va a estudiar
Un conjunto sistematizado de conocimiento sobre una materia
Se caracteriza por tener: un contenido; un campo de actuacin y
un procedimiento
Un mtodo cientfico es lo que lo distingue de otros tipos de
conocimiento
Los objetivos de la ciencia son: analizar (observar un fenmeno y
describirlo), explicar (alude al mecanismo que est a la base),
comprender (factores que nos permiten analizar el fenmeno),
predecir (meta aspirable, poco lograda) y actuar.
Se materializa en una actividad: investigacin cientfica que
produce el conocimiento

Investigacin: Manera de probar las hiptesis que emergen

de la teora
Mtodo cientfico
conjunto de pasos reglados que utiliza la ciencia para ampliacin
de sus conocimientos
se caracteriza por la replicabilidad, al servicio del consenso en la
comunidad cientfica.
tiene el carcter de sistemtico: aplicacin de tcnicas concretas
y explcitas que facilitan recogida de datos en situaciones previstas,
ordenadas, seleccionadas, accesibles a observadores distintos (si
usamos una encuesta debe ser la misma para todos)

Sin embargo las desviaciones de la teora pueden

expandirla. El rechazo de las hiptesis aporta al
conocimiento
el mtodo cientfico es un camino de acceso al conocimiento de la
realidad
el mtodo cientfico, basado en la comprobacin sistemtica de
regularidades, mediante la confrontacin con los hechos
observables (o deducibles), es el mejor camino para producir
conocimiento cientfico
UNA TEORIA: funciones y criterios para evaluarla
explica: dice por qu, cuando y cmo ocurre un fenmeno
sistematiza o da orden al conocimiento sobre un fenmeno
predice: hace inferencias sobre la forma de comportarse de un
fenmeno en el futuro
capacidad de descripcin, explicacin y prediccin
consistencia
perspectiva
heurstica: capacidad para generar nuevos interrogantes y
descubrimientos
parsimonia (explicar con menos elementos)
Dimensiones de la Ciencia
Foco Principal: El estudio de la realidad empieza con los aspectos
materiales de la realidad
Fundamento de la investigacin: Fe en el razonamiento, la
experiencia y el uso de un mtodo cientfico

Mtodos de adquisicin del conocimiento: Descripcin

cuidadosa y rigurosa; recoleccin de datos; estudios empricos;
revisin de literatura cientfica.
Criterios de Validacin: Pblico, objetivo; verificable; personal,
subjetivo replicable, acumulativo; conciso, sistemtico
Paradigmas y la Investigacin Cientfica
El desarrollo de la ciencia generalmente sigue un paradigma que:
define las reglas
describe los procedimientos e instrumentacin, y
los mtodos de interpretacin de los datos
- HAY MUCHA INFORMACION SENSORIAL BOMBARDEANDO
NUESTROS SENTIDOS. NUESTRO CEREBRO DECODIFICA LA
INFORMACION QUE ES IMPORTANTE E IGNORA EL RESTO
- PERO LO QUE VEMOS DEPENDE, EN CIERTA MEDIDA, DE LO QUE
ESPERAMOS VER, PRODUCTO DEL CONOCIMIENTO, EXPERIENCIAS
Y CREENCIAS
- LAS ILUSIONES OPTICAS NOS CONFUNDEN, PORQUE VEMOS
ALGO QUE NOS ES FAMILAR, PERO AL MISMO TIEMPO NOS
ENTREGA INFORMACION CONTRADICTORIA
nuestros cerebros inventan cosas que no estn, para dar
sentido a patrones familiares.
- llenamos vacos de informacin, comparando patrones sensoriales
con modelos internalizados, para: organizar datos recibidos por
nuestros sentidos y ser capaces de reconocer patrones familiares,
aunque estn incompletos
Los patrones nos sugieren algo familiar, de manera que nuestro
cerebro conecta puntos. Esto no es solo debido a nuestros
sentidos.
Igual que los computadores que tienen diferentes programas para
interpretar una serie de datos, nosotros tenemos paradigmas, para
hacer lo mismo.
Las sensaciones deben ser procesadas por el cerebro, con la ayuda
de paradigmas
UN PARADIGMA PUEDE SER PERSONAL O CULTURAL.
TODOS TENEMOS MUCHOS PARADIGMAS DIFERENTES EN
DIFERENTES CONTEXTOS.
No importa cual de los sentidos nos entregue el input, la seal
debe ser procesada por nuestro cerebro, a travs del filtro de

nuestros PARADIGMAS condicionados por experiencias previas:

privadas, o compartidas
PARADIGMA
ES UN MODO DE ORGANIZAR LA INFORMACION SENSORIAL.
ES UN MODELO QUE GUIA NUESTRAS EXPECTATIVAS Y NOS
AYUDA A ELEGIR, ORGANIZAR Y CLASIFICAR LA INFORMACION.
INFLUYE EN LA FORMA EN QUE PROCESAMOS LA INFORMACION
Es un sistema conceptual que contiene un conjunto de supuestos
que se refieren a los fenmenos que estudia.
Es un patrn o modelo a ser seguido como un instrumento de
abstraccin o herramienta para el pensamiento y como mecanismo
que mediatiza la visin de mundo. Constituye un amplio cuerpo de
valores y creencias compartidas por un grupo de determinados
cientficos.
Es un marco que tiene la funcin de delimitar el campo de
explicaciones, en tanto del paradigma asumido depende en buena
medida la forma en que se plantean y prueban las hiptesis.
Paradigmas de Investigacin naturalista:
Busca la Comprensin de la Realidad
Holista
Existen realidades mltiples.
Conocimientos Ideogrficos, individuales. No tiene inters por la
generalizacin y las leyes. Inters por divergencias y similitudes.
Realidad nica, particular
No existe independencia del observador y objeto interactan
recprocamente.
Las teoras se descubren en la realidad nacen de la investigacin y
no se "imponen" a priori.
Subjetividad
Explicacin multifactorial. Interaccin de factores.
Extensas en el tiempo, difciles de ejecutar en poblaciones grandes.
Falta de identificacin de variables centrales por el nfasis en los
procesos globales
Problemas de confiabilidad, mucha descripcin, con dificultades
para abordar aspectos especficos
Ambiente ideal: Natural, tal cual ocurren los fenmenos
Manejo Ambiental: Selecciona realidad parcial para estudiar
Diseos: Emergen segn problema de investigacin

Paradigmas de Investigacin Cientfico Racionalista:

Busca la Prediccin de la realidad
Atomista
Existe una realidad nica, fragmentable en variables y procesos
que convergen para explicar la realidad
Busca generar abstracciones de la realidad, generar leyes
(nomottico)
Relacin objeto investigador: Independencia entre ambos.
Teora utilizada a priori, el propsito es verificar las hiptesis en la
realidad
Control de los valores del investigador Objetividad
Cada accin se explica por una causa real que predice el efecto. Es
probabilstico, se manipulan variables
No siempre es posible lograr una medicin de los fenmenos
Exceso nfasis en el control de las variables para buscar relaciones
causales: la artificialidad
Sobre simplificacin de la realidad (reduccionismo)
Ambiente ideal: Laboratorio
Manejo Ambiental: Manipula Variables
Diseos: Predeterminados
Mtodos Cualitativos
La palabra cualitativo implica un nfasis en los procesos y en la
comprensin
profunda
de
los
significados
percibidos,
interpretaciones, comportamientos, en contraste con la medicin
de cantidad, frecuencia, o intensidad de variables definidas
externamente.
El concepto: La investigacin cualitativa se orienta al estudio de los
eventos en su ambiente natural, intentando hacer sentido o
interpretar los fenmenos en trminos de los significados que la
gente tiene de ellos.
La investigacin cualitativa implica un acucioso uso de una
variedad de material emprico -estudio de casos, experiencia
personal, historias de vida, entrevistas, textos histricos,
observacin etc.,- para describir la rutina, los momentos
problemticos y los significados en las vidas individuales.
ETAPAS DE UNA INVESTIGACION
REALIDAD

PROBLEMA
CONSTRUCCIN MARCO TEORICO
FORMULAR
HIPTESIS
(CONSECUENCIAS
DEFINICIN OPERACIONAL)
DISEO DE INVESTIGACION
RECOLECCION DE INFORMACION
ANLISIS DE INFORMACIN
PRESENTACIN DE RESULTADOS

CONTRASTABLES,

Cmo se inicia una investigacin?

Las investigaciones se generan a partir de ideas:
experiencia personal o de otros
observacin
lectura material escrito
investigacin previa reformulacin ideas no nuevas
descubrimientos, presentimientos, etc...
Una vez concebida la idea de investigacin...
Se plantea el problema de la investigacin
Se formulan objetivos generales y especficos
Simultneamente se especifican la variables y su naturaleza
Se define y redefine el problema, en funcin de un anlisis de
relevancia, factibilidad, implicaciones, etc...
MARCO TEORICO
Ayuda a prevenir errores cometidos en otros estudios
Orienta la ejecucin del estudio
Ampla el horizonte y ayuda a centrarse en el problema
Conduce al establecimiento de hiptesis que se probarn
Da un marco de referencia para interpretar los resultados del
estudio
Inspira nuevas lneas y reas de investigacin
LA CONSTRUCCION DE UN ARBOL DE PROBLEMAS
1. Se identifica el problema central
2. Se identifican las causas del problema central
3.Se identifican los efectos que provoca el problema central
4. Se construye un esquema de relacin tipo rbol, donde:
El problema central se ubica al centro (tronco del rbol)

 Las causas se ubican hacia abajo (races del rbol)

Los efectos se ubican arriba (ramas el rbol)
5. Se revisa el esquema completo y verifica su validez e integridad
Al evaluar la formulacin problema de un problema se deben
considerar algunos aspectos que dicen relacin tanto con la forma
como con su contenido. Algunos de estos aspectos se pueden
plantear como preguntas que uno debe hacerse en relacin al
problema formulado:
El planteamiento implica la posibilidad de someterlo a prueba
emprica?
Est formulado en forma clara y sin ambigedades?
Est claramente justificado para validar su relevancia como
investigacin?
La formulacin del problema contiene implcitamente los
objetivos a alcanzar en el transcurso de la investigacin?
El problema de investigacin expresa una relacin entre dos o
ms variables?
Variable: Es un atributo, fenmeno o caracterstica que puede
tener ms de un valor o forma de presentacin de lo contrario,
sera una constante-. En las investigaciones orientadas a obtener
informacin directamente del mundo real o de la experiencia
directa de algn tipo de fenmeno (investigacin emprica), se
denomina variable tanto al fenmeno que se est estudiando (por
ejemplo, la forma de hablar de los nios),
como a los factores que pueden tener un rol en la modificacin de
la forma en la que ese fenmeno se presenta (por ejemplo,
participar o no participar en juegos de tipo social). Dependiendo
del rol que las variables tienen en el contexto de una investigacin
particular, se pueden clasificar en dos o ms tipos
Variables dependientes e independientes:
Las variables dependientes son aquellas cuyas variaciones o
cambios en sus valores dependen de los cambios de otra variable
llamada variable independiente. Una variable pude ser dependiente
en un estudio y ser considerada como independiente en otro. Esta
distincin no es arbitraria, sino que est en directa relacin con el
objetivo del investigacin y con la(s) hiptesis sometidas a prueba.
En el contexto de un diseo experimental, la variable dependiente

es el resultado o efecto de la manipulacin de la independiente, la

que sera la causa del mismo.
Las variables dependientes, por su lado se pueden clasificar
tomando como criterio la forma en que se mide. Podemos
distinguir:
Variables dependientes medidas en una escala nominal u ordinal,
que arroja categoras distintas, pero no niveles. Se puede
considerar esta medicin como cualitativa
Variables dependientes medidas en escala numrica, en la que la
que puede obtenerse una medicin.
En escala discreta, vale decir aquella que arroja solo algunos
valores dentro de un continuo (por ejemplo, nmero de nios que
juegan en el patio, notas sin decimales en una escala del 1 al 7,
etc.)
En una escala continua, vale decir, aquella que puede arrojar
cualquiera de los infinitos valores del continuo en la escala que se
aplica (por ejemplo, peso de los nios medido en kilogramos,
temperatura de la sal de juego, etc.)
Una vez concebida la idea de investigacin...
Se plantea el problema de la investigacin
Se formulan objetivos generales y especficos
Simultneamente se especifican las variables y su naturaleza
Se define y redefine el problema, en funcin de un anlisis de
relevancia, factibilidad, implicaciones, etc.
Qu puede ocurrir al empezar a revisar la literatura?
existe una teora desarrollada con abundante evidencia emprica
hay varias teoras que aplican al problema
Hay pedazos de teora con apoyo emprico limitado, que
sugieren variables importantes
slo hay orientaciones poco relacionadas con mi problema
OBJETIVOS DE LA INVESTIGACION
Los objetivos se derivan del planteamiento del problema
Los objetivos de la investigacin se refieren a lo que se desea,
explorar, determinar o demostrar.
Los objetivos orientan la formulacin de la hiptesis, la definicin
de variables e indicadores del estudio, y el plan de anlisis de los
datos.

 Los objetivos deben formularse de tal manera que sea posible

evaluar su cumplimiento, una vez terminada la investigacin, para
lo cual se recomienda que sean verbalizados como productos o
logros terminales.
Se puede, plantear uno o ms objetivos generales, cuyo
cumplimiento no es posible evaluar directamente y objetivos
especficos, que se desprenden del anterior pero, cuya formulacin
debe ser tal, que permita evaluarlos directamente si se logran al
final de la investigacin
No deben confundirse los objetivos(terminales) con objetivos
instrumentales, que son etapas del procedimiento.
Ejemplo: Seleccionar una muestra estratificada...o Aplicar una
batera de pruebas psicolgicas..., o Hacer una revisin
exhaustiva de la literatura....
No deben confundirse los objetivos(terminales) con objetivos del
investigador (y no de la investigacin),
Ejemplo: ...Conocer el desarrollo del concepto de juego
infantil...
Los objetivos deben ser precisos y circunscritos, evitando partir de
enunciados muy generales, evitando iniciar su enunciado con el
verbo conocer, ya que ste no compromete un producto, sino
ms bien un beneficio para quien conduce la investigacin.
Para cada objetivo general, debe formularse al menos dos
especficos, ya que stos son un desagregado de los primeros;
stos pueden aludir a componentes o dimensiones del constructo o
variable incluida en el objetivo general, de manera que al cumplir
con el conjunto de objetivos especficos que se derivan de uno
general, se est completando con el producto propuesto en el
primero.
Las Hiptesis en la investigacin cientfica
A partir del marco terico y, teniendo como referencia las
interrogantes formuladas en el planteamiento del problema y los
objetivos de la investigacin, se derivan las hiptesis o respuestas
tentativas
La hiptesis cientfica es una proposicin que expresa una
solucin tentativa de un problema de investigacin.
Las hiptesis son consistentes con el cuerpo de conocimiento
acumulado y deben ser susceptibles de contrastarse empricamente
con evidencia real.

Las hiptesis orientan el proceso de investigacin, por cuanto las

acciones que se emprenden, estn encaminadas a reunir evidencia
que permita tomar una decisin (aceptarlas o rechazarlas). Actan
como marco de referencia para interpretar los datos y las
conclusiones que se tomen
CARACTERSTICAS DE LAS HIPOTESIS
1. Las hiptesis deben ser atinentes al fenmeno que pretender
describir, predecir o explicar. Esto implica que la solucin debe ser
de tal naturaleza que el fenmeno sea deducible de la hiptesis
2. Compatibilidad con un conjunto de hiptesis previas bien
confirmadas. Esto supone que una vez realizada la revisin de la
literatura atinente, es necesario a partir de sta formular la
hiptesis, de manera que tenga sentido lo que propone
3. Toda Hiptesis debe ser contrastable empricamente Implica que
la hiptesis sea contrastada con datos de la realidad con lo cual
permitir conducir a una decisin acerca de su aceptacin o
rechazo. La hiptesis no necesariamente debe estar formulada en
trminos observables, pero si es fundamental que se pueda deducir
de ella consecuencias contrastables
Contrastacin de las hiptesis
Las hiptesis cientficas deben ser sometidas a prueba emprica,
para tomar una decisin respecto a ellas (rechazarlas o
aceptarlas), de acuerdo a lo que el investigador observe en la
realidad El contraste de las hiptesis requiere del cumplimiento de
las siguientes etapas:
1. Deduccin de consecuencias observables. La mayora de las
hiptesis se formulan en trminos abstractos, no observables
directamente. Sin embargo, para ponerlas a prueba, se deben
vincular estos trminos abstractos con referentes de la experiencia.
Al hacer este proceso deductivo, por lo general, se deben efectuar
operaciones empricas como disponer o construir un instrumento
medicin, que especifican las operaciones necesarias para poder
observar el fenmeno. Esta especificacin que implica la operacin
aludida, se conoce como definicin operacional
2. Confrontacin con la Experiencia. Esta etapa consiste en la
confrontacin con la experiencia, a travs de la observacin,
experimentacin u otro mtodo. En esta etapa son fundamentales

las caractersticas del diseo de investigacin y de los instrumentos

de recoleccin de datos que se apliquen.
3. Inferencia. En esta etapa, una vez recolectada la informacin,
se debe tomar una decisin respecto a la hiptesis, sobre la base
de la interpretacin de los datos analizados. Si los datos
concuerdan con lo enunciado por la hiptesis, se dice que stos la
apoyan y, en consecuencia, se decide aceptarla como verdadera
Sin embargo, esta decisin se asume con una probabilidad de
error, ya que los datos provienen de una muestra de la realidad,
que podra estar considerando solo aspectos parciales, y por tanto
constituir una porcin sesgada de la misma.
Una definicin operacional, se hace mediante un proceso a travs
del cual el investigador explica en detalle la especificacin de los
tipos de valores de las variables (cuali o cuantitativos) y los
clculos realizados para obtener los valores de las variables
(indicadores) en el caso que fueran cuantitativas, en trminos de
los mtodos particulares que se usarn para medirla, en el
contexto de la investigacin en cuestin.
La operacionalizacin es un proceso que vara de acuerdo al tipo de
investigacin y su diseo.
Por ejemplo la inteligencia podra definirse operacionalmente como
las respuestas, expresadas en los puntajes que se obtengan, de la
aplicacin de una determinada prueba de inteligencia (o test).
Diseos de Investigacin
Experimentales
1. Preexperimentales
2. Experimentales
3. Cuasiexperimentales
No experimentales
Transversales:
1. Descriptivos
2. Correlacionales
Longitudinales
1. De tendencia
2. De evolucin
3. Panel

Diseo Experimental: Estudio en el cual se manipulan

deliberadamente una o ms variables independientes para analizar
las consecuencias de esa manipulacin sobre una o mas variables
dependientes dentro de una situacin de control para el
investigador.
Requisitos:
La manipulacin intencional de una o ms variables
independientes.
Manipular: hacer variar o dar distintos valores a la variable
independiente.
La variable dependiente siempre se mide para ver el efecto que
ha tenido la manipulacin de la variable independiente sobre la
dependiente.
La variable dependiente no se debe manipular nunca.
La medicin debe ser vlida y confiable.
Control de la validez interna de un experimento.
Se espera que la variacin observada en la variable(s)
dependiente(s) sea producto de la manipulacin de la variable(s)
independiente(s) y no de otros factores o variables.
La calidad del experimento se logra cuando se tiene control de la
situacin experimental
Por tanto, es necesario lograr el control de otras variables
extraas al diseo.
1. Comparaciones entre grupos ( a lo menos dos)
grupo experimental y grupo de control.
entre grupos experimentales (no siempre es necesario tener un
grupo de control).
2. Equivalencia de los grupos en todo, excepto en la manipulacion
de la variable independiente.
Equivalencia inicial ( entre los grupos)
Equivalencia durante el experimento, estandarizacin de las
mediciones y de la situacin experimental.
La manera ms eficiente de lograr la equivalencia es la
asignacion al azar o aleatorizacin de los sujetos a los grupos
experimentales y de control.
La asignacin al azar produce control en la medida que las
variables que se desean controlar (variables extraas y fuentes de

invalidacin interna) son distribuidas - aproximadamente- de la

misma manera en los grupos del experimento.
Mientras mayor sea el numero de sujetos (n) para el
experimento, mejor funciona la asignacin aleatorea como
mecanismo de control.

del estmulo, (X), se trata de una pre prueba (pretest. Si aparece

despus del estmulo, se trata de una postprueba (posttest ). La
secuencia horizontal indica tiempos distintos. Cuando aparecen dos
smbolos alineados verticalmente, significa que ocurren a mismo
tiempo.

Mecanismos de control de variables

Eliminacin de la variable: se la deja constante
se consiguen grupos homogneos
Aleatorizacin: seleccionar muestras representativas con
procedimientos aleatorios.
Incorporacin de la variable: como otra V.I. controlada
estadsticamente
Aparejamiento (matching) para que en todos los grupos haya
sujetos de las mismas caractersticas
Contrabalanceo: los mismos sujetos se someten a diferentes
condiciones:

Tipos de diseos experimentales

1. preexperimentos:
grado de control minino de variables.
solo recomendables para ensayos de experimentos
con mayor control
1.1 Estudio de caso una sola medicin (g x o)
no existe manipulacin de variable independiente.
no existe ningun grupo de comparacin
no existe aleatorizacin.
sujeto a fuentes de invalidez interna
1.2 Diseo pre - post medicin con un solo grupo (g o1 x o2)
si existe seguimiento de grupo
no existe manipulacion de variable independiente.
no existe ningun grupo de comparacin
no existe aleatorizacin.
sujeto a fuentes de invalidez interna

Algunas fuentes de invalidez interna

Historia: eventos que ocurren en el transcurso del experimento
que atentan contra los resultados del experimento mismo.
Maduracin: procesos internos de los participantes que operan
como consecuencia del paso del tiempo (cansancio, hambre,
aburrimiento, aumento de la edad etc.).
Inestabilidad: poca o nula confiabilidad de las mediciones
fluctuaciones en las personas
Administracin de pruebas: efectos de la administracin sobre
posteriores mediciones.
Seleccion : errores en la seleccin de sujetos aparentemente
equivalentes para el experimento.
Simbologa de los diseos experimentales
R: Asignacin al azar (o aleatorizacin). Cuando aparece, significa
que los sujetos han sido asignados aun grupo de manera aleatoria
(por la palabra en ingls random)
G: Grupo de sujetos (G1 =grupo 1; G2= grupo 2, etc.)
X: Tratamiento, estmulo o condicin experimental (presencia de
algn nivel de la variable independiente
O: Una observacin o medicin a los sujetos de un grupo ( puede
ser una prueba, un test, cuestionario, escala, etc.) S aparece antes

2. Experimentos verdaderos
si existe manipulacin de variable independiente.
si existe grupo de comparacin (por la manipulacin)
si existe aleatorizacin (equivalencia de los grupos)
control de fuentes de invalidez interna
no todos deben tener mediciones pre - post.
Ejemplos:
2.1 Una manipulacin y grupo de control 1 medicin
R g1 x 01
R g2 - 02
2.2 Diseo con pre y post y grupo control
R g1 01 x 02
R g2 03 - 04
La medicin pre tiene dos ventajas:
Chequea el exito de la aleatorizacin. Esto es central cuando los
grupos son pequeos (menosres de 15 sujetos)

 Permite analizar cambios (aumento o disminucin) de la variable

dependeinte antes y despues de la manipulacin.
3. cuasiexperimentos
Especialmente adecuados cuando no sea posible la asignacin al
azar de los sujetos a los grupos experimentales. Esto afecta a
validez interna y externa.
Si tienen manipulacin de variable independiente
Difieren de los experimentos verdaderos en el grado de
seguridad que puedan tener sobre la equivalencia inicial de los
grupos
Los sujetos no son asignados al azar a los grupos
experimentales, sino que son grupos formados antes del
experimento.
Son experimentos que tienen tratamientos cuyo efecto se quiere
probar, tienen medidas de resultados, unidades experimentales,
pero no usan la asignacin aleatoria para crear comparaciones a
partir de las cuales se infieran los cambios en la(s) variable(s)
dependiente(s).
Las comparaciones dependen de grupos no equivalentes que
pueden ser diferentes por condiciones ajenas al tratamiento.
Son especialmente adecuados cuando no es posible asignar al
azar de los sujetos a los grupos experimentales, en situaciones en
que la investigacin se realiza en el ambiente natural.
A modo de ejemplo, se puede nombrar algunas distinciones de
diseos cuasi experimentales
Diseos de grupo no equivalentes: por ejemplo n: se compara el
rendimiento (var dependiente) de dos cursos de enseanza media
(1 A y 1 B), se hacen mediciones antes y despus del tratamiento:
4. Diseos No experimentales
Se observan los fenomenos tal como ocurren en su contexto
natural ( expost-facto).
Resulta por tanto imposible la manipulacin de variables y la
signacin al azar de los sujetos a las condiciones.No existen
condiciones experimentales o estimulos.
En estos diseos las variables independientes han tenido efectos
no generados (manipulados) por el investigador, por tanto este no
tiene contro alguno sobre dichas variables y sus efectos.

Tienen mayor posibilidad de lograr validez externa por que se

trabaja con contextos naturales.
Tipo No experimentales
1.Dimension temporal: Diseos transversales
Recolectan datos en un solo momento en el tiempo.
Su propsito es describir variables y analizar la incidencia e
interrelacin en un momento dado.
Pueden abarcar varios grupos de comparacin y tambin para
distintas variables al mismo tiempo.
Tipos de diseos transversales
A. Diseos descriptivos
B. Diseos correlacionales / causales. ( X--y).
En ambos tipos las variables de miden tal cual estn en la realidad
2. Dimensin temporal: Diseos longitudinales
El inters se centra en evaluar los cambios a travs del tiempo en
determinadas variables o relaciones entre stas.
Se recolectan datos a travs del tiempo en puntos o periodos
especficos, para hacer inferencias respecto al cambio, sus
determinantes y consecuencias.
Tipos de diseos longitudinales
1. Diseos longitudinales de tendencia ( trend)
Analizan los cambios a travs del tiempo o evolucin (en
variables o sus relaciones) dentro de alguna poblacion en general.
Se pueden tomar mediciones en muestras distintas en el tiempo,
pero todas pertenecientes a la misma poblacin (equivalentes)
2. Diseos longitudinales de evolucin de grupo
Analizan cambios a traves del tiempo en subpoblaciones o grupos
especficos. Los grupos estn vinculados de alguna manera. ( Por
edad, nacidos en un periodo determinado, etc).
Esto los distingue de los diseos de tendencia.
Se pueden tomar mediciones en muestras distintas en el tiempo,
pero todas pertenecientes a la misma poblacin (equivalentes).
3. Diseos longitudinales de panel.
La distincin con los anteriores es que los grupos o subgrupos
son los mismos que se evalan en el tiempo.
Son tiles cuando se tiene poblaciones estticas o cautivas, para
asegurar mediciones en el tiempo.

Conceptos de Validez y Validez Interna

Validez: la mejor aproximacin disponible a la verdad o falsedad
de las proposiciones
Validez Interna: Grado de confianza en que se pueda interpretar
los resultados de la investigacin y que sean vlidos.
Depende de su calidad.
Validez Externa y Fuentes de Invalidez
Validez Externa: Tiene que ver con qu tan generalizables son los
resultados de la investigacin.
Fuentes de Invalidez: Son explicaciones rivales o alternativas a
las que manejamos, y nos pueden confundir respecto a la relacin
entre variables y su extensin a la poblacin.
Validez externa y preguntas
De constructo de causa y efecto: Cules son los constructos de
causa y efecto implicados en la relacin?
Validez externa: Cun generalizable es esta relacin a personas,
lugares y tiempos?

Proceso de Inferencia Estadstica

Muestreo
Estadgrafo: El valor que sintetiza los valores de una o varias
caractersticas de una MUESTRA.
Parmetro : El valor que sintetiza los valores de una o varias
caractersticas de una POBLACION
Poblacin
La definicin de la poblacin depender de los objetivos y del
diseo de la investigacin planteada.
Ello implica entonces identificar exactamente a quines se les
administrarn los instrumentos de medicin.
Dimensiones a considerar al momento de definir una
muestra:
Representatividad: Las muestras deben representar a la
poblacin del estudio que estamos realizando. Cada vez que se
selecciona una muestra, debe verificarse que sta no es afectada
por caractersticas especiales de los individuos que impliquen un

respuesta alterada a la investigacin. Se debe poner especial

atencin a los mtodos de muestreo y realizar diagnsticos
iniciales que permitan conocer las caractersticas generales de los
sujetos que forman parte de la muestra.
Accesibilidad: Si bien las muestras deben especificarse en base a
los requisitos de la investigacin, no es menos cierto que debe
considerarse la dimensin de cun factible es contar con la
participacin de la muestra que queremos estudiar Esto implica
dedicar tiempo especfico del desarrollo del estudio al contacto,
reclutamiento y seguimiento de los sujetos maestrales. Del mismo
modo, obliga a revisar distintas alternativas de muestreo antes de
definir la muestra final.
Tamao: Implica definir una magnitud de error de muestreo que
los investigadores estn dispuestos a asumir al momento de
reclutar a los participantes en el estudio. Dicho error debe ser el
menor posible para evitar errores en la representatividad de la
muestra y en la estimacin de los valores de la poblacin. Una
forma de evitar los errores de muestreo es asegurar la mxima
aleatorizacin y tener un nmero suficiente de personas por grupo
de trabajo (como referencia, mayor que 30 en cada grupo) para
asegurar que los posibles errores de muestreo puedan ser
controlados estadsticamente. Por otra parte, pasado cierto nivel, la
reduccin de error que se gana por aumentar el tamao de la
muestra no compensa el gasto que eso implica. De esta manera,
se busca un tamao mnimamente aceptable como para permitir la
aplicacin de las tcnicas estadsticas.
Muestreo
El muestreo es el mecanismo a travs del cual se elige a los
sujetos o unidades muestrales (personas, organizaciones, cursos,
universidades, etc) que participarn de un estudio.
La poblacin corresponde al conjunto de todos los elementos o
unidades de anlisis a los cuales se hacen extensivas las
inferencias de un estudio; tambin es llamado universo.
La definicin de la poblacin depender de los objetivos y del
diseo de la investigacin planteada.
Cualquier parte o subconjunto de una poblacin es una muestra.
Las muestras deben ser representativas para poder hacer
inferencias a la Poblacin de la cual fue extrada.

Para seleccionar una muestra es necesario definir la unidad de

Anlisis; esto permitir determinar quienes sern medidos.
Es necesario delimitar en forma precisa las caractersticas de la
poblacin, ya que una adecuada delimitacin asegura que las
conclusiones del estudio estn referidas a una poblacin
determinada y no a "otras".
Tamao de la Muestra
Cuntos sujetos (personas, organizaciones, etc.) necesito para
conformar la muestra, que asegure un menor error de estimacin
pequeo?
Existen procedimientos y frmulas para calcular el tamao de la
muestra. El tamao depender de la magnitud del error que se
estima se puede cometer
Estas frmulas pueden ser revisadas en varios libros de
estadstica (Anlisis de datos).
Ventajas que reporta el uso de Muestras:
Reduce los costos: Al obtener datos a partir de una muestra de
una poblacin los costos sern menores ya que no ser necesario
medir a toda la poblacin. Los costos estn tanto referido a los
materiales, procedimientos como al personal.
Mayor rapidez: Por el hecho de ser un subconjunto de la
Poblacin permite acceder de manera ms eficiente y rpida para
el levantamiento de los datos.
Posibilita una mayor precisin de las observaciones al contar con
un nmero restringido de casos a estudiar.
Tipos de Muestreo
Las muestras pueden ser clasificadas en dos grandes tipos: las
probabilsticas y no probabilsticas.
El tipo de muestra a utilizar nuevamente depende de los
objetivos de la investigacin (exploratorio, descriptivo, explicativo)
y del diseo generado para realizar el estudio.
Muestras no Probabilsticas: En este tipo de muestras, la eleccin
de los elementos no depende de la probabilidad sino de las
condiciones que permiten hacer el muestreo (acceso o
disponibilidad, conveniencia, etc).

Muestras Probabilsticas:
Todos los elementos tienen la misma probabilidad de ser
seleccionados. Esto se obtiene definiendo las caractersticas de la
poblacin, el tamao de la muestra y a travs de la seleccin
aleatoria de las unidades de anlisis.
Una de las ventajas ms grandes de este tipo de muestreo es que
se pueden realizar buenas estimaciones poblacionales conociendo
el error estndar que se comete en dicha estimacin.
Muestreo estratificado:
Este tipo de muestreo se utiliza especialmente cuando se
sospecha que la poblacin es heterognea en cuanto a alguna
caracterstica asociada a las variables de estudio.
Esto obliga a dividir a la Poblacin en subpoblaciones o estratos
de acuerdo a la variabilidad de esta caracterstica, con el objeto de
mejorar las estimaciones.
Por otro lado cuando la poblacin cuenta con estratos o
categoras que son de inters del estudio, es necesario tambin
realizar un muestreo estratificado para realizar las comparaciones
pertinentes: ejemplo: por reas dentro de una empresa; por sexo,
jerarquas, niveles socioeconmicos, etc.
Para generar este tipo de muestreo es necesario identificar
dentro de la Poblacin cada subpoblacin o estrato y luego realizar
una seleccin aleatoria simple de los elementos al interior de cada
una de estas subpoblaciones.
Tipos de muestras estratificadas:
1. Con afijacin uniforme o igual: Es aquella en que se selecciona
la misma cantidad de unidades en todos los estratos.
2. Con afijacin proporcional: En este caso, el nmero de unidades
de anlisis seleccionado de cada estrato, es proporcional al nmero
de elementos del estrato para la poblacin
3 Con afijacin ptima: Este es un caso particular del diseo
anterior. Consiste en seleccionar la muestra de tal manera que los
estratos ms heterogneos tengan ms casos. Este procedimiento
requiere saber cul es la variabilidad en los estratos, lo cual es
muy difcil de obtener

MUESTREO POR CONGLOMERADOS

Este tipo de muestreo permite solucionar problemas de costos,

tiempo, distancias, etc. Es posible cuando las unidades de anlisis
se encuentran encapsuladas o encerradas en determinados lugares
fsicos o geogrficos, que son llamados racimos.
Al hacer este muestreo es necesario distinguir la unidad de anlisis
y la unidad muestral.
unidad de anlisis : indica quienes sern medidos,
la unidad muestral en este caso se refiere al racimo a travs del
cual se llegar a las unidades de anlisis.
Se utiliza un procedimiento a travs del cual se hace 1 una lista
de todos los conglomerados y 2 se selecciona una muestra de la
lista. De este modo, en el muestreo por conglomerados, en lugar
de hacer una seleccin de los elementos individuales de una
poblacin, se selecciona un conglomerado a partir del cual se
seleccionan elementos se realiza un muestreo como mnimo en
dos etapas por procedimientos probabilsticos que operan as:
1. Primero se selecciona el racimo.
2. Se seleccionan las unidades de anlisis al interior de cada
racimo asegurando que todos los sujetos tengan la misma
probabilidad de ser seleccionados.

no devueltos en la primera fase. Con los resultados de ese

instrumento se puede disear un procedimiento para seleccionar
una muestra ms pequea, con el fin de obtener informacin con
profundidad. Es frecuente que este ltimo grupo, ms pequeo, se
obtenga a travs de un procedimiento aleatorio.

MUESTREO POR ETAPAS

El nombre de este muestreo describe el proceso implicado, el que
es una derivacin del diseo anterior (Conglomerados).
Los conglomerados constituidos inicialmente, denominados
Unidades primarias de muestreo, pueden dividirse en unidades
menores, o unidades secundarias, las que, a su vez, pueden
dividirse en otras aun menores, hasta llegar al nivel apropiado. La
sucesin de esta subdivisin en subconglomerados se llama
muestreo por etapas. Puede realizarse:
1. En dos etapas: bietpico.
2. En ms de dos etapas: multietpico.

Requisitos de la medicin
La confiabilidad y validez son ms difciles de lograr mientras
ms abstracto sea el constructo que se desea medir) motivacin,
actitudes, inteligencia, valores, etc.).
En este sentido, toda medicin est expuesta a un margen de
error de medicin, por lo que sta nunca es perfecta.
La manera de controlar el error de la medicin es calculando la
confiabilidad y validez de los instrumentos de medicin.
Medicin de la confiabilidad
Existen diversos mtodos para evaluar la confiabilidad de un
instrumento todos producen indicadores o coeficientes de
confiabilidad:
Medida de estabilidad: (confiabilidad test - retest). Un mismo
instrumento es administrado a un mismo grupo de personas
despus de un perodo de tiempo. Se mide la confiabilidad a travs
de la correlacin entre ambos puntajes.

MUESTREO POR FASES

Este muestreo se usa en una investigacin en la que se empieza,
por ejemplo, con una muestra numerosa, usando algn
instrumento no muy costoso. Otro uso del muestreo doble por
fases es el intento de recolectar datos perdidos o missing. Por
ejemplo, se pueden recolectar en una segunda fase cuestionarios

MUESTREO SISTEMTICO
Este mtodo es un procedimiento sencillo y prctico, y consiste en
seleccionar unidades de una poblacin previamente listada, cada
cierto intervalo. Este intervalo se puede obtener dividiendo el
nmero de elementos de la poblacin por el nmero de elementos
que constituirn la muestra.
Por ejemplo, si queremos seleccionar una muestra de 250
elementos de una poblacin de 1.000, el intervalo k sera: K =
1.000 / 250 = 4
Para iniciar la seleccin, se puede elegir al azar un nmero entre el
uno y el cuatro y, a partir de l, se aplica el intervalo en la lista. Si
escogemos el 2 en primer lugar, luego escogeremos el 6, el 10, e l
14, y as sucesivamente. Para evitar el riesgo de que las unidades
en la lista estuvieran ordenadas de acuerdo a algn criterio,
conviene desordenarla antes de aplicar el intervalo.

 Mtodo de formas paralelas o alternativas. Se administran dos

formas equivalentes, por tanto no es el mismo instrumento.
Las formas son equivalentes en contenidos, preguntas,
instrucciones, duracin, etc.
Las formas se administran a un mismo grupo dentro de un
perodo de tiempo corto.
Se mide la confiabilidad a travs de la correlacin entre ambos
puntajes.
Mtodo de las mitades partidas (split - halves). Requiere una sola
medicin en un mismo grupo de sujetos. Se divide la prueba en
dos mitades y se comparan los resultados en correlaciones.
Coeficiente de Cronbach (Alfa). Este coeficiente requiere una sola
medicin y mide la consistencia interna de los tems en cada escala
y el instrumento como conjunto. Es decir, entrega un valor
estadstico que nos indica en qu medida un conjunto de temes
apuntan en la misma direccin.

Validez constructo.
Anlisis factorial
Factores que atentan contra la validez y confiabilidad
La improvisacin en la medicin y seleccin del instrumento.
Utilizacin de instrumentos extranjeros sin previa adaptacin y
estandarizacin.
Instrumento inadecuado a las personas que se les aplica.
Condiciones en las que se administra el instrumento de medicin.

Estadstica
Tcnicas cuantitativas para el anlisis de la Informacin
La estadstica descriptiva sirve al propsito de generar una
serie de medidas numricas
tendientes a sintetizar el
comportamiento de las variables (o conjunto de datos) que
estamos estudiando.

As la estadstica descriptiva es un conjunto de mtodos y

tcnicas por medio de las cuales podemos recolectar, organizar,
resumir, presentar y analizar datos numricos relativos a un
conjunto de individuos u observaciones.

Existen distintos tipos de validez

Validez de contenido
Se refiere al grado en que un instrumento refleja un dominio
especfico de contenido de lo que se mide. Es el grado en que la
medicin representa al concepto medido.
Validez de criterio:
Se establece la validez comparndolo con algn criterio externo.
Es un criterio estndar con el que se juzga la validez de un
instrumento.
Cuando el criterio se fija en el presente se llama validez
concurrente. Cuando el criterio de fija en el futuro se llama validez
predictiva. Existen distintos tipos de validez
Validez de constructo.
Se refiere al grado en que una medicin se relaciona
consistentemente con otras mediciones de acuerdo con hiptesis
derivadas tericamente y que conciernen a los conceptos (o
constructos) que estn siendo medidos.
Estudio de la validez
Validez de contenido.
Consulta a expertos.
Validez de criterio.
Correlaciona su medicin con el criterio.

Estadstica Inferencial
La estadstica descriptiva no se utiliza como fundamento de
una teora general aplicable a individuos similares que no han sido
medidos. Slo se aplica a la muestra.

La estadstica inferencial que toma la informacin de la

estadstica descriptiva para realizar procesos que permiten. Dentro
de ciertos rangos de confianza, determinar el comportamiento
probable de la poblacin que es representada por la Muestra

Niveles de Medicin
Para realizar cualquier tipo de anlisis estadstico es
necesario cuantificar (asignar nmeros) a las propiedades que
medimos. De este modo se objetiva el registro de la medicin. Los
nmeros en este caso sustituyen a las propiedades que estamos
evaluando.

Cada vez que medimos estamos asignndole a la propiedad

medida un nmero de acuerdo a una cierta regla.

La medicin implica una relacin entre dos conjuntos de

elementos: los nmeros y las propiedades que queremos medir.

En este tipo de medicin slo se acepta como relacin

vlida la igualdad o desigualdad entre las nmeros que reflejan en
la propiedad medida.

Entre los nmeros existen ciertas relaciones que son

vlidas siempre dentro del mundo aritmtico.

Nivel Nominal

Del mismo modo, entre las modalidades de las propiedades

existen ciertas relaciones (desde simples a complejas) que son
verificables en el mundo real.

Es necesario entonces que se cumpla la siguiente regla

general en el proceso de asignar nmeros a las propiedades que
estudiamos:

REGLA: Aceptar slo como relaciones vlidas entre los

nmeros aquellas que sean verificables empricamente entre las
correspondientes modalidades.
Por esta razn, las mediciones tendrn distintos grados de
perfeccin segn cumplan con las propiedades de los nmeros.

Muchas propiedades no satisfacen todas las relaciones de

los nmeros. Esto significa que al realizar el proceso de medicin
slo sern aplicables ciertas relaciones.

Ejemplo: Variable "profesiones:

1:"Psiclogos

2:"Socilogos

3:"Ingenieros"

Los valores asumidos por la variable slo permiten hacer

operaciones se distincin y nada ms. No se pueden sumar, dividir,
restar, etc. Ejemplo : 1+ 2 = 3 ingeniero.

Existen variables que dado su naturaleza slo admiten un

nivel de medicin nominal: Sexo, profesiones, razas, pases,
carreras, etc.

Nivel Ordinal
Adems de realizar la distincin entre las modalidades es
posible establecer una relacin de orden o jerarqua.

No refiere nada respecto a la magnitud de diferencia

(cunto es ms una modalidad respecto de otra).

Lo anterior sugiere que las mediciones tendran distintos

grados de perfeccin segn cumplan con las propiedades de los
nmeros.

Ejemplo: Medir Color y Aprendizaje: Las propiedades

tendran asignados un nmero pero que no satisface las relaciones
numricas:

Nivel intervalar

Rojo, azul, Blanco ( 1, 2, 3)

Conserva las propiedades de los niveles anteriores, y

agrega la posibilidad de establecer la magnitud en que una
modalidad es mayor o menor respecto de otra.

Aprendizaje ( 6,5; 7,1; 8,3; )

Lo anterior sugiere que la medicin de las propiedades

(color y aprendizaje) no estn hechas al mismo nivel ya que
dependiendo de la complejidad de las relaciones entre las
modalidades de la propiedad que se mide, se aplican una o ms
relaciones de los nmeros

Los nmeros slo se utilizan con el fin de clasificar los

objetos o propiedades o distintas modalidades que asume una
variable.

Ejemplo: NSE, grados acadmicos, etc.

Da informacin
modalidades.

respecto

la

distancia

entre

las

La diferencia entre las distintas magnitudes es constante.

El valor cero en este nivel de medicin es arbitrario. Esto

significa que cero no indica ausencia del atributo, lo que implica
que los valores de la variable no son proporcionales entre s.

Al ser arbitrario el punto cero implica que un valor de una

variable no indica que sea el doble de la otra: 20 grados no
implica que es el doble de 10 grados de temperatura.

Es un real nivel cuantitativo al cual podemos aplicar las

relaciones numricas de la suma, resta, divisin y multiplicacin.

En sntesis el nivel intervalar mantiene todas la

propiedades anteriores pero adems permite conocer las distancias
entre los nmeros y afirmar que representan distancias iguales
entre las modalidades a las que se han asignado dichos nmeros.

Ejemplos: Notas, temperatura, tiempo, CI, motivacin en

escala de puntos cuantitativos.

Todas definen una unidad de medida equivalente a la que

la variable quiere mostrar.

La diferencia entre 5 y 10 es la misma entre 10 y 15.

Nivel de Razn
Es el nivel ms avanzado y posee todas las propiedades de
los niveles anteriores y adems tiene un punto de origen cero
verdadero que indica ausencia de la propiedad.

Representan la distribucin de la variable

Deben ser fciles de interpretar

Deben llevar un ttulo representativo (bajo el grfico y

numerado)

Tablas de frecuencia
Si los datos corresponden a una variable cuantitativa (o al
menos ordinal), es posible calcular, adems, la frecuencia
acumulada de cada valor (en smbolos F), la que puede ser de dos
formas:

Frecuencia acumulada ascendente (F asc): indica cual es la

frecuencia de veces que aparecen respuestas iguales o menores a
la que se est analizando

Frecuencia acumulada descendente (F des): indica la

frecuencia de veces que aparecen respuestas iguales o mayores de
las que se estn analizando

Se denomina as porque es posible relacionar las distancias

en trminos de la proporcin en que cada una de ellas est
contenida en las dems. Esto gracias a que el origen no es
arbitrario, sino absoluto. Mundo de la fsica.

Ejemplo : peso, altura

Tabulacin y Graficacin
Todo anlisis estadstico son estrategias para traducir la
cantidad de informacin obtenida en la recoleccin de datos, a
ndices que sean interpretables y que representen alguna
dimensin del comportamiento de las variables

La estrategia ms sencilla es mostrar la informacin en un

formato visual (grficos) o en un esquema sintetizado (tablas)

Tabulacin

Las tablas deben incluir todos los puntajes registrados

Deben respetar las caractersticas de la variable

Llevan un ttulo representativo del contenido (sobre la

tabla, numerado)

Graficacin

Son complementos a la tabulacin

Las frecuencias son, sin embargo, datos absolutos. No es

posible comparar los resultados de dos tablas con un N total de
respuestas diferente.
Para hacer esas comparaciones, se utilizan medidas
estandarizadas, esto es, transformaciones de los puntajes
originales a escalas que sean las mismas en todas las tablas (y que
permiten la comparacin)

En muchas ocasiones, la cantidad de valores que puede

tomar la variable son demasiados, de manera que se agrupan en
intervalos.

Cada intervalo agrupa a una serie de puntajes

Los intervalos son excluyentes entre s.

En nmero de valores que compone cada intervalo,

denominada amplitud (i), del intervalo es la misma para todos los
intervalos de una tabla.

En todo intervalo se distinguen lmites superiores e

inferiores, los cuales pueden ser aparentes (lo que sale en la tabla)
o reales (lo que se usa para clasificar).

El nmero de intervalos debe ser manejable para quien

revise la tabla.

Las tablas de frecuencia reflejan el comportamiento de una

sola variable. Usualmente no se usan en la presentacin de
resultados ya que revisar variable por variable sera demasiado
extenso

Permiten visualizar la distribucin de la variable

Errores Grficos

Ausencia de ttulo

En esos casos, se hacen tablas de resumen, en las que se

indican los datos ms importantes de un conjunto de variables

No indicar variables

Usar escalas inapropiadas

Cruce de variables

No indicar el punto 0

Otro tipo de tablas tiles son aquellas que combinan los

resultados de dos variables

Visualizacin confusa

Ambas
categoras.

variables

deben

expresar

sus

resultados

en

Se dividen en filas y columnas (una variable en las filas y

otra en las columnas).

Una celda representa la combinacin de valores de las dos

variables.

Cada celda se refiere a tres totales: filas, columnas y total.

Permite
variables.

hipotetizar

posibles

asociaciones

entre

las

Grficos
Grfico de torta

Medidas de posicin
Las medidas de posicin nos permiten dividir a una
distribucin en distintas partes. Segn el nmero de partes, stas
divisiones tendrn distintos nombres:

Percentiles

: Cuando dividimos una distribucin en 100

partes.

Deciles : Cuando dividimos una distribucin en 10 partes.

Cuartiles

: Cuando dividimos una distribucin en 4

Mediana

: Cuando dividimos una distribucin en 2

partes.

partes.

Requisitos

Slo grafica un grupo por vez

Variables cuantitativas

Los resultados estn ordenados de menor a mayor

No permite usar muchas categora (por congestin visual)

Las medidas de posicin son variables discretas

Equivalencias

Ideal para variables nominales

Grfico de Barras

Se manejan dos ejes.

El eje horizontal indica los valores de la variable

Como todas las medidas se refieren al mismo grupo de

datos, se pueden hacer equivalentes entre s

El eje vertical representa al ndice estadstico

Permite la comparacin de varios grupos

Las barras pueden juntarse o separarse para denotar la

continuidad de los valores de la variable

Barras continuas (usualmente en tablas de intervalos)

Representan variables continuas

Se usa el punto medio como referencia

El percentil 30 (P30), por ejemplo es el valor de la variable

bajo el cual se encuentra el 30% de los casos y sobre el cual se
encuentra el 70 % de los casos
El decil 4 (D4) es el valor de la variable que deja bajo l, el
40 % de los casos y sobre l el 60 %. Esto permite ver las
equivalencias entre percentiles y deciles : (D4) = (P40)

Medidas de Tendencia Central

Una MTC es un indicador numrico que representa el

comportamiento que se considera ms representativo de un grupo
de valores. Para ello, podemos ocupar distintos criterios:

El puntaje que ms se repite

El que divide al grupo por la mitad

El que equipara los puntajes positivos con los negativos

Rango o Amplitud total

R= Mximo Mnimo

Muy fcil de calcular, evala la desviacin total

Rango semi-intercuartil

Calcula el punto medio de separacin entre cuartil 3 y

cuartil 1

LA MODA
Representa al puntaje de mayor frecuencia (f) en una
distribucin de puntajes.

Una distribucin de puntajes puede ser bimodal, esto es,

tener dos modas. Si hay ms de dos valores con la mayor
frecuencia se dice que no tiene moda.

No es muy usado, difcil de interpretar

Varianza Desviacin estndar

La ms completa

Desviacin Estndar

Se utiliza el promedio como punto de referencia para

determinar cmo se desvan los valores de este punto.

En datos no tabulados, es el valor que se repite ms.

En tablas de intervalos, conviene usar una frmula de

nivelacin de la moda.

Mediana (Md)

El valor que divide a la distribucin por la mitad (equivale a

P50)
Representa al puntaje que equilibra los valores positivos
con los negativos de una distribucin.

Como incluye a toda

transformada algebraicamente

Mientras ms heterognea sea una distribucin, mayores

sern las desviaciones respecto del promedio
Lo ms sencillo sera sumar las desviaciones de cada punto
respecto del promedio.

Promedio o Media

la

distribucin,

puede

ser

Soporta variantes: promedio ponderado, agrupaciones de

promedios

Considera a todos los valores de la distribucin.

Sin embargo:

La suma de las desviaciones se anulen. Solo se puede

hacer en valores absoluto.

Mientras ms valores tenga una distribucin mayor ser la

suma de las desviaciones en valor absoluto (problema para
comparar distribuciones con distinto tamao).

Medidas de Variabilidad

Para solucionar esto se calcula un promedio de las

desviaciones. Se calcula tomando en cuanta las desviaciones al
cuadrado.

Cun parecidos son los puntajes entre s?

Un dato muy importante para analizar las distribuciones de

puntajes es saber cun diferentes o parecidos son los puntajes
entre s

Esa informacin nos permite evaluar cuan representativas

son las medidas de tendencia central que calculamos para esa
misma distribucin

Cules son?

Sin embargo la medida que resulta est expresada en

puntajes elevados al cuadrado. Esto se conoce como VARIANZA
(s2)
Para poder interpretar los datos debemos regresarlos a la
escala original. Esto se conoce como la desviacin estndar (s)
Forma de la Distribucin
Utilizando los cuartiles podemos analizar la forma de la
distribucin

SIMETRIA (Q3

- Q2) = ( Q2 - Q1)

ASIMETRIA POSITIVA (Q3 - Q2 )

> ( Q2 - Q1)

ASIMETRIA NEGATIVA (Q3 - Q2 )

< ( Q2 - Q1)

Puntaje Estndar
Cualquier escala de puntajes puede transformarse en una
nueva serie de puntajes llamados puntajes estndar (Z).Para
determinar esta nueva escala de puntajes es necesario definir:

1. La distancia entre un puntaje y el promedio

2. La desviacin estndar que nos indicar cuan heterogneo u
homogneo es la distribucin.
3. Se dividen ambos valores y se genera esta transformacin a un
puntaje Z o estndar.