HERRAMIENTAS CUANTITATIVAS

Las herramientas se dividen en dos, estas son las cualitativas y las cuantitativas, una va ligada a la otra de cierta forma, las herramientas cuantitativas se encargan de analizar los nmeros, y en contraparte las cualitativas van mas all de el anlisis numrico, buscan mas la calidad de las cosas, calidad y que los datos sean verdicos, analizan los textos, las palabras y se puede hace por medio de videos, voz, sonido etc. Uno de los objetivos principales de esta materia de Herramientas Cuantitativas es conocer los instrumentos y cosa interesante que ayuden buscar, pero sobretodo a aplicar las herramientas para la elaboracin de cuestin. Las herramientas cuantitativas son aquellas que nos permiten indagar de una manera ms verdica o cientfica, o bien, como su nombre lo dice de manera ms numrica los datos implcitos en nuestro proyecto de investigacin. un proyecto, en donde se identifique el problema desde la base, desde donde surge tal o cual problema en

1. Estadstica descriptiva. La estadstica como ciencia se encarga de recopilar, e interpretar datos que en el futuro servirn para proyectar posibles problemticas futuras, consiguiendo segn estos datos, la solucin ms viable y rpida. El objetivo bsico de la estadstica es hacer inferencia acerca de una poblacin con base a la informacin contenida en una muestra, qu significa esto? Inferir significa inducir una cosa de otra, llevar consigo, conducir a un resultado. Es decir se pretende establecer inferencia acerca de una poblacin, entendiendo a la poblacin como un conjunto de individuos, organismos o entes inanimados de los cuales queremos conocer alguna o algunas caractersticas para que nos

ayuden a tomar una decisin u obtener alguna conclusin de suma importancia, y nada sabemos sobre la distribucin, existencia, ubicacin, valor de esta o estas caractersticas que nos interesa saber. Ejemplo: Que estamos interesados si nuestra poblacin juvenil consume o no droga. Con mayor precisin, necesitamos saber en la actualidad qu fraccin de nuestra poblacin consume drogas, entendiendo que el consumo de drogas lo tenemos tipificado en alguna escala o nivel. De manera que nuestro objetivo es saber con toda la exactitud posible, que fraccin de toda nuestra poblacin juvenil consume droga. Por razones materiales, de recursos humanos, de imposibilidad fsica y en definitiva de costos, no podemos efectuar una encuesta a toda la poblacin. Necesitamos entonces hacer una consulta a un gran nmero de jvenes, donde este nmero ser concomitante con la eliminacin de las barreras que impiden consultar a toda la poblacin juvenil. Definido este nmero de jvenes a los cuales, mediante tcnicas de consulta adecuadas, se entender como una muestra de la poblacin en estudio. Sobre esta muestra haremos anlisis estadstico para poder inferir qu fraccin de jvenes de la poblacin juvenil consume drogas.

1.1.

Conceptos generales.

La Estadstica es mucho ms que slo nmeros apilados y grficas bonitas. Es una ciencia con tanta antigedad como la escritura, y es por s misma auxiliar de todas las dems ciencias. Minguez, define la Estadstica como La ciencia que tiene por objeto aplicar las leyes de la cantidad a los hechos sociales para medir su intensidad, deducir las leyes que los rigen y hacer su prediccin prxima.

Los estudiantes confunden comnmente los dems trminos asociados con las Estadsticas, una confusin que es conveniente aclarar debido a que esta palabra tiene tres significados: la palabra estadstica, en primer trmino se usa para referirse a la informacin estadstica; tambin se utiliza para referirse al conjunto de tcnicas y mtodos que se utilizan para analizar la informacin estadstica; y el trmino estadstico, en singular y en masculino, se refiere a una medida derivada de una muestra, entonces, en relacin a lo descrito anteriormente, la estadstica descriptiva, trata de la tabulacin de datos, su presentacin en forma grfica o ilustrativa y el clculo de medidas descriptivas. VARIABLES Al conjunto de los distintos valores numricos que adopta un carcter cuantitativo se llama variable estadstica. Variables cualitativas: Son las variables que expresan distintas cualidades, caractersticas o modalidad. Cada modalidad que se presenta se denomina atributo o categora y la medicin consiste en una clasificacin de dichos atributos. Las variables cualitativas pueden ser ordinales y nominales. Las variables cualitativas pueden ser dicotmicas cuando slo pueden tomar dos valores posibles como s y no, hombre y mujer o son politmicas cuando pueden adquirir tres o ms valores. Dentro de ellas podemos distinguir: Variable cualitativa ordinal: La variable puede tomar distintos valores ordenados siguiendo una escala establecida, aunque no es necesario que el intervalo entre mediciones sea uniforme, por ejemplo, leve, moderado, grave Variable cualitativa nominal: En esta variable los valores no pueden ser sometidos a un criterio de orden como por ejemplo los colores o el lugar de residencia.

Variables cuantitativas Son las variables que se expresan mediante cantidades numricas. Las variables cuantitativas adems pueden ser: Variable discreta: Es la variable que presenta separaciones o interrupciones en la escala de valores que puede tomar. Estas separaciones o interrupciones indican la ausencia de valores entre los distintos valores especficos que la variable pueda asumir. Un ejemplo es el nmero de hijos. Variable continua: Es la variable que puede adquirir cualquier valor dentro de un intervalo especificado de valores. Por ejemplo el peso o la altura, que solamente limitado por la precisin del aparato medidor, en teora permiten que siempre exista un valor entre dos cualesquiera. Segn la influencia que asignemos a unas variables sobre otras, podrn ser: Variables independientes Son las que el investigador escoge para establecer agrupaciones en el estudio, clasificando intrnsecamente a los casos del mismo. Un tipo especial son las variables de confusin, que modifican al resto de las variables independientes y que de no tenerse en cuenta adecuadamente pueden alterar los resultados por medio de un sesgo. Variables dependientes Son las variables de respuesta que se observan en el estudio y que podran estar influenciadas por los valores de las variables independientes. PRESENTACION DE DATOS. Medidas de posicin. La moda.

La medida modal nos indica el valor que ms veces se repite dentro de los datos; es decir, si tenemos la serie ordenada (2, 2, 5 y 7), el valor que ms veces se repite es el nmero 2 quien seria la moda de los datos. Es posible que en algunas ocasiones se presente dos valores con la mayor frecuencia, lo cual se denomina Bimodal o en otros casos ms de dos valores, lo que se conoce como multimodal.

La mediana. Con esta medida podemos identificar el valor que se encuentra en el centro de los datos, es decir, nos permite conocer el valor que se encuentra exactamente en la mitad del conjunto de datos despus que las observaciones se han ubicado en serie ordenada. Esta medida nos indica que la mitad de los datos se encuentran por debajo de este valor y la otra mitad por encima del mismo. Para determinar la posicin de la mediana se utiliza la frmula En conclusin la mediana nos indica el valor que separa los datos en dos fracciones iguales con el cincuenta por ciento de los datos cada una. Para las muestras que cuentan con un nmero impar de observaciones o datos, la mediana dar como resultado una de las posiciones de la serie ordenada; mientras que para las muestras con un nmero par de observaciones se debe promediar los valores de las dos posiciones centrales.

La media. Es la medida de posicin central ms utilizada, la ms conocida y la ms sencilla de calcular, debido principalmente a que sus ecuaciones se prestan para el manejo algebraico, lo cual la hace de gran utilidad. Su principal desventaja radica en su sensibilidad al cambio de uno de sus valores o a los valores extremos demasiado grandes o pequeos. La media se define como la suma de todos los valores observados, dividido por el nmero total de observaciones.

En conclusin las Medidas de tendencia central, nos permiten identificar los valores ms representativos de los datos, de acuerdo a la manera como se tienden a concentrar. La Media nos indica el promedio de los datos; es decir, nos informa el valor que obtendra cada uno de los individuos si se distribuyeran los valores en partes iguales. La Mediana por el contrario nos informa el valor que separa los datos en dos partes iguales, cada una de las cuales cuenta con el cincuenta por ciento de los datos. Por ltimo la Moda nos indica el valor que ms se repite dentro de los datos. Medidas de dispersin. Estudia la distribucin de los valores de la serie, analizando si estos se encuentran ms o menos concentrados, o ms o menos dispersos. Existen diversas medidas de dispersin, entre las ms utilizadas podemos destacar las siguientes: 1.- Rango: mide la amplitud de los valores de la muestra y se calcula por diferencia entre el valor ms elevado y el valor ms bajo. 2.- Varianza: Mide la distancia existente entre los valores de la serie y la media. Se calcula como sumatorio de las diferencias al cuadrado entre cada valor y la media, multiplicadas por el nmero de veces que se ha repetido cada valor. El sumatorio obtenido se divide por el tamao de la muestra. 3.- Desviacin tpica: Se calcula como raz cuadrada de la varianza. 4.- Coeficiente de varizacin de Pearson: se calcula como cociente entre la desviacin tpica y la media. Representaciones graficas.

3.- MUESTREO EN ESTADISTICA

En estadstica se conoce como muestreo a la tcnica para la seleccin de una muestra a partir de una poblacin. Al elegir una muestra se espera conseguir que sus propiedades sean extrapolables a la poblacin. Este proceso permite ahorrar recursos, y a la vez obtener resultados parecidos a los que se alcanzaran si se realizase un estudio de toda la poblacin. Cabe mencionar que para que el muestreo sea vlido y se pueda realizar un estudio adecuado (que consienta no solo hacer estimaciones de la poblacin sino estimar tambin los mrgenes de error correspondientes a dichas estimaciones), debe cumplir ciertos requisitos. Nunca podremos estar enteramente seguros de que el resultado sea una muestra representativa, pero s podemos actuar de manera que esta condicin se alcance con una probabilidad alta. En el muestreo, si el tamao de la muestra es ms pequeo que el tamao de la poblacin, se puede extraer dos o ms muestras de la misma poblacin. Al conjunto de muestras que se pueden obtener de la poblacin se denomina espacio muestral. La variable que asocia a cada muestra su probabilidad de extraccin, sigue la llamada distribucin muestral. 3.1 Tcnicas de muestreo Existen dos mtodos para seleccionar muestras de poblaciones: el muestreo no aleatorio o de juicio y el muestreo aleatorio (que incorpora el azar como recurso en el proceso de seleccin). Cuando este ltimo cumple con la condicin de que todos los elementos de la poblacin tienen alguna oportunidad de ser escogidos en la muestra, si la probabilidad correspondiente a cada sujeto de la poblacin es conocida de antemano, recibe el nombre de muestreo probabilstico. Una muestra seleccionada por muestreo de juicio puede basarse en la experiencia de alguien con la poblacin. Algunas veces una muestra de juicio se usa como gua o muestra tentativa para decidir cmo tomar una muestra aleatoria ms adelante.

3.2 Muestreo probabilstico Forman parte de este tipo de muestreo todos aquellos mtodos para los que puede calcularse la probabilidad de extraccin de cualquiera de las muestras posibles. Este conjunto de tcnicas de muestreo es el ms aconsejable, aunque en ocasiones no es posible optar por l. En este caso se habla de muestras probabilsticas, pues no es en rigor correcto hablar de muestras representativas dado que, al no conocer las caractersticas de la poblacin, no es posible tener certeza de que tal caracterstica se haya conseguido. 3.2.1 Sin reposicin de los elementos Cada elemento extrado se descarta para la subsiguiente extraccin. Por ejemplo, si se extrae una muestra de una "poblacin" de bombillas para estimar la vida media de las bombillas que la integran, no ser posible medir ms que una vez la bombilla seleccionada. 3.2.2 Con reposicin de los elementos Las observaciones se realizan con reemplazamiento de los individuos, de forma que la poblacin es idntica en todas las extracciones. En poblaciones muy grandes, la probabilidad de repetir una extraccin es tan pequea que el muestreo puede considerarse sin reposicin aunque, realmente, no lo sea. 3.2.3 Con reposicin mltiple En poblaciones muy grandes, la probabilidad de repetir una extraccin es tan pequea que el muestreo puede considerarse sin reposicin. Cada elemento extrado se descarta para la subsiguiente extraccin. Para realizar este tipo de muestreo, y en determinadas situaciones, es muy til la extraccin de nmeros aleatorios mediante ordenadores, calculadoras o tablas construidas al efecto. 3.3 Muestreo estratificado

Consiste en la divisin previa de la poblacin de estudio en grupos o clases que se suponen homogneos con respecto a alguna caracterstica de las que se van a estudiar. A cada uno de estos estratos se le asignara una cuota que determinara el nmero de miembros del mismo que compondrn la muestra. Dentro de cada estrato se suele usar la tcnica de muestreo sistemtico, una de las tcnicas de seleccin ms usadas en la prctica. Segn la cantidad de elementos de la muestra que se han de elegir de cada uno de los estratos, existen dos tcnicas de muestreo estratificado: 3.3.1 Asignacin proporcional El tamao de la muestra dentro de cada estrato es proporcional al tamao del estrato dentro de la poblacin. 3.3.2 Asignacin ptima La muestra recoger ms individuos de aquellos estratos que tengan ms variabilidad. Para ello es necesario un conocimiento previo de la poblacin. Por ejemplo, para un estudio de opinin, puede resultar interesante estudiar por separado las opiniones de hombres y mujeres pues se estima que, dentro de cada uno de estos grupos, puede haber cierta homogeneidad. As, si la poblacin est compuesta de un 55% de mujeres y un 45% de hombres, se tomara una muestra que contenga tambin esos mismos porcentajes de hombres y mujeres. Para una descripcin general del muestreo estratificado y los mtodos de inferencia asociados con este procedimiento, suponemos que la poblacin est dividida en h sub poblaciones o estratos de tamaos conocidos N1, N2,..., Nh tal que las unidades en cada estrato sean homogneas respecto a la caracterstica en cuestin. La media y la varianza desconocidas para el i-simo estrato son denotadas por mi y si2, respectivamente.

3.4 Muestreo sistemtico

Se utiliza cuando el universo o poblacin es de gran tamao, o ha de extenderse en el tiempo. Primero hay que identificar las unidades y relacionarlas con el calendario (cuando proceda). Luego hay que calcular una constante, que se denomina coeficiente de elevacin K= N/n; donde N es el tamao del universo y n el tamao de la muestra. Determinar en qu fecha se producir la primera extraccin, para ello hay que elegir al azar un nmero entre 1 y K; de ah en adelante tomar uno de cada K a intervalos regulares. Ocasionalmente, es conveniente tener en cuenta la periodicidad del fenmeno. Esto quiere decir que si tenemos un determinado nmero de personas que es la poblacin (N) y queremos escoger de esa poblacin un nmero ms pequeo el cual es la muestra (n), dividimos el nmero de la poblacin por el nmero de la muestra que queremos tomar y el resultado de esta operacin ser el intervalo, entonces escogemos un nmero al azar desde uno hasta el nmero del intervalo, y a partir de este nmero escogemos los dems siguiendo el orden del intervalo.

3.5 Muestreo por estadios mltiples

Esta tcnica es la nica opcin cuando no se dispone de lista completa de la poblacin de referencia o bien cuando por medio de la tcnica de muestreo simple o estratificado se obtiene una muestra con unidades distribuidas de tal forma que resultan de difcil acceso. En el muestreo a estadios mltiples se subdivide la poblacin en varios niveles ordenados que se extraen sucesivamente por medio de un procedimiento de embudo. El muestreo se desarrolla en varias fases o extracciones sucesivas para cada nivel.

Por ejemplo, si tenemos que construir una muestra de profesores de primaria en un pas determinado, stos pueden subdividirse en unidades primarias representadas por circunscripciones didcticas y unidades secundarias que seran los propios profesores. En primer lugar extraemos una muestra de las unidades primarias (para lo cual debemos tener la lista completa de estas unidades) y en segundo lugar extraemos aleatoriamente una muestra de unidades secundarias de cada una de las primarias seleccionadas en la primera extraccin.

3.6 Muestreo por conglomerados

Tcnica similar al muestreo por estadios mltiples, se utiliza cuando la poblacin se encuentra dividida, de manera natural, en grupos que se supone que contienen toda la variabilidad de la poblacin, es decir, la representan fielmente respecto a la caracterstica a elegir, pueden seleccionarse slo algunos de estos grupos o conglomerados para la realizacin del estudio. Dentro de los grupos seleccionados se ubicarn las unidades elementales, por ejemplo, las personas a encuestar, y podra aplicrsele el instrumento de medicin a todas las unidades, es decir, los miembros del grupo, o slo se le podra aplicar a algunos de ellos, seleccionados al azar. Este mtodo tiene la ventaja de simplificar la recogida de informacin muestral. Cuando, dentro de cada conglomerado seleccionado, se extraen algunos individuos para integrar la muestra, el diseo se llama muestreo bietpico. Las ideas de estratos y conglomerados son, en cierto sentido, opuestas. El primer mtodo funciona mejor cuanto ms homognea es la poblacin respecto del estrato, aunque ms diferentes son stos entre s. En el segundo, ocurre lo contrario. Los conglomerados deben presentar toda la variabilidad, aunque deben ser muy parecidos entre s.

3.7 Muestreo de juicio

Aqul para el que no puede calcularse la probabilidad de extraccin de una determinada muestra. Se busca seleccionar a individuos que se juzga de antemano tienen un conocimiento profundo del tema bajo estudio, por lo tanto, se considera que la informacin aportada por esas personas es vital para la toma de decisiones.

3.8 Muestreo por cuotas

Es la tcnica ms difundida sobre todo en estudios de mercado y sondeos de opinin. En primer lugar es necesario dividir la poblacin de referencia en varios estratos definidos por algunas variables de distribucin conocida (como el gnero o la edad). Posteriormente se calcula el peso proporcional de cada estrato, es decir, la parte proporcional de poblacin que representan. Finalmente se multiplica cada peso por el tamao de n de la muestra para determinar la cuota precisa en cada estrato. Se diferencia del muestreo estratificado en que una vez determinada la cuota, el investigador es libre de elegir a los sujetos de la muestra dentro de cada estrato.

3.9 Muestreo de bola de nieve

Indicado para estudios de poblaciones clandestinas, minoritarias o muy dispersas pero en contacto entre s. Consiste en identificar sujetos que se incluirn en la muestra a partir de los propios entrevistados. Partiendo de una pequea cantidad

de individuos que cumplen los requisitos necesarios estos sirven como localizadores de otros con caractersticas anlogas.

3.10 Muestreo subjetivo por decisin razonada

En este caso las unidades de la muestra se eligen en funcin de algunas de sus caractersticas de manera racional y no casual. Una variante de esta tcnica es el muestreo compensado o equilibrado, en el que se seleccionan las unidades de tal forma que la media de la muestra para determinadas variables se acerque a la media de la poblacin.

PRESENTACION DE DATOS TABLAS Y GRFICOS

La presentacin de los datos es fundamental en un trabajo de investigacin. A veces en una tabla est lo principal que se obtuvo en una investigacin y ustedes deben tratar de entenderla, entonces vean como este caballero dice que muchas veces es el cerebro de un artculo.

La presentacin de los datos en cuadros es a menudo el corazn, o mejor an, el cerebro de un artculo cientfico. Peter Morgan.

La presentacin de los datos en un trabajo de investigacin o en un artculo la pueden encontrar en tablas y grficos, como tambin puede aparecer en el texto escrito. La mayora de los investigadores cuando escriben un artculo cientfico colocan en el texto lo fundamental y hacen referencia en tablas y grficos. Ustedes deben tratar de no ser redundantes, o sea no repetir. Lo que est en tablas o grficos no debiera estar nuevamente representado en el trabajo.

Representacin de datos: En el texto En tablas En grficos Nunca presentar los datos en ms de una forma.

Las tablas, en primer lugar, son la forma de ordenar los datos en filas y columnas, eso es una tabla en resumidas cuentas y es la forma de representar de forma ordenada los resultados de un trabajo para que las personas puedan entender de mejor forma. Cuando uno hace una investigacin epidemiolgica o un estudio de casos controles o una investigacin de cualquier mbito y ve muchas muestras y muchos pacientes, no tienen para que publicar todo lo que encontraron en cada uno de los pacientes o en cada una de las muestras que analizaron, tienen que resumir eso y esa forma de resumir y ordenar las cosas es presentndola en tablas y en grficos.

Las tablas estadsticas sirven para presentar en forma ordenada los datos numricos obtenidos en algn estudio.

Cundo hacer tablas? Las tablas van a presentar los datos que sean ms representativos, no tiene para que representar todo. Para mostrar datos que indican cambios importantes.

No hacer tablas cuando.... Cuando la cosa sea muy uniforme, vale decir todos los pacientes tienen el mismo resultado, o sea los datos son idnticos o repetitivos. Cuando es ms fcil decir una cosa en palabras que hacer una tabla. Si los resultados no son significativos. Uno usa los resmenes de las observaciones y los hace es cuando hay diferencias significativas y si no las hay no es necesario hacer tablas.

La tabla debe tener ttulo y unas rayitas para que la gente entienda mejor, unas rayas horizontales que permitan definir donde est el encabezado y donde est separando los totales del contenido principal de la tabla. En esta tabla debe estar el ttulo y si hay una abreviatura debe ser explicada. Ac tenemos por ejemplo, la distribucin de pacientes con Sndrome de Sjgren primario y secundario. El INE todo el mundo sabe lo que es, as que esa abreviatura no tiene para que explicarla.

Al hacer una tabla siga algunas etapas.

Principales etapas en la construccin de una tabla: 1. Van a poner el propsito que tiene una tabla.

2. Debe tener un ttulo, un encabezado. Cuando en un trabajo se usan muchas tablas deben ir numeradas, en algunas partes le piden que las numere con nmeros romanos y en otras partes con nmeros arbigos, tiene que seguir las indicaciones de los editores cuando uno va a publicar un articulo. Ej.: Tabla 1. Distribucin de pacientes... 3. Asigne las escalas de clasificacin de las filas y de las columnas, que es lo que va a colocar. La variable dependiente va a estar en las columnas (eso es una norma). 4. Coloque los datos obtenidos y complete a veces con porcentajes, especialmente en las variables que son nominales u ordinales. En caso de variables intervalares generalmente siempre debe estar el n, el promedio y la desviacin estndar.

Defina el propsito de la tabla. Eso es determine como va a clasificar las observaciones que va a colocar en una tabla. Hoy en da con la ayuda de los computadores y los software estadsticos cuando uno ya tiene los datos ingresados al computador, el software como por ejemplo el SPCS o el Syntax o el Excel, usted fcilmente puede hacer una tabla y usted la copia y la pega a su documento en Word pero tiene que tener el concepto claro. Al ordenar los datos se le har ms fcil elaborar la tabla. Adems una vez que tenga sus datos en la tabla eso simplifica despus entender que anlisis estadstico habra que hacer sobre esos datos. Definir los propsitos de la tabla ayuda a determinar los criterios de clasificacin de las tablas y el sentido en que deben analizarse los datos. De acuerdo a los propsitos se distinguen:

Tablas de distribucin de frecuencias: el material se clasifica de acuerdo a un slo criterio.

Tablas de asociacin: en la cual se desea mostrar la asociacin entre dos o ms variables en las unidades de observacin.

El ttulo. El ttulo debe decir por lo menos lo que hay adentro de la tabla. Qu es lo que est presentando adentro de esa tabla. Como se clasificaron los datos. Generalmente, muchas veces uno no tiene ni que explicar porque se entiende fcilmente lo que quiere decir esa tabla. (Ej.: Si usted pone hombres, mujeres, no tiene para que decir clasifiqu esta tabla de acuerdo al gnero, para qu?) Usted mira y entiende. Donde se registraron los datos y cuando se registraron los datos, a veces es necesario en la tabla que aparezca en el ttulo cuando esa tabla se presenta de forma aislada, como por ejemplo en un congreso. (Lo de donde y cuando eso lo va encontrar en la seccin de materiales y mtodos, entonces no siempre es necesario que est ah en el ttulo pero si hay una variacin en la recopilacin de los datos es bueno que est ah, en el ttulo).

El ttulo debe especificar: Qu presenta. Cmo se clasifican las unidades de observacin. Dnde fueron registrados los datos.

Casos especiales. A veces hay casos especiales:

Tablas con pocos datos, ttulos muy cortos, a veces hay secuencias de tablas que estn relacionadas una con otra, entonces no hay para qu estar repitiendo todos los ttulos si son la continuacin una de otra, lo hay que hacer es ir siguiendo el orden para entenderlas. Al pie de la tabla es necesario colocar generalmente las abreviaturas, pueden tambin poner algo acerca del origen de los datos, el anlisis estadstico que se hizo o la significancia estadstica generalmente con una letra ms pequea y cualquier cosa que deba ser aclarada porque haya una inconsistencia en los datos dentro de esa tabla, por ejemplo los totales a veces puede que no coincidan y tiene que explicar porque no lo hacen (Ej.: un paciente que se retir del estudio o algn paciente que presenta ms de una caracterstica, entonces puede estar en varias categoras asignadas.)

Asigne las escalas de clasificacin a las filas y columnas. La primera columna generalmente es la definicin, por ejemplo si es un estudio por gnero, entonces estn hombre y mujer definidos en la primera columna. A estos hombres y mujeres usted les midi la presin sistlica, el valor de la presin va a estar al lado derecho de cada gnero. A veces puede que tenga ms de un criterio de clasificacin, entonces usted tiene gnero hombre y mujeres y dice hombre menores de 20 aos y hombres mayores de 20 aos, ah adems subdivide, por lo tanto tiene un mayor nmero de grupos en la primera columna y los puede ir subdividiendo. Y eso le va ir complicando las cosas, pero es necesario hacerlo, algunas veces por el objetivo que puede tener un estudio. Lo ms sencillo es que tenga un solo criterio de clasificacin pero tambin puede haber ms de un criterio para clasificar los datos en esa tabla.

Un criterio de clasificacin: Primera columna.

Ms de un criterio de clasificacin:

Escala con mayor nmero de grupos en la primera columna.

Dos escalas de clasificacin, una se refiere a los antecedentes y la otra a las consecuencias: Antecedentes en la columna a la izquierda. Consecuencias en la fila superior.

Con ms de dos criterios de clasificacin comienza a enredarse la tabla, se dificulta la lectura de esa tabla. Pueden ser tiles a veces como tablas de referencia como algunas tablas que publica el Instituto Nacional de Estadsticas (INE) en ellas ve la tabla de poblacin de Chile, est por ejemplo la regin, comuna y dentro de las comunas puede que est agrupada por hombre y mujeres, entonces se va subdividiendo, son tablas largas y ms complicadas y tambin se pueden estar dividiendo las columnas por grupos de edades. Entonces esas tablas le sirven como tablas de trabajo, para buscar informacin, pero son un poco ms enredadas.

Tablas de ms de dos criterios de clasificacin: Presentan dificultades de lectura y debieran evitarse como tablas de presentacin en publicaciones. Son tiles como tablas de referencia para colocarlas en anexos de trabajos. Sirven como tablas de trabajo para resumir todos los datos y poder extraer de ellas tablas ms sencillas.

Totales marginales.

Al colocar los datos muchas veces es necesario poner los totales. Los totales en una tabla pueden estar en las filas, en las comunas o ambos y es bueno estar revisando que coincidan esos totales. Generalmente esos totales se obtienen por la suma de la horizontal y vertical. Si esos totales no se obtuvieron as, por la suma y no coincide con los valores reales debe decir porqu.

Porcentajes. Puede colocar porcentajes de acuerdo al total de la columna o de la fila y muchas veces en las variables nominales y ordinales es necesario que coloque los porcentajes porque a la persona le queda como ms fcil entender. (Es ms fcil entender 5% que 1 de 20). No use porcentajes cuando tiene muy pocos datos. Por ejemplo, estudi una enfermedad muy rara y encontr que de 5 pacientes slo haba 1 mujer, no tiene para qu calcular el porcentaje porque la mayora de los humanos pueden darse cuenta que ese 1 de 5 es el 20%, no se usa en tan pocas observaciones para tal caracterstica.

Tablas de contingencia 2 X 2

RESFRA DEPORTE SI NO 16 14 SI 20 30 50 NO 36 44 80 Total

Total 30

Pueden poner en las columnas la variable dependiente si se resfran, aqu tambin se evalu si hacen deporte o no... Cada observacin tiene una caracterstica. A partir de estos datos puede sacar porcentajes, el porcentaje de la columna es el que interesa.

Cuando tenemos estas tablas de 2 x 2, cada uno de los cuadrados aqu adentro de la tabla la vamos a llamar CELDA (en ingls cell) y se usa una letra para denominarla, la a, b, c y d. Entonces la suma de las columnas es sencilla. Estas tablas pueden utilizarlas en la evaluacin de test de diagnstico, por ejemplo se hace un test para ver si los pacientes tienen SIDA y puede obtener falsos positivos (se hace el test y dice que tiene la condicin cuando en la realidad no la tiene) y falsos negativos (el gallo fue a una fiesta anoche y se contagi el SIDA y va en la maana a hacerse el examen y le sale negativo aunque se acaba de contagiar). Entonces cuando tenemos una condicin existe la posibilidad de tener una verdad positiva, una verdad negativa, falsos positivos y falsos positivos.

Lo otro que puede haber que la persona no tenga le enfermedad y lo lgico es que el test le diga que no tiene la enfermedad lo que sera una verdad negativa. (Se desprende que la verdad positiva vendra siendo cuando el test le indica que s tiene la enfermedad y en realidad s la padece).

En odontologa se utiliza mucho este tipo de tablas para realizar los test de sensibilidad y especificidad que es basado en estas tablas que se usan en diagnstico donde le den falsos negativos o falsos positivos o verdaderos negativos o verdaderos positivos. La sensibilidad es la proporcin de sujetos con la enfermedad que tiene el test positivo o sea la sensibilidad de un test se obtiene al dividir los verdaderos positivos por la suma de esa columna a + c. (Hay que ver la tabla que describe el profesor) Y la especificidad de un test es la proporcin de

sujetos sin la enfermedad y que tienen el test negativo o sea la especificidad de un test es dividir la b, los verdaderos negativos por el total de esa columna b / b + d.

Por ejemplo si una mam tiene lcera en el estmago y se busca si los hijos tienen el germen, en caso de que no lo tengan, el estudio presentar una sensibilidad baja y la especificidad va a ser alta por ejemplo si la mam no tiene el germen lo ms probable es que los nios tampoco presenten el helicobacter pilori.

Eso de sensibilidad y especificidad se usa mucho en tablas de diagnstico en la que uno quiera evaluar la capacidad de un test para detectar las personas que pueden presentar la infeccin, o sea que pueden dar positivo o que pueden dar negativo en un examen determinado y eso se puede dar en cualquier examen que se aplique en medicina u odontologa. Eso es para evaluar si tiene la condicin o no la tiene. Una variable nominal.

En una variable intervalar, en las cuales por ejemplo hemos medido un promedio, tenemos que presentar los datos as, un ttulo, el grupo femenino, el masculino, el n, el promedio la desviacin estndar. Y generalmente al pie de la tabla esto se compara con test estadstico que ustedes vern en quinto ao.

Cmo hacer grficos de todo esto? Generalmente a las personas les queda todo mucho ms claro cuando ven un grfico y estos grficos pueden ser la parte medular de la presentacin o de un artculo cientfico. Es una lata cuando uno lee un artculo cientfico o ve un trabajo y se encuentra con puros nmeros y tablas, es ms entretenido verlos representados en grficos porque uno puede apreciar cmo se relacionan los datos o cual es la tendencia que existe.

El grfico es la representacin en el plano de datos numricos, con el fin de obtener una impresin visual conjunta que facilita la comprensin del material presentado.

El objetivo de la mayora de los grficos es presentar distribuciones de frecuencia o asociaciones entre dos o ms variables investigadas. Un grfico es la representacin en el plano de datos numricos y existen muchos software que permiten hacer estos grficos. De estos hay distintos tipos. Y deben tener algunas caractersticas. No se hacen al lote. Tiene que aprender a usar el Excel.

Debe ser sencillo y auto explicativo, ojal con poca cantidad de elementos lo suficiente para entender, cmodo a la vista.

Representar fielmente los hechos. No impresionar con colores extremadamente llamativos ni falsear la realidad

Ni modificando las escalas Ni utilizar los grficos tridimensionales. Evitar colores que molestan a la vista por ejemplo con color morado sobre un fondo negro o colores muy chillones.

Cuando hace cajas se rellena con color pero no con rayas y si las ocupa prefiera las oblicuas (esto lo saben muy bien las mujeres porque si es chica y se pone un traje de rayas generalmente se ve ms chica o una gorda que usa traje de rayas horizontales se ve ms gorda y ms baja).

Tiene que hacerlo agradable a la vista. Se recomienda que tenga una proporcin de 1 es a 1,5 entre la longitud de los ejes (seccin urea).

En las barras, las categoras de una misma variable deben ir del mismo color, no hay que abusar con los colores y la cantidad de categoras.

Debe ser limpio. Generalmente sea cual sea la especialidad que siga no tiene para que poner una abuelita con una sonrisa a menos que ese grafico lo vaya a llevar a un jardn infantil (al Jardn infantil Pipiripao, all lleven esos grficos para entusiasmar a los nios) pero si lo va a presentar en una tesis o congreso no se usa que ponga muelitas con rositas, es absurdo.

El grfico debe ser limpio, de trazos netos, los ttulos con letra clara y leyendas ubicadas en lugares adecuados.

En resumen sera deseable que un grafico tuviera o permitiese segn Gnanadesikan, hind: Que tenga capacidad descriptiva. Que tenga una capacidad de versatilidad. Que permita ver la orientacin de los datos. Que sirva para posibles comparaciones internas. Que permita focalizar la atencin. Que permita autocrtica de posibles presunciones. Que permita la adaptabilidad para grandes volmenes de datos.

Eso es fundamental.

Como hacer un grfico. Primero debe ordenar los datos y dependiendo de como vaya a ser el grfico es como tendr que ordenar los datos. Defina los objetivos Elija el tipo de grfico Y lo construye.

BARRAS SIMPLES Presentan la distribucin de frecuencias de variables nominales, ordinales e intervalares discretas. Cada categora se representa por una barra: su largo indica frecuencia, promedio (en la intervalar), porcentaje de casos u otro. Cada barra lleva un ttulo; si es largo (barras transversales), y si es corto (barras verticales). El orden de las barras est dado por su longitud o por la secuencia ms lgica de las categoras (alfabtico, por regiones de Chile, etc.) Evitar colocar ttulos, nmeros o claves, sobre o dentro de las barras.

Rpidamente ve donde hay ms y con que frecuencia se da con respecto a las otras.

BARRAS AGRUPADAS Muestran la relacin de dos o ms variables nominales, ordinales e intervalares discretas. Se dibujan grupos de barras que son subdivisiones de una clasificacin ms general. Las barras de cada grupo deben tener rayados diferentes para cada subdivisin, con una leyenda. Se clasifica primero por la variable con ms categoras, a menos que se pierda claridad en la demostracin de los hechos o no se cumpla con el objetivo real del grfico.

BARRAS SUBDIVIDIDAS Una barra que la subdivide para indicar la importancia que tiene una categora en cuento a su porcentaje. Ilustran la composicin proporcional de distintas categoras. El largo representa el 100% Se indica cuando en algunas categoras el 100 0% de las unidades pertenece a uno de los subgrupos. (En un grfico de barras agrupadas, se presenta el problema de no tener frecuencia para una de las barras). Cuando se tienen ms de tres subdivisiones por barra se dificulta la comparacin.

SECTORIALES El grfico de torta. Se utilizan para los mismos casos que los grficos de barras, fundamentalmente para variables nominales u ordinales. Cada frecuencia o proporcin debe ser expresada como porcentaje del total del grfico o porcin de la torta (360), determinando el ngulo que limita el sector que representa la categora correspondiente, el ngulo relacionado con el tamao de ese grupo. Cada sector debe ser identificado. Colocar el nmero de observaciones y la frecuencia en porcentaje, adyacente a cada categora. Ordenado de mayor a menor para facilitar su entendimiento partiendo idealmente desde las 3.15 siguiendo o en contra de las agujas del reloj. (En Excel este ordenamiento no se puede hacer.)

HISTOGRAMAS Presentan la distribucin de frecuencias de variables intervalares continuas. Tenemos un rango de valores que se van a representar por una serie de rectngulos. Consisten en una serie de rectngulos o barras adyacentes, cuyas superficies representan la frecuencia de cada categora. Cuando los intervalos son iguales, las barras tienen el mismo ancho y su altura corresponde a la frecuencia observada en el intervalo.

 Este grfico le permitir la obtencin de una campana de Gausse para saber si hay una distribucin normal de los valores o no. Puede que se de un sesgo, o sea que los datos se acumulen en un solo lado del grfico. Cuando los intervalos son desiguales, las barras tienen diferente ancho. Se ajusta al ancho de los intervalos, Histograma Ajustado.

LINEAL Le permiten ver la relacin entre variables intervalares continuas. Tenemos un eje X y un eje Y. En el eje X tenemos la variable independiente y en el eje Y la variable dependiente. Y ambos generalmente debieran partir de 0. (Por ejemplo si va a medir la presin no necesita partir de 0, hay software que tienen esta opcin.) Tiene que tener pares de observaciones o sea debe tener un valor para el eje X y l eje Y. La computadora se va a encargar de hacerle la lnea, si no tiene computador y lo va a hacer a mano tiene que encontrar la ecuacin que define la relacin entre ambas variables.

PLOTS DE DISPERSIN Grficos de dispersin y correlacin, no se representa slo una lnea sino que se presentan una serie de valores.

 Tenemos variable dependiente e independiente. Pares de observaciones, un valor para el eje X y un valor para el eje Y. Los ejes deben tener la misma longitud y cada eje debe estar identificado. Los puntos generalmente no se unen, tenemos como una nube de valores pero en el computador podemos obtener como se relacionan esos valores. Cada punto es un individuo y al sumarlos obtenemos una nube.

DE CAJAS O DE BOX PLOTS Fue inventado en la dcada del 70 pero cada vez es ms utilizado porque es muy informativo. Se basa en una caja que tiene una lnea al medio de ella que representa la mediana y que sirve para variables intervalares. O sea aquellas variables donde uno ha podido sacar promedio y desviacin estndar. Las lneas perpendiculares que van a ver en relacin a la caja significa dispersin de los valores pero para un cierto rango y los valores que estn muy alejados de la distribucin normal los marca con un asterisco (*) y los muy alejados los va a marcar con un cero (0). Rpidamente con un grafico sencillo que consiste en una caja y dos bigotes ve la distribucin de las observaciones. Bigotes son los palitos al medio de la caja, las patitas, en ingls es whisker. Si no aparece un crculo o un asterisco quiere decir que tiene una distribucin normal. Es un grfico sencillo, limpio, auto explicativo y permite darse cuenta rpidamente como se distribuye una variable intervalar.

 Rpidamente ve la mediana, donde est el 50% de los valores que es el largo de la caja (determinado por sus bisagras), el 25% de los valores superiores y el 25% de los valores inferiores con los bigotes.

Muchas veces se ponen varias cajas en un mismo grfico es para comparar como es la distribucin entre grupos. Si las cajas estn a muy diferentes alturas probablemente cuando se hagan los test estadsticos va a encontrar diferencias significativas entre los grupos. Si hay varios individuos que aparecen con un 0 es probable que la distribucin no sea normal Y si la mediana no aparece en la mitad de la caja quiere decir que tampoco hay distribucin normal en esos valores.

Cmo elegir un grfico? Depende de la variable. Si es nominal u ordinal puede hacer un grfico de barras o un sectorial. Si es intervalar puede hacer un grfico de box plots o histograma Si se quiere ver las relaciones. Entre variables intervalares puede utilizar los plots de dispersin o el grafico de lneas. Entre variables nominales u ordinales puede utilizar grficos de barras pareadas o agrupadas

 Relacin de una parte de la informacin respecto al total: grficos sectoriales o barras subdivididas. Variacin conjunta de dos variables continuas: plots o grficos lineales.

Conclusin

Algunas cuestiones que han hecho necesario repensar el papel que el paradigma cuantitativo ha tenido sobre las ciencias sociales son las que se presentan a continuacin: La filosofa emprico -positivista impregna a los planteamientos estructural -funcionalistas norteamericanos. Desde sta perspectiva las investigaciones se orientan hacia la acumulacin de datos que por si mismos llegan a resultar insuficientes e incapaces de dar una explicacin acabada de la educacin y sus conflictos.

La crtica popperiana se presenta demoledora respecto al estatus de cientificidad de las ciencias sociales ya que gran parte de sus enunciados no son, a juicio de este autor, verificables empricamente. Este tipo de enunciados (al igual que los de las otras ciencias) son en su mayora de carcter conjetural -hipottico y siempre estn sujetos a revisin. Ante la perdida del estatus de cientificidad las ciencias sociales quedan como un conjunto de conocimientos conceptuales y especulativos, mezcla de saber e ideologa.

Uno de los factores que ha obstaculizado el avance de perspectivas integrales de investigacin son los supuestos (nada desdeables) de orden ideolgico y epistemolgico que subyacen en las propuestas metodolgicas. El paradigma

cuantitativo se recrea en el dato. La finalidad de este tipo de estudios tiene un carcter pragmtico - utilitario. El hombre y su entorno se identifican a partir de lo mensurable. Todos aquellos aspectos que escapan a sta ltima condicin son anulados o relegados. Cuestiones tales como la tica, la poltica o los valores son considerados intrascendentes. Una perspectiva de ste tipo difcilmente puede llegar a cubrir la complejidad de los fenmenos sociales. Las posiciones irreconciliables, tienden a limitar y encasillar la perspectiva del anlisis.

La investigacin social se enfrenta a un objeto de estudio sumamente azaroso. Las relaciones entre los hombres pueden resultar impredecibles en virtud de la multiplicidad de los rasgos y de los factores que interviene en las situaciones sociales. La libertad y el cambio constante inherentes al ser humano y a su sociedad constituyen severos obstculos para la explicacin de los hechos.

Las

investigaciones

basadas

en

el

mtodo

cientfico

basado

modelos

cuantitativistas han resultado insuficientes para orientar la accin en un mundo pragmtico. Cada vez resultan ms evidentes los lmites de los mtodos cuantitativos para captar aspectos esenciales de la realidad social sin los que resulta difcil intervenir en ella.

El lmite del alcance de los mtodos cuantitativos se encuentra cuando se abordan, en el mbito educativo, cuestiones subjetivas, intersubjetivas o psicolgicas.