RESUMEN DE RESUMEN SOLEMNE II: METODOLOGA DE LA INVESTIGACIN Captulo 8: Seleccionar una muestra apropiada, sta es un subgrupo de la poblacin de inters

que debe estar delimitada y debe ser representativa de la poblacin. El investigador pretende que los resultados puedan generalizarse y que la muestra sea estadsticamente representativa Objetivo central: Seleccionar casos representativos para la generalizacin Generalizar: Caractersticas, hiptesis, con el objetivo de construir y/o probar teoras que expliquen el fenmeno. 1. Definir las unidades de anlisis: participantes o seres vivos de los cuales se habrn de recolectar datos. Depende del planteamiento de la investigacin y alcances. Debe ser coherente al objetivo de la investigacin 2. Delimitar la poblacin: La poblacin es el conjunto de todo el caso que concuerda con una serie de especificaciones. Delimitar la poblacin en base y planteamiento del problema. - Posibles errores: desestima o no elegir a casos que deberan ser parte de la muestra e incluir otros que no. Para evitar estos, hay que delimitar correctamente la muestra o universo 3. Elegir el mtodo de seleccin de la muestra, probabilstico o no: Est determinado por el planteamiento, hiptesis, diseo y alcances. A) Muestra probabilstica: definiendo caractersticas de la poblacin y el tamao de la muestra mediante una seleccin de unidades. (principal objetivo -> mnimo error). Son elegidos de manera aleatoria, y las unidades o elementos mustrales tengan valores similares a los de la poblacin, de manera que las mediciones en el subconjuntos darn estimados precisos del conjunto mayor. Para hacer la muestra se necesita: 1. Calcular el tamao de la muestra que sea representativo de la poblacin (Stats) 2. Seleccionar los casos, de manera que todos tengan la misma probabilidad de ser elegidos Tipos de muestras: A. Estratificada: muestreo en donde la poblacin se divide en segmentos y se selecciona una muestra para cada uno B. Por racimos: Muestreo en donde las unidades de anlisis se encuentran encapsuladas en determinados lugares. Implica diferencia entre unidad de anlisis y muestra - Unidad de anlisis: Quines van a ser medidos (QUIN) - Unidad muestra: Racimo por el cual se logra el acceso a la unidad de anlisis. B) Muestra no probabilstica: La eleccin de los elementos no depende de la probabilidad, sino de causas relacionadas con las caractersticas de la investigacin de quin hace la muestra. Depende de la toma de decisiones del investigador, ms que de instrumentos.

- Muestreo al azar por marcado telefnico: Involucra reas geogrficas 4. Precisas el tamao de la muestra requerido: Busca encontrar una muestra que sea representativa del universo o poblacin con cierta posibilidad de error (minimizar) y nivel de confianza (maximizar), a travs del STATS a travs de: universo error mximo aceptable, % estimado de la muestra y nivel deseado de confianza 5. Aplicar procedimiento de seleccin: A) Tmbola: enumerar los elementos mustrales de la poblacin 1 a N. Fichas se revuelven y se eligen y conformarn la muestra. B) Nmeros random o nmeros aleatorios : Stats C) Seleccin sistemtica de elementos mustrales D) Listados y otros marcos mustrales: permite identificar fsicamente los elementos de la poblacin, as como la posibilidad de enumerarlos y seleccionar los elementos mustrales. E) Archivos F) Mapas 6. Obtener la muestra: Elegir informantes adecuados de acuerdo al planteamiento Captulo 10: Anlisis de los datos, en la mayora de los casos se realiza de manera AUTOMATIZADA mediante software y sobre una matriz de datos Pasos 1. Seleccionar un programa de anlisis: definiendo las variables y matriz de datos: Ej. Matriz de datos Caso Gnero Color de pelo Edad Gnero: M-> 1 F-< 2 1 1 1 35 Pelo: negro-> 1, Castao->2, Rojo->3, Rubio->4 2 1 1 29 Edad: valor bruto en aos 3 2 1 28 4 2 1 33 SPSS o SPAW: Paquete estadstica para las ciencias sociales MINITAB: Es de bajo costo 2. Ejecutar el programa: revisa que el equipo cumpla con los requisitos para le ejecucin del paquete: - El hardware y el software son mnimos para ejecutar SPSS 3. Explorar los datos: se revisan formes de la matriz, para ver resultados tem por tem. Se indica al programa como debe agrupa los internas en las variables de estudio - Esta etapa es inmediata a la ejecucin del programa, es sencilla y si se llev a cabo la sucesin de etapas previas Etapa 1: Men /Analizar/Informes / Estadsticos descriptivos/

Estadsticos descriptivos: descriptivos, frecuencias, explorar (relacin entre las variables de matriz), generar tablas de contingencia y generar razones Etapa 2: El investigador evala las distribuciones y estadsticas de los tems o columnas, observ que tems tienen una distribucin lgica e ilgica y agrupa a los tems o indicadores en las variables de investigacin de acuerdo a sus definiciones operacionales y forma como desarroll su instrumento de medicin. Etapa 3: Transformar / Calcular. Se indica el programa como debe agrupar los tems en las variables de su estudio 4. Evaluar la confiabilidad y validez lograda, incremento de medicin debe ser representativo: Analizar, se solicitan todas las variables de estudio: a) Estadsticas descriptivas b) Anlisis de frecuencia con estadsticas, tablas y grficos. - Variables de la matriz de datos: es una columna o un tem - Variable de investigacin: medidas que forman parte de la hiptesis o que se pretenden describir. - Variable compuesta: Es cuando la variable de investigacin est integrada por varias variables de la atroz o tems El anlisis de los datos depende de tres factores: 1. Nivel de medicin de la variable 2. Como se formularon las hiptesis u objetivos 3. Inters del investigador El anlisis descriptivo final es sobre las variables del estudio. La estadstica no es un fin en s misma sino una herramienta para evaluar datos y probar hiptesis. Estadstica descriptiva: distribucin de frecuencias, es el conjunto de puntuaciones ordenadas en sus respetivas categoras Distribuan de frecuencias: Cuando la descripcin de las frecuencias es necesario resumirla en rangos Cooperacin del personal en el proyecto de calidad de la empresa Motivos de la preferencia de su personaje favorito Grafica de histogramas Grfico de barras Grafica de circulares Polgono de frecuencias Medidas de tendencia central: Valores medios o centrales de una distribucin que sirven para ubicarla dentro de la escala de medicin; Moda (mayor frecuencia), Mediana (valor que divide las distribucin por la mitad) Medidas de variabilidad, son intervalos que indican la dispersin de los datos en la escala de medicin rango (recorrido)

Desviacin estndar: promedio de desviacin de las puntuaciones con respecto a la media que se expresa en las unidades originales de medicin de la distribucin Varianza: se usa en los anlisis inferenciales Asimetra y cir?: estadsticas que se usan para conocer cunto se parece una distribucin a la distribucin terica llamada curva normal o campana de Gauss. Para evaluar la confiabilidad y la validez lograda por el instrumento de medicin, puede oscilar entre 0 nuca confiabilidad y 1 mximo de confiabilidad. Se calcula aplicando a los participantes la misma prueba dos veces y luego aplicando un coeficiente e correlacin entre las puntuaciones de ambas aplicaciones. Mtodo de formas alternativas o paralelas, se calcula a travs de un coeficiente e correlacin entre los resultados de dos pruebas supuestamente equivalentes. La validez del contenido se obtiene al asegurarse que las dimensiones medidas por el instrumento sean representativas del universo o dominio de dimensiones de las variables de inters

5. Analizar hiptesis basada en distribucin muestra. Analizar mediante pruebas estadsticas las hiptesis planteadas (Anlisis estadstico inferencial) Cuando la descripcin de frecuencia son tantas, se resumen en rangos Media: suma de todos los valores entre n de casos. - Prueba de hiptesis: 1. Aceptar una hiptesis verdadera (decisin correcta) 2. Rechazar una hiptesis (decisin correcta) 3. Aceptar una hiptesis falsa (error beta o tipo II) 4. Rechazar hiptesis verdadera (error alfa o tipo I) - Distribucin muestra: Una distribucin muestra es un conjunto de valores sobre una estadstica calculada de todas las muestras posibles de una poblacin - Nivel de significancia: 1. La distribucin poblacional de la variable dependiente es normal 2. El nivel de medicin de la variable dependientes e por inrvalo o razn 3. Cuando las poblaciones en cuestin poseen una dispersin similar en sus distribuciones Aceptar o rechazar hiptesis, distribucin muestra (conjunto de valores sobre estadstica calculada de todas las muestras posibles. Anlisis varianza: prueba de analizar si dos grupos difieren significativamente 6. Realizar anlisis adicionales, evaluar desde distintos ngulos. Despus de realice nuestro anlisis es posible que decidamos agregar otros anlisis o pruebas extras para confirmar tendencias y evaluar los datos de distintos ngulos.

7. Preparar resultados para presentarlos; revisar, organizar, ver distintos resultados, priorizar inflo ms valiosa, tablas de programacin, describir brevemente, volver a revisar los resultados, elaborar reporte de investigacin. Conclusiones: - Podemos concluir diciendo que hemos visto las diferentes fases del anlisis de los datos cuantitativos - Se han visto superficialmente algunos programas para elaborar el anlisis de los datos de la investigacin - Hemos trabajado con las estadsticas necesarias para elaborar el anlisis de los datos Medidas de variabilidad: Grado de dispersin que caracteriza a un grupo de puntajes y en que un conjunto de puntajes difiere de alguna medida de tendencia central, generalmente la media Las medidas de la variabilidad son: 1. EL intervalo que es la diferencia entre puntaje ms alto con el ms bajo 2. La desviacin estndar: es la cantidad promedio en que uno de los puntajes individuales varia respecto a la media del conjunto de puntajes Conclusiones: La etapa del anlisis de los datos se realiza en cuatro pasos Se mencionaron las tres medidas de tendencia central que se manejan en el anlisis de los datos Estas estadsticas son: media, mediana y moda Se conocieron las medidas de varianza del anlisis de datos; intervalo y la desviacin estndar.