Anda di halaman 1dari 564

Vctor Patricio Daz Narvez

METODOLOGA
GHODLQYHVWLJDFLyQFLHQWtFD
y bioestadstica

Para profesionales y estudiantes de


Ciencias de la Salud
Tema 1 | Mtodos e Investigacin Cientfica

-ETODOLOGADELAINVESTIGAcin cientca
YBIOESTADSTICAPARAPROFESIONALES
YESTUDIANTESDECIENCIASDELASALUD

3
Metodologa de la Investigacin Cientfica

6-0IHMXSVIW
FMFPMSHMZIVWMHEH

4
Tema 1 | Mtodos e Investigacin Cientfica

Vctor Patricio Daz Narvez


Doctor en Ciencias Biolgicas (Ph.D)

Metodologa de la investigacin cientca


y bioestadstica para profesionales
y estudiantes de ciencias de la salud

&ACULTADDE/DONTOLOGA
&ACULTADDE-EDICINA
Universidad Finis Terrae

5
Metodologa de la Investigacin Cientfica

001.42 Daz Narvez, Vctor Patricio


D Metodologa de la investigacin cientca
y bioestadstica: para mdicos, odontlogos y
estudiantes de ciencias de la salud / Vctor Pa-
tricio Daz Narvez. -- 2 ed. -- Santiago : RIL
editores, 2009.

586 p. ; 25,5 cm.


ISBN: 978-956-284-685-1

1 INVESTIGACINCIENTFICABIOMETRA

-ETODOLOGADELA)NVESTIGACIN#IENTFICAY
"IOESTADSTICAPARAPROFESIONALESY
ESTUDIANTESDE#IENCIASDELA3ALUD
Primera edicin: marzo 
Segunda edicin: agosto de 

Vctor Patricio Daz Narvez, 

Registro de Propiedad Intelectual


N 

Universidad Finis Terrae


Vicerrectora y Desarrollo
Av. Pedro de Valdivia N 1509, Providencia
Tel. ( ) 
www.uft.cl

RIL editores, 


Alfrez Real 
  Providencia
Santiago de Chile
Tel.   U>
Ji`iVUi`iV

Composicin, diseo de portada e impresin: RIL editores

ii
iU*i`
i

ISBN     

Derechos reservados.

6
Tema 1 | Mtodos e Investigacin Cientfica

ndice

Prlogo ............................................................................................................................. 17
Introduccin...................................................................................................................... 19
Nota sobre esta edicin y sus colaboradores ..................................................................... 25

0RIMERAPARTE-ETODOLOGADELAINVESTIGACINCIENTFICA

Captulo 1. Mtodos e investigacin cientfica


1.1 Caractersticas de la Investigacin Cientfica. Sus diferencias con respecto
al razonamiento especulativo y al conocimiento emprico espontneo .................... 29
1.2 Importancia del conocimiento cientfico emprico espontneo y
del razonamiento especulativo ................................................................................ 31
1.3 Mtodo y metodologa ............................................................................................ 33
1.4 Concepciones metodolgicas sobre la investigacin ................................................ 34

Captulo 2. La teora cientfica como sistema


2.1 Caractersticas de la teora como sistema ................................................................ 44
2.2 Ciclo investigativo................................................................................................... 47
2.3 La idea de un proyecto de investigacin .................................................................. 50
2.4 El problema cientfico. Definicin y funciones ......................................................... 52
2.5 Factores que determinan el desarrollo de la ciencia y
el surgimiento de los problemas cientficos .............................................................. 56
2.6 Caractersticas del problema cientfico .................................................................... 60
2.7 Conceptos de tema y tareas de la investigacin ....................................................... 62
2.8 Los problemas cientficos y los tipos de investigacin.............................................. 64

Captulo 3. La hiptesis cientfica


3.1 Definicin y funciones ............................................................................................. 67
3.2 Caractersticas de la hiptesis cientfica ................................................................... 69
3.3 Niveles de las hiptesis............................................................................................ 71
3.4 Tipos de hiptesis ................................................................................................... 72
3.5 Algunos problemas que existen en el planteamiento de hiptesis ............................ 74

7
Metodologa de la Investigacin Cientfica

Captulo 4. La ley cientfica


4.1 Definicin y funciones ............................................................................................. 87
4.2 Caractersticas generales de la ley cientfica ............................................................. 88
4.3 Tipos de leyes cientficas: empricas y tericas ......................................................... 89

Captulo 5. La investigacin emprica y sus mtodos


5.1 El concepto de hecho cientfico. Introduccin.......................................................... 93
5.2 Caractersticas del hecho cientfico .......................................................................... 94
5.3 Una aproximacin al concepto de hecho cientfico .................................................. 96
5.4 Obtencin, seleccin y formulacin de los hechos cientficos................................. 104
5.5 La comprobacin de la veracidad de las teoras cientficas .................................... 105
5.6 La observacin ...................................................................................................... 109
5.7 La medicin .......................................................................................................... 110
5.8 El experimento ...................................................................................................... 113
5.9 Diseos no experimentales .................................................................................... 121

Captulo 6. Los mtodos tericos


6.1 Definicin y funciones ........................................................................................... 129
6.2 Los mtodos de anlisis y sntesis .......................................................................... 130
6.3 Los mtodos de induccin y deduccin ................................................................. 131
6.4 El mtodo hipottico-deductivo ............................................................................ 132
6.5 El mtodo de anlisis histrico y lgico................................................................. 134
6.6 El mtodo gentico................................................................................................ 135
6.7 El mtodo de trnsito de lo abstracto a lo concreto............................................... 135
6.8 El mtodo de modelacin ...................................................................................... 136

Captulo 7. El estudio del material bibliogrfico como fuente de sustentacin


del problema y la hiptesis
7.1 Fuentes para la bsqueda de la informacin.......................................................... 140

Captulo 8. Bsqueda y recuperacin de informacion cientfica


8.1 Un poco de Historia .............................................................................................. 144
8.2 Introduccin a MEDLINE ................................................................................... 144
8.3 Tesauro ................................................................................................................ 147
8.4 Introduccin a la pgina de inicio de PubMed ..................................................... 149
8.5 Glosario ................................................................................................................ 170

Captulo 9. El informe de investigacin


9.1 Determinacin del diseo terico de la investigacin ............................................ 175
9.2 La elaboracin del Marco Terico......................................................................... 176
9.3 Definicin del tipo de investigaciones .................................................................... 180
9.4 El Marco Terico y la Hiptesis ............................................................................ 184
9.5 Diseos Experimentales ........................................................................................ 185

8
Tema 1 | Mtodos e Investigacin Cientfica

9.6 Determinacin del Diseo Metodolgico de la Investigacin ................................ 192


9.7 Elaboracin del Proyecto de Investigacin ............................................................ 192
9.8 Redaccin del Informe de Investigacin ................................................................ 193

Segunda parte: estadstica aplicada


y elementos del diseo de experimentos

Captulo 1. Implicancias de la estadstica para la medicina, la odontologa


y la biomedicina
1.1 Concepto de estadstica. Breve esbozo acerca de su origen .................................... 201
1.2 Estadstica Descriptiva e Inferencial ...................................................................... 202
1.3 Papel de la Estadstica en la Investigacin Biomdica ............................................ 202
1.4 Procedimientos para organizar, resumir y presentar la informacin....................... 203
1.5 Estimacin de la media y de la desviacin estndar para datos agrupados ............ 221

Captulo 2. Probabilidad
2.1 Eventos y probabilidades ...................................................................................... 231
2.2 Sucesos dependientes y sucesos independientes ..................................................... 236
2.3 Probabilidad condicional ...................................................................................... 239
2.4 Probabilidad total: concepto y clculo .................................................................. 240
2.5 Teorema de Bayes: concepto y clculo ................................................................... 243
2.6 Sensibilidad y especificidad de las pruebas de diagnstico ..................................... 246

Captulo 3. Distribuciones tericas de probabilidades


3.1 Concepto de variable aleatoria .............................................................................. 259
3.2 Concepto bsico de Probabilidad .......................................................................... 260
3.3 Distribuciones de probabilidad de variables cuantitativas continuas ..................... 263
3.4 Distribuciones de probabilidad de variables aleatorias discretas:
Binomial y Poisson ................................................................................................ 274
3.5 Algunas distribuciones de probabilidad de uso comn en las reas de la
Biomedicina y la Clnica........................................................................................ 279

Captulo 4. Experimentos de comparacin simple


4.1 Estadstica inferencial............................................................................................ 287
4.2 Prueba de hiptesis: hiptesis de nulidad, nivel de significacin,
regin de rechazo y decisin estadstica................................................................. 295
4.3 Comparacin de la media muestral y la media de la poblacin
cuando la varianza es conocida. Pruebas de una y dos colas.................................. 299
4.4 Comparacin de la media muestral y la media poblacional
cuando la varianza es desconocida. Pruebas de una y dos colas............................. 302
4.5 Comparacin de dos medias de dos poblaciones diferentes cuando
las varianzas son conocidas o desconocidas, pero se consideran iguales. ............... 304
4.6 Comparacin de dos medias de dos poblaciones diferentes cuando
las varianzas son diferentes y desconocidas (uso de la t prima) ................................ 309
9
Metodologa de la Investigacin Cientfica

4.7 Observaciones apareadas ...................................................................................... 312


4.8 Comparacin de la proporcin de una muestra con la de una poblacin
para n 200 y n < 200.......................................................................................... 315
4.9 Comparacin de dos proporciones poblacionales a partir de
diferentes tamaos de muestra ( n1,2 20, 20 n1,2 < 200 y n1,2 200)........................317

Captulo 5. Prueba de chi-cuadrado


5.1 Divergencia entre resultados empricos y tericos ................................................. 329
5.2 Prueba de chi-cuadrado para una muestra ............................................................ 331
5.3 Prueba de chi-cuadrado para tablas de contingencia.
Homogeneidad e Independencia............................................................................ 332
5.4 Prueba de la Probabilidad Exacta de Fisher........................................................... 340

Captulo 6. Concepto y tipos de riesgo en Epidemiologa


6.1 Conceptos de riesgo y factor de riesgo .................................................................. 347
6.2 Estudios de asociacion ......................................................................................... 348
6.3 Mediciones de la frecuencia de una enfermedad .................................................... 350
6.4 Tipos de riesgo ...................................................................................................... 352
6.5 Medidas de asociacin y riesgo ............................................................................ 353
6.6 Intervalo de confianza del riesgo relativo y del odds ratio ..................................... 356
6.7 Interpretacion de las medidas de asociacion y de riesgo ........................................ 359

Captulo 7. Teora de la regresin y correlacin


7.1 Relaciones entre variables ..................................................................................... 367
7.2 Ajuste de curvas .................................................................................................... 368
7.3 La recta: mtodo de los mnimos cuadrados.......................................................... 370
7.4 Correlacin lineal. Medidas de correlacin ........................................................... 377
7.5 Coeficiente de correlacin muestral ....................................................................... 378
7.6 Pruebas de hiptesis para la correlacin ................................................................ 379

Captulo 8. Tcnicas de muestreo


8.1 Ventajas y desventajas del muestreo ...................................................................... 385
8.2 Muestreo Irrestricto Aleatorio (MIA) .................................................................... 391
8.3 Tamao de la muestra para datos cuantitativos y cualitativos en el MIA .............. 393
8.4 Muestreo aleatorio estratificado (MAE) ................................................................ 397
8.5 Tamao de la muestra para datos cuantitativos y cualitativos en el MAE ............. 398

Captulo 9. Diseo experimental paramtrico


9.1 Revisin de algunos conceptos .............................................................................. 405
9.2 Diseo completamente aleatorizado con una observacin por
unidad experimental ............................................................................................. 406
9.3 Verificacin del cumplimiento de la normalidad de los datos
en cada tratamiento estudiado .............................................................................. 412
9.4 Cumplimiento del principio de homocedasticidad. ................................................ 413

10
Tema 1 | Mtodos e Investigacin Cientfica

9.5 Conclusiones finales que se pueden obtener de esta prueba. .................................. 414
9.6 Potencia de la Prueba Estadstica en el Diseo Experimental aplicado .................. 419
9.7 Nmero de rplicas necesarias para la prueba F. ................................................... 420
9.8 Prueba de comparacin mltiple de medias de Duncan ......................................... 422
9.9 Diseo de Bloques al azar con una observacin por unidad experimental ............. 425
9.10 Diseos Bifactoriales para muestras con rplicas ................................................... 429
9.11 Diseos Trifactoriales para muestras sin rplicas. .................................................. 434
9.12 Diseos Trifactoriales para muestras con rplicas.................................................. 441

Captulo 10. Diseo experimental no paramtrico


10.1 Revisin de algunos conceptos .............................................................................. 455
10.2 Pruebas no paramtricas para una muestra ........................................................... 455
10.3 Dos muestras relacionadas .................................................................................... 462
10.4 Dos muestras independientes ................................................................................ 470
10.5 Pruebas para k muestras relacionadas ................................................................... 478
10.6 Pruebas para k muestras independientes ............................................................... 481
10.7 Medidas de correlacin no paramtrica ................................................................ 486

Tercera parte: Mtodos cualitativos

1 Introduccin ......................................................................................................... 503


2 La tica en la investigacin cualitativa .................................................................. 505
3 Paradigmas de la investigacin cualitativas ........................................................... 506
4 La estructura de la investigacin cualitativa .......................................................... 510
5 El diseo de la investigacin cualitativa ................................................................ 514
6 Las estrategias metodolgicas ............................................................................... 516
7 Universo y muestra ............................................................................................... 517
8 El trabajo de campo .............................................................................................. 518
9 Tcnicas e instrumentos de la investigacin cualitativa. ......................................... 520
10 El anlisis de la informacin ................................................................................ 525
11 Validez y confiabilidad .......................................................................................... 529
12 La generalizacin .................................................................................................. 532
13 La sistematizacin y la redaccin de resultados ..................................................... 533
14 El informe etnogrfico........................................................................................... 535
15 Conclusin ............................................................................................................ 537

Bibliografa ..................................................................................................................... 539

11
Metodologa de la Investigacin Cientfica

Apndices

Anexo ............................................................................................................................. 543

Apndices
Apndice 1 Valores de la distribucin de probabilidad acumulativa
normal estandarizada................................................................................. 547
Apndice 2 Distribucin t de Student ........................................................................... 549
Apndice 3 Distribucin F de Fisher. ............................................................................ 551
Apndice 4 Distribucin chi-cuadrado. ........................................................................ 555
Apndice 5 Tabla de nmeros aleatorios. Alternativa 1. ............................................... 559
Apndice 5 Tabla de nmeros aleatorios. Alternativa 2. ............................................... 560
Apndice 6 Potencia del contraste del anlisis de la varianza........................................ 561
Apndice 7 Prueba de Duncan. Valores de q. 5 % de probabilidad de error. ................. 569
Apndice 7 Prueba de Duncan. Valores de q. 1 % de probabilidad de error. ................. 571
Apndice 8 Tabla de probabilidades asociadas con valores tan pequeos
como los valores observados de x en la prueba binomial. .......................... 573
Apndice 9 Tabla de valores crticos de r en la prueba de rachas .................................. 574
Apndice 10 Tabla de valores crticos de t en la prueba de los rangos sealados
de pares igualados de Wilcoxon ................................................................. 576
Apndice 11 Tabla de probabilidades asociadas con valores tan pequeos
como los valores observados de U en la prueba de Mann-Whitney. ........... 577
Apndice 12 Tabla de valores crticos de U en la prueba de Mann-Whitey ..................... 580
Apndice 13 Tabla de probabilidades asociadas con valores tan grandes como
valores observados de H en el anlisis de varianza de una clasificacin
por rangos de Kruskal-Wallis. .................................................................... 584

12
Tema 1 | Mtodos e Investigacin Cientfica

A mis hijos Patricia Aracelis


y Vctor Manuel

A mi esposa Aracelis

A mi madre

13
Tema
Tema
1 2| Mtodos
| La Teora
e Investigacin
Cientfica como
Cientfica
sistema

Investigar es ver lo que todo el mundo ha visto y pensar lo que nadie ms ha pensado.
Werner Heisenberg

15
Tema
Tema
1 2| Mtodos
| La Teora
e Investigacin
Cientfica como
Cientfica
sistema

Prlogo

La evolucin natural que marca los ltimos siglos, los cambios que muestra la
historia del ser humano, en el ordenamiento, organizacin y desarrollo de la sociedad,
de la revolucin industrial y del pensamiento, buscan entre otros, ser la respuesta y
el fundamento del rumbo tomado o impuesto a toda la humanidad.
Es as como muy poco ha sido producto del azar, los momentos ms pobres de la
humanidad han estado marcados por el oscurantismo, el desorden, la arbitrariedad
y el egosmo del hombre tratando de reponer su supremaca, conquistas y pertenencia.
En general los avances que han buscado o que han sorprendido a la humanidad, con
efectos positivos o secuelas tambin deletreas, son producto de una planificacin y de
su sistematizacin, con que el hombre ha querido poner su inteligencia y creatividad,
al servicio propio y de los dems.
La evolucin ha ido necesariamente delineada por el razonamiento, desde los
consejos de sabios ancianos con sus planteamientos de problemas y propuestas de
solucin basados en la evidencia de vivencias ancestrales, hasta los resultados con-
cluyentes, de investigaciones que entregan respuestas fundadas en la ciencia y en su
conocimiento. Hoy los consensos hacen una mocin de orden, en el intento de aunar
criterios, uniformar procesos y verificar conclusiones.
En esta bsqueda de orden y consenso, de unificacin de metodologas de trabajo
y de estandarizacin de procedimientos, entre otros, vengo a participar con especial
satisfaccin en la presentacin de este escrito cuyo autor es el Dr. Vctor Patricio Daz
Narvez (PhD), destacado acadmico de la Facultad de Odontologa de la Universidad
Finis Terrae. El Prof. Daz nos entrega su conocimiento, experiencia, recopilacin de
informacin e investigacin en el tema, con un documento en forma de texto que da
una visin clara, ordenada, didctica y aplicable a nuestra realidad pedaggica, de
utilidad para los alumnos, docentes y profesionales, en general y del rea de la salud,
en particular.
El Profesor Daz nos ofrece las herramientas que permiten y avalan la resolucin
de temas o problemas que hacen referencia a la metodologa de la investigacin
cientfica y a la estadstica aplicada a las ciencias mdicas y odontolgicas, y el valor
cientfico que ella adquiere en un uso normado y cuantificable, opcin de presente y
de futuro, que busca humanizar la aplicacin de la ciencia a favor de quienes sern
nuestros beneficiarios como futuros pacientes.

17
Metodologa de la Investigacin Cientfica

Sabemos que recibe la comunidad profesional, acadmica y nuestros alumnos del


rea de ciencia mdica en general, un texto de apoyo y de consulta de incalculable
valor, que se transformar sin duda en medio de consulta y referente obligado, para
todos quienes requieran entregar una propuesta con resultados cientficos serios y
confiables.

Profesor Doctor Sergio Snchez Rojas


Decano de la Facultad de Odontologa
Universidad Finis Terrae

18
Tema 1 | Mtodos e Investigacin Cientfica

Introduccin

Siempre que ensees, ensea a la vez a dudar de lo que enseas


Jos Ortega y Gasset

El presente libro pretende constituirse en una gua general que introduzca a los
profesionales y estudiantes de las carreras relacionadas con las Ciencias Mdicas
(Odontologa, Medicina, Kinesiologa, Nutricin y Diettica, Fonoaudiologa, Enfer-
mera, entre otras) de nuestra universidad, y de otras universidades, en tres elementos
importantes del proceso general de la investigacin cientfica: la Metodologa de la
Investigacin Cientfica, la Bioestadstica y la Metodologa Cualitativa aplicada a las
Ciencias Mdicas. El objeto fundamental del mismo es proveer a los profesionales y
estudiantes los fundamentos bsicos de estas reas (categoras, paradigmas, mtodos
y pruebas estadsticas ms usuales) que les permitan a ellos, no solamente comprender
los conceptos fundamentales que se manejan en la literatura investigativa, sino que,
simultneamente, acceder al manejo adecuado y eficiente de estas herramientas para
que, por s mismos, puedan emprender el trabajo investigativo y obtener un producto
efectivo del mismo.
Generar y resolver problemas cientficos en el campo de las Ciencias Mdicas re-
sulta un elemento bsico de la praxis normal de un profesional y de la formacin de
un estudiante. Est probado que existe una alta correlacin entre la calidad lograda
por los estudiantes, durante el proceso de enseanza-aprendizaje en la educacin
superior (y el buen desempeo profesional, en ltima instancia), y el resultado de
sus evaluaciones, cuando dicha formacin, a su vez, est asociada a una Poltica de
Participacin constante y sistemtica de los estudiantes en la praxis investigativa.
La generacin y resolucin de problemas cientficos esta directamente relacionada
con la capacidad para ascender desde la prctica a la teora, ascensin que debera
sustentar toda labor profesional o de formacin universitaria. Como consecuencia,
la investigacin cientfica constituye uno de los principales factores para la elevacin
de la calidad del trabajo asistencial y clnico por una parte y, por otra, es una de las
principales formas de lograr procesos de integracin de las materias que se imparten
en las universidades y se apoya en los presupuestos siguientes:

r La identificacin y toma de conciencia de los profesionales y estudiantes de


Ciencias Mdicas de la necesidad de la investigacin cientfica, desarrolla y
fortalece otra necesidad: la del continuo perfeccionamiento de su especialidad
en trminos de actualizacin permanente de sus conocimientos.

19
Metodologa de la Investigacin Cientfica

r El rescate de los valores y modos de actuacin del profesional y del estudiante


requieren de una actitud crtica e investigativa hacia la realidad, con el objeto
de conocerla y, fundamentalmente, de transformarla.

r La investigacin en s misma es portadora de un cambio que exige un verda-


dero conocimiento de la situacin real, es decir, del contexto objeto de estudio
y de la teora que sustenta dicho conocimiento. Es, en definitiva, un estilo
de pensamiento y una forma de abarcar el mundo que el sujeto cognoscente
adquiere potenciando dicho conocimiento e influyendo positivamente en su
entorno.

r La naturaleza prctica de los problemas en las Ciencias Mdicas obliga al


profesional y al estudiante a tratar de explicarse los fenmenos de este tipo
de naturaleza; pero, adems, obliga, para una completa explicacin, a hacerlo
desde un punto de vista terico.

r La investigacin puede ser considerada un proceso cuyo fin no es slo reunir y


analizar los datos que sustentan el conocimiento cientfico. Vistos los asuntos
desde este ngulo, implica la bsqueda de conocimientos y verdades que per-
mitan no slo describir, sino que tambin explicar, generalizar y predecir los
fenmenos que se manifiestan en las Ciencias Mdicas.

En la actualidad, la concepcin de un conocimiento cientfico absolutamente verda-


dero ha sido abandonada. El conocimiento va transcurriendo en un proceso incesante
de pequeos ncleos de verdades que son parciales y relativas; por tanto, es necesario
someter a cada una de estas verdades parciales a una crtica rigurosa y sistemtica,
utilizando todos los mtodos y medios a nuestro alcance, considerando a cada una
de ellas como una verdad objetiva; pero, al mismo tiempo, parcial y relativa. Estos
ncleos nos permiten conocer ciertas realidades y a ciertos niveles, pero no toda la
realidad objetiva.
La mayora de los problemas relacionados con las Ciencias Mdicas tienen un
carcter complejo, multifactorial y variable. Su estudio no puede ser abordado por
una sola ciencia, ya que todos los factores que en ella inciden varan en intensidad y
en modos de influir y manifestarse. Es raro que una patologa pueda atribuirse slo
a una causa y nada ms que a una causa. An ms, una misma patologa puede tener
una distribucin de acontecimientos distinta de acuerdo a la regin, pas, sexo, edad y
a otras muchas variables. Por lo antes sealado, algunos autores se inclinan por sealar
que no slo existen enfermedades, sino ms bien enfermos o pacientes. Las Ciencias
Mdicas, por tanto, requieren para su enriquecimiento, del desarrollo constante de la
Investigacin Cientfica en su propio seno y de la cooperacin y participacin efectiva
de varias otras disciplinas. La Metodologa de la Investigacin Cientfica, la Estadstica
Aplicada (Bioestadstica) y la Investigacin Cualitativa son algunas de estas disciplinas
que entregan un aporte sustancial a las ciencias mdicas, pero no las sustituyen, sino
ms bien, la complementan. Esto es as por el simple hecho de que las Ciencias
Mdicas tienen sus propias leyes de desarrollo y evolucin.

20
Tema
Tema
1 2| Mtodos
| La Teora
e Investigacin
Cientfica como
Cientfica
sistema

El proceso de investigacin no se da en un vaco, por el contrario, se produce en un


contexto donde existen mltiples influencias que es necesario desentraar en el camino
de la obtencin de la verdad, del surgimiento de un nuevo conocimiento. Entonces, si
queremos hacer ciencia y, aun menos que esto, si queremos slo aprender y aprehender
de la ciencia, debemos estudiar muchas disciplinas aparentemente desconectadas
entre s. El proceso dialctico de integracin y sntesis de esas individualidades, en un
sentido especfico, nos conduce directamente a las Ciencias Mdicas. Como conse-
cuencia, sealar que la Odontologa, Medicina, Kinesiologa, Enfermera, Obstetricia,
entre otras disciplinas mdicas, son profesiones operacionalizantes constituye una
expresin que ignora el concepto bsico de ciencia y niega la posibilidad de constitu-
cin de leyes especficas a las disciplinas mdicas.
Desde otro punto de vista, el profesional o el estudiante de las Ciencias Mdicas
que investiga, y que est provisto de las herramientas fundamentales para tal ejercicio,
se adelanta en este proceso, teniendo muy en cuenta los conocimientos y valores que
guan y dan sentido a su actuacin estudiantil y profesional.
Es inevitable que en la seleccin de problemas, en la determinacin de los mto-
dos y las tcnicas, en los recursos que se emplean, est presente la personalidad del
investigador. Ningn paradigma ni procedimiento metodolgico deber, en el anlisis
de los factores, descontextualizar el hecho de la existencia de la estructura personal,
pues de lo contrario ser un hecho muerto que no podr ser interpretado correc-
tamente. En otras palabras, la investigacin cientfica es hecha por seres humanos,
por tanto la calidad del producto de tal accin est directamente relacionada con las
caractersticas del sujeto que la realiza.
Las Ciencias Mdicas, en general, emplean diferentes paradigmas en su proceso de
investigacin. Hacen uso, para desarrollar el conocimiento, de mtodos especficos
y generales del conocimiento. Uno de los principales es el modelo emprico analtico
hipottico-deductivo centrado en la explicacin causal de los fenmenos que alteran
o mantienen la salud del individuo y de la poblacin. Dicho modelo ha demostrado
su valor en la bsqueda de la objetividad, en el complejo estudio de la salud como un
proceso. No obstante, es necesario recalcar que, desde luego, no es el nico modelo,
y que la investigacin cientfica en las Ciencias Mdicas no se reduce a este. De lo que
se trata, en todo caso, es de buscar todas las alternativas en relacin con los enfoques
y mtodos que nos conduzcan al acercamiento a la verdad en forma progresiva y, si
es posible tambin, en forma rpida. A realidades poco complejas les corresponden
mtodos y enfoques ms simples. A realidades cada vez ms complicadas les corres-
ponden mtodos y enfoques cada vez ms complejos.
Todo lo que se pretende mostrar en este libro es una sntesis relativamente restrin-
gida de los diferentes mtodos, enfoques y paradigmas que se usan en el campo inves-
tigativo, y de aquellos mtodos cuantitativos (estadsticos) y cualitativos ms usados
en el campo de la salud, que han demostrado tener un valor cientfico en el proceso
de investigacin, suficiente para abordar y resolver la mayora de los problemas que
se generan en las Ciencias Mdicas. No es su objeto sustituir a los textos clsicos en
las tres reas tratadas aqu: Metodologa de la Investigacin Cientfica, Bioestadstica
y Mtodos Cualitativos, tarea que es imposible, pero s cumplir una funcin impor-
tante para los profesionales y estudiantes de Ciencias Mdicas egresados de nuestra

21
Metodologa de la Investigacin Cientfica

universidad, y de cualquier otra universidad, toda vez que hemos tratado de hacer
un esfuerzo, merecido por todos ellos, para mostrar los contenidos del Sistema de
Programas que constituyen las asignaturas de Mtodo Cientfico y Bioestadstica
de una manera lo ms clara posible, en forma accesible para ellos, sin complicaciones
matemticas y con un sentido operacionable (aplicable) al proceso de investigacin
que los estudiantes debern asumir en cursos, dentro de esta misma asignatura (y en
otras posteriores), y para la comprensin de otras asignaturas que usan, sin duda, la
Metodologa, la Biostadstica y los Mtodos Cualitativos como algunas de las herra-
mientas necesarias para impartir con fundamento sus contenidos propios.
Este libro est dividido en tres partes. La primera de ellas trata sobre los problemas
del mtodo cientfico, la segunda sobre estadstica aplicada (bioestadstica) y la tercera
est relacionada con los mtodos cualitativos, todos contextualizados a las Ciencias
Mdicas. En todos los casos se han dividido los contenidos por captulos.
La Primera Parte se ha dedicado a la Metodologa de la Investigacin Cientfica. Se
entregan todos los conocimientos necesarios para que el Profesional y el Estudiante
hagan suyos los conceptos que les permitan adquirir las competencias necesarias para
elaborar un Proyecto de Investigacin y llevar a cabo una investigacin real. Con este
fin es que se incluyen los pasos que se requieren en cada caso, pero tambin se expli-
can los fundamentos que justifican estos pasos, pretendiendo con ello eliminar toda
forma esquemtica y mecanicista en el aprendizaje de los principios de esta disciplina.
La Segunda Parte se ha dedicado a la Bioestadstica. Se pretende, modestamente,
entregar los conocimientos de esta disciplina a los Profesionales y Estudiantes de una
forma tal que ellos puedan darse cuenta de que muchos fenmenos u observaciones
empricas en las ciencias mdicas pueden ser descritos y explicados por esta disciplina.
A veces constituye la nica forma de lograrlo. Pero, al mismo tiempo, se entregan
dichos conocimientos de manera que el estudiante no tenga inconveniente en seguirlos
paso a paso y tambin para que pueda reproducirlos en otras circunstancias y con-
textos similares o diferentes a los formalizados en este texto. Con esto, aumentan
las probabilidades de que el lector pueda adquirir las competencias necesarias para
lograr cierta independencia, o la independencia suficiente, para terminar de construir
el Diseo Terico de la Investigacin y llevar a la prctica real dicho diseo, es decir,
lograr obtener los resultados numricos necesarios y procesarlos en concordancia
con dicho diseo.
Por ltimo, se ha introducido la Metodologa Cualitativa debido a la existencia
de dos situaciones muy concretas, entre otras desde luego. La primera es que a veces
nos tropezamos con hechos u observaciones totalmente nuevos y con caractersticas
especiales, de las cuales no tenemos referencia alguna. En este caso, estamos ante la
necesidad de iniciar una investigacin exploratoria. En la segunda situacin el ob-
jeto de investigacin es complejo y no se conocen las variables que estn incidiendo
en el objeto analizado. En este caso, o mejor dicho, en este contexto amplio y poco
profundo en cuanto a su conocimiento se refiere, se requiere primero obtener una
primera aproximacin al objeto. Bajo estas circunstancias, los mtodos cualitativos son
insustituibles. Esta metodologa nos entrega las herramientas necesarias para lograr
tener una conformacin ms delimitada del objeto nuevo de estudio y nos proporcio-
na los elementos necesarios para que podamos elaborar aquellas hiptesis empricas

22
Tema
Tema
1 2| Mtodos
| La Teora
e Investigacin
Cientfica como
Cientfica
sistema

que nos permitirn, posteriormente, cuantificar las variables de este nuevo objeto de
investigacin. Por tanto, este tipo de metodologa permite adquirir las competencias
necesarias que nos provean la posibilidad de una primera aproximacin a este tipo
de observaciones o hechos, de manera cientfica.
Se incluyen Apndices y al final de cada tema de la segunda y tercera parte se
plantean problemas para que el estudiante pueda verificar si sus conocimientos al
respecto han precipitado, como todos lo deseamos.
Un respetuoso llamado de atencin, aunque parezca una reiteracin: este libro no
agota los contenidos de ninguno de los captulos. Es ms bien una aproximacin a
cada uno de ellos pero, no obstante, no carece de rigurosidad cientfica en su exposi-
cin y constituye una sntesis de las ideas de muchos otros autores en estos temas, los
cuales han sido debidamente citados al final de cada captulo y a ellos corresponde el
mrito principal. Ese es el compromiso que han asumido los distintos acadmicos que
han participado en este libro. Esperamos que les sea til para el estudio del sistema de
asignaturas que contempla al Mtodo Cientfico, la Bioestadstica y la Metodologa
Cualitativa y les abra un camino para profundizar en estos contenidos, todo lo cual
les ser muy necesario para su presente de estudiante y su futura labor profesional.
Por ltimo, es necesario recordar que esta asignatura no se entrega en un vaco
social. No es slo una serie de conceptos y teoras, sino que es tarea fundamental del
sujeto cognoscente (el alumno), del profesor que imparte este programa y de todos los
profesores de cada carrera en particular, vincular, concreta y tericamente, sus conte-
nidos a la filosofa y a la misin de las Facultades y Universidades, sin olvidar jams
que todos estos conocimientos que adquirirn nuestros estudiantes estn dirigidos a
lograr un objetivo central y profundamente humano: aliviar el dolor y entregar salud
a la humanidad y a su entorno. Olvidar esto ltimo sera olvidar la esencia misma
de la investigacin cientfica: conocer y dominar a la naturaleza para beneficio de la
propia naturaleza.

Vctor Patricio Daz Narvez


Junio de 2009

Es intil luchar contra las leyes de la Naturaleza, pero tambin es vergonzoso


someterse a ellas sin rechistar. Lo nico que le queda al hombre es tratar de
comprender estas leyes. Y, si lo consigue, ponerlas a su servicio.

23
Tema
Tema
1 2| Mtodos
| La Teora
e Investigacin
Cientfica como
Cientfica
sistema

Nota sobre esta edicin


y sus colaboradores

El presente texto supera en mucho a su versin anterior, no porque sea ms gran-


de y tenga ms pginas, sino por el hecho de que se han incorporado profesionales
de las Ciencias Mdicas y acadmicos de reas diversas para exponer, en conjunto
con el autor o en forma separada, sus pensamientos, reflexiones y conocimientos.
Esta participacin engrandece esta obra y permite exponer diferentes puntos de vista
o simplemente confirmar que en la ciencia se tiende (a corto, mediano o largo plazo)
a la convergencia de ideas cuando estas estn precedidas con fundamento emprico
slido y sostenidas por la lgica de la ciencia y su mtodo. Somos partidarios no slo
de los trabajos multidisciplinarios, sino con mayor propiedad, de los interdisciplinarios.
Como consecuencia de lo anterior, no puedo dejar de expresar, en forma explcita,
los nombres y grados cientficos de todos aquellos que colaboraron en este texto.
Mi sincera gratitud a la Dra. Aracelis Calzadilla Nuez, Mdico-Cirujano que
se est especializando en Psiquiatra Infanto-Juvenil en el Hospital Felix Bulnes de
Santiago de Chile, por su ubrrima, estrecha y activa colaboracin en algunos cap-
tulos. A Paulina Lpez Orellana, Acadmica de la Universidad de Valparaso (Chile),
Magister en Bioestadstica y que actualmente est realizando su Doctorado (Ph.D) en
Salud Pblica en la Universidad de Paris VI (Francia), por su magnfica exposicin
del captulo de Riesgo en Salud. Alejandro Reyes Reyes, Psiclogo y Magister en
Bioestadstica (Director de la Carrera de Psicologa de la Universidad Santo Toms de
Concepcin, Chile), desarroll el captulo de Probabilidades con verdadera maestra.
Los captulos de Metodologa Cualitativa fueron desarrollados por la Dra. Debbie
Guerra (Ph.D) y por el Dr. Juan Carlos Skewes (Ph.D) (Director de Postgrado),
Antroplogos y Acadmicos de la Universidad Austral de Chile, quienes realizan
muchas actividades de investigacin en las reas de las Ciencias Mdicas y Ciencias
Sociales en esa universidad y precisamente, dichas actividades fundamentan, entre
otros aspectos, el excelente desempeo en la exposicin de sus ideas. Y, por ltimo,
por las enseanzas que nos ofrece Mara del Carmen Sosa, Licenciada en Ciencias
de la Informacin Cientfica, que nos propone un camino directo para aprender las
tcnicas de bsqueda de este tipo de informacin que nos posibilite obtener todo
lo necesario para la realizacin de una rpida y efectiva Revisin Bibliogrfica. No
puedo dejar de nombrar a mis estudiantes de Odontologa, Medicina y Kinesiologa
de la Universidad Finis Terrae (y de otras universidades) quienes, con ojo clnico,

25
Metodologa de la Investigacin Cientfica

fueron capaces de detectar muchos errores del texto anterior, todo lo cual me hace
sentir muy satisfecho pues tal hecho representa la realizacin de una lectura con
mirada crtica de dicho texto. Que ms puede esperar un profesor de sus alumnos?
Ninguna obra humana es perfecta. Este texto no es perfecto. Las probabilidades
de que tengamos que arreglar, ajustar, profundizar, ampliar y perfeccionar el mismo
son muy altas. Esperamos que estos mismos colaboradores (y el ojo clnico de mis
estudiantes) estn dispuestos a reemprender esta tarea tantas veces como nos lo exijan
nuestros estudiantes y los profesionales del rea de las Ciencias Mdicas.

Con mis maestros he aprendido mucho; con mis colegas, ms; con mis alumnos todava ms.
Proverbio hind.

26
Tema
Tema
1 2| Mtodos
| La Teora
e Investigacin
Cientfica como
Cientfica
sistema

Primera Parte

1IXSHSPSKuEHIPE-RZestigacin Cientca

27
Tema
Tema
1 2| Mtodos
| La Teora
e Investigacin
Cientfica como
Cientfica
sistema

Captulo 1

Mtodos e investigacin cientfica

Hay quien cruza el bosque y slo ve lea para el fuego.


Len Tolstoi

1.1. Caractersticas de la Investigacin Cientfica.


Sus diferencias con respecto al razonamiento especulativo
y al conocimiento emprico espontneo

La investigacin cientfica, como forma especial de buscar el conocimiento, pre-


senta ciertas caractersticas que la diferencian de otras formas de abordar la realidad,
como lo son el conocimiento emprico espontneo y el razonamiento especulativo.
El conocimiento emprico espontneo est ntimamente vinculado con la actividad
productiva del hombre y se constituye por una serie de conocimientos que el hombre
adquiere espontneamente en el proceso de socializacin, mientras que el razonamiento
especulativo est ms alejado de la prctica social y es el resultado del pensamiento
imaginativo de los seres humanos.
El objeto fundamental de la ciencia es el desarrollo del conocimiento, es decir,
la profundizacin en las propiedades y leyes esenciales de la realidad. A su vez, el
desarrollo de la ciencia est ntimamente vinculado con los problemas que le plantea
la sociedad como un todo, pero le es inherente una lgica propia. En el curso de ello,
la ciencia genera sus problemas cognoscitivos especficos, cuya solucin terica no
ofrece, en muchas ocasiones, una aplicacin inmediata a las necesidades prcticas y
productivas. La solucin de problemas cientficos es una condicin necesaria para
continuar apropindonos de la realidad y para propiciar el desarrollo progresivo de
la ciencia misma.
Para entender los objetivos fundamentales de la investigacin cientfica es necesario
analizarlos teniendo en consideracin las funciones que la ciencia desempea, lo cual
ser examinado ms adelante con mayor detenimiento.
Una de las primeras funciones que la ciencia atiende, vista desde una perspectiva
histrica, es describir la realidad, lo cual es un momento necesario en el proceso del
conocimiento cientfico que est marcado por la aplicacin de mtodos y tcnicas que
se emplean con el objeto de recopilar (acumular) datos y hechos, y para establecer
generalizaciones empricas. Esta funcin predomina en los estados embrionarios del
desarrollo de la ciencia donde todava no estn lo suficientemente consolidados su
sistema terico y sus principios metodolgicos propios. A su vez, se conserva esta
funcin en los estados ulteriores de madurez terica, como un momento gnoseolgico
importante que sirve de base para el cumplimiento de las restantes funciones.
29
Metodologa de la Investigacin Cientfica

Una segunda funcin importante de la ciencia es explicar la realidad. Es decir,


reflejar mediante generalizaciones tericas (principios, leyes, conceptos) las propie-
dades y regularidades esenciales y estables de los fenmenos, as como de los factores
causales que los determinan.
La explicacin de la realidad y las generalizaciones tericas, permiten a la ciencia
cumplir la funcin de predecir los comportamientos futuros de los fenmenos, esto
es, de establecer pronsticos dentro de determinado rango de probabilidad.
Dentro de la serie de funciones que cumple la ciencia, ocupa un lugar importante la
transformacin de la realidad en correspondencia con las necesidades y demandas de
la sociedad. Es justamente esta ltima funcin la que determina y justifica la existencia
y el desarrollo de la ciencia como forma especial de conocimiento.
El grado en que ella puede cumplir las funciones de explicar, predecir y transformar
la realidad depende del nivel de maduracin terico-metodolgico que haya alcanzado
en un momento histrico determinado.
Comparar estas funciones que cumple la actividad cientfica respecto al conoci-
miento emprico espontneo y al razonamiento especulativo, permitir apreciar las
limitaciones intrnsecas de estos ltimos.
El conocimiento emprico espontneo, que interviene en el proceso productivo y
en las diferentes esferas de la vida de los seres humanos, es capaz de cumplir las fun-
ciones antes sealadas, pero en un mbito muy limitado, es decir, solamente respecto
de aquellos objetos, instrumentos o fenmenos que estn insertos dentro de la acti-
vidad laboral y social de las personas, de los que refleja sus propiedades observables
directamente, sin profundizar en sus leyes y cualidades esenciales. Por su parte, el
conocimiento especulativo, a pesar de que en ocasiones ha proporcionado intuiciones
geniales sobre la realidad, la mayora de las veces proporciona un reflejo distorsionado
que obstaculiza el verdadero proceso de conocimiento
Otra caracterstica importante de la investigacin cientfica es presentar un objeto
de estudio especfico y real. Esto se observa en las ciencias mdicas en general, que
poseen un objeto de estudio definido al investigar los factores objetivos y subjetivos
que determinan los procesos y estados morbosos (patologas) y la normalidad (salud).
De esta manera, la ciencia estudia una esfera especfica de la realidad, ya sea objeti-
va, o los procesos subjetivos del ser humano. Esta caracterstica diferencia a la ciencia
del razonamiento especulativo que en muchas ocasiones trata sobre cuestiones vagas
u objetos fantsticos o inexistentes.
La ciencia indaga su objeto de estudio utilizando de una manera sistemtica y
rigurosa, mtodos y medios especiales de conocimiento que permiten obtener datos
confiables, as como un reflejo profundo y exacto de las regularidades esenciales de la
realidad. En las investigaciones mdicas desempean un papel fundamental los mto-
dos empricos, estadsticos, clnicos, tericos y lgicos los cuales cumplen funciones
cognoscitivas diferentes, que se complementan entre s.
La utilizacin de los mtodos y medios especiales de la investigacin diferencia a la
ciencia, respecto al conocimiento emprico espontneo y al razonamiento especulativo.
La ausencia de mtodos de investigacin en el conocimiento emprico espontneo de-
termina que sus resultados permanezcan en el nivel emprico y posean bajos niveles de
confiabilidad y de generalizacin; la carencia de mtodos y medios en el razonamiento
especulativo explica sus construcciones apriorsticas y divorciadas de la realidad.

30
Tema
Tema11 | Mtodos e Investigacin Cientfica

La investigacin cientfica persigue, como objetivo fundamental, ir ms all de los


aspectos fenomenolgicos y superficiales de la realidad y explicar sus regularidades y
propiedades esenciales, reflejndolas en sistemas tericos conceptuales que cumplan
determinados requisitos lgicos y metodolgicos, como los siguientes:

1. Los principios, conceptos y leyes de la teora deben poseer entre ellos relaciones
y dependencias lgicas, de manera que integren un sistema conceptual coherente.
2. El sistema terico debe ser, en principio, verificable empricamente, sobre la base
de los resultados que proporcionan los mtodos empricos de investigacin.

La construccin de sistemas tericos que explican fenmenos y permiten hacer


predicciones en un vasto campo de la realidad, es otro de los requerimientos que
diferencia a la investigacin cientfica del conocimiento emprico espontneo, que
se mueve dentro de los estrechos lmites de la actividad laboral o social tradicional
y que no genera teoras. La exigencia metodolgica de las teoras cientficas sean,
en principio, confirmadas empricamente, es una caracterstica fundamental que las
distingue del razonamiento especulativo, que no fundamenta sus conclusiones en
hechos concretos de la prctica social (productiva, cientfica, etc.) sino que, por el
contrario, considera demostrada una tesis a partir del simple pensamiento discursivo
o de puntos de vista dogmticos.
El proceso de investigacin cientfica encuentra su fundamento metodolgico en la
concepcin cientfica general de la realidad objetiva. A diferencia del proceso de inves-
tigacin, el conocimiento emprico espontneo no se basa en una concepcin filosfica
cientfica sobre la realidad, aunque puede estar permeado en mayor o menor medida
por una concepcin intuitiva del mundo. Por su parte, el razonamiento especulativo
se desarrolla en un contexto no cientfico que en muchas ocasiones proporciona una
visin deformada de la realidad.

1.2. Importancia del conocimiento cientfico emprico


espontneo y del razonamiento especulativo

La investigacin cientfica se diferencia del conocimiento emprico espontneo


y del razonamiento especulativo, como ya se ha visto. Estos ltimos presentan grandes
limitaciones que no les posibilita cumplir con los objetivos y funciones de la ciencia.
No obstante, no se debe subestimar el papel que ambos han desempeado en el lento
y complejo proceso de adquisicin del conocimiento por parte del ser humano y en
la transformacin consciente de la realidad. Ellos surgen a partir de las necesidades
y demandas de la vida social y representan modos iniciales de abordar y explicar los
fenmenos naturales y sociales, contribuyendo de esta forma a la acumulacin cuan-
titativa de conocimientos del ser humano.
Dentro de los lmites del conocimiento emprico espontneo ha sido y es conocida y
controlada una gran variedad de fenmenos naturales y sociales, que han posibilitado
la evolucin laboral del ser humano y otras actividades. De esta manera, nos encon-
tramos, por ejemplo, con que la prctica mdica, antes de ser abordada con mtodos

31
Metodologa de la Investigacin Cientfica

de investigacin cientfica, elabor en el propio proceso emprico espontneo de su


desarrollo, mtodos y procedimientos efectivos para la prctica mdica,que conser-
van an validez; aunque es indudable que tambin cre concepciones errneas en la
mayora de las situaciones que se le presentaban.
De manera similar, comprobamos que el razonamiento especulativo, a pesar del
reflejo deformado y mistificado, que en muchas ocasiones ofrece sobre la realidad,
ha hecho su aporte al conocimiento. Basta recordar, como ejemplo, las concepciones
espontneas sobre la naturaleza, contenidas en el pensamiento filosfico de la antigua
Grecia, as como de las intuiciones geniales sobre la actividad cognoscitiva y las leyes
de la realidad de la filosofa clsica alemana.
Tampoco podemos olvidar que el pensamiento especulativo y la imaginacin crea-
dora constituyen componentes fundamentales de toda investigacin cientfica y que
desempean un papel esencial en su originalidad y profundidad. El problema radica
en no limitarse a este momento del proceso del conocimiento y someter a verifica-
cin emprica, a travs de mtodos cientficos vlidos y confiables, los resultados de
la actividad intelectual especulativa. Cuando falta este proceso de verificacin en la
prctica, es que se cometen los errores propios del razonamiento especulativo y se
produce una visin deformada de la realidad.
A continuacin, ofrecemos un cuadro comparativo entre la investigacin cientfica,
el conocimiento emprico espontneo y el razonamiento especulativo.

Caractersticas de la ciencia, el conocimiento emprico espontneo y


el razonamiento especulativo

Investigacin Conocimiento Emprico Razonamiento


&LHQWtFD Espontneo Especulativo

Conocer la realidad
Describir, explicar Proporcionar un
observable con el objeto de
OBJETIVO tericamente, predecir y UHHMRGHODUHDOLGDG
solucionar problemas prcticos
transformar la realidad que resulta deformado
de la sociedad

Comprende los
(VGHQLGRUHDO\
Objeto de instrumentos de trabajo del
comprende la esencia Es vago e irreal
Estudio ser humano y el campo de
de la realidad
la actividad laboral y social

No utiliza mtodos
No utiliza mtodos
Mtodos Utiliza mtodos especiales de
especiales de conocimiento
conocimiento
No elabora sistemas Las teoras tienen
Elabora sistemas
tericos. Los conocimientos un carcter especulativo.
WHyULFRVFRQUPDEOHVHQ
Teora estn en forma de indicadores Sus fundamentos
la prctica. Se orienta por
concretos. No presenta una ORVyFRQRVRQ
SULQFLSLRVORVyFRVFLHQWtFRV
baseterico- metodolgica FLHQWtFRV

32
Tema 1 | Mtodos e Investigacin Cientfica

1.3. Mtodo y metodologa

Los mtodos cientficos cumplen una funcin fundamental en el desarrollo de


la ciencia. Permiten obtener nuevos conocimientos sobre el fenmeno y desempean
un papel importante en la construccin y desarrollo de la teora cientfica.
El mtodo cientfico se puede definir como el conjunto de procedimientos o reglas
generales por medio de las cuales se investiga el objeto de estudio de la ciencia. Tam-
bin puede ser definido como una cadena ordenada de pasos (acciones) basada en un
aparato conceptual determinado y en reglas que permiten avanzar en el proceso del
conocimiento, desde lo conocido a lo desconocido.
Es necesario establecer una diferencia entre mtodo y metdica, esta ltima de-
finida como el conjunto de procedimientos particulares que permiten utilizar uno u
otro mtodo en una esfera especfica de la realidad. Como consecuencia, el mtodo
se refiere a las reglas generales para la bsqueda del conocimiento, mientras que la
metdica incluye las indicaciones concretas de cmo deben aplicarse las reglas del
mtodo a las condiciones especficas de una investigacin en particular.
En la investigacin mdica y odontolgica los mtodos empricos, estadsticos y
tericos son de extraordinaria importancia, ya que permiten la obtencin y elaboracin
de los datos empricos y el conocimiento de los hechos fundamentales que caracterizan
a los fenmenos. La observacin, la experimentacin, la entrevista, la encuesta, etc.,
posibilitan estudiar los fenmenos observables y confirmar las hiptesis y las teoras.
Los mtodos estadsticos cumplen una funcin relevante en la investigacin mdica
en general, ya que contribuyen a determinar la muestra de sujetos a estudiar, tabular
los datos empricos, procesar de una manera coherente los mismos y a establecer
generalizaciones apropiadas a partir de ellos.
De igual manera, tienen una especial importancia en el proceso de investigacin los
mtodos tericos. Estos se utilizan en la construccin y desarrollo de la teora cientfica,
y en el enfoque general para abordar los problemas de la ciencia, por lo que permiten
profundizar en el conocimiento de las regularidades y cualidades esenciales de los
fenmenos. Los mtodos tericos comprenden el anlisis y la sntesis, la induccin y
la deduccin, el trnsito de lo abstracto a lo concreto, la modelacin, el enfoque de
sistemas, el enfoque complejo, etc., los cuales sern discutidos ms adelante.
Hay concepciones que sostienen que los mtodos cientficos son procedimientos
puramente formales establecidos por acuerdo entre los investigadores; o que su fuen-
te radica nicamente en el pensamiento subjetivo y apriorstico del ser humano. Si
esta concepcin fuera real, ello significara que no existe relacin objetiva entre los
mtodos y las caractersticas y leyes de los fenmenos que estudian. Sin embargo, la
prctica investigativa ha demostrado permanentemente que, al tener como objetivo el
descubrimiento de las leyes que rigen los fenmenos, estos mtodos se deben elaborar
sobre la base de las leyes y propiedades fundamentales conocidas acerca del objeto de
estudio, es decir, tienen que reflejar la naturaleza interna y esencial de los fenmenos
para poder cumplir sus objetivos cognoscitivos.
Lo expresado determina que el mtodo cientfico debe presentar una estrecha vin-
culacin con la teora, ya que esta refleja en forma conceptual, sistemtica y lgica
los conocimientos que se poseen sobre una esfera de la realidad; esto es, la teora

33
Metodologa de la Investigacin Cientfica

proporciona una representacin conceptual de las leyes y cualidades objetivas del


objeto de estudio de la ciencia.
De aqu que los mtodos deban elaborarse sobre la base de los principios y leyes
de la teora cientfica. Cada ley cientfica refleja lo que existe en la realidad y, a la vez,
seala cmo es necesario pensar en la esfera correspondiente del ser. Los mtodos no
son las propias leyes, sino las reglas y procedimientos elaborados sobre su base, que
sirven para el conocimiento y la transformacin posterior de la realidad.
As, encontramos que los mtodos estn sometidos a un doble condicionamiento:

1. El componente objetivo: ya que el mtodo tiene que reflejar las particularidades


y leyes objetivas de los fenmenos.
2. El componente subjetivo: constituido por los procedimientos y operaciones que
tiene que realizar el ser humano en el proceso de investigacin. Estos procedi-
mientos se elaboran sobre la base de las leyes del fenmeno.

Lo anterior nos conduce a considerar que existe una profunda relacin de esen-
cialidad entre los mtodos cientficos, las teoras y el objeto de estudio de la ciencia.
Estos tres elementos no pueden separarse en tal esencialidad.
El mtodo cientfico, por tanto, no constituye solo los pasos que se deben realizar
para llevar a cabo con xito una investigacin concreta. Hay que discriminar entre
mtodo cientfico y metdica. La metodologa cientfica es el estudio de la actividad
cientfica y constituye un conocimiento general del proceso de investigacin cientfica,
de su estructura, de sus elementos y de sus mtodos.
Cada ciencia tiene que elaborar los principios metodolgicos que orientan su pro-
ceso de investigacin en los niveles emprico y terico, as como el uso de los mtodos
y medios especiales del conocimiento. Los fundamentos metodolgicos proporcionan
la estrategia a seguir en la investigacin, dan el enfoque general que orienta el plan-
teamiento del problema cientfico y su proceso de estudio y solucin.
Los principios tericos y metodolgicos, y los mtodos de investigacin cientfica
estn sujetos a un desarrollo histrico permanente, pues se condicionan por la lgica
interna del desarrollo de la propia ciencia, as como por factores econmicos y sociales.

1.4. Concepciones metodolgicas sobre la investigacin

El problema de la diversidad de concepciones que existen sobre la investigacin


cientfica obliga al autor de este texto a realizar una sntesis de las mismas. Como
toda sntesis de ideas no puede estar al margen del pensamiento particular de quien
la realiza, y es necesario advertir al estudiante que su lectura debe ser crtica, pues en
estos aspectos no existe un pensamiento comn y ser l quien decidir qu tendencia
o posicin adoptar como propia.

34
Tema 1 | Mtodos e Investigacin Cientfica

Irracionalismo

El irracionalismo es una concepcin gnoseolgica muy generalizada que rechaza


el pensamiento racional como medio de obtener conocimiento verdadero.
Considera que la razn no le permite al ser humano conocer la naturaleza, ni la
sociedad y afirma que el pensamiento discursivo no nos puede ofrecer una imagen
verdadera de la realidad objetiva ya que esta slo se puede lograr mediante la intui-
cin irracional.
Segn el irracionalismo, la intuicin consiste en una aprehensin inmediata de las
caractersticas esenciales de los fenmenos subjetivos, que permite al sujeto describir
lo que existe de individual, nico, fundamental en los contenidos de la conciencia. El
irracionalismo niega las cualidades y regularidades generales, necesarias y estables que
encontramos en la realidad objetiva y pretende encontrar en el mtodo subjetivista
de la intuicin la fuente de todo conocimiento y de toda realidad.

Racionalismo

El racionalismo es una posicin radicalmente opuesta al irracionalismo. Es una


concepcin metodolgica que absolutiza el pensamiento abstracto y considera que
se pueden formar juicios verdaderos sin necesidad de la experiencia. El racionalismo
proclama el mtodo deductivo separado de la induccin, lo que lleva a elaborar ex-
plicaciones apriorsticas sobre la realidad.

Empirismo

Otra posicin muy generalizada de la metodologa de la investigacin es el empi-


rismo. Esta concepcin considera que la experiencia sensorial es el nico medio de
conocimiento, menoscabando la funcin que cumple el pensamiento abstracto racional
en el proceso cognoscitivo. El empirismo concibe al individuo como un simple receptor
pasivo de las impresiones sensoriales sin comprender la importancia de la actividad
interna y externa del ser humano en el proceso del conocimiento.

Empirismo y Racionalismo: una contradiccin solucionable

El empirismo fundamenta el papel decisivo de los rganos sensoriales en la distin-


cin de los objetos y en la obtencin de conocimiento verdadero. Con estos fines se
han estudiado las posibilidades gnoseolgicas de los rganos sensoriales, sus premi-
sas y antecedentes, y las condiciones en las cuales es posible obtener datos sensibles
objetivos. Partiendo de esta orientacin, se elaboraron los mtodos de comprobacin
de las conclusiones tericas con la ayuda de los datos sensibles.
Los representantes del racionalismo absolutizan el papel decisivo del pensamiento
lgico en la obtencin del conocimiento verdadero. A este fin ellos supeditan el estu-
dio a las posibilidades gnoseolgicas del pensamiento, tratan de formular reglas que
satisfagan la secuencia lgica y la manipulacin exacta de los conceptos en el proceso
del conocimiento. El conocimiento, desde el punto de vista de los racionalistas, no

35
Metodologa de la Investigacin Cientfica

comienza con las sensaciones, sino con los objetos exactamente formulados y con los
principios que permiten someter dichos objetos a un estudio sistemtico y obtener un
conocimiento autntico de ellos. Sin embargo, a pesar de sus diferencias esenciales,
ambas tendencias analizan el proceso de conocimiento solamente como una forma
particular de la actividad de la conciencia.
Ambas, partiendo de las leyes y las propiedades reales de la actividad de la concien-
cia, colocan a esta en la base de la explicacin del proceso del conocimiento. Analizan
la actividad cognoscitiva en la conciencia como objeto de la gnoseologa.
La explicacin de la actividad cognoscitiva de la conciencia es el objeto de las
concepciones gnoseolgicas. La gnoseologa tropieza con este problema en el estudio
de las posibilidades gnoseolgicas concretas de los rganos de los sentidos y del pen-
samiento lgico, al fundamentar los mtodos de control de su actividad.
Sin embargo, la separacin del proceso del conocimiento, como objeto que est
sujeto a estudio y explicacin, plantea el siguiente problema: estn contenidas en
la propia conciencia todas las premisas y las condiciones que determinan la sepa-
racin de los objetos y el establecimiento y ordenacin de los hechos sobre ellos, la
obtencin y comprobacin de las distintas formas del conocimiento, la elaboracin y
utilizacin de los mtodos del conocimiento? Ambas tendencias surgen a partir de la
consideracin que todas estas condiciones y premisas estn contenidas en la misma
conciencia y determinan su actividad cognoscitiva. Ellas no distinguen ni investigan
sistemticamente los factores, premisas y condiciones fuera de la conciencia humana.
Esta nocin del proceso del conocimiento tuvo una serie de consecuencias importantes.
Algunas de ellas son:

1. Esta concepcin ignoraba el papel gnoseolgico de la actividad prctica del ser


humano. A modo de ejemplo, los representantes del sensualismo de los siglos XVII -
XIX partan de que en determinadas condiciones conscientemente creadas, los rganos
sensoriales del ser humano pueden penetrar en el contenido total de los objetos estu-
diados, independientemente de su actividad prctica y terica. Los representantes del
empirismo sealaron que la experiencia del ser humano, relacionada con la obtencin
y utilizacin de los datos sensibles, debe colocarse en la base de todo razonamiento
terico y que nada se puede decir acerca de las cosas o acerca del mundo en general,
fuera de los datos sensibles.
Sin embargo, la actividad cognoscitiva real del ser humano, en la ciencia, no solo
est formada por operaciones con las representaciones sensibles y los conceptos. En ella
desempea un papel la accin prctica con las cosas mismas. Esta actividad presupone
la utilizacin de representaciones, conceptos, construcciones lgicas y lingsticas, y
otros elementos que caracterizan la actividad de la conciencia dirigida a un fin.
Al mismo tiempo, la actividad prctica se relaciona con la utilizacin de instrumen-
tos y de medios materiales del conocimiento, con la transformacin de unos objetos
con la ayuda de otros, con la bsqueda y creacin de condiciones concretas en las
cuales es posible realizar tales cambios.
Las reglas de la actividad con estos objetos se diferencian sustancialmente de las
reglas del tratamiento de las representaciones sensibles, los conceptos y las construc-
ciones lgico-lingsticas.

36
Tema 1 | Mtodos e Investigacin Cientfica

2. El empirismo y el racionalismo no se orientaban en el sentido de distinguir y estudiar


los procesos reales de los cuales forma parte la actividad cognoscitiva del ser humano.
En los marcos de este proceso de esclarecimiento de los objetivos del conocimiento, se
crean y utilizan los medios y mtodos para obtenerlos y se comprueban los mismos.
3. Con estas concepciones gnoseolgicas, se operaba en el dominio, relativamente
estrecho, de los datos y hechos empricos que caracterizan solamente a la actividad
cognoscitiva del pensamiento.
4. Con estas concepciones, el desarrollo histrico de la actividad cognoscitiva, y sus
resultados, se analizaban inevitablemente como cambios que se realizaban dentro del
mismo pensamiento.

La contraposicin de la actividad cognoscitiva, en especial de la teora, con los


diferentes tipos de actividad prctica, tiene profundas causas. Dicha contraposicin
estaba condicionada, ante todo, por el insuficiente desarrollo del conocimiento cient-
fico. Como es sabido, durante cientos de aos, la diferenciacin, el conocimiento y la
utilizacin prctica de los objetos de la naturaleza ocurrieron antes del nacimiento de
la ciencia, e independientemente de ella. Esto no slo en relacin con el movimiento
mecnico y las propiedades mecnicas de los cuerpos. As, fueron establecidos y am-
pliamente utilizados muchos fenmenos fsicos, qumicos y biolgicos como el calor,
la combustin, la fermentacin, etc.
El ritmo lento con que se desarrollaba la ciencia y el insuficiente desarrollo de la
investigacin experimental hasta el siglo XVII, coadyuvaron al surgimiento de la idea
de que no existe diferencia entre los objetos de investigacin cientfica y la prctica.
La comprensin terica del proceso del conocimiento debe separar, aislar el sistema
de objetos caracterizado por las relaciones y vnculos internos que le son inherentes.
El desarrollo actual de la ciencia permite aislar dicho sistema de objetos. El proceso
de conocimiento comprende la interaccin de, al menos, cuatro elementos principales:
a) la actividad cognoscitiva del ser humano; b) los medios del conocimiento; c) los
objetos del conocimiento; d) los resultados de la actividad cognoscitiva. Cada uno de
estos elementos tiene una estructura compleja y puede ser objeto especial de estudio
en la metodologa de la ciencia.
La actividad cognoscitiva tiende a la separacin y al estudio de los objetos con-
cretos. Estos objetos tienen su estructura, diferentes sistemas de dependencia y sus
propias leyes del desarrollo.
La actividad cognoscitiva debe apoyarse en los logros anteriores del conocimiento
acerca de estos objetos. Sin embargo, la obtencin de nuevos resultados no est de-
terminada solo por el paso lgico que se produce desde los hechos al conocimiento.
En la ciencia, para obtener tales conocimientos se requieren experimentos, observa-
ciones y mediciones, as como la formulacin y comprobacin de hiptesis. Todas las
actividades cognoscitivas estn sometidas aqu a un objetivo principal: descubrir la
estructura de los objetos estudiados y encontrar las relaciones de dependencia entre
sus elementos en forma de leyes o regularidades.
En sntesis, entre la teora y la prctica, ms que una contradiccin, existe una
ntima y compleja relacin de mutua dependencia en donde cada una juega un papel

37
Metodologa de la Investigacin Cientfica

necesario y complementario en funcin de la adquisicin de un nuevo conocimiento.


Tal relacin se desarrolla al unsono con el proceso mismo de la actividad cientfica.

Positivismo

Esta corriente plantea que la ciencia no es capaz de conocer la esencia de los


fenmenos, a los que considera, en principio, incognoscibles; por lo tanto, limita la
investigacin cientfica a proporcionar simplemente una descripcin generalizada de
los fenmenos observables.
Para el positivismo, la tarea de la ciencia es slo de describir los fenmenos y no
de explicarlos a partir de las causas y leyes esenciales que los determinan. De esta
manera, rechaza las formulaciones tericas en el campo de la ciencia, considerndolas
como metafsicas y las sustituye por leyes empricas y descriptivas.

Pragmatismo

Esta tendencia postula que la base primaria de la realidad es la experiencia pura.


El pragmatismo diluye la realidad en la experiencia subjetiva del individuo y caracteriza
esta experiencia como un caos donde no existen leyes ni vnculos causales. Sostiene
que los conceptos y representaciones del ser humano son nicamente instrumentos
para alcanzar sus fines y satisfacer sus demandas y necesidades individuales, restndole
todo valor gnoseolgico a las ideas y teoras cientficas.
El criterio pragmtico de la verdad reduce el valor de una teora o proposicin a la
simple utilidad prctica que le reporta al sujeto o el sentimiento de satisfaccin que le
crea, todo ello encerrado en su experiencia individual. El pragmatismo proclama un
criterio relativista sobre el conocimiento, al considerar que hay tantas verdades como
puntos de vista e intereses particulares tengan los seres humanos.
Este no comprende que la utilidad de una teora est determinada justamente por
ser verdadera y proporcionar un reflejo fiel de la realidad objetiva (aunque parcial en
trminos histricos) y no a la inversa. Ellos hacen depender el valor de la verdad de
una teora, de la utilidad que pueda brindar a un ser humano en particular (o a un
grupo determinado). La negacin de la verdad objetiva por esta tendencia anula el
valor gnoseolgico de las ciencias abriendo el camino al escepticismo.

Neopositivismo

Esta concepcin niega la posibilidad de la filosofa de contribuir a generar una


representacin cientfica del mundo y la limita a realizar un anlisis lgico del lenguaje
cientfico.
Esta tendencia postula el principio de verificacin, segn el cual todas las propo-
siciones en el campo de la ciencia deben tener un contenido emprico, es decir, deben
ser traducibles a vivencias sensoriales subjetivas. As, el positivismo lgico excluye de
la ciencia las formulaciones tericas (que son justamente las que reflejan las cualidades
y regularidades esenciales de la realidad) por considerarlas proposiciones metafsicas
y carentes de sentido cientfico.

38
Tema 1 | Mtodos e Investigacin Cientfica

En los lmites del principio de verificacin, el anlisis lgico del lenguaje de la


ciencia persigue el cambio de unas expresiones por otras equivalentes, hasta reducir
la formulacin originaria a proposiciones sobre los datos sensoriales (proposiciones
elementales), que son las nicas que considera que se pueden comprobar con hechos.
Pero, a su vez, los hechos son interpretados como la autoconciencia de las propias
vivencias subjetivas y estables del individuo. Por tanto, esta concepcin niega las for-
mulaciones tericas y limita la investigacin a una descripcin sensorial del fenmeno.

Bibliografa

Bunge, M. (1972) La investigacin cientfica. Editorial. Ariel. Barcelona.


Bunge, M. (1992) La ciencia: su mtodo y su filosofa. Ediciones Siglo XX. Buenos Aires.
Bunge, M. (1991) Una caricatura de la ciencia: la novsima sociologa de la ciencia. Inter-
ciencia, Vol. 16, Nmero 2. Caracas.
Cohen, M; Nagel, E. (1993) Introduccin a la lgica y al mtodo cientfico. Amorrortu Edi-
tores, Buenos Aires.
Daz Narvez, V. P. (2000) Marco Terico-Conceptual para un Sistema de Investigaciones
Cientficas. I. El papel de la teora y el enfoque sistmico en la ciencia contempornea.
Revista Universidades. Universidad Autnoma de Mxico (UNAM). Nmero 20: 35-43.
julio-diciembre.
Fourez, G. (1998) La construccin del conocimiento cientfico. Sociologa y tica de la ciencia.
Narcea, S.A. de Ediciones. Madrid.
Mel, T. (1999) Para salvar la filosofa primera frente a sus versiones dbiles, el positivismo
lgico, el primer Wittgenstein, Carnap, la hermenutica de Gadamer. En: <http://www.
geocities.com/Ethens/Forum/5284/melendo1.html>.
Prez, G.; Garca, G.; Nocedo de Len, I.; Garca, M. (1996) Metodologa de la Investigacin
Educacional. Primera Parte. Editorial Pueblo y Educacin, Ciudad de la Habana.

39
Tema 1 | Mtodos
Tema e3 Investigacin
| La Hiptesis Cientfica

Captulo 2

La teora cientfica como sistema

En principio la investigacin necesita ms cabezas que medios.


Severo Ochoa

El objetivo fundamental de la ciencia contempornea es el proceso de cons-


truccin de teoras. La investigacin cientfica no persigue slo la descripcin de los
fenmenos, sino todo lo contrario, la ciencia va ms all del conocimiento de los as-
pectos superficiales de la realidad (manifestacin externa de los fenmenos) y refleja
en sistemas tericos conceptuales las regularidades esenciales, estables y necesarias
que la rigen.
El problema cientfico y la hiptesis ocupan un lugar esencial en el desarrollo de
la teora, por lo cual esta constituye una sntesis generalizadora de los conocimientos
que se poseen sobre una determinada esfera de la realidad, tambin un sistema de
abstracciones cientficas vinculadas entre s por medio de relaciones lgicas que uni-
fican y estructuran los conocimientos.
La estructuracin lgica de los componentes de la teora (sus principios, leyes,
conceptos, proposiciones empricas, entre otros aspectos), no es el resultado de con-
venciones entre los cientficos, ni est determinada por el pensamiento puro y aprio-
rstico del ser humano. Todo lo contrario, el carcter sistemtico del saber terico
tiene su base en la realidad misma, est condicionado por las relaciones necesarias
entre los objetos del mundo, estables, necesarias y por los mltiples vnculos regulares
que existen en esa realidad, lo cual se refleja en forma ideal (en nuestra conciencia y
pensamiento) en forma sistemtica o terica.
Algunas definiciones del trmino teora:

a) Una teora es un conjunto de conceptos, definiciones y proposiciones relaciona


das entre s, que presentan un punto de vista sistemtico de fenmenos, especifi-
cando relaciones entre variables, con el objeto de explicar y predecir fenmenos.
b) Una teora es un conjunto de proposiciones relacionadas sistemticamente que
especifican relaciones causales entre variables.
c) Las teoras no slo consisten en esquemas o tipologa conceptuales, sino que
contienen proposiciones semejantes a leyes que interrelacionan dos o ms con-
ceptos o variables al mismo tiempo. Ms an, estas proposiciones deben estar
interrelacionadas entre s.

41
Metodologa de la Investigacin Cientfica

Cules son las funciones de las teoras?

A menudo ignoramos el valor que posee una teora para ayudarnos a explicar una
realidad determinada en la esfera de dominio de tal teora. Es posible que esto ocurra
porque se desconoce como aplicarla al mundo real. En otras palabras, no es que la
teora no pueda aplicarse, es que nosotros desconocemos como aplicar la teora a la
realidad viva. La teora, y hay que tenerlo siempre presente, constituye una descripcin
y una explicacin de la realidad. Otro es el asunto si es que la teora esta mal elabo-
rada o no tiene estas capacidades. Para llegar a tal deduccin slo es posible hacerlo
dominando la propia teora. No existe otro camino. El dominio y slo el domonio
de la teora permite obtener la capacidad de juzgarla en su exacta dimensin y con
el valor explicativo de la realidad a que nos referimos.

Funciones de la teora

1. La funcin ms importante de la teora es de explicar; es decir, por qu, cmo y


cundo ocurre un fenmeno. Una teora puede tener mayor o menor perspectiva
(profundidad explicativa) y esta perspectiva depender de la esfera de la realidad de
la cual se ocupa la teora correspondiente. Hay teoras que abarcan diversas mani-
festaciones de un fenmeno o de varios fenmenos al mismo tiempo. Hay otras que
abarcan slo ciertas manifestaciones del mismo o un mbito ms restringido de este.
2. La segunda funcin es de sistematizar o dar orden al conocimiento sobre un fe-
nmeno o una realidad, conocimiento que en muchas ocasiones es disperso y no se
encuentra organizado.
3. Una tercera funcin, muy asociada con la de explicar, es la de la prediccin. Es decir,
hacer inferencias a futuro sobre cmo se va a manifestar u ocurrir un fenmeno dadas
ciertas condiciones. Frecuentemente, para la explicacin y prediccin de cualquier
fenmeno o hecho de la realidad, se requiere la concurrencia de varias teoras, una
para cada aspecto del hecho. Hay fenmenos que, por su complejidad, para poder
ser predichos requieren varias teoras.

Utilidad de la teora

Una teora es ms o menos til seg si es capaz de describir, explicar y predecir, con
mayor intensidad y profundidad, el fenmeno o hecho real al que se refiere, adems
de organiza, el conocimiento alcanzado hasta un momento dado y orienta, la investi-
gacin que se lleva a cabo sobre el fenmeno. Hay teoras malas o inadecuadas? La
respuesta es: No! Si se trata de una teora es porque explica verdaderamente cmo
y por qu ocurre o se manifiesta un fenmeno. Si no logra hacerlo, no es una teora.
Podramos llamarla creencia, conjunto de suposiciones, ocurrencia, especulacin,
pre-teora o de cualquier otro modo, pero nunca teora.

42
Tema
Tema
1 |2|Mtodos
La Teora
e Investigacin
Cientfica como
Cientfica
Sistema

Criterios para evaluar una teora

1. Capacidad de descripcin, explicacin y prediccin

Una teora debe ser capaz de describir y explicar el fenmeno o los fenmenos
a que hacen referencia. Describir implica varias cuestiones: definir el fenmeno, sus
caractersticas y componentes, as como definir las condiciones en que se presenta y
las distintas maneras en que puede manifestarse.
Explicar tiene dos significados importantes. En primer trmino, significa incremen-
tar el entendimiento de las causas del fenmeno. En segundo trmino, se refiere a la
prueba emprica de las proposiciones de la teora. Si estas se encuentran apoyadas
por resultados, la teora subyacente debe supuestamente explicar parte de los da-
tos. Pero si las proposiciones no estn confirmadas en la realidad, la teora no se
considera como una explicacin efectiva.
La prediccin est asociada con este segundo significado de explicacin, que de-
pende de la evidencia emprica de las proposiciones de la teora. Si las proposiciones
de una teora poseen un considerable apoyo emprico, es decir, han demostrado que
los fenmenos ocurren una y otra vez, como lo explica la teora) es de esperarse que
en lo sucesivo vuelvan a manifestarse del mismo modo (como lo predice la teora).
Cuanto ms evidencia emprica apoye a la teora, mejor podr esta describir, ex-
plicar y predecir el fenmeno o fenmenos estudiados por ella.

2. Consistencia lgica

Una teora debe ser lgicamente consistente. Es decir, las proposiciones que la
integran debern estar interrelacionadas (no puede contener proposiciones sobre fe-
nmenos que no estn relacionados entre s), ser mutuamente excluyentes (no puede
haber repeticin o duplicacin), ni caer en contradicciones internas o incoherencias.

3. Perspectiva

Se refiere al nivel de generalidad. Una teora poseer ms perspectiva cuando


mayor cantidad de fenmenos explique y mayor nmero de aplicaciones admita. El
investigador que usa una teora abstracta obtiene ms resultados y puede explicar un
nmero mayor de fenmenos. Desde luego, se infiere que la perspectiva es directamente
proporcional al nivel de abstraccin de la teora.

4. Fructificacin (heurstica)

Es la capacidad que tiene una teora de generar nuevas interrogantes y descubri-


mientos. Las teoras que originan, en mayor medida, la bsqueda de nuevos conoci-
mientos son aquellas que permiten que una ciencia avance.

43
Metodologa de la Investigacin Cientfica

5. Parsimonia

Una teora parsimoniosa es una teora simple, sencilla. Este no es un requisito,


sino que una cualidad deseable de una teora. Indudablemente las teoras que pueden
explicar uno o varios fenmenos, en unas pocas proposiciones, sin omitir ningn
aspecto, son ms tiles que las que necesitan un gran nmero de proposiciones para
ello. Desde luego, sencillez no significa superficialidad.

2.1. Caractersticas de la teora como sistema

2.1.1. Sistemas de categoras

La teora cientfica est integrada por un conjunto de categoras (conceptos) exi-


gidas por la esfera de la realidad que pretende explicar y por el nivel de profundidad
de esta explicacin. As, la teora presenta un nivel elevado de unidad y de coherencia
conceptual determinado por su referencia a un objeto de estudio definido, lo que pro-
porciona homogeneidad al lenguaje cientfico, vlido para el conjunto de conceptos
que utiliza, como por la semntica que emplea para describir y explicar los fenmenos.
Si este sistema no est desarrollado, generalmente nos encontraremos con la presencia
de pre-teoras o teoras que comienzan recin a desarrollarse y, en este caso, adquiere
prioridad para el investigador la necesidad de acumular y analizar datos empricos que
le permitan llegar a una masa crtica mnima de estos. Bajo determinadas condiciones
de acumulacin (cualitativa y cuantitativa) podrn emerger conceptos, bsicos inicial-
mente, y posteriormente cada vez ms complejos. Una vez que exista la acumulacin
de conceptos necesarios, se establecer naturalmente la necesidad de interconectar
estos conceptos y se producir entonces el desarrollo de la teora en referencia a un
objeto o grupo de objetos de una misma clase o de clases diferentes (proposiciones
de diferentes niveles).

2.1.2. Consistencia lgica interna

La teora cientfica se debe caracterizar por la coherencia lgica entre todas las
proposiciones de distinto nivel que la integran. El valor gnoseolgico de una teora se
ve muy afectado si en su seno existen contradicciones lgicas. Si esto existe, en realidad
dentro de una teora, la misma proporcionara un reflejo inadecuado o distorsionado
de la realidad; como consecuencia las representaciones que dicha teora nos brinda de
los objetos, no se ajusta a la necesidad que al gnero humano le es inherente satisfacer:
el conocimiento de la realidad objetiva.
Por ejemplo, postular en el mbito de la medicina o de la odontologa que las
patologas tienen como nica causa factores de ndole biolgico y que no existen
condicionantes ambientales de un tipo u otro que tambin influyen en el debut y
en el curso futuro de la mismas, constituye una contradiccin lgica. De esta teora
autocontradictoria se deriva una secuencia de proposiciones, tanto verdaderas como
falsas, lo que implica que la teora no pueda ser sometida a constrastacin emprica

44
Tema
Tema
1 2| Mtodos
| La Teora
e Investigacin
Cientfica como
Cientfica
Sistema

rigurosa, ya que cualquier dato puede ser evidencia emprica favorable tanto para
una hiptesis, as como para otras diferentes a la primera. En concreto, una teora
biologizante de esta ndole podra permitir encontrar algunas causas biolgicas de
las patologas, pero sera incapaz de explicar las causas sociales y psicolgicas, las
interrelaciones biolgicas-sociales-psicolgicas o interacciones ms profundas y com-
plejas que posiblemente hoy desconocemos.
Debe quedar claro que el cumplimiento del principio lgico de no contradiccin
se refiere a la forma de exposicin de la teora y a la coherencia interna de sus ideas.
Este principio no debe confundirse con el hecho real de que toda teora, por su
contenido, debe reflejar las contradicciones naturales de la realidad. Los fenmenos
mdicos deben reflejarse en un lenguaje cientfico claro, preciso y coherente desde el
punto de vista lgico.

2.1.3. La estructura lgica jerarquizada

La teora cientfica posee una estructura lgica que puede ser ms o menos rigurosa,
y que vincula deductivamente los principios, leyes, conceptos, hiptesis, entre otro, que
la integran. La estructura lgica constituye la ley de vinculacin de las proposiciones
que integran el sistema lgico; de este modo se garantiza que ninguna frmula quede
aislada del contexto terico.
En la cspide del sistema terico se encuentra el ncleo de la teora, es decir, los
principios y las leyes ms generales a partir de los cuales se infieren y explican las
restantes proposiciones del sistema terico. El conjunto de principios tericos, que
constituye el ncleo, tiene un carcter rector en toda teora, ya que ellos reflejan las
leyes ms generales del fenmeno que se estudia y, por lo tanto, sobre su base se pue-
den explicar los hechos particulares concretos, y tambin los singulares, expresados
en los datos empricos.

2.1.4. Consistencia externa

Toda teora debe ser consistente con la acumulacin de conocimientos cientficos


que ha logrado la humanidad a lo largo de su historia. La consistencia externa contri-
buye a mostrar la veracidad de la teora al vincular sus tesis con otros conocimientos
ya confirmados.
Por ejemplo, una teora especfica acerca de las causas o factores influyentes en el
desencadenamiento de procesos cancergenos no debe entrar en contradiccin con
los conocimientos que ofrece la psicologa, sobre las peculiaridades de los procesos
psquicos por los que transcurre un paciente en particular y de cmo estos procesos
pueden influir somticamente. Adems, debe ser consecuente con los datos que entregan
la biologa, la bioqumica, la gentica, entre otras esferas de la realidad.
La necesidad de lograr la consistencia externa de la teora respecto a los conocimientos
cientficos ya establecidos, no debe llevarse al extremo de transformarla en una exigencia
dogmtica que frene al progreso cientfico. Aplicar este criterio al extremo implicara
la negacin del derecho al investigador de plantear nuevas hiptesis o teoras audaces,

45
Metodologa de la Investigacin Cientfica

que contradigan conocimientos admitidos hasta un momento como ciertos. Este prin-
cipio simplemente afirma que no pueden existir teoras cientficas aisladas, infundadas
y separadas de los conocimientos objetivos logrados por la humanidad. La historia
de la evolucin de las teoras muestra claramente que las nuevas teoras, siempre ms
audaces que las primeras, cuando han resultado ratificadas por el material emprico
correspondiente, son habitualmente expresiones de proposiciones que explican conjuntos
de datos y hechos ms amplios o que explican interrelaciones ms complejas, o ambas
al mismo tiempo. Tambin permiten superar contradicciones generadas en el seno de la
ciencia. La consistencia interna no implica castrar el pensamiento humano, sino crear
las condiciones de control, para evitar que el pensamiento especulativo sustituya al
pensamiento realmente cientfico. Por esto es que la ciencia camina tan lento.

2.1.5. Reflejo en el pensamiento de las relaciones esenciales de la realidad

Las teoras cientficas son sistemas conceptuales que reflejan simblicamente los
aspectos fundamentales y esenciales de la realidad, sin pretender constituir slo una
descripcin fotogrfica de ella. La elaboracin de toda teora supone una representa-
cin terica de la realidad, que persigue conocer y reflejar correctamente las relaciones
esenciales y las cualidades fundamentales del objeto sometido a estudio, desechando
los aspectos secundarios e irrelevantes de los fenmenos.
La teora, considerada como el pensamiento capaz de reflejar en forma ideal las
relaciones esenciales de los elementos constituyentes esenciales de un objeto en estudio,
se manifiesta en la elaboracin de modelos o representaciones tericas. En este sentido,
la construccin de una teora en relacin con una esfera que contiene uno o varios
fenmenos, no tiene como objeto la apropiacin de toda la esfera real que contiene
a esos fenmenos, sino la obtencin de un modelo abstracto y simplificado de esta
esfera y del movimiento de tales fenmenos dentro de dicha esfera, as como del
movimiento de la esfera misma. Desde luego, tal modelo debe ser capaz de predecir
tales movimientos en condiciones distintas de aquellas en que fue elaborado dicho
modelo y siempre considerando que la realidad es ms rica en contenido que el propio
contenido del mismo. Por tanto, el modelo siempre contiene una verdad absoluta,
porque explica correctamente el comportamiento de la parte estudiada de la esfera,
pero es relativo al mismo tiempo porque no representa el comportamiento de otros
aspectos de la esfera y de las interrelaciones entre distintos elementos de la misma.

2.1.6. Sujeta a desarrollo

Toda teora en las ciencias naturales y sociales constituye un sistema con relativa
estabilidad, ya que presenta resistencia a la incorporacin de nuevos elementos, los
que para integrarse al sistema requieren ser purificados y confirmados. El carcter
relativo de esta estabilidad, radica en que las teoras, a su vez, estn abiertas a los
nuevos conocimientos y que, como consecuencia, estn sujetas a cambios y desarrollo.
Dicho de otra manera, las teoras cientficas deben ser analizadas como sistemas
gnoseolgicos relativamente verdaderos, ya que poseen grados de verdad objetiva,
estn sujetas a revisiones y formulaciones como resultado de la investigacin posterior,

46
Tema
Tema
1 2| Mtodos
| La Teora
e Investigacin
Cientfica como
Cientfica
Sistema

lo que posibilita su enriquecimiento, su profundizacin progresiva en el conocimiento


de la realidad y su desarrollo.
Por tanto, el conocimiento cientfico es una sucesin infinita de momentos distin-
tos y sucesivamente superiores en calidad que nos aproxima gradualmente hacia lo
verdadero sin que podamos llegar jams a conocer totalmente la naturaleza, pues esta
es infinita. Como consecuencia de esto, el conocimiento cientfico es una sucesin de
sustituciones de modelos tericos cada vez ms completos sin que podamos llegar
jams al modelo perfecto, definitivo y completo de la realidad.
La historia del conocimiento cientfico en las ciencias mdicas es una prueba de
lo expresado anteriormente, que muestra el desarrollo del conocimiento terico y su
aproximacin progresiva a un conocimiento cada vez ms verdadero y pleno sobre
los fenmenos que estudia, incluyendo en su objeto de estudio tambin problemas
de orden tico y de valores humanos, los cuales son imprescindibles para desarrollar
las ciencias mdicas en un contexto humano, pues de humanos tratan, y de felicidad
humana, hasta donde pueda aportar para lograrla.

2.2. Ciclo investigativo

Antes de introducirnos en el ciclo investigativo y sus componentes, estimamos ne-


cesario clarificar algunas definiciones que nos parecen indispensables para entender
el proceso investigativo, para obtener nuevos conocimientos o para ratificarlos en
caso de que exista alguna duda de carcter cientfico acerca de los conocimientos ya
instituidos.

2.2.1. Conceptos generales introductorios

Concepto de ciencia

La ciencia es una forma de conciencia social y constituye un sistema de conocimien-


tos acerca de la naturaleza, la sociedad y el pensamiento, que representa el reflejo de
las leyes del mundo objetivo en forma de conceptos, sistema de smbolos, hiptesis,
juicios y teoras.

Niveles en que acta la metodologa de la investigacin

El nivel cientfico general: Est dado bsicamente por los principios que orientan
los pasos a seguir en el proceso de investigacin, el uso y la elaboracin de los mtodos
y procedimientos que resultan comunes para todos, o para un conjunto ms o menos
amplio de ciencias. Nos referimos a los principios que orientan el empleo de los m-
todos: experimental, de observacin, de medicin, de modelacin, complejos y otros.

El nivel cientfico particular: Est vinculado a cada uno de los conceptos, princi-
pios y leyes de distinto nivel, que cada ciencia particular elabora y utiliza para aplicar
sus propios mtodos y encauzar su propio trabajo investigativo.

47
Metodologa de la Investigacin Cientfica

Concepto de investigacin cientfica

Este concepto constituye un proceso peculiar, dado su carcter objetivo, complejo


y creativo.
La objetividad viene dada por la posibilidad que brinda la investigacin cientfica de
obtener un conocimiento acerca de las leyes de existencia, funcionamiento y desarrollo
de los fenmenos del mundo; conocimiento que adems, es independiente del sujeto.
La complejidad en la investigacin cientfica puede caracterizarse por diferentes
factores, dentro de los cuales cabe resaltar el referido a las caractersticas del objeto,
que no slo transciende lo inmediatamente dado por la accin y por la observacin,
sino que tambin deber ser conocido en su esencia y leyes internas.
La creatividad es un proceso del devenir por la que transcurre el proceso investigati-
vo, el cual demanda una actitud amplia y generadora de ideas ante cada acontecimiento
que se plantee dentro de dicho proceso (por ejemplo un dato que no se ajusta a una
teora, un experimento cuyos resultados no son los previstos, etc.) En la actualidad
existe una nueva exigencia para el que desee hacer ciencia (grande o pequea):
un estilo de pensamiento que resulte en una sntesis de amplitud, universalidad, ade-
ms de poseer autocrtica, dinamismo y orientacin hacia la verdad. El objetivo final
de toda investigacin cientfica es de obtener un nuevo conocimiento y este nuevo
conocimiento no se puede lograr si no interactan mancomunadamente, a lo menos
los factores antes sealados.

Concepto de metodologa de la investigacin cientfica

Tomando en consideracin las ideas expuestas anteriormente, podramos sealar


que la Metodologa de la Investigacin Cientfica significa un conjunto de principios,
categoras y leyes, de diferente nivel, que permiten orientar los esfuerzos de la inves-
tigacin hacia el conocimiento de la verdad. Cuando se enfatiza el trmino orientar
se desea expresar con toda claridad que esta disciplina no sustituye a la investigacin
por una disciplina concreta de un fenmeno concreto en un momento concreto. La
funcin de la Metodologa de la Investigacin no es ms que la sistematizacin de
los procesos que permiten ordenar el accionar y el comportamiento del sujeto cog-
noscente frente el objeto que se desea conocer. En otras palabras, si no se domina
totalmente la teora sobre una esfera de la realidad determinada, el conocimiento de la
metodologa cientfica es incapaz de generar por s mismo nuevo conocimiento. Como
consecuencia, la metodologa tiene como funcin acelerar y optimizar los procesos
de obtencin de nuevos conocimientos, pero no est involucrada directamente en el
nuevo conocimiento. Este ltimo slo es posible lograrlo si se domina la teora misma
sobre la esfera de la realidad que se pretende conocer.

48
Tema
Tema
1 2| Mtodos
| La Teora
e Investigacin
Cientfica como
Cientfica
Sistema

Etapas del proceso investigativo

En general, existen las siguientes etapas:

1. Establecimiento del diseo terico.


2. Elaboracin y aplicacin de los mtodos de investigacin.
3. Procesamiento.
4. Anlisis y conclusiones.
5. Redaccin del informe.

CONOCIMIENTO ACUMULADO Y
ESTUDIO DE LA BIBLIOGRAFA

1. DISEO TERICO

CUERPO DE CONOCIMIENTOS
DISPONIBLES

PROBLEMA HIPTESIS
CIENTFICO CIENTFICA

OBJETIVOS
CONCEPTOS

2. ELABORACIN Y APLICACIN 3. PROCESAMIENTO


DE LOS MTODOS DE INVESTIGACION

4. ANALISIS Y CONCLUSIONES

NUEVO CONOCIMIENTO

5. INFORME

NUEVAS INTERROGANTES

Etapas del proceso investigativo

49
Metodologa de la Investigacin Cientfica

2.3. La idea de un proyecto de investigacin

Un sutil pensamiento errneo puede dar lugar a una indagacin


fructfera que revela verdades de gran valor.
Issac Asimov

Quien le teme a la idea, acaba por perder tambin el concepto.


Goethe

Cmo se originan las investigaciones?

Lo principal para originar una investigacin es simplemente (pero, algo que es


complejo a la vez) tener ideas de investigacin. Las ideas constituyen el primer acer-
camiento a la realidad que habr de investigarse. La idea no surge de un vaco. Es el
producto final de una serie de ordenamientos conceptuales, de reestructutacin mental
de hechos conocidos, de enfrentamiento de los conceptos con los hechos establecidos,
entre estos hechos y las explicaciones cientficamente institucionalizadas, producto
que tiene carcter ideal pues slo se construye en nuestras mentes. Entonces, de este
proceso de pensamiento pueden surgir ideas de distinto carcter: buenas o malas ideas.
El surgimiento de una buena idea exige de antemano que el investigador posea:

a) Dominio de la teora en su especialidad.


b) Dominio de los mtodos generales de investigacin. Pero, si no los domina, al
menos, que admita con honestidad que es necesario que estos mtodos sean
aplicados en su investigacin por otros investigadores que s los conocen.
c) Dominio de los mtodos particulares de su rama cientfica especfica.

Fuentes de ideas para su investigacin

Existe una gran variedad de fuentes que pueden generar ideas de investigacin:

a) Experiencias individuales.
b) Materiales escritos.
c) Dominio de una teora o teoras.
d) Descubrimientos producto de investigaciones.
e) Conversaciones personales.
f) Observaciones de hechos.
Pero la calidad de las ideas no se relaciona directamente con las fuentes ya sealadas.

Cmo aumentar la probabilidad de que surjan ideas de investigacin?

Una idea de investigacin puede surgir:


a) Donde existan grupos activos de discusin.
b) De la observacin directa o indirecta.
c) De revistas cientficas de todo tipo.

50
Tema
Tema
1 2| Mtodos
| La Teora
e Investigacin
Cientfica como
Cientfica
Sistema

Vaguedad de las ideas iniciales

La mayora de las ideas iniciales son vagas y requieren ser analizadas cuidadosa-
mente para que sean transformadas en planteamientos ms precisos y estructurados.
Cuando se desarrolla una idea de investigacin, la persona debe familiarizarse con
el campo de conocimiento donde se ubica la idea. Slo una vez que se haya adentrado
en el tema, estar en condiciones de precisar una idea.

Necesidad de conocer los antecedentes

Para adentrarse en el tema es necesario conocer los estudios, investigaciones y


trabajos anteriores.
Conocer lo que se ha hecho con respecto a un tema ayuda a:

a) No investigar algn tema que ya haya sido estudiado muy a fondo. Esto impli
ca que una buena investigacin debe ser novedosa, lo que puede lograrse de las
siguientes maneras:

1. Tratando un tema no estudiado.


2. Profundizando en uno que se encuentra poco o medianamente conocido.
3. Dndole un enfoque diferente e innovador a un problema, aunque ya haya sido
examinado repetidamente.
b) Estructurando ms formalmente la idea de la investigacin, que no es ms que
definir con mayor precisin cul es la idea concreta de investigacin.
c) Seleccionando la perspectiva principal desde la cual se abordar la idea de la investi-
gacin, lo cual implica realizar el esfuerzo necesario de acotar al mximo posible
la idea que se desea investigar.

Investigacin previa de los temas

Es evidente que, cuando ms se conozca un tema, el proceso de afinar la idea ser


ms eficiente y rpido. En la prctica, podemos encontrar varias situaciones que in-
ciden en el proceso de estructuracin:

a) Temas ya investigados, estructurados y formalizados.


b) Temas ya investigados, pero menos estructurados y formalizados.
c) Temas poco investigados y poco estructurados.
d) Temas no investigados.

Criterios para generar ideas

1. Las buenas ideas intrigan, alientan y excitan al investigador de manera personal,


cuando el sujeto cognoscente es una persona que cumple con algunas de las ca-
ractersticas antes sealadas.

51
Metodologa de la Investigacin Cientfica

2. Las buenas ideas de investigacin no son necesariamente nuevas pero s nove-


dosas.
3. Las buenas ideas de investigacin pueden servir para elaborar teoras y para so
lucionar problemas.

2.4. El problema cientfico. Definicin y funciones

Enfrentarse, siempre enfrentarse, es el modo de resolver el problema. Enfrentarse a l!


Joseph Conrad

2.4.1. Qu es plantear un problema?

Plantear un problema es pasarpor el momento que permite afinar y estructurar


ms formalmente la idea de la investigacin. Una buena idea termina siempre en un
problema. El paso de la idea al planteamiento del problema puede ser en ocasiones
inmediato o llevar una enorme cantidad de tiempo. En cualquier caso, un proble-
ma cientfico reflejar algo que no estaba resuelto por la ciencia hasta un momento
determinado. Por tanto, la rapidez con que una idea se transformar en problema
depender de muchos factores, todos alejados de la casualidad y de la superficialidad.
La rapidez depender de:

a) La familiaridad que tenga el investigador con el tema a tratar.


b) La complejidad misma de la idea.
c) La existencia de estudios anteriores al respecto.
d) El empeo del investigador y sus habilidades personales. Las habilidades se ad-
quieren con esfuerzo, perseverancia y dedicacin.

Seleccionar un tema o una idea no coloca al investigador en posicin inmediata de


considerar qu informacin hay que recolectar, con cules mtodos y cmo analizar
los datos que obtenga. Antes es necesario formular el problema especfico en trminos
concretos y explcitos, de manera que sea susceptible de ser investigado con procedi-
mientos cientficos, reflejndose en l un desconocimiento de la ciencia.
Un problema correctamente planteado ya est parcialmente resuelto debido a
que a una mayor exactitud corresponden ms posibilidades de obtener una solucin
satisfactoria.

Los criterios para plantear un problema pueden ser sintetizados de la siguiente


forma:

1. El problema debe reflejar un desconocimiento que existe en la ciencia.


2. El problema debe expresar una relacin entre dos o ms variables, entre dos o
ms conceptos o entre dos o ms teoras.
3. El problema debe ser formulado claramente y sin ambigedad, como una pregunta
o como un objetivo.

52
Tema
Tema
1 2| Mtodos
| La Teora
e Investigacin
Cientfica como
Cientfica
Sistema

4. El planteamiento debe implicar la posibilidad de realizar una prueba emprica.


Es decir, de poder observarse en la realidad.

2.4.2. Qu elementos contiene el planteamiento del problema?

Los elementos para plantear un problema son tres y estn muy relacionados entre s:

Los objetivos de una investigacin

En primer lugar, es necesario establecer qu pretende la investigacin, es decir, cules


son sus objetivos. Los objetivos deben expresarse con claridad para evitar posibles
desviaciones en el proceso de la investigacin y deben ser susceptibles de alcanzarse;
son las guas de estudio y se deben tener presentes durante todo el desarrollo de la in-
vestigacin. Los objetivos que se planteen deben tener una consistencia interna entre s.
Algunos autores sealan que durante la investigacin pueden surgir objetivos adi-
cionales, modificarse los iniciales e incluso sustituirse estos por otros nuevos objetivos.
Desde nuestro punto de vista esto constituye un gran error. Otra cosa es que, producto
de la investigacin, se obtengan hechos nuevos, de los cuales uno puede tomar apun-
tes e iniciar a posteriori una nueva investigacin; otro asunto es que la aparicin de
nuevas observaciones e, incluso, de nuevos hehos impliquen una modificacin del
sentido general de la investigacin, es decir, de la solucin del problema estudiado.

Preguntas de investigacin

Adems de definir los objetivos concretos de la investigacin, es conveniente plan-


tear, a travs de una o varias preguntas, el problema que se estudiar. Esto minimiza
cualquiera distorsin.
Las preguntas deben ser capaces de resumir la investigacin y de sugerir los caminos
que debe tener la misma. Estas pueden ser generales o ms especficas. Esto depender
de la envergadura de la investigacin.

Justificacin de la investigacin

Adems de los objetivos y de las preguntas de la investigacin, es absolutamente


necesario justificar el estudio exponiendo las razones que impulsan a su realizacin.
Las investigaciones se hacen con un propsito definido y este propsito debe ser lo
suficientemente fuerte para que se formalice la investigacin. Es necesario adems
explicar por qu es conveniente y cuales sern los beneficios que esta aportar.

Criterios para evaluar el valor potencial de una investigacin

Una investigacin puede ser conveniente por diferentes motivos; tal vez ayude a
solucionar un problema social, tecnolgico, metodolgico o entregar elementos para
construir una nueva teora o por todos ellos simultneamente. Pero, lo que puede ser
relevante para unos puede que no lo sea para otros. Para superar este inconveniente, se

53
Metodologa de la Investigacin Cientfica

pueden establecer criterios que no sean totalmente exactos, pero s flexibles. Mientras
mayor sea la cantidad de criterios a los que una investigacin responda en forma posi-
tiva y satisfactoriamente, mayor base slida tendr sta para justificar su realizacin.

1. Conveniencia:
Cun conveniente es la investigacin? Para qu sirve?

2. Relevancia social:
Cul es su trascendencia para la sociedad? Quines se beneficiarn con los resul-
tados de la investigacin? De qu modo? Qu alcance social tiene?

3. Implicaciones prcticas:
Ayudar a resolver algn problema prctico? Tiene implicacin trascendental
para una amplia gama de problemas prcticos?

4. Valor terico:
Con la investigacin terminada: Se llenar algn espacio vaco del conocimiento
acumulado? Se podrn generalizar los resultados a principios ms amplios? La
informacin que se obtenga podr servir para comentar, desarrollar o apoyar una
teora? Se podr conocer en mayor medida el comportamiento de una o de diversas
variables o la relacin entre ellas? Ofrece la posibilidad de una exploracin fructfera
de algn fenmeno? Qu se espera saber con los resultados, que no se conociera
antes? Puede sugerir ideas, recomendaciones o hiptesis a futuros estudios?

5. Unidad Metodolgica:
La investigacin: Puede ayudar a crear un nuevo instrumento para recolectar o
analizar datos? Ayuda a la definicin de un concepto, variable o relacin entre
variables? Sugiere cmo estudiar ms adecuadamente una poblacin?

Viabilidad de la Investigacin

Es necesario tener en consideracin otro aspecto importante: la viabilidad o fac-


tibilidad de la investigacin. Para esto debemos tener en cuenta:

r La disponibilidad de recursos financieros.


r La disponibilidad de recursos humanos y materiales.
r El tiempo que esta investigacin implicar.

Funciones del problema cientfico

Los problemas cientficos han sido definidos de diferentes maneras por muchos
autores, lo que pone de manifiesto las diversas funciones que estos cumplen en el
proceso real de la investigacin.
Si consideramos que el problema cientfico es un conocimiento previo sobre lo
desconocido de la ciencia, entonces el problema cientfico es una forma especial de

54
Tema
Tema
1 2| Mtodos
| La Teora
e Investigacin
Cientfica como
Cientfica
Sistema

conocimiento: la comprensin por parte del investigador, colectivo o comunidad de


cientficos de una esfera de la realidad (objetiva o subjetiva), cuyas propiedades y leyes
le resultan desconocidas y que es necesario indagar.
La esfera de lo desconocido en la ciencia ser siempre mayor que la conocida, ya
que la realidad es infinita e inagotable en sus propiedades y posibilidades de cambio
y desarrollo, tal como se ha constatado al estudiar la historia de la ciencia. De aqu se
desprende la importancia del problema cientfico como forma de conocer y delimitar
el rea de lo desconocido, hacia lo cual se debe dirigir la bsqueda cientfica. De esta
forma, la determinacin y formulacin adecuada del problema cientfico constituye un
momento fundamental y el primer paso en el terreno de lo desconocido, y constituye
una de las funciones del problema cientfico.
Otra funcin importante del problema cientfico es que este contribuye a organizar
el proceso de investigacin, sealando la direccin que debe seguir y su contenido
concreto. En las ciencias naturales y sociales, sobre la base de la comprensin y del
planteamiento adecuado del problema, el investigador elabora la hiptesis, selecciona
la muestra de sujetos (tipo y cantidad) y determina los mtodos y medios idneos
para solucionar el problema cientfico.
El planteamiento y la formulacin adecuados del problema constituyen requisitos
importantes para su solucin, ya que inciden y orientan toda la actividad cientfica
posterior. Por ello, el descubrimiento y la formulacin de un nuevo problema cientfico
representa generalmente un gran aporte a la ciencia. Incluso, encontramos cientficos
que han hecho aportes destacados al desarrollo histrico de las ciencias, ms por los
problemas cientficos que han planteado que por las soluciones a las que pudieron
arribar, ya que stas han sido insuficientes o desacertadas.
Otra funcin importante del problema cientfico radica en que constituye el modo
de comprender la teora, es decir, obliga a reflexionar sobre los logros del quehacer
cientfico.
El problema cientfico al inicio de la investigacin presenta en muchas ocasiones,
como antes, lo hemos expuesto, un carcter difuso y embrionario (idea de investi-
gacin), durante y luego el proceso investigativo, se va reestructurando, precisando
y enriqueciendo y de esta manera proporcionando una comprensin ms profunda e
integral sobre el objeto de estudio.
En el proceso de la prctica cientfica no solo se desarrolla la teora, sino que
simultneamente, se eleva el nivel de comprensin de dicha teora, su importancia
cientfica y prctica, su alcance y su esfera de aplicacin al irse precisando en forma
paulatina, cul es el problema cientfico concreto al que responde.
El desarrollo de la investigacin implica cambios cualitativos esenciales en el
proceso cientfico, que enriquecen su contenido, ofreciendo una perspectiva cognos-
citiva ms amplia y profunda sobre el fenmeno estudiado, a la vez que precisando
los lmites de nuestros conocimientos, nuestras deficiencias y lo que nos falta por
indagar.

55
Metodologa de la Investigacin Cientfica

2.5. Factores que determinan el desarrollo de la ciencia y


el surgimiento de los problemas cientficos

Los factores que condicionan el desarrollo cientfico pueden ser clasificados en


objetivos y subjetivos.
Los factores objetivos estn relacionados con las demandas que la sociedad le plan-
tea a la ciencia y las necesidades inherentes al desarrollo terico de la ciencia misma.
Los factores subjetivos estn relacionados con las cualidades personales de los
propios investigadores, la dinmica psicosocial de los colectivos cientficos, la escala
de valores ticos y morales del investigador.
Estos dos tipos de factores no estn desligados entre s, todo lo contrario, interac-
tan permanentemente condicionndose uno al otro y los hemos separado slo con
fines didcticos y analticos.

2.5.1. Los factores objetivos en el desarrollo de la ciencia

Las necesidades prcticas de la sociedad y el desarrollo de la ciencia

Los problemas materiales y las necesidades reales que tiene la sociedad determinan
un papel esencial del desarrollo de la ciencia. La sociedad le plantea continuamente a
la ciencia tareas que se derivan de las necesidades del funcionamiento y desarrollo de
las estructuras econmicas, sociales, mdicas, morales y culturales. Todas estas tareas
dependen en ltima instancia del nivel de desarrollo econmico y social alcanzado
por la sociedad. Este desarrollo constituye un factor determinante en el surgimiento
de los problemas cientficos y en el desarrollo de la ciencia.
En las ciencias mdicas en general, la incidencia de las demandas de la sociedad
sobre su desarrollo cientfico no requiere de una demostracin exhaustiva, se destaca
por s misma. Estas ciencias deben desarrollar investigaciones, enriquecer sus cono-
cimientos tericos, perfeccionar sus mtodos cientficos de trabajo, con el objetivo de
adquirir una capacidad de respuesta a las exigencias de nuestra actual situacin de
salud y de formacin de profesionales capaces de asumir esta gran responsabilidad.
La investigacin cientfica de los mdicos y estomatlogos debe considerar objeti-
vamente estas demandas con la formulacin y solucin de problemas que estn en
correspondencia con ellas.

La lgica interna del desarrollo de la ciencia

Este rasgo es importante, toda vez que se constituye en el motor impulsor funda-
mental de su progreso posterior. En su proceso evolutivo, la ciencia genera contradic-
ciones internas que estimulan su propio desarrollo; de este modo, el surgimiento de
problemas cientficos puede ser funcin de las siguientes necesidades:

1. Someter a revisin cientfica la teora, conceptos y hechos establecidos para


hacerlos corresponder con los nuevos logros de la ciencia.
2. Buscar nuevos conocimientos empricos y tericos.

56
Tema
Tema
1 2| Mtodos
| La Teora
e Investigacin
Cientfica como
Cientfica
Sistema

3. Analizar y enriquecer los principios tericos y metodolgicos generales.


4. Perfeccionar los mtodos y medios de investigacin.

As, es posible constatar que aunque el desarrollo de la ciencia est determinado


esencialmente por las necesidades prcticas y por las demandas de la sociedad, al
constituirse la ciencia en una forma especfica de actividad humana, se manifiesta una
independencia relativa con respecto a la estructura econmica y social de una nacin.
La ciencia, en tanto es un fenmeno supraestructural, tiene sus propias leyes de
desarrollo interno, lo cual es posible visualizar al analizar el desarrollo histrico de la
ciencia en donde el progreso cientfico est condicionado por el volumen de elementos
cognoscitivos acumulado y por las contradicciones internas que le son propias en cada
uno de los perodos histricos que ha transcurrido. De ah que cada generacin posea
un sistema de principios, leyes, conceptos, mtodos y problemas que ha heredado de
sus precedentes y, sobre la base de esta herencia, parte para determinar los problemas
cientficos a solucionar y para seleccionar las formas de abordarlos. La dependencia
de la ciencia en las leyes de su desarrollo interno se manifiesta en la aparicin de
teoras o de hallazgos cientficos simultneos y planteados de manera independiente
por varios autores. Es el caso de la ley de Hardy-Weinberg, en la rama de la gentica
poblacional, que los estudiantes podrn tener la oportunidad de estudiar en la asig-
natura de Gentica Humana.

La interaccin entre las necesidades sociales y la lgica interna del desarrollo


de la ciencia

En la evolucin histrica estn presentes permanentemente las necesidades socia-


les y el desarrollo terico de la ciencia. Estos aspectos no estn desligados uno del
otro, en la prctica y en la teora actan ntimamente relacionados. De este modo, el
desarrollo de la ciencia y el surgimiento de problemas cientficos estn determinados
por la interaccin de las necesidades sociales con la lgica interna del desarrollo de
la ciencia en s misma.
Vistos los asuntos a travs de este prisma, son las necesidades prcticas y sociales
las que pueden generar un desarrollo cientfico consecuente, bajo la condicin de la
existencia de madurez terica y metodolgica en la ciencia que le permita dar respuesta
a las necesidades de la sociedad.
A lo antes planteado, puede atriburse la condicin de ley del desarrollo de la ciencia,
la cual se pone de manifiesto con nitidez en las ciencias mdicas, que pueden convertir
en problemas cientficos muchas de las demandas que impone la sociedad respecto
a la salud de la poblacin, debido a la madurez alcanzada por las disciplinas que las
contienen. Sin embargo, para las ciencias en general, y para las ciencias mdicas en
particular, quedan an muchas preguntas sin contestar o que han recibido respuestas
insuficientes y limitadas a pesar de constituir necesidades de la sociedad, como lo son:
las causas ltimas de patologas de procesos cancergenos, el bajo peso al nacer, etc.
Cuando existe convergencia entre las necesidades prcticas y sociales y las necesi-
dades de desarrollo de la propia ciencia, surgen los problemas cientficos cardinales.
Si un mismo problema est planteado ante la ciencia, tanto desde el plano de las

57
Metodologa de la Investigacin Cientfica

demandas de la prctica, as como desde el plano del desarrollo terico de la ciencia,


estamos potencialmente en presencia de un problema cientfico fundamental, esencial.
En estas circunstancias, en el planteamiento y solucin de estos problemas participan
un gran nmero de investigadores, se incluyen varias generaciones de cientficos ad-
quiriendo un carcter temporal y se van determinando las principales direcciones en el
desarrollo de la ciencia en un perodo histrico dado; en otras palabras, los problemas
cardinales determinan los puntos de crecimiento de la ciencia. Un ejemplo claro de
la idea expuesta es el caso del SIDA, en cuya historia y en el descubrimiento de cuya
causa estn involucrados muchos descubrimientos que abarcan la virologa, la gentica
molecular, la biologa molecular, la inmunologa, la epidemiologa, por citar slo algunas
esferas del conocimiento humano participantes en la solucin de este problema..

2.5.2. Los factores subjetivos en el desarrollo de la ciencia

En el plano subjetivo del desarrollo de la ciencia estn los procesos cognoscitivos


(procesos de apropiacin del mundo circundante), las caractersticas de personalidad,
los intereses particulares del sujeto, su formacin tica y moral, entre otros aspectos,
del cientfico o grupo de cientficos que realizan su actividad en el campo de la ciencia.
Ellos inciden directamente en la forma en que se plantean los problemas cientficos,
el contenido de los mismos, los medios para solucionarlos, la calidad de la solucin
lograda, la perseverancia en el abordaje de la investigacin. Entre otros aspectos.
Son los investigadores quienes hacen conciencia y analizan las situaciones probl-
micas objetivas (en el plano terico y en la prctica social) y expresan la necesidad de
su solucin. En este sentido podemos arribar a una nueva definicin del problema: es
la forma subjetiva de expresar la necesidad de desarrollo del conocimiento cientfico.
Muy variadas son las cualidades personales que debe reunir el investigador para
lograr xito en su trabajo:

1. Tener dominio terico-metodolgico de su especialidad y de los problemas filo-


sficos relacionados con la ciencia.
2. Presentar desarrollo en sus procesos de pensamiento abstracto, flexible, profundo;
capacidad mnmica.
3. Ser observador.
4. Ser objetivo, crtico, constante, dinmico, organizado, veraz, modesto, estudioso,
profundamente humano, justo, valiente y creativo.

Una cualidad fundamental del investigador es la motivacion intrnseca por la cien-


cia, su preocupacin por solucionar sus tareas e impulsar su desarrollo. Este tipo de
motivacin interna es un resultado de la interiorizacin por el sujeto de las demandas
de la ciencia y de las necesidades humanas (prctica social); lo social-significativo
adquiere el carcter de personal-significativo, manifestndose en necesidades cognosci-
tivas de exploracin de nuevos aportes al desarrollo cientfico, que inducen al sujeto a
concentrarse con pasin en su trabajo y a buscar soluciones creativas y efectivas a los
problemas de la ciencia. Algunos estudios han manifestado que el trabajo creador de
los cientficos est muy relacionado con la formacin de estas motivaciones intrnsecas.

58
Tema
Tema
1 2| Mtodos
| La Teora
e Investigacin
Cientfica como
Cientfica
Sistema

Las motivaciones extrnsecas (a la actividad cientfica) tambin juegan un papel


importante como impulsoras del trabajo del investigador. Entre todas ellas, ocupan un
papel importante los motivos morales, como son: el cumplimiento de su deber social,
la solucin de los problemas de la sociedad, el alto sentido de la responsabilidad ante
el colectivo, entre otros.
Hay motivos extrnsecos que tienen un carcter individual: el obtener prestigio
social, el elevar su estatus tcnico, administrativo, econmico-material, entre otros.
Ambos tipos de motivaciones o no son contradictorias entre s, por principio,
siempre que se encuentren en equilibrio y son ms bien complementarios. De este
modo, los tipos de necesidades que se advierten en la actividad cientfica del inves-
tigador se deben manifestar en forma simultnea, donde se encuentran fusionados
los tipos de motivaciones antes sealados. Es necesario precisar que las motivaciones
extrnsecas solamente pueden impulsar la actividad creativa cuando actan a travs
de las motivaciones intrnsecas que el cientfico ha formado respecto a la ciencia y a
sus necesidades cognoscitivas.
En la formacin de los profesionales, en la educacin de nuestros estudiantes y en
el cdigo de valores de los investigadores, debe tener un peso fundamental el desa-
rrollo de motivaciones morales, el cumplimiento de su deber social, la contribucin
al desarrollo de la sociedad, as como la interiorizacin de intereses cognoscitivos
cientfico-tcnicos que orienten la actividad del investigador hacia la solucin de las
demandas de la ciencia y de la sociedad.

2.5.3. Crtica a la concepcin del determinismo tecnolgico

El punto de vista que hemos expuesto, con el conjunto de ideas expresadas an-
teriormente acerca de la interaccin de las necesidades tericas y de las demandas
sociales en el desarrollo de la ciencia, es el que determina el progreso cientfico. Por
tanto, la tesis que sostiene que la ciencia est sujeta a un desarrollo autnomo con
total independencia de las condiciones econmicas y sociales, es su contrario. Para
nosotros es difcil aceptar dicha tesis. La base de esta ltima radica en una comprensin
distorsionada de las dependencias y de los vnculos causales existentes entre la ciencia
y la sociedad y defiende, como consecuencia, la tesis del determinismo tecnolgico.
Esta concepcin postula que los avances de la ciencia, de la tcnica y de la tecnologa
son el factor fundamental, bsico, de los cambios en la estructura econmica y social. Si
tal postulado fuera cierto: cmo explicar que los actuales avances tecnolgicos no han
solucionado los problemas actuales de salud de ms de mil millones de seres humanos?
Cmo explicar que los avances en el campo de la nutricin infantil permiten que
ms de 35000 nios mueran diariamente de desnutricin (literalmente: de hambre)?
Esta tesis hiperboliza un aspecto del desarrollo en general, nos referimos al progreso
cientfico, distorsionando las relaciones reales entre la ciencia y la sociedad. Desde luego,
el progreso cientfico es un factor que contribuye a su vez al desarrollo social, siempre y
cuando tal progreso no se realice en un vaco. En otras palabras, el progreso cientfico
alcanza su mxima expresin cuando converge con el progreso social.
En relacin con las ciencias mdicas, es posible sealar que la tesis del determinis-
mo tecnolgico adopta una particular expresin: la sustitucin de la prctica mdica

59
Metodologa de la Investigacin Cientfica

tradicional por una prctica mdica basada en la dependencia casi absoluta en los
avances tecnolgicos realizado en el campo mdico.

2.6. Caractersticas del problema cientfico

La formulacin de un problema es ms importante que su solucin.


Albert Einstein

2.6.1. Fundamentacin terica

El problema cientfico debe tener profundas races en toda la suma de conocimientos


cientficos anteriores. Debe formularse sobre una slida base determinada por los co-
nocimientos alcanzados por la ciencia, por la filosofa y por otras disciplinas cientficas.
Esto obliga al investigador a realizar un profundo anlisis de la literatura cientfica,
estudiar la historia del problema, determinar su lugar en el desarrollo de la ciencia,
conocer las soluciones que ha tenido y precisar cuales aspectos no se han solucionado
satisfactoriamente. Lo anterior debe ser expresado claramente en su trabajo para que
pueda comprender el vnculo que existe entre su investigacin, el sistema de cono-
cimientos de su disciplina y el aporte que espera efectuar. No realizar este grupo de
acciones constituye el principio de un fracaso seguro.
La fundamentacin terica del problema tiene como objetivo vincular el problema
con toda la suma de conocimientos anteriores y precisar los presupuestos tericos del
mismo, es decir, demostrar que es una expresin del desconocimiento en la ciencia.
Los presupuestos son los principios filosficos y tericos generales que estn im-
plicados en el planteamiento del problema y en todo el proceso de investigacin que
se efecta para solucionarlo. Es vital para la existencia misma de un problema que
esto se apoye en presupuestos tericos verdaderos; si no es as, la orientacin de su
planteamiento no ser la ms adecuada y la realizacin de la investigacin tendr
serias deficiencias.
Resulta indispensable que el investigador posea una claridad mxima de los pre-
supuestos tericos y metodolgicos que orientan su investigacin, puesto que esta
claridad es esencial en la elaboracin del diseo de la investigacin.

2.6.2. Importancia social del problema cientfico

La fundamentacin del problema no debe restringirse a su importancia terica,


sino que adems debe hacer explcita su importancia social. De no ser as, se arriba
a una forma de reduccionismo.
En todo diseo, el investigador debe fundamentar la importancia prctica del
trabajo e indicar en qu beneficiar el resultado de su investigacin a la ciencia y a
la sociedad.
En el proceso de fundamentacin terica y prctica del tema de investigacin que
se desea realizar, debe quedar de manifiesto la seriedad del investigador y su nivel
de responsabilidad ante la sociedad, ya que a esta le interesa conocer y solucionar

60
Tema
Tema
1 2| Mtodos
| La Teora
e Investigacin
Cientfica como
Cientfica
Sistema

sus problemas. El planteamiento de problemas triviales, no necesarios, imposibles de


realizar o solo interesantes desde un punto de vista abstracto, puede implicar una
prdida de esfuerzo y de recursos econmicos. Esto es especialmente importante en los
pases con poco desarrollo econmico, por razones obvias. Esto no quiere decir que
no se puedan abordar temas que aparentemente son slo tericos. Pero la solucin
de problemas tericos tambin es una necesidad para muchos problemas que tienen
una directa relacin con alguna circunstancia en donde est involucrado un inters
de urgencia social. La nutricin infantil es un ejemplo claro de esta situacin.

2.6.3. Formulacin adecuada de un problema cientfico

El problema cientfico debe ser expuesto con claridad, en conceptos y trminos


precisos, utilizando el sistema terico y metodolgico de la ciencia.
En la formulacin del problema se debe distinguir su aspecto esencial (que expresa
la posibilidad de descubrir un nuevo conocimiento, mtodo, forma de actuar, entre
otros) de aquellas interrogantes secundarias o complementarias, las cuales ponen de
manifiesto las tareas que marcan el camino en la solucin del problema, o que cons-
tituyen subproblemas que deben incluirse por su vinculacin lgica y terica con la
interrogante central.

2.6.4. El problema cientfico debe ser soluble en principio de acuerdo con


el nivel alcanzado por la ciencia

Un requisito para que una interrogante constituya un verdadero problema cient-


fico, es que existan las condiciones mnimas en el nivel de desarrollo alcanzado por
la ciencia, que posibilita iniciar su estudio y lograr resultados positivos en un tiempo
ms o menos predecible. No son cientficos aquellos problemas para los cuales la
ciencia no tiene an los recursos tericos y metodolgicos suficientes para abordarlos
con un mnimo de efectividad en su estudio.
El investigador debe analizar si su problema es cientfico e indagar sobre las posi-
bilidades reales que posee l o su institucin atendiendo a los recursos econmicos,
materiales y de personal que requiere.
Al plantear un problema cientfico es necesario precisar en el diseo de investiga-
cin lo siguiente:

1. Qu solucin del problema va a considerarse como adecuada, lo que debe refle-


jarse en la hiptesis de la investigacin.

2. Qu prueba de experiencia de la solucin hipottica propuesta para el problema


se va a considerar como satisfactoria para determinar su veracidad o falsedad,
es decir, qu tipo de dato emprico es relevante para confirmar o refutar la hip
tesis.

61
Metodologa de la Investigacin Cientfica

2.7. Conceptos de tema y tareas de la investigacin

Los problemas cientficos no se presentan nunca aislados sino que, por el contra-
rio, forman parte de un sistema problmico. Un sistema tal, est constituido por un
conjunto parcialmente ordenado de problemas, es decir, es una secuencia ramificada
de problemas interrelacionados y, adems, dispuestos en un orden de prioridad lgica.
Un objetivo del investigador es descubrir y formular este sistema de problemas,
determinar lo que tratar de solucionar, el orden en que los va a estudiar y debe ela-
borar un plan de investigacin sobre la base de la secuencia lgica de los problemas
y de las tareas que debe realizar para solucionarlos.
En el proceso de investigacin se arriba a las interrogantes y subproblemas que
integran el sistema problmico, y adems, es posible que se modifique su ordenamiento
parcial inicial, reestructurndose y surgiendo nuevos problemas que no haban sido
previstos en la estrategia inicial.
Para el investigador es una tarea casi imposible estudiar todo el sistema problmico
de una vez y como una totalidad, por razones de recursos, y de personal, entre otros.
Pero tambin las razones lgico-metodolgicas impiden hacerlo, puesto que se requiere
que el problema complejo se descomponga en sus diferentes componentes, mediante
la abstraccin, de manera que se pueda abordar el sistema por etapas sucesivas.
La solucin de los diferentes subproblemas y la sntesis integral de sus resultados,
lleva a la solucin del sistema problmico.
De aqu la necesidad de que el trabajo de la ciencia deba definir el tema preciso de
investigacin, o sea, la denominacin de aquellos aspectos de la situacin problmica
que se ha considerado necesario investigar por su carcter unitario como problema
de investigacin. El tema expresa el subproblema especfico que se desea investigar.
El tema de investigacin delimita el crculo de las incgnitas de un fenmeno
que sern objeto de estudio, por lo que se debe formular de manera clara, precisa y
cumpliendo todos los requisitos de un problema cientfico. Constituye un serio error
metodolgico y cientfico plantear que un tema puede ser por ejemplo: Bajo Peso al
Nacer; Infarto Agudo al Miocardio; Carcinoma al Clon, entre otros. Aqu no
se expresa un problema cientfico, ni un sistma problmico. Esto es simplemente el
objeto de investigacin, el fenmeno que se produce. Los sistemas de problemas son
todos aquellos aspectos ignotos de estos fenmenos: subproblemas y, cada uno de
estos ltimos, constituira un problema o tema de investigacin.
La realizacin del trabajo de investigacin y la solucin del problema cientfico
implica el cumplimiento de determinadas tareas que expresan las necesidades cognos-
citivas y prcticas que es necesario solucionar para llevar a buen fin la investigacin.
Estas tareas se formulan en el diseo como orientaciones concretas que persiguen
determinados fines. Las tareas posibilitan organizar toda la accin del investigador
o grupo de ellos en una planificacin armnica que permita controlar y valorar el
proceso de investigacin, sus resultados parciales y finales.

62
Tema
Tema
1 2| Mtodos
| La Teora
e Investigacin
Cientfica como
Cientfica
Sistema

En el proceso de investigacin las tareas cognitivas siguientes son importantes:

Tareas empricas. Estn relacionadas con la descripcin rigurosa y sistemtica de los


hechos. Comprenden la seleccin o elaboracin de los mtodos empricos de investi-
gacin, su aplicacin sistemtica al estudio del fenmeno, la fijacin y generalizacin
emprica de los resultados de las observaciones, experimentos, entrevistas, entre otros,
expresados en un lenguaje cientfico.

Tareas tericas. Tienen como objetivo descubrir y exponer las relaciones esenciales
entre los fenmenos, los factores causales que los condicionan y sus leyes de funcio-
namiento y desarrollo, no observables directamente.
Las tareas tericas pretenden profundizar y reflejar la esencia de lo real, de esta
manera completar las tareas empricas, al explicar los hechos descubiertos por estas.

Tareas lgicas. Estn constituidas por los siguientes procesos:

1. El anlisis lgico de los conocimientos cientficos, el lugar que ocupa una deter-
minada formulacin terica (concepto, ley, hiptesis) en el nivel de cumplimiento
de las exigencias lgicas de la teora, que permite confirmar empricamente el sis-
tema de conocimiento estudiado.
2. El proceso de construccin de teoras, conceptos, leyes, hiptesis, entre otros. En
este proceso se deben cumplir las exigencias formales de no contradiccin, pre-
cisin, interdependencia lgica entre los elementos de la teora y entre estos y sus
formulaciones empricas.

El investigador debe plantearse estas tareas lgicas en los puntos de partida para
establecer inferencias tericas, o utilizar una teora como referencia para abordar
nuevas investigaciones o en el proceso de construir una nueva teora.
Las tareas lgicas tambin surgen en la organizacin de los momentos y actividades
del proceso de investigacin.
En el desarrollo histrico de las ciencias se van estructurando las necesidades
metodolgicas para la solucin de las tareas tericas, lgicas e empricas. Esto se
manifiesta con la presencia de las siguientes condiciones:

1. Se incrementa el volumen de conocimientos que es necesario dominar para realizar


estas tareas. Los estudios muestran que este crecimiento es exponencial.
2. Se modifica la concepcin del objeto de estudio incidiendo en la realizacin de la
tarea terica.

63
Metodologa de la Investigacin Cientfica

2.8. Los problemas cientficos y los tipos de investigacin

2.8.1. Investigacin terica fundamental

Este tipo de investigacin tiene como objeto la bsqueda de nuevas teoras, princi-
pios, leyes, mtodos y medios de conocimientos. Est ntimamente relacionado con la
formulacin de nuevos problemas cientficos complejos y esenciales que abarcan muchas
disciplinas al mismo tiempo y con la obtencin de soluciones tericas y metodolgicas
novedosas que impulsan el desarrollo de la ciencia en sus puntos neurales de evolucin.

2.8.2. Investigacin terica fundamental orientada

El investigador trabaja con problemas tericos ya formulados; sus objetivos estn


orientados hacia el estudio crtico de las soluciones tericas antes propuestas, a enri-
quecer los conocimientos cientficos sobre un fenmeno determinado, a encontrar datos
empricos que permitan una confirmacin ms acabada de las hiptesis existentes.
Las diferencias ms notables con las investigaciones antes nombradas radican en
que esta ltima trabaja sobre un problema terico ya previamente explorado por las
primeras, y su estudio presenta una importancia prctica previsible para la sociedad.
Las investigaciones tericas fundamentales y orientadas, presentan en comn el
estar ntimamente condicionadas por la lgica interna de desarrollo de la ciencia y
por las contradicciones que este proceso genera. Estas investigaciones se erigen como
las principales vas para el progreso terico-metodolgico y para el descubrimiento
de nuevos hechos cientficos en las diferentes ciencias.

2.8.3. Investigacin aplicada

Constituye un eslabn intermedio entre el sistema de conocimientos cientficos y


su utilizacin prctica. Est dirigida a la aplicacin de las teoras y leyes cientficas
ya comprobadas, a la resolucin de los problemas sociales.
Estas investigaciones aplicadas son importantes en las ciencias mdicas, ya que con
el grado de desarrollo terico que estas han logrado, sus investigaciones fundamen-
tales no guardan un vnculo directo e inmediato con la prctica mdica concreta. En
condiciones como estas no resultan de fcil comprensin las implicaciones prcticas
que presentan sus logros tericos, para esto hay que realizar un trabajo investigativo
especial que permita descubrir y elaborar procedimientos generales concretos que
posibiliten la aplicacin de la teora al proceso de la prctica mdica.
Las investigaciones aplicadas tienen importancia prctica y cientfica, toda vez que
permiten someter a confirmacin emprica los resultados de las investigaciones tericas.
Adems, las investigaciones aplicadas impulsan el desarrollo de las investigaciones
fundamentales al poner a la ciencia en relacin directa con nuevos problemas prcticos
que requieren, para su solucin, nuevas explicaciones tericas.
Los tres tipos de investigacin contribuyen al desarrollo de la ciencia, por tanto
todos tienen importancia cientfica, pero se distinguen por los aportes que ellos pro-
porcionan.

64
Tema
Tema
1 2| Mtodos
| La Teora
e Investigacin
Cientfica como
Cientfica
Sistema

Bibliografa

Asimov, I (1979) 100 preguntas bsicas sobre la ciencia. Editorial Alianza. Madrid.
Black, JA; Champion, DJ (1976) Methods and issues in social research. John Wiley & Sons.
New York
Blalok, HM (1980) Construccin de teoras en ciencias sociales: de las formulaciones verbales
a las matemticas. Editorial Trillas. Mxico.
Blake, RM (1960) Theories of Scientific Method. University of Washington Press. Seattle.
Bunge, M (1972) La investigacin cientfica. Edet. Ariel. Barcelona.
Bunge, M (1992) La ciencia: su mtodo y su filosofa. Ediciones Siglo XX. Buenos Aires.
Bunge, M (1991) Una caricatura de la ciencia: la novsima sociologa de la ciencia. Inter-
ciencia, Vol. 16, Nmero 2. Caracas.
Cohen, M; Nagel, E (1993) Introduccin a la lgica y al mtodo cientfico. Amorrortu edi-
tores, Buenos Aires.
Daz Narvez, VP (2000) Marco Terico-Conceptual para un Sistema de Investigaciones
Cientficas. I. El papel de la teora y el enfoque sistmico en la ciencia contempornea.
Revista Universidades. Universidad Autnoma de Mxico (UNAM). Nmero 20: 35-
43. Julio-Diciembre.
Daz Narvez, VP (2000) Marco Terico-Conceptual para un Sistema de Investigaciones
Cientficas. II. El Concepto de Potencial Cientfico. Revista Universidades. Universidad
Autnoma de Mxico (UNAM). Nmero 20: 43-51. Julio-Diciembre.
Daz Narvez, VP; Calzadilla, A (2001) El reducionismo, antirreduccionismo y el papel de los
enfoques y mtodos generales del conocimiento cientfico. Revista Cinta de Moebio.
Facultad de Ciencias Sociales. Universidad de Chile. Nmero 11. Septiembre.
Daz Narvez, VP; Calzadilla, A (2001) Papel de las investigaciones interdisciplinarias en el
desarrollo del conocimiento cientfico, una aproximacin terica. Revista Ensayo y
Error. Universidad Simn Rodrguez. Caracas (en prensa).
Fedoseev, PN; Rodrguez, M; Ruzavin, G (1975) Metodologa del Conocimiento Cientfico.
Editorial Ciencias Sociales. La Habana.
Fourez, G (1998) La construccin del conocimiento cientfico. Sociologa y tica de la ciencia.
Narcea, S.A. de Ediciones. Madrid.
Goode, W; Hatt, P (1971) Mtodos de investigacin social. Editorial Ciencias Sociales. La
Habana.
Hernndez, R; Fernndez, C; Baptista, P (1991) Metodologa de la investigacin. McGraw-
Hill. Mxico.
Kerlinger, Fn (1979) Enfoque conceptual de la investigacin del comportamiento. Nueva
Editorial Panamericana. Mxico.
Kuhn, TS (1975) La estructura de las revoluciones cientficas. F.C.E. Mxico.
Lpez, JL (1978) Mtodos e hiptesis cientficas Editorial Trillas. Mxico.
Serrano, JA (1981) La objetividad y las ciencias. Enfoque histrico epistemolgico. Editorial
Trillas. Mxico.

65
Tema 1 | Mtodos e Investigacin Cientfica

Captulo 3

La hiptesis cientfica
Vctor Patricio Daz Narvez y Aracelis Calzadilla Nez

Todo gran avance en la Ciencia es el resultado de una nueva audacia de la imaginacin.


John Dewey

La hiptesis es un elemento central y esencial del proceso de investigacin, toda


vez que se constituye en una respuesta previa al problema cientfico que es objeto de
estudio.
Supongamos que deseamos estudiar si entre los factores que determinan el bajo
peso al nacer se encuentran incidiendo, de alguna manera, aquellos que tienen una
base gentica. La hiptesis debe precisar todos los factores que considera que pueden
influir al mismo tiempo y que determinan esta condicin y, junto a ellos, incluir los
que considera de origen gentico, y que la literatura o la observacin o ambos consi-
deran sospechosos de incidir, es decir, el investigador est precisando que factores
genticos estaran determinando tal condicin. Con esto, l est sealando los posibles
resultados de la investigacin con anticipacin. En este caso, la hiptesis se podra
redactar as: Existen factores que influyen o determinan el bajo peso al nacer y entre
estos factores pudieran ser aquellos de base gentica tales como A, B,.,N.

3.1. Definicin y funciones

Consecuentemente con la idea general antes expresada, es posible sealar que la


hiptesis es una forma especial del conocimiento cientfico en la cual estn contenidas
particularidades que son especficas a ella: nos anticipa acerca de las posibles leyes y
caractersticas esenciales que esperamos encontrar en aquellos fenmenos que estu-
diamos, por tanto la hiptesis es un conocimiento con caractersticas probabilsticas
acerca de la realidad que queremos conocer.
La hiptesis entonces, en tanto conocimiento con cierto grado de probabilidad
de ser verdadera, se adelanta al proceso de investigacin y a los resultados posibles
que es esperable encontrar. La investigacin cientfica tiene como objeto comprobar
empricamente si la hiptesis planteada es verdadera o falsa y vincula el proceso de
trnsito entre el conocimiento probable y el confirmado.
Su importancia como forma especial de conocimiento es tan enorme que el investi-
gador puede adoptar la estrategia de formular hiptesis cada vez ms profundas sobre
un fenmeno (o conjunto de ellos) a un nivel tal que permita enriquecer la imagen
que tenemos de l (o de ellos).

67
Metodologa de la Investigacin Cientfica

Resulta natural que el objetivo fundamental que busca el investigador es la for-


mulacin de nuevas hiptesis cada vez de mayor riqueza, profundidad, generalidad
y capacidad explicativa y, simultneamente, elaborar o perfeccionar los mtodos
que sean adecuados para corroborarlas sin detenerse en demostrar como totalmente
correctas aquellas hiptesis iniciales que presentan un carcter ms limitado y que
constituyen la base de las hiptesis de mayor potencial.
Sobre la base de lo expuesto acerca de la hiptesis en trminos generales, se deduce
que ella cumple funciones de primer nivel en el trabajo cientfico:

1. Es capaz de prever los posibles resultados del trabajo cientfico. Adems, contri-
buye a estimular, orientar y organizar la investigacin.
El contenido de la hiptesis gua la forma de abordar el problema cientfico, con-
diciona la eleccin y la aplicacin de los mtodos y medios de la investigacin. De
igual modo, la interpretacin de los resultados y la elaboracin de las conclusiones
se realiza sobre la base de la hiptesis construida.
La hiptesis, adems, estimula el desarrollo de la ciencia al incentivar la discusin
y la bsqueda entre los cientficos, promoviendo la creacin de nuevos mtodos
cientficos que permitan comprobarla empricamente y la elaboracin de otras
hiptesis que logren una explicacin cada vez mas acabada del fenmeno some-
tido a estudio.
2. La hiptesis es capaz de generalizar los conocimientos alcanzados en cada etapa
del desarrollo de la investigacin cientfica en relacin con el fenmeno o grupo
de fenmenos en estudio.
Sobre la base de los hechos y de las leyes descubiertas acerca de un objeto estudia-
do es que la hiptesis es formulada, sintetizando, interpretando y generalizando
los conocimientos alcanzados hasta un momento determinado en el proceso del
conocimiento cientfico.
Es necesario distinguir el dato emprico de la hiptesis. Esta diferenciacin con-
siste en que los datos empricos le sirven a esta como punto de partida para su
correspondiente elaboracin. La hiptesis establece una generalizacin que se
construye por encima de los datos empricos, pero no desligada de ellos. Como
consecuencia, esta tiene una mayor extensin que los datos obtenidos emprica-
mente (ms adelante se discutir la relacin dato-hiptesis con ms detalle).
Al mismo tiempo, la hiptesis se constituye en un ncleo integrador en continuo
desarrollo en la misma medida en que es capaz de explicar y asimilar los nuevos
resultados de las investigaciones cientficas y de todo el proceso en general de
investigacin.
3. La hiptesis puede constituirse en un punto de partida para nuevas inferencias
cientficas. En la medida de que las ciencias puedan alcanzar un determinado
grado de desarrollo terico, la hiptesis se transforma en un elemento esencial
en el proceso del conocimiento cientfico, toda vez que la misma se convierte en
punto de partida para nuevas deducciones. Este proceso da lugar al razonamiento
hipottico-deductivo que desempea un papel muy importante en la estructuracin
de la teora e influye directamente en la generacin de nuevos mtodos y medios
de investigacin. El mtodo hipottico-deductivo es un mtodo caracterstico de
las ciencias ms desarrolladas y ser analizado ms adelante.
68
Tema 1 | Mtodos
Tema e3 Investigacin
| La Hiptesis Cientfica

3.2. Caractersticas de la hiptesis cientfica

3.2.1. Fundamentacin terica

La hiptesis tiene una exigencia metodolgica, la cual consiste en que esta debe
fundamentarse e inferirse lgicamente del sistema de conocimientos cientficos ya
constituidos. Dicha exigencia es considerada como el carcter analtico de la hiptesis.
De aqu que toda hiptesis debe ser todo lo posiblemente analtica respecto del cuerpo
de conocimientos existente.
Esto no quiere decir que dicho carcter se transforme en una dependencia lgica
absoluta del sistema de principios y leyes establecidas. Este tipo de dependencia puede
implicar un freno para el desarrollo de la investigacin y el rechazo a priori de hip-
tesis originales y novedosas que pueden producir un cambio brusco de verdades
que se han considerado invariables.
De aqu que el carcter analtico de la hiptesis, debe ir tambin acompaada por
el carcter sinttico. Ambas caractersticas tienen una relacin dinmica que permite
establecer el contacto permanente entre lo continuo y lo discontinuo en el desarrollo
del conocimiento cientfico.
Toda hiptesis de investigacin debe ser fundamentada tericamente. Tal empresa,
inexcusable desde cualquier punto de vista cientfico, implica necesariamente la revi-
sin exhaustiva y crtica de la bibliografa cientfica. Esto obliga al conocimiento de la
historia del problema cientfico que se pretende estudiar y de las soluciones a que han
arribado otros investigadores respecto al problema en estudio. Tambin requiere de un
conocimiento profundo de la teora en la cual se enmarca dicho problema. Si se cum-
ple lo anterior, las hiptesis formuladas podrn ser ms profundas y fundamentadas.

3.2.2. Consistencia lgica

Toda hiptesis debe cumplir el principio de no contradiccin. Una hiptesis que no


cumpla este principio puede originar formulaciones falsas y verdaderas simultnea-
mente, todo lo cual nos imposibilita su comprobacin emprica. Esto significa que la
hiptesis, para ser correcta, debe presentar consistencia lgica interna.

3.2.3. Formulacin adecuada

Si la hiptesis se formula sobre la base de todo el conjunto de logros terico-me-


todolgicos de la ciencia y, al mismo tiempo, presenta una redaccin clara y precisa,
entonces podemos decir que una hiptesis ha sido formulada en trminos cientficos.
Los conceptos que la integran deben ser definidos correctamente, desde el punto de
vista terico, as como de sus manifestaciones concretas. Se deben precisar los aspec-
tos observables de los conceptos tericos de modo que estos se puedan confirmar. La
claridad de una hiptesis constituye la garanta para su comprobacin cientfica y la
comprensin de la misma por otros investigadores.

69
Metodologa de la Investigacin Cientfica

3.2.4. Generalidad y capacidad de informacin

La hiptesis debe tener el mayor grado de generalidad en relacin con los hechos
de que disponga. Esto quiere decir que debe incluir el mayor nmero de fenmenos
posibles de la realidad, sobre la base del nmero y de la calidad cientfica de los datos
empricos que la sostienen.
El grado de generalidad de la hiptesis est directamente relacionado con el grado
de informacin y de abstraccin que debe poseer. La informacin expresa la capaci-
dad de la hiptesis para reflejar las cualidades y regularidades esenciales del objeto de
estudio. Mientras que la abstraccin est relacionada con la capacidad de la hiptesis
de profundizar en las cualidades y leyes antes sealadas. Al relacionar estas caracte-
rsticas es posible deducir lo siguiente: a mayor nivel de abstraccin terica, mayor
capacidad de informacin y generalidad.
El nivel de informacin, generalidad y abstraccin terica de la hiptesis se corre-
laciona positivamente con el concepto de fuerza lgica. Esta no es ms que la expre-
sin de la potencia deductiva de una formulacin cientfica y la posibilidad que esta
presenta para que de ella se puedan inferir otras hiptesis o proposiciones cientficas.
Si existen dos o ms hiptesis y todas puedan ser inferidas de una de ellas, es esta la
de mayor fuerza lgica.

3.2.5. Capacidad de prediccin de la hiptesis

Las hiptesis no slo pretenden explicar los fenmenos, sino tambin predecir
hechos desconocidos. Por ejemplo, para la epidemiologa es importante predecir
con cierto grado de probabilidad, algn factor de riesgo presente en determinadas
patologas.
La capacidad predictiva de la hiptesis es directamente proporcional a su nivel de
generalidad, abstraccin, informacin y fuerza lgica: mientras mayor sea el crculo
de fenmenos que abarca la hiptesis, as como el grado de informacin que propor-
ciona sobre estos, mayor capacidad de prediccin presentar. De la misma manera, a
mayor fuerza o potencia lgica (capacidad deductiva), mayores sern las conclusiones
empricas que pueden derivarse de ella, lo que implica que su capacidad predictiva
se eleva sustancialmente.

3.2.6. Confirmacin emprica de las hiptesis

Toda hiptesis cientfica debe caracterizarse por tener la posibilidad de someterse a


un proceso de contrastacin y comprobacin emprica en el proceso de investigacin
cientfica.

70
Tema 1 | Mtodos
Tema e3 Investigacin
| La Hiptesis Cientfica

3.3. Niveles de las hiptesis

3.3.1. Nivel de fundamentacin cientfica de la hiptesis

Esta fundamentacin consiste en el grado en que la hiptesis est avalada por el


sistema de conocimientos cientficos constituidos.
Si la hiptesis esta bien fundamentada desde el punto de vista terico, aumenta
la probabilidad de que esta pueda entregar un conocimiento verdadero y profundo
acerca del objeto que estudia.
Sobre esta base se pueden sealar diferentes grados de elaboracin de la hiptesis:

Suposicin. Es una conjetura simple que el investigador realiza que no esta funda-
mentada cientficamente. Este es el resultado de la actitud exploratoria del cientfico,
la cual es capaz de generar ideas intuitivas y especulativas acerca de la naturaleza de
los fenmenos. No est fundamentada tericamente ni tampoco posee claridad y es
difcil de comprobar empricamente. A veces las suposiciones originan estudios explo-
ratorios (que sern tratados ms adelante) que, al ser bien analizadas y procesadas,
pueden conducir a la formulacin de hiptesis de trabajo.
Hiptesis de trabajo. Es una hiptesis de carcter provisional que se utiliza como
un medio auxiliar en el proceso de investigacin. Esta es una conjetura razonable,
pero se caracteriza por tener un bajo nivel de apoyo en el conocimiento establecido,
aunque lo suficiente como para ser aceptada como hiptesis provisional. En este
sentido contribuye a instrumentar las investigaciones y orienta la bsqueda de datos
empricos que permitan arribar posteriormente a hechos cientficos. Las investigacio-
nes de carcter exploratorias pueden basarse en suposiciones, pero es ms usual que
estas partan de hiptesis de trabajo. Este tipo de estudio persigue revisar, precisar
y enriquecer la hiptesis de trabajo y encontrar datos empricos que posibiliten su
fundamentacin, de modo de transformar a la misma en una verdadera hiptesis
cientfica. Un ejemplo muy claro de esta situacin es el descubrimiento del agente que
produce el SIDA. Cualquiera que estudie la historia de cmo este fue descubierto
podr verificar fcilmente lo antes planteado.
Hiptesis cientfica. Es una conjetura razonable que debe cumplir una serie de
requisitos y se caracteriza principalmente por tener una slida fundamentacin te-
rica. Como hemos visto, la hiptesis cientfica se infiere lgicamente de un sistema
de conocimientos tericos y empricos, lo cual aumenta la probabilidad de que sea
verdadera, toda vez que se deduce de leyes de la naturaleza que son conocidas.

3.3.2. Nivel de abstraccin de la hiptesis

El nivel de abstraccin de la hiptesis nos permite distinguir dos tipos desde el


punto de vista cognoscitivo:

Hiptesis emprica. Refleja las caractersticas de carcter fenomenolgicas y no


esenciales de un objeto de estudio, lo cual slo puede conducir a una generalizacin
emprica de los datos obtenidos acerca de un fenmeno.

71
Metodologa de la Investigacin Cientfica

Hiptesis terica. Busca contener las cualidades y regularidades esenciales de un


objeto de estudio, las cuales no son observables directamente.

3.4. Tipos de hiptesis

Existen varias clasificaciones de hiptesis. Nosotros nos limitaremos a solo dos de


ellas, las cuales consideramos esenciales para el conocimiento de nuestros estudiantes:

3.4.1. Hiptesis descriptivas o explicativas

Las hiptesis descriptivas pueden ser de dos tipos:

3. Las que enuncian el comportamiento de una caracterstica.


4. Las que establecen asociaciones entre determinados fenmenos.

Las hiptesis explicativas son aquellas que establecen nexos causales entre distintos
hechos o acontecimientos. Explican por qu un fenmeno se da de una manera y no
de otra.
Una hiptesis de este tipo afirma que una determinada ocurrencia X determina la
ocurrencia Y. Para comprender la causalidad es necesario comprender los principios
o enunciados subyacentes a toda formulacin explicativa.

Principios de causalidad

El primer principio de causalidad tiene relacin con la interdependencia univer-


sal de los fenmenos, y con su concatenamiento. Esto quiere decir que, detrs de la
causalidad, est presente el principio de la concatenacin universal de los fenmenos.
El segundo principio, que subyace a la causalidad, hace referencia a la sucesin
temporal de la causa y el efecto. Esto significa que la causa antecede al efecto.
El tercer principio es el del nexo gentico, el cual completa el de sucesin tempo-
ral. La sucesin temporal es necesaria pero, por s misma, no determina la relacin
causal. Si bien, la causa siempre precede al efecto, este indicio no es suficiente para
que la relacin causal se produzca. En suma, al principio de sucesin temporal hay
que aadir el principio del nexo gentico, segn el cual la causa no slo es anterior
al efecto sino que genera, produce el efecto.
En la ciencia contempornea, ms que en una determinacin causal singular, se
pone nfasis en mltiples condiciones determinantes, las cuales en su conjunto hacen
probable la ocurrencia de un determinado acontecimiento. Por tanto, es mejor hablar
de la existencia de un conjunto de tipos de condiciones que se vinculan causalmente
a la ocurrencia de un fenmeno.

72
Tema 1 | Mtodos
Tema e3 Investigacin
| La Hiptesis Cientfica

Condiciones para que ocurra un fenmeno

Existen cuatro condiciones en general:

a) Necesarias
b) Suficientes
c) Contribuyentes
d) Alternativas

Una condicin necesaria es aquella sin la presencia de la cual un acontecimiento


no puede suceder. La frmula de la condicin necesaria podra ser:

Si no X, entonces no Y

Por ejemplo, una condicin necesaria para adquirir el hbito de fumar es una previa
experiencia con el cigarrillo. Es imposible este hbito si este nunca se ha probado.
No obstante, podemos haber tenido la experiencia de fumar y nos ser adictos al
cigarrillo. Esto significa que estamos frente a una causa necesaria, pero no suficiente,
para que este hbito se produzca.
Para que este hbito se produzca, adems de la causa necesaria, tienen que estar
presentes ciertas condiciones suficientes. En el caso de fumar, una condicin suficiente
puede ser la presencia de un nivel nicotnico determinado en el organismo que haya
creado cierta dependencia del sujeto en relacin con este hbito.
La condicin suficiente es una condicin, en cuya presencia el fenmeno debe
ocurrir. La frmula de la condicin suficiente sera:

Si X, entonces Y

Una condicin contribuyente es la que incrementa la probabilidad de ocurrencia


de un suceso. La frmula de esta condicin sera:

Si X, entonces Y es ms probable

En el caso del ejemplo del cigarrillo, un factor contribuyente al hbito de fumar


puede ser el ambiente familiar, el grupo de edad, etc.
Las condiciones alternativas son un conjunto de condiciones que pueden incidir
aisladamente o de forma conjugada en la ocurrencia de un fenmeno. Estas condi-
ciones pueden ser:

a. Alternativas suficientes, cuya frmula sera:

Si X1 o X2 o..Xn , entonces Y

b. Alternativas contribuyentes, cuya frmula sera:


Si X1 o X2 o..Xn , entonces Y es ms probable

73
Metodologa de la Investigacin Cientfica

Un ejemplo de condicin alternativa suficiente puede ser el siguiente:


La presencia de un determinado nivel nicotnico, o la dependencia psquica en el
cigarrillo, son condiciones alternativas suficientes para el hbito de fumar. Desde el
punto de vista del lenguaje lgico quiere decir que se pueden dar las dos condiciones
simultneamente, o una, cualquiera, de ellas. Esto es vlido para cualquier caso en
que est presente la alternativa, con independencia de la condicin suficiente o con-
tribuyente con la que se combine.

Un ejemplo de condicin alternativa contribuyente puede ser el siguiente:


El mal ejemplo familiar, o del grupo de amigos, son condiciones alternativas con-
tribuyentes del habito de fumar.

3.4.2. Segn el modo de gestacin o las formas de pensamiento que


participan en la elaboracin de lahiptesis

a. Analoga
b. Induccin
c. Deduccin

Esta clasificacin representa solo tipos ideales, puesto que en toda hiptesis parti-
cipan inferencias de todas clases. Por esto, es que hablaremos de hiptesis halladas
predominantemente por analoga, por induccin y por deduccin.

a. Las hiptesis analgicamente halladas son las inferidas por la captacin de pa-
recidos. Por ejemplo, cuando conocemos cul es la respuesta de un organismo a un
determinado estmulo e inferimos de ah, para un organismo diferente, que presentar
la misma relacin estmulo-respuesta. Esto puede ser cierto o no, pero que la respuesta
sea la misma es un problema de probabilidad. Por tanto, la analoga presenta limita-
ciones que deben ser consideradas exhaustivamente antes de ser aplicadas.
b. Las hiptesis inductivamente halladas son las compuestas sobre la base del examen,
caso por caso. Pueden distinguirse dos tipos de generalizaciones inductivas:
r Induccin de primer grado. En esta, a partir del estudio de algunos casos, gene-
ralizamos para toda la poblacin.
r Induccin de segundo grado. Consiste en una generalizacin a partir de una
induccin de primer grado.
c. Las hiptesis deductivamente obtenidas, son las que se infieren de supuestos ya
establecidos, de teoras generales anteriores.

3.5. Algunos problemas que existen en el planteamiento de hiptesis

Consecuentemente con las ideas generales antes expresadas, es posible reiterar


que la hiptesis es una forma especial del conocimiento cientfico en la cual estn
contenidas particularidades que son especficas para ella: nos anticipa acerca de las
posibles leyes y caractersticas esenciales que esperamos encontrar en aquellos fen-

74
Tema 1 | Mtodos
Tema e3 Investigacin
| La Hiptesis Cientfica

menos que estudiamos, por tanto la hiptesis es un conocimiento con caractersticas


probabilsticas acerca de la realidad que queremos conocer.
Resulta natural que el objeto fundamental que busca el investigador, en relacin
con el contexto sealado, es la formulacin de nuevas hiptesis de cada vez mayor
riqueza, profundidad, generalidad y capacidad explicativa y, simultneamente, elaborar
o perfeccionar los mtodos que sean adecuados para corroborarlas sin detenerse en
demostrar como totalmente correctas aquellas hiptesis iniciales que presentan un
carcter ms limitado y que constituyen la base de las hiptesis de mayor potencial
cognoscitivo.
La hiptesis, entonces, en tanto conocimiento con cierto grado de probabilidad
de ser verdadera, se adelanta al proceso de investigacin y a los resultados posibles
que es esperable encontrar (tericos o empricos, o ambos). La investigacin cientfica
tiene como objeto (entre otros) comprobar empricamente si la hiptesis planteada
es verdadera o falsa y es un vnculo necesario, dado en el proceso de trnsito, entre
el conocimiento probable y el confirmado.
Tras estos antecedentes comienza a perfilarse un problema no completamente re-
suelto, consistente en la existencia de ms de un enfoque en relacin con el concepto
de hiptesis (o con una parte importante de su extensin o contenido conceptual).
Un primer enfoque plantea que tal acepcin est estrechamente relacionada (y
casi con exclusividad) con la etapa emprica del conocimiento cientfico. De aqu que
aparece la relacin directa de este concepto con los de hiptesis nula y alternativa,
tal como lo enfocan algunos autores.
Un segundo enfoque plantea que las hiptesis estn relacionadas con los diferentes
niveles de organizacin del mundo objetivo que se desea o requiere estudiar. De aqu
que las hiptesis cientficas estn relacionadas con la esencia de los fenmenos, con
los aspectos ms internos que caracterizan a los objetos de investigacin, es decir, con
las leyes ltimas o tericas que rigen un fenmeno o fenmenos de una clase deter-
minada. Las hiptesis empricas son aquellas que nos entregan el conocimiento del
comportamiento regular de los fenmenos (y no de su esencia) y tal comportamiento
no es ms que la manifestacin externa de las leyes internas que lo rigen en trminos
de regularidades empricas o experimentales. Dicho de otra manera: Refleja las ca-
ractersticas de carcter fenomenolgicas y no esenciales de un objeto de estudio, lo
cual slo puede conducir a una generalizacin emprica de los datos obtenidos acerca
de un fenmeno.
En el estudio de algunos fenmenos, mediante la experimentacin, no se obtienen
resultados siempre idnticos, dada la naturaleza del objeto de investigacin; en este
caso, las hiptesis empricas son comprobadas con la ayuda de la aplicacin de m-
todos estadsticos (complementarios a los mtodos experimentales), lo cual obliga a
la construccin de nuevos tipos de hiptesis denominadas hiptesis estadsticas.
Desde nuestro punto de vista, la falta de distincin de la existencia de diferentes
tipos de hiptesis, determinados por los niveles diferentes de complejidad de los ob-
jetos de la realidad objetiva sujetos a procesos cognoscitivos, genera una confusin
metodolgica y epistemolgica en el propio proceso de investigacin cientfica y en
la enseanza de la actividad cientfica (en los niveles de pre y postgrado), en el poten-
cial y en la capacidad cognoscitiva de las herramientas de apoyo que la investigacin

75
Metodologa de la Investigacin Cientfica

cientfica posee. Por estas razones, es interesante analizar el papel de la hiptesis en


el proceso de investigacin cientfica, tomando en consideracin el tipo de hiptesis
que se genera, en concordancia con los niveles de organizacin del objeto de estudio.

3.5.1. Hiptesis empricas e hiptesis estadsticas

La fase experimental en la actividad cientfica posee tres componentes principales:


observacin, medicin y experimentacin, y cada una de estas fases tiene su propia com-
plejidad interna que no es necesario considerar en este momento. A estos componentes
se les asocia la finalidad de generar informacin, mediante acciones especficas, en
referencia a un fenmeno determinado. Si la repeticin del proceso experimental sobre
ese fenmeno determinado, de uno o ms de sus componentes, comienza a producir
un mismo resultado (que es obtenido bajo iguales condiciones de experimentacin),
quiere decir que estamos en presencia de un hecho cientfico, de tal forma que: .....
En el sentido cientfico, entonces, los 'hechos' deben ser proposiciones convenidas
por individuos que han aplicado repetidamente mtodos rigurosos, controlados, de
observacin (nosotros diremos de experimentacin) directa o indirecta.
Se acostumbra llamar leyes empricas a las leyes que son el resultado de la com-
probacin de resultados de las observaciones realizadas en un estudio o mediante
experimentos controlados. Las leyes empricas son ms confiables que aquellas
generalizaciones que son el resultado de inducciones a partir de observaciones de
objetos y fenmenos que podemos detectar por medio de los sentidos. Estas leyes se
establecen con la aplicacin de mtodos especiales, lo que permite la formulacin de
predicciones exactas. Cuando una ciencia se ha desarrollado lo suficiente, las leyes
empricas pueden ser unificadas en un solo sistema en la esfera de una teora y, lo
que es ms importante an, estas pueden extraerse lgicamente de leyes tericas de
carcter ms general.
Los investigadores observan ciertas regularidades en la naturaleza, establecen la
dependencia entre determinadas propiedades de los objetos y fenmenos, los miden
cuantitativamente (hasta donde sea posible), para lo cual utilizan frecuentemente
experimentos, y de esta manera extraen las leyes empricas. Pero, para comprender
estas leyes y poder explicarlas es obligatorio acercarse a las leyes tericas. Las leyes
empricas se descubren en el nivel experimental de la investigacin. Para esto, adems
de las observaciones y experimentos, se utilizan mtodos tericos. Como ejemplo, los
mtodos de la lgica probabilstica.
Como producto directo de la aplicacin de un proceso emprico podramos encon-
trarnos frente a dos situaciones en trminos generales: en primer lugar, la necesidad
de la aplicacin de un proceso estadstico (mediante la utilizacin de un modelo
probabilstico) para la determinacin de un hecho cientfico. Un ejemplo de esto es
la determinacin del comportamiento de una variable cualquiera de inters mdico.
Dicha determinacin puede lograrse mediante un proceso emprico previo consisten-
te en la observacin y medicin de la variable sometida a anlisis con el objeto de
obtener los datos necesarios que, una vez ordenados de una manera determinada, se
sometern a pruebas estadsticas para comprobar si el comportamiento de estos datos
est o no est de acuerdo con ciertos modelos tericos. Surge entonces la necesidad de

76
Tema 1 | Mtodos
Tema e3 Investigacin
| La Hiptesis Cientfica

la construccin de las hiptesis estadsticas: el comportamiento de los datos no est


de acuerdo con un modelo determinado (hiptesis nula); el comportamiento de los
datos est de acuerdo con un modelo determinado (hiptesis alternativa).
En esta situacin se manifiesta claramente que el proceso estadstico no es el objeto
principal del acto cognoscente (de obtencin de conocimientos mediante investigacin
cientfica concreta en el contexto prefijado anteriormente), sino que es un mtodo
auxiliar para conocer algo de mayor relevancia en el campo de la medicina, como es
el caso del comportamiento real de una variable. Por tanto, la suposicin fundada
de cierto comportamiento de la variable estudiada, constituye la hiptesis emprica.
Como consecuencia, la hiptesis emprica es, en s misma, el comportamiento supuesto
de la variable; mientras que las hiptesis estadsticas constituyen una construccin
conceptual para poder aplicar el mtodo matemtico-probabilstico adecuado que
permitir asumir o no un determinado comportamiento, pero que no es el compor-
tamiento mismo.
En segundo lugar, en algunas situaciones resulta completamente innecesario el uso
de mtodos estadsticos para poder obtener conocimientos cientficos. Un ejemplo
de esto es el descubrimiento de la cadena del ADN. El conocimiento de la estructura
de esta cadena no requiri de la aplicacin de mtodos estadsticos, dado que los
mecanismos fsicos que sostienen dicha estructura no contienen en s mismos nin-
guna incertidumbre para explicarla, es decir, el objeto mismo de investigacin no
est sujeto a las leyes de la probabilidad y las leyes que gobiernan esos mecanismos
fueron sujetos de hiptesis empricas antes de convertirse en leyes empricas. De ah
es que puede deducirse que se puede plantear hiptesis empricas sin que se requieran
modelos estadsticos, y por tanto hiptesis estadsticas, para poder comprobar si las
primeras son ciertas o falsas. En otras palabras, la estructura del ADN es de una forma
determinada o no es del ADN.
Como consecuencia de las ideas expresadas anteriormente, es posible deducir que
la hiptesis no es slo un concepto abstracto-universal, sino que es necesario adems
tener en consideracin el contexto o el tipo de investigaciones que se est realizando.
Este tipo de investigaciones le dar un contenido y una funcin ms precisa a la hip-
tesis planteada para dicho contexto y, al mismo tiempo, brindar una medida del
potencial cognoscitivo que la hiptesis a utilizar tendra en ese contexto determinado.
Por otra parte, no distinguir los tipos de hiptesis, de acuerdo a la profundidad
cognoscitiva de que se trate, conlleva la superposicin de tipos de hiptesis, impi-
diendo al investigador discriminar la fuente real de conocimiento. Si las hiptesis
superpuestas (o la sustitucin de unas por otras) son las referidas a las empricas y
estadsticas y si, especficamente, las estadsticas se superponen (o sustituyen) a las
empricas, se puede tener la ilusin de que la aplicacin de los mtodos estadsticos
sera la fuente principal del conocimiento de las leyes (empricas en este caso). Esto es
precisamente lo que suele ocurrir cuando se trata de obtener conocimientos a partir
de un conjunto de datos obtenidos sin una seria planificacin que haya respetado las
leyes empricas (y eventualmente las tericas) ya establecidas, que forman parte de
la ciencia constituida y que hayan servido, a su vez, de base para postular hiptesis
empricas razonablemente fundamentadas.

77
Metodologa de la Investigacin Cientfica

3.5.2. Hiptesis terica

El objeto fundamental de la ciencia contempornea es el proceso de construccin


de teoras y se expresa en forma sencilla, pero eficaz: Mucha gente supone que la
ciencia es la recoleccin y catalogacin de hechos, pero es mucho ms que eso. La
investigacin cientfica no persigue la simple descripcin de los fenmenos, sino todo
lo contrario, la ciencia va ms all del conocimiento de los aspectos superficiales de
la realidad (manifestacin externa de los fenmenos) y refleja en sistemas tericos
conceptuales las regularidades esenciales, estables y necesarias que la rigen.
La hiptesis ocupa un lugar esencial en el desarrollo de la teora, por lo cual esta
constituye una sntesis generalizadora de los conocimientos que se poseen sobre una
determinada esfera de la realidad; y forma parte tambin de un sistema de abstrac-
ciones cientficas vinculadas entre s por medio de relaciones lgicas que unifican y
estructuran el conocimiento.
La estructuracin lgica de los componentes de la teora (sus principios, leyes,
conceptos, proposiciones empricas, entre otros), no es el resultado de convenciones
entre los cientficos, ni est determinada por el pensamiento puro y apriorstico del
ser humano. Todo lo contrario, el carcter sistemtico del saber terico tiene su base
en la realidad misma, est condicionado por las relaciones necesarias entre los ob-
jetos del mundo, estables, y por los mltiples vnculos regulares que existen en esa
realidad, lo cual se refleja en forma ideal (en nuestra conciencia y pensamiento) en
forma sistemtica o terica.
La realidad est caracterizada por una diversidad de relaciones y vnculos causales
que existen entre los fenmenos y los procesos en que estos estn envueltos. Entre
estas mltiples relaciones que existen en el mundo, la ciencia pretende encontrar
aquellas que son determinantes y fundamentales. Tales relaciones presentan carcter
de ley, es decir, son regularidades que se producen de un modo y no de otro, bajo
determinadas condiciones.
La ley, por tanto, es una relacin necesaria, estable, reiterada entre los procesos y
fenmenos del mundo, que responde a su propia naturaleza interna y esencial, y que
dadas determinadas condiciones especficas de la realidad, precisa la dinmica y el
desarrollo de procesos y fenmenos.
Como consecuencia, la ley es una expresin de aquellos vnculos causales que
existen entre los fenmenos, pero no de todos ellos, sino de aquellos que presentan
exclusivamente un carcter general y necesario, comn a toda una esfera de fenmenos.
De este modo, la ley es una relacin general y necesaria que se manifiesta, adems,
mediante lo particular y lo casual, tambin mediante lo casual porque la necesidad se
abre paso entre muchas casualidades. Un fenmeno est sujeto a una ley cuando un
proceso es necesario, condicionado por determinadas causas, en el que pueden actuar
una sola ley o un conjunto de ellas.
En el mundo existen leyes objetivas (fenmenos biolgicos, qumicos, fsicos, en-
tre otros) y leyes subjetivas, propias de la actividad intelectual y afectiva de los seres
humanos. Las leyes de la realidad (objetiva y subjetiva) cuando son descubiertas y
expresadas en un lenguaje cientfico, se denominan leyes cientficas. Estas son descu-
biertas en el proceso de investigacin cientfica y, por tanto, deben cumplir exigencias
muy rigurosas para ser aceptadas por la comunidad de investigadores.
78
Tema 1 | Mtodos
Tema e3 Investigacin
| La Hiptesis Cientfica

Las leyes tericas no pueden ser descubiertas por medio de generalizaciones in-
ductivas a partir de datos particulares, ni incluso de las leyes empricas. La causa de
esta imposibilidad radica en que las leyes tericas no tratan acerca de las propiedades
de los objetos y fenmenos que percibimos sensorialmente (en forma directa o por
medio de instrumentos complicados), sino que tratan acerca de los mecanismos in-
ternos profundos de los objetos y de los procesos involucrados dentro y entre ellos.
La correlacin entre las leyes tericas y las empricas podra ser comparada con el
examen entre el fenmeno y la esencia. Las leyes tericas se manifiestan a travs de las
leyes empricas y, por esta propiedad, es posible comprobar y fundamentar las teoras
mediante las leyes empricas. A la inversa, las leyes empricas pueden ser comprendidas
y explicadas slo sobre la base de las tericas.
El caracterizar a la ley como un reflejo de lo esencial de fenmenos y procesos de
la naturaleza nos posibilita la comprensin de la autntica diferencia existente entre
las leyes tericas y las empricas. La ley terica es el movimiento que se produce desde
la esencia hacia el fenmeno, por tanto el descubrimientos de la ley terica no puede
lograrse en el nivel emprico de la investigacin. La acumulacin de datos obtenidos
empricamente no es suficiente para alcanzar la teora, se requiere un salto de lo
emprico a lo terico. Para tal salto, se necesita que el cientfico elabore suposiciones
cientficas, formule hiptesis tericas slidas y las corrobore cuidadosamente por la
experiencia, antes de llegar a establecer una ley. Este camino no sera necesario si
en la naturaleza el objeto (o proceso) directamente coincidiera con su esencia. Si as
fuera, la ciencia sera intil o se transformara en una actividad innecesaria. Pero, al
mismo tiempo, sin informacin emprica sera imposible confirmar las propias leyes
empricas, as como tampoco las tericas.
El vnculo de las leyes empricas con los hechos es bien claro: por su esencia, estas
leyes sistematizan y explican los hechos cientficos. De forma semejante, las leyes
tericas unifican en un todo las leyes empricas y las explican.
Lo ms importante en la diferenciacin entre leyes tericas y empricas es que las
primeras expresan vnculos ms profundos y esenciales de la realidad. Esa diferen-
ciacin tambin se manifiesta en la construccin de hiptesis, como hemos podido
apreciar anteriormente. Esta coincidencia no es casual. El establecimiento de leyes
es la consecuencia lgica de la comprobacin de hiptesis, de tal forma que las leyes
empricas estn precedidas temporalmente por hiptesis empricas y lo mismo ocurre
con las tericas. Como consecuencia, la superposicin o sustitucin de hiptesis em-
pricas y tericas constituira la misma forma de error que ya se ha comentado para
las empricas y estadsticas, pero en un plano cualitativamente distinto, pero error de
todas formas, con implicaciones metodolgicas y epistemolgicas.

3.5.3. Consideraciones acerca de las fuentes que determinan errores en la


distincin de las hiptesis

Se pueden sealar dos fuentes que determinan errores en el tipo de distincin de


las hiptesis que han sido tratadas en este trabajo, sin excluir la existencia de otras
fuentes. Estas son: a) persistencia de la influencia del positivismo y neopositivismo,
como filosofa de la ciencia, en la investigacin cientfica y b) algunas tendencias
de enfoque reduccionista en la aplicacin del mtodo cientfico.
79
Metodologa de la Investigacin Cientfica

Para analizar el primer punto es necesario previamente procurar responder a las


siguientes preguntas: a) cmo poder asociar los acontecimientos reales, los objetos y
procesos, con el conocimiento cientfico-terico, para que los primeros puedan servir
de punto de partida en la elaboracin de la teora cientfica y de criterio de acepta-
bilidad, y que la teora pueda lograr explicar los acontecimientos y procesos reales?;
b) por qu se debe necesariamente considerar la realidad dividida en acontecimientos,
objetos y procesos y no, simplemente, en otros tipos de fragmentos de dicha realidad
tales como objetos y propiedades, o en propiedades y relaciones?
Como es conocido, la divisin de la realidad en fragmentos es slo el producto de
las posibilidades limitadas que nos brindan los medios de conocimiento de la realidad,
por los procedimientos de su esquematizacin, idealizacin y simplificacin ms que
por el hecho mismo de que la realidad est dividida slo en simples fragmentos. Por
lo tanto, la comprensin del hecho cientfico como fragmento de la realidad estar
determinada, en un grado no menor, por la actividad del sujeto y, en particular, por el
lenguaje. Este contexto, ayuda a tratar de responder a la primera pregunta asociada
a las relaciones de los hechos objetivos con el conocimiento terico, sin considerar el
valor objetivo que el hecho tiene por s mismo.
Por otra parte, puede entenderse por hecho cientfico el elemento del reflejo senso-
rial (imagen sensorial) que es capaz de formarse en el hombre, producto de la accin
externa de la realidad. Bunge considera como tal no slo a los procedimientos, pro-
cesos y cosas, sino tambin a los fenmenos de la conciencia. El anlisis de los hechos
cientficos como elementos que son productos de nuestra capacidad sensorial es una
caracterstica del positivismo. El primer neopositivismo proclamaba el dato sensorial
como fundamento del conocimiento cientfico. Wittgenstein habla de los hechos como
fragmentos de la realidad y los filsofos del Crculo de Viena, en general, proclamaban
que el estudio de todo aquello que est atrs del dato sensorial (el problema de la
divisin de la realidad) son seudoproblemas metafsicos. Por tanto, la nica realidad
es el dato sensorial y ste solamente tiene que ver con la ciencia. Pero la comprensin
de los hechos como lo sensorialmente dado ha tropezado con obstculos insalvables
Al respecto, y a modo de ejemplo, podemos observar que en una ciencia especfica,
como lo es la biologa, existe concordancia en muchos de los cientficos que perte-
necen a esta rea, en que los fenmenos vivientes deben ser pensados en trminos de
dos diferentes tipos de causacin: las causas prximas o funcionales (que nos indican
cmo es que algo ocurre); y las causas ltimas o evolutivas (que nos indican por qu
es que algo ocurre). Pensada la biologa de esta manera, es decir, dividida en dos
grandes campos de indagacin, se asocia a la biologa funcional la labor de estudiar
experimentalmente las causas prximas que nos explican el cmo de los fenmenos
vitales; y a la biologa evolutiva, ocupada de reconstruir, por mtodos comparativos
e inferencias histricas, las causas ltimas o remotas que nos explicaran el por qu
de tales fenmenos. En esencia, estamos en presencia de una demarcacin que es con-
secuencia de una distincin epistemolgica que no tienen por qu observarse como
contradictorias, sino ms bien como complementarias, en una situacin de alto grado
de complejidad, por tanto, las causas prximas pueden ser susceptibles de entrelazarse
con las causas remotas. De hecho, las respuestas a ambas preguntas deben ser com-
patibles y, en principio, articulables las unas con las otras. No existe nada parecido

80
Tema 1 | Mtodos
Tema e3 Investigacin
| La Hiptesis Cientfica

a una inconmensurabilidad entre biologa funcional y biologa evolutiva, aunque


los dominios de ocupacin son decididamente distintos y dan respuestas diferentes,
especficas para cada uno de estos. El conjunto de argumentos antes planteados es
vlido para sealar que en los dominios de la ciencia biolgica, aunque sean distin-
tos entre s, los hechos cientficos se van configurando de tal forma que, a pesar de
esta diferencia entre dominios, los hechos cientficos tienen caractersticas generales
comunes a cualquiera de ellos.
Si partimos sobre la base de que existe una conexin regular general entre los fen-
menos del universo y dicha ...conexin universal general de todos los fenmenos se
refleja precisamente tambin en forma de conexin universal general de las distintas
ramas y partes del conocimiento cientfico nico del hombre sobre el mundo, esto
quiere decir que hay que considerar seriamente la circunstancia de que las conexiones
entre los fenmenos de la realidad puedan expresarse en forma directa o intermedia-
da. Algunos fenmenos que estn directamente relacionados entre s, aparecen como
relaciones de causa-efecto. Pero, adems de los fenmenos conectados directamente
uno con el otro y, correspondientemente, adems de las conexiones entre las ciencias
colindantes, que estudian objetos distintos, existen conexiones ms alejadas, las cuales
tambin tienen que reflejarse en el sistema de las ciencias, debido a que las ciencias
ms alejadas se conectan entre s por eslabones intermedios.
Como consecuencia de lo anterior, si la conexin entre los fenmenos, como objetos
de las distintas ciencias, se establece en el curso de su propio desarrollo, la conexin
entre las ciencias tambin se manifiesta en el curso de su desarrollo histrico, en otras
palabras, en el curso del desarrollo del conocimiento humano. La conexin de las
distintas formas o fases del objeto, abarcado por las ciencias o sistemas de ciencias,
dado en el tiempo, tambin es desarrollo (cambio), que tiene una direccin determina-
da: de lo inferior a lo superior, lo cual implica un desarrollo progresivo, o su inverso,
un desarrollo regresivo. Por lo tanto, los hechos cientficos se van estableciendo en
funcin del desarrollo del conocimiento humano en trminos de hechos cientficos , de
menor a mayor complejidad (de un nmero menor a un nmero mayor de conexiones
involucradas en los hechos mismos).
Pero, la comprensin, por medio del conocimiento humano, de la conexin entre
las distintas formas o fases del objeto, es la comprensin de que dichas conexiones
se producen objetivamente en el mundo estudiado, todo lo cual indica que en el pro-
pio mundo objetivo se producen tales conexiones y, por tanto, el objeto principal de
las ciencias es estudiar las distintas formas de movimiento que se producen en este
mundo objetivo. De aqu es que surge la necesidad de conocer las distintas formas
de movimiento en la naturaleza, las conexiones y transiciones que se producen entre
estos movimientos, en trminos de desarrollo de la forma inferior (ms simple) del
movimiento hacia la forma superior (ms compleja). Por tanto, los hechos cientficos
estn directamente relacionados con el tipo de movimiento que se estudia. Como
consecuencia, existirn hechos cientficos (y formas de establecerlos) simples y
otros complejos, o cada vez ms complejos. Esto obliga, a su vez, a poner atencin a
las condiciones y al carcter de las transiciones de una forma de movimiento en otra,
adems da las conexiones entre las ciencias y a las transiciones de una ciencia en otra,
lo cual no se examina en este texto.

81
Metodologa de la Investigacin Cientfica

Si admitimos que las ideas expuestas corresponden con la realidad objetiva, se


deduce que la complejidad del objeto de estudio determinar niveles diferentes de
hiptesis en concordancia con el grado de complejidad analizada, entendiendo como
grado de complejidad, no slo al nmero de conexiones, sino tambin a la calidad
(profundidad, entrelazamiento, complicidad) de las conexiones sometidas a estudio
lo que obliga a elaborar hiptesis cientficas (para las conexiones tericas) e hiptesis
experimentales (para las conexiones entre hechos).
Si asumimos los postulados de los positivistas, neopositivistas o cualquiera de sus
variantes, los cuales plantean en general que el mundo exterior debe considerarse
como una acumulacin infinita, como un simple montn de hechos elementales abso-
lutamente independientes unos de otros, y la correcta definicin de cada uno de ellos
deben ser independiente en absoluto de la definicin de cualquier otro hecho, entonces
el estudio cientfico del mundo (en lo que se refiere a la hiptesis) se limitar a la
unin puramente formal y verbal de un cmulo de hechos sueltos que son valorados
(cuando corresponde de acuerdo a su naturaleza) slo mediante hiptesis estadsticas.
Los estudios realizados para proponer mtodos y enfoques con el objeto de tratar
de reflejar de alguna manera la variedad y complejidad de las conexiones que existen
dentro y entre los objetos de estudio, permiten confirmar el carcter de las conexiones.
De otra manera, no sera de inters para los cientficos poner atencin a la formulacin
de nuevos mtodos y enfoques que permitan elaborar hechos cientficos en su regin
del conocimiento.
Por otra parte, el reduccionismo, como tendencia del pensamiento, podra ser de-
finido sintticamente como: El todo puede ser explicado nada ms que con la suma
de sus partes constituyentes. Tal postulado nos permite deducir, sobre su base, que se
pueden explicar las propiedades y leyes de los sistemas ms complejos por las leyes y
propiedades de los sistemas ms simples. Esto no puede ser confundido con el concepto
de reduccin en la ciencia, el cual se puede sealar como una de las formas en que
se expresa la conexin necesaria entre los elementos de una teora lgica o cientfica
general. La reduccin permite establecer un nexo racional entre las diferentes pro-
posiciones de una teora determinada que poseen distinto grado de generalidad, por
tanto la reduccin, en s misma, se transforma en una necesidad para el desarrollo de
la propia teora en un campo concreto del conocimiento humano.
Por otra parte, el antirreduccionismo (algunos pensadores utilizan el concepto de
holismo como sinnimo) postula la irreductibilidad del todo a la suma de sus partes.
Dicho de otra forma, las propiedades y leyes de un sistema complejo no pueden ser
explicadas por las propiedades y leyes de los sistemas ms simples
Si consideramos como verdaderos los postulados que sealan diferentes tipos de
movimiento del mundo objetivo y que existe una relacin jerrquica entre estos tipos
de movimientos (unos inferiores y otros sucesivamente ms y ms superiores), enton-
ces los postulados de los reduccionistas se pueden expresar como la negacin de la
especificidad cualitativa de la forma superior del movimiento (sistemas complejos o
altamente complejos) o la reduccin de la forma superior del movimiento a la inferior.
Por otra parte, los postulados de los antirreduccionistas indican la hiperbolizacin
de la especificidad cualitativa de la forma superior del movimiento (sistemas ms
complejos), es decir, su aislamiento de las correspondientes formas superiores del

82
Tema 1 | Mtodos
Tema e3 Investigacin
| La Hiptesis Cientfica

movimiento (sistemas menos complejos que se constituyen en elementos de un sistema


ms complejo). Estas posiciones son absolutamente contradictorias, pero el objeto
de este trabajo no es tratar esta contradiccin, sino responder a la afirmacin inicial
consistente en sealar que la presentacin (explcita o implcita) de investigaciones
que requieren de anlisis estadstico aparezcan como nico objeto de indagacin las
hiptesis estadsticas. Esto es claramente un caso tpico de reduccin, donde las hip-
tesis de otros niveles de investigacin son reducidas a estas hiptesis.

Bibliografa

Andrade, E; Pachano, E; Pereira, L; Torres, A (2002) El Paradigma Complejo. Revista Cinta


de Moebio. Facultad de Ciencias Sociales. Universidad de Chile. N 14, Septiembre.
Burian, R (2000) The impact of genetics on biological theory. Rsums du Coloque: 1900,
Redcouverte des lois de Mendel. Acadmie des Sciences. Paris.
Bar, A (2000) Una tipologa de Mtodos Generales desde una Perspectiva Sistmica. Cinta
de Moebio (revista electrnica). N 7.
Bertalanffy, L (1995) Teora General de los Sistemas. Fondo de Cultura Econmica. Mxico.
Bertalanffy, L; Ross, W; Weinberg, G.M y otros (1987) Tendencias en la teora general de los
sistemas. Edit. Alianza Universidad. Madrid.
Black, JA; Champion, DJ (1976) Methods and issues in social research. John Wiley & Sons.
New York
Blalok, HM (1980) Construccin de teoras en ciencias sociales: de las formulaciones verbales
a las matemticas. Editorial. Trillas. Mxico.
Blake, RM (1960) Theories of Scientific Method. University of Washington Press. Seattle.
Bunge, M (1965) Intuicin y ciencia. Editorial Eudeba. Buenos Aires.
Bunge, M (1972) La investigacin cientfica. Editorial Ariel. Barcelona.
Bunge, M (1992) La ciencia: su mtodo y su filosofa. Ediciones Siglo XX. Buenos Aires.
Bunge, M (1991) Una caricatura de la ciencia: la novsima sociologa de la ciencia. Inter-
ciencia, Vol. 16, Nmero 2. Caracas.
Burian, R (2000) The impact of genetics on biological theory. Rsums du Coloque: 1900,
Redcouverte des lois de Mendel. Acadmie des Sciences. Paris.
Canavos, G.C (1995) Probabilidad y Estadstica. Editorial McGraw-Hill. Mxico.
Caponi, G (2000) Cmo y por qu de lo viviente. Ludus Vitales. 7 (14): 67-102.
Caponi, G (2001) Biologa Funcional vs. Biologa Evolutiva. Episteme (12): 23-46.
Cohen, M; Nagel, E (1993) Introduccin a la lgica y al mtodo cientfico. Amorrortu edi-
tores, Buenos Aires.
Daz, V.P (2000) Marco Terico-Conceptual para un Sistema de Investigaciones Cientficas.
I. Papel de la Teora y el Enfoque Sistmico en la Ciencia Contempornea. Revista
Universidades (UDUAL-UNAM) 20: 35-43.
Daz, V.P (2002) Metodologa de la Investigacin Cientfica y Bioestadstica para Estudiantes
de Ciencias Mdicas. Instituto de Salud Pblica. Facultad de Medicina. Universidad
Austral de Chile.
Daz, V. P; Calzadilla, A (2001) Papel de las Investigaciones Interdisciplinarias en el desarrollo
del conocimiento. Una aproximacin terica. Revista Ensayo y Error. Universidad
Simn Rodrguez. Caracas. 10(21): 97-110.

83
Metodologa de la Investigacin Cientfica

Daz, V. P; Calzadilla, A (2002) Descartes y Espinosa en la filosofa de la ciencia contempo-


rnea. Revista Ensayo y Error. Universidad Simn Rodrguez. Caracas. 11(22): 41-63.
Daz, V.P; Calzadilla, A (2004) El concepto de hecho cientfico. Revista Austral de Ciencias
Sociales (en prensa).
Escobar, C (2002) La teora menor, el Tiempo Histrico y la Prctica Simblica Compartida.
Revista Cinta de Moebio. Facultad de Ciencias Sociales. Universidad de Chile. N 15,
Diciembre.
Fedoseev, PN; Rodrguez, M; Ruzavin, G (1975) Metodologa del Conocimiento Cientfico.
Editorial Ciencias Sociales. La Habana.
Fourez, G (1998) La construccin del conocimiento cientfico. Sociologa y tica de la ciencia.
Narcea, S.A. de Ediciones. Madrid.
Futtuyma, D.J (2001) El conocimiento cientfico. Revista Elementos 4 (8): 1-14.
Gaeta, R (1996) Modelos de explicacin cientfica. Problemas epistemolgicos de las Ciencias
Naturales y Sociales. Editorial Universitaria. Buenos Aires.
Goode, W; Hatt, P (1971) Mtodos de investigacin social. Editorial Ciencias Sociales. La
Habana.
Hernndez, R; Fernndez, C; Baptista, P (1991) Metodologa de la investigacin. Editorial.
McGraw-Hill. Mxico.
Ilinkov, E.V (1977) Lgica Dialctica. Editorial Progreso. Mosc.
Jacob, F (1973) La lgica de lo viviente. Laia. Barcelona.
Jacob, F (1981) Le jeu des posibles. Fayard. Paris.
Johansen, O (1992) Introduccin a la teora general de los sistemas. Editorial Limusa. Mxico.
Kedrov, B.M (1974) Clasificacin de las Ciencias. Tomo I. Editorial Ciencias Sociales. La
Habana.
Kuehl, R.O (2002) Diseo de Experimentos. Editorial Thomson. Australia.
Kuhn, TS (1975) La estructura de las revoluciones cientficas. F.C.E. Mxico.
Lakatos, I (1974) Historia de la ciencia y sus reconstrucciones racionales. Editorial Tecnos.
Madrid.
Lakatos, I (1983) La metodologa de los programas de investigacin cientfica. Editorial
Alianza. Madrid.
Lerch, G (1985) La experimentacin en las ciencias biolgicas y agrcolas. Editorial Cientfico-
Tcnica. La Habana.
Lewontin, R (1998) Las base del conflicto en biologa. In: Historia y explicacin en biologa.
Martinez, S; Barahona, A (eds). Mxico.
Lpez, JL (1978) Mtodos e hiptesis cientficas Editorial Trillas. Mxico.
Magnus, D (2000) Down the primrose path: competing epistemologies in early XX century
biology. In: Biology and Epistemology. Creath, R; Mainchistein, J (eds.). Cambridge
University Press. Cambridge.
Melondo, T (2001) Para salvar la filosofa primera frente a sus versiones dbiles. El
positivismo lgico, el primer Wittgenstein, Carnap, la hermenutica de Gadame.
<http:/www.geocities.com/Athens/Forum/5284/melondo1.html>.
Martnez, B (2001) Aspectos de Metodologa de la Investigacin Aplicados a Odontologa.
Revista Odontologa Chilena 49 (1): 19-24.
Mateo, J (1986) Tipos Histricos de la Unidad del Conocimiento Cientfico. Editorial
Ciencias Sociales. La Habana.
Mayr, E (1976) Evolution and the diversity of life. Cambridge; Harvard University Press.
Mayr, E (1985) How biology differs from the Physical Sciences. In: Evolution at a Cros-
sroads. Depew, D.S.; Weber, B (eds.). Cambridge; MIT Press.

84
Tema 1 | Mtodos
Tema e3 Investigacin
| La Hiptesis Cientfica

Mayr, E (1988) Toward a new philosophy of biology. Cambridge; Harvard.


Nagel, E (1961) La estructura de la ciencia. Editorial Paids. Barcelona.
Osorio, F (1999) Qu es el Positivismo Lgico?. <http://rehue.csociales.uchile.cl/antropo-
logia/positivismo.htm>.
Ostle, B (1981) Estadstica Aplicada. Editorial Cientfico-Tcnica. La Habana.
Pjaro, D (2002) La formulacin de la hiptesis. Revista Cinta de Moebio. N 15. Diciembre.
Facultad de Ciencias Sociales. Universidad de Chile.
Ricci, R (1999) Acerca de una Epistemologa Integradora. Cinta de Moebio (revista elec-
trnica). N 5.
Rodrguez, J (2001) Empirismo (o Positivismo) Lgico - Neopositivismo. <http//www2.alcala.
es/estudios_de_organizacin/epistemologia/empirismo-logico.htm>.
Rosental, M; Iudin, P (1984) Diccionario Filosfico. Editora Poltica. La Habana.
Popper, KR (1983) Realismo y el objetivo de la ciencia. Editorial Tecnos S.A. Madrid.
Ruiz, A; Morillo, L (2004) Epidemiologa Clnica. Investigacin Clnica Aplicada. Editorial
Mdica Panamericana. Bogot.
Russel, B (1969) La perspectiva cientfica. Editorial Ariel. Madrid.
Serrano, JA (1981) La objetividad y las ciencias. Enfoque histrico epistemolgico. Editorial
Trillas. Mxico.
Sober, E (1993) Philosophy of Biology. Oxford University Press.
Tavants, PV (1970) Lgica. Ediciones Pedaggicas. La Habana.
Willians, G; Nesse, E (1996) Evolution and Healing: the new sciences of darwinian medicine.
Phoenix. New York.

85
TemaTema
5 | La1Investigacin
| Mtodos e Investigacin
Emprica y susCientfica
Mtodos

Captulo 4

La ley cientfica

El conocimiento directo de una cosa no implica lgicamente el conocimiento de sus relaciones.


William Russell

4.1. Definicin y funciones

La realidad se caracteriza por la diversidad de relaciones y vnculos causales


que existen entre los fenmenos y los procesos en que estos estn envueltos. Entre
estas mltiples relaciones que existen en el mundo, la ciencia pretende encontrar
aquellas que son determinantes y fundamentales. Tales relaciones presentan carcter
de ley, es decir, son regularidades que se producen de un modo y no de otro, bajo
determinadas condiciones.
La ley, por tanto, es una relacin necesaria, estable, reiterada entre los procesos y
fenmenos del mundo, que responde a su propia naturaleza interna y esencial, y que
dadas determinadas condiciones especficas de la realidad, precisa la dinmica y el
desarrollo de procesos y fenmenos.
Como consecuencia, la ley es una expresin de aquellos vnculos causales que
existen entre los fenmenos, pero no de todos ellos, sino de aquellos que presentan
exclusivamente un carcter general y necesario, comn a toda una esfera de fenmenos.
La ley es una relacin general y necesaria que se manifiesta mediante lo particular
y lo casual, tambin mediante lo casual porque la necesidad se abre camino entre
muchas casualidades.
Un fenmeno est sujeto a una ley cuando un proceso es necesario, condicionado
por determinadas causas, en el que pueden actuar una sola ley o un conjunto de ellas.
En el mundo existen leyes objetivas (fenmenos biolgicos, qumicos, fsicos, entre
otros) y leyes subjetivas, propias de la actividad intelectual y afectiva de los seres hu-
manos. Las leyes de la realidad (objetiva y subjetiva) cuando son descubiertas por los
seres humanos y expresadas en un lenguaje cientfico, se denominan leyes cientficas.
Estas son descubiertas en el proceso de investigacin cientfica y, por tanto, deben cum-
plir exigencias muy rigurosas para ser aceptadas por la comunidad de investigadores.

87
Metodologa de la Investigacin Cientfica

4.2. Caractersticas generales de la ley cientfica

4.2.1. Objetividad

Este es un requisito esencial de toda ley cientfica, ya que su contenido debe reflejar
las cualidades y regularidades fundamentales de la realidad. En las ciencias mdicas se
garantiza el contenido objetivo de las leyes por medio de la confirmacin emprica de las
hiptesis. No obstante, la comprobacin de la veracidad de una ley nunca es absoluta,
debido a que el progreso cientfico puede enriquecer constantemente a la ley y, adems,
puede llegar a modificarla e incluso a refutarla por la experiencia ulterior de la propia
ciencia. Lo anteriormente expresado nos hace llegar a deducir que la ley cientfica pre-
senta en principio un carcter hipottico-probabilstico. Esta caracterstica protege a la
ciencia contra cualquiera actitud dogmtica que se pueda producir en el campo cientfico.

4.2.2. Generalidad

La ley tiene un carcter general. Esta generalidad puede abarcar desde lo universal
hasta lo particular, es decir, leyes que son propias a determinadas esferas de fenmenos
(qumicos, fisiolgicos, ecolgicas, ambientales, etc.).
En el campo de una disciplina cientfica especfica coexisten leyes que presentan
diferentes niveles de generalidad. Las leyes ms generales de una ciencia son aquellas
que determinan sus principios tericos y se diferencian de las leyes particulares que
rigen una esfera ms limitada de su campo.

4.2.3. Inclusin en la teora cientfica

Una caracterstica fundamental de toda ley es el hecho de que debe estar incluida
en una determinada teora. Por tanto, la ley cientfica se puede distinguir de las ge-
neralizaciones del conocimiento emprico-espontneo, porque forma parte integral
de un sistema de principios, hiptesis y de otras leyes que se caracterizan por estar
vinculadas lgicamente entre s. De estas relaciones y dependencias lgicas existentes
entre los diferentes componentes de la teora es que se puede inferir y explicar leyes
de carcter individual de otros principios y leyes que tienen un carcter ms general.
De aqu se deduce que existe un sistema jerarquizado de leyes en un sistema terico.
Esta caracterstica permite explicar las leyes menos generales por medio de aquellas
que son ms generales y esenciales, y las leyes empricas confirman las teoras.

4.2.4. Capacidad explicativa y de prediccin

Esta capacidad est dada por la posibilidad de la ley para explicar un rea espec-
fica de la realidad con un determinado grado de profundidad. Es la penetracin en la
esencia de los fenmenos, y su calidad en reflejar las cualidades y relaciones esenciales
no observables directamente, la que determinar su nivel de profundidad.
Como hemos sealado anteriormente, son las leyes tericas las que tienen una
mayor capacidad explicativa en relacin con las leyes empricas. Las leyes tericas son

88
Tema 1 | Mtodos eTema
Investigacin
4 | La Ley Cientfica

las que permiten entender los resultados de la investigacin emprica. Es la capacidad


explicativa de la ley la que est en correspondencia con la magnitud de su probabili-
dad para pronosticar los sucesos de un fenmeno a partir de otro. Dicha capacidad
de prediccin de la ley se caracteriza por los siguientes requisitos:

1. Exactitud. Precisa qu fenmeno ocurrir y las condiciones especficas en que se


va a producir.
2. Explicacin terica. Fundamenta cientficamente las predicciones sobre la base de
generalizaciones tericas.

La capacidad explicativa y de prediccin de la ley est sujeta a un desarrollo pro-


gresivo por el hecho de que esta forma parte de un sistema terico-conceptual que
tambin se desarrolla continua y permanentemente por un proceso de retroalimen-
tacin perpetuo.

4.3. Tipos de leyes cientficas: empricas y tericas

Se acostumbra a llamar leyes empricas a las leyes que son el resultado de la com-
probacin de resultados de las observaciones realizadas en un estudio o mediante
experimentos controlados. Las leyes empricas son ms confiables que aquellas gene-
ralizaciones que son el resultado de inducciones a partir de observaciones de objetos
y fenmenos que podemos detectar por medio de los sentidos. Las leyes empricas se
establecen con la aplicacin de mtodos especiales, lo que permite la formulacin de
predicciones exactas. Cuando una ciencia se ha desarrollado lo suficiente, las leyes
empricas pueden ser unificadas en un solo sistema en la esfera de una teora y, lo
que es ms importante an, estas pueden extraerse lgicamente de leyes tericas de
carcter ms general.
Los investigadores observan ciertas regularidades en la naturaleza, establecen
dependencias entre determinadas propiedades de los objetos y fenmenos, los miden
cuantitativamente (hasta donde sea posible), para lo cual utilizan frecuentemente ex-
perimentos, y de esta manera extraen leyes empricas. Pero para comprender las leyes
empricas y poder explicarlas es obligatorio acercarnos a las leyes tericas.
Las leyes empricas se descubren en el nivel experimental de la investigacin. Para
esto, adems de las observaciones y experimentos, se utilizan mtodos tericos. Como
ejemplo, los mtodos de la lgica probabilstica.
Las leyes tericas no pueden ser descubiertas con ayuda de generalizaciones induc-
tivas a partir de datos particulares, ni incluso a partit de leyes empricas. La causa de
esta imposibilidad radica en que las leyes tericas no tratan acerca de las propiedades
de los objetos y fenmenos que percibimos sensorialmente (en forma directa o por
medio de instrumentos complicados), sino que tratan acerca de los mecanismos in-
ternos profundos de los objetos y de los procesos involucrados dentro y entre ellos.
La correlacin entre las leyes tericas y las empricas podra ser comparada con el
examen entre el fenmeno y la esencia. Las leyes tericas se manifiestan a travs de
leyes empricas y, por esta propiedad, es posible comprobar y fundamentar las teoras

89
Metodologa de la Investigacin Cientfica

mediante las leyes empricas. A la inversa, las leyes empricas pueden ser comprendidas
y explicadas slo sobre la base de leyes tericas.
El caracterizar a la ley como un reflejo de lo esencial de fenmenos y procesos de
la naturaleza nos posibilita la comprensin de la autntica diferencia existente entre
las leyes tericas y las empricas. La ley terica es el movimiento que se produce desde
la esencia hacia el fenmeno, por tanto el descubrimiento de la ley terica no puede
lograrse en el nivel emprico de la investigacin. La acumulacin de datos obtenidos
empricamente no es suficiente para alcanzar la teora, se requiere un salto de lo
emprico a lo terico. Para tal salto, se necesita que el cientfico elabore suposiciones
cientficas, formule hiptesis slidas y las corrobore cuidadosamente por la experiencia,
antes de llegar a establecer una ley. Este camino no sera necesario si en la naturaleza
el objeto (o proceso) directamente coincidiera con su esencia. Si as fuera, la ciencia
sera intil o se transformara en una actividad innecesaria. Pero, al mismo tiempo,
sin informacin emprica sera imposible confirmar las propias leyes empricas, as
como tampoco las tericas.
El vnculo de las leyes empricas con los hechos es bien claro: por su esencia, estas
leyes sistematizan y explican los hechos. De forma semejante, las leyes tericas unifican
en un todo las leyes empricas y las explican.
Lo ms importante en la diferenciacin entre leyes tericas y empricas es que las
primeras expresan vnculos ms profundos y esenciales de la realidad.

Bibliografa

Black, J. A.; Champion, D. J. (1976) Methods and issues in social research. John Wiley &
Sons. New York
Blalok, H. M. (1980) Construccin de teoras en ciencias sociales: de las formulaciones verbales
a las matemticas. Editorial Trillas. Mxico.
Blake, R. M. (1960) Theories of Scientific Method. University of Washington Press. Seattle.
Bunge, M. (1972) La investigacin cientfica. Editorial Ariel. Barcelona.
Bunge, M. (1992) La ciencia: su mtodo y su filosofa. Ediciones Siglo XX. Buenos Aires.
Bunge, M. (1991) Una caricatura de la ciencia: la novsima sociologa de la ciencia. Inter-
ciencia, Vol. 16, Nmero 2. Caracas.
Cohen, M.; Nagel, E. (1993) Introduccin a la lgica y al mtodo cientfico. Amorrortu
editores, Buenos Aires.
Fedoseev, P. N.; Rodrguez, M.; Ruzavin, G. (1975) Metodologa del Conocimiento Cientfico.
Editorial Ciencias Sociales. La Habana.
Fourez, G. (1998) La construccin del conocimiento cientfico. Sociologa y tica de la ciencia.
Narcea, S.A. de Ediciones. Madrid.
Gaeta, R. (1996) Modelos de explicacin cientfica. Problemas epistemolgicos de las Ciencias
Naturales y Sociales. Editorial Universitaria. Buenos Aires.
Goode, W.; Hatt, P. (1971) Mtodos de investigacin social. Editorial Ciencias Sociales. La
Habana.
Hernndez, R.; Fernndez, C.; Baptista, P. (1991) Metodologa de la investigacin. Editorial
McGraw-Hill. Mxico.
Johansen, O. (1992) Introduccin a la teora general de los sistemas. Editorial Limusa. Mxico.

90
Tema 1 | Mtodos eTema
Investigacin
4 | La Ley Cientfica

Kuhn, T. S. (1975) La estructura de las revoluciones cientficas. F.C.E. Mxico.


Lpez, J. L. (1978) Mtodos e hiptesis cientficas. Editorial Trillas. Mxico.
Nagel, E. (1961) La estructura de la ciencia. Editorial Paids. Barcelona.
Prez, G.; Garca, G.; Nocedo de Len, I.; Garca, M. (1996) Metodologa de la Investigacin
Educacional. Primera Parte. Editorial Pueblo y Educacin. Ciudad de la Habana.
Serrano, J. A. (1981) La objetividad y las ciencias. Enfoque histrico epistemolgico. Editorial
Trillas. Mxico.
Wartofsky, M. W. (1973) Introduccin a la filosofa de la ciencia. Editorial Alianza Universi-
taria. Madrid.
Young, P. V. (1960) Mtodos cientficos de investigacin social. Instituto de Investigaciones
Sociales. Mxico.

91
Tema 1 | Mtodos e Investigacin Cientfica

Captulo 5

La investigacin emprica y sus mtodos


Vctor Patricio Daz Narvez y Aracelis Calzadilla Nez

Negar un hecho es lo ms fcil del mundo. Mucha gente lo hace,


pero el hecho sigue siendo un hecho.
Isaac Asimov

5.1. El concepto de hecho cientfico. Introduccin

El hecho cientfico cumple una funcin importante en el proceso del conocimien-


to. Es el resultado de investigaciones y sirve de punto de partida para la elaboracin
de teoras permitiendo la confirmacin o refutacin de hiptesis. Es precisamente esta
funcin la que convierte al proceso de obtencin de hechos en un proceso estricto y
riguroso.
Se plantea que el proceso del conocimiento transcurre por tres etapas fundamen-
tales, las cuales pueden esquematizarse de la siguiente forma: a) la acumulacin y
elaboracin de datos obtenidos mediante procesos empricos; b) la construccin y
elaboracin de la teora sobre la base de la compilacin y tratamiento de los datos
empricos obtenidos y c) la explicacin de los datos empricos conocidos, la deduccin
de predicciones a partir de los nuevos datos con la colaboracin de la teora elaborada,
y la confirmacin de la teora por el material emprico.
La divisin del proceso del conocimiento antes descrita es muy til dado que nos
permite ordenar todos los problemas que le son inherentes y que pueden ser analiza-
dos, a su vez, en tres grupos: a) los de la etapa emprica del conocimiento que surgen
durante la investigacin; b) aquellos que se vinculan con la elaboracin de teoras
cientficas (formulacin de hiptesis, de leyes que emergen de acuerdo al nivel que
se analice, etc.) y c) los problemas que emanan del anlisis de la relacin entre el
conocimiento terico y el emprico.
Como consecuencia, la divisin del proceso de construccin del conocimiento nos
permite focalizar nuestra atencin en las diferentes etapas del proceso cognoscitivo
pudiendose distinguir en l las particularidades y singularidades y precisarse con mayor
rigor y exactitud los problemas que son caractersticos o estn relacionados con una
u otra etapa del proceso cognoscitivo.
Ponemos nfasis en que la divisin antes planteada del proceso del conocimiento
es slo un esquema que intenta reflejar lo ms adecuadamente posible el proceso
cognoscitivo que transcurre en las ciencias. En la realidad prctica concreta, las
etapas de este proceso del conocimiento no estn ntidamente separadas entre s, lo
que implica que perfectamente la secuencia temporal puede no ajustarse al orden que
hemos planteado.
La acumulacin de datos empricos puede transcurrir simultneamente con la
formulacin de la hiptesis, y ambas se comparan constantemente con el material
93
Metodologa de la Investigacin Cientfica

emprico. En el proceso de abordaje de una investigacin emprica el investigador se


gua por una determinada concepcin del mundo, por las leyes fundamentales de las
ciencias naturales y por la metodologa general del conocimiento cientfico, aunque
no todos los cientficos, de diferentes reas del conocimiento, puedan necesariamente
concordar con estas concepciones.
Se conoce tambin que en los diferentes perodos del desarrollo de una u otra cien-
cia, adquiere un fundamental significado la realizacin de diversos experimentos y
la acumulacin de materiales empricos as como la elaboracin y perfeccionamiento
de las representaciones tericas o de las teoras en general. El objeto esencial de las
investigaciones empricas o de las investigaciones observacionales es la obtencin
de: un grupo especial de juicios o proposiciones que sealan una relacin o dato
emprico, obtenido como resultado de la observacin, del experimento, del resumen
estadstico de un fenmeno o grupos de fenmenos reales. Este grupo especial es lo
que denominamos hechos cientficos.
En cualquier caso, toda investigacin que tenga por objeto elaborar teoras sobre
la base de hechos posibles de constituir slidamente, requiere de la contrastacin de
dichas teoras con los hechos obtenidos. Al mismo tiempo, los propios hechos requie-
ren de ser contrastados con algunas caractersticas, con el propsito de asegurar su
solidez. Si estos no poseen ciertas caractersticas, las etapas que siguen, en el proceso
del conocimiento, a aquellas etapas a las que les corresponde establecerlo, seguramente
transcurrirn por caminos que podran conducir a deducciones tericas incorrectas o
poco fundamentadas. Por tanto, la constitucin de hechos cientficos es la condicin
necesaria (aunque no suficiente), para las elaboraciones tericas plausibles y, entre
ellas, para la elaboracin de la hiptesis cientfica.
Sobre la base de los antecedentes sealados, la constatacin de hechos cientficos
es una etapa crucial en el proceso de investigacin cientfica. Por esta razn es que
resulta necesario discutir este concepto y analizar las caractersticas o propiedades
que deben cumplir para ser considerados como tales.

5.2. Caractersticas del hecho cientfico

La etapa emprica del conocimiento cientfico incluye la acumulacin y la elabo-


racin primaria de datos empricos. El concepto fundamental y esencial en esta etapa
es el de hecho cientfico. Este aparece en las ciencias naturales y en la elaboracin
del mtodo experimental. Existe una relacin directamente proporcional entre la
regin de la ciencia que utiliza el mtodo experimental y la significacin que adquiere
el anlisis del este mtodo. Este concepto sirve de punto de inicio del conocimiento
cientfico, mientras que el conjunto de hechos se transforma en la base estructural
del conocimiento cientfico-terico, y estos se utilizan para confirmar o refutar las
teoras cientficas.
Si consideramos que los hechos realizan ciertas funciones en la investigacin
cientfica es porque es posible atribuirles ciertas caractersticas o propiedades que les
permiten cumplir determinadas funciones. Estas propiedades son:

94
Tema 5Tema
| La Investigacin
1 | Mtodos eCientfica
Investigacin
y susCientfica
Mtodos

1. El hecho existe o se encuentra a disposicin del investigador antes de la construc-


cin de la teora que pretende explicarlos. Esto se debe a que la teora se construye
para la explicacin de los hechos. Por tanto, estos se constituyen en la premisa
necesaria para la formulacin de una teora. En muchos casos, se requiere de una
masa crtica de ellos antes de que pueda surgir una teora que pueda unificar los
hechos constituidos y sin aparente relacin entre s.
2. Los hechos se encuentran fuera de la teora. Existe una separacin del proceso
de conocimiento en las etapas emprica y terica, pero al mismo tiempo existe una
correspondencia entre la teora y los hechos. Dicha separacin y correspondencia
se produce en trminos de que estos no pueden incluirse en la teora que intenta
explicarlos. Si fueran incluidos en la teora no podran servir como criterio de
comprobacin o refutacin de la misma. Pero cuando la teora es contrastada con
los hechos y se va confirmando que la teora como tal va incluyendo los hechos.
3. Los hechos son absolutamente autnticos. Como estos son empleados para la
confirmacin o refutacin de la teora, la correspondencia entre hecho y teora
se transforma en el criterio de admisibilidad de la teora, debido a que ellos, una
vez establecidos, no pueden ser susceptibles de la ms mnima duda.
4. Los hechos son invariantes en relacin con las diferentes teoras que se constituyen
sobre su base. Como el hecho se encuentra fuera de la teora y es absolutamente
autntico en relacin con ella, no puede estar expuesto a ninguna transformacin
que transcurra en los niveles tericos del conocimiento. Una teora puede sustituir
a otras, pero los hechos se mantienen invariantes, lo cual obliga a determinada
teora, relacionada con la regin de fenmenos ligada a determinados hechos,
a orientarse por ellos. Como consecuencia, una determinada cantidad y tipo de
hechos pueden constituirse en la base de teoras no slo diferentes, sino hasta
contradictorias.
5. Los hechos estn vinculados con la teora elaborada sobre su base. Si los hechos
estuvieran totalmente desvinculados de la teora, no podran corregir su construc-
cin ni servir de criterio de autenticidad. La elaboracin, por tanto, de una teora
debe procurar el establecimiento de los vnculos y relaciones entre la teora y los
hechos.

Las propiedades de los hechos aqu descritos se determinan por la representacin


unilateral y abstracta del proceso del conocimiento, como proceso que se inicia por
la seleccin de hechos y que posteriormente se mueve en el sentido de la construccin
y elaboracin de las teoras que los expliquen. No obstante, puede suceder que en el
proceso del conocimiento real, estas propiedades pueden no corresponder en general a
los hechos cientficos concretos o simplemente su correspondencia puede ser en menor
grado. Esto puede deberse a que todo nuevo hecho de este tipo se descubre sobre las
base de determinadas representaciones tericas. Se conocen en la historia de la cien-
cia casos en que los cientficos no toman en consideracin algunos descubrimientos
que les permitiran que los mismos pudieran ser transformados en hechos, debido a
la carencia o falta de desarrollo de determinadas concepciones tericas. Si esto est
planteado de este modo es posible sealar que las representaciones tericas, en algunos
casos, requieren de cierto desarrollo anterior al descubrimiento del hecho cientfico.

95
Metodologa de la Investigacin Cientfica

Como las propiedades descritas no se manifiestan en estado puro en el descu-


brimiento de un hecho, se requiere que en el anlisis metodolgico del proceso del
conocimiento, estemos obligados a realizar una abstraccin de algunos aspectos del
proceso cognoscitivo orientndonos por la representacin de este proceso segn
la cual las propiedades indicadas pueden atribuirse a los hechos. El problema que
surge entonces es tratar de explicar este concepto de manera tal que contenga las
propiedades antes enumeradas.

5.3. Una aproximacin al concepto de hecho cientfico

Al respecto, podemos sealar que se han planteado muchas definiciones del


concepto de hecho: a) elemento de la realidad, b) elemento del conocimiento y c)
resultado del reflejo sensorial.
Usualmente los hechos son denominados situaciones reales de los casos o fragmen-
tos de la realidad. Bunge postula que es todo aquello que pertenece a la realidad
y los divide en: acontecimientos, o modificaciones en el espacio-tiempo; procesos, o
secuencia de acontecimientos ordenados en el tiempo; sistemas concretos o sustancias
fsicas; fenmenos, o el reflejo sensorial de los objetos y procesos reales en el sujeto
cognoscente. Nosotros no podemos estar de acuerdo con la inclusin de la categora
fenmeno entre el nmero de hechos, puesto que estos ltimos no pertenecen a la
realidad, y el tratar a estos como tales nos conducira a confundir el mundo real con
el reflejo sensorial y no existe necesariamente entre estos dos ltimos una coincidencia
absoluta. Junto con los acontecimientos, procesos reales y objetos reales, a la realidad
misma le pertenecen las propiedades y relaciones, como inherentes a los objetos y
acontecimientos. Existen tambin, junto a los hechos actuales, los hechos posibles,
an no determinados y que no contradicen las leyes de la naturaleza descubiertas
hasta un momento dado. Esta concepcin permite asignar a los hechos casi todas las
propiedades antes enumeradas, es decir, existen antes de la construccin de la teora,
se encuentran fuera de ella, son invariantes con relacin a las diferentes teoras, pero
no les es aplicable la propiedad de poseer el carcter de reales. Surgen tambin dos
preguntas relacionadas con la concepcin antes descrita acerca del hecho cientfico:
a) cmo poder asociar los acontecimientos reales, los objetos y procesos, con el
conocimiento cientfico-terico para que los primeros puedan servir de punto de
partida en la elaboracin de la teora cientfica y de criterio de aceptabilidad, y que
la teora pueda lograr explicar los acontecimientos y procesos reales? ; b) por qu
se debe necesariamente considerar la realidad dividida en acontecimientos, objetos y
procesos y no simplemente en otros tipos de fragmentos de dicha realidad tales como
en objetos y propiedades o en propiedades y relaciones?
La primera pregunta suele responderse sobre la base de que en el lenguaje de la
ciencia se distingue una seccin especial, denominada lenguaje emprico. Las propo-
siciones que elabora esta seccin tienen la capacidad de describir los hechos de la
realidad. La construccin de la teora cientfica se apoya directamente en las propo-
siciones empricas y no en los hechos, y la comprobacin de la teora se realiza sobre
la base de las inferencias que se pueden obtener de ella, o con la ayuda de efectos

96
Tema 5Tema
| La Investigacin
1 | Mtodos eCientfica
Investigacin
y susCientfica
Mtodos

empricos, que posteriormente se comparan con los hechos. Pero en esta respuesta se
mantiene el problema acerca de las posibilidades de realizar las correspondencias de
las proposiciones empricas con los acontecimientos y procesos reales.
Tampoco es ntida una respuesta al segundo interrogante si admitimos como fac-
tible una comprensin abstracta del proceso del conocimiento, en donde los hechos
existen con anterioridad a su elaboracin cientfico-terica y el conocimiento se inicia
con la fijacin de los hechos. El sujeto slo puede fijar inicialmente esta divisin de la
realidad. Las bases de la solucin real a este problema fue planteado desde los tiem-
pos de Kant y Marx, durante los cuales fue enfatizado el papel activo y creador del
sujeto cognoscente en su relacin con la realidad. Dicho de otra manera: El sujeto
cognoscente aborda la realidad no como un espejo que fija toda influencia exterior,
sino que refleja la realidad desde el punto de su actividad prctica y con ayuda de los
medios intelectuales de elaboracin de las influencias exteriores. Como consecuencia,
la divisin de la realidad en fragmentos sueltos es slo el producto de las posibilidades
limitadas que nos brindan los medios de conocimiento de la realidad, por los proce-
dimientos de su esquematizacin, idealizacin y simplificacin ms que por el hecho
mismo de que la realidad est dividida slo en simples fragmentos.
En este sentido, el lenguaje es uno de los medios ms importantes de esquematiza-
cin de la realidad. El desarrollo de las investigaciones lgico-semnticas permiti ela-
borar un nuevo planteamiento del problema de la divisin de la realidad en fragmentos
aislados. Estos trabajos mostraron que la distincin en la realidad de diferentes tipos
de objetos est determinada por la cantidad de tipos de expresiones denominadoras
aceptadas en el lenguaje. Como consecuencia, si las expresiones individuales slo son
consideradas como designadoras, se deduce entonces que la realidad queda dividida
por ese lenguaje solamente en algunos objetos. Por tanto, en este contexto, los hechos
slo pueden ser considerados sistemas concretos y las relaciones entre los objetos no
tienen posibilidad de asignarles una expresin que los designe. Por el contrario, si
enriquecemos nuestro lenguaje con la introduccin de expresiones que puedan desig-
nar propiedades y relaciones, entonces la realidad se divide en algo ms que objetos
aislados. En este caso, existiran tres tipos de diferentes sustancias y en el nmero
de hechos estaran contenidas, adems de las cosas, las propiedades y las relaciones.
Por lo tanto, la comprensin del hecho como fragmento de la realidad estar de-
terminada, en un grado no menor, por la actividad del sujeto y, en particular, por el
lenguaje. Este contexto ayuda a tratar de responder la primera pregunta asociada a
las relaciones de los hechos objetivos con el conocimiento terico, sin considerar el
valor objetivo que el hecho tiene por s mismo.
Por otra parte, puede entenderse por hecho cientfico el elemento del reflejo sen-
sorial (imagen sensorial) que es capaz de formarse en el hombre producto de la ac-
cin externa de la realidad. Bunge considera como tal no slo a los procedimientos,
procesos y cosas, sino tambin a los fenmenos de la conciencia. El anlisis de los
hechos cientficos como elementos que son productos de nuestra capacidad sensorial
es una caracterstica del positivismo. El primer neopositivismo proclamaba el dato
sensorial como fundamento del conocimiento cientfico. Wittgenstein habla de los
hechos como fragmentos de la realidad y los filsofos del Crculo de Viena, en gene-
ral, proclamaban que el estudio de todo aquello que est atrs del dato sensorial (el

97
Metodologa de la Investigacin Cientfica

problema de la divisin de la realidad) son seudoproblemas metafsicos. Por tanto, la


nica realidad es el dato sensorial y este solamente tiene que ver con la ciencia, segn
el primer neopositivismo. Pero la comprensin de los hechos como lo sensorialmente
dado ha tropezado con obstculos insalvables.
Si la realidad nos es dada mediante un reflejo del mundo exterior y slo lo dado
sensorialmente es la nica realidad posible, tras lo cual nada existe, entonces resulta
extremadamente difcil caracterizar a los hechos como verdaderos. La caracterizacin
de estos como verdaderos, entendida slo lo dado sensorialmente, es inaplicable. Si en
la comprensin (concepcin) del hecho como fragmento de la realidad, todos los hechos
eran autnticos (con las limitaciones ya planteadas anteriormente) en el sentido de
que todos eran parte de la realidad misma y todos eran objeto de atencin efectiva
en la ciencia; bajo la concepcin de que los hechos son como lo dado sensorialmente,
arribamos a la conclusin de que estos se dividen en dos grandes grupos: aquellos que
surgen como el producto de la accin exterior sobre nuestros rganos de los sentidos
y los que aparecen como el resultado de la actividad de nuestra conciencia, entre
las cuales podemos incluir a las alucinaciones, ilusiones y espejismos, entre otras. El
problema que existe para la ciencia, bajo esta concepcin, es que ambos son incluidos
en la base del conocimiento cientfico. Este problema podra ser superado si existiera
la posibilidad de separar un grupo de otro, pero cmo distinguirlos si ambos son
producto de lo sensorialmente dado? La nica forma de hacerlo es reconocer que lo
sensorialmente dado es el resultado real y concreto de la accin mutua entre el sujeto
y el mundo exterior (objetivo adems). Pero reconocer esto implica que el problema
acerca del mundo exterior deja de ser un seudoproblema.
Otro dilema que existe al tratar de explicar el problema que estudiamos est
asociado con la imposibilidad del reconocimiento general de los hechos como lo sen-
sorialmente dado. Las impresiones sensoriales son siempre impresiones de un sujeto
determinado, por lo tanto, los hechos sern siempre de carcter subjetivo. De esta
forma, el conjunto de hechos de un sujeto no tiene por qu ser coincidente con los
de otro sujeto. Cada sujeto reconocer en la ciencia slo aquello que coincida con
su propio conjunto de hechos. Esto nos lleva a pensar que cada individuo tendr su
propia ciencia, lo que nos conduce directamente al solipsismo.
Tambin existe el problema de la adecuada expresin del hecho en el lenguaje y,
en trminos ms generales, el problema del vnculo de los hechos con el conocimiento
cientfico-terico. Todo parece indicar que este es un problema que no est completa-
mente resuelto. Esto se debe a que, al expresar las impresiones sensoriales concretas
mediante el lenguaje, es posible que se pierda el carcter individual e irrepetible de
estas. Las impresiones sensoriales se elevan hasta llegar al concepto, pero estos fijan
lo general inherente a toda una clase de estas impresiones y no conservan las carac-
tersticas individuales que estas tienen. Como consecuencia, las proposiciones que
expresan un determinado hecho no estn limitadas a l, sino que pretenden expresar
todo un conjunto de hechos que pueden ser representados por un concepto.
Debe ser objeto de atencin la explicacin del hecho como una determinada pro-
posicin del lenguaje de la ciencia. Formulaciones de esta ndole han sido expresadas
por varios autores. De estas formulaciones surge la inquietud de conocer cules son
los rasgos de las proposiciones que constituyen hechos cientficos y en qu se dife-

98
Tema 5Tema
| La Investigacin
1 | Mtodos eCientfica
Investigacin
y susCientfica
Mtodos

rencian de las dems proposiciones. Los hechos-proposiciones se diferencian de las


dems proposiciones por su rol funcional en el sistema cientfico, por determinadas
propiedades semnticas y por su modo de obtencin.
En el sistema del conocimiento cientfico estos hechos-proposiciones se constituyen
en el punto de partida y son la informacin primaria sobre la cual se estructuran los
conocimientos cientficos. Por otra parte, son el fundamento de la autenticidad del
conocimiento terico de tal forma que su aplicabilidad ser posible slo si el cono-
cimiento terico coincide con ellos. Por tanto, las funciones que son atribuidas a los
hechos-proposiciones son coincidentes o estn muy cerca de las funciones atribuidas
a las proposiciones de protocolo elaboradas por el Crculo de Viena.
Pero, para obtener proposiciones que puedan cumplir funcin de hecho en el
lenguaje de la ciencia, el criterio funcional es del todo insuficiente por s mismo de-
bido a que estas funciones pueden atribuirse, en general, a cualquier proposicin en
un lenguaje cientfico. Esta es la razn por la cual al criterio funcional se le agrega
el semntico. As, en los hechos-proposiciones son consideradas exclusivamente las
proposiciones individuales; de esta forma, se arriba a la consideracin de que la
verdad de los hechos-proposiciones pueden fundamentarse fuera de la teora y estas
proposiciones desempean el rol de hechos cientficos; en los hechos-proposiciones
slo puede tener admisibilidad la clase de conceptos que se refiera con exclusividad
a las cosa y propiedades observadas. Al criterio semntico se le agrega, en algunas
circunstancias, el criterio llamado pragmtico, el cual indica el modo de cmo se
obtienen los hechos-proposiciones. Estos, de acuerdo a este criterio, se obtienen di-
rectamente de los resultados experimentales, como protocolos de observacin o como
generalizacin de los protocolos de las observaciones.
De estas formulaciones emergen algunas dificultades: a) Resulta muy complicado
definir cules son las proposiciones que efectivamente se constituyen en hechos cien-
tficos. Estos hechos-proposiciones no permiten arribar a una clara representacin de
qu es lo que existe tras las proposiciones. Tal afirmacin se manifiesta en los ejemplos
que proponen los partidarios de esta concepcin, los cuales son muy diferentes en
sus principios; b) Tal concepcin nos conduce directamente al reconocimiento de la
relatividad del concepto de hecho cientfico. Esto es as, toda vez que un hecho de
este tipo no es tal por s mismo, sino que este es un hecho de una determinada teora,
tomando en consideracin que se formula, adems, en el lenguaje de dicha teora,
todo lo cual no lleva a deducir que los hechos-proposiciones comprendidos en una
teora son diferentes a los elaborados en otras teoras. Tal concepcin nos conduce
directamente a la renuncia de que los hechos cientficos son invariantes, pues los apa-
ratos conceptuales de dos (o ms) teoras formularan hechos-proposiciones diferentes
a causa de que los aparatos conceptuales elaborados por estas lo son tambin y c)
Si el hecho se torna indispensable para la autenticidad de una teora, entonces con
relacin a la teora deber funcionar como un conocimiento absolutamente autnti-
co. Tal aseveracin est apoyada no slo por su lgica interna, sino por la extraa
circunstancia de que muchos cientficos incluyen (o utilizan en forma prctica) entre
los hechos-proposiciones slo aquellas proposiciones del sistema cientfico, que se
constituyen en verdades fuera de los lmites de este sistema. Dentro de los lmites de
un determinado sistema cientfico las proposiciones que se constituyen en hechos no

99
Metodologa de la Investigacin Cientfica

son sometidos a duda alguna, pero si estos hechos-proposiciones se transforman en


proposiciones corrientes, pueden tornarse en verdaderas, as como en falsas. Las con-
secuencias de tal situacin son claras: entre los hechos pueden incluirse proposiciones
falsas y an, bajo condiciones de correspondencia entre la teora con sus respectivos
hechos-proposiciones, no existe seguridad que una teora sea autntica. Por tanto, si
los hechos son establecidos a partir de determinadas proposiciones, se anula la po-
sibilidad de que los verdaderos hechos sirvan de base de la autenticidad de la teora
cientfica. Es decir, el hecho cientfico deja de cumplir su funcin fundamental.
Las dificultades de esta concepcin no terminan con lo antes planteado. Si, ade-
ms, imponemos a los hechos-proposiciones un lmite de que slo abarquen las
proposiciones cuya verdad haya sido demostrada no ser suficiente para eliminar
el problema del establecimiento de la autenticidad de la teora debido que se produ-
cir otro problema, consistente en la verificacin de las proposiciones que realiza la
funcin de hechos. Esto nos conduce a que, en la verificacin de estas proposiciones,
tendremos la obligatoriedad de relacionarlas con el reflejo sensorial o con la realidad,
introduciendo algn concepto para denominar sus elementos. Y esto, definitivamente,
no es ms que la funcin del concepto hecho. Como consecuencia, la explicacin
de los hechos cientficos simplemente como las determinadas proposiciones del len-
guaje de la ciencia, no constituye una concepcin que implique un adelanto o avance
metodolgico y no es posible sostenerla consecuentemente.
Las diferentes interpretaciones del concepto hecho podran explicarse por
los diferentes mtodos de anlisis del proceso del conocimiento cientfico. En las
interpretaciones que apuntan y se limitan a establecer la relacin mutua entre las
diferentes partes del conocimiento cientfico es necesario, y suficiente, convertir en
sistema de conocimiento aquellos elementos que actan con un mayor grado de
autenticidad en relacin con otros. Dichos elementos pueden denominarse hechos-
proposiciones o, incluso, pueden ser denominados con cualquier otro trmino. Pero
si el conocimiento cientfico apunta hacia la realidad y, por tanto, se analiza desde
el ngulo de las relaciones que se establecen entre el sistema de conocimientos con
la realidad misma, el sistema del lenguaje de las ciencias se torna en un sistema
estrecho que no nos posibilita establecer las relaciones antes nombradas y nos
obliga a apoyarnos en lo sensorialmente dado o en los fragmentos de la realidad.
Slo en este caso los hechos surgirn como elementos del reflejo sensorial o de la
realidad. En relacin con las restantes proposiciones del lenguaje de la ciencia, los
hechos-proposiciones realizan el mismo papel que tiene asignado lo sensorialmente
dado y los hechos sern elementos del reflejo sensorial o de la realidad. En relacin
con las restantes proposiciones del lenguaje de la ciencia, los hechos-proposiciones
desempean el mismo papel que tiene asignado lo sensorialmente dado en relacin
con el conocimiento racional o los elementos de la realidad en conexin con todo
el conocimiento. De aqu se extrae que el concepto de hecho es relativo. Ms, es
relativo en el sentido de que el contenido de este concepto se determina por el
modo de anlisis del conocimiento y el papel de los enfoques y mtodos generales
empleados y, en ltima instancia, est relacionado con la concepcin del mundo
que el cientfico posee, pues es este ltimo el que los determinar. Desde luego, esta
determinacin excede los objetivos de este trabajo.

100
Tema 5Tema
| La Investigacin
1 | Mtodos eCientfica
Investigacin
y susCientfica
Mtodos

La base emprica de las ciencias (el conocimiento de los hechos) se forma con ayuda
de determinados mtodos: observaciones, mediciones y experimentos, los cuales no
discutiremos en este momento por razones de extensin y no de relacin.
El concepto de hecho cientfico ha sido discutido, en las ideas precedentes, en relacin
con aquellos hechos que se establecen a partir de las ciencias particulares en general. Al
respecto, y a modo de ejemplo, podemos observar que en una ciencia especfica, como
lo es la biologa, existe concordancia en muchos de los cientficos que pertenecen a esta
rea, en que los fenmenos vivientes deben ser pensados en trminos de dos diferentes
tipos de causacin: las causas prximas o funcionales (que nos indican cmo es que
algo ocurre); y las causas ltimas o evolutivas (que nos indican por qu es que algo
ocurre). Pensada la biologa de esta manera, es decir, dividida en dos grandes campos
de indagacin, se asocia a la biologa funcional la labor de estudiar experimentalmente
las causas prximas que nos explican el cmo de los fenmenos vitales; y la biologa
evolutiva, ocupada de reconstruir, por mtodos comparativos e inferencias histricas,
las causas ltimas o remotas que nos explicaran el por qu de tales fenmenos. En
esencia, estamos en presencia de una demarcacin que es consecuencia de una distincin
epistemolgica que no tiene por qu observarse como contradictorias, sino ms bien
complementaria en una situacin de alto grado de complejidad, por tanto las causas
prximas pueden ser susceptibles de entrelazarse con las causas remotas. De hecho, las
respuestas a ambas preguntas deben ser compatibles y, en principio, articulables las
unas con las otras. No existe nada parecido a una inconmensurabilidad entre biologa
funcional y biologa evolutiva, aunque los dominios de ocupacin son decididamente
distintos y dan respuestas diferentes, especficas para cada uno de estos dominios. El
conjunto de argumentos antes planteados es vlido para sealar que en los diferentes
dominios de la ciencia biolgica, aunque sean distintos entre s, los hechos cientficos se
van configurando de tal forma que, a pesar de esta diferencia de dominios, los hechos
cientficos tienen caractersticas generales comunes a todos ellos.
Sin embargo, y generalizando an ms, es posible explorar si las propiedades de este
concepto son vlidas para fijar un mayor nmero de tipos de realidades en trminos
de hechos. Es decir, si tienen carcter ms amplio y pueden ser tiles para cualquier
esfera de la realidad que se analiza, independientemente de su complejidad.
Si partimos sobre la base de que existe una conexin regular general entre los fen-
menos del universo y dicha ...conexin universal general de todos los fenmenos se
refleja precisamente tambin en forma de conexin universal general entre las distintas
ramas y partes del conocimiento cientfico nico del hombre sobre el mundo, quiere
decir que hay que considerar seriamente la circunstancia de que las conexiones entre
los fenmenos de la realidad pueden expresarse ya sea en forma directa o intermedia-
da. Algunos fenmenos que estn directamente relacionados entre s, aparecen como
relaciones de causa-efecto. Pero, adems de los fenmenos conectados directamente
uno con el otro y, correspondientemente, adems de las conexiones entre las ciencias
colindantes, que estudian objetos distintos, existen conexiones ms alejadas, las cuales
tambin tienen que reflejarse en el sistema de las ciencias, debido a que las ciencias
ms alejadas se conectan entre s por eslabones intermedios.
Como consecuencia de lo anterior, si la conexin de los fenmenos como objetos
de las distintas ciencias se establece en el curso de su propio desarrollo, la conexin

101
Metodologa de la Investigacin Cientfica

entre las ciencias tambin se manifiesta en el curso de su desarrollo histrico, en otras


palabras, en el curso del desarrollo del conocimiento humano. La conexin de las
distintas formas o fases del objeto, abarcado por las ciencias o sistemas de ciencias,
dado en el tiempo, tambin es desarrollo (cambio), que tiene una direccin determina-
da: de lo inferior a lo superior, lo cual implica un desarrollo progresivo, o su inverso,
un desarrollo regresivo. Por lo tanto, los hechos cientficos se van estableciendo, en
funcin del desarrollo del conocimiento humano, en trminos de hechos cientficos de
menor a mayor complejidad (de un nmero menor a un nmero mayor de conexiones
involucradas en los hechos mismos).
Pero, la comprensin, por medio del conocimiento humano, de la conexin entre
las distintas formas o fase del objeto, es la comprensin de que dichas conexiones se
producen objetivamente en el mundo estudiado, todo lo cual indica que en el propio
mundo objetivo se producen tales conexiones y, por tanto, el objeto principal de
las ciencias es estudiar las distintas formas de movimiento que se produce en este
mundo objetivo. De aqu es que surge la necesidad de conocer las distintas formas
de movimiento en la naturaleza, las conexiones y transiciones que se producen entre
estos movimientos, en trminos de desarrollo de la forma inferior (ms simple) del
movimiento hacia la forma superior (ms compleja).
Por tanto, los hechos cientficos estn directamente relacionados con el tipo de
movimiento que se estudia. Como consecuencia, existirn hechos cientficos (y for-
mas de establecerlos) simples y otros complejos, o cada vez ms complejos. Esto
obliga, a su vez, a poner atencin a las condiciones y al carcter de las transiciones
de una forma de movimiento en otra, adems de las conexiones entre las ciencias y
las transiciones de una ciencia en otra.
Las ideas expuestas podran ayudar a responder por qu en algunas ciencias, tales
como las experimentales, que se ocupan de regiones estrechas de la realidad (Qu-
mica, Fsica, entre otras), la constitucin y el establecimiento de hechos transcurren
de una manera ms simple, mientras que en estudios, en los cuales el objeto de
investigacin implica la participacin activa de varias ciencias simultneamente para
dar respuesta a un problema, la formulacin de hechos es un problema en s mismo
y requiere de metodologas y enfoques nuevos para dichas constituciones y estable-
cimientos y, consecuentemente, para la solucin del problema.
Del conjunto de ideas precedentes, surge la siguiente pregunta: Cambian las pro-
piedades o caractersticas enunciadas anteriormente para el establecimiento de un
hecho cientfico en la medida de que el nmero de conexiones y transiciones del objeto
o los objetos analizados se tornan ms complejos, dado que el objeto de atencin se
torna del mismo modo?
La respuesta a esta pregunta depender de los postulados iniciales que se consideren.
Si asumimos los de los positivistas, neopositivistas o cualquiera de sus variantes (a
modo de ejemplo), los cuales plantean en general que el mundo exterior debe conside-
rarse como una acumulacin infinita, como un simple montn de hechos elementales
absolutamente independientes unos de otros, y la correcta definicin de cada uno de
ellos deben ser independiente en absoluto de la definicin de cualquier otro hecho,
entonces el estudio cientfico del mundo se limitar a la unin puramente formal y
verbal de un cmulo de hechos sueltos, mediante su puesta en un mismo trmino bajo

102
Tema 5Tema
| La Investigacin
1 | Mtodos eCientfica
Investigacin
y susCientfica
Mtodos

un mismo comn. Este comn, interpretado como significacin del trmino o


signo, siempre resultar algo completamente arbitrario o establecido de antemano
por acuerdo, es decir, convencional. Como consecuencia, lo comn (la unidad
y la identidad), como nico resultado de la elaboracin cientficamente lgica de
los hechos elementales, no es resultado de la realidad, sino de la significacin del
trmino, convencionalmente establecido de antemano. De este modo, las caracters-
ticas atribuidas a los hechos cientficos enunciados en este trabajo no se cumpliran y
no tiene mayor relevancia si los objetos son simples o complejos en s mismos.
Las consecuencias que tienen estos postulados para las ciencias no constituyen una
cuestin menor. Bajo esta concepcin, los objetos simples, menos an los complejos,
no podran ser abarcados y, al mismo tiempo, la filosofa (algunos la denominan meta-
fsica) no se constituira como una herramienta ms del conocimiento. De esta forma,
sera imposible tratar de explicar los fenmenos sociales (fenmenos que requieren
de un estudio especfico, dada su naturaleza), debido a que (expresado an en forma
simplista) estos son el producto de complejas interacciones de numerosos factores en
donde el peso especfico de algunos de ellos puede mantenerse relativamente constante
en el tiempo, mientras que otros pueden variar de forma suave o brusca.
Los estudios realizados para proponer mtodos y enfoques con el objeto de tratar
de reflejar de alguna manera la variedad y complejidad de las conexiones que existen
dentro y entre los objetos de estudio, permiten confirmar el carcter de las conexiones.
De otra manera, no sera de inters para los cientficos poner atencin a la formulacin
de nuevos mtodos y enfoques que permitan elaborar hechos cientficos en su regin
del conocimiento.
El problema que persiste es saber si estas conexiones se corresponden con la realidad
y si es posible conocerlas mediante el establecimiento de hechos cientficos. En otras
palabras, si la realidad misma es compleja en s. Pero, a modo de ejemplo tambin,
si tomamos como cierto el postulado de autores tales como Maturana, Maturana y
Varela, y Ruiz, de que el conocimiento opera como un sistema determinado slo desde
el interior mediante sus propias estructuras y que esto trae como consecuencia que el
observador no puede dar explicaciones de la realidad, sino solamente de las que han
sido producidas por sus propias operaciones y que ocasionan un cambio estructural
determinado en su estructura, existiendo tantas explicaciones como observadores
participan en ellas, entonces no tendremos la ms mnima oportunidad de abarcar la
realidad y, mucho menos, de establecer hechos simples o complejos, pues estaremos
impedidos de saber si una de esas tantas explicaciones se corresponde con una reali-
dad comn (y objetiva, adems) y si el proceso de establecimiento del propio hecho
cientfico va incidiendo sobre un observador en forma distinta con respecto a otro, en
virtud de que en cada uno de ellos transcurren operaciones singulares que ocasionan
cambios estructurales singulares de su propia singular estructura. Esta concepcin
resulta muy parecida al agnosticismo (entendiendo por tal aquella tendencia filosfica
que admite la existencia de la realidad objetiva, pero que, a su vez, seala la imposi-
bilidad de conocer tal realidad) con claros matices de reduccionismo biolgico.
Retomando la pregunta precedente es posible sealar que: si tomamos como cierto
que el conocimiento humano progresa en el sentido de ir reconociendo o apropindose
de las relaciones y de las interconexiones entre los mltiples objetos (mltiples no slo

103
Metodologa de la Investigacin Cientfica

en nmero, sino tambin en complejidad); que el propio objeto va transformndose


en el tiempo, en virtud del carcter de la apropiacin de dichas complejidades y que
las mismas tienen fuentes naturales (existen en la propia naturaleza); y que en la
naturaleza existen distintos tipos de movimiento, entonces podemos sealar que los
hechos cientficos, en cualquier esfera particular de la ciencia y en el propio sistema
de las ciencias, deben cumplir con las propiedades y caractersticas ya sealadas y
que el establecimiento de los mismos puede ser en s mismo de mayor o menor com-
plejidad o puede requerir de mtodos y enfoques nuevos cada vez ms complejos, lo
cual resulta como una accin necesaria, pero jams suficiente, para abarcar la infinita
complejidad de la naturaleza misma. La complejidad de la determinacin del hecho
estar en correspondencia directa (o ms o menos directa) con la complejidad misma
alcanzada en la esfera analizada.

5.4. Obtencin, seleccin y formulacin de los hechos cientficos

Como se ha planteado, la ciencia no tiene como objeto registrar todas las caracte-
rsticas de un fenmeno que se estudie, sino slo aquellos que estn relacionados con
sus cualidades y relaciones esenciales. Esto obliga a que en todo proceso cientfico de
obtencin de datos empricos se trate de optimizar cualitativa y cuantitativamente
los hechos registrados acerca del fenmeno estudiado:

5.4.1. Optimizacin cualitativa de los datos empricos

Para seleccionar aquellos hechos que caracterizan al fenmeno estudiado y


manifiestan mejor su esencialidad, es necesario determinar el criterio cientfico que
nos permita discriminar entre los datos empricos relevantes y los irrelevantes. La
determinacin de este criterio es producto del propio proceso de investigacin: el
sistema de conocimientos tericos de los que se parte, del contenido del problema
y de la hiptesis, de los mtodos y medios utilizados. Al planificar la investigacin,
el cientfico debe ser capaz de anticiparse al tipo de dato emprico que expresa las
cualidades fundamentales del fenmeno estudiado de manera que la generalizacin
de estos datos le lleve a la formulacin de un hecho cientfico veraz.

Optimizacin cuantitativa de los datos empricos. En el proceso de la investigacin se


debe determinar el lmite cuantitativo de datos empricos suficiente para solucionar
el problema cientfico y poder arribar a una generalizacin. Una cantidad insuficiente
de datos conducira a generalizaciones erradas, sesgadas o poco confiables en general.
Lo contrario, conducira a datos cuantitativamente exagerados que no slo implican
un costo innecesario de tiempo, esfuerzo personal, econmico, etc., sino que tambin
puede a conducir a generalizaciones sesgadas. Es un error metodolgico serio estable-
cer a priori la cantidad de datos que se necesitan para establecer hechos cientficos.
Esto depende exclusivamente de la disciplina cientfica atendiendo a las siguientes
consideraciones.

104
Tema 5Tema
| La Investigacin
1 | Mtodos eCientfica
Investigacin
y susCientfica
Mtodos

Las caractersticas del objeto de estudio: mientras ms complejos sean los factores,
cualidades y relaciones del fenmeno estudiado, mayor cantidad de datos empricos
es necesario obtener para poder arribar a una generalizacin emprica y formular un
hecho cientfico.
La cantidad y diversidad de mtodos empricos que se utilizan en la obtencin de
datos eleva la objetividad de ellos, posibilitando su obtencin en condiciones contro-
ladas, lo cual permite neutralizar los factores casuales y no controlados. Bajo condi-
ciones de observacin controlada y sistemtica es posible lograr que se manifiesten
con mayor nitidez los hechos que caracterizan efectivamente al fenmeno estudiado.
Los factores que inciden en el nmero de datos empricos necesarios para establecer
un hecho cientfico dependen del sistema de conocimientos sobre los que se basa el
proceso de investigacin, y de la experiencia y la capacidad creadora del cientfico.
Si se cumplen ambas optimizaciones discutidas en el proceso de investigacin cien-
tfica, se habrn creado las condiciones para que los datos sean agrupados, clasificados
y se obtenga una generalizacin razonablemente verdadera.
La aplicacin de mtodos de investigacin adecuados a una muestra representativa
de datos o de sujetos, es lo que puede darnos datos empricos confiables (aceptando
que los mtodos aplicados a esa muestra son los correctos para el problema que se
estudia) y, el clasificarlos y establecer una generalizacin razonable, nos permitir
reflejar las caractersticas fundamentales del fenmeno estudiado.
Es necesario establecer que el hecho cientfico no puede ser confundido con el resul-
tado de una sola observacin ni con la suma mecnica del resultado de un conjunto de
observaciones, sino que es una generalizacin de los datos obtenidos en el proceso de
investigacin emprica, cuidadosamente planificada, controlada y ejecutada. Aclarado
esto, es posible sealar que el hecho cientfico constituye una sntesis generalizadora de
proposiciones empricas, eliminando de estas proposiciones todo lo que sea casual y
subjetivo en estos datos, en la medida de lo posible, lo cual proporciona un alto grado
de objetividad y esto permitir expresar casi exclusivamente las cualidades generales
y necesarias del fenmeno.

5.5. La comprobacin de la veracidad de las teoras cientficas

Un requisito importante de toda teora es que esta debe ser comprobada en la


prctica. Por tanto, debe cumplirse el principio de la ntima relacin que debe existir
entre lo emprico y lo racional, entre la deduccin y la induccin en el proceso de
comprobacin de la veracidad de una teora. Estos procesos no se excluyen, sino por
el contrario, se complementan entre s e interactan profundamente y, por lo dems,
en forma muy compleja. De aqu la doble exigencia de que la teora cientfica y las
hiptesis especficas presenten consistencia lgica interna y a su vez, sean confirmadas
empricamente en la prctica.

105
Metodologa de la Investigacin Cientfica

5.5.1. Consistencia lgica de la teora

En el proceso de comprobacin de la veracidad de una teora o de alguno de sus


elementos componentes (hiptesis, ley, etc.), un momento importante es el anlisis
de su consistencia lgica interna, es decir, comprobar la ausencia de contradicciones
lgicas, el rigor de las deducciones realizadas, la vinculacin terica entre sus elementos
en una estructura lgica jerarquizada.
La teora, para ser tal, debe constituir un sistema lgico coherente, que se caracterice
por la precisin y la claridad de sus proposiciones, en el que a partir de los principios
y leyes tericas se infieran y expliquen las formulaciones empricas particulares. La
presencia de contradicciones lgicas afecta su valor gnoseolgico y la posibilidad de
su verificacin emprica.
La consistencia lgica interna de la teora como sistema de conocimientos es una
condicin necesaria, pero no suficiente, para que la teora sea verdadera. Es posible
encontrar sistemas lgicos coherentes que, sin embargo, son falsos (por ejemplo, aque-
llos que se construyen slo sobre la base de la lgica formal), ya que no entregan un
reflejo adecuado de la realidad. Esto implica que en el proceso de verificacin de una
teora, despus de comprobar su coherencia interna lgica, sea necesario someterla a
la comprobacin emprica correspondiente.

5.5.2. Comprobacin emprica de las teoras

Para comprender el proceso de comprobacin emprica de las teoras es necesario


previamente analizar los tres niveles del lenguaje cientfico y su funcin en el proceso.
El primer nivel lo constituye el lenguaje de la observacin, el cual esta formado por
proposiciones que registran los hechos individuales.
El segundo nivel es el lenguaje de las formulaciones empricas, el cual est integrado
por proposiciones que registran la generalizacin de los datos empricos. Por lo tanto,
este segundo nivel tambin contiene proposiciones del primer nivel (que registran
observaciones particulares), pero con cuantificadores lgicos que le proporcionan una
forma generalizada. Las leyes empricas y hechos cientficos son muestras del segundo
nivel del lenguaje, ya que son el producto de la generalizacin de los datos empricos,
que son obtenidos de la observacin y experimentacin.
El tercer nivel viene dado por el lenguaje de las formulaciones tericas, el cual
integra proposiciones de los niveles antes sealados. Las construcciones tericas cum-
plen una funcin indudable en el campo gnoseolgico, pues reflejan las cualidades y
relaciones esenciales de la realidad no observable directamente y logra expresarlas en
principios, leyes y conceptos tericos.
En el proceso de comprobacin emprica de las teoras e hiptesis se producen deter-
minadas relaciones entre estos niveles del lenguaje. Las formulaciones del segundo nivel
(leyes, conceptos e hiptesis empricas) son susceptibles de someterse a confirmacin
emprica inmediata con los datos obtenidos por la observacin y la experimentacin,
expresados en las proposiciones del primer y segundo niveles del lenguaje.
La comprobacin de la veracidad de las formulaciones tericas (tercer nivel del
lenguaje), es un proceso ms complejo, ya que se las puede confrontar con los hechos

106
Tema 5Tema
| La Investigacin
1 | Mtodos eCientfica
Investigacin
y susCientfica
Mtodos

solamente por medio de una serie de formulaciones intermedias: su confirmacin


emprica es mediata.
No se puede exigir que toda formulacin terica tenga un contenido emprico, es
decir, que se pueda confrontar directamente con los hechos de la realidad. Lo que s
constituye una exigencia metodolgica es que toda formulacin terica, por elevado
que sea su nivel de abstraccin, debe formar parte de un sistema de proposiciones
que, al estar vinculadas lgicamente, pueda presentar consecuencias empricas con-
trastables con la realidad.
Las formulaciones tericas no existen aisladamente, sino que estn vinculadas entre
s, formando un sistema terico. Esto permite que de los principios, leyes e hiptesis
del nivel terico se puedan inferir proposiciones e hiptesis empricas (del primer y
segundo niveles del lenguaje), las que s son contrastables directamente con los datos
concretos obtenidos en la investigacin. La correspondencia entre las proposiciones
e hiptesis empricas, inferidas de las formulaciones tericas, con los datos que pro-
porciona la investigacin, constituye una confirmacin emprica inmediata de las
formulaciones tericas.
Como se ha podido observar, en el proceso de comprobacin de las formulaciones
tericas con los hechos desempea un papel importante la interpretacin emprica
de estas formulaciones, que se caracteriza por ser un proceso dinmico y de mutua
interaccin, mediante el cual se vincula el nivel terico del lenguaje con sus manifes-
taciones en el plano emprico concreto (primero y segundo niveles del lenguaje cien-
tfico). El vnculo entre las formulaciones tericas y empricas se realiza por medio de
formulaciones tericas intermedias que son proposiciones tericas resultantes y que
justamente por ello posibilitan el establecimiento de un vnculo lgico entre lo terico
general y lo emprico particular. La contrastacin de las formulaciones empricas con
los datos obtenidos en la prctica cientfica comprueba de manera inmediata estas
formulaciones empricas y de forma mediata las formulaciones tericas de las cuales
se dedujeron. Lo expresado puede ser representado esquemticamente en la Figura 1.

Figura 1

Formulacin terica
Interpretacin emprica
&RQUPDFLyQHPStULFD

Formulaciones tericas
intermedias

x x x x x x Datos empricos obtenidos


en la prctica social
(experimental, educacional, etc.)

107
Metodologa de la Investigacin Cientfica

En el proceso de la interpretacin emprica se debe realizar lo que se ha denominado


definicin operacional de los trminos. La funcin prctica del mismo permite preci-
sar las manifestaciones observables de las leyes, conceptos e hiptesis tericas que se
estn estudiando en conjunto con los procedimientos y medios experimentales que se
utilizarn para la realizacin de la correspondiente investigacin. Esta definicin nos
permitir el trnsito entre lo terico general y lo emprico particular y posibilita utilizar
el concepto con un significado estable a lo largo de todo el proceso de investigacin.
Esta definicin nos permite adems precisar los indicadores empricos que orientan
el proceso de confirmacin de las hiptesis; estos indicadores son los tipos de datos
empricos, con sus parmetros cualitativos y cuantitativos que sern determinantes
para comprobar la veracidad o falsedad de la hiptesis sometida a estudio.
La interpretacin emprica de las formulaciones tericas no constituye una traduc-
cin mecnica de sustitucin de trminos tericos por otros empricos, por el simple
hecho de que los principios, leyes, conceptos, e hiptesis del nivel terico no pueden
ser reducidos a definiciones empricas y operacionales, debido a que el ncleo de estas
formulaciones son los conceptos tericos que reflejan las cualidades y regularidades
esenciales de la realidad, que no son observables directamente, como ya se ha planteado
anteriormente. El investigador debe considerar que lo general slo se manifiesta en
lo particular, lo que implica que una vez que ha terminado la investigacin emprica
debe restablecer los contenidos tericos de los conceptos ya definidos emprica y
operacionalmente, para su aplicacin a la realidad.
En el proceso de verificacin de las teoras e hiptesis especficas, la interpretacin
se orienta en dos sentidos al mismo tiempo: del nivel terico al emprico y del nivel
emprico (datos obtenidos) al terico por las inferencias tericas que se deducen de
estos datos.
Es necesario que los datos perceptuales obtenidos sean seleccionados, agrupados,
clasificados e interpretados sobre la base de conocimientos tericos. Una observacin
aislada no puede ser una proposicin verificadora porque es el hecho cientfico el que
constituye el resultado de la clasificacin, generalizacin e interpretacin del conjunto
de datos obtenidos en la actividad cientfica. La proposicin verificadora se encuentra
en el segundo nivel del lenguaje de las formulaciones empricas que tienen como base
las informaciones que emanan de las proposiciones empricas individuales del primer
nivel del lenguaje cientfico, el nivel de la observacin. Es el hecho cientfico el que
constituye la proposicin verificadora que puede confirmar o refutar las hiptesis em-
pricas (de forma ms inmediata) y las formulaciones e hiptesis tericas (de manera
mediata). Esto es as porque el hecho cientfico es el que establece una generalizacin
de los datos empricos reflejando las cualidades estables, significativas y necesarias de
los fenmenos, y por su doble naturaleza emprico-abstracta.

5.5.3. La teora en su carcter de sistema y como funcin importante en el


proceso de verificacin

La vinculacin lgica entre los principios, leyes, conceptos e hiptesis que integran
la teora proporciona la posibilidad de deducir nuevas consecuencias susceptibles de
ser contrastadas empricamente. Si dos o ms hiptesis logran formar un sistema de

108
Tema 5Tema
| La Investigacin
1 | Mtodos eCientfica
Investigacin
y susCientfica
Mtodos

conocimientos o teora, existir la posibilidad de que sean ms numerosos y diversos


los datos que permitiran obrar a favor o en contra de ellas en comparacin con ellas
tomadas aisladamente.
De este modo, cuando varias proposiciones cientficas integran una teora, los he-
chos que confirman o refutan uno de los componentes (principios, conceptos, leyes,
hiptesis, etc.) de esa teora, proporcionan al mismo tiempo, por carcter transitivo,
la posibilidad de confirmar o de rechazar el resto de los elementos que componen
dicho sistema y de elementos que integran otras proposiciones cientficas, por la cir-
cunstancia conocida expresada en la ntima vinculacin lgica entre los elementos
dentro de una teora, as como la misma vinculacin de dos proposiciones integrantes
de un sistema de conocimientos. De esta manera, la integracin terica aumenta la
probabilidad de contrastabilidad emprica de todo el sistema terico en general y de
sus componentes en particular. En la Figura 2 se representan esquemticamente las
ideas antes planteadas.

h1 h2

h3

Figura 2
La contrastabilidad emprica de las hiptesis h1 y h2,
se eleva despus de integrarse en una teora ya que de
estas se puede inferir una nueva hiptesis h3, con un
QXHYRFRQMXQWRGHFRQVHFXHQFLDVYHULFDEOHV

5.6. La observacin

La observacin se encuentra en la base de todos los dems procedimientos empricos


y constituye la forma ms elemental del conocimiento cientfico. Tanto la medicin
como el experimento incluyen la observacin, aunque esta ltima pueda tener inde-
pendencia de los primeros. La observacin se utiliza en las ciencias para la obtencin
de datos considerados como informacin primaria en relacin con los objetos inves-
tigados o para la comprobacin de las consecuencias empricas de las hiptesis.
La observacin cientfica se define habitualmente como la percepcin dirigida de
los objetos y fenmenos de la realidad. En el acto de la observacin se pueden dis-
tinguir cinco elementos esenciales: a) el objeto de la observacin; b) el sujeto de la

109
Metodologa de la Investigacin Cientfica

observacin; c) los medios para la observacin; d) las condiciones de la observacin;


y e) el sistema de conocimientos a partir del cual se formulan los objetivos de la ob-
servacin y se interpretan los resultados de esta. Estos elementos deben considerarse
al exponer los resultados con el objeto de que otro investigador pueda reproducirlos.
Una de las exigencias ms importantes que se le plantea a la observacin cientfica es
la posibilidad de repeticin de la observacin por diferentes observadores.
Los medios para la observacin pueden dividirse en dos grupos. El primero esta
compuesto por los instrumentos que permiten aumentar las capacidades de percepcin
del investigador (su diapasn). El segundo, es capaz de transformar el fenmeno que
no puede ser percibido directamente, en uno perceptible. Estos amplan la esfera de
percepcin del ser humano. Sin embargo, es preferible hablar de medios de observacin
indirecta debido a que, en la prctica real, no se produce la percepcin directa del
fenmeno que analizamos. Un ejemplo de esto es las ondas de radio mismas: cuando
conectamos la radio no percibimos directamente las ondas de radio, sino las vibraciones
de una membrana, cuya dinmica transforma las ondas radiales en un sonido audible.
Como la observacin forma parte integrante e inseparable de todos los mtodos
empricos del conocimiento y sus resultados estn en la base de todo el conocimiento
cientfico, el anlisis de la correspondencia entre los resultados de la observacin y el
objeto real observado no es una prdida de tiempo; sin embargo, este es un tema ms
bien filosfico que lleva relacin con la epistemologa (teora del conocimiento). El es-
tudiante deber investigar por s mismo para completar sus conocimientos al respecto.

5.7. La medicin

La observacin, si no esta incluida en otros procedimientos, fija la presencia de


una determinada propiedad del objeto observado o una relacin entre objetos. Para
la expresin de sus resultados son suficientes los conceptos cualitativos y compara-
tivos. La medicin exige la participacin de conceptos cuantitativos. Los conceptos
pueden ser subdivididos en tres grupos: cualitativos, comparativos y cuantitativos. Los
conceptos cualitativos expresan la pertenencia del objeto a un determinado conjunto
sobre la base de la posesin de una determinada cualidad. Este tipo de concepto se
utiliza cuando se inicia el estudio de un conjunto de fenmenos desconocidos y nos
ayuda para la clasificacin de los objetos de ese conjunto.
Despus de la formulacin de los conceptos cualitativos y de la formacin de con-
juntos de objetos, se pueden establecer determinadas relaciones entre los conjuntos
que son semejantes, con el auxilio de conceptos comparativos. Estos ltimos, ordenan
todos los objetos de los fenmenos investigados en una determinada secuencia.
Un par de conceptos comparativos puede servir de base para la introduccin de
conceptos cuantitativos (cualidad de medida). Por ejemplo, el objeto ms pesado nos
lleva al concepto de peso, el objeto ms fro nos lleva al de temperatura. Sin embargo,
el trnsito desde los conceptos cualitativos y comparativos a los cuantitativos se realiza
slo con ayuda de muchas proposiciones tericas. El uso de conceptos cuantitativos
indica el nivel de desarrollo de una u otra ciencia, pues indica que se han introducido en
ella mtodos cuantitativos que proporcionan una mayor exactitud en la investigacin..

110
Tema 5Tema
| La Investigacin
1 | Mtodos eCientfica
Investigacin
y susCientfica
Mtodos

Analicemos, por ejemplo, la formacin del concepto de temperatura. En el len-


guaje hablado nos encontramos con los conceptos cualitativos caliente y fro y
los comparativos ms caliente y ms fro. Estos conceptos son suficientes para
una clasificacin de los objetos de la vida cotidiana. Es imposible, sin embargo, dar
una valoracin cualitativa de la temperatura diciendo un objeto es tres veces ms
caliente que otro.
El calor (que es expresin de la energa cintica de las molculas de un cuerpo)
no puede ser fijado directamente. Su representacin observable es su capacidad de
aumentar el volumen de un cuerpo. El aumento y la disminucin del volumen de un
cuerpo, a su vez, vienen a representar los movimientos lineales de una columna lquida.
Esta ltima, s admite ser medida. Como consecuencia, la medicin del estado de calor
se reduce a la medicin de la longitud de la columna lquida; el concepto mtrico de
temperatura aparece entonces como interpretacin del calor en medidas lineales. El
perfeccionamiento de la escala y del lquido apropiado fue producto de sucesivas in-
vestigaciones. No es difcil ver que al introducir el concepto mtrico de temperatura se
han utilizado diferentes suposiciones de carcter terico: que la temperatura del cuerpo
est ligada a su volumen, que el volumen del cuerpo cambia en forma directamente
proporcional al cambio de grado de calentamiento del cuerpo, que los puntos bsicos
de la escala corresponden a una determinada temperatura constante, etc.
De lo anterior, se desprende que la diferenciacin entre los conceptos cuantitativos
y cualitativos no constituye una expresin de la diferencia entre propiedades reales
de las cosas, consiste en que algunas propiedades admiten medicin, otras no. Los
conceptos cuantitativos y los cualitativos pueden reflejar una propiedad real, pero los
segundos lo hacen con mayor exactitud. Cuando hablamos de las diferencias entre los
conceptos cuantitativos y cualitativos, no lo hacemos en funcin de las diferencias de
las propiedades reales, sino mejor acerca de las diferencias entre los lenguajes usados
para describir la realidad.
Cuando construimos una teora en relacin con determinada esfera de fenmenos,
el objeto de sta no es la propia regin real, sino un modelo abstracto y simplificado de
esta esfera de fenmenos: es un objeto idealizado. El objeto idealizado de la teora se
caracteriza con auxilio de un determinado conjunto de conceptos (los cuantitativos).
Por tanto, los conceptos cualitativos se refieren al objeto idealizado de la teora, y slo
por eso este refleja el objeto real de la teora, es decir, porque los conceptos cuanti-
tativos fueron empleados para caracterizar los objetos reales. Pero, en su aplicacin
se necesita emplear la correspondencia con el patrn material de medicin, con los
lmites de exactitud de la medicin.
Si los conceptos cualitativos se refieren al objeto idealizado de la teora, entonces
la medicin puede ser explicada como la interpretacin emprica de estos conceptos.
Se denomina medicin al proceso de comparacin de una determinada magnitud
con una magnitud homognea, tomada como unidad de comparacin. Este tipo de
definicin nos puede inducir al error de considerar que las magnitudes realmente
existen y que el proceso de medicin es simplemente su expresin en unidades.
Pero esto requiere de fundamentacin. En la realidad existen solamente objetos que
poseen distintas propiedades, por lo cual, las magnitudes son los anlogos de estas
propiedades en la caracterizacin del objeto idealizado de la teora. Una determinada

111
Metodologa de la Investigacin Cientfica

propiedad puede encontrarse presente en un mayor grado en un objeto que en otro.


La magnitud, que constituye el anlogo terico abstracto de esta propiedad, refleja
el grado de la misma a travs del crecimiento de su valor numrico. En el proceso de
medicin comparamos la propiedad del objeto, indicada con determinada cifra, y la
misma propiedad en otro objeto, con otra cifra, de forma tal que la diferencia en el
grado de la propiedad en los diferentes objetos se exprese a travs de una diferencia
en los valores numricos. En trminos generales podemos decir que la medicin es la
atribucin de valores numricos a las propiedades de los objetos. Esto se realiza con
ayuda de ciertas reglas denominadas: reglas de medicin:

1. Regla de equivalencia: si el valor fsico de las propiedades medidas es igual,


iguales debern ser sus expresiones numricas.
2. Regla de la desigualdad: si el valor fsico de la propiedad de un objeto es
menor que el valor fsico de esta misma propiedad en otro objeto, entonces el valor
numrico del primero deber ser menor que el del segundo.
3. Regla de la adicin: el valor numrico de la suma de dos valores fsicos de las
propiedades, deber ser igual a la suma de los valores fsicos de esta propiedad. Las
propiedades cuya unin ocurre conforme a esta regla, se llaman aditivas. Pero existen
tambin las no aditivas, las que muestran que al trabajar con magnitudes tericas
debemos tener en cuenta a qu propiedades concretas corresponden estas magnitudes.
No es lo mismo aplicar esta regla a la propiedad reflejada por el concepto peso que
a la reflejada por el concepto de temperatura.
4. Regla de la unidad de medida: Esta regla exige que se debe seleccionar un
determinado objeto o un proceso natural que sea fcilmente reproducible y caracteri-
zar la unidad de medida por medio de este objeto o proceso. Un objeto o un proceso,
tomado como unidad de medicin, deber conservar invariable su medida, forma,
periodicidad, etc. Desde luego, esto slo se produce con un patrn ideal y los objetos
y procesos reales siempre tienen resultados variables debido a las influencias de las
condiciones externas. Como patrn ideal se escogen aquellos procesos que tienden a
ser estables en el espacio o en el tiempo o en ambos.

Aunque la medicin constituye una de las formas del conocimiento emprico, su


fundamento ltimo en trminos de su procedimiento de medicin esta determinado
por consideraciones tericas. La medicin puede ser entendida como la manifestacin
de las magnitudes realmente existentes de una propiedad y puede ser tratada como la
atribucin de valores ms o menos convencionales a propiedades reales. La solucin
acerca de la diferencia entre estos dos puntos de vista escapa a los objetivos de este
texto y son tratados en libros especializados en la materia. Pero, es necesario dejar
establecido que las operaciones empricas, y en particular la medicin, no pueden ser
convertidas en un punto de partida absoluto para la elaboracin de la ciencia, puesto
que dichas mediciones presuponen la existencia de hiptesis que las subyacen.

112
Tema 5Tema
| La Investigacin
1 | Mtodos eCientfica
Investigacin
y susCientfica
Mtodos

5.8. El experimento

Son vanas y estn plagadas de errores las ciencias que no han


nacido del experimento, madre de toda certidumbre.
Leonardo Da Vinci

Este proceso constituye el mtodo ms importante del conocimiento emprico. La


ciencia contempornea lo contempla como ciencia experimental. La polmica acerca
de la correlacin entre la teora y el experimento, de las posibilidades del mtodo
experimental, del significado de los resultados del experimento en el desarrollo de la
ciencia, se ha mantenido vigente. La observacin y la medicin se utilizan en el mtodo
experimental como procedimientos auxiliares y, desde luego, el papel del conocimiento
terico en la realizacin de estos procedimientos aumenta en el caso del experimento.
Son conocidas muchas definiciones del experimento cientfico. En ciertos aspectos,
estas definiciones son diferentes y hasta discutibles, pero sus rasgos son ms o menos
similares. En general podemos sealar que el experimento tiene como objeto obtener
conocimientos cientficos, descubrir las leyes objetivas y que influyen en el objeto o
proceso estudiado, por intermedio de mecanismos e instrumentos especiales, de los
cuales es posible obtener: a) la separacin, el aislamiento del fenmeno estudiado de
la influencia de otros semejantes, no esenciales y que ocultan su esencia, as como estu-
diarlo en la forma lo ms pura posible; b) reproducir muchas veces el curso del proceso
en condiciones fijadas, y sometidas a control; c) modificar planificadamente, variar,
combinar diferentes condiciones con el propsito de obtener el resultado esperado.
Si nos guiamos por la definicin antes indicada del experimento es posible distin-
guir en ella una serie de elementos estructurales: a) la finalidad del experimento; b)
el objeto de la experimentacin; c) las condiciones en las cuales se encuentra, o en
las cuales se sita el objeto; d) los medios experimentales; e) la accin sobre el objeto
del experimento. De esta forma los experimentos pueden dividirse de acuerdo a las
disciplinas fundamentales del conocimiento cientfico dependiendo de las diferencias
entre los objetos de experimentacin. Tambin los experimentos se pueden clasificar
de acuerdo al grado de dominio prctico sobre el objeto de experimentacin: experi-
mentos fijadores (cuando el investigador se propone fijar solamente el comportamiento
del objeto), experimentos reproductores (cuando el experimentador puede reproducir
el objeto natural); experimentos creadores (en los cuales el experimentador crea un
objeto que no exista antes en la naturaleza). Una de las clasificaciones ms simples
de los experimentos esta basada de acuerdo a sus finalidades.
El propsito del experimento puede ser de establecer determinadas leyes, o de detec-
tar en el objeto una determinada propiedad, etc. Visto de este modo, los experimentos
realizados con estos fines se conocen como prospectivos. El resultado de un experi-
mento como el nombrado esta formado por una determinada informacin acerca de la
esfera de fenmenos que estudia. Si el experimento es realizado con el fin de verificar
una hiptesis, una teora, entonces sern experimentos verificadores. El resultado
de este consistir en la confirmacin o rechazo de una cierta hiptesis. Por supuesto
que es imposible trazar una frontera entre estos dos tipos de experimentos, puesto

113
Metodologa de la Investigacin Cientfica

que un mismo experimento puede realizarse de tal manera que sirva para comprobar
determinada hiptesis y, simultneamente, para obtener nueva informacin sobre los
objetos investigados. Adems, los experimentos prospectivos pueden conducirnos a
renunciar a una hiptesis comnmente aceptada o, por el contrario, suministrarnos
la fundamentacin emprica que requieren nuestros razonamientos tericos. Existe
una disciplina especfica que trata acerca de los experimentos en la cual se discuten
muchas alternativas de experimentos y tipos de ellos y que se denomina: Diseo
Experimental, la cual ser tratada someramente en la segunda parte de este texto.
Los experimentos estn indisolublemente ligados a la teora. Las discusiones
en torno a la interrelacin entre teora y experimento se basan esencialmente en la
contraposicin o no entre ambas actividades cientficas. La contraposicin se mani-
fiesta por la idea de que el experimento es algo que se encuentra fuera de la teora.
El experimento siempre constituye un interrogante. Pero, para poder formular una
pregunta con probabilidades altas de emitir un juicio lo ms correctamente posible
que posibilite una respuesta tambin correcta, se requiere previamente disponer de
una cierta representacin del objeto que queremos investigar. La representacin misma
de la esfera investigada se forma tericamente y es en la teora en donde se plantea la
pregunta, cuya respuesta slo se obtiene al finalizar el experimento.
Sin embargo, en la teora, el problema se formula primeramente como un problema
terico, es decir, un problema que se refiere al objeto de estudio en trminos ideali-
zados de la teora y que se expresa en trminos tericos pertenecientes a esa teora.
Para que el experimento pueda responder a la pregunta de la teora, tiene que volver
a ser formulado necesariamente en trminos empricos, en relacin con los objetos y
cualidades observadas. Por tanto, el objeto de experimentacin no puede ser abarcado
al margen de la teora y la seleccin de una interpretacin de las magnitudes tericas
constituye una importante etapa en la preparacin, y en la realizacin del experimento.
Slo despus de esto, nuestras construcciones tericas y clculos pueden adquirir un
sentido emprico y el experimento puede resultar posible.
La seleccin de las condiciones y de los instrumentos constituye la tercera etapa
del experimento y est determinada por la interpretacin emprica de las magnitudes
tericas, las cuales slo son posibles en la medida en que sean eliminados todos los
efectos colaterales.
Una vez que se han seleccionado las condiciones del experimento y que se han
eliminado las influencias de los factores colaterales, se arriba a la cuarta etapa: la
accin sobre el objeto, la observacin de su comportamiento y la medicin de las
magnitudes controlables. Esta etapa es decisiva, toda vez que es en esta etapa en que
se obtiene la respuesta a la interrogante de la teora.
La ltima etapa consiste en la elaboracin de los datos obtenidos, en su asimilacin
terica y en su inclusin en la teora cientfica.
La estructura del experimento refleja las etapas de su conduccin. El examen de
la estructura y las etapas de la realizacin del experimento nos posibilita dar una res-
puesta ms fundamentada al problema de la relacin entre la teora y el experimento.
Pero antes es necesario responder encontrando un sentido al problema, el cual se
halla en la siguiente formulacin: cmo y en qu grado pueden influir los resultados
del experimento sobre la teora?. Si los resultados del experimento estn de acuerdo

114
Tema 5Tema
| La Investigacin
1 | Mtodos eCientfica
Investigacin
y susCientfica
Mtodos

con lo que la teora haba predicho, entonces la teora recibe comprobacin experi-
mental. Sin embargo, del hecho de que la teora este acorde con el experimento no
se puede deducir que esta debe ser aceptada en forma absoluta. Esto es as porque
independientemente del nmero de experimentos que confirmen una teora, siempre
existir la posibilidad de que surja un experimento con resultados que contradigan
las predicciones de la teora. Pero tampoco este experimento, cuyos resultados con-
tradigan a la teora, puede refutarla. Por una parte, el resultado que contradice la
teora puede ser explicado por la influencia de factores que no fueron debidamente
considerados o que eran desconocidos, y por otra parte, la teora puede cambiar con
facilidad, modificndose de tal forma que deje de concordar con los resultados de un
experimento. Como consecuencia de esto, el experimento no puede refutar la teora,
ni demostrarla totalmente. Sus resultados slo sirven para precisar la teora existente
o para estimular la creacin de nuevas teoras. Desde este punto de vista es que se
desprende la duda fundada de la imposibilidad del experimento decisivo, debido
a que una teora se acepta o rechaza, fundamentalmente, bajo la influencia de otras
teoras y ningn experimento puede ser concebido como demostracin decisiva, tanto
a favor como en contra de cualquier teora.
Algo ms acerca de la discusin del experimento cientfico-natural: este no est
contrapuesto a la teora sino que forma parte de ella y participa en su elaboracin. El
papel de la teora en la creacin del experimento puede verse claramente en la exis-
tencia de formas tales de conocimiento como el experimento ideal. En general todo
experimento, al ser planificado y pensado, acta como un experimento ideal. Pero
si el experimento corriente abarca por obligacin la actividad concreto-sensorial
con los objetos y procesos reales, el experimento ideal se caracteriza porque en su
realizacin est ausente la accin real sobre el objeto real. Esto nos permite elaborar
el experimento ideal con objetos ideales, instrumentos ideales y condiciones tambin
ideales. Este experimento se sita totalmente dentro de la teora y se diferencia de
los habituales razonamientos tericos, en que se apoya sobre imgenes visuales. Un
ejemplo difano de esta situacin es el experimento ideado por Albert Einstein para
mostrar grficamente parte importante de su teora de la relatividad.
La observacin, la medicin y el experimento, a la vez que constituyen mtodos
del conocimiento emprico, dependen, en grado decisivo, del conocimiento terico.
A continuacin se les mostrar a los estudiantes, a modo de ejemplo, un tipo de
problema y cmo este puede ser abordado desde el punto de vista experimental.
Adems se les informar acerca de diseos no experimentales, los cuales son muy
tiles en muchos campos de la medicina, kinesiologa y otras disciplinas de la salud.

Problema:
Determinar el efecto de la forma y la temperatura de refrigeracin que se debe
tener para mantener los niveles adecuados de ciertas vacunas (cuyos antgenos son
altamente termosensibles). Se utilizarn varias formas y varias temperaturas diferentes.

Preguntas:
1. Cules son las caractersticas que se van a analizar?
2. Qu factores afectan las caractersticas que se van a analizar?

115
Metodologa de la Investigacin Cientfica

3. Cules son esos factores que se estudiarn en esta investigacin?


4. Cmo se va a medir el efecto de los factores en las caractersticas estudiadas?
5. Cuntas veces se deber efectuar el experimento bsico?
6. Cul ser la forma de anlisis estadstico, si este se requiere?
7. A partir de qu valor se considera importante el efecto?

Cul es el propsito de un diseo experimental?


Es de proporcionar una cantidad mxima de informacin pertinente al problema
bajo investigacin.

Esto debe traducirse como:


a) El diseo debe ser tan simple como sea posible.
b) La investigacin debe conducirse lo ms eficientemente posible, lo que implica
ahorrar tiempo, dinero, personal y material experimental.

Principios bsicos del diseo experimental:

a) Reproduccin
b) Aleatorizacin
c) Control local

Reproduccin:

Es la repeticin del experimento bsico.

Por qu la reproduccin es deseable?

1. Proporciona una estimacin del error experimental que acta como unidad bsica
de medida para indicar el significado de las diferencias observadas o para determinar
la amplitud del intervalo de confianza.
2. Cmo, bajo ciertas suposiciones, el error experimental puede ser estimado en la
ausencia de reproduccin, es necesario establecer tambin que la reproduccin pro-
porciona algunas veces una estimacin ms aproximada del error experimental.
3. Nos capacita para obtener una estimacin ms precisa del efecto medio de cualquier
factor, porque: la varianza de la media de las observaciones es igual a la varianza del
error experimental sobre el nmero de reproducciones.

Las reproducciones son repeticiones de las unidades experimentales.

Error experimental y unidades experimentales

Unidad experimental: Es la unidad a la cual se le aplica un solo tratamiento (o una


combinacin de tratamientos) en una reproduccin del experimento bsico.
Error experimental: Describe el fracaso de llegar a resultados idnticos con dos
unidades experimentales tratadas idnticamente.

116
Tema 5Tema
| La Investigacin
1 | Mtodos eCientfica
Investigacin
y susCientfica
Mtodos

En cada situacin el error experimental estar contenido por:

a) Errores de experimentacin.
b) Errores de observacin.
c) Errores de medicin.
d) Variacin de las caractersticas del objeto o sujeto sometido a experimentacin
(entre unidades experimentales).
e) Los efectos combinados de todos los factores extraos que pudieran influir en la o
las caractersticas en estudio y que no pueden ser controlados o de cuya existencia
no se tiene idea, pero que influyen en el proceso.

El error experimental puede reducirse:

a) Usando material experimental lo ms homogneo posible o por la estratificacin


cuidadosa del material disponible.
b) Utilizando informacin proporcionada por variables aleatorias relacionadas.
c) Teniendo cuidado al dirigir el experimento.
d) Usando un diseo experimental ms eficiente.

Confusin

Dos o ms efectos se confunden en un experimento si es imposible separar los


efectos mediante el anlisis estadstico.

Aleatorizacin

Todas las pruebas estadsticas, y el diseo experimental, exigen suposiciones, las


cuales si no se cumplen, invalidan la prueba y el diseo, segn sea el caso.
Una de las suposiciones ms importantes en los diseos es que las observaciones
(o los errores de ellas) estn distribuidos independientemente.
Esta suposicin es difcil de demostrar, pero si tomamos una muestra al azar de una
poblacin o sobre una asignacin al azar de tratamiento a las unidades experimen-
tales, podemos proceder como si esta suposicin fuera verdadera. La aleatorizacin
hace vlida la prueba.

Control Local

El control local se refiere a la cantidad de balanceo, bloque y agrupamiento de las


unidades experimentales que se emplean en el diseo estadstico adoptado.
Funcin del control local: es hacer el experimento ms eficiente. Hace ms sensitiva
cualquier prueba de significancia o ms poderosos los procedimientos de una prueba.
El aumento de eficiencia en el control local implicar una reduccin del error
experimental.

117
Metodologa de la Investigacin Cientfica

Agrupamiento, Bloqueo y Balance

a) Agrupamiento:
Es la colocacin de un conjunto de unidades experimentales homogneas en grupos,
de modo que los diferentes grupos puedan sujetarse a distintos tratamientos.

b) Bloqueo:
Es la distribucin de las unidades experimentales en bloques, de tal manera que
las unidades dentro de un bloque sean relativamente homogneas, de este modo, la
mayor parte de la variacin predecible entre unidades queda confundida con el efecto
de los bloques.

c) Balanceo
Es la obtencin de las unidades experimentales, el agrupamiento, el bloqueo y la
asignacin de tratamientos a las unidades experimentales de tal modo que resulte una
configuracin balanceada de los datos.

Tratamientos y combinaciones de tratamientos

Tratamiento, o combinacin de tratamientos, implica el conjunto particular de


condiciones experimentales que deben imponerse a una unidad experimental dentro
de los lmites del diseo relacionado.

Factores, niveles del factor y factoriales

En la mayora de las investigaciones, el investigador trata con ms de una variable


independiente y con los cambios que ocurren en ella, as:

Y = a + b + c+........+ n

Donde,
a, b, c,.., n son factores, todo lo cual determina un experimento factorial.

Notacin:
Y = PDEH
donde,
P = Efecto medio verdadero.
D = Efecto del factor alfa.
E = Efecto del factor beta
H = Error experimental

Aqu los factores no tienen niveles, es decir, no se toman en cuenta las variaciones
posibles que tenga un factor.
Por otra parte, un factor puede estar subdividido. Si es as, estamos entonces en
presencia de niveles de un factor.

118
Tema 5Tema
| La Investigacin
1 | Mtodos eCientfica
Investigacin
y susCientfica
Mtodos

Experimentos factoriales con niveles en cada factor:

Y = PDEH

Efectos e interacciones

Si el objetivo es simple, por ejemplo conocer el comportamiento de diferentes


niveles de un solo factor cuando otros factores se mantienen constantes, implicara
un anlisis de efectos. Pero existe tambin la posibilidad de analizar dos factores al
mismo tiempo, con o sin niveles en cada uno de ellos. En estas circunstancias, puede
ser que los factores no sean independientes. Si no lo son, es necesario entonces estimar
el efecto debido a la interaccin entre ellos o a la interaccin de algunos de los niveles
de un factor en relacin con los niveles de otro factor.

Entonces surgen dos conceptos:

a) Efecto principal:

El efecto principal de un factor es la medida de cambio en la variable respuesta


correspondiente a cambios en el nivel de un factor promediado sobre todos los niveles
de otros factores.
Ejemplo. Tres factores implica: dos efectos principales (primer orden) y un efecto
secundario (segundo orden).

Y = A + B + (AB) + E

Notacin:

Y = D DE H

b) Interaccin:

Es la respuesta diferencial a un factor en combinacin con niveles variables de un


segundo factor aplicado simultneamente. Es decir, la interaccin es un efecto adicional
debido a la influencia combinada de dos o ms factores.

Y = DE DE H

Pasos a seguir en el diseo de experimentos

1. Enunciado del problema.


2. Formulacin de la hiptesis.
3. Formulacin de los objetivos.
4. Sugerencia de la tcnica experimental y del diseo.

119
Metodologa de la Investigacin Cientfica

5. Examen de los sucesos posibles y referencias en que se basan las razones para la
indagacin, que asegure que el experimento proporcione la informacin requerida
y la extensin adecuada.
6. Consideracin de los posibles resultados desde el punto de vista de los procedi-
mientos estadsticos que se les aplicar, para asegurar que se satisfagan las con-
diciones necesarias para que sean vlidos estos procedimientos.
7. Ejecucin del experimento.
8. Aplicacin de las tcnicas estadsticas a los resultados experimentales.
9. Extraccin de conclusiones con medidas de confiabilidad de las estimaciones de
las cantidades evaluadas. Deber darse cuidadosa consideracin a la validez de las
conclusiones para la poblacin de objetos o sujetos a la cual se le van a aplicar.
10. Evaluacin de la investigacin completa, particularmente con otras investigaciones
del mismo problema o similares.

Ventajas y desventajas de los experimentos diseados estadsticamente

Ventajas:
a) Se requiere una estrecha colaboracin entre el estadstico y el investigador con
las consiguientes ventajas en el anlisis e interpretacin de las etapas del pro-grama.
b) Se enfatiza respecto a las alternativas previstas y respecto a la preplaneacin sis-
temtica, permitiendo la ejecucin por etapas y a la produccin nica de datos
tiles para el anlisis en combinaciones posteriores.
c) Debe enfocarse la atencin en las interrelaciones y en la estimacin y cuantifica-
cin de fuentes de variabilidad en los resultados.
e) El nmero de pruebas requerido puede determinarse con certeza y a menudo
puede reducirse.
f) La comparacin de los efectos de los cambios es ms precisa debido a la agrupa-
cin de los resultados.
g) La exactitud de las conclusiones se conoce con una precisin matemtica definida.

Desventajas:
Se requiere cumplir con todas las suposiciones que se exigen para el diseo.

Seleccin de la prueba estadstica adecuada

a) Con la naturaleza de la poblacin y el mtodo de muestreo empleado se establece


el modelo.
De acuerdo al modelo estadstico se utilizan determinadas pruebas.
Las pruebas estadsticas estn sujetas a ciertas suposiciones que deben cumplirse.

Existen, en general, dos tipos de pruebas estadsticas: paramtricas y no param-


tricas.

120
Tema 5Tema
| La Investigacin
1 | Mtodos eCientfica
Investigacin
y susCientfica
Mtodos

Pruebas paramtricas:

1. Las observaciones deben ser independientes entre s. La seleccin de un caso


cualquiera de la poblacin en una muestra no debe afectar las posibilidades de
incluir otro.

2. Las observaciones deben hacerse en poblaciones cuyas variables estudiadas estn


distribuidas normalmente.

3. Las poblaciones estudiadas deben tener la misma varianza: homocedasticidad.

4. Las variables correspondientes deben ser cuantitativas continuas.

5. Los efectos deben tener carcter aditivo.

Pruebas no paramtricas:

1. Las declaraciones de probabilidad obtenidas en la mayora de las pruebas esta-


dsticas no paramtricas son probabilidades exactas, independientemente de la
forma de distribucin de la poblacin de la que se tom la muestra.
2. Si los tamaos de muestra son tan pequeos como n = 6, no hay alternativa de
eleccin; es necesario el uso de una prueba estadstica no paramtrica, a menos
que se conozca exactamente la naturaleza de la distribucin en la poblacin.
3. Hay pruebas estadsticas no paramtricas adecuadas para las observaciones hechas
en poblaciones diferentes. Ninguna prueba paramtrica puede manejar tales datos
sin exigirnos suposiciones aparentemente irreales.
4. Este tipo de pruebas es til tanto para datos inherentes a los rangos, como a los
datos cuyos puntajes, aparentemente numricos, tienen fuerza de rango.
5. Estos mtodos son tiles para los datos simplemente clasificatorios, medidos en
escalas nominales. Ninguna tcnica paramtrica se aplica a tales datos.
6. Estas pruebas son tpicamente ms fciles de aplicar que las pruebas paramtricas.

Desventajas:
Tienen menor eficiencia y potencia que las pruebas paramtricas.

5.9. Diseos no experimentales

5.9.1. Investigacin no experimental

Este es un tipo de investigacin que se caracteriza por la imposibilidad de mani-


pular las variables independientes. Aqu, slo se observan los fenmenos tal como se
producen naturalmente, para despus analizarlos.
A este tipo de investigacin no experimental no se puede asignar aleatoriamente
sujetos a determinadas condiciones.

121
Metodologa de la Investigacin Cientfica

En un experimento se somete a grupos a determinados tratamientos bajo deter-


minadas circunstancias, para despus analizar los resultados de dichos tratamientos.
El experimento construye una realidad.
En un estudio no experimental no se construye ninguna realidad, la realidad ha
sucedido en ausencia del investigador.
La investigacin no experimental es una investigacin sistemtica y emprica en
la que las variables independientes no se pueden manipular pues el fenmeno que las
implica ya ha ocurrido.
Todas las posibles deducciones que se realicen a partir de estas variables se realizan
sin que haya existido influencia alguna del investigador sobre el objeto que se analiza.

5.9.2. Tipos de diseos no experimentales

Transversal
Investigacin no experimental
Longitudinal

Diseos transversales

Estos diseos se especializan en recolectar datos en un momento determinado.


Su propsito es describir variables, analizar su incidencia y las posibles interre-
laciones que existen entre variables de inters. Puede estudiarse ms de un grupo o
subgrupos de objetos de investigacin.

Los estudios transversales pueden subdividirse en:

Descriptivos

Diseos transversales
Ex post-facto, de causa a efecto

Correlacionales-causales
Ex post-facto, de efecto a causa

Diseos transversales descriptivos:

Tienen como objetivo indagar la incidencia que producen las variaciones de una
o ms variables. Aqu se miden las caractersticas a estudiar con el objetivo de lograr
una descripcin de estas. Como consecuencia, son estudios puramente descriptivos
y cuando se establecen hiptesis estas estn el nivel de suposicin cientfica o de hi-
ptesis de trabajo.
En este tipo de estudios se pueden realizar comparaciones entre grupos o subgrupos
de personas.

122
Tema 5Tema
| La Investigacin
1 | Mtodos eCientfica
Investigacin
y susCientfica
Mtodos

Diseos transversales correlacionados:

Estos diseos describen relaciones entre dos o ms variables en un momento deter-


minado. Aqu tambin se trata de realizar descripciones, pero no slo de las variables
que se estudian, sino de las posibles correlaciones que puedan existir entre ellas. Estos
diseos pueden limitarse a establecer relaciones entre variables sin precisar ningn
sentido de causalidad o pueden pretender analizar relaciones de causalidad.

En este ltimo caso se pueden subdividir en:

a) Ex post-facto, de causa a efecto: La causa del fenmeno ha tenido lugar ya,


y se va a conocer cual ha sido su efecto. Esto requiere de un grupo control para
comparar.

b) Ex post-facto, de efecto a causa: Tiene lugar, y es conocido, el efecto y


serequiere determinar la causa. Este diseo tambin exige la formacin de un
grupo control.

5.9.3. Comparacin general de ambos tipos de diseos

Descriptivo Correlacionales-causales
Se mide y se describe la variable X1 Se mide y se describe la relacin X1-X2
Se mide y se describe la variable X2 Se mide y se describe la relacin X1-X3
Se mide y se describe la variable X3 Se mide y se describe la relacin X2-X3
Y as sucesivamente

El inters est en cada variable tomada El inters est en la relacin entre variables, es decir,
individualmente su correlacin.
X1 X1-X2 X1 X2
X2 X1-X3 X1 X3
X3 X2-X3 X2 X3

Un diseo de este tipo, cuando estn involucrados estudios correlacionales y se


pretende establecer relaciones causales, se constituye en estudios con tendencias ex-
plicativas.
Un estudio correlacional, con y sin anlisis de causalidad, puede limitarse a dos
variables o involucrar modelos complejos de muchas variables.
Diseos longitudinales.
Al investigador puede que le interese no slo conocer lo que acontece en un tiem-
po t, en un proceso al cual esta sometido un objeto de estudio, sino que le podra
interesar, adems, saber si han existido cambios o no en el objeto en el decursar de
un proceso especfico, en un lapsus de tiempo determinado (desde t1 hasta t2).
Este propsito ha determinado la estructuracin del diseo longitudinal, el cual
consiste en recolectar datos a travs del tiempo, en puntos o perodos especificados,
para as hacer inferencias respecto al cambio, sus determinantes y sus consecuencias.

123
Metodologa de la Investigacin Cientfica

Los diseos longitudinales pueden subdividirse en tres tipos:

1. Diseos de tendencia (Trend).


2. Diseos de anlisis evolutivos (Cohortes).
3. Diseos de panel.

Diseos longitudinales de tendencia

Son aquellos que analizan cambios a travs del tiempo dentro de una poblacin
en general (de las variables o de sus correlaciones).

Muestras representativas de la poblacin


Medicin 1 Medicin 2 Medicin 3 Medicin 4
T1 T2 T3 T4

Han sucedido cambios en el fenmeno que se ha estudiado en la poblacin?

Diseos longitudinales de evolucin de grupo o cohortes

Estos examinan cambios a travs del tiempo en grupos especficos seleccionados


para este estudio (subpoblaciones). Estos grupos, y slo estos grupos, son seguidos a
travs del tiempo y medidos en diferentes tiempos.

Diseos longitudinales de panel

Los diseos panel son similares a las dos clases de diseos ya descritos, slo que es
el mismo grupo de sujetos u objetos que es medido en todos los tiempos o momentos.
Este diseo tiene la ventaja de dar a conocer no slo los cambios grupales, sino
tambin los individuales.

La eleccin de diseos transversales o longitudinales depende del propsito de la


investigacin. Ambos son no-excluyentes y pueden mezclarse entre s.

Estudios retrospectivos y Prospectivos

Estos diseos pueden subdividirte en dos grandes campos: los prospectivos y los
retrospectivos.
Los estudios retrospectivos son investigaciones en las cuales los cientficos deben
lidiar con fenmenos que han ocurrido y, no pocas veces, sin tener la posibilidad de
tener el fenmeno completo a su disposicin para ser estudiado. Esta situacin im-
prime limitaciones objetivas a este tipo de investigaciones. Generalmente ocurre que no
se puede obtener toda la informacin de los objetos de estudio que se requieren para
arribar a conclusiones confirmatorias. Los datos obtenidos de los sujetos estudiados,
cuando son dudosos, no se pueden repetir y las posibles causas hipotticas que se
estudian puede que no estn, representadas en la muestra en estudio.

124
Tema 5Tema
| La Investigacin
1 | Mtodos eCientfica
Investigacin
y susCientfica
Mtodos

En sntesis, se pierde control de los sujetos y de los datos y esto puede transformarse
en una limitacin que, en su caso ms extremo, puede invalidar la investigacin. Sin
embargo, cuando las limitaciones no se transforman en una inviabilidad, este tipo de
investigaciones puede entregar una masa mnima de informacin que permita formular
hiptesis consistentes que debern ser comprobadas con estudios experimentales o
estudios no experimentales, pero prospectivos.
Los prospectivos, son diseos que pretenden estudiar un fenmeno en el tiempo,
pero desde un punto hacia adelante, hacia el futuro. Por tanto, son estudios en los
cuales los cientficos, hasta cierto punto, pueden planificar la obtencin de datos y
escoger con precisin las variables a estudiar sin necesidad de limitarse a obtener
toda la informacin que sea posible encontrar. En este tipo de investigacin se
puede mantener un control relativamente alto de los sujetos en estudio y la prdida
de datos es escasa. El principal atributo que tiene esta investigacin es que, teniendo
control de los sujetos, es decir, de la muestra (y de su tamao), es posible estimar las
probabilidades de ocurrencia de un fenmeno, atributo o caracterstica.

Bibliografa

Andrade, E; Pachano, E; Pereira, L; Torres, A (2002) El Paradigma Complejo. Revista Cinta


de Moebio. Facultad de Ciencias Sociales. Universidad de Chile. N 14, Septiembre.
Angera, MT (1985) Metodologa de la observacin en las Ciencias Humanas. Ctedra. Madrid.
Arnold, M; Osorio, F (1998) Introduccin a los Conceptos Bsicos de la Teora General de
los Sistemas. Revista Cinta de Moebio. Facultad de Ciencias Sociales. Universidad de
Chile. N 3, Abril.
Ayer, A (1978) El positivismo lgico. F.C.E. Mxico.
Bar, A (2000) Una Tipologa de Mtodos generales desde una Perspectiva Sistmica. Revista
Cinta de Moebio. Facultad de Ciencias Sociales. Universidad de Chile. N 7, Marzo.
Bunge, M (1975) La Investigacin Cientfica. Editorial Ciencias Sociales. La Habana.
Bernard, C (1976) Introduccin al estudio de la medicina experimental. Edit. Fontanella.
Madrid.
Black, JA; Champion, DJ (1976) Methods and issues in social research. John Wiley & Sons.
New York
Blake, RM (1960) Theories of Scientific Method. University of Washington Press. Seattle.
Bracht, G; Glass, GV (1968) The external validity of experiments. Am. J. Educ. Res.
5: 437-474.
Bunge, M (1972) La investigacin cientfica. Edit. Ariel. Barcelona.
Bunge, M (1992) La ciencia: su mtodo y su filosofa. Ediciones Siglo XX. Buenos Aires.
Burian, R (2000) The impact of genetics on biological theory. Rsums du Coloque: 1900,
Redcouverte des lois de Mendel. Acadmie des Sciences. Paris.
Cadena, R (2001) La Filosofa de la Ciencia. Ensayo. <http://www.rcadena.com/ensayos/
filcienc.htm>.
Caponi, G (2000) Cmo y por qu de lo viviente. Ludus Vitales. 7 (14): 67-102.
Caponi, G (2001) Biologa Funcional vs. Biologa Evolutiva. Episteme (12): 23-46.
Cochran, WG (1971) Tcnica de muestreo. CECSA. Mxico.
Cochran, WG; Cox, GM (1980) Diseos experimentales. Edit. Trillas. Mxico.

125
Metodologa de la Investigacin Cientfica

Cohen, M; Nagel, E (1993) Introduccin a la lgica y al mtodo cientfico. Amorrortu edi-


tores, Buenos Aires.
Daz, V.P (2001a) Marco Terico-Conceptual para un Sistema de Investigaciones Cientficas.
I. Papel de la Teora y el Enfoque Sistmico en la Ciencia Contempornea. Revista
Universidades. Universidad Autnoma de Mxico. 5 (20): 35-43.
Daz, V.P (2001b) Marco Terico-Conceptual para un Sistema de Investigaciones Cientficas.
II. El Concepto de Potencial Cientfico. Revista Universidades. Universidad Autnoma
de Mxico. 5 (20): 43-51.
Daz, V. P; Calzadilla, A (2002) Descartes y Espinosa en la filosofa de la ciencia contempo-
rnea. Revista Ensayo y Error. Universidad Simn Rodrguez. Caracas. 11(22): 41-63.
Domenech, JM (1979) Bioestadstica. Mtodos estadsticos para investigadores. Edit. Herder.
Barcelona.
Eng, A; Cantero, M; Vergara, D (1980) Metodologa de la Investigacin. Departamento de
Investigaciones Sociales. Editorial del Centro de Informacin del MICONS. La Habana.
Escolar, C (2002) La Teora Menor, el Tiempo Histrico y la Prctica Simblica Comparti-
da. Revista Cinta de Moebio. Facultad de Ciencias Sociales. Universidad de Chile. N
15, Diciembre.
Frege, G (1972) Sobre Sentido y Denotacin. En: Lgica y Semntica. Ediciones Universi-
tarias. Valparaso.
Futtuyma, D.J (2001) El conocimiento cientfico. Elementos (8) 41: 1-14.
Fedoseev, PN; Rodrguez, M; Ruzavin, G (1975) Metodologa del Conocimiento Cientfico.
Edit. Ciencias Sociales. La Habana.
Gaeta, R (1996) Modelos de explicacin cientfica. Problemas epistemolgicos de las Ciencias
Naturales y Sociales. Editorial Universitaria. Buenos Aires.
Garca, H (1983) Manual de Investigacin Aplicada en Servicios Sociales y de Salud. Ediciones
Copilco, S.A. Mxico D.F.
Goode, W; Hatt, P (1971) Mtodos de investigacin social. Edit. Ciencias Sociales. La Habana.
Hernndez, R; Fernndez, C; Baptista, P (1991) Metodologa de la investigacin. Edit.
McGraw-Hill. Mxico.
Ilinkov, E.V (1977) Lgica Dialctica. Editorial Progreso. Mosc.
Jacob, F (1973) La lgica de lo viviente. Laia. Barcelona.
Jacob, F (1981) Le jeu des posibles. Fayard. Paris.
Johansen, O (1992) Introduccin a la teora general de los sistemas. Editorial Limusa. Mxico.
Kedrov, B.M (1974) Clasificacin de las Ciencias. Tomo I. Editorial Progreso. Mosc.
Lewontin, R (1998) Las base del conflicto en biologa. In: Historia y explicacin en biologa.
Martnez, S; Barahona, A (eds). Mxico.
Lpez, JL (1978) Mtodos e hiptesis cientficas Edit. Trillas. Mxico.
Magnus, D (2000) Down the primrose path: competing epistemologies in early XX century
biology. In: Biology and Epistemology. Creath, R; Mainchistein, J (eds). Cambridge
University Press. Cambridge.
Maturana, H (1977) El sentido de lo humano. Dolmen Ediciones S.A. Santiago de Chile.
Maturana, H; Varela, F (1994) De mquinas y seres vivos. Autopoiesis: La organizacin de
lo vivo. Quinta edicin. Editorial Universitaria. Santiago de Chile.
Mayr, E (1976) Evolution and the diversity of life. Cambridge; Harvard University Press.
Mayr, E (1985) How biology differs from the Physical Sciences. In: Evolution at a Cross-
roads. Depew, D.S.; Weber, B (eds.). Cambridge; MIT Press.
Mayr, E (1988) Toward a new philosophy of biology. Cambridge. Harvard.
Mayr, E (1998) O desenvolvimento do pensamento biolgico. Brasilia. Universidade de
Brasilia.

126
Tema 5Tema
| La Investigacin
1 | Mtodos eCientfica
Investigacin
y susCientfica
Mtodos

Melondo, T (2001) Para salvar la filosofa primera frente a sus versiones dbiles. El
positivismo lgico, el primer Wittgenstein, Carnap, la hermenutica de Gadame. <http:/
www.geocities.com/Athens/Forum/5284/melondo1.html>.
Miles, MB; Huberman, AM (1984) Qualitative Data Analysis. Beverly Hills. Ca.: Sage.
Nagel, E (1961) La estructura de la ciencia. Editorial Paids. Barcelona.
Neurath, O (1970) Fundations of the Social Sciences. University of Chicago Press. Chicago.
Montgomery, DC (1991) Diseo y anlisis de experimentos. Grupo Editorial Iberoamrica.,
S.A. Mxico.
Osorio, F (1999) Qu es el Positivismo Lgico?. <http://rehue.csociales.uchile.cl/antropo-
logia/positivismo.htm>.
Pjaro, D (2002) La Formulacin de la Hiptesis. Revista Cinta de Moebio. Facultad de
Ciencias Sociales. Universidad de Chile. N 15, Diciembre.
Popper, K (1980) Conjeturas y Refutaciones. Editorial Paidos. Barcelona.
Ricci, R (1999) Acerca de una Epistemologa Integradora. Revista Cinta de Moebio. Facultad
de Ciencias Sociales. Universidad de Chile. N 5, Abril.
Rodrguez, J (2001) Empirismo (o Positivismo) Lgico - Neopositivismo. <http//www2.
alcala.es/estudios_de_organizacin/epistemologia/empirismo-logico.htm>.
Rosental, M; Ludin, P (1983) Diccionario Filosfico. Editora Poltica. La Habana.
Ruiz, A.B (1996) The constributions of Humberto Maturana to the sciences of complexity
and psychology. J Constructivist Psychology. 9 (4): 283-302.
Ruiz, A; Morillo, L (2004) Epidemiologa Clnica. Investigacin Clnica Aplicada. Editorial
Mdica Panamericana. Bogot.
Russell, B (1973) Historia de la Filosofa Occidental, la Sabidura de Occidente. Editorial
Aguilar. Madrid.
Serrano, JA (1981) La objetividad y las ciencias. Enfoque histrico epistemolgico. Edit.
Trillas. Mxico.
Schlick, M (1993) Positivism and Realism. En: The Philosophy of Science. The MIT Press.
Cambridge.
Siegel, A (1983) Estadstica no paramtrica. Edit. Trillas. Mxico.
Winer, BJ (1971) Statistical Principles in Experimental Desing. McGraw-Hill. N.Y.
Sober, E (1993) Philosophy of Biology. Oxford University Press.
Ursul, A; Rodrguez, M (1982) La Dialctica y los Mtodos Cientficos Generales de Investi-
gacin. Editorial de Ciencias Sociales. La Habana.
Welti, M (1999) La transicin de Wittgenstein del Tractatus, al ltimo Wittgenstein. <Http//
www.info.pue.udlap/bajocenizas/witt.html>.
Willians, G; Nesse, E (1996) Evolution and Healing: the new sciences of darwinianan medi-
cine. Phoenix. New York.

127
Tema 8 | Bsqueda
Tema
y Recuperacin
1 | Mtodos de
e Investigacin
Informacin Cientfica

Captulo 6

Los mtodos tericos

Lo importante en ciencia no es tanto obtener nuevos hechos


como descubrir nuevas formas de pensar sobre ellos.
Albert Szent-Gyrgyi

6.1. Definicin y funciones

Anteriormente se analizaron los mtodos empricos y tericos en forma breve.


Se seal que los primeros participan en el descubrimiento y acumulacin de los hechos
y en el proceso de verificacin de la hiptesis, pero que no son suficientes para poder
profundizar en las relaciones fundamentales de los fenmenos de la naturaleza. Esto
obliga a la necesidad de la utilizacin de los mtodos tericos.
Los mtodos tericos cumplen un papel gnoseolgico de gran importancia puesto
que permiten la interpretacin conceptual de los logros empricos. De este modo, al
ser empleados en la construccin y desarrollo de las teoras, crean las condiciones
para visualizar los fenmenos ms all de las caractersticas fenomenolgicas y su-
perficiales de la naturaleza; adems permiten explicar los hechos y profundizar en las
relaciones esenciales y las cualidades fundamentales de los procesos que no pueden
observarse directamente.
En las ciencias mdicas en general se aplica una variedad de mtodos tericos.
Algunos de los principales son: el anlisis y la sntesis, la induccin y la deduccin, el
hipottico-deductivo, el anlisis histrico y lgico, el del trnsito de lo abstracto a lo
concreto, la modelacin y los enfoque generales del conocimiento cientfico (enfoque
de sistemas, complejo y global). Cada uno tiene una funcin gnoseolgica determinada
y en el proceso de investigacin se complementan entre s.
En ocasiones, estos mtodos tericos se utilizan como si fueran enfoques generales
de la investigacin. Sin embargo, existen diferencias entre mtodo y enfoque y, usual-
mente, se usan uno u otro trmino indistintamente. Pero es necesaria la separacin
de ambos conceptos.
El enfoque es la orientacin metodolgica de la investigacin y constituye la estra-
tegia general en el proceso de abordar y plantear el problema de investigacin. Por
su parte, el mtodo es ms determinado y concreto que el enfoque y tiene relacin
con los procedimientos que permiten la asimilacin terica y prctica del fenmeno
estudiado. El enfoque expresa la direccin de la investigacin, mientras que el mtodo
precisa cmo y de qu forma esta se realizar.

129
Metodologa de la Investigacin Cientfica

Sintetizando, podemos sealar que el enfoque se diferencia del mtodo porque:

1. Es ms general y menos definido que el mtodo.


2. Incluye en s los principios y las orientaciones ms generales del sistema sin redu-
cirlos a determinaciones operacionales ni a las teoras o concepciones formalizadas
y matematizadas.
A un enfoque puede corresponder no slo un mtodo, sino un conjunto de ellos.
Al complementarse y retroalimentarse entre s, los enfoques y mtodos del conoci-
miento resultan vinculados en forma profunda. De esta forma, la direccin del estudio
del objeto supone siempre el modo de investigacin y, al mismo tiempo, el objeto
estudiado influye en la direccin en la que se mover el pensamiento cientfico.
La vinculacin entre el enfoque y el mtodo del conocimiento, adems de peculiar,
es compleja. Esto se debe a que un enfoque general puede servir de base para el em-
pleo de diversos mtodos y, a la vez, varios enfoques pueden dar lugar a un mtodo
amplio de conocimiento.
En el nivel actual del desarrollo de las ciencias mdicas en general, es posible encon-
trar una gran variedad de problemas cientficos, los cuales pueden ser asumidos con
el empleo de los mtodos tericos que estudiaremos en este tema y que son aplicados
en calidad de enfoque, es decir, como estrategia para abordar y estudiar el problema
general. Mientras que, en otras situaciones problmicas particulares, se emplean como
mtodos algunos de los enfoques antes nombrados, es decir, como un procedimiento
concreto en el que est determinado el modo de analizar la realidad.
Por ejemplo, el estudio gentico de los fenmenos se puede considerar como un
enfoque general de la investigacin mdica u odontolgica. No obstante, atendiendo
al contenido del problema cientfico, este enfoque puede ser instrumentado como un
estudio transversal o longitudinal (los cuales estudiaremos ms adelante con cierto
detenimiento). Sin embargo, en una investigacin determinada no siempre es posible
poder definir categricamente cundo se est utilizando un mtodo terico como en-
foque o como mtodo. Tal situacin se explica porque la direccin de la investigacin
y su modo estn ntimamente relacionados, lo cual hace imposible una separacin
absoluta entre ellos.

6.2. Los mtodos de anlisis y sntesis

Ambos son procesos cognoscitivos importantes para la investigacin cientfica. El


anlisis es una operacin intelectual que posibilita descomponer mentalmente un todo
complejo en sus partes y cualidades, en sus mltiples relaciones y componentes. La
sntesis es la operacin inversa, que establece mentalmente la unin entre las partes,
previamente analizadas y posibilita descubrir relaciones y caractersticas generales
entre los elementos componentes de un fenmeno o proceso.
Ambos no existen separados uno del otro. En realidad el anlisis se produce me-
diante la sntesis: el anlisis de los elementos de la situacin problmica se realiza
relacionando estos elementos entre s y vinculndolos con el problema como un
todo. Al mismo tiempo, la sntesis se produce sobre la base de los resultados dados
previamente por el anlisis.

130
Tema 1 | Mtodos
Temae6Investigacin
| Los MtodosCientfica
Tericos

La unidad dinmica existente entre las operaciones de anlisis y de sntesis supo-


ne que en el proceso de la investigacin cientfica una u otra puede predominar en
una determinada etapa, dependiendo de la tarea cognoscitiva que est realizando el
investigador.
Las operaciones intelectuales de anlisis y sntesis no operan en el vaco y, por
tanto, no pueden ser el resultado del pensamiento puro y apriorstico, sino que es-
tn realizadas e influenciadas directamente por el objeto o proceso que se pretende
abarcar en un estudio. Son los objetos y procesos reales los que estn compuestos por
elementos (considerados como unidades independientes o momentos de un proceso o
ambos) y por relaciones entre estos elementos que son siempre muy complejas. Esto
obliga permanentemente al cientfico a realizar operaciones de descomposicin del
objeto de estudio y de integracin del mismo.

6.3. Los mtodos de induccin y deduccin

Es posible definir la induccin como una forma de razonamiento por medio de la


cual se transita del conocimiento de casos particulares a un conocimiento ms general.
Tal mtodo es utilizable, porque en la naturaleza existen objetos que tienen caracte-
rsticas comunes, es decir, se puede detectar lo comn en los fenmenos individuales.
El gran valor de este mtodo consiste en que posibilita generalizaciones sobre la
base del estudio de fenmenos singulares, con lo cual crea las condiciones esenciales
para la confirmacin emprica de la hiptesis.
La deduccin es tambin una forma de razonamiento, mediante el cual se transita
desde un conocimiento general a otro particular (de menor nivel de generalidad).
La deduccin parte de principios generales, leyes y axiomas que reflejan las rela-
ciones generales, estables, necesarias y fundamentales entre los objetos y fenmenos
de la naturaleza. Como el razonamiento deductivo toma en calidad de premisa al
conocimiento de lo general, es que nos puede llevar a comprender lo particular en
el que exista lo general. Lo anteriormente expresado muestra la gran fuerza demos-
trativa de la deduccin. Sin embargo, en muchas situaciones, el establecimiento de la
inferencia deductiva nos puede conducir a conclusiones errneas.
Esto puede suceder de este modo si es que se produce el olvido de que el vnculo
entre lo general que es conocido y lo particular desconocido no es siempre directo,
sino que puede estar mediado por muchas relaciones complejas. Si se produce lo
anterior es porque se obvia el hecho de que hay que tener siempre en consideracin
las relaciones y condiciones especficas de lo particular para que el razonamiento
deductivo sea eficaz y vlido.
El arte de utilizar con fuerza y xito la deduccin y la induccin consiste en no
absolutizar ninguno de estos mtodos en el proceso del pensamiento cientfico, por el
contrario, de lo que se trata es de encontrar el nexo existente entre estas dos formas
de inferencia lgica. En la actividad cientfica estos mtodos continuamente se com-
plementan entre s. A partir de numerosos casos particulares, por el mtodo inductivo
se llega a determinadas generalizaciones y a leyes empricas. Estos hechos cientficos
y leyes empricas constituyen puntos de partida para inferir o confirmar formulacio-

131
Metodologa de la Investigacin Cientfica

nes tericas. Al mismo tiempo, a partir de formulaciones tericas se deducen nuevas


conclusiones lgicas, las que son sometidas a prueba atendiendo a las generalizaciones
empricas obtenidas con los mtodos inductivos.
A pesar del nexo indisoluble que existe entre deduccin e induccin, puede ocurrir
(y ha ocurrido) que en diferentes momentos de la investigacin puede predominar
un mtodo sobre el otro, y ello determinado por las caractersticas de la tarea que
se est realizando. Incluso, el nivel de desarrollo terico de la ciencia ha incidido en
el uso del mtodo deductivo o inductivo en el transcurso de la historia de la ciencia.
En los momentos tempranos de su surgimiento encontramos el predominio de los
mtodos inductivos y el descubrimiento de leyes empricas, mientras que en la fase
de madurez terica, la deduccin asume una gran importancia en el descubrimiento
de las leyes tericas.
El desarrollo histrico de las ciencias mdicas en general evidencia esta tendencia.
En las primeras etapas de su formacin como ciencias independientes, la investigacin
persegua fundamentalmente la descripcin de los fenmenos, la recopilacin de datos
empricos, su clasificacin y la formulacin de conceptos y leyes empricas mediante
la induccin. Con el desarrollo de los conocimientos tericos y la base metodolgica
que les proporciona la epistemologa moderna, estas ciencias presentan las condicio-
nes necesarias para deducir nuevas formulaciones abstractas que profundizan en los
fenmenos de la medicina y aportan nuevos conocimientos.
La induccin y la deduccin, y sus relaciones, son el reflejo de la lgica de los
fenmenos y procesos de la naturaleza.

6.4. El mtodo hipottico-deductivo

En el proceso de investigacin cientfica, la hiptesis se utiliza con dos fines funda-


mentales. En primer lugar, al partir de hechos, se formula una hiptesis que, en este caso,
es empleada como explicacin de los hechos descubiertos (conocidos y establecidos con
precisin) y para pronosticar aquellos que son desconocidos. La misin del cientfico
consiste en comprobar la probabilidad o verosimilitud de la hiptesis planteada sobre
la base de los hechos descubiertos. La hiptesis es la conclusin del proceso de razona-
miento. El anlisis posterior de la hiptesis se relaciona con la obtencin de resultados
lgicos, los cuales constituirn la base para poder determinar la utilidad terica o prctica
de tal hiptesis. Si se desprendieran resultados contradictorios entre s, constituira una
evidencia de la inconsistencia de la hiptesis. Por otra parte, si esto no sucede, es decir,
si los resultados son comprobados empricamente, servir para comprobar la corres-
pondencia entre la teora y la realidad. En estos casos, y en otros, la hiptesis cumple
la funcin de ser una premisa de un determinado juicio hipottico.
Se consideran hipotticos los juicios o razonamientos que se formulan a partir de
determinadas hiptesis o proposiciones. Las premisas de estos juicios pueden ser las
hiptesis, es decir, juicios que pueden resultar verdaderos o falsos. Generalmente, se em-
plean en calidad de premisas, juicios que contradicen los hechos u opiniones existentes.
Bajo estas condiciones, el trmino hiptesis es usado en un sentido amplio, indicando
cualquier supuesto: en el caso de las hiptesis corrientes, la significacin verdadera

132
Tema 1 | Mtodos
Temae6Investigacin
| Los MtodosCientfica
Tericos

de las premisas se mantiene indeterminada. Pero podemos utilizar como premisas los
juicios que contradicen los hechos y las opiniones existentes, con el fin de llegar a
conclusiones lgicas analizando sus resultados.
Es obvio que en el proceso de la investigacin cientfica tengan mayor valor aque-
llos razonamientos cuyas premisas constituyen hiptesis en el ms estricto sentido
del concepto. A este tipo de razonamiento se le conoce como hipottico-deductivo en
los campos de la lgica y de la metodologa de las ciencias. La diferencia esencial que
existe entre aquellos razonamientos en los cuales se obtienen conclusiones sobre la
base de datos empricos y los razonamientos hipotticos consiste en que, en el primer
caso, se apoya en juicios acerca de hechos que estn slidamente establecidos. La
relacin entre las premisas y la hiptesis en la investigacin emprica est asociada al
concepto de probabilidad. Esto es as, debido a que mientras la experiencia se refiere
a un nmero finito de hechos o casos, la conclusin tiene relacin con todos los casos
posibles, incluyendo una cantidad infinita de casos.
En los razonamientos hipotticos, la significacin de las premisas puede ser descono-
cida o contradecir los hechos. Su forma misma es tpicamente deductiva. Sin embargo,
el carcter problemtico de las premisas hace que la conclusin de los razonamientos
resulte problemtica o probabilstica. El valor de este tipo de razonamiento consiste
en que a partir de sus premisas y siguiendo las reglas lgicas de la deduccin, puede
llegarse a conclusiones univalentes, por las cuales se puede juzgar el carcter de las
premisas mismas.
Con el mtodo hipottico-deductivo de elaboracin de una teora cientfica, las
hiptesis con diferente grado de abstraccin y, consiguientemente, de fuerza lgica (una
hiptesis se considera ms fuerte que otra, si la ltima puede ser inferida lgicamente
de la primera), se unifican en un sistema deductivo nico, en el cual las hiptesis menos
fuertes lgicamente, se infieren o se deducen de las hiptesis ms fuertes. Es decir, el
sistema hipottico deductivo puede ser considerado como una jerarqua de hiptesis,
cuyo grado de abstraccin o fuerza lgica aumenta en la medida en que se alejan de
su base emprica. En la cima de este sistema jerrquico se encuentran las hiptesis que,
para ser formuladas, requieren de conceptos tericos de alto nivel. Esta es la razn por
la cual estas hiptesis no se pueden comparar directamente con los datos empricos.
En la base de este sistema se encuentran las hiptesis que poseen un fuerte vnculo
con la experiencia. Lo anterior determina que el grado de abstraccin de las hiptesis
es inversamente proporcional a la extensin del dominio de los fenmenos empricos
que pueden explicar. Son precisamente las hiptesis de bajo grado de abstraccin las
que permiten comprobar el sistema como un todo, pero esto no puede garantizar la
veracidad completa de la teora y esto slo es posible lograrlo en la medida en que
el adelanto cientfico vaya permitiendo comprobaciones cada vez de mayor grado y
aumentando la probabilidad de verosimilitud de la teora. Por esto, una caracters-
tica de importancia de los sistemas hipottico-deductivos, es aquella que al permitir
la comprobacin de un grupo de hiptesis confirma indirectamente otras que estn
vinculadas con las primeras desde un ngulo deductivo.
En la actualidad, las teoras hipottico-deductivas, por su estructura lgica, son
muy parecidas a los sistemas axiomticos: las hiptesis fuertes seran los axiomas,
mientras que las dbiles seran los teoremas inferidos de los axiomas pertinentes. En

133
Metodologa de la Investigacin Cientfica

estos sistemas, los axiomas se interpretan de una sola manera, por lo cual se le deno-
minan teoras axiomticas concretas. Pero, el modelo hipottico-deductivo, expresa
bien las particularidades de la organizacin deductiva del conocimiento experimental,
que no son consideradas en la elaboracin axiomtica de los procesos matemticos.
Las hiptesis de las ciencias naturales y experimentales poseen un contenido concreto
totalmente definido y sin ambigedades, lo cual permite considerarlas como axiomas
o una interpretacin de axiomas. Ahora, como los procesos axiomticos puros no
existen, incluso en las matemticas, los mtodos rigurosamente axiomticos no tienen
una aplicacin ilimitada en las ciencias naturales, por el simple hecho de que las nuevas
observaciones y resultados de nuevos experimentos exigen revisar permanentemente
los sistemas tericos constituidos, incluyendo las generalizaciones pertinentes y la
modificacin de los principios e hiptesis que las subyacen.
Por tanto, al alcanzar la ciencia un determinado desarrollo terico metodolgico,
una parte importante del progreso cientfico lo ocupan las hiptesis y estas se trans-
forman en punto de partida de nuevas deducciones, dando lugar al mtodo hipottico-
deductivo. Este mtodo se aplica con gran amplitud para el anlisis y la construccin
de teoras cientficas en las ciencias.
Este mtodo posee cuatro operaciones fundamentales:

1. Determinacin y medicin de las magnitudes


2. Seleccin de la hiptesis
3. Desarrollo matemtico de la teora
4. Comparacin de la teora con la experiencia.

De esta forma, este mtodo tiene un gran valor heurstico, posibilitando adelantar y
verificar nuevas hiptesis de la realidad, as como inferir otras y establecer predicciones
a partir del sistema de conocimientos que ya se posee. Adems, al usarse este mtodo
en el anlisis y construccin de las teoras cientficas, permite la sistematizacin del
conocimiento. De este modo, el mtodo hipottico-deductivo unifica el conocimiento
cientfico en un sistema integral.

6.5. El mtodo de anlisis histrico y lgico

El mtodo histrico estudia la trayectoria de los fenmenos y acontecimientos en


el devenir de su historia. Por su parte, el mtodo lgico investiga la existencia o no
de leyes generales de funcionamiento y desarrollo de los fenmenos.
Lo lgico no repite lo histrico, sino que reproduce en el plano terico lo que
es ms importante del fenmeno. Ambos mtodos no estn disociados entre s, se
complementan y estn vinculados. El mtodo lgico requiere apoyarse en el mtodo
histrico para descubrir la existencia de leyes fundamentales de los fenmenos basados
en los datos que va proporcionando este ltimo, para despojarse de toda posibilidad
de generar razonamientos especulativos. Del mismo modo, el mtodo lgico tiene
como funcin descubrir las leyes, la lgica del desarrollo histrico del fenmeno para
poder ir ms all de la simple descripcin de los hechos.

134
Tema 1 | Mtodos
Temae6Investigacin
| Los MtodosCientfica
Tericos

6.6. El mtodo gentico

La existencia de la relacin entre anlisis histrico y anlisis lgico posibilita asumir


la idea de que los fenmenos pueden ser estudiados en su propio desarrollo.
Existen dos conceptos que deben tenerse claros para entender este mtodo terico.
Esos conceptos son: Ontogenia y Filogenia. La ontogenia es el conjunto de procesos
que ocurren durante el desarrollo embrionario de un organismo hasta el momento
de su muerte. Son cambios rpidos que pueden ser estudiados por los investigadores.
Sin embargo, la filogenia representa el conjunto de procesos que han ocurrido a lo
largo de la evolucin y a partir de los que se ha desarrollado una determinada especie.
Son cambios muy lentos, resultado de procesos de mutacin y seleccin en el tiempo
(entre otros factores evolutivos). Aunque ambos procesos resultan independientes,
el estudio del desarrollo ontogentico de las distintas especies aporta muchos datos
filogenticos. Segn observ hace ms de cien aos el cientfico alemn, E. Haeckel,
la ontogenia recapitula la filogenia, proponiendo que en el desarrollo embrionario
de un individuo se refleja su historia evolutiva.
El mtodo ontogentico permite el estudio de los procesos cognoscitivos en la esfera
cientfica Es decir, el decursar de los factores biolgicos y ambientales que influyen
y condicionan la evolucin de un estado patolgico o no de un individuo o de una
poblacin. Este estudio puede manifestarse de dos formas: longitudinal y transversal.
El estudio longitudinal aborda una muestra de sujetos a lo largo de su evolucin
ontogentica, analizando en l la formacin y caractersticas de los procesos de la
salud. Su principal ventaja es que permite analizar el desarrollo de los fenmenos
morbosos. Su desventaja es que requiere de mucho tiempo para la obtencin de re-
sultados confiables.
En el caso del estudio transversal, se investigan sujetos u objetos de inters mdico
u odontolgico que se encuentran en diferentes estadios de desarrollo. Aqu podemos
caracterizar cada uno de los estadios y las causas que condicionan su desarrollo. Este
presenta la ventaja de que no requiere de un largo perodo de tiempo para arribar
a conclusiones. Su principal desventaja es que no se puede estudiar el proceso de
evolucin del fenmeno de manera continua, lo que imprime limitaciones para el
conocimiento de la dinmica de los procesos de salud y del trnsito de una etapa a
otra y de los factores causales que producen que se pueda pasar de una etapa a otra.
Sobre la base de las desventajas y ventajas sealadas de ambos mtodos, algunos
cientficos (en la medida de lo posible) tratan de solucionar un mismo problema cien-
tfico con ambas formas de estudio, toda vez que los contenidos de informacin que
estos proporcionan se complementan entre s.

6.7. El mtodo de trnsito de lo abstracto a lo concreto

Este mtodo es la expresin del desarrollo del conocimiento cientfico en su proceso


de desarrollo. El primer nivel de conocimiento es lo concreto sensorial. La imagen
sensorial concreta del objeto sometido a estudio (abarcado en su complejidad) es el
punto de partida del proceso de conocimiento, en donde se relacionan lo general y lo

135
Metodologa de la Investigacin Cientfica

singular, lo necesario y lo casual, lo estable y lo mutable, lo esencial y lo secundario


del objeto. Pero, como ya hemos visto, no se puede reducir el conocimiento cientfico
a este primer nivel. El proceso de investigacin cientfica requiere ir ms all de este
nivel y saltar a otros de mayor profundidad para conocer el objeto en cuestin.
La abstraccin de tal objeto permite aprehender las cualidades y regularidades
generales, estables y necesarias de los fenmenos. De este modo, la abstraccin nos
posibilita una imagen esquematizada del fenmeno, pero en sus aspectos esenciales,
omitiendo todo un gran nmero de factores causales que lo condicionan, lo cual
permite que podamos revelar aquellas leyes que rigen efectivamente al fenmeno
estudiado. As, este mtodo permite precisar las particularidades de los fenmenos,
sus regularidades y cualidades generales y estables; sin embargo, resulta unilateral e
insuficiente, ya que el objetivo de la ciencia no es de dar una explicacin reduccionista
de un fenmeno, a partir de cualidades abstractas y de leyes empricas. Al contrario,
a la investigacin cientfica le interesa conocer las innumerables relaciones y deter-
minaciones del objeto estudiado.
Por lo anterior, las reducciones en la ciencia, llevadas a ultranza, limitan el estudio
de los complejos fenmenos en el campo de la salud, y se reducen a la descripcin
de sus leyes empricas y abstractas, sin realizar un estudio de sistemas del fenmeno
analizado.
Una vez que se ha podido apreciar el objeto o fenmeno de estudio en forma abs-
tracta, el siguiente nivel del conocimiento es comprobar si la abstraccin construida
corresponde realmente con el objeto o fenmeno estudiado. Esto slo es posible
enfrentando directamente dicho esquema con el objeto o fenmeno analizado por
medio de mtodos adecuados.

6.8. El mtodo de modelacin

El modelo cientfico es un instrumento de la investigacin de carcter material o


terico, creado por los cientficos para reproducir el fenmeno que se est estudiando.
Es una reproduccin simplificada, que cumple una funcin heurstica, ya que permite
descubrir y estudiar nuevas relaciones y cualidades del objeto de estudio.
Los cientficos crean diferentes tipos de modelos, en concordancia con los objetivos
de su investigacin y con las caractersticas del fenmeno analizado:

Modelo Icnico. Es una reproduccin a escala del objeto real. El modelo muestra
la misma figura, proporciones y caractersticas que el objeto original.
Modelo Analgico. No es una reproduccin detallada de todas las cualidades del
sistema real, sino que refleja solamente la estructura de relaciones y determinadas
propiedades esenciales del objeto sistmico o del fenmeno estudiado. Se establece
una analoga entre el sistema y el modelo, y se estudia el primero, utilizando como
medio auxiliar al segundo.
Modelo Terico.Utiliza smbolos para designar las propiedades del sistema que
se estudia. Tiene la capacidad de representar las caractersticas y relaciones funda-
mentales del fenmeno, proporciona explicaciones y sirve como gua para generar
hiptesis tericas.

136
Tema 1 | Mtodos
Temae6Investigacin
| Los MtodosCientfica
Tericos

Caractersticas de los modelos

1. Constituye una reproduccin que esquematiza las caractersticas de la realidad,


lo cual posibilita su investigacin. El modelo debe cumplir determinado nivel
de analoga estructural y funcional con la realidad, de manera que nos permita
extrapolar al modelo los datos obtenidos en el objeto o fenmeno analizado.
2. Debe ser operativo y ms fcil de estudiar que el fenmeno real. Debe ser suscep-
tible de ser modificado, transformado, sometido a estmulos diversos.
3. Un mismo fenmeno de la realidad puede ser representado por modelos diferentes
entre s. Frecuentemente en la ciencia, cada modelo refleja algunas de las relaciones
del fenmeno, quedando fuera de l algunas otras caractersticas importantes.
Desde luego que el objetivo de todo cientfico es encontrar el modelo ms general
e integral, es decir, aquel que incluya el mayor nmero posible de propiedades y
de relaciones esenciales del sistema.
4. Todo modelo se interpreta a la luz de la teora cientfica, la cual establece el
significado de las variables, relaciones y constantes del modelo. La teora hace
explcita y desarrolla todas las propiedades y relaciones implcitas en el modelo,
representndolas de manera sistematizada e ideal al destacar lo ms importante:
estructura, dinmica y leyes del desarrollo del fenmeno.
5. Puede representar a varios sistemas reales. El modelo neurofisiolgico puede servir
para explicar varios problemas de la actividad nerviosa superior de un sujeto.

Bibliografa

Achistein, P. (1989) La naturaleza de la explicacin. F.C.E. Mxico.


Angera, M. T. (1985) Metodologa de la observacin en las Ciencias Humanas. Ctedra. Madrid.
Braithwaitte, R. B.(1965) La explicacin cientfica. Edit. Tecnos. Madrid
Blake, R. M. (1960) Theories of Scientific Method. University of Washington Press. Seattle.
Bunge, M. (1972) La investigacin cientfica. Edit. Ariel. Barcelona.
Bunge, M. (1992) La ciencia: su mtodo y su filosofa. Ediciones Siglo XX. Buenos Aires.
Cohen, M.; Nagel, E. (1993) Introduccin a la lgica y al mtodo cientfico. Amorrortu edi-
tores, Buenos Aires.
Daz Narvez, V. P. (2000) Marco Terico-Conceptual para un Sistema de Investigaciones
Cientficas. I. El papel de la teora y el enfoque sistmico en la ciencia contempornea.
Revista Universidades. Universidad Autnoma de Mxico (UNAM). Nmero 20:35-43.
Julio-Diciembre.
Daz Narvez, V. P. (2000) Marco Terico-Conceptual para un Sistema de Investigaciones
Cientficas. II. El Concepto de Potencial Cientfico. Revista Universidades. Universidad
Autnoma de Mxico (UNAM). Nmero 20: 43-51. Julio-Diciembre.
Daz Narvez, V. P.; Calzadilla, A (2001) El reduccionismo, antirreduccionismo y el papel
de los enfoques y mtodos generales del conocimiento cientfico. Revista Cinta de
Moebio. Facultad de Ciencias Sociales. Universidad de Chile. Nmero 11. Septiembre.
Fedoseev, P. N.; Rodrguez, M.; Ruzavin, G. (1975) Metodologa del Conocimiento Cientfico.
Edit. Ciencias Sociales. La Habana.

137
Metodologa de la Investigacin Cientfica

Gaeta, R. (1996) Modelos de explicacin cientfica. Problemas epistemolgicos de las Ciencias


Naturales y Sociales. Editorial Universitaria. Buenos Aires.
Goode, W.; Hatt, P. (1971) Mtodos de investigacin social. Edit. Ciencias Sociales. La Habana.
Hernndez, R.; Fernndez, C.; Baptista, P. (1991) Metodologa de la investigacin. Edit.
McGraw-Hill. Mxico.
Johansen, O. (1992) Introduccin a la teora general de los sistemas. Editorial Limusa. Mxico.
Lpez, J. L. (1978) Mtodos e hiptesis cientficas. Edit. Trillas. Mxico.
Nagel, E. (1961) La estructura de la ciencia. Editorial Paids. Barcelona.
Prez, G.; Garca, G.; Nocedo de Len, I.; Garca, M. (1996) Metodologa de la Investigacin
Educacional. Primera Parte. Editorial Pueblo y Educacin, Ciudad de la Habana.
Piaget, J. (1970) Naturaleza y mtodos de la Epistemologa. Edit. Proteo. Buenos Aires.
Popper, K. R. (1971) La lgica de la investigacin cientfica. Edit. Tecnos. Madrid.
Remplein, H (1974) Tratado de Psicologa Evolutiva. Editorial Labor S.A. Barcelona.
Russell, B. (1961) La perspectiva cientfica. Edit. Ariel. Barcelona.
Serrano, J. A. (1981) La objetividad y las ciencias. Enfoque histrico epistemolgico. Edit.
Trillas. Mxico.

138
Tema 8 | Bsqueda
Tema
y Recuperacin
1 | Mtodos de
e Investigacin
Informacin Cientfica

Captulo 7

El estudio del material bibliogrfico como


fuente de sustentacin del problema y la hiptesis

Para investigar la verdad es preciso dudar, en cuanto sea posible, de todas las cosas.
Ren Descartes.

En los temas anteriores hemos analizado las caractersticas y el papel que des-
empean tanto el problema cientfico como las hiptesis dentro del proceso investi-
gativo. Al mismo tiempo, hicimos alguna referencia a la importancia de fundamentar
adecuadamente estos dos elementos imprescindibles de la investigacin desde el
punto de vista terico y experimental. Dicha fundamentacin se basa, en una parte
significativa, en una correcta bsqueda bibliogrfica como va imprescindible para
la determinacin de los lmites alcanzados por el conocimiento, y por tanto, como
camino necesario para precisar el problema y la hiptesis.
La verdadera dimensin de lo que significa el trabajo de la bsqueda bibliogrfica,
y la necesidad de dirigirlo conforme a una tcnica determinada se manifiesta, proba-
blemente con gran claridad, cuando en correspondencia con la ley ms importante del
desarrollo de la ciencia y la aceleracin del progreso cientfico, los datos estadsticos
muestran que el volumen de la informacin cientfica acumulado durante la primera
mitad del pasado siglo equivale a todo lo alcanzado durante el perodo precedente
en su conjunto, o que, en la segunda mitad del siglo XX, se produca cada 15 20
aos una duplicacin del volumen de conocimientos cientficos. Esto ha conducido a
sealar que el crecimiento de la informacin cientfica tiene un carcter exponencial.
An ms, existen datos sensitivos que nos sealan que el especialista que quiera
mantenerse a la vanguardia del proceso de la ciencia y la tcnica deber dedicar,
aproximadamente, la cuarta parte de su tiempo libre para poder conocer lo nuevo en
su especialidad. Seguramente ya todos deben tener alguna idea, al menos intuitiva, de
que la falta de actualizacin en la actividad cientfica conduce a duplicar esfuerzos y
a descubrir lo ya descubierto.
Por otra parte, el desafo que nos plantea la explosin informativa no slo exige
un papel activo por parte de cada investigador, sino tambin un papel crtico y dis-
criminador, pues es imposible leer todo lo que se publica.
Por su importancia, y por la paradjica, tal vez, subvaloracin a la que ha sido
sometida en ocasiones esta actividad, nos referiremos a algunos aspectos de carcter
prctico que el estudiante deber considerar en su futura actividad investigativa.

139
Metodologa de la Investigacin Cientfica

7.1. Fuentes para la bsqueda de la informacin

Entre los principales tipos de documentos que debe consultar el investigador,


tenemos:

1. Las reseas. Estas abarcan informacin sobre un determinado tema (fsica, ge-
ntica, medicina, etc.), enmarcada en un perodo de tiempo especfico. Las reseas
constituyen el resultado de un anlisis multilateral de los documentos primarios
(los que reflejan el resultado directo de las investigaciones cientficas) e incluyen
evaluaciones crticas, fundamentadas acerca del contenido de dichos documentos.
Mediante las reseas, podemos juzgar el estado y las tendencias de desarrollo de
una rama o cuestin determinada en la ciencia y la tcnica. Siempre que estn
bien confeccionadas, nos podran permitir prescindir de los documentos primarios
(aunque esto no es absolutamente aconsejable), y a la vez ayudar a determinar
cules son los libros y materiales que deben ser adquiridos.

2. Las revistas referativas o de referencia. Son publicaciones peridicas en la


que aparecen resmenes de documentos primarios, cada uno de ellos precedido por
el nombre del autor, el ttulo del trabajo, la fecha de publicacin del documento
original, etc. Los resmenes de este tipo de revistas, contienen los objetivos, los
mtodos, las principales premisas tericas, as como las conclusiones de los dife-
rentes trabajos; tambin, incluyen tablas, grficos y otros datos de inters. Como
se puede deducir de lo antes planteado, la revista referativa permite conocer los
nuevos avances de la ciencia y la tcnica, y a la vez, sirve como sistema de bs-
queda informativa.

3. Las bibliografas (o ndices bibliogrficos). Estas brindan una relacin


de trabajos publicados durante un perodo determinado de tiempo. De acuerdo
con la fecha de edicin, las bibliografas pueden ser: corrientes, retrospectivas y
prospectivas:

a) Corrientes: su literatura se va registrando a medida que se publica.


b) Retrospectivas: lleva relacin con materiales de determinado perodo anterior a
la confeccin de la bibliografa.
c) Prospectivas: estn constituidas por obras listas para su edicin, pero todava no
publicadas.

4. Las revistas cientficas. Contienen artculos sobre los ltimos avances de la


ciencia y la tcnica. Dichos artculos pueden ser subdivididos en trabajos cientficos
originales y publicaciones de carcter provisional y notas previas. Los primeros,
nos entregan un marco de posibilidades amplio, ya sea desde el punto de vista
terico cmo emprico; no as los segundos, que s nos pueden entregar algunos
datos cientficos y algunas hiptesis de trabajo, pero todo ello dentro del marco
de un trabajo no terminado.

140
Tema 1Tema
| Mtodos
7 | El Estudio
e Investigacin
de la Bibliografa
Cientfica

5. Los documentos no publicados. Incluyen los trabajos de grado cientfico (es-


pecficamente aquellos en los cuales se opta por el grado de Doctor en Ciencias o
Ph.D). La difusin de los mismos se realiza mediante diferentes mecanismos, los
cuales son especficos a cada institucin particular o gubernamental. Generalmente
estas instituciones editan boletines referativos con resmenes de Tesis Doctorales.

6. Textos o Libros. Estos documentos se utilizan con la finalidad de conocer la


ciencia constituida en una determinada esfera del conocimiento. En ellos, general-
mente, estn sintetizadas todas las teoras, mtodos, procedimientos estadsticos,
etc. Empleados en una rama determinada del saber cientfico. Se emplean poco
para ser citados en trabajos de revistas cientficas, toda vez que la edicin de es-
tos sale a la luz con al menos uno o dos aos de retraso en comparacin con los
adelantos cientficos que se han alcanzado en un momento dado.

La lectura y estudio de los documentos que constituyen el material bibliogrfico


del investigador tiene que efectuarse de manera activa, razonadora y crtica, pues solo
de esa forma obtendra toda la utilidad que exige su actividad cientfica.
Por lo general, se obtiene un mayor provecho de un documento cuando su lectura
es dividida en dos momentos: primero, una lectura de carcter rpida donde nos for-
mamos una valoracin e idea general del trabajo o del tema central; y segundo, una
lectura ms cuidadosa y analtica para ir fijando conceptos.
En el primer caso, es muy conveniente revisar algunas partes especialmente impor-
tantes, por ejemplo, la introduccin y la bibliografa, a partir de las cuales logramos
una informacin acerca de los objetivos del trabajo, sus antecedentes, la hiptesis que
se va a someter a comprobacin y su nivel de actualidad.
En el caso de una lectura ms cuidadosa, ya el investigador debe proceder a la
anotacin de las ideas ms importantes. Principalmente para esta lectura ms reflexiva,
que es la que le va a conducir al registro y valoracin sistemtica de la informacin
documental, se recomienda que el investigador se cree, previamente, una actitud o
disposicin mental destinada a ir relacionando la informacin que proporciona el
nuevo documento, con la ya existente, incluso, con la que se deriva de su propia expe-
riencia; a comparar la obra con otras del mismo autor antes publicadas, a contrastar
los objetivos trazados por el autor y los resultados reales a los que ha arribado.

Bibliografa

Alcina, J. (1994) Aprender a Investigar. Edit. Compaa Literaria. Madrid.


Dulock, H. L. (1993) Research design: descriptive research. J. Pediatr. Oncol. Nurs. 10 (4):
154-157.
Eco, H. (1987) Cmo se hace una tesis. Tcnicas y procedimientos de investigacin, estudio y
escritura. Edit. Gedisa. Mxico.
Garca, J. L. (1995) Cmo Elaborar un Proyecto de Investigacin. Secretariado de Publicacio-
nes. Universidad de Alicante. Espaa.
Lpez, J.; Sagredo, F. (1981) Estudios de documentacin general e informativa. UNED. Semi-
nario Millares Carlo. Madrid.

141
Metodologa de la Investigacin Cientfica

Muoz, C (1998) Cmo elaborar y asesorar una investigacin de Tesis. Prentice-Hall. Mxico
Machado, R. J. (1988) Cmo se forma un investigador. Editorial de Ciencias Sociales. La
Habana.

142
Tema 1 |Tema
Mtodos
9 | EleInforme
Investigacin
de Investigacin
Cientfica

Captulo 8

Bsqueda y recuperacin de informacion cientfica


Mara del Carmen Sosa Mendoza

Teniendo en cuenta la gran cantidad de informacin de la que se dispone en el


mbito biomdico en los ltimos aos y la incorporacin exponencial de trabajos a
las bases de datos, es una consecuencia directa en los profesionales de la salud la cre-
ciente necesidad de contar con las mejores y ms elaboradas estrategias de bsquedas
bibliogrficas en la recuperacin de la informacin para poder obtener el material
ms relevante y pertinente posible.
Desde esta perspectiva es importante dar las herramientas bsicas para la recu-
peracin de informacin y para ello iremos de lo ms general a lo ms especfico en
esta tarea.
Primero haremos un poco de historia acerca del tema, luego abordaremos desde
un punto de vista terico en qu consiste la revisin o bsqueda bibliogrfica, como
va inserta dentro de la metodologa de la Investigacin Biomdica en varias de sus
etapas, nos detendremos especialmente en la principal Base de Datos Biomdicas exis-
tente: Medline, despus nos centraremos en revisar en un trabajo de sntesis, los dos
primeros pasos del mtodo propuesto por la MBE, primero, transformar una duda en
una pregunta clnica, en este caso una pregunta de la prctica clnica en una pregunta
clnicamente estructurada (PCE), y en segundo lugar, con las palabras claves y el tema
propuesto, realizar una bsqueda bibliogrfica para intentar responder esta pregunta,
desarrollando la mejor estrategia de bsqueda, utilizando para tales efectos las he-
rramientas metodolgicas ms elaboradas para lograr los objetivos planteados y por
ultimo, daremos algunas herramientas prcticas para realizar bsquedas bibliogrficas
que satisfagan nuestras necesidades de informacin
En relacin a lo antes mencionado, nuestros objetivos se centran principalmente en
explicar los procedimientos que se deben seguir en una estrategia de bsqueda para
obtener informacin adecuada, relevante y especfica, de acuerdo a las necesidades
acadmicas, de investigacin y/o actualizacin utilizando para ello la base de datos
Medline de Pubmed.

143
Metodologa de la Investigacin Cientfica

8.1. Un poco de Historia

Aproximadamente a mediados del siglo XIX nacieron las denominadas obras de


referencia de bibliografa mdica, que genricamente fueron llamados los ndices. Por
su importancia y trascendencia en el tiempo, se destacaron dos ttulos en esta rea:
el Index Medicus y Excerpta Medica. El Index Medicus empez a editarse por
iniciativa de John Shaw Billings en 1879 y se public durante ciento veinticinco aos
consecutivos, hasta el ao 2004. Si bien fue una herramienta indispensable para los
profesionales de la salud y los bibliotecarios, es ahora una herramienta que ha sido
desplazada por PubMed y por otros productos basados en Internet, que contienen las
bases de datos generadas por el Index Medicus durante casi cuarenta aos. El uso del
Index impreso empez a declinar una vez que Medline estuvo disponible en 1971,
y particularmente cuando ste se pudo consultar gratis en la Web a partir de 1997.
En el ao 2000, la Biblioteca Nacional de Medicina de los Estados Unidos ces la
publicacin del ndice Anual Acumulado y en ese mismo ao, la Oficina de Impresin
Gubernamental reconoci a PubMed como la fuente permanente definitiva de datos
de Medline. De obligatoria consulta cuando de publicar o revisar un tema se trataba,
esos libros, especie de directorios telefnicos, nos decan quienes haban investigado
sobre determinado tema, cmo buscar las referencias, cuando se hizo la publicacin
y donde se realiz.

8.2. Introduccin a MEDLINE

John Shaw Billings se gradu en la Universidad de Miami en 1857 y en el Medical


College of Ohio en 1860. Ingres en el ejrcito donde fue cirujano durante cuatro aos
y tambin desempe el cargo de mdico inspector del Potomac durante la Guerra
Civil. Tras la guerra fue jefe de la Library of the Surgeon Generals Office, en Was-
hington DC, desde 1864. Esta se convirti despus en la conocida National Library
of Medicine. Permaneci en el cargo hasta 1896. La biblioteca, que contaba con 600
volmenes en 1865, en 1873 alcanzaban ya la cifra de 50.000.
El proceso de automatizacin de los fondos documentales de la National Library
of Medicine (NLM) comenz en 1964 con el desarrollo de un sistema de bsqueda
computarizado denominado Medlars (Medical Literature Analysis and Retrieval
System) o sea Sistema de Anlisis y Recuperacin de Literatura Mdica.
A partir del sistema Medlars y a mediados de la dcada de los 60s, se desarrollaron
iniciativas tecnolgicas para contar con esta base de datos de manera digital y online.
Cuando estuvo disponible para su consulta en lnea, en 1971, Medlars se transforma
en MEDLINE (MEDlars onLINE).
El 26 de junio de 1997 tiene lugar un acontecimiento fundamental: La NLM
decide ofrecer acceso gratuito, universal e ilimitado a algunas de sus bases de datos,
especialmente MEDLINE.

144
Tema 8 | Bsqueda
Tema
y recuperacin
1 | Mtodos de
e Investigacin
Informacin Cientfica

Qu es MEDLINE?

MEDLINE (Medical Literature Analysis and Retrieval System Online) es una


base de datos bibliogrfica de referencias y reseas sobre artculos de revistas. Las
revistas de las que recoge datos abarcan los campos de la medicina, la enfermera, la
odontologa, la veterinaria, los sistemas de salud, la salud pblica, otras ciencias de
la salud o preclnicas, as como los campos correspondientes a otras reas de ciencias
que estudian la vida.
MEDLINE no incluye libros, captulos de libros, material audiovisual o libros de
revisiones. MEDLINE contiene referencias y resmenes, pero no artculos en texto
completo (PubMed proporciona enlaces a versiones electrnicas de algunos artculos
en texto completo).
Es la principal base de datos bibliogrficos de la U.S. National Library of Medici-
ne NLM (Biblioteca Nacional de Medicina de los Estados Unidos). Contiene ms de
15 millones de referencias bibliogrficas de artculos de revistas desde el ao 1960,
provenientes de 5.164 revistas internacionales de ciencias de la salud y biomedicina,
publicadas en EEUU y en otros 80 pases del mundo, en 37 idiomas diferentes (enero
2007). Aun cuando su cobertura es mundial, la mayora de los registros provienen de
fuentes en ingls o tienen sus resmenes en ese idioma.
La gran mayora de las revistas son seleccionadas por Medline basadas en las
recomendaciones del Literature Selection Technical Review Committee (LSTRC), el
cual ha sido establecido para revisar ttulos de revistas cientficas y evaluar la calidad
de sus contenidos. Los elementos considerados en una evaluacin del LSTRC son:

r"MDBODFZDPCFSUVSB
r$BMJEBEEFMPTDPOUFOJEPT
r$BMJEBEEFMUSBCBKPFEJUPSJBM
r$BMJEBEEFMBQSPEVDDJO
r5JQPTEFDPOUFOJEPT
r$PCFSUVSBHFPHSDB

Para las revistas en otras lenguas, se aplican los mismos criterios de evaluacin y
seleccin, y se requiere que cuenten adems con resmen en ingls.
Cada registro de Medline representa la referencia bibliogrfica de un artculo
cientfico publicado en una revista mdica, y contiene los datos bsicos (ttulo, au-
tores, nombre de la revista, etc.) que permiten la recuperacin de estas referencias
posteriormente en una biblioteca, o a travs de Internet. La actualizacin promedio
de registros de Medline es de 2 a 4 mil referencias agregadas cada da, entre martes
y sbado. En el 2006 se superaron los 623.000 registros agregados.
La mayora de las publicaciones seleccionadas por Medline son revistas aca-
dmicas y cientficas; una pequea cantidad de peridicos, boletines, y otro tipo de
publicaciones peridicas han sido seleccionadas debido a su utilidad para particulares
segmentos de usuarios.
Una caracterstica distintiva de Medline es que sus registros son indexados con el
vocabulario controlado Medical Subject Headings (Mesh), desarrollado por la Nlm.

145
Metodologa de la Investigacin Cientfica

Medline y PubMed

PubMed es un sistema de bsqueda, consulta y recuperacin de informacin. Si


Medline es la base de datos bibliogrfica, PubMed es el medio por el cual buscamos y
recuperamos desde la base de datos, en este caso una interfaz grfica con herramientas
y recursos en lnea.
El sistema de bsqueda PubMed es un proyecto desarrollado en la National Li-
brary of Medicine (NLM) basado en tecnologa World Wide Web. Permite el acceso a
bases de datos bibliogrficas compiladas por la Nlm: Medline, PreMedline (citas
enviadas por los editores), Genbak y Complete Genoma.
Originalmente fue desarrollado dentro del proyecto Entrez, que es un sistema de
bsqueda y recuperacin basado en sistema de texto para las diferentes bases de datos
de la Nlm. Gracias a su acceso online gratuito, al xito de su diseo y a sus herra-
mientas grficas, el sistema PubMed adquiri relevancia e independencia del proyecto
Entrez, constituyndose en uno de los sistemas de acceso a Medline ms utilizados.
Es frecuente la confusin de Medline (base de datos) con las vas de acceso a
Medline como es PubMed. De todas formas, son conceptos tan prximos que, in-
cluso en los sitios Web de la Nlm podemos ver que los trminos que los designan se
intercambian frecuentemente.
Ahora podemos comprender tambin, por qu y cmo existen otros sistemas o
servicios que ofrecen acceso a Medline, como por ejemplo Embase, Ovid o Ebsco.
Estos proveedores permiten acceder a la base de datos a travs de sus propios
sistemas o interfaces de bsqueda y recuperacin de informacin, adaptando las
herramientas, filtros y lmites propios de Medline a su interfaz grfica, pero siem-
pre conservando los fundamentos de la estrategia de bsqueda, como son la lgica
booleana, el uso de conectores, la truncacin y la utilizacin de lmites de campos.
Describiremos brevemente el funcionamiento de la Nlm, en lo referente a la crea-
cin y mantenimiento de Medline y otras bases de datos de citas bibliogrficas de
revistas mdicas relacionadas.
Los editores de las revistas, de acuerdo a la periodicidad de actualizacin de sus
publicaciones, cargan en los servidores de la Nhl los registros de cada artculo, va
Ftp. Estos registros contienen datos como el ttulo, los autores, los datos de publica-
cin y los resmenes, y se cargan en una base de datos llamada PreMedline, antes de
que se aadan todos los campos de indexacin que trasformaran a este registro en
una referencia bibliogrfica completa. Cada registro cargado en Premedline recibe
un nmero de identificacin Pmid (PubMed Unique Identifier).
Luego, se procede a la revisin de los artculos. Se comprueba que se encuentran
dentro del campo de inters de Medline y que los datos bibliogrficos sean adecuados.
Pasada esta seleccin, se realiza la indizacin de todos los campos y se le asignan
los trminos del vocabulario Mesh. Completado estos trmites, se convierten en
referencias completas de Medline. Cuando se completa ese ciclo se suprimen de
Premedline, manteniendo el nmero Pmid.

146
Tema 8 | Bsqueda
Tema
y recuperacin
1 | Mtodos de
e Investigacin
Informacin Cientfica

Los descriptores MeSH

Hemos mencionado con anterioridad que una de las caractersticas distintivas de


Medline es que sus registros estn indizados siguiendo un lenguaje controlado, con
el que se logra una mejor utilizacin.
Los trminos que componen este lenguaje en Medline son los trminos del Medi-
cal Subject Headings. Juntos forman el tesauro de la Nlm, ms conocido por su acr-
nimo: MeSH, el cual consta de ms de 33.000 trminos, actualizados anualmente.
En la mayora de las bases de datos bibliogrficas se pueden hacer consultas con
lenguaje libre (en MEDLINE = campo de indexacin texto libre) y tambin con
lenguaje controlado. Para el uso del MeSH es importante entender la diferencia entre
ellos:

1. Lenguaje libre: permite localizar un determinado trmino en cualquiera de los


campos en que conste dicho trmino. Una bsqueda con lenguaje libre ser tanto
ms efectiva cuantos ms sinnimos del trmino consigamos reunir.
2. Lenguaje controlado: Consiste en una coleccin cerrada de trminos estandari-
zados. Constituyen un vocabulario especializado cuya finalidad es ofrecer des-
criptores que permitan expresar con la mayor exactitud posible una determinada
nocin, idea o concepto. Los principales integrantes de los vocabularios contro-
lados son los trminos de indizacin temtica, o descriptores temticos (Subject
Heading). Estos ltimos se organizan en una estructura jerrquica en rbol, con
ramificaciones que sitan los conceptos con significado ms amplio en lugares
ms altos y los de significado ms especfico y restringido en niveles inferiores,
bajo el campo semntico de los primeros y a travs de escalonamientos sucesivos.

No debemos confundir keywords (palabras claves) con los Subject Heading del
vocabulario MeSH u otros trminos temticos de lenguajes de indizacin controlados.
Aunque muchas veces se usan como sinnimos, con frecuencia no lo son. Palabras
claves de un artculo, puede referirse a aquellos vocablos (no estandarizados, ni
tomados de ningn vocabulario restringido y controlado), que los propios autores
asignan a un artculo en un intento de describir el contenido. MeSH ayud a solucio-
nar los problemas que originaba esa prctica. Algunas otras bases de datos, al igual
que Medline, utilizan tambin trminos controlados de indizacin temtica. Este es
el caso, por ejemplo, de Embase y Cinahl. El equivalente en Embase del Mesh es el
tesauro Embase Emtree.

8.3. Tesauro

Un tesauro es un listado de conceptos representados por descriptores, cuya fina-


lidad es normalizar el lenguaje utilizado en un rea del conocimiento, con fines de
recuperacin de la informacin contenida en documentos.
Si se realiza una bsqueda con descriptores Mesh se obtienen resultados ms pre-
cisos y se circunscribe el nmero de trabajos a los intereses de los usuarios.

147
Metodologa de la Investigacin Cientfica

Cuando se opta por la ruta ms fcil, como teclear las palabras que creemos apro-
piadas en la caja de bsqueda que presenta Medline en su pgina principal, el esfuerzo
ahorrado repercutir negativamente en la calidad de los resultados de la bsqueda.
Ahora podemos comprender tambin por qu y cmo existen otros sistemas o
servicios que ofrecen acceso a Medline, como por ejemplo Embase, Ovid o Ebsco.
Los proveedores permiten acceder a la base de datos a travs de sus propios sistemas
o interfaces de bsqueda y recuperacin de informacin, adaptando las herramientas,
filtros y lmites propios de Medline a su interfaz grfica, pero siempre conservando
los fundamentos de la estrategia de bsqueda, como son la lgica booleana, el uso de
conectores, la truncacin y la utilizacin de lmites de campos.

Tabla No. 1: Principales Tesauros en el rea mdica

Tesauro Caractersica
Tesauro en Ingls
Contiene 22.568 descriptores
Se utiliza para indizar los artculos almacenados en la base de datos
MEDLINE/PubMED as como otras bases de datos que incluyen libros,
documentos, etc.
Medical Subject Headings (MeSH) 3ULQFLSDOHVFDPSRVGHVFULSWRUGHQLFLyQQRWDGHLQGL]DFLyQWpUPLQRV
alternativos
Se actualiza anualmente
Organizador: National Library of Medicine (NLM)
Idioma: Ingls
http://www.ncbi.nlm.nih.gov/sites/entrez?db=mesh
Tesauro trilinge (ingls, espaol y portugus)
Contiene 26.850 descriptores.
Traduccin de las 15 categoras del MeSH ms la categora de Salud Pblica
y Homeopata aadidas en 1986 y 1991 respectivamente.
6HXWLOL]DSDUDLQGL]DUEDVHVGHGDWRVFRPRQGLFH%LEOLRJUiFR(VSDxROHQ
Ciencias de la Salud (IBECS), Literatura Latinoamericana y del Caribe en
Ciencias de la Salud (LILACS) y otras bases de datos que recoge la BVS
Descriptores en Ciencias de la Salud (DeCS) 3ULQFLSDOHVFDPSRVGHVFULSWRUGHQLFLyQQRWDGHLQGL]DFLyQWpUPLQRV
alternativos.
Se actualiza anualmente
Organizador: Centro Latinoamrica y del Caribe de Informacin en Ciencias
de la Salud (BIREME)
Idioma: Ingls, Espaol y Portugus
http://decs.bvs.br/

Catlogo de trminos mdicos y buscador de informacin medica que


combina cinco tipos de informacin: tesauro de referencia, trminos MeSH,
DUWtFXORVFLHQWtFRVQRWLFLDVGHDWHQFLyQGHVDOXGVLWLRVZHE\PXOWLPHGLD
Permite realizar bsquedas mediante ndices de: enfermedad, virus, drogas,
anatoma, psiquiatra y psicologa; o realizando una bsqueda libre por
palabra.
HONselect
2IUHFHODVLJXLHQWHLQIRUPDFLyQGHQLFLyQ\MHUDUTXtDGHO0(6+UHIHUHQFLDV
ELEOLRJUiFDVGHDUWtFXORVFRQWHQLGDVHQ0('/,1(UHFXUVRVZHELPiJHQHV
conferencias & eventos, noticias y ensayos clnicos.
Originador: Health On the Net Foundation
Idioma: Alemn, Ingls, Espaol, Francs, Portugus
http:77www.hon.ch/HONselect/index_sp.html

148
Tema 8 | Bsqueda
Tema
y recuperacin
1 | Mtodos de
e Investigacin
Informacin Cientfica

Tabla N2: Caractersticas resumidas del vocabulario de trminos controlados MeSH

Caracterstica Utilidad que aporta esa caracterstica


Listado cerrado de trminos
/LVWDQLWD Impone uniformidad y consistencia en la indexacin
Coleccin de trminos establecida " a priori"
Los trminos claves que los indexadores asignan a los artculos en el
Permite que en la consulta, para poder conocer el autntico contenido
campo temtico, proceden, nicamente de esta lista
del artculo, no dependamos de las palabras que los autores usan en el
Los trminos asignados en el campo temtico lo realizan expertos
abstract y en el ttulo suministrados
(indexadores de la NLM) y lo hacen con criterios homogneos.
1RV SHUPLWH FRQ IDFLOLGDG PRGLFDFLRQHV DPSOLDQGR R HVWUHFKDQGR
Estructura jerrquica en el rbol (de los descriptores temticos)
nuestra bsqueda, para alcanzar el objetivo de la misma
Resuelve preoblemas de sinonimias y de polisemia.
Cada concepto est representado por un nico trmino, llamado descrip- Permite combatir la confusin e imprecisin existente en medicina, en
tor. Cada descriptor representa, a su vez, un nico concepto cuanto al uso de numerosos vocablos y numerosos sinnimos para la
descripcin y nombramiento de muchas enfermedades

8.4. Introduccin a la pgina de inicio de PubMed

Aclarado que Medline y Pubmed no son lo mismo, pero tambin estableciendo


claramente que esta ltima es la interfaz de acceso ms importante a la base de datos
de la Nlm, podemos describir las principales caractersticas de la pgina de inicio
de PubMed. Como vemos en la imagen, podemos ver tres barras de herramientas en
la parte superior, que en orden de emplazamiento de arriba abajo son las siguientes:

1. Una barra de color negro con vnculos para el acceso directo a otras bases de
datos de Entrez. (Fig. N 1)
2. La barra en la que se encuentra la casilla de entrada de trminos para la bsqueda
(Query box). En esta misma barra hay una lista, en un men desplegable y
con PubMed como opcin predeterminada, en la que se puede acceder a realizar
bsquedas escogiendo otras bases de datos y otros sistemas de recuperacin de
la National Library of Medicine (Nlm) (se trata de una lista de vnculos ms
completa que la barra negra superior, en la cual slo se listaban las bases de datos
ms comunes de Entrez). (Fig. N 1)

149
Metodologa de la Investigacin Cientfica

3. La tercera, Features bar (Fig. N 2), permite acceder a herramientas complementa-


rias para la bsqueda. Las dos ltimas barras estn disponibles en cada pantalla a lo largo
de todo el proceso de bsqueda. Por tanto, no es necesario regresar a la pgina de inicio
para introducir nuevos trminos o realizar nuevas bsquedas. Existe tambin una barra
lateral desde la cual se accede a la ayuda en lnea de PubMed (Introduccin, Tutorial, la
seccin Help/Faq), a otros servicios tambin de PubMed y a otros recursos relacionados.

Fig N2:

Descripcin de elementos de la barra de opciones de bsqueda


(Features bar):

Journals Database (Base de datos de revistas): permite localizar y revisar una


revista concreta, o buscar referencias pertenecientes a ella en PubMed. Se puede locali-
zar las revista usando para ello criterios distintos (como ttulos, abreviaturas, cdigos
de indizacin). Se puede acceder a todas las referencias de una revista ordenadas por
fecha. MeSH Database: nos permite explorar el vocabulario Mesh.
Single Citation Matcher: si se proporcionan entradas de texto no exactas, res-
ponde con sugerencias de revistas disponibles (mediante un algoritmo potente que
busca en un ndice de revistas indexadas y compara con nuestra entrada). Estas suge-
rencias se pueden encadenar para poder, a travs de varios pasos sucesivos, acercarse
al objetivo. Por ejemplo, si se intenta buscar una referencia bibliogrfica concreta, de
la cual se conoce su existencia, pero no se recuerdan todos los datos para su localiza-
cin. Se puede, entonces, usar el Single Citation Matcher de PubMed para que, con
los datos que se puedan proporcionar, intente localizarla. Es una herramienta muy

150
Tema 8 | Bsqueda
Tema
y recuperacin
1 | Mtodos de
e Investigacin
Informacin Cientfica

til para localizar referencias bibliogrficas incompletas, verificar datos o simplemente


localizar una referencia.
Batch Citation Matcher: permite buscar varios artculos a la vez.
Clinical Queries: son bsquedas pregrabadas con filtros metodolgicos diseados
para distintos tipos de preguntas clnicas.
LinkOut: enlaza con las principales B.D. de revistas o editoriales donde localizar
el artculo referido.
MyNCBI: su principal utilidad es guardar estrategias y resultados de bsqueda
Special Queries: permite realizar bsquedas por especialidades, por tipo de
investigacin, por tipos de revistas, en proyectos determinados.

Estrategia de bsqueda

El primer paso, antes de iniciar una bsqueda en cualquier base de datos, es definir
exactamente lo que queremos buscar. Para esto es necesario formular una pregunta
que contenga todos los elementos relevantes. Debemos formular una pregunta que
pueda traducirse en una estrategia de bsqueda, que nos permita encontrar lo que
queremos, de la manera ms rpida y efectiva.

Qu es una estrategia de bsqueda?

Una estrategia de bsqueda es la traduccin de la pregunta que queremos resolver


a un formato entendible por el motor de bsqueda, planteada, adems para obtener
la mayor probabilidad de acertar. Tambin podemos definir que las estrategias de bs-
queda son modelos, planes o procedimientos que se emplean para la recuperacin de
informacin, descartando aquella no relevante o pertinente. Las estrategias se utilizan
segn la necesidad de informacin del usuario.

Para qu disear una estrategia?

Muchas veces la informacin que se obtiene de las bsquedas servir para tomar
decisiones clnicas, para actualizar conocimientos o para hacer docencia.
Entonces, existe una relacin entre la estrategia de recuperacin y la calidad de la
informacin recuperada que deriva en nuestra responsabilidad de ser los intermedia-
rios entre las fuentes de informacin y el usuario.

Qu es formular una pregunta?

Es el primer paso del proceso de la Mbe. Su importancia es crucial ya que si se


realiza adecuadamente, adems de permitir centrar el problema a resolver, facilita
el segundo escaln del proceso: la bsqueda bibliogrfica. Bsicamente, se trata de
convertir una duda que se nos plantea en nuestra consulta en una pregunta clnica
estructurada.
La pregunta clnica es el vehculo que permite disear la estrategia adecuada de
bsqueda de la respuesta. De la precisin con que la formular depender la facilidad y

151
Metodologa de la Investigacin Cientfica

rapidez con que hallar lo que necesitamos. Dicho de otro modo, para poder encontrar
el mejor camino es imprescindible saber primero hacia donde queremos ir.
Existen dos tipos de preguntas: las Preguntas bsicas y las Preguntas especficas.
Las Preguntas bsicas o de preparacin (que en la literatura se mencionan como bac-
kground), son referentes al conocimiento general de una condicin.

Concepto de estrategias de bsqueda

Son modelos, planes o procedimientos que se emplean para la recuperacin de


informacin, descartando aquella no relevante o no pertinente. Las estrategias se
utilizan segn la necesidad de informacin del usuario.
Formular una pregunta es reducirla a trminos claros y precisos. Bsicamente
consiste en dividirla en sus elementos principales. El ejercicio de escribirla y descom-
ponerla en sus componentes, es til para simplificarla y aclararla, seguir una secuencia
sistemtica, y sobre todo para facilitarnos la bsqueda de las evidencias o pruebas.

Tabla No. 3: Tipos de preguntas

Generales
Amplias
Bsicas o Preparacin Bsicas
(Background) Qu, cmo, dnde, cundo, quin, porqu
Estudiantes
Conviene utilizar un libro de texto
(VSHFtFDV
Focalizadas
Dirigidas
Clnicas o de accin Tratan sobre la condicin de un paciente,
(Foreground) caracterstica de un problema, intervenciones
y resultados
Clnicos con experiencia
Bases de datos actualizadas

Posee varios componentes en su estructura:

r0CUFOFSMBJOGPSNBDJONTQFSUJOFOUFEJTQPOJCMF
r6OBJOUFSSPHBDJOyRVJO yRV yDNP FOMBCBTFEFEBUPT
r6O7FSCP
r3FDVQFSBSMPRVFSFBMNFOUFCVTDBNPT
r6OBFOGFSNFEBEPBTQFDUP
r'JMUSBSMPTSFTVMUBEPT QBSBJODMVJSTMPMPOFDFTBSJPZEFTDBSUBSMPJSSFMFWBOUF

El primer tipo de preguntas bsicas se responde usando como fuentes de informa-


cin los textos generales, como por ejemplo libros de referencia o trabajos de revisin.
En cambio, las preguntas especficas, clnicas o de accin (llamadas foreground)
hacen referencia a conocimientos especficos acerca del manejo de los pacientes con
una determinada condicin. Contienen 4 componentes:

152
Tema 8 | Bsqueda
Tema
y recuperacin
1 | Mtodos de
e Investigacin
Informacin Cientfica

r1BDJFOUF
r*OUFSWFODJO
r$PNQBSBDJO
r3FTVMUBEPT

En el caso de las preguntas clnicas especficas, encontramos muchas veces que


los textos o revisiones generales no son capaces de responder a nuestra necesidad de
informacin y debemos recurrir entonces a fuentes ms especficas como los estudios
publicados en revistas cientficas.

Fig. n1

100% Conocimiento especializado

Cuatro
componentes

   (VSHFtFD
Foreground
Nivel de preguntas

Bsica
Background

Qu Verbo
Q
Aos de experiencia

Se trata de plantear la pregunta y responder sobre qu Problema busco informa-


cin? Se resuelve identificando y describiendo al tipo de Paciente o a la condicin
mdica.
En el elemento Intervencin se debe identificar y describir el mtodo teraputico
en estudio. La pregunta a resolver es Sobre qu intervencin busco informacin? O
sea, se debe determinar que tipo de intervencin se est considerando: es un Trata-
miento?, un Diagnstico?, un Pronstico? o es Prevencin?
En el tem Comparacin se debe determinar si se propone una intervencin al-
ternativa, para compararla con la intervencin inicial. Se compara con otro tipo de
intervencin? Debemos considerar que se pueden comparar tratamientos ya estable-
cidos, comparar contra un placebo o contra la no intervencin.
Finalmente, en el tem Resultado (Outcome) se busca identificar y describir cul
es el efecto o resultado clnico que se espera obtener. Cul es el objetivo de la inter-
vencin? Por ejemplo: disminuir la mortalidad, mejorar el diagnstico o la mejora en
la calidad de vida de una poblacin.

153
Metodologa de la Investigacin Cientfica

Cmo disear una estrategia?

El diseo de una estrategia de bsqueda involucra la definicin de cuatro pasos:

r%FOJDJOEFMBQSFHVOUB
r"OMJTJTEFMUFNB
r5SBEVDDJOBMMFOHVBKFEFMBCBTFEFEBUPT
r&DVBDJOEFMBCTRVFEB

La mayor parte de los planteamientos de bsquedas efectivos y bien fundamentados


siguen los anteriores pasos, por lo tanto daremos una explicacin metodolgica por
cada uno stos, para aclarar sus propsitos, su medio de formulacin y sus alcances,
en el contexto del diseo de nuestra estrategia.
Con respecto al primer paso Definicin de la Pregunta, explicaremos un mtodo
procedente del mundo de las evidencias clnicas (Mbe), aplicable en bsquedas biblio-
grficas. Es el Modelo Pce (Pregunta Clnicamente Estructurada) que justamente hace
referencia a la identificacin de 4 elementos que deben estar presentes en una pregunta:

Patient/Problem (Paciente/Problema)
Intervention (Intervencin)
Comparison (Comparacin)
Outcome (Resultado)

El Paciente o Problema hace referencia a la necesidad de reconocer e identificar el


problema como primer paso para resolverlo.
En el elemento Intervencin se debe identificar y describir el mtodo teraputico
en estudio, o sea si se est considerando un tratamiento, un mtodo de diagnstico,
un pronstico o una prevencin.
En la Comparacin se debe determinar si hay otra intervencin que sea una alter-
nativa a la intervencin propuesta, o sea comparar distintos tratamientos, comparar
con placebo, con no intervenir, con otro mtodo diagnstico en el caso de que nuestra
pregunta sea sobre ello, etc.
En la parte de Resultado o Outcome se busca identificar y describir cual es el resul-
tado esperado, cual es el objetivo de la intervencin. Por ej. disminuir la mortalidad,
mejorar o agilizar un diagnstico, etc.

Tabla N4

Teraputica Diagnstico Pronstico Etiologa


Paciente/ Pobla-
cin
Intervencin Nuevo tratamiento Nuevo test Tiempo Exposicin
Placebo o Gold standard
Comparacin No exposicin
tratamiento previo o test previo
Resultado

154
Tema 8 | Bsqueda
Tema
y recuperacin
1 | Mtodos de
e Investigacin
Informacin Cientfica

Veamos un ejemplo de lo anterior, a travs de una pregunta especfica, como ge-


neralmente esta es presentada:
En una unidad de neurologa de un Hospital Peditrico se han ingresado en los
ltimos 3 meses varios nios con cuadro de meningitis bacteriana, todos ellos nios
menores de 12 aos.
Se realiz una reunin clnica analizando los casos y planteando la pregunta de
si el uso de corticoides durante el tratamiento sera indicado para evitar secuelas
neurolgicas de la infeccin y/o reducir la tasa de mortalidad de los pacientes
Si a la anterior pregunta especfica le aplicamos la metodologa de Pce, para definir
la pregunta real que se encuentra contenida en la solicitud original, obtendremos una
pregunta clnicamente estructurada, capaz de ser analizada y utilizada en los siguientes
pasos del diseo de una estrategia de bsqueda.

P = en nios menores de 12 aos con meningitis bacteriana


I = el uso de glucocorticoides durante el tratamiento
C = comparado con el no uso
O = reduce las secuelas neurolgicas?

Resuelto lo anterior, podemos enfrentar el segundo paso en el diseo de una estra-


tegia de bsqueda: el anlisis del tema.
Una vez identificadas las distintas secciones o elementos que componen la Pce
(Pregunta Clnicamente Estructurada) debemos pensar en los trminos de bsqueda
apropiados en cada caso. Estos trminos del lenguaje natural los transformaremos
en palabras claves y eligiremos otros atributos que ayuden a delimitar el tema, como
por ej. aos, lugar o idioma.
Siguiendo con el ejemplo anterior, que ya hemos transformado en Pce, podemos
definir las palabras claves o elementos ms importantes:
En nios menores de 12 aos con meningitis bacteriana el uso de glucocorticoides
en el tratamiento comparado con el no uso reduce las secuelas neurolgicas y/o la
tasa de mortalidad?
Las preguntas que se nos plantean no solo abordan aspectos teraputicos. Cualquier
aspecto de la prctica clnica diaria es susceptible de generar dudas y por tanto pre-
guntas. As, pueden surgir preguntas de cualquier aspecto de la prctica clnica diaria:

r)BMMB[HPTDMOJDPT
r&UJPMPHB
r%JBHOTUJDPEJGFSFODJBM
r1SVFCBTEJBHOTUJDBT
r1SPOTUJDP
r5SBUBNJFOUP
r1SFWFODJO

El tercer paso para nuestro diseo es la Traduccin al Lenguaje de la Base de Datos.


Los trminos de las secciones o palabras claves de la pregunta deben ser convertidos
en un conjunto de conceptos identificables por la interfaz o motor de bsqueda que

155
Metodologa de la Investigacin Cientfica

utilizaremos, o sea es la traduccin de las palabras claves a un vocabulario controlado


o Tesauro.
Este proceso de traduccin tambin debe considerar la identificacin y uso de
sinnimos para nuestras palabras claves. Si no se cuenta con un equivalente en el
vocabulario controlado para nuestra palabra clave, los sinnimos sern tiles para
aproximarnos a un descriptor apropiado.
Si falta un determinado trmino, por ejemplo en el MeSH, para representar un
concepto, los sinnimos utilizados y conectados con el operador booleano OR, com-
pensarn la anterior ausencia. Tambin sern tiles cuando sabemos que este sinnimo
es tan utilizado en la literatura como la palabra controlada.
Un ejemplo de ello puede ser el caso las palabras Acetaminofeno y Paracetamol.
Los sinnimos amplan las bsquedas, ya que proporcionan ms alternativas al
sistema de recuperacin para encontrar temas equivalentes o relacionados.
En el contexto de Medline, estamos hablando de convertir las palabras claves en
descriptores o sea en trminos indexados en el MeSH o Medical Subject Headings o
Tesauro de la Nlm.
Si no se ha encontrado un trmino o descriptor que interprete el concepto de una
palabra clave, quiz es por un problema de traduccin del espaol al ingls.
Decs (Descriptores en Ciencias de la Salud) es el tesauro o vocabulario controlado
de la Red Latinoamericana y del Caribe de Informacin en Ciencias de la Salud. Para
su elaboracin se ha tomado como base el Medical Subject Headings de Medline;
cuenta con descriptores en ingls, portugus y espaol. Posee ms de 28 mil descrip-
tores, de los cuales 24 mil provienen del MeSH, por lo tanto tenemos una poderosa
herramienta de traduccin de trminos controlados.
Su consulta online se puede realizar en las pginas de las Bibliotecas Virtuales en
Salud de cada pas miembro de la red de BIREME. En consecuencia DeCS puede
cumplir una importante funcin en traducir, orientar u ofrecer alternativas lingisticas
o aproximaciones al trmino ms apropiado.
Finalmente enfrentamos el cuarto paso contemplado en el diseo de una estrategia
de bsqueda, que hace referencia a la Ecuacin de bsqueda.
Se trata de construir una estrategia de bsqueda estructurada, mediante la combi-
nacin de trminos y una sintaxis adecuada, que convertir los trminos individuales,
ya formateados, pero aislados, en una estrategia completa.
A partir de este paso es que debemos utilizar diversas herramientas para ir estruc-
turando una estrategia de bsqueda que incluya los siguientes elementos:

- Los anteriores trminos traducidos al vocabulario controlado de la BD


- Aplicar operadores booleanos que estructuran la sintaxis de nuestra estrategia y
permiten ampliar, excluir o reducir los conjuntos temticos, articulando y definiendo
las relaciones entre el o los problemas principales y secundarios.
- Truncado de trminos
- Aplicar delimitadores de campo, a fin de especificar dnde deseamos buscar (en
que campos de los registros de la base de datos)

156
Tema 8 | Bsqueda
Tema
y recuperacin
1 | Mtodos de
e Investigacin
Informacin Cientfica

Los operadores booleanos

Los operadores booleanos son nexos lgicos que especifican cual debe ser la rela-
cin entre los trminos ingresados.
Los operadores lgicos o booleanos se basan en la lgica del matemtico George
Boole, conocida como teora de conjuntos. La lgica booleana permite crear y com-
binar conjuntos de acuerdo a tres criterios bsicos: Interseccin, Unin, Exclusin.
Esto se traduce en los operadores: And, Or y Not
Estos tres operadores representan las relaciones lgicas que estableceremos entre
los trminos de nuestra estrategia de bsqueda. Su utilidad bsica es incluir o excluir
trminos especficos, a fin ampliar o reducir la cantidad de registros a recuperar.
El operador de interseccin And recupera un conjunto de referencias en las cuales
cada una de ellas contiene todos los trminos enlazados con l. Ninguna referencia
que cumpla con este criterio quedar fuera.
El operador And restringe las bsquedas, limitando la lista de resultados a una
ms pequea que representa la interseccin de las referencias que obtendramos con
las bsquedas aisladas para cada uno de los trminos individuales introducidos y
conectados por l.
El operador And reduce y especifica la bsqueda, recuperando las referencias que
tengan los dos trminos en el mismo documento simultneamente.
El operador de unin Or recupera referencias con, al menos, uno de los trminos
de bsqueda conectados por l. Es un operador de ampliacin. Ampla la bsqueda
porque recupera recursos que contengan algn elemento de los dos conjuntos.
El operador de diferencia o exclusin Not excluye los resultados que coincidan
con el trmino o elemento de bsqueda situado a la derecha de este operador.
Medline procesa los operadores lgicos usando las siguientes reglas de bsqueda
y sintaxis:

r Es obligatoria su escritura en Maysculas


r Un espacio en blanco, entre palabras claves, es considerado un operador And
r El orden de lectura y ejecucin que se aplica a los operadores lgicos puede mo-
dificarse si interesa que se procese alguno de ellos antes de lo que correspondera,
por su posicin relativa a otros, en la cadena de bsqueda (anidacin). Uno o
varios trminos con los operadores implicados se encierran entre parntesis.
En el caso particular de PubMed, se consideran los trminos y conectores lgicos
dentro de parntesis como una bsqueda anidada dentro de la bsqueda general.
El orden de ejecucin en este caso da prioridad a las bsquedas anidadas: se realiza
primero la bsqueda que aparece entre parntesis.

157
Metodologa de la Investigacin Cientfica

A continuacin, el resultado de estas bsquedas anidadas se incorpora a la estra-


tegia global. Una vez resueltas las bsquedas entre parntesis, se prosigue realizando
la bsqueda resultante siguiendo el orden de izquierda a derecha, como siempre.

Fig. N5

Conjunto A AND Conjunto B Conjunto A OR Conjunto B

Conjunto A NOT Conjunto B

El truncado

El truncado permite recuperar en todos los trminos que poseen la misma cadena
inicial de texto. Si se buscan todos los trminos con una raz comn (por ejemplo,
child, como raz inicial comn), se introducir en la casilla de bsqueda child*. En
el caso de PubMed, recuperar entonces referencias que contengan palabras relacio-
nadas con child (childhood, children, etc.).
La sintaxis correspondiente al truncado consiste en un smbolo grfico denominado
comodn. En PubMed este smbolo es un asterisco (*).
El truncado disponible en PubMed slo permite buscar variantes en el final de la
palabra. El uso de comodines para representar variantes de caracteres nicos en el
interior de palabras, truncado interno, no est disponible.
El truncado no localiza frases. Por ejemplo, diet* incluye dietary, falso: no
incluye slo dietary adherence pero s lo incluye (entre todos los dems diet).
PubMed busca las primeras 600 variantes proporcionadas con el truncado para un
trmino determinado. Si la lista es muy larga, PubMed nos lo notifica sugirindonos
que alarguemos en alguna letra la cadena de texto usada como raz, como forma de
intentar disminuir el nmero de resultados.

StopWords

Son palabras del idioma frecuentes y susceptibles, por tanto, de estar presente en
prcticamente la totalidad de referencias (la lista totaliza 105 palabras del tipo de

158
Tema 8 | Bsqueda
Tema
y recuperacin
1 | Mtodos de
e Investigacin
Informacin Cientfica

artculos, preposiciones, etc.). PubMed dispone de una base de datos en la que con-
sultar para poder identificarlas y procede eliminando estas palabras automticamente
de la estrategia de bsqueda.

Delimitadores de campo

Una de las formas que hemos mencionado para indicar a Medline en qu campos
debe limitar la bsqueda de un trmino es usando calificadores de campo para esos
trminos.
Cada uno de los campos de registro bibliogrfico en Medline se identifica me-
diante cdigos de dos o ms letras, que son las formas abreviadas de los nombres
de campo (constituyen las etiquetas de calificadores de campo cuando se introducen
entre corchetes).
Para usar esta modalidad de bsqueda, cada uno de los trminos debe ir seguido
por la etiqueta de campo de indexacin apropiada. Esta etiqueta indicar a PubMed en
qu campo debe buscar el trmino introducido. En la sintaxis se exige que la etiqueta
de campo vaya siempre detrs del trmino calificado (no hace falta dejar espacio).
Los cdigos de dos letras empleados se deben encerrar entre corchetes [ ] y se per-
mite su escritura indistintamente en maysculas o minsculas, al igual que ocurre con
el propio trmino. Esta modalidad de bsqueda admite el truncamiento del trmino
introducido.
Esto tendr utilidad cuando interese una bsqueda muy especfica a travs de algn
campo concreto. Por ejemplo, si se desea buscar los artculos de un autor llamado
Green, slo interesa que busque en el campo donde aparece el autor. No nos interesa
que se busque en el campo texto libre o que se busque en el campo correspondiente
al ttulo, o en el de nombre de revista, etc, puesto que en cualquiera de ellos pudiera
encontrarse el trmino green en otro contexto. Para evitar esto es para lo que aadi-
mos al trmino deseado la etiqueta correspondiente al campo de bsqueda. Es decir,
introduciremos: Green [AU].
La lista completa de los nombres de campo disponibles, as como sus etiquetas y
una breve descripcin de cada uno, pueden ser consultadas en la ayuda en lnea de
PubMed.

159
Metodologa de la Investigacin Cientfica

Tabla N6
Tabla de delimitadores de campo y sus etiquetas

Tabla N 6 Etiquetas de campos Medline ms utilizados

Nombre del Campo Abreviaturas El buscador buscar en


'LUHFFLyQ \ DOLDFLyQ LQVWLWXFLRQDO GHO SULPHU
$IOLDWLRQ'LUHFFLyQ [AD,AFFL]
autor
All Fields-Todos los campos [ALL] Todos los campos

Author name-Autor [AU,AUTH] Nombre de autor (Ej: Smith, Smith SJ)


Nmero de edicin de la revista donde el artculo
Issue-Edicin [IP, ISSUE]
fue publicado
Journ Name-Ttulo de la Ttulo de la publicacin, abreviatura de ste o
[TA, JOUR]
publicacin ISSN
Languaje-Idioma del artculo [LA, LANG] Idioma vernculo del artculo
MESH Major Topic-Tpico El trmino MESH que sea el tpico principal
[MAJR]
MESH principal del artculo
MESH Terms-Trminos MESH [MH, MESH] Trmino MESH

Page-Pgina [PG, PAGE] El nmero de la primera hoja del artculo


Publication Date-Fecha La fecha en que se public el artculo,formato
[DP, PDAT]
de publicacin aaaa/mm/dd aaaa/mm
Publication Type- Tipo de Segn el tipo de artculo (Ej: Clinical trials,
[PT,PTYP]
publicacin review, etc.)
Subencabezados para focalizar los trminos
Subheadings- Subencabezado [SH]
MESH.
Un componentede la base de datos(MEDLINE,
Subset-Subgrupos [SB]
preMEDLINE, publisher oaids)
Substance Name-Nombre
[NM, SUBS] El nombre qumico de la substancia
de la substancia
Las palabras contenidas en casi todos los
Text Words Palabras del texto [TW,WORD]
campos
Title Words-Palabras del ttulo [TI, TITL] Las palabras contenidas en el ttulo

Volume-Volumen [VI, VOL] El nmero de volmen de publicacin del artculo

Resumiendo, las etiquetas utilizadas con mayor frecuencia son: [all] [au] [la] [ta]
[majr] [mh] [pt] [sh] [ti] [tw].
En una bsqueda booleana avanzada los nombres o etiquetas de los campos deben
colocarse entre corchetes y separados por un espacio en blanco despus de la palabra
clave que colocamos (usar negritas en el texto solo con fines descriptivos):

rQOFVNPOJB<mh] And mortality [tw]


Aqu buscar neumona como trmino mesh (lo expandir automticamente) y
mortalidad dentro de las palabras del texto.

rQOFVNPOJB[mh] And mortality [sh:noexp]


Aqu buscar neumona como trmino mesh (lo expandir automticamente) y
mortalidad como subencabezados, pero tiene inhibida la autoexpansin.
160
Tema 8 | Bsqueda
Tema
y recuperacin
1 | Mtodos de
e Investigacin
Informacin Cientfica

rQFOVNPOJB<majr] And english [la] And 1995 [dp]


Aqu buscar los artculos en los que neumona sea el tpico principal y el idioma
vernculo del artculo sea ingls, publicado en el ao 1995. Si hubiera colocado...
And 1995:1999 [dp] buscara entre los aos 1995 y 1999. Las opciones para co-
locar fechas son los siguientes formatos: aaaa/mm/dd aaaa/mm aaaa , donde
cada letra corresponde a un dgito.

Cul es la mejor estrategia?

Cuando realizamos una bsqueda, deseamos crear la mejor estrategia para recu-
perar la mejor informacin, en cuanto al nmero y a la calidad de documentos que
se obtengan. Estamos, finalmente, buscando para nuestros resultados: Relevancia.
Para lo anterior se deben definir dos parmetros, que condicionarn el diseo de
la estrategia y la posterior relevancia de la informacin recuperada. Estos conceptos
son los de Sensibilidad y Especificidad.
S deseamos obtener toda la informacin que existe en relacin a una pregunta,
realizaremos una bsqueda amplia, usando trminos genricos y con pocos lmites.
Una estrategia de estas caractersticas arrojar muchos artculos, algunos sern
relevantes y otros no, por lo tanto necesitaremos una cantidad de tiempo importante
para encontrar la respuesta a nuestra pregunta. Esta estrategia corresponde a una
bsqueda sensible.

)LJ15HOHYDQFLDVHQVLELOLGDG\HVSHFLFLGDG

Trae artculos relevantes, Figura 2


pero puede perder los El ideal
"mejores"
1
(VSHFLGDG

0 1
RELEVANCIA
CIA S
Sensibilidad
ibilid d T
Trae ttodos
d llos artculos
relevantes pero tambin
aquellos innecesarios

Si la bsqueda es mi primer paso para comenzar una investigacin, tendr que


ser ms sensible que especfica, de esa manera se requiere juntar un nmero de citas
importante que me permita una visin global del tema y favorezca la generacin de
nuevas hiptesis.

161
Metodologa de la Investigacin Cientfica

Si busco sobre un tema infrecuente tambin deber ser ms sensible, para poder
recuperar la mayor cantidad de artculos posibles, dado que probablemente el nmero
de citas indexadas es bajo.
La bsqueda centrada en el uso de texto libre da lugar a resultados generalmente ms
sensibles, pero recuperando muchas referencias poco relevantes, o que no se centran
en la informacin deseada. Con frecuencia, el nmero total de recuperaciones ser
excesivo. La bsqueda tendr ms probabilidades de pasar por alto algunos artculos
relevantes. Algunos de ellos, s habran sido recuperados usando descriptores Mesh.
Si decidimos que la bsqueda debe ser especfica, se recuperarn muchas menos
referencias pero estas sern ms precisas y probablemente, se incluir una proporcin
ms elevada de artculos relevantes.
Por lo general, el uso exclusivo de vocabulario controlado, produce bsquedas ms
especficas y puede restringir los resultados a referencias de mayor grado de relevancia.
Como contrapartida, pueden perderse algunos pocos artculos en los que la infor-
macin deseada est presente y que se identificaran en una bsqueda en texto libre.
Por ejemplo: si necesito dar respuesta a un paciente sobre un tratamiento, la bs-
queda debe ser especfica y actualizada, para reducir el nmero de citas al mnimo
indispensable que haga factible su lectura en el tiempo apropiado.
Si deseamos obtener toda la informacin que existe en relacin a una pregunta,
realizaremos una bsqueda amplia, usando trminos genricos y con pocos lmites.
Una estrategia de estas caractersticas arrojar muchos artculos, algunos sern
relevantes pero otros no, y por lo tanto necesitaremos una cantidad de tiempo im-
portante para encontrar la respuesta a nuestra pregunta. En la estrategia de bsqueda
sensible se utiliza principalmente texto libre y comodines de truncacin, para ampliar
la recuperacin de trminos o palabras afines.
En cambio, en la estrategia especfica, que nos otorga especificidad, se limita la
bsqueda en campos especficos de la base de datos [TI], se usa vocabulario controlado
[MeSH] y tambin comodines de truncacin.
Los mejores resultados para una bsqueda bibliogrfica se obtienen con la utili-
zacin de estrategias de bsqueda que combinen sensibilidad y especificidad, a travs
del uso de descriptores Mesh, delimitadores y texto libre.

)LJ17UXFRVSDUDPHMRUDUHVSHFLFLGDG\RVHQVLELOLGDG

7UXFRVSDUDPHMRUDUOD(VSHFLGDG Trucos para mejorar la Sensibilidad


Agregar vocabulario controlado a os conceptos en
Usar vocabulario controlado en lugar de texto libre
texto libre
Limitar los conceptos a tpico principal o MAJR Expanda los trminos comprendidos en el tesauro
8VHORVVXEHQFDEH]DGRVFDOLFDGRUHV Agregar sinnimos con el operador OR
Evitar trminos amplios, generales, ambiguos, elija
8WLOL]DUWpUPLQRVDPSOLRVDVRFLDGRVDORVHVSHFtFRV
DTXHOORVHVSHFtFRV
Use limitantes relacionados No buscar frases exactas sino combinacin de palabras
No use la truncacin Evitar el uso de operadores restrictivos como AND NOT
Utilice operadores restrictivos AND Y NOT Use la truncacin
Evitar el uso excesivo de limitantes

162
Tema 8 | Bsqueda
Tema
y recuperacin
1 | Mtodos de
e Investigacin
Informacin Cientfica

Aun cuando Medline, a travs de PubMed, nos entrega de manera ordenada


y metodolgica una serie de herramientas para disear estrategias de bsqueda, la
recuperacin de informacin slida y pertinente requiere de estrategias de bsqueda
correctamente diseadas. La recuperacin de artculos relevantes sobre tratamiento,
pronstico, etiologa y diagnstico de las enfermedades, por ejemplo, necesita de
estrategias de bsqueda muy bien diseadas para obtener informacin vlida y til
en la prctica clnica. Una herramienta creada para estos propsitos son los filtros
metodolgicos, tambin llamados filtros de calidad.

Filtros Metodolgicos

Un filtro metodolgico es bsicamente una estrategia de bsqueda constituida por


combinaciones de trminos o descriptores secundarios relacionados entre s que, en
conjunto con el trmino o descriptor principal que se desea buscar, permite la recu-
peracin de informacin con un alto grado de pertinencia.

Sus objetivos principales son:

r"UFOVBSFMFGFDUPOFHBUJWPDBVTBEPQPSFMFYDFTPEFJOGPSNBDJOFOCBTFTEFEBUPT
bibliogrficas.
r3FEVDJSBMNOJNPMBPCUFODJOEFJOGPSNBDJOTVQFSVBPSFEVOEBOUF
r&MFWBSFMOJWFMEFFTQFDJDJEBEPTFOTJCJMJEBEEFMBCTRVFEBBMNYJNPQPTJCMF
Estos filtros de calidad son estrategias de bsqueda desarrolladas y validadas
para uso genrico (aplicables con independencia del tema). Se trata de estrategias
construidas con una metodologa especfica y orientada hacia la clnica. Se nos ofrecen
grabadas para cargarlas automticamente en la casilla de bsqueda.

El objetivo principal de estos filtros de calidad es facilitarnos un modo sencillo de


restriccin del nmero de recuperaciones a aquellas con los diseos de investigacin y
tipos de estudio que tienen mayor probabilidad terica de proporcionarnos respuestas
vlidas para cada uno de los tipos diferentes de preguntas clnicas.
En funcin de la sensibilidad y especificidad que nos interesa, se puede plantear la
bsqueda de forma diferente. Algunas estrategias de bsqueda sugeridas como filtros
metodolgicos en combinacin segn el tipo de intervencin son:

(Copia y pega esta cadena en tu casillero de bsqueda en Pubmed).

Filtro Clnico para Manejo o Tratamiento

Los mejores trminos para tratamiento son:

comparative study [mh]


placebos [mh]
clinical trial [pt]
random* [tiab]

163
Metodologa de la Investigacin Cientfica

controlled clinical trial [pt]


randomized controlled trial [pt]
double blind method [mh]

Especfico

Comparative study [mh] OR placebos [mh] OR clinical trial [pt] OR random*


[tiab] OR controlled clinical trial [pt] OR randomized controlled trial [pt] OR double
blind method [mh]

Sensible

Research design [mh] OR clinical trials [mh] OR comparative study [mh] OR


placebos [mh] OR multicenter study [pt] OR clinical trial [pt] OR random* [tiab]
OR placebo*[tiab] OR clinical trial* [tiab] OR controlled clinical trial [pt] OR ran-
domized controlled trial [pt] OR practice guideline [pt] OR feasibility studies [mh]
OR clinical protocols [mh] OR single blind* [tiab] OR double blind* [tiab] OR
triple blind* [tiab] OR treatment outcomes [mh] OR epidemiologic research design
[mh] OR double blind method [mh] OR pilot projects [mh]

Filtro Clnico para Diagnstico

Los mejores trminos para diagnstico son:

sensitivity and specificity[mh]


sensitivity OR specificity[tiab]
likelihood ratio*practice guideline[pt]likelihood functions[mh]

(Copia y pega esta cadena en tu casillero de bsqueda en Pubmed

Especfico

sensitivity and specificity[mh] OR sensitivity[tiab] OR specificity[tiab] OR


likelihood ratio* OR practice guideline[pt] OR likelihood functions[mh]

Sensible

sensitivity and specificity[mh] OR diagnostic errors[mh] OR sensitivity[tiab] OR


specificity[tiab] OR predictive value* OR likelihood ratio* OR false negative* OR
false positive* OR controlled clinical trial [pt] OR randomized controlled trial [pt]
OR double blind method[mh] OR single blind method[mh] OR practice guideline[pt]
OR diagnosis, differential[mh] OR consensus development conference[pt] OR
random*[tiab] OR random allocation[mh] OR single blind* [tiab] OR double blind*
[tiab] OR triple blind* [tiab] OR likelihood functions[mh] OR area under curve[mh]
OR reproducibility of results[mh]

164
Tema 8 | Bsqueda
Tema
y recuperacin
1 | Mtodos de
e Investigacin
Informacin Cientfica

Filtro Clnico para Etiologa

Los mejores trminos para etiologa son:

risk[mh]
age factors[mh]
comorbidity[mh]
epidemiologic factors[mh]

Especfico

risk[mh] OR age factors[mh] OR comorbidity[mh] OR epidemiologic factors[mh]

Sensible

random*[tiab] OR cohort*[tiab] OR risk*[tiab] OR causa*[tiab] OR


predispos*[tiab] OR odds ratio[mh] OR case control* OR odds ratio* OR con-
trolled clinical trial [pt] OR randomized controlled trial [pt] OR risk[mh] OR
practice guideline[pt] OR epidemiologic studies[mh] OR case contol studies[mh]
OR cohort studies[mh] OR age factors[mh] OR comorbidity[mh] OR epidemiologic
factors[mh]

Filtro Clnico para Pronstico

Los mejores trminos para pronstico e historia natural son:

cohort studies[mh]
prognosis[mh]
disease progression[mh]

Especfico

cohort studies[mh] OR prognosis[mh] OR disease progression[mh]

Sensible

cohort studies[mh] OR prognosis[mh] OR mortality[mh] OR morbidity[mh]


OR natural history OR prognost*[tiab] OR course[tiab] OR predict*[tiab] OR
outcome assessment[mh] OR outcome*[tiab] OR inception cohort* OR disease
progression[mh] OR survival analysis[mh]

Los filtros son especficos para cada tipo de pregunta clnica, pero, como hemos
dicho, dada su concepcin genrica, no tienen ninguna especificidad temtica. Por
este motivo se deben utilizar combinando las herramientas de diseo de estrategias
anteriormente mencionadas: vocabulario controlado, delimitadores y truncado.

165
Metodologa de la Investigacin Cientfica

A partir de 1994, Brian Haynes y Anne McKibbo, acadmicos de la Universidad de


McMaster en Ontario (Canad), publicaron una serie de artculos sobre la utilizacin
de mejores estrategias de bsqueda en Medline, para la obtencin de evidencias sobre
la etiologa, el diagnstico, la terapia y el pronstico de las enfermedades.
El diseo de sus estrategias fue tan exitoso en la recuperacin de artculos de revisin
y de ensayos clnicos controlados de relevancia, que Medline los valid y adopt.
La aplicacin de estos filtros metodolgicos puede hacerse en PubMed, gracias
a una herramienta orientada a bsquedas de informacin para la prctica clnica
denominada Clinical Queries.

Ley de Murphy

La informacin que uno tiene no es la que uno quiere


La informacin que uno quiere no es la que uno necesita
La informacin que uno necesita no es la que puede obtener
La informacin que puede obtener es ms cara de lo que uno quiere pagar

Clinical Queries

Esta herramienta es un motor de bsqueda especializado, diseado para preguntas


clnicas. Consiste en filtros insertados en la interfaz y sirven para limitar los resulta-
dos a aquellos artculos cuyo tipo de diseo de investigacin se ajusta a una serie de
requisitos metodolgicos previamente especificados (y que se supone que son los que
tienen ms posibilidades de aportarnos las mejores evidencias clnicas).
En gran parte, estos filtros trabajan con campos de indexacin como Publication
Type. As, del mismo modo que los descriptores de indexacin temtica del tesauro
Mesh, identifican artculos en los que se habla de un tema determinado, tambin los
distintos tipos de publicacin identifican artculos que pueden entrar dentro de una
o dentro de ms de una de las distintas categoras predeterminadas.
El servicio denominado Clinical Queries est dispuesto en PubMed como una
herramienta independiente, a la que se accede mediante un vnculo que se encuentra
en la barra lateral izquierda del men Servicios de Pubmed.
Observaremos que tenemos que seleccionar la categora de estudio que nos concierne.
Ello es as porque, en realidad, se trata de una coleccin de filtros independientes, cada uno
con un diseo especfico para identificar referencias relevantes para la categora concreta
elegida: terapia y prevencin; diagnstico; efectos adversos (etiologa); o pronstico.
Las Clinical Queries admiten una opcin para avanzar un paso ms en el refi-
nado de nuestra estrategia. Se trata de dos posibilidades de ajuste del grado de nfasis
que nos interesa:
1. Sensitivity (Sensibilidad). Con este filtro se obtendr un nmero mayor de
referencias. Esto se lleva a cabo incluyendo artculos relevantes y otros que no
lo sern tanto.
2. Specificity (Especificidad). El filtro recuperar menos referencias, pero estas sern
ms precisas y, probablemente, se incluir una proporcin ms elevada de artculos
relevantes. Esta es la opcin que aparece seleccionada de forma predeterminada.

166
Tema 8 | Bsqueda
Tema
y recuperacin
1 | Mtodos de
e Investigacin
Informacin Cientfica

En esta interfaz tambin encontraremos un tercer filtro llamado Systematic Re-


views, en donde la estrategia est planteada para recuperar referencias identificadas
como revisiones sistemticas, y otros estudios que sus creadores consideraron como
estudios similares: meta-anlisis, revisiones de ensayos clnicos, medicina basada
en la evidencia, consensos de conferencias, guas clnicas, y referencias de revistas que
se han especializado en revisiones clnicas.
Los resultados de este filtro son bastante menos selectivos. No todo lo capturado
por esta opcin son referencias a primera calidad metodolgica, ya que an no ha
sido desarrollado un mtodo fiable en Medline para filtrar de una forma lo suficien-
temente selectiva como para que identifique de forma limpia revisiones sistemticas
que sean realmente adecuadas. Sin embargo, los resultados obtenidos con estos filtros
pueden refinarse ms an, a travs de la herramienta Limits de PubMed.

Tabla: Filtros metodolgicos

EJEMPLOS de Preguntas Clnicamente Estructuradas

Pregunta sobre un tratamiento:


Usted se halla en el departamento de emergencias y valora a un nio de 4 aos con
un sndrome croup (laringotraqueobronquitis viral), con tos seca, disfona leve y fiebre
de 38C. Despus de un examen visual e interrogatorio que confirma su diagnstico,
usted decide administrarle nebulizaciones con epinefrina y lo mantiene en observa-
cin. Su estudiante pregunta si sera de ayuda agregarle dexametasona intramuscular.
Usted le pide que se formule una PCE, con la mnemotecnia antes descrita, PICO. Su
asistente la escribe y presenta lo siguiente:

P, paciente: En nios preescolares con croup viral?


-en este apartado se puede ser lo mas concreto posible en cuanto a las caractersticas
de su paciente, edad, sexo, raza, situacin, entre otros.
I, intervencin: la administracin de dexametasona?
-la intervencin en este caso es sobre un tratamiento, pero puede ser una prueba
diagnstica, o una exposicin
C, comparacin: comparada con placebo?
-puede compararse con placebo, o con otro medicamento, aunque a veces este apar-
tado no se usa.
O, outcome, resultado final: Reduce la evolucin de la enfermedad? Este nuevo pun-
to puede variar, depende del outcome que a usted le interese, por ejemplo Reduce
el riesgo de hospitalizacin? Reduce el nmero de ingresos a la terapia intensiva?
Reduce el tiempo en la sala de emergencias?

Ejemplo 2. Pregunta sobre una dada etiologa.

Al dar de alta del hospital a un recin nacido sano, los padres preguntan sobre algo
que leyeron y les preocup en una revista donde se mencionaba que aplicar vitamina
K a los nios aumentaba el riesgo de padecer leucemia. Ante la duda, usted decide

167
Metodologa de la Investigacin Cientfica

investigar en su oficina minutos mas tarde, haciendo la pregunta clnica estructurada


correspondiente:

P, paciente En pacientes recin nacidos?


I, intervencin la administracin de vitamina K?
C, comparacin versus no aplicar la vitamina K?
O, outcome, resultado final aumenta el riesgo de leucemia?

Ejemplo 3. Pregunta sobre una intervencin diagnstica

Un paciente masculino de 60 aos acude para su control de adulto sano y quiere


saber si el escrutinio, mediante deteccin de sangre oculta en heces, es bueno para la
localizacin oportuna de cncer de colon y si debe someterse al mismo.
Primero observamos que se trata de una pregunta sobre una prueba diagnstica.
La manera de hacer la pregunta clnica estructurada sera:

P, pacientes En pacientes adultos asintomticos con riesgo promedio de padecer


cncer de colon?
I, intervencin el tamiz mediante deteccin de sangre oculta en heces?
C, comparacin comparado con la rutina de no realizar tamizaje? (Aqu se puede
obviar la comparacin si as lo desea)
O, outcome o resultado de intervencin reduce la mortalidad por cncer de colon?

Ejemplo 4. Pregunta sobre pronstico.

Es usted el gineco-obstetra de turno y recibe a una mujer de 32 aos con un em-


barazo de 25 semanas y 3 das de gestacin, con trabajo de parto. A pesar de sus
esfuerzos por llegar a trmino, la paciente contina con los sntomas y tiene a su hijo
a las pocas horas. La madre y el padre se preguntan angustiados sobre el pronstico
de su hijo despus de nacer, ya que han sido informados sobre la necesidad de usar
respiradores artificiales, surfactante, etc. Lo que ms les preocupa es el desarrollo
neurolgico. Usted, en fracciones de segundo, se hace la pregunta clnica estructurada
que corresponde:

P, pacientes En pacientes que nacen pretrmino


I, intervencin o exposicin en este caso sera: nacidos por cesrea antes de las 26
semanas de edad gestacional
C, comparacin, comparado con nios a trmino o menos prematuros
O, outcome riesgo de alteraciones o discapacidades en el neurodesarrollo

Ejemplo de una Pregunta Clnicamente Estructurada

Escenario 1: Est en nuestra consulta un paciente varn de 70 aos, diabtico tipo


2 con ACV previo, que mantiene buenos controles de los factores de riesgo, aunque la

168
Tema 8 | Bsqueda
Tema
y recuperacin
1 | Mtodos de
e Investigacin
Informacin Cientfica

media del LDL en su ltimo ao es de 120 mg/dl y sus glucemias capilares y HbAc1
se mantienen en rangos de buen control metablico. Su tratamiento incluye:
Sulfonilureas, cido acetilsaliclico (Aas) a bajas dosis, Ieca y pravastatina. Hoy
acude porque ha reingresado por un episodio de Ait y en sta ocasin nos plantea-
mos: si sera conveniente aumentar la dosis de cido acetilsaliclico para prevenir un
nuevo Acv, variar el tipo de estatina que estamos utilizando para disminuir el valor
del colesterol Ldl y cul es su pronstico.

1. Aspecto clnico: En ste caso tenemos que elaborar preguntas sobre:


Tratamiento
Pronstico

2. Componentes:

PCE de la primera pregunta:

Pacientes (P): En pacientes diabticos tipo 2, mayores de 65 aos con ACV previo.
Intervencin principal (I): La dosis de 300 mg/da de AAS.
Intervencin con la que se compara (C): Cuando se compara con dosis de 100
mg/da.
Resultados (O): Previene la aparicin de nuevos ACV.

Redaccin final de la primera pregunta:


En pacientes diabticos tipo 2, mayores de 65 aos, con ACV previo, la dosis de
300 mg/da de AAS frente a la de 100 mg/da previene la aparicin de nuevos ACV?.

PCE De la segunda pregunta:

P: En pacientes diabticos tipo 2, mayores de 65 aos, con ACV previo


I: La administracin de atorvastatina.
C: Cuando se compara con dosis equivalentes de pravastatina.
O: Reduce ms los niveles de colesterol LDL.

Redaccin final de la segunda pregunta:


En pacientes diabticos tipo 2, mayores de 65 aos con ACV previo, la adminis-
tracin de atorvastatina frente a dosis equivalente de pravastatina reduce ms los
niveles de colesterol LDL?

PCE De la tercera pregunta:

P: En pacientes diabticos tipo 2, mayores de 65 aos, con ACV previo.


I: La aparicin de un nuevo episodio de ACV.
C: Cuando ya existe antecedente de ACV previo.
O: Cul es su pronstico.

169
Metodologa de la Investigacin Cientfica

Redaccin final de la pregunta:


En pacientes diabticos tipo 2, mayores de 65 aos con ACV previo, la aparicin
de un nuevo ACV cul es su pronstico?

Bibliografa:

1. Haynes RB; Wilczynski N; McKibbon KA; Sinclair JC. Developing optimal search stra-
tegies for detecting clinically sound studies in MEDLINE. J Am Med Inform Assoc
1994;1(6):447-58
2. McKibbon KA, Walker-Dilks CJ, Beyond ACP. Journal Club: how to harness MEDLINE
for diagnostic problems. ACP J Club 1994;121(Suppl.2):A10-2
3. PubMed Help, National Library of Medicine. NLM [fecha de consulta:18 jun 2007].
Disponible en: www.ncbi.nlm.nih.gov/entrez/query/static/help/pmhelp.html
4. Tutorial de PubMed, National Library of Medicine. NLM [fecha de consulta: 18 jun
2007]. Disponible en:http://www.nlm.nih.gov/bsd/disted/pubmed.html
5. Camps, Diego. Herramientas para la recuperacin de la informacin: Los trminos MeSH
(Medical Subject Headings). MedUNAB 2006; 9:58-62.
6. Arencibia Jorge R, Perezleo Solrzano L, Arajo Ruiz JA. Los filtros metodolgicos como
herramientas eficaces para la bsqueda de evidencias clnicas. Acimed 2004; 12(3).
Disponible en: http://bvs.sld.cu/revistas/aci/vol12_3_04/aci05304.htm
7. Juan Bautista Cabello, Jos Ignacio Emparanza y Eukene Ansuategi. Mejorando las bs-
quedas clnicas. Filtros geogrficos, filtros metodolgicos. Dos lgicas distintas, dos
usos diferentes. Rev Esp Cardiol 2006; 59(12): 1221 -1224
8. Wilczynski NL, Morgan D, Haynes RB, and the hedges team.A. An overview of the design
and methods for retrieving high-quality studies for clinical care. BMC Medical Infor-
matics and Decision Making. 2005,5:20
9. Buuel lvarez JC, Corts Marina RB, Barroso Espadero D, Garca Vera C. Bsqueda
bibliogrfica a travs de internet (nivel bsico). En: AEPap ed. Curso de Actualizacin
Pediatra 2005. Madrid: Exlibris Ediciones; 2005. p. 119-129.
10. Descriptores en Ciencia de la Salud, Biblioteca Virtual en Salud.BVS [fecha de consulta:
03 julio 2007]. Disponible en:http://decs.bvs.br/
11. Henrquez Trujillo, Rodrigo. Herramientas de Bsqueda de Literatura Mdica en Internet
y Medicina Basada en Evidencias. Revista Metro Ciencia 2005; 14(3):152-157
12. Buuel lvarez JC, Ruiz-Canela Cceres J. Cmo elaborar una pregunta clnica. Evid
Pediatr. 2005; 1: 10
13. Glosario de Bsqueda. Disponible en: http://www.redcaspe.org/herramientas/gbusquedas.
htm

8.5. Glosario

And = Y: Operador booleano que recupera los documentos que contengan ambos trminos.

Citation = Cita / Referencia bibliogrfica: Es la representacin bibliogrfica de un artculo de


revista o del captulo de un libro, etc.; supone la unidad bsica en una base de datos
bibliogrfica. Esta unidad incluye varios campos, tales como: autor, ttulo del artculo,

170
Tema 8 | Bsqueda
Tema
y recuperacin
1 | Mtodos de
e Investigacin
Informacin Cientfica

ttulo de la revista, ao, volumen, fascculo y las pginas; facilita la informacin nece-
saria para localizar el artculo o libro. Es sinnimo de registro.

Data Base = Base de datos: Conjunto de datos homogneos, estructurados y ordenados, que se
presentan normalmente de forma legible por ordenador y que se refieren a una materia
determinada.

DeCs = Descriptores en Ciencias de la Salud: son la traduccin al espaol que realiz BIREME
(OPS) de los trminos MeSH

Explode = Expansin: Ampliacin automtica con el operador OR de un trmino MeSH y


los trminos MeSH ms especficos que existen bajo ste, en la rama jerrquica en la
que estn representados. Esta opcin en Pubmed se realiza por defecto; en Medline de
Ovid se debe sealar.

False Drops = Ruido: Documentos recuperados que no son relevantes para el asunto sobre
el que se realiza la bsqueda, es decir, que aunque contengan los trminos que hemos
utilizado para la bsqueda, no tratan del tema de la consulta.

Field = Campo: Una unidad de estructuracin un registro de una base de datos. En funcin de
la base de datos, tendremos diferentes, entre los que podemos encontrar: author (autor),
title (ttulo), source (revista, ao y n en que se ha publicado).

Focus = Concentrar: Focus es la opcin de Medline de Ovid para indicar que un determinado
MeSH sea el trmino principal de los artculos que vamos a recuperar.

Indexing = Indizacin: Proceso por el que el documentalista asigna unos descriptores que de-
scriben el contenido conceptual del documento, con el fin de facilitar su recuperacin.
(v. Descriptor)

ISSN = International Standard Serial Number: nmero internacional nico que identifica de
manera inequvoca cada revista.

Language Controlled = Lenguaje Controlado: El lenguaje controlado es la consulta por tesauro,


es decir, cuando se busca en la base de datos utilizando los descriptores. (V. Descriptor).

Limits = Lmites: Opcin que ofrecen varias bases de datos, como Medline, que permite
limitar/restringir una bsqueda de acuerdo a unas caractersticas como p.ej. artculos
publicados en un idioma determinado, tipo de publicacin (revisin, ensayo clnico), o
grupo de edad, sexo, etc.

Major Topic = MeSH Principal: Se asignan entre 5 a 15 trminos MeSH a cada documento,
uno de stos es el Major Topic, es decir, la materia principal que trata el documen-
to, y aparece representada con un asterisco. Major Topic nos sirve para restringir
la bsqueda, asegurndonos que los artculos que recuperemos tratarn ese trmino
principalmente y no simplemente lo nombrarn. (V. Focus = Concentrar)

Medline = Medline: Base de datos ms importante en el rea biomdica de la National Library


of Medicine (NLM) del NIH (Nacional Institute of Health) de Estados Unidos; cubre

171
Metodologa de la Investigacin Cientfica

las reas de medicina, enfermera, odontologa, medicina veterinaria, asistencia sanitaria


y ciencias preclnicas desde 1966.

Mesh = Medical Subject Headings: son los descriptores utilizados por la National Library of
Medicine (NLM) para indizar los documentos en sus bases de datos (Medline, Toxnet,
etc.). Estos trminos MeSH estn ordenados de forma alfabtica y jerrquica. La es-
tructura jerrquica comienza por 15 grandes categoras como anatoma, enfermedades
y de ah surgen las ramas con trminos ms generales que tienen por debajo otros ms
especficos. (V. Descriptores).

Metodological Filtres = Filtros metodolgicos: Son estrategias de bsqueda que nos ayudan a
encontrar, en bases de datos como Medline, diferentes tipos de estudio sobre tratamiento,
diagnosis, etiologa o pronstico. En Pubmed se denominan Clinical Queries. Para
aplicar uno de estos filtros slo tenemos que combinar nuestra bsqueda con AND al
filtro que nos interesa.

NOT = NO: Operador booleano que sirve para excluir documentos que tienen un determi-
nado trmino.

OR = O: Operador booleano que recupera los documentos que contengan tanto un trmino
como otro, o ambos. Se utiliza con trminos relacionados o sinnimos.

Pertinent = Pertinente: Los documentos pertinentes son los seleccionados del conjunto de do-
cumentos relevantes recuperados, siguiendo una serie de criterios no siempre explcitos:
concordancia con la pregunta planteada, actualidad de los resultados, etc.

PubMed = PubMed: Sistema de bsqueda que permite el acceso libre a bases de datos biblio-
grficas de la National Library of Medicine Medline, Premedline y Healthstar as
como a un conjunto de citas en proceso de elaboracin y que son enviadas electrni-
camente por los editores.

Recall = Sensibilidad: Es un parmetro que sirve para evaluar la bsqueda. Equivale al nme-
ro de documentos relevantes recuperados del nmero total de documentos relevantes
existentes en la base de datos. Se expresa en forma de porcentaje.

Record = Registro: En una base de datos cada documento (artculo de revista, captulo de
libro, etc.) est representado por un registro, a su vez cada registro est dividido en un
determinado nmero de campos. (V. Field = Campo)

Relevance = Relevancia: Es la adecuacin del los resultados obtenidos en la bsqueda a los


trminos de demanda de informacin.

Search Strategy = Estratgia de Bsqueda: Traduccin de la pregunta clnica al lenguaje


documental (o controlado), es decir, identificar los trminos especficos y combinarlos
adecuadamente.

Silent = Silencio: Documentos pertinentes para nuestra bsqueda pero que no han sido recu-
perados, es decir, que aunque tratan el tema de la consulta no contienen los trminos
exactos que hemos utilizado.

172
Tema 8 | Bsqueda
Tema
y recuperacin
1 | Mtodos de
e Investigacin
Informacin Cientfica

Specificity = Especificidad: Es otro paramtro (como la exhaustividad) que se utiliza para


evaluar la bsqueda.Equivale al nmero de documentos relevantes recuperados entre
el nmero total de documentos recuperados. Se expresa en forma de porcentaje.

Subheading = Sub encabezamiento: Son trminos que se utilizan junto a descriptores MeSH
para destacar un aspecto especfico del tema. P. Ej., algunos calificadores para una
enfermedad pueden ser: complicaciones, tratamiento con medicamentos, diagnstico,
etc.(complications, drug-therapy, diagnosis, etc.)

Subject Term = Descriptor: Materias que describen el contenido conceptual del documento.
Son precisos y unvocos, y su finalidad es que cada concepto est representado por un
nico trmino, y que cada trmino represente un nico concepto. De esta forma evitan
tener que pensar en todas las posibles palabras que los autores han podido utilizar para
expresar el mismo concepto. P. Ej. Artculos que hablen de nios, pueden aparecer los
trminos: child, childhood, pediatric, infant, etc., si utilizamos el Mesh Child va-
mos a recuperlos todos. Los descriptores que se utilizan en medicina se llaman Mesh
(Medical Subject Headings).

Text Word = Lenguaje/texto libre: Se utiliza el lenguaje libre cuando la bsqueda se realiza
en varios campos de la base de datos y recupera documentos que contengan el trmino
tal y como se ha escrito. En esta bsqueda no se utilizan los descriptores o lenguaje
controlado. (V. Lenguaje controlado)

Thesaurus = Tesauro: Lista estructurada de conceptos, destinados a representar de manera


unvoca el contenido de los documentos y de las consultas dentro de un sistema docu-
mental determinado.

Truncation = Truncamiento: Sirve para buscar palabras que tienen la misma raiz y diferentes
terminaciones, p.ej. si ponemos cardi*, recuperar cardiology, cardiac, cardiovascular,
etc. Dependiendo de la base de datos se utiliza el signo del asterisco (*), dlar ($), o el
interrogante (Tambin conocido como Wild Cards).

173
Tema 1Tema
| Mtodos
1 | Implicancias
e Investigacin
de la Estadstica
Cientfica

Captulo 9

El informe de investigacin

9.1. Determinacin del diseo terico de la investigacin

La investigacin cientfica es una actividad dirigida a solucionar problemas


cientficos. El problema cientfico es una forma especial de conocimiento que refleja
la comprensin y la toma de conciencia, por parte del investigador, de una esfera
de la realidad cuyas propiedades y leyes resultan desconocidas y que es necesario y
posible de indagar.
Existe coincidencia en muchos autores en que la fase ms difcil y creativa de una
investigacin es precisamente la formulacin del problema cientfico. La actitud ob-
servadora, atenta y crtica del investigador, ante los fenmenos relacionados con su
especialidad contribuye a la formulacin de los problemas de investigacin.
La relacin sistemtica con el asunto a investigar, el estudio de la literatura en
existencia sobre el tema y el intercambio con aquellas personas que acerca de esta han
acumulado experiencia terica y prctica, son factores que propician la formulacin
de posibles problemas de investigacin.
Para valorar si determinado problema resulta adecuado a la investigacin, se debe
tener en consideracin que:

1. Sea lo suficientemente importante y significativo como para dedicar esfuerzos en


su investigacin.
2. Sea relativamente nuevo, sin embargo, a pesar de que la originalidad de un problema
es un factor importante, el hecho de que haya sido investigado con anterioridad
no impide que se realice un estudio posterior acerca del mismo problema, ya que
la comprobacin de resultados de investigaciones previas, utilizando mejores y
ms modernos mtodos, o bajo diferentes condiciones, resulta una necesidad de
la ciencia.
3. Pueda ser efectivamente abordado mediante el proceso de investigacin, que sea fac-
tible de acuerdo a las condiciones (caractersticas de los investigadores, posibilidad
de obtencin de los datos necesarios, recursos financieros, tiempo disponible, etc.).

Una vez que el investigador ha logrado formular el problema, deber expresar


con claridad el o los objetivos que pretende alcanzar en su trabajo, los cuales deben
establecer aquellos resultados que espera obtener con esa investigacin.

175
Metodologa de la Investigacin Cientfica

El investigador debe tratar de formular con la mayor precisin posible los obje-
tivos de su trabajo. Es frecuente que en un inicio se trace demasiados, pero luego de
analizados, considerar si es posible englobarlos en uno o dos objetivos generales que
puedan alcanzarse, lo que facilita el resto de las tareas en el curso de la investigacin.
La hiptesis es una suposicin fundamentada tericamente y comprobable de
manera emprica, que responde o soluciona, de forma anticipada, el problema cien-
tfico, y puede ser confirmada o rechazada por los resultados del estudio. La funcin
principal de la hiptesis es orientar a la investigacin.
La hiptesis debe cumplir determinados requisitos: fundamentacin terica,
contrastabilidad emprica (posibilidad de verificacin), generalidad (debe abarcar
la mayor esfera de fenmenos de la realidad que le resulte permisible, atendiendo a
la cantidad y calidad de los datos empricos disponibles), y formulacin adecuada
(lenguaje preciso, claro y cientfico).
Luego de definido el problema, los objetivos y la hiptesis, el investigador de-
ber preocuparse por hallar alguna forma de traducir estos elementos tericos en
acontecimientos observables (definicin operacional de los trminos), lo cual resulta
imprescindible para poder llevar a cabo la investigacin e interpretar posteriormente
los resultados.
Una variable ha sido adecuadamente definida, desde el punto de vista operacional,
cuando los instrumentos o procedimientos basados en ella agrupan datos que consti-
tuyen indicadores satisfactorios de los conceptos que intenta representar.
El diseo terico es un momento de la investigacin cientfica que se caracteriza
por estar cruzado transversalmente por un dominio conceptual y terico profundo.
El investigador debe dominar la lgica interna de la teora, as como los elementos
esenciales de la lgica formal y del movimiento. Tal dominio debe ser demostrado
por el investigador y plasmado en lo que se ha denominado Marco Terico de la
investigacin.
A continuacin les mostraremos a los lectores un esquema de lo que debe ser con-
siderado en el marco terico y los elementos que lo componen.

9.2. La elaboracin del Marco Terico

1. Funciones del Marco Terico

Una vez planteado el problema, es decir, cuando ya se han formulado los objetivos
y las preguntas de investigacin, y adems se ha evaluado su relevancia y factibilidad,
el paso siguiente es sustentar tericamente el estudio o elaborar el marco terico. Esto
significa que se deben analizar y exponer las teoras, los enfoques tericos, las inves-
tigaciones y los antecedentes en general que se consideren vlidos para el correcto
encuadre del estudio.

176
Tema 1 |Tema
Mtodos
9 | EleInforme
Investigacin
de Investigacin
Cientfica

Seis funciones principales del Marco Terico

1. Ayuda a prevenir errores que se han cometido en otros estudios.


2. Orienta sobre cmo habr de realizarse el estudio. En efecto, al acudir a los
antecedentes, nos podemos dar cuenta de cmo ha sido tratado un problema es-
pecfico de investigacin; qu tipos de estudio se han efectuado, con qu tipo de
sujetos, cmo se han recolectado los datos, en qu lugares se ha llevado a cabo,
qu diseos se han utilizado.
3. Ampla el horizonte de estudio y gua al investigador para que se centre en su
problema, evitando desviaciones del planteamiento original.
4. Conduce al establecimiento de hiptesis o afirmaciones que ms tarde habrn de
someterse a prueba en la realidad.
5. Inspira nuevas lneas y reas de investigacin.
6. Provee de un marco de referencia para interpretar los resultados del estudio.

2. Etapas que comprende la elaboracin del Marco Terico

Comprende dos etapas:

1. La revisin de la literatura correspondiente.


2. La adopcin de una teora o desarrollo de una perspectiva terica.

Revisin de la literatura

La revisin de la literatura consiste en consultar en la bibliografa y otros materia-


les que pueden ser tiles para detectar y obtener todo la informacin que se requiere
para los propsitos del estudio, de donde se debe extraer y recopilar la informacin
relevante y necesaria que atae a nuestro problema de investigacin. Esta revisin
debe ser selectiva y se discuti ampliamente en los temas 7 y 8 de este texto.

t Deteccin de la literatura

a) Fuentes primarias (directas): Constituyen el objetivo de la investigacin biblio-


grfica o revisin de la literatura. Libros, artculos de publicaciones peridicas,
monografas, tesis, etc.
b) Fuentes secundarias: Son compilaciones, resmenes y listados de referencias pu-
blicados en un rea de conocimiento en particular.
c) Fuentes terciarias: Se trata de documentos que compendian nombres y ttulos de
revistas y otras publicaciones peridicas, as como nombres de boletines, confe-
rencias, simposios, catlogos de libros bsicos que contienen referencias y datos
bibliogrficos, nombres de instituciones nacionales e internacionales, etc.

177
Metodologa de la Investigacin Cientfica

Inicio de la revisin de la literatura:

a) Directamente en las fuentes primarias.


b) Consultando a uno o varios expertos en el tema de investigacin.

t Obtencin de la literatura
Una vez identificadas las fuentes primarias, es necesario localizarlas fsicamente:
bibliotecas, hemerotecas, bases de datos, etc.

t Consulta de la literatura

a) Seleccionar las que sern de utilidad para nuestro marco terico especfico.
b) En todas las reas del conocimiento, las fuentes primarias ms utilizadas son:
libros, revistas cientficas y tesis doctorales.

t Extraccin y recopilacin de la informacin de inters en la literatura

a) Fichas
b) Cuadernos

La citacin de esta informacin depende de las normas en donde se realice la


investigacin.

3. Cmo se construye el Marco Terico?

Uno de los propsitos de la revisin de la literatura es analizar y discernir si la


teora existente y la investigacin anterior sugieren una respuesta, total o parcial, a la
pregunta o preguntas de investigacin, o bien, proveen una direccin a seguir dentro
del tema de nuestro estudio. La literatura revisada puede revelar:

1. Que existe una teora completamente desarrollada, con abundante evidencia


emprica y que se aplica a nuestro problema de investigacin.
2. Que hay varias teoras que se aplican a nuestro problema de investigacin.
3. Que hay piezas y trozos de teora con apoyo emprico moderado o limitado,
que sugieren variables potencialmente importantes y que se aplican a nuestro
problema de investigacin.
4. Que solamente existen guas an no estudiadas e ideas vagamente relacionadas
con el problema de investigacin.

En cada caso vara la estrategia que habremos de utilizar para construir nuestro
marco terico.

178
Tema 1 |Tema
Mtodos
9 | EleInforme
Investigacin
de Investigacin
Cientfica

t Estrategias para construir un Marco Terico

Esta depende de lo que nos revele la revisin de la literatura.

1. Existencia de una teora completamente desarrollada


Cuando hay una teora capaz de describir, explicar y predecir el fenmeno de una
manera lgica y consistente, y cuando rene los dems criterios de evaluacin
antes mencionados, la mejor estrategia para construir el marco terico es tomar
esa teora como la estructura misma del marco terico. Pero aqu hay que cuidarse
de estudiar un problema que ya ha sido estudiado muy a fondo. Es decir, del caso
de que no tenemos problema real que estudiar.
Cuando encontramos una teora slida que explica el fenmeno o fenmenos
de inters, debemos darle un nuevo enfoque a nuestro estudio: a partir de lo que
ya est comprobado, plantear otras interrogantes de investigacin, obviamente
aquellas que no ha podido resolver an la teora. Por otra parte, puede haber
una buena teora, pero que fue generada en contextos diferentes respecto del que
pretendemos estudiar. En este caso sera interesante tratar de comprobar si ella
se cumple en el contexto diferente al que la gener.

2. Existencia de varias teoras aplicables a nuestro problema de investigacin


Si descubrimos varias teoras aplicables al problema que tenemos, podemos ele-
gir una y basarnos en ella para construir el marco terico o bien tomar parte de
algunas o de todas las teoras, estableciendo un cuadro comparativo entre ellas.
En la primera situacin, elegimos la teora que reciba una evaluacin positiva (de
acuerdo a criterios comentados) y que se aplique ms al problema en cuestin.
En la segunda situacin, se tomara de las teoras solo aquellos aspectos que estn
relacionados con el problema de investigacin. En estos casos, antes de construir
el marco terico, conviene hacer un bosquejo, procurando no caer en contradic-
ciones lgicas. Cuando las teoras se excluyen unas a otras en las proposiciones
ms importantes, se debe elegir una sola. Pero si difieren en aspectos secundarios,
se toman las proposiciones centrales que son ms o menos comunes a todas ellas
y se eligen las partes de cada teora que sean de inters y se acoplen entre s.

3. Existencia de piezas y trozos de teoras (generalizaciones empricas o microteo-


ras)
A veces solo tenemos generalizaciones empricas, proposiciones que han sido
comprobadas en la mayor parte de las investigaciones realizadas. Si revisamos la
literatura, es posible encontrar estos casos. Lo que se hace entonces es construir
una perspectiva terica.
En estas circunstancias, el marco terico se construye incluyendo los resultados y
las conclusiones a que han llegado los estudios antecedentes, de acuerdo con un
esquema lgico (cronolgicamente, por variable o concepto de la proposicin o
por las implicaciones de las investigaciones anteriores).

179
Metodologa de la Investigacin Cientfica

4. Existencia de guas an no investigadas o ideas vagamente relacionadas con el


problema de investigacin
En ocasiones se descubre que se han efectuado pocos estudios dentro del campo
del conocimiento en cuestin. En estos casos es necesario buscar literatura que,
aunque no se refiera al problema estudiado directamente, al menos ayude a orien-
tarse dentro de l.

9.3. Definicin del tipo de investigaciones

Si hemos tomado la decisin de realizar una investigacin, el siguiente paso consiste


en elegir el tipo de estudio que realizaremos. Existe consenso entre los investigadores
en que los tipos de estudios se clasifican en: exploratorios, descriptivos, correlacionales
y explicativos. Esta clasificacin es muy importante, pues del tipo de estudio depende
la estrategia de la investigacin. El diseo, los datos que se recolectan, la manera de
obtenerlos, el tipo de muestreo y otros componentes del proceso de investigacin son
distintos en cada uno de estos tipos de estudios.

1. Estudios exploratorios
Los estudios exploratorios se efectan, normalmente, cuando el objetivo es examinar
un tema o un problema de investigacin poco estudiado o que no ha sido abordado
antes. Es decir, cuando la revisin de la literatura revel que nicamente hay guas no
investigadas e ideas vagamente relacionadas con el problema de estudio.
Los estudios exploratorios sirven para familiarizarnos con fenmenos relativa-
mente desconocidos, obtener informacin sobre la posibilidad de llevar a cabo una
investigacin ms completa sobre un contexto particular de la vida real, investigar
problemas del comportamiento humano que consideren cruciales los profesionales de
determinada rea, identificar conceptos o variables promisorias, establecer priorida-
des para investigaciones posteriores o sugerir afirmaciones (postulados) verificables.
Los estudios exploratorios en pocas ocasiones constituyen un fin en s mismos, por
lo general determinan tendencias, identifican relaciones potenciales entre variables
y establecen el tono de investigaciones posteriores ms rigurosas. Se caracterizan
por ser ms flexibles en su metodologa en comparacin con los estudios descriptivos
o explicativos, y son ms amplios y dispersos que estos otros dos tipos. Asimismo,
implican un mayor riesgo y requieren gran paciencia, serenidad y receptividad por
parte del investigador.

2. Estudios descriptivos
Los estudios descriptivos buscan especificar propiedades importantes de personas,
grupos, comunidades o cualquier otro fenmeno que sea sometido a anlisis. Miden
o evalan diferentes aspectos, dimensiones o componentes del fenmeno a investigar.
Desde el punto de vista cientfico, describir es medir. Esto es, en un estudio descriptivo
se selecciona una serie de cuestiones y se mide cada una de ellas independientemente,
para as describir lo que se investiga.

180
Tema 1 |Tema
Mtodos
9 | EleInforme
Investigacin
de Investigacin
Cientfica

Los estudios descriptivos miden conceptos


Estos estudios miden de manera ms bien independiente los conceptos o variables
a los que se refieren. Aunque, desde luego, pueden integrar las mediciones de cada una
de dichas variables para decir cmo es y cmo se manifiesta el fenmeno de inters,
su objetivo no es indicar cmo se relacionan las variables medidas.
As, como los estudios exploratorios se interesan fundamentalmente en descubrir,
los descriptivos se centran en medir con la mayor precisin posible. En esta clase de
estudio el investigador debe ser capaz de definir qu se va a medir y cmo lograr la
precisin en esa medicin. Asimismo, debe ser capaz de especificar quines o qu
deben estar incluidos en la medicin.
La investigacin descriptiva, en comparacin con la naturaleza poco estructurada
de los estudios exploratorios, requiere de considerable conocimiento del rea que se
investiga para formular las preguntas especficas que busca responder. La descripcin
puede ser ms o menos profunda, pero en cualquier caso se basa en la medicin de
uno o ms atributos del fenmeno descrito.
Estos estudios pueden ofrecer la posibilidad de predicciones aunque sean rudi-
mentarias.

3. Estudios correlacionales
Estos estudios tienen como propsito medir el grado de relacin que existe entre
dos o ms conceptos o variables (en un contexto particular).
En ocasiones solo se analiza la relacin entre dos variables, lo que puede repre-
sentarse como:

X Y

Pero frecuentemente se ubican en el estudio relaciones entre tres variables, lo cual


se puede representar as:

X Y

Otras veces se incluyen relaciones mltiples:

X Y W

Z F

181
Metodologa de la Investigacin Cientfica

En este ltimo caso se plantean cinco correlaciones: X con Y, X con Z, Y con Z,


Y con W y Z con F. Obsrvese que no se est correlacionando X con F, X con W, Y
con F, ni W con Z.
Los estudios correlacionales miden las dos o ms variables que se pretende ver si
estn o no correlacionadas en el mismo sujeto y despus se analiza la correlacin.
El propsito y utilidad principal de los estudios correlacionales son de saber cmo
se puede comportar un concepto o una variable conociendo el comportamiento de
otras variables relacionadas. Es decir, intentar predecir el valor aproximado que ten-
dr un grupo de individuos en una variable conociendo el comportamiento de otras
variables relacionadas.
La correlacin puede ser positiva o negativa. Si es positiva, significa que sujetos
con altos valores en una variable tendern a mostrar altos valores en la otra variable.
Si es negativa, significa que sujetos con altos valores en una variable mostrarn bajos
valores en la otra variable.
Si no hay correlacin entre las variables, ello nos indica que estas varan sin seguir
un patrn sistemtico entre s.
Los estudios correlacionales se distinguen de los descriptivos principalmente en
que, mientras estos se centran en medir con precisin las variables individuales (va-
rias de las cuales se pueden medir con independencia en una sola investigacin), los
estudios correlacionales evalan el grado de relacin entre dos variables, pudindose
incluir varios pares de evaluaciones de esta naturaleza en una nica investigacin
(comnmente se incluye ms de una correlacin).
La investigacin correlacional tiene, en alguna medida, un valor explicativo aun-
que parcial. Saber que dos conceptos o variables estn relacionadas aporta cierta
informacin explicativa.
Sin embargo, existe un riesgo: puede darse el caso de que dos variables estn
aparentemente relacionadas, pero que en realidad no lo estn. Esto se conoce como
correlacin espuria. Ante esta situacin, es necesario avanzar hasta las investigaciones
de carcter explicativo para conocer su existencia.

4. Los estudios explicativos

Estos estudios van ms all de la descripcin de conceptos o fenmenos o del


establecimiento de relaciones entre conceptos; estn dirigidos a responder a cules
son las causas de los eventos fsicos y sociales. Como su nombre lo indica, su inters
se centra en explicar por qu ocurre un fenmeno y en qu condiciones se manifiesta
este, o por qu dos o ms variables estn relacionadas.
Las investigaciones explicativas son ms estructuradas que las dems clases de
estudios y de hecho implican los propsitos de todas ellas (exploracin, descripcin y
correlacin), adems de que proporcionan un sentido de entendimiento del fenmeno
a que hacen referencia.

182
Tema 1 |Tema
Mtodos
9 | EleInforme
Investigacin
de Investigacin
Cientfica

Una investigacin puede incluir elementos de los diferentes tipos de estudio?

Algunas veces una investigacin puede caracterizarse como exploratoria, descripti-


va, correlacional o explicativa, pero no situarse nicamente como tal. Esto es, aunque
un estudio sea esencialmente exploratorio contendr elementos descriptivos, o bien
un estudio correlacional incluir elementos descriptivos, y lo mismo ocurre con cada
una de las clases de estudio.
Asimismo, como se mencion antes, una investigacin puede iniciarse como ex-
ploratoria o descriptiva y despus puede llegar a ser correlacional y aun explicativa.

De qu depende que una investigacin se inicie como exploratoria, descriptiva,


correlacional o explicativa?

Son dos los factores que inciden en que una investigacin se inicie con algunas de
estas clases de estudio: el conocimiento actual del tema de investigacin que nos revele
la revisin bibliogrfica y el enfoque que el investigador pretenda dar a su estudio.
En primer trmino, la literatura puede revelar que no hay antecedentes sobre el
tema en cuestin o que no son aplicables al contexto en el cual habr de desarrollarse
el estudio, entonces la investigacin deber iniciarse como exploratoria. S la literatura
nos revela guas an no estudiadas e ideas vagamente vinculadas con el problema de
investigacin, la situacin es similar, es decir, el estudio se iniciar como exploratorio.
En segundo trmino, la literatura nos puede revelar que hay piezas y trozos de
teora con apoyo emprico moderado, esto es, estudios descriptivos que han detectado
y definido ciertas variables. En estos casos nuestra investigacin puede iniciarse como
descriptiva, pues hay detectadas ciertas variables en las cuales se puede fundamentar
nuestro estudio. Asimismo, se pueden adicionar variables a medir.
En tercer trmino, la literatura nos puede revelar la existencia de una o varias re-
laciones entre conceptos o variables. En estas situaciones la investigacin se iniciar
como correlacional. En cuarto trmino, la literatura nos puede revelar que existe una
o varias teoras que se aplican a nuestro problema de investigacin; en estos casos, el
estudio puede iniciarse como explicativo.
Por otra parte, el enfoque que el investigador le d a su estudio determina cmo se
iniciar este. Si piensa realizar un estudio acerca de un tema ya estudiado previamen-
te, pero dndole un enfoque diferente, el estudio puede iniciarse como exploratorio.

Cul de los cuatro tipos de estudio es el mejor?

Ninguno. Los cuatro tipos de investigaciones son igualmente vlidos e importan-


tes. Todos han contribuido al avance de las diferentes ciencias. Cada uno tiene sus
objetivos y razn de ser. Lo importante es que el inicio de alguno de estos estudios se
realice respetando los objetivos que cada uno de estos tiene.

183
Metodologa de la Investigacin Cientfica

9.4. El Marco Terico y la Hiptesis

Hemos discutido en temas anteriores algunos aspectos de la hiptesis. A continua-


cin sealaremos otros que no fueron considerados en ese momento y que lo hacemos
ahora en el contexto del marco terico.

Relacin dato-hiptesis

r Un dato, es decir, un elemento de informacin no es una hiptesis. Cualquier


hiptesis va ms all de la evidencia de los datos que se intenta explicar, esto es,
la hiptesis tiene un contenido ms considerable que las proposiciones empricas
cubiertas por ella. La hiptesis no es un dato, es una idea, una construccin lgica
a partir de datos.
r Para la hiptesis los datos en que se apoya posibilitan cierta probabilidad de que
esta sea cierta.
r La hiptesis se formula a partir de alguna informacin, pero no es la informacin
misma, sino una conclusin provisoria de ella.
r Los datos se refieren a hechos concretos, cuya existencia es atestiguada por medios
objetivos de investigacin que se refieren a propiedades, rasgos, hechos observa-
bles. La hiptesis, en cambio, se refiere a fenmenos o propiedades que hasta el
momento no han sido observadas.
r Las hiptesis se formulan para explicar hechos ya conocidos o pronosticar algunos
desconocidos. Es natural, entonces, que su extensin sea ms amplia que la de los
datos existentes y su contenido ms profundo y slido que el del conocimiento
emprico.
r El centro de la actividad cognoscitiva de la ciencia no son los datos, sino las hi-
ptesis. Los datos se acumulan para ser utilizados como evidencia, en pro o en
contra de las ideas cientficas llamadas hiptesis.
r En la ciencia no se acumulan datos ciegamente, que podran ser infinitos para
cualquier mbito de estudio. Los nicos datos que se registran en la ciencia son
los relevantes para alguna idea de inters. En la actividad investigativa lo que
permite seleccionar informacin, de un cmulo infinito de datos, es la hiptesis
que gua nuestra investigacin.
r Los datos no tienen sentido ni pueden ser relevantes mas que en un contexto terico.
r La acumulacin arbitraria de datos es, en gran parte, prdida de tiempo si no
va acompaada de una elaboracin capaz de guiar su seleccin e interpretar sus
resultados.

Definicin conceptual y operacional de las variables contenidas en una hiptesis


como parte de su formulacin

Al formular una hiptesis, es importante definir los trminos o variables que estn
siendo incluidos en ella. Esto es necesario por varios motivos:

1. Para la comprensin total del estudiopor otros investigadores.

184
Tema 1 |Tema
Mtodos
9 | EleInforme
Investigacin
de Investigacin
Cientfica

2. Asegurarnos de que las variables puedan ser evaluadas en la realidad (posibilidad


de comprobacin emprica).
3. Poder confrontar nuestra investigacin con otras similares o iguales.
4. Poder evaluar ms adecuadamente los resultados de nuestra investigacin, porque
las variables, y no solo las hiptesis, han sido contextualizadas.

En conclusin: sin definicin de las variables no hay investigacin. Estas variables


deben ser definidas conceptualmente y operacionalmente.

Definicin conceptual

Una definicin conceptual define el trmino o variable con otros trminos que
describen las caractersticas y rasgos principales del objeto de estudio. Esto consti-
tuye la adecuacin de la definicin conceptual a los requerimientos prcticos de la
investigacin.

Definicin operacional

Ser trata del conjunto de procedimientos que describen las actividades que un ob-
servador debe realizar para la obtencin de un dato concreto del objeto observado.
En otras palabras, especifican qu actividades u operaciones deben realizarse para
medir una variable.
Cuando el investigador dispone de varias alternativas para definir operacionalmente
una variable, se debe elegir la que proporcione mayor informacin sobre la variable,
capte mejor su esencia de ella, se adecue ms a su contexto y sea ms precisa. Los
criterios para evaluar una definicin operacional son bsicamente tres: adecuacin al
contexto, confiabilidad y validez.

9.5. Diseos Experimentales

1. Qu es un diseo de investigacin?

Es la manera prctica y concreta que el investigador debe idear para responder a


las preguntas de la investigacin. Esto implica seleccionar o desarrollar un diseo de
investigacin y aplicarlo al contexto particular de su estudio. El trmino diseo se
refiere al plan formulado o a la estrategia concebida para responder a las preguntas
de investigacin.
El diseo seala al investigador lo que debe hacer para alcanzar sus objetivos de
estudio, contestar a las interrogantes que se ha planteado y analizar la certeza de las
hiptesis formuladas en un contexto en particular.
Si el diseo est bien concebido, el producto final de su estudio (sus resultados)
tendr mayores posibilidades de ser vlido. Y no es lo mismo seleccionar un tipo de
diseo que otro; cada uno tiene sus caractersticas propias, como se ver ms adelante.
La precisin de la informacin obtenida puede variar en funcin del diseo escogido.

185
Metodologa de la Investigacin Cientfica

2. Tipos de diseos

Hay dos tipos esencialmente: Investigacin experimental y no experimental.

r La investigacin experimental puede dividirse en: pre-experimentos, experimentos


puros (verdaderos) y cuasi-experimentos.
r La investigacin no experimental puede subdividirse en: diseos transversales y
diseos longitudinales.

Un tipo de investigacin no es mejor que otro. El elegido depender de varios


factores, de los cuales los principales son: el problema a solucionar, la hiptesis y los
objetivos que se han propuesto.

Concepto de experimento

El trmino experimento puede tener al menos dos acepciones, una general y


otra particular.
La general se refiere a tomar una accin y despus observar las consecuencias.
La esencia de esta concepcin de experimento es que requiere la manipulacin
intencional de una accin para analizar posibles efectos.
La acepcin particular, ms armnica con un sentido cientfico del trmino, se
refiere a un estudio de investigacin en el que se manipulan deliberadamente una o
ms variables independientes (supuestas causas) para analizar las consecuencias que
la manipulacin tiene sobre una o ms variables dependientes (supuestos efectos),
dentro de una situacin de control para el investigador.
Los experimentos puros manipulan variables independientes para ver sus efectos
sobre variables dependientes en una situacin de control.
Si tomamos la acepcin general del trmino experimento, los preexperimentos, los
experimentos verdaderos y los cuasiexperimentos podran considerarse experimentos,
ya que toman una accin y miden sus efectos. En cambio, si tomamos la segunda
acepcin, solo los experimentos puros seran experimentos y ambos conceptos
se consideraran equiparables.

3. Requisitos de un experimento puro

1. El primer requisito se refiere a la manipulacin intencional de una o ms variables


independientes.
La variable independiente es la que se considera como supuesta causa en una
relacin entre variables; es la condicin antecedente, y al efecto provocado por
dicha causa se le denomina variable dependiente. Un experimento se lleva a cabo
para analizar si una o ms variables independientes afectan a una o ms variables
dependientes y por qu lo hacen.
En un autntico experimento, la variable independiente resulta de inters para el
investigador por ser la variable que se hipotetiza, que ser una de las causas que
producen el efecto supuesto. Para obtener evidencia de esta relacin causal supues-

186
Tema 1 |Tema
Mtodos
9 | EleInforme
Investigacin
de Investigacin
Cientfica

ta, el investigador manipula la variable independiente y observa si la dependiente


vara o no. Aqu, manipular es sinnimo de hacer variar o dar distintos valores a
la variable independiente.
La variable dependiente no se manipula, sino que se mide para ver el efecto que
la manipulacin de la variable independiente tiene en ella.
La manipulacin o variacin de la variable independiente puede realizarse en dos
o ms grados. El nivel mnimo de manipulacin es en dos situaciones : presencia-
ausencia de la variable independiente. Cada nivel o grado de manipulacin implica
un grupo en el experimento.
La presencia-ausencia implica que se expone a un grupo a la presencia de la va-
riable independiente y a otro no. Luego los dos grupos son comparados.
A la presencia de la variable independiente se le llama tratamiento experimen-
tal. Es decir, el grupo experimental recibe el tratamiento o, lo que es lo mismo,
se le expone a la variable independiente; el grupo control no recibe el tratamiento
experimental.
Al manipular una variable independiente es necesario especificar qu se va a en-
tender por esa variable en el experimento. Es decir, trasladar el concepto terico
a un estmulo experimental en una serie de operaciones y actividades concretas
a realizar.
2. El segundo requisito es medir el efecto que la variable independiente tiene en la
variable dependiente. Esto es igualmente importante y, cmo en la variable depen-
diente se observa el efecto, la medicin debe ser vlida y confiable.
3. El tercer requisito que todo experimento verdadero debe cumplir es el control o
validez interna de la situacin experimental. El trmino control tiene varias con-
notaciones dentro de la experimentacin. Sin embargo, su acepcin ms comn es
que, si en el experimento se observa que una o ms variables independientes hacen
variar a las dependientes, la variacin de estas ltimas se debera a la manipula-
cin y no a otros factores y causas; si se observa que una o ms independientes
no tienen un efecto sobre las dependientes, se puede estar seguro de ello. Cuando
hay control podemos conocer la relacin causal, cuando no se logra el control no
se puede conocer dicha relacin.

Fuentes de validacin interna

Se refiere a cunta confianza tenemos en que los resultados del experimento sean
posibles de ser interpretados y estos sean vlidos. La validez interna se relaciona con
la calidad del experimento y se logra cuando hay control, cuando los grupos difieren
entre s solamente en la exposicin a la variable independiente, cuando las mediciones
de la variable dependiente son confiables y vlidas, y cuando el anlisis es adecuado
para el tipo de datos que se estn manejando.

Fuentes de validez externa

Si un experimento ante todo busca validez interna, es decir, cun confiables son
los resultados, en cambio la validez externa se refiere a qu tan generalizables son los

187
Metodologa de la Investigacin Cientfica

resultados de un experimento a situaciones no experimentales y a otros sujetos de la


poblacin. Lo que encontr en el experimento, a qu sujetos, poblaciones, contextos,
variables y situaciones puede aplicarse?
Disear un experimento significa reunir informacin acorde con el problema cien-
tfico sometido a investigacin.
El diseo de un experimento es la secuencia de pasos tomados de antemano para
asegurar que los datos apropiados se obtendrn de modo que permitan un anlisis
objetivo, lo cual pasa por entender correctamente los objetivos de la investigacin.

Por que la necesidad de un diseo experimental?

Cuando nos encontramos frente a un problema pueden formularse muchas pre-


guntas; mientras ms general es el problema, ms preguntas habr que realizar.

Tipos de experimentos

Los diseos experimentales pueden ser subdivididos en tipos desde un punto de


vista muy general: 1) pre-experimentos; 2) experimentos puros y c) cuasi-experimentos.
Siguiendo a los autores clsicos al respecto, podemos utilizar la siguiente simbologa:

R: Asignacin al azar. Esto quiere decir que los sujetos que conforman uno o ms
grupos han sido elegidos al azar para cada grupo, como hemos sealado en temas
anteriores.

G: Designa los grupos de sujetos considerados para un experimento determinado.

X: Tratamiento al cual es sometido un grupo determinado.

O: Es una medicin que se realiza sobre un grupo determinado.

: Ausencia de la aplicacin de un tratamiento a un grupo determinado.

Pre-experimentos: Se denominan as porque el grado de control de la variable in-


dependiente es mnimo.

1. Estudio de un grupo aplicando a este el tratamiento respectivo y midiendo las


posibles consecuencias del tratamiento sobre el objeto de investigacin.

Se puede simbolizar de la siguiente forma:

G X O

Se esgogi un grupo, se aplic el tratamiento y luego se midieron los efectos de


dicho tratamiento.

188
Tema 1 |Tema
Mtodos
9 | EleInforme
Investigacin
de Investigacin
Cientfica

Caractersticas:

a) No hay manipulacin de la variable dependiente.


b) Se desconoce el comportamiento de la variable antes de aplicar el tratamiento.
c) No existe un grupo con el cual se puedan comparar los resultados de la aplicacin
de dicho tratamiento.
d) No es posible conocer con certeza el impacto de la causalidad de la variable in-
dependiente.

2. Diseo de preprueba-posprueba con un solo grupo.

Se puede simbolizar de la siguiente forma

G O1 X O2

Se escoge un grupo, se mide la variable de inters sin haber aplicado el tratamiento


a un grupo, luego se aplica el tratamiento respectivo al mismo grupo y despus se
vuelve a medir la variable estudiada para este grupo.

Caractersticas:

a) Existe un punto de referencia para conocer el comportamiento de la variable en


estudio: el grupo es medido antes y despus del tratamiento.
b) Si no se consideran al extremo las condiciones del control interno, es difcil deter-
minar con exactitud la magnitud del impacto de la variable independiente, es decir,
no se conoce la causalidad con certeza.

Por estas razones, los estudios pre-experimentales pueden utilizarse como estudios
exploratorios.

Experimentos puros: Se caracterizan por tener dominio del control interno y validez
interna. Aqu se establecen los grupos de comparacin, los cuales sern sometidos a
la accin de una o ms variables independientes, donde estos grupos son tan equiva-
lentes como se pueda.

1. Diseo con posprueba nicamente y grupo de control.

Est conformado por dos grupos escogidos al azar, de los cuales solo uno de ellos
se somete a la accin de la variable independiente estudiada.

Se puede simbolizar de la siguiente forma:

RG1 X O1

RG2 -- O2

189
Metodologa de la Investigacin Cientfica

Caractersticas:

a) Si los grupos son equivalentes, la nica diferencia entre ellos se debe a la presencia
o a la ausencia de la variable independiente o aplicacin del tratamiento corres-
pondiente.
b) El experimento debe realizarse al mismo tiempo en ambos grupos o, en su defecto,
debe asegurarse que todas las condiciones, a la cual estn sometidos ambos grupos
en la condicin experimental, sean las mismas.

Los resultados posibles que podemos encontrar son los siguientes:

a) O1 = O2

b) O1 > O2

c) O1 < O2

Puede ocurrir que se deseen estudiar varios niveles de la variable independiente. Si


as ocurriera, entonces se puede simbolizar:

RG1 X1 O1

RG2 X2 O2

RG3 X3 O3
. . .
. . .

RGn Xn On

2. Diseo con preprueba-posprueba y grupo de control

Este diseo es semejante al anterior, pero esta vez se incorpora una pruprueba
para ambos grupos.

Se puede simbolizar de la siguiente forma:

RG1 O1 X O2

RG2 O3 -- O4

Como se observa, entre el proceso de asignacin al azar de los sujetos y la apli-


cacin del tratamiento, existe una medicin de la variable estudiada.

190
Tema 1 |Tema
Mtodos
9 | EleInforme
Investigacin
de Investigacin
Cientfica

Caractersticas:

a) Los valores observados en la pre-prueba (O1 y O3) constituirn una forma de


controlar el experimento. Si se comparan ambas pre-pruebas y no se observan
diferencias entre estas dos pre-pruebas, se pude asumir que los grupos son iguales
entre s y eso de debe, entre otros aspectos, a que la asignacin al azar fue exitosa.
b) Este tipo de prueba permite estimar la diferencia entre los grupos de pre-prueba
y pos-prueba.

Por extensin, se pueden estudiar varios grupos:

RG1 O1 X1 O2

RG2 O3 X2 O4

RG3 O5 X3 O6

. . . .
. . . .
RGn O2 Xn On

3. Diseo de cuatro grupos de Salomn

Este diseo constituye una mezcla de los dos analizados anteriormente. Lo ante-
rior implica que se conforman cuatro grupos: dos experimentales y dos de control.
Obviamente, los dos primeros reciben tratamiento experimental y los segundos no.
Solo a uno de los grupos experimentales y de los grupos controles se les aplica la pre-
prueba y a todos se les aplica la pos-prueba.

Se puede simbolizar de la siguiente forma:

RG1 O1 X O2

RG2 O3 -- O4

RG3 -- X O5

RG2 -- -- O6

El efecto del fenmeno estudiado sobre la variable analizada se observa compa-


rando las cuatro pos-pruebas. Como el tratamiento solo se aplica en los grupos 1 y
3, estos son experimentales, mientras que el resto son controles.

191
Metodologa de la Investigacin Cientfica

Caracterstica:

Este diseo proporciona la posibilidad de observar el efecto o los efectos de la


preprueba sobre la pos-prueba

9.6. Determinacin del Diseo Metodolgico de la Investigacin

En esta primera etapa de la investigacin es importante definir si vamos a trabajar


con una poblacin completa o si se trabajar con una muestra de ella. En el caso de
trabajar con una muestra habr que tomar decisiones sobre el tamao y el tipo de
la muestra.
Una vez definida la poblacin y la muestra de la investigacin, se debern deter-
minar las vas mediante las cuales pretende obtenerse la informacin.
En qu se apoya el cientfico para seleccionar los mtodos de la investigacin? El
diseo terico (problema, hiptesis, objetivos, variables conceptuales y operacionales)
es el que debe orientar la bsqueda de aquellos procedimientos metodolgicos que
permitirn dar solucin al problema de la investigacin.
Al decidir acerca del conjunto de mtodos, procedimientos, tcnicas e instrumentos
a utilizar en el estudio, el investigador deber tener en cuenta las ventajas y limitacio-
nes de cada uno y optar por aquel conjunto de mtodos necesarios y suficientes para
lograr los objetivos de la investigacin.

9.7. Elaboracin del Proyecto de Investigacin

El proyecto de investigacin es el resultado final de la elaboracin previa de diseo


terico. Este proyecto o plan se esboza al principio y con posterioridad se concreta,
precisa y revisa en parte o en su totalidad.
A continuacin haremos una sugerencia de la posible estructura que un proyecto
de investigacin debiera tener:

1. Ttulo
2. Introduccin
3. Marco Terico
3.1. Cuerpo de conocimientos existentes sobre un objeto determinado.
3.2. Diseo Terico
r Problema
r Hiptesis
r Objetivos (generales y especficos)
r Definicin de conceptos
4. Diseo metodolgico
r Poblacin y muestra
r Variables operacionales
r Mtodos y tcnicas

192
Tema 1 |Tema
Mtodos
9 | EleInforme
Investigacin
de Investigacin
Cientfica

r Justificacin de los mtodos y tcnicas a emplear.


r Fuentes de financiamiento
5. Cronograma
6. Bibliografa

9.8. Redaccin del Informe de Investigacin

Si me ofreciesen la sabidura con la condicin de guardarla para m


sin comunicarla a nadie, no la querra.
Lucio Anneo Sneca

El informe de investigacin es el documento en que se recoge todo el trabajo efec-


tuado en el proceso de la labor investigativa. Debe poseer determinadas caractersticas,
alguna de las cuales son las siguientes:

1. Precisin de la redaccin
2. Lgica en la consecutividad de la exposicin
3. Argumentacin convincente
4. Brevedad y exactitud en su presentacin

El informe de la investigacin cumple la importante funcin de comunicar la


informacin, razn por la cual se recomienda todo lo que contribuya a facilitarla.

Sugerencias acerca de la estructura de un informe de investigacin:

1. Portada y contraportada
2. ndice
3. Resumen
4. Introduccin
5. Fundamentacin terica (Marco Terico)
6. Diseo terico
r Problema
r Hiptesis
r Objetivos
r Definicin de conceptos
7. Diseo metodolgico
r Muestra y poblacin
r Mtodos y tcnicas
r Variable operacionales
r Descripcin de los procedimientos de anlisis de los datos
8. Evaluacin de los resultados (Resultados y Discusin)
9. Conclusiones
10. Recomendaciones
11. Bibliografa
12. Anexos
193
Metodologa de la Investigacin Cientfica

Breve explicacin de los elementos estructurales de un informe de investigacin

Portada y contraportada. En la portada y en la primera hoja del informe se deben


escribir los siguientes datos:

1. Institucin en la cual se realiza la investigacin


2. Ttulo de la investigacin
3. Nombre y apellidos completos del autor o de los autores
4. Fecha de emisin del informe

ndice. En la segunda hoja del informe deber escribirse el ndice, destacando el n-


mero de la pgina en que se encuentra cada una de las partes del trabajo.
Resumen. En pgina aparte deber aparecer el resumen de la investigacin. Este debe
reflejar el contenido fundamental del trabajo y se elabora con el objeto de brindar
informacin sinttica que sirva al lector para tomar la decisin sobre la utilidad que
este trabajo le puede brindar. El texto del resumen debe reflejar qu se estudia, los
objetivos, los mtodos, los principales resultados y conclusiones.
Introduccin. Deber realizarse una breve presentacin de la problemtica de que
trata la investigacin. Se debe hacer una argumentacin terica y prctica, as como
un anlisis contextualizado del problema objeto de estudio, enfatizando las razones
que apoyan su seleccin y justifican su investigacin.

Fundamentacin o Marco Terico. Refleja la posicin personal del autor en cuanto


al anlisis del estado actual, tendencias y perspectivas del tema de su investigacin. Se
describen los conceptos y leyes fundamentales de la teora que sustentan la compren-
sin del fenmeno estudiado. Se analizan las diferentes teoras que pueden coexistir
en un momento determinado.Se discuten los mtodos existentes empleados para la
obtencin de datos y se expresa claramente el potencial cognoscitivo que cada uno
de estos tiene. Se realiza sobre la base de la revisin bibliogrfica.
Diseo Terico. Incluye la formulacin del problema, objetivos, hiptesis y defini-
cin de conceptos.
Diseo Metodolgico. Abarca la definicin de la poblacin y la muestra, los
mtodos empricos y tcnicas empleadas, as como el procedimiento seguido en el
anlisis de la informacin.

Evaluacin de los resultados:

a) Resultados. Se presentan el producto del procesamiento de los datos, la valo-


racin estadstica de los resultados y la generalizacin emprica de estos.
b) Discusin: La discusin no es ms que el enfrentamiento de los resultados ob-
tenidos en la investigacin con la teora existente. Es una valoracin cualitativa del
grado en que los resultados de un trabajo pueden ser explicados por la teora existente
o del grado de coincidencia que existe entre estos resultados y la teora. Por ningn
motivo se repite lo que ya est expresado en la seccin resultados.
Recomendaciones. El objetivo bsico de un trabajo de investigacin es de obtener

194
Tema 1 |Tema
Mtodos
9 | EleInforme
Investigacin
de Investigacin
Cientfica

resultados que puedan ser introducidos a la teora o con un fin prctico o ambos.
Sin embargo, los hallazgos observados en una investigacin generalmente resuelven
pequeos problemas o simplemente no terminan de solucionar el problema central.
Tambin pueden ocurrir acontecimientos que limiten el potencial cognoscitivo de la
investigacin realizada. As pueden surgir resultados que requieran de la realizacin
de otras investigaciones confirmatorias. De este modo, las recomendaciones deben
ofrecer ideas aplicables para enriquecer futuras investigaciones, para superar las li-
mitaciones encontradas en una investigacin determinada o para profundizar en la
fase emprica y en la teora de un problema determinado.
Bibliografa. La bibliografa consultada se expone teniendo en cuenta determina-
dos requisitos. Estos requisitos se construyen de acuerdo a las instituciones en que se
realizan los trabajos o normas ya establecidas. Como estas normas son diferentes, no
se discute ninguna en particular en este texto.
Anexos. Los anexos (o apndices) se conforman a continuacin del informe, en las
ltimas pginas.
Cada anexo comienza en una nueva pgina y tendr un ttulo temtico. En los
anexos se incluye el material auxiliar, que no debe aparecer en el texto del informe
principal para no recargarlo y para permitir que no disminuya la atencin del lector
en los aspectos principales del informe. Este material auxiliar incluye, por lo general:

a) Ilustraciones
b) Tablas
c) Frmulas
d) Modelos de instrumentos utilizados en el trabajo, etc.
e) Descripcin de modificaciones de un mtodo o tcnicas
f) Descripcin detallada del uso de un nuevo mtodo o tcnica inventada por los
autores del trabajo y que no haya sido publicada.
La cantidad de ilustraciones presentadas en el informe se determina por su conte-
nido y debe ser suficiente para darle al texto claridad y precisin.

Bibliografa

Alcina, J. (1994) Aprender a Investigar. Edit. Compaa Literaria. Madrid.


Dulock, H. L. (1993) Research design: descriptive research. J. Pediatr. Oncol. Nurs. 10 (4):
154-157.
Eco, H. (1987) Cmo se hace una tesis. Tcnicas y procedimientos de investigacin, estudio y
escritura. Edit. Gedisa. Mxico.
Fernndez, R; Fernndez-Collado, C; Baptista, P (2006) Metodologa de la investigacin. Iv
Edicin. McGraw-Hill. Mxico.
Garca, J. L. (1995) Cmo Elaborar un Proyecto de Investigacin. Secretariado de Publicacio-
nes. Universidad de Alicante. Espaa.
Kuehl, R (2001) Diseo de Experimentos. Thomson-Learning. Australia.

195
Metodologa de la Investigacin Cientfica

Lpez, J.; Sagredo, F. (1981) Estudios de documentacin general e informativa. UNED. Semi-
nario Millares Carlo. Madrid.
Machado, R. J. (1988) Cmo se forma un investigador. Editorial de Ciencias Sociales. La
Habana.
Milton, JS (2007) Estadsticas para Biologa y Ciencias de la Salud. McGraw-Hill. Interam-
rica. Madrid.
Muoz, C (1998) Cmo elaborar y asesorar una investigacin de Tesis. Prentice-Hall. Mxico
Ostle, B (1974). Estadstica Aplicada. Editorial Cientfico-Tcnica. La Habana.
Snedecor, GW; Cochran, WG (1979) Statistical Methods. 6th Edition. Ames, Iowa, USA.
Vicente, ML; Girn, P; Nieto, C; Prez, T (2005) Diseo de Experimentos. Pearson Educacin.
Madrid.

196
Tema 1 | Mtodos e Investigacin
Tema 2 | Probabilidad
Cientfica

Segunda Parte

)WXEHuWXMGEETPMGEHE]IPIQIRXSW
HIPHMWIySHII\TIVMQIRXSW

197
Tema 1 | Mtodos e Investigacin Cientfica

Las verdades cientficas, de cualquier orden que sean, se alcanzan eliminando los factores
perturbadores o contradictorios y reconociendo tan slo los factores fundamentales.
Spencer

199
Tema 1 | Mtodos e Investigacin
Tema 2 | Probabilidad
Cientfica

Captulo 1

Implicancias de la estadstica para la


medicina, la odontologa y la biomedicina

La medicina actualmente tiene un amplio espectro de actividades y acciones que


comprometen la prevencin y curacin de los estados morbosos, el control higinico
del medio ambiente, la proteccin de la salud en el medio laboral y la ejecucin de
programas sanitarios que permitan un ptimo estado de salud de la poblacin. Los
aspectos sealados involucran no solo al ser humano en estado patolgico, sino que
compromete al ser humano sano y al medio en el cual estn insertos.
Por tanto, ya no solo se trata de mirar a la medicina a travs del prisma nico de la
individualidad, sino que en esta se incluye un carcter social. Es ms, cada vez que se
trata a un paciente individualmente en relacin con un estado patolgico particular,
el mdico se ve en la obligacin de indagar en las condiciones de vida que el paciente
tiene, su forma y tipo de nutricin, su ambiente familiar y hasta su condicin social,
para auxiliarse en un buen diagnstico clnico o tratar de aumentar las probabilidades
de que este sea lo ms acertado posible y, al mismo tiempo, para aprender de todos
aquellos factores que determinan que una persona o grupo de ellas tengan un estado
de salud ptimo en relacin con sus semejantes que no poseen esta condicin.
Lo anteriormente expuesto, obliga a todo profesional de la medicina a poseer los
conocimientos necesarios para conocer todos aquellos factores que podran constituir
un riesgo para el desencadenamiento (en sus distintas formas) de una cierta patologa.
Esto slo es posible lograrlo, ya sea por el dominio de tcnicas que permitan hacer
estas determinaciones y que, a su vez, favorezcan colateralmente la realizacin de
sus propias investigaciones, o bien considerando de la literatura cientfico-mdica el
razonamiento de trabajos realizados por otros profesionales de su especialidad en
relacin con esta problemtica.
Esta situacin es posible abordarla mediante la aplicacin de diferentes mtodos
estadsticos que posibiliten el manejo de datos con racionalidad y poder obtener ge-
neralizaciones empricas vlidas.

1.1. Concepto de estadstica. Breve esbozo acerca de su origen

La estadstica no es simplemente una compilacin y presentacin de datos en tablas


y grficos. Estos son parte de la estadstica en su rama ms elemental. La estadstica

201
Metodologa de la Investigacin Cientfica

es una ciencia que permite tomar decisiones frente a diferentes problemas que surgen
en el proceso de investigacin cientfica, en los cuales juega un papel importante y
decisivo la incertidumbre.
La estadstica deriva su nombre debido a que antiguamente se recolectaban datos
para diferentes fines. De aqu que la estadstica (con minscula) se entienda actualmente
como un conjunto de observaciones o datos, de carcter numrico o no, mientras que
la Estadstica (con mayscula) es la ciencia encargada de suministrar las diferentes
tcnicas y procedimientos que permiten desde organizar la recoleccin de los datos
de una manera coherente, hasta su elaboracin, anlisis e interpretacin.
La diferenciacin planteada permite visualizar los diferentes campos de accin
de la Estadstica y el empleo de estos campos en las diferentes ramas de la ciencia en
general, incluyendo las ciencias mdicas en particular.

1.2. Estadstica Descriptiva e Inferencial

La Estadstica puede ser diferenciada en dos grandes reas: descriptiva e inferencial:

r La Estadstica Descriptiva est constituida por el conjunto de mtodos estadsticos


dirigidos a la elaboracin primaria de los datos, entendiendo por esto el resumen
y presentacin de la informacin obtenido en relacin con un determinado pro-
blema cientfico.
r Por otra parte, la Estadstica Inferencial es un rea de esta ciencia que se dedica
al anlisis y a la elaboracin de los datos, con mtodos basados en la teora de
probabilidades, con el objeto de interpretar sus resultados y de tomar decisiones.

1.3. Papel de la Estadstica en la Investigacin Biomdica

De las ideas antes expresadas, puede derivarse la importancia de las amplias re-
laciones que se establecen entre la estadstica como ciencia y las dems ciencias en
general. Con las ciencias mdicas en particular, esta relacin se caracteriza por los
complejos y variados fenmenos que estudia, los cuales en muchos casos slo pueden
ser analizados a travs de mtodos estadsticos.
Si se desea realizar un estudio con el objeto de verificar un determinado supuesto
en el campo de las ciencias mdicas, la Estadstica puede ayudar en todo lo que se
puede referir a:

1. Qu nmero de observaciones hay que realizar para que las conclusiones tengan
validez y cmo hay que realizarlas.
2. Qu mtodo estadstico es el ms adecuado para el tratamiento y anlisis de de-
terminada informacin.

Otros ejemplos pueden ilustrar esta situacin. En el campo de la clnica, solo es


posible llegar al diagnstico de cualquier enfermedad mediante la experiencia obte-

202
Tema 1Tema
| Mtodos
1 | Implicancias
e Investigacin
de la Estadstica
Cientfica

nida a travs del anlisis estadstico de un conjunto de sntomas y signos observados


en muchos individuos.
Cada nuevo tratamiento propuesto para la teraputica de determinada enfermedad
siempre requiere de un ensayo experimental correctamente elaborado que demuestre
su efectividad. Bajo esta circunstancia, la Estadstica proporciona la posibilidad de
analizar la evidencia recogida y decidir si los efectos observados son debidos al azar
o si pueden ser lgicamente atribuidos a efectos del nuevo tratamiento.

1.4. Procedimientos para organizar, resumir y presentar la informacin

Si se desea analizar un conjunto de datos, lo primero que hay que realizar es or-
ganizar y resumir la informacin recolectada. Ningn anlisis estadstico es capaz de
suministrar la respuesta adecuada a un problema cientfico, si este est basado en una
informacin incorrecta. La revisin y la correccin de la informacin recolectada es
el paso previo a cualquier anlisis posterior de la informacin.

1.4.1. Escalas de medicin

Al estudiar un objeto podemos estar interesados en analizar si presenta o no un


determinado tipo de cualidad o caracterstica o, es posible, en tratar de medir cunto
o qu cantidad posee, dicho objeto, acerca de la caracterstica.
De lo anterior, se deriva que es posible distinguir dos clases de datos (o variables):
Escalas cualitativas: que pueden ser objeto de subdivisin en nominales u ordinales.
Escalas cuantitativas: que pueden subdividirse, a su vez, en continuas o discretas.

Escala cualitativa: Es la que slo permite clasificar a las personas, animales u obje-
tos de acuerdo a ciertas caractersticas que les son comunes y por medio de las cuales
pueden distinguirse de otros que no las poseen. Al clasificar a un grupo de personas
por sexo, raza, estado civil, enfermedad que padecen, regin de procedencia, etc., se
est utilizando una escala cualitativa.
r La escala cualitativa nominal es la escala cualitativa que no presenta categoras
ordenadas, es decir, cuando no existen diferencias de rango entre ellas. Ejemplo:
al clasificar a un grupo de individuos por la regin de nacimiento urbano o rural.
r La escala cualitativa ordinal agrupa a los individuos en categoras ordenadas,
para establecer relaciones de comparacin. Por ejemplo, al clasificar un grupo
de individuos en concordancia con el hbito de fumar: no fumadores, fumadores
leves, fumadores moderados y fumadores severos o cuando se establece un agru-
pamiento de nios en dos categoras: bien nutridos y mal nutridos.

Escala cuantitativa: Es aquella en la que se puede establecer cunto y en qu canti-


dad existe una determinada caracterstica. Es ms precisa, porque adems de permitir
la diferenciacin entre unas personas y otras, seala cun grandes son las diferencias
observadas. La determinacin del peso, la estatura, edad, los niveles de Hdl y Ldl en
la sangre, pulso y tensin arterial se realiza mediante el uso de una escala cuantitativa.

203
Metodologa de la Investigacin Cientfica

r La escala cuantitativa es continua cuando es posible obtener un valor intermedio


entre dos valores dados. Por ejemplo, la temperatura normal de los adultos
puede ser cualquier valor igual o superior a 36,6 e igual e inferior a 37,0 grados
centgrados. La cantidad de valores comprendidos entre estas dos cantidades es
infinita.
r Una escala es cuantitativa discreta cuando solo admite un nmero finito de valores
numricos. Las familias clasificadas segn el nmero de hijos o de los escolares
por el nmero de dientes cariados que tengan, son ejemplos de escalas o variables
discretas. Este tipo de escala surge por conteo de las personas u objetos que posean
determinada caracterstica.

La importancia de conocer esta clasificacin de escala o variable es importante


debido a que cada una de ellas tiene una distribucin terica con propiedades ma-
temticas especficas, que permiten calcular las probabilidades de que pueda ocurrir
un determinado valor de la variable, o la probabilidad de un conjunto de valores de
esa variable. Como cada tipo de ellas tiene una distribucin especfica, la estimacin
de la probabilidad de ocurrencia es distinta para cada una de estas variables. Estos
aspectos sern analizados con mayor detalle ms adelante.

Una buena escala debe reunir las siguientes caractersticas:

1. Ser exhaustiva: quiere decir que permite la clasificacin de cualquier individuo


de los que se estudia.
2. Constar de clases o subdivisiones mutuamente excluyentes: quiere decir que cada
uno de los individuos se cuenta una sola vez.

1.4.2. Introduccin al estudio de las medidas descriptivas

Cuando se ha recolectado un conjunto de datos es necesario condensarlos de tal


forma que aparezcan claramente las caractersticas principales del conjunto. Por esta
razn, es necesario emplear medidas descriptivas que representen adecuadamente los
datos y, en la medida de lo posible, tambin representen al universo de donde se han
extrado los mismos.
Existen muchas medidas descriptivas, pero nosotros slo estudiaremos las princi-
pales y ms usadas en el campo de la biomedicina.

Las medidas que estudiaremos las podemos clasificar en tres grandes grupos:

r Medidas de tendencia central


r Medidas de dispersin
r Medidas de posicin relativa

204
Tema 1Tema
| Mtodos
1 | Implicancias
e Investigacin
de la Estadstica
Cientfica

Medidas de tendencia central

Este tipo de medida obtiene su nombre del hecho que sus valores tienden a ocupar
posiciones centrales o intermedias entre los valores menores y mayores del conjunto
de datos a partir del cual se calculan.
Dentro de estas medidas estudiaremos la media aritmtica, la mediana y la moda.

Media Aritmtica

La media aritmtica, o simplemente media, es un promedio y consiste en la suma


de todas las observaciones, dividida por su nmero total de observaciones. Esta puede
derivarse de datos no agrupados y de datos sometidos a algn criterio de agrupacin.
La forma simblica de representar la media aritmtica, para datos no agrupados,
de los n nmeros X1, X2,, Xn es la siguiente:
n

X=
Xi
X
i 1

(1)
n
El smbolo indica la sumatoria de los elementos que se encuentran a continuacin
de dicho smbolo. Los sub-ndices que se colocan debajo y encima de la sumatoria,
indican, respectivamente, los valores inicial y final que entran a formar parte de la suma.
Ejemplo: Si tenemos cinco nios y sus frecuencias cardacas son 130, 132, 127,
129 y 132 pulsaciones por minuto, cul ser la frecuencia cardaca media de estos
cinco nios? Aplicando (1), tenemos:

130  132  127  129  132


X
5
X =130 pulsaciones por minuto.

La media aritmtica es una de las medidas descriptivas ms usadas, entre cuyas


propiedades ms importantes sobresalen las siguientes:

1. Es fcil comprender su significado.


2. Siempre existe y puede ser calculada para cualquier tipo de datos numricos.
3. Es siempre nica, es decir, cada conjunto de datos tiene una y slo una media.

Como una mala cualidad de la media, se puede citar el siguiente ejemplo:


Supongamos que los siguientes valores representan las edades de un grupo de 6
personas: 12, 9, 14, 11, 52, 10. La media de este conjunto de datos es 18 aos.
Por otra parte, la media del conjunto de datos de 12, 9, 14, 11, 10 es de aproxi-
madamente 13 aos.
Como puede observarse al comparar ambos valores, el valor de la media aritmtica
ha sufrido cierto desplazamiento hacia el valor de la observacin de mayor magnitud,
lo cual hace que esto sea un inconveniente de este tipo de medicin. Esto significa

205
Metodologa de la Investigacin Cientfica

que la media aritmtica se encuentra afectada por valores extremos presentes en un


conjunto de datos. Por tanto, la utilizacin de esta medida de tendencia central exige
un conocimiento profundo de las caractersticas tericas que deben tener las variables
estudiadas, ya sea para tener la capacidad de eliminar valores imposibles dado el
fenmeno que se estudia o para volver a realizar la medicin correspondiente del
valor atpico.
Si los nmeros X1, X2, ..,Xn aparecen en forma repetida con frecuencias f1, f2,,f3
respectivamente, la media aritmtica puede calcularse de la forma siguiente:
n

fixXi
f X
X = i 1 (2)
n

fif
i 1

n
Donde n = fif
i 1

es la frecuencia total, es decir, el nmero total de datos.

Ejemplo. Si los valores de los datos 3, 6, 8 y 9 aparecen con las frecuencias 3, 2, 2


y 1 respectivamente, la media aritmtica debe estimarse as:

X = (3 t 3) + ( 2 t6) + (2 t8) + (1 t9) = 9 + 12 + 16 + 9 = 5,75


3+2+2+1 8

El clculo obtenido de esta manera se refiere a la media muestral, es decir, es la


estimacin de la media del universo, a partir de un conjunto de datos que se extraen
del universo o poblacin y dichos datos constituyen un subconjunto de la poblacin
de datos.

Media Aritmtica Ponderada

Esta media se utiliza cuando asociamos ciertos nmeros X1, X2,., Xn a ciertos
factores de ponderacin o de ponderaciones que denominaremos simblicamente
como w1, w2,,wn cuyo valor depender del significado que le hemos dado a los
nmeros. En este caso, la media aritmtica se calcula como:

w1 x1  w2 x 2  ........  wnxn
X (3)
w1  w2  ......  wn

Ejemplo. Si un examen final de un curso es ponderado dos veces ms que una


prueba parcial, y un estudiante tiene una nota de 6 en su examen final y de 4 y 5 en
dos pruebas parciales, cual es su promedio final?

X = (1 r 4) + (1 r
  r
= 5,25
1 + 1+ 2

206
Tema 1Tema
| Mtodos
1 | Implicancias
e Investigacin
de la Estadstica
Cientfica

Otros Tipos de Medias

1. La Media Geomtrica (G)

En un conjunto de datos, la media geomtrica (G) de n de esos datos:


X1, X2,,Xn es la n-sima raz del producto de los valores de esos datos:

G =n (X1)(X2)......(Xn) (4)

Ejemplo: La media geomtrica del valor de los siguientes datos: 2, 4, 8 es:

3
G= 3 (2) (4) (8) = 64 = 4

Esta media es empleada en procesos que tienen una distribucin geomtrica, como
es el caso del crecimiento del nmero de bacterias.

1. La Media Armnica

El smbolo de la media armnica es H. Su clculo, a partir de un conjunto de datos


X1, X2, ..,Xn, se determina por el recproco de la media aritmtica de los recprocos
de los datos.
n
H= n
(5)
1nX
i 1
i

Ejemplo. Determine la media armnica de los valores de los siguientes datos: 2, 4, 8.

3
H 3,43
1 1 1
 
2 4 8

Esta media es usada en algunas pruebas de diseos experimentales no paramtricos.

Relacin entre las medias aritmtica, geomtrica y armnica

La media geomtrica de un conjunto de valores positivos es menor que o igual a


su media aritmtica, pero es mayor que o igual a su media armnica:

+*;

207
Metodologa de la Investigacin Cientfica

De los ejemplos antes sealados tenemos que:

El conjunto de los datos cuyos valores son: 2, 4, 8 tiene media aritmtica 4,67,
media geomtrica 4 y media armnica 3,43

Mediana

La mediana (para datos no agrupados) de un conjunto de valores es el valor que


divide al conjunto ordenado (en forma ascendente o descendente), de modo tal, que
a ambos lados de dicho valor quede aproximadamente el 50% de las observaciones.

Ejemplo. Calcular la mediana del siguiente conjunto de valores: 4, 8, 13, 15, 22,
30, 34.

La mediana es aquel valor que se encuentra justo en el centro de este conjunto,


pues este cumple con la condicin antes planteada, es decir, la mediana es el valor 15.

Ejemplo: Calcular la mediana para el siguiente conjunto de valores: 4, 8, 13, 15,


22, 30.
La mediana, en este caso, es el resultado de la media aritmtica entre los valores
que se encuentran justo en el centro, es decir, es la media aritmtica entre los valores
13 y 15 = 14.

De los ejemplos anteriores se deduce fcilmente que cuando el conjunto de datos


es impar, la mediana resulta ser justamente el valor que se encuentra en el centro y,
cuando es par, es el resultado del clculo de la media aritmtica de los dos valores que
estn en el centro. Algunas propiedades de la mediana son las siguientes:

1. Siempre existe y puede ser determinada para cualquier conjunto de datos num-
ricos.
2. Es siempre nica.
3. No es afectada fuertemente por datos extremos o atpicos.

Moda

La moda puede definirse como el valor ms frecuente, es decir, como el valor que
cumple con la condicin de tener una frecuencia mayor que los valores inmediatamente
inferiores y superiores. En el conjunto de datos siguiente:

2, 2, 5, 7, 9, 9, 9, 10, 10, 11, 12, 18: la moda es el valor 9

En el siguiente conjunto:

3, 5, 8, 10, 12, 15, 16: no existe moda

208
Tema 1Tema
| Mtodos
1 | Implicancias
e Investigacin
de la Estadstica
Cientfica

En el siguiente conjunto:

2, 3, 4, 4, 4, 5, 5, 7, 7, 7, 9: existen dos modas que son 4 y 7. Se dice en este caso


que el conjunto es bimodal.

Por tanto, un conjunto de datos puede tener una moda, ms de una o ninguna.

Medidas de dispersin

No siempre las medidas de tendencia central son suficientes para permitir la carac-
terizacin de un conjunto de datos. Por ejemplo, si tenemos dos conjuntos de datos:

a) 42, 44, 46, 48, 50. La media de estos datos es 46

b) 6, 26, 46, 66, 86. La media de estos datos tambin es 46

Ambos conjuntos de datos tienen la misma media aritmtica. Pero, si observamos


detenidamente los valores del primer conjunto de datos varan entre 42 y 50, y del
segundo, entre 6 y 86. En este ltimo grupo de datos los valores que lo componen
estn ms alejados de la media que los del primer grupo. Intuitivamente podemos
llegar a la conclusin que la estructura de datos de ambos conjuntos es diferente, a
pesar de tener ambos una misma media. Esta diferencia consiste en que en el segun-
do grupo de datos existe ms dispersin que en el primero, pues los datos estn ms
alejados de su media.

Las medidas de dispersin ms usuales son:

Varianza; Desviacin estndar y Coeficiente de variacin

Varianza

Supongamos que en el primer grupo de valores visto anteriormente representa el


peso en Kg. de 5 nios: 42, 44, 46, 48, 50. Sabemos que la media aritmtica es 46 Kg.
El paso a seguir es calcular la desviacin de cada dato respecto a la media.

DESVIACIN DE CADA DATO (Xi) RESPEC-


DATO (XI)
TO A LA MEDIA (Xi - X)

42 (X1) (42 - 46) = - 4


44 (X2) (44 - 46) = - 2
46 (X3) (46 - 46) = 0
48 (X4) (48 - 46) = 2
50 (X5) (50 - 46) = 4

209
Metodologa de la Investigacin Cientfica

Si hallamos la suma de cada una de las desviaciones calculadas para cada dato
respecto a la media, es decir:
n 5

( Xi  X )
i 1

Esto es igual a plantear: (- 4) + (- 2) + (0) + (2) + (4) = 0. Luego esa suma es igual
a cero.
Para que esa suma no sea cero, uno de los mtodos que se puede emplear es elevar
X - X) al cuadrado y en este caso nunca dar valor igual a cero (a no ser que no
(Xi
existan desviaciones de los datos respecto a su media, lo cual querra decir que todos
los datos tienen el mismo valor) y tampoco podr ser ese valor negativo.
De aqu surge el concepto de varianza (simbolizada por S2) que se denota por:
n 2

XiX  X
i 1

S =
2
(6)
n 1
donde:

Xi = valor de cada dato


X = media aritmtica del grupo de datos
n = nmero de datos
S2 = varianza de la muestra.

Ejemplo. Se tiene los siguientes valores correspondientes a los niveles de colesterol


en sangre de 10 pacientes hipertensos: 230, 240, 250, 250, 250, 210, 270, 240, 260,
300 mg/100 ml. Calcule la varianza de estos datos.
Para calcular la varianza de los niveles de colesterol en esta muestra de pacientes
hipertensos, debo aplicar la frmula (6) y su desarrollo es:

1. Debo calcular primero la media aritmtica de la muestra, segn la frmula (1):


230  249  .......  260  300
X
10
X 250 mg/100 ml.

2. Teniendo estimado el valor de la media muestral, puedo calcular la varianza


muestral, usando la frmula (4):

S 2 = 577,77 (mg/100 ml) 2

210
Tema 1Tema
| Mtodos
1 | Implicancias
e Investigacin
de la Estadstica
Cientfica

Desviacin estndar

La desviacin estndar de la muestra se define como la raz cuadrada de la varianza


muestral y se denota por S.

X
S= (7)

La desviacin estndar se expresa en las mismas unidades que los datos originales
y por esto es preferible a la varianza.

Si en el ejemplo anterior, relacionado con los niveles de colesterol de 10 pacientes,


quisiramos estimar la desviacin estndar se procedera a obtener la raz cuadrada
de la varianza obtenida para esa variable, es decir:

S= 577,7

S = 24,04 mg/100 ml.

Propiedades de la desviacin estndar

Para las distribuciones normales (las cuales sern tratadas ms adelante) resulta que:

a.1. El 68,27% de los datos estn incluidos entre X - s y X + s, es decir, una estndar
a cada lado de la media.
a.2. El 95,45% de los datos estn incluidos entre X - 2s y X + 2s, es decir, dos
desviaciones estndar a cada lado de la media.
a.3. El 99,73% de los datos estn incluidos entre X - 3s y X + 3s, es decir, tres
desviaciones estndar a cada lado de la media. (Figura 1).

X-3S X-2S X-S X X+S X+2S X+3S

Fig. 1.
reas bajo la curva de una distribucin normal con una, dos y tres desviaciones estndar.

211
Metodologa de la Investigacin Cientfica

a) Si suponemos que dos conjuntos de datos con n1 y n2 (cantidad de datos respec-


tivamente) y que tienen varianzas dadas por s21 y s22 y la misma media, entonces
la varianza combinada o completa de ambos conjuntos esta determinada por:

Varianza combinada de dos variables

V1 = Sujetos considerados normales para los niveles de hemoglobina


V2 = Sujetos considerados no normales para los niveles de hemoglobina
14 Variable
V1
12 V2

10

2
Varianza comn
0
4 8 12 16 20

Fig.2.
rea de la varianza comn de la distribucin de la variable hemoglobina en dos grupos de sujetos.

1. Coeficiente de variacin (CV)

La desviacin estndar es til como medida de dispersin (o variacin) dentro


de un conjunto determinado de datos. Sin embargo, cuando se desea comparar la
dispersin en dos conjuntos de datos, la comparacin directa de sus respectivas des-
viaciones estndar, podra llevarnos a conclusiones erradas e ilgicas. Puede ser que
las dos variables que intervienen se midan en unidades diferentes. Por ejemplo, es
posible que se desee saber, para cierta poblacin, si el nivel de colesterol en sangre,
medido en mg/100 ml., es ms variable que el peso del cuerpo, medido en kilogramos.
An ms, aunque se use la misma unidad de medicin, las dos medidas pueden ser
muy diferentes. Si se comparan las desviaciones estndar de los pesos de jvenes de
primer ao de enseanza media en relacin con las de los estudiantes de primer ao
de medicina u odontologa de nuestra universidad, es posible que se encuentre que la
desviacin estndar de estos ltimos es numricamente mayor que la de los primeros,
porque los propios pesos son mayores, no porque la dispersin sea mayor.

212
Tema 1Tema
| Mtodos
1 | Implicancias
e Investigacin
de la Estadstica
Cientfica

Lo que se requiere en situaciones como las sealadas es una medida de variacin


relativa, en lugar de una medida de variacin absoluta. Esta medida es posible encon-
trarla en el coeficiente de variacin, el cual expresa a la desviacin estndar como un
porcentaje de la media. La frmula viene dada por:

(9)

Como la media y la desviacin estndar se expresan con la misma unidad, estas se


cancelan al calcular el coeficiente de variacin. Como resultado se obtiene una medida
que es independiente de la unidad de medicin.
Ejemplo. Supongamos que dos grupos de personas del sexo masculino proporcio-
nan los siguientes resultados:

GRUPO 1 GRUPO 2
Edad 25 aos 11 aos
Peso medio 75,5 Kg. 40 Kg.
Desviacin estndar 5 Kg. 5 Kg.

Una comparacin de las desviaciones estndar podra conducir a la conclusin de


que los dos grupos poseen igual variabilidad. Sin embargo, si se calculan los coefi-
cientes de variacin, en ambos grupos aplicando (8), tenemos:

Los resultados muestran claramente que el grupo 2 tiene mayor variabilidad en


relacin con el grupo 1.
El coeficiente de variacin tambin es til para comparar los resultados obtenidos
por personas diferentes que estn efectuando investigaciones que comprenden la
misma variable.

r Medidas de posicin relativa

Dentro de las medidas de posicin relativa, tenemos los cuartiles, deciles y per-
centiles. Si un conjunto de datos se ordena en forma ascendente, el valor central (o
la media aritmtica de los dos centrales) que divide al conjunto en dos partes iguales,
es la mediana.
Este concepto se puede hacer extensivo a otros valores que dividen el recorrido del
conjunto en cuatro partes, diez partes o en cien partes.

213
Metodologa de la Investigacin Cientfica

De modo general a estos valores que dividen en partes iguales el recorrido de un


conjunto de datos se les denomina cuantiles.
Para dividir el recorrido de la variable en cuatro partes iguales, necesitamos slo
tres valores y estos son los cuartiles Q1, Q2 y Q3.
Para dividir el recorrido de la variable en 10 partes necesitamos 9 valores y estos son
los deciles D1, D2,, D9 y para dividir en 100 partes necesitamos P1, P2,..P99.
Podemos hablar as del segundo cuartil Q2, que coincide con la mediana y con el
quinto decil D5 y con el 50 percentil P50. Una cuarta parte de los datos se encuentran
por debajo del primer cuartil que coincide con el 25 percentil. El 80% de los valo-
res del conjunto se encuentra por debajo del octavo decil D8 que coincide con el 80
percentil P80.

Forma de obtencin de los cuantiles:

r Se ordenan todos los valores.


r Determinamos el nmero de observaciones que se encuentran por debajo del
cuantil de que se trate.

Si este nmero no es entero, se toma el promedio de las observaciones cuyo orden


corresponde respectivamente a dicho entero y al entero siguiente.

Ejemplo: Supongamos que tenemos 620 observaciones de frecuencia cardaca en


pacientes portadores de hipertiroidismo, las cuales han sido ordenadas de menor a
mayor y se quiere hallar:
a) Qu medida podra servirnos para delimitar el 25% de las frecuencias cardacas
ms bajas y que posicin ocupar el elemento que separe ese 25% del 75% restante?
b) Cul sera ese valor si un fragmento de esa serie ordenada es el siguiente?
c) Cul sera ese si en lugar de 620 observaciones hubiesen sido 625 mantenindose
el fragmento anterior con la misma enumeracin?

Valores de ...114, 116, 118, 120, 120, 120... ...130, 130, 130, 131, 131, 131
la frecuencia
cardaca
Posicin
de cada
observacin ...(154) (155) (156) (157) (158) (159)... ...(308) (309) (310) (311) (312) (314)

Desarrollo del problema:

a) Cuando nos piden qu posicin ocupa el dato que divide la sucesin en forma tal
que nos informe sobre el 25% ms bajo de todas las frecuencias, nos estn pidiendo
qu posicin ocupa el primer cuartil.
Nos planteamos hallar por debajo de que valor se encuentran el 25% de los datos
o sea hallar el 25% de 620.

214
Tema 1Tema
| Mtodos
1 | Implicancias
e Investigacin
de la Estadstica
Cientfica

Si 620100%,
entonces x.25%

x = 155.

Esto significa que la posicin del dato es la 155 y, como tenemos ordenado los
valores de menor a mayor, ubicamos el valor del dato que corresponde con la posicin
155. Como este es un valor entero se toma el promedio de los valores de la frecuencia
cardaca cuyo orden corresponden a 155 y 156. En este caso, las observaciones co-
rrespondientes a esas dos posiciones tienen valores 116 y 118 pulsaciones por minuto,
luego, el promedio de los valores de las observaciones que ocupan las posiciones ya
sealadas son:

Esto implica que el valor de Q1 = 117 pulsaciones por minuto.


Es decir, que como esta sucesin tiene un nmero par de observaciones (620), no
existen fsicamente los nmeros que la dividan en 4 partes, sino que ser la media
entre dos nmeros seguidos.
Hallamos el 25% del nmero total de observaciones (625) por el mismo procedi-
miento expuesto en el inciso (a). En este caso en valor obtenido para el primer cuartil
es 156,25.
Debido a que el nmero de observaciones es impar, nos dar un nmero fraccionario
(no entero) y este se aproxima al entero inmediato superior, en este caso 157. El valor
de la observacin que se corresponde con el dato nmero 157 es 120 pulsaciones por
minuto: Q1 = 120 pulsaciones por minuto.

1.4.3. Estudio de las Distribuciones de Frecuencias

Cuando estamos en presencia de una gran cantidad de datos, resulta muy difcil
interpretarlos si no son resumidos de alguna manera en una tabla.
La distribucin o agrupacin de los datos en diferentes clases, segn una escala
nica, se denomina Distribucin de Frecuencias y, de acuerdo a la escala utilizada,
esta ser una distribucin de frecuencias en escala cuantitativa discreta, cualitativa o
en escala cuantitativa continua.

Distribucin de frecuencias para datos cuantitativos discretos. Conceptos


bsicos

Supongamos que tenemos un conjunto de 10 familias y al registrar el nmero de hijos


de cada una de ellas, obtenemos el siguiente resultado: 2, 1, 3, 1, 2, 1, 3, 0, 2, 1. Estamos

215
Metodologa de la Investigacin Cientfica

estudiando la caracterstica nmero de hijos de cada familia, es decir, la variable en


estudio es el nmero de hijos, por lo que estamos en presencia de una variable discreta.
Si observamos los datos, vemos que la disposicin que tienen no nos dice mucho,
pero si contamos cuntas familias tiene 0 hijos, cuntas tienen 1 hijo, etc., obtendre-
mos la siguiente distribucin de frecuencias para una variable cuantitativa discreta:

Familias segn nmero de hijos

FRECUENCIA ABSOLUTA FRECUENCIA RELATIVA


NMERO DE HIJOS
(Fa) (Fr)
0 1 0,1
1 4 0,4
2 3 0,3
3 2 0,2
Total 10 1,0

La frecuencia absoluta (Fa) se define como la repeticin de una caracterstica


dada. En este caso, cuntas familias tienen 0 hijos? La respuesta sera 1 y esta es la
frecuencia absoluta para 0 hijos y as sucesivamente.
Debemos observar que la suma de las frecuencias absolutas es siempre igual al
nmero total de observaciones (10 familias en este caso). De no ser as, existe algn
error de conteo o clasificacin.
Otra de las columnas refleja la frecuencia relativa (Fr). Esta se calcula dividiendo
la frecuencia absoluta por el nmero total de observaciones.

(10)

La frecuencia relativa mide el peso que tiene cada frecuencia absoluta con relacin
al total. Por ejemplo, la frecuencia relativa para 1 hijo es 0,4 y la importancia que
tiene este tipo de frecuencia radica en que gracias a ella pueden ponerse de manifiesto
relaciones existentes entre dos o ms cifras de datos que se estudian, facilitando la
comparacin de los diversos resultados.

Clculo de la media aritmtica para una distribucin de frecuencias de una


variable cuantitativa discreta

El clculo de la media aritmtica se realiza mediante la frmula (2), en donde las


f son los valores de las Fa y las X son el nmero de hijos por familia:

216
Tema 1Tema
| Mtodos
1 | Implicancias
e Investigacin
de la Estadstica
Cientfica

Las familias estudiadas tienen una media de 1,6 hijos.


Las frecuencias relativas que se estiman en una distribucin de frecuencias, nos
permiten aproximarnos intuitivamente al tema de las probabilidades. En nuestro caso,
si se cumplen ciertas condiciones para sealar que este nmero de familias estudiadas
(10) es una muestra representativa de la poblacin, podramos entonces calcular
la probabilidad de que al escoger una familia al azar de la poblacin estudiada estas
tengan 0, 1, 2, 3 hijos.
Por ejemplo, cul es la probabilidad de que al escoger al azar una familia de la
poblacin estudiada esta tenga 0 hijos? La probabilidad sera de 0,1. Cul sera la
probabilidad de que tengan 1 hijo? La probabilidad sera de 0,4. Y as sucesivamente.
La suma de todas esa probabilidades es de 1,0, lo cual nos dice que el valor ms alto
de probabilidad es 1,0. Pero, cul es el valor ms bajo de probabilidad? Supongamos
que queremos determinar la probabilidad de que, al escoger al azar una familia de la
poblacin estudiada, esta tenga 7 hijos. El resultado sera 0. Lo mismo pasara para 6,
8 cualquier otro nmero de hijos que no corresponda con el nmero de hijos que se
observ en nuestra muestra representativa de la poblacin. El valor de probabilidad
(P) puede asumir valores en el rango de 0 P 1.

Distribucin de frecuencias para datos cualitativos

En la esfera mdica y odontolgica se encontrar en muchas oportunidades el


estudio de las variables cualitativas.
Ejemplo. En un estudio realizado sobre el programa de prevencin del cncer cr-
vico uterino en 600 mujeres se encontr que 402 conocan el mtodo a travs de los
medios masivos de difusin, 101 a travs del trabajo directo del Ministerio de Salud
con monitores previamente entrenados, 60 por conferencias dadas en policlnicos, 24
por conferencias dadas por algn empleado de la salud y 13 por otras vas. Confec-
cionemos una tabla de frecuencias.

Formas de conocimiento del mtodo para la prevencin de cncer cervico uterino


en una poblacin determinada

Frecuencias absolutas Frecuencias relativas


Formas
(Fa) (Fr)
Medios masivos de 402
0,67
radiodifusin
Ministerio de Salud 101 0,17
Charlas en Policlnicos 60 0,1
Charlas por algn 24 0,04
empleado de la salud
Otras vas 13 0,02
Total 600 1,0

Las conclusiones que se derivan de esta distribucin de frecuencias son iguales a


las ya referidas ms arriba.

217
Metodologa de la Investigacin Cientfica

Distribuciones de frecuencias para datos cuantitativos continuos

Si tenemos los pesos en Kg. de 20 nios:

52 45 47 31 35

43 44 49 53 41

44 39 37 40 47

43 39 43 47 50

El estudiante debe observar que estos son nmeros enteros por lo que podra
inducirlo a pensar que se trata de una variable cuantitativa discreta; sin embargo, es
una variable cuantitativa continua toda vez que el valor que puede asumir la misma
no solo est comprendida por valores enteros, sino tambin por valores decimales,
como puede ser: 47, 4 Kg.; 40,456 Kg., 37, 0001 Kg., etc.
Estos datos, tal como aparecen, no revelan fcilmente ninguna caracterstica del
grupo; sin embargo, si agrupamos estos datos en una tabla de distribuciones de fre-
cuencia es posible formarnos un juicio bastante exacto sobre el conjunto de personas
estudiadas.
En este caso tenemos una variable cuantitativa continua debido a que la magnitud
puede tomar, al menos tericamente, infinitos de valores. En estas circunstancias, no se
puede proceder como en las situaciones de una variable discreta, y debemos comenzar
a establecer un conjunto de valores en los que se mover la variable y a este conjunto
de valores se le llamar intervalo de clase o simplemente clase.
Determinar el nmero de clases: Si el nmero de clases que escogemos es muy
grande, tendr el inconveniente de que habr tantos detalles, que las relaciones im-
portantes entre los individuos estudiados podran pasar inadvertidos, por el contrario,
si determinamos muy pocas clases, probablemente pasaremos por alto importantes
caractersticas de los individuos analizados. Por tanto, el nmero de clases debe ser tal
que se evite el detalle innecesario, pero que no induzca a la prdida de informacin.
Lo definitorio para determinar el nmero de clases depende de las caractersticas de
los datos y del problema de investigacin que se pretende solucionar.
En nuestro ejemplo, no existe un problema claro que investigar, por tanto, deter-
minaremos arbitrariamente el nmero de clases, supongamos entonces que sea de 6.
El siguiente paso ser determinar la amplitud de la clase y de donde a donde ir
cada una. Para solucionar esto, se procede de la siguiente manera:

(11)

218
Tema 1Tema
| Mtodos
1 | Implicancias
e Investigacin
de la Estadstica
Cientfica

En nuestro ejemplo:

r Lmite superior de la variable en estudio = 53 Kg.


r Lmite inferior de la variable en estudio = 31 Kg.

Como es un valor fraccionario, se aproxima al entero inmediato superior, es decir,


4 Kg. El primer intervalo comienza en el lmite inferior de la variable en estudio, es
decir, de 31. A este nmero se le va sumando el valor de la amplitud de la clase ya
estimado de forma tal que la primera clase tiene dos lmites: inferior y superior que
corresponden con los valores 31 y 35, la segunda ser de 35 a 39 y as sucesivamente.
Los resultados finales se muestran a continuacin:

Clases (Peso en Kg.)

31 - 35
35 - 39
39 - 43
43 - 47
47 - 51
51 - 55

El esquema anterior representa las clases resultantes.Desde luego faltan las co-
lumnas de las frecuencias, pero antes debemos analizar si esta escala continua est
correctamente realizada, es decir, si cumple o no con las dos condiciones bsicas de
una buena escala. En este caso si queremos colocar el peso de un escolar que es de 35
Kg. la duda lgica que emerger es, en qu clase tendramos en cuenta esa frecuencia
absoluta, en la primera (31 - 35) o en la segunda (35 -39)?
Debemos observar que esta escala cumple con la primera condicin de una buena
escala, es decir, es exhaustiva, toda vez que permite la inclusin de todos y cada uno
de los valores de la variable (31 a 53 Kg.). Sin embargo, no cumple con la segunda
condicin, es decir, no consta de clases mutuamente excluyentes, pues hay valores que
aparecen en dos clases a la vez. Para solucionar este problema hay muchas variantes,
algunas de ellas es construir la escala de las siguientes maneras:

Clases (Peso en Kg.)

31 - 35
+ 35 - 39
+ 39 - 43
+ 43 - 47
+ 47 - 51
+ 51 - 55
219
Metodologa de la Investigacin Cientfica

o as:

Clases (Peso en Kg.)

31 - 35
35,1 - 39
39,1 - 43
43,1 - 47
47,1 - 51
51,1 - 55

En estos dos casos las escalas cumplen con las condiciones bsicas y estamos en
condiciones de construir nuestra distribucin de frecuencias de acuerdo al compor-
tamiento de la variable en estudio.

Peso de 20 escolares en kilogramos

Frecuencia
Peso (en Kg.) Fa Fr
acumulada (Facum.)
31 - 35 2 0,1 2
+ 35 - 39 3 0,15 5
+ 39 - 43 5 0,25 10
+ 43 - 47 6 0,30 16
+ 47 - 51 2 0,1 18
+ 51 - 55 2 0,1 20

Esta es una tabla de distribucin de frecuencias de la variable cuantitativa peso.


Cada clase, como vimos anteriormente, tiene un lmite inferior y uno superior, pero
cada clase puede ser caracterizada adems por tener un valor denominado punto
medio o marca de clase. El punto medio de cada clase es el valor que se encuentra
justamente en el centro de cada clase y se estima de la siguiente manera:

(12)

Es por tanto, la media aritmtica de los lmites inferior y superior de cada clase.
Como consecuencia, a la tabla anterior se le debe agregar una nueva columna que
represente la marca de clase (MC) o punto medio (PM) y, adems, podemos agregar
la Fr acumulada (Fr. acum.)

220
Tema 1Tema
| Mtodos
1 | Implicancias
e Investigacin
de la Estadstica
Cientfica

Peso en kilogramos de 20 escolares

Peso (en Fr. Fa.


MC Fa Fr
Kg.) acum. acum.
31 - 35 33 2 0,1 0,1 2
+ 35 - 39 37 3 0,15 0.25 5
+ 39 - 43 41 5 0,25 0,50 10
+ 43 - 47 45 6 0,30 0,80 16
+ 47 - 51 49 2 0,1 0,90 18
+ 51 - 55 53 2 0,1 1,0 20
Total 20 1,0

Concepto de frecuencia acumulada

La fecuencia acumulada, tratese de la Fr. Acum. o Fa. acum., permite conocer cmo
se comporta la variable en ms de una clase. Por ejemplo, cul es la probabilidad
(con las limitaciones antes sealadas) de que al escoger al azar un nio de la poblacin
este tenga un peso comprendido entre 31 y 39 Kg.? La respuesta sera la suma de las
frecuencias relativas de las dos primeras clases de la tabla, es decir, 0,25.
El ordenamiento de un conjunto de datos en tablas de distribucin de frecuencias
nos posibilita encontrar medidas de tendencia central y de dispersin para datos
agrupados.

1.5. Estimacin de la media y de la desviacin estndar para datos


agrupados

Hallemos la media aritmtica de los pesos en Kg. de los 20 nios escolares. Su-
pongamos que en cada clase los datos se encuentran uniformemente distribuidos, lo
cual justifica que tomemos el punto medio del intervalo como valor representativo de
todos los valores que se encuentran ubicados en dicha clase. Bajo estas condiciones,
el clculo de la media se realiza:

X = (13)
donde:

i = nmero de intervalos
fi = es la frecuencia absoluta o el nmero de observaciones en el intervalo i
mi = es el punto medio del intervalo i
n = nmero total de observaciones

La media en nuestro ejemplo se calcula as:

221
Metodologa de la Investigacin Cientfica

La desviacin estndar se estima del siguiente modo:

(14)

donde:

fi = frecuencia absoluta del intervalo i.


m2i = el cuadrado del punto medio del intervalo i.
n = total de datos

En nuestro ejemplo, la estimacin de la desviacin estndar sera:

Peso en kilogramos de 20 escolares

Peso (en
MC Fa fx X2 Fx2
Kg.)
31 - 35 33 2 66 1089 2178
+ 35 - 39 37 3 111 1369 4107
+ 39 - 43 41 5 205 1681 8405
+ 43 - 47 45 6 270 2025 12150
+ 47 - 51 49 2 98 2401 4802
+ 51 - 55 53 2 106 2809 5618
Total n =20 856 37260

Sustituyendo en (14), tenemos:

S=

S = 5,58 Kg.

Entonces la media de estos datos es 42,8 Kg. y la desviacin estndar es de 5,58


Kg. Por tanto, podemos afirmar que:
_
X r S = 42,8 r 5,58 = > 37,22 ; 48,38 @ Esto quiere decir que el intervalo compren-
dido entre la media aritmtica ms y menos la desviacin estndar, contiene el 68,27%
de los casos o, bien, puede ser interpretado como sigue: si escojo al azar a un sujeto
de la poblacin, la probabilidad de que este tenga un peso comprendido entre 37,22
y 48,38 Kg. es de un 0,6827.
Esta misma interpretacin se puede hacer con dos y tres deviaciones estndar,
tomando en consideracin la magnitudes correspondientes.

222
Tema 1Tema
| Mtodos
1 | Implicancias
e Investigacin
de la Estadstica
Cientfica

Correccin de Sheppard para la varianza

La estimacin de la desviacin estndar y, por extensin, de la varianza puede ser


sesgada debido a la agrupacin de los datos en clases, lo que suele llamarse error
por agrupacin. Como consecuencia, el clculo de la varianza mediante este mtodo
debe ser ajustado mediante la correccin de Sheppard (c2 / 12), la cual consiste en
modificar el clculo de la varianza mediante la siguiente frmula:

(14 a)

Esta correccin se puede utilizar para las distribuciones de variables continuas


donde las colas tienden a cero en ambas direcciones, es decir, cuyas curvas son ms
o menos simtricas.
En nuestro ejemplo, al valor de la varianza de los datos agrupados, que es igual a
31,1364, se le debe restar la correccin antes sealada:

Todas las dems operaciones que se deben realizar con la desviacin estndar deben
considerarse a partir de la desviacin estndar corregida (S corregida).

Grficas de una distribucin de frecuencias de una variable continua

Los datos de la distribucin de frecuencias de la variable peso en Kg. de 20 nios


pueden ser graficados en, al menos, dos tipos de grficos especficos para estos casos.
Dichos grficos se denominan Histograma y Polgono de Frecuencia.
Existen normas para dibujar el histograma, las cuales pueden ser encontradas en
cualquier texto clsico de estadstica descriptiva, por tanto, no nos ocuparemos de
reproducirlos.
El histograma muestra en forma de barras cada uno de los intervalos que han sido
usados en la distribucin de frecuencias. La magnitud de cada barra en sentido ascen-
dente, depender del valor de la frecuencia del intervalo correspondiente (Figura 2).

223
Metodologa de la Investigacin Cientfica

Frecuencia

0
31,00 37,00 43,00 49,00 55,00

Fig. 3.
Histograma del peso en Kg. de 20 escolares.

El polgono de frecuencia es un grfico usado para resaltar la tendencia que pro-


porciona el histograma y es el resultado de unir los puntos medios de cada intervalo
mediante una lnea continua.

1.6. Estimacin de la mediana. la moda, cuartiles, deciles y percentiles para


datos agrupados.

La mediana, la moda y el cuartiles tambin pueden ser estimadas en datos agru-


pados.

La mediana puede ser estimada mediante la siguiente frmula:

Mediana = (15)

donde:
L1 = Lmite inferior de la clase que contiene a la mediana
n = Nmero de datos observados (frecuencia total)
(f1) = Suma de las frecuencias de todas las clases inferiores a la clase en donde se
encuentra la mediana
f mediana = Frecuencia de la clase que contiene a la mediana
c = tamao del intervalo.

En nuestro ejemplo, del peso en Kg. de 20 nios, la mediana sera la siguiente, si


sustituimos en (15):
L1 = 43. Este valor corresponde al lmite inferior de intervalo: + 43 - 47. Analicemos
la situacin. Sabemos que la cantidad de datos es 20, por tanto es par. La mediana,
en general, de un nmero par de datos es la media aritmtica entre los dos valores

224
Tema 1Tema
| Mtodos
1 | Implicancias
e Investigacin
de la Estadstica
Cientfica

centrales del conjunto de datos. Estos dos valores son los que estn designados por los
datos con nmeros 10 y 11, es decir, es un valor de un dato superior al 10 e inferior
al 11. Si sumamos las frecuencias absolutas de los tres primeros intervalos nos da 10
y si sumamos nuevamente la frecuencia absoluta nos dar 16, por tanto, podremos
apreciar que el dato mayor que el 10 e inferior al 11 est ubicado en el cuarto intervalo.

n = 20

f mediana = 6

c=4

por tanto,

Mediana = 43 Kg.

La moda puede ser estimada mediante la siguiente frmula:

Moda = (16)

donde:

L1 = Lmite inferior de la clase donde se encuentra la moda.


'1 = Exceso de la frecuencia modal sobre la frecuencia de la clase inferior ms prxima.
'2 = Exceso de la frecuencia modal sobre la frecuencia de la clase superior ms prxima.
c = Tamao del intervalo de la clase modal.
En nuestro ejemplo sera:
L1 = 43. Asumimos este valor, pues es posible pensar que la clase que tiene una ma-
yor frecuencia absoluta tiene mayores posibilidades de tener valores de igual magnitud.
'1 = 6 - 5 = 1
'2 = 6 -2 = 4
c=4

Sustituyendo estos valores en (16):

Moda = 43,8 Kg.

225
Metodologa de la Investigacin Cientfica

Los cuantiles se pueden subdividir en varios tipos, en concordancia con el nmero


de veces en que se divide la cantidad de datos en partes iguales. De este modo, existe
el cuartil que divide al grupo de datos en cuatro partes iguales; el decil, que lo hace
en diez partes iguales y el percentil, que lo hace em 100 partes iguales. Existen otros,
pero los sealados son los que son ms comunmente usados en el rea biomdica.

El Cuartil puede ser estimada mediante la siguiente frmula:

Q(X) = (17)

donde:

L1 = Lmite de clase inferior de la clase que contiene al cuartil x


n = Nmero de datos observados (frecuencia total)
(f1) = Suma de las frecuencias de todas las clases inferiores a la clase en donde se
encuentra el cuartil x
f Q (x) = Frecuencia de la clase que contiene al cuartil x
c = tamao del intervalo.

Ejemplo: Estimacin del Cuartil 1 = Q (x) = Q (1)

Considerando, que los elementos que se deben sustituir en la frmula pueden


definirse anlogamente a los definidos en los elementos de la frmula de la mediana,
entonces sustituimos los valores de los datos en la frmula 17.

n = 20
(f1) = 2
f cuartil (1) = 3
c=4

Por tanto:

Q (1) = 39 Kg.

El decil puede ser estimado mediante la siguiente frmula:

D(X) = (18)

226
Tema 1Tema
| Mtodos
1 | Implicancias
e Investigacin
de la Estadstica
Cientfica

donde:

L1 = Lmite de clase inferior de la clase que contiene al decil x


n = Nmero de datos observados (frecuencia total)
(f1) = Suma de las frecuencias de todas las clases inferiores a la clase en donde
se encuentra el decil x
f D(x) = Frecuencia de la clase que contiene al decil x
c = tamao del intervalo.

Ejemplo: Estimacin del decil 1 = D (x) = D (1)

n = 20
(f)1 = 0
frecuencia decil 1 = 2
c=4

por tanto,

D(X) =D(1) =

Decil 1 = 35 Kg.

Percentil(X) = (19)

donde:
L1 = Lmite de clase inferior de la clase que contiene al percentil 25
n = Nmero de datos observados (frecuencia total)
(f1) = Suma de las frecuencias de todas las clases inferiores a la clase en donde se
encuentra el percentil 25.
f percentil 25 = Frecuencia de la clase que contiene al percentil 25
c = tamao del intervalo.

Ejemplo: Estimacin del Percentill 25 = P (x) = P (25)

n = 20
(f1) = 2
f percentil 1 = 2
c=4

227
Metodologa de la Investigacin Cientfica

por tanto,

P(X) = P(25) =

Percentil 1 = 39 Kg.

Ejercicios

1. Determine la media aritmtica, geomtrica, armnica, mediana y moda de los ni-


veles de pO2 (mm Hg) en sangre arterial tomadas de la arteria umbilical en nios
recin nacidos. Los valores obtenidos son:

Datos: 13,4; 15,5; 17,4; 14,3; 18,6; 15,5; 15,5; 16,5; 17,8; 15,9; 18,2.

a) Establezca una comparacin entre los distintas estimaciones de las medidas


de tendencia central.
b) Si Ud. conoce que los niveles normales de esta variable se encuentra entre 12,1
y 19,7, qu puede Ud. deducir de tal situacin?

2. Encuentre la varianza y la desviacin estndar de los valores del problema 1 cal-


culndola sobre la base de la media aritmtica, la mediana y la moda.

3. Se recomienda que la ingesta de Iodo (en forma de yoduro) entre los 7 y 10 aos
de edad debe ser alrededor de 50 (ug/d). Se toma una muestra de 10 nios com-
prendidos entre las edades antes sealadas y los resultados son los siguientes:

Datos: 34, 36, 45, 23, 25, 35, 37, 43, 25, 25.

a) Determine la media aritmtica, la varianza y la desviacin estndar (una, dos


y tres) de estos valores.
b) Qu podra decir aproximadamente acerca de los resultados obtenidos?

4. Del conjunto de datos que a continuacin se presentan en dos grupos de personas


y que representan la variable estatura, medida en cm, encuentre:

a) Cuartil 3
b) Percentil 75
c) Decil 7 y 8
d) Estime el coeficiente de variacin de ambos grupos y determine cul tiene ma-
yor variacin.
228
Tema 1Tema
| Mtodos
1 | Implicancias
e Investigacin
de la Estadstica
Cientfica

Datos:

Grupo 1 1 1 1 2 1 1 1 1 1 1
1 3 5 7 9 3 6 8 0 4
1 2 5 7 3 0 4 7 8 3 5 6
Grupo 4 3 6 6 7 6 4 7 8 6 8 9 7 8 5 4 3 8 3 8
2 5 4 7 5 8 5 5 8 9 7 8 9 8 7 6 4 5 8 7 8

Nota: El grupo 1 representa la edad de nios, adolescentes y jvenes, el grupo 2


representa la edad de adultos y adultos mayores.

5. Se desea realizar un estudio acerca del nmero de caries que posee la poblacin
rural de cierta regin del pas. Para tal efecto, se toma una muestra compuesta de
40 pacientes que acuden al policlnico de esta regin. Los resultados se muestran
a continuacin:

3 0 6 8 4 5 3 7 5 3
2 1 5 8 7 4 5 3 7 8
4 5 6 4 5 6 4 3 8 2
5 6 5 7 5 6 3 5 4 10

a) Realice la distribucin de frecuencias correspondiente a estos datos.


b) Determine cul es la media aritmtica, la mediana, la moda, el cuartil 3, el decil
6 y el percentil 45; adems, la varianza y la desviacin estndar (sobre la base
de la media aritmtica) de estos valores.

c) Si la media de caries de la poblacin urbana de esa misma regin es de 2, qu


podra Ud. deducir de la informacin obtenida?

6. Se conoce que los niveles adecuados de HDL en sangre son protectores o dismi-
nuyen el riesgo de producirse un accidente vascular. Se conoce tambin que los
niveles normales de esta lipoprotena de alta densidad en adultos se encuentra entre
35 y 65 mg%. Se toma una muestra de 30 sujetos que tienen como caracterstica
comn el hecho de padecer de sobrepeso y se les mide los niveles de HDL y los
resultados son los siguientes:

10,0 13,5 24,6 21,3 32,7 34,2 28,4 15,5 33,1 40,0
45,8 50,0 25,6 21,9 28,7 26,9 23,1 18,4 47,8 25,8
20,5 24,6 27,1 27,9 17,5 23,6 35,8 11,4 26,8 29,4

a) Realice la distribucin de frecuencias correspondiente para esta variable.


b) Responda a la misma interrogante del inciso (b) del problema (4).
c) Qu pudiera Ud. afirmar acerca del riesgo estudiado con las estimaciones
realizadas?

229
Metodologa de la Investigacin Cientfica

d) Determine dos y tres desviaciones estndar de estos datos y compruebe el %


de sujetos que caen en el intervalo que se obtiene sumando y restando estas
desviaciones de su media correspondiente.
e) Determine la mediana, la moda, el cuartil 2, el decil 5 y el percentil 50. Cuales
conclusiones puede extraer de estos resultados?.

7. Se conoce que los altos niveles de LDL en sangre son predictores o aumentan el
riesgo de producirse un accidente cardiovascular. Se toma una muestra de 30 su-
jetos que tienen como caracterstica comn el hecho de padecer de sobrepeso y se
les mide los niveles de LDL y los resultados son los siguientes:

30,0 43,2 44,7 31,5 42,6 34,7 48,2 35,3 43,2 50,0
65,4 60,0 35,7 31,8 48,6 36,8 33,3 58,5 57,7 45,4
60,8 34,4 57,3 37,8 37,4 33,3 45,9 41,6 36,5 39,3
40,0 73,5 74,6 71,3 2,7 74,2 58,4 55,5 63,1 70,0
75,8 60,0 55,6 51,9 58,7 66,9 63,1 58,4 57,8 45,8
40,5 44,6 57,1 47,9 47,5 53,6 35,8 80,0 56,8 69,4

a) Realice la distribucin de frecuencias correspondiente para esta variable.


b) Determine la mediana, la moda, el cuartil 3, el decil 7 y el percentil 83.
c) Determine dos y tres desviaciones estndar de estos datos y compruebe el %
de sujetos que caen en el intervalo que se obtiene sumando y restando estas
desviaciones de su media correspondiente.

Bibliografa

Canavos, G. C. (1995) Probabilidad y Estadstica. McGraw-Hill. Madrid.


Camel, F. (1979) Estadsticas Mdicas y de Salud Pblica. Editorial Pueblo y Educacin. La
Habana.
Colectivo de Autores (1987) Bioestadstica y Computacin para estudiantes de Ciencias M-
dicas. Editorial Pueblo y Educacin. La Habana.
Johnson, N. L.; Leone, FC (1977) Statistics and experimental design. Vol. I. Wiley & Sons.
New York.
Spiegel, M. R. (1995) Teora y problemas de estadstica. McGraw-Hill. Buenos Aires.
Snedecor, G. W.; Cochran, WG (1979) Statistical Methods. The Iowa State University Press.
Iowa. U.S.A.
Steel, R. G. D.; Torrie, JH (1960) Principles and Procedures of Statistics. McGraw-Hill Book
Company, Inc. New York.

230
Tema 1 | Mtodos e Investigacin Cientfica

Captulo 2

Probabilidad
Alejandro Reyes Reyes

Introduccin

Los fenmenos de la naturaleza, as como los fenmenos biolgicos, psicolgicos


y sociales, se caracterizan por su multicausalidad que origina incertidumbre en las
relaciones planteadas por las disciplinas y ciencias que los estudian. En este contexto,
en cada momento y acto de nuestra vida, est presente una fraccin de incertidumbre,
la que en muchas situaciones se debe medir con algn mtodo para tomar la mejor
decisin o para anticipar consecuencias probables. Si aceptamos que el propsito de
la estadstica y de la bioestadstica es reunir, describir y analizar informacin refe-
rente a los fenmenos de la naturaleza, ser necesario ineludiblemente cuantificar la
incertidumbre contenida en esa informacin.
Habitualmente usamos el concepto de probabilidad para referirnos a la ocurrencia
de uno u otro acontecimiento, evento o suceso, en que no sabemos con certeza cual
va a ser el resultado de tal acontecimiento, existiendo un grado variable de incerti-
dumbre respecto de su ocurrencia o no. Pero si se puede llegar a conocer los posibles
resultados, podemos entonces analizar las posibilidades de que ocurra el suceso, y a
cada posible resultado le podremos asignar una determinada cuanta, la que permitir
calcular la probabilidad de ocurrencia de tal suceso. De esta forma podremos llegar
a determinar la probabilidad que una persona presente una determinada enferme-
dad, dados ciertos signos y sntomas; la probabilidad de fallecer o sobrevivir a un
tratamiento; la probabilidad de que el diagnstico establecido a partir de un examen
clnico o de laboratorio sea correcto; la probabilidad de pertenecer a cierto grupo de
riesgo dada la presencia de ciertas caractersticas, entre otros varios eventos de inters
clnico y epidemiolgico.

2.1. Eventos y probabilidades

Si bien la medicina, la odontologa y las ciencias de la salud no tratan con monedas


o con dados, muchos autores, para aproximar al lector al concepto de probabilidad,
recurren a situaciones conocidas con dichos objetos, lo que facilita el acceso a los
conceptos fundamentales. Supongamos entonces que lanzamos un dado no cargado,

231
Metodologa de la Investigacin Cientfica

por lo cual los resultados posibles de obtener son 1, 2, 3, 4, 5 6, segn la cantidad


de caras del dado; si aceptamos que cada resultado es igualmente posible o mutua-
mente simtrico, podremos concluir que tenemos una posibilidad entre seis de obtener
el nmero cuatro y dos posibilidades entre seis de obtener un nmero cuatro o un
nmero cinco, lo cual simblicamente podemos representar como:

Esta situacin conocida permite advertir la presencia de uno o ms eventos a los


cuales se les puede llegar a calcular su probabilidad, la cual representa matemtica-
mente la posibilidad que suceda o no el evento de inters. Constituyndose el evento
en el o los resultado de una observacin o de un experimento, o bien en la represen-
tacin de un resultado potencial. Por ejemplo, podemos considerar el evento que una
mujer presente cncer mamario antes de los 40 aos, o el evento que una persona
de 40 aos llegue a alcanzar los 80 aos de vida. Otros eventos pueden ser que dada
la aplicacin de un tratamiento especfico, la persona sobreviva a la enfermedad; o
bien que la persona posea una determinada caracterstica dado que proviene de una
poblacin o subpoblacin conocida. Existiendo, en las ciencias de la salud, centenares
de eventos posibles de ser definidos como de inters y respecto de los cuales es posible
calcular una probabilidad de ocurrencia o de no ocurrencia.
Un evento cualquiera lo simbolizamos con una letra mayscula, como A, B o C,
el cual tiene probabilidad de suceder o no suceder. Si el evento posee una probabili-
dad de cero significa que nunca va a suceder, siendo un suceso imposible, como por
ejemplo el obtener el nmero 8 en el lanzamiento de un dado. Si el evento posee una
probabilidad de uno indica que sucede siempre, siendo un suceso seguro, como la
condicin de caer cara o sello al lanzar una moneda (asumiendo lgicamente que es
imposible que la moneda caiga de canto). De esta forma, el valor numrico que una
probabilidad puede asumir, variar entre [0,1].
Para formalizar nuestros conceptos, definiremos como experimento a cualquier
actividad que origina un evento o suceso, refirindonos en general al fenmeno que est
a la base de la aparicin u ocurrencia del evento. El conjunto de resultados posibles
del experimento conforman el espacio muestral, el cual se simboliza tpicamente con
la letra omega [], es decir, los elementos de lo conforman los resultados posibles
del experimento, cada uno de los cuales conceptualizamos como punto muestral y lo
simbolizamos con la letra i. De esta forma podemos definir un suceso o evento A
como cualquier subconjunto de , en particular {i}; es decir, cualquier elemento de
tomado individualmente es un evento y, a su vez, un subconjunto de . Asumiendo
la ocurrencia del suceso A si el resultado obtenido en una determinada realizacin
del experimento corresponde a un punto i del espacio muestral tal que i A (i
pertenece a A).
Podemos ejemplificar lo anterior a partir de la situacin conocida en el uso de
dados: el experimento consiste en el lanzamiento de dos dados (no cargados) simul-
tneamente; su espacio muestral est conformado por el conjunto de 36 puntos
muestrales {(1,1), (1,2), (1,3)... (2,1), (2,2)... (5,1), (5,2)... (6,6)}, sobre el cual podemos

232
Tema 1 | Mtodos e Investigacin
Tema 2 | Probabilidad
Cientfica

definir un suceso A como La suma del puntaje de los dos dados sea siete, o sea:
A={(6,1), (5,2), (4,3), (3,4), (2,5), (1,6)}. O bien definir un Suceso B como El puntaje
obtenido en el primer dado es mltiplo de cinco, en cuyo caso B={(5,1), (5,2), (5,3),
(5,4), (5,5), (5,6)}, donde la probabilidad que ocurra el suceso A es 6/36, al igual que
la probabilidad que ocurra el suceso B.
En ciencias de la salud, haciendo uso de los sucesos o eventos, podemos efectuar
variadas operaciones que impliquen interseccin, unin y complemento. Por ejemplo,
sea A el evento que una mujer presente cncer mamario antes de los 40 aos, y B el
evento que una mujer de 40 aos llegue a alcanzar los 80 aos de vida. La interseccin
de A y B, que define la ocurrencia del evento A y B y que simbolizamos como A B ,
sera el evento en que la mujer presente cncer mamario antes de los 40 aos y a su
vez llegue a alcanzar los 80 aos de edad. La unin de A y B, que define la ocurrencia
de del evento A o B, o A y B y que simbolizamos como A B , sera el evento en
que la mujer presente cncer mamario antes de los 40 aos o que llegue a vivir hasta
los 80 aos de edad, o que presentando cncer mamario antes de los 40 aos de edad
llegue a alcanzar los 80 aos de vida. El complemento de un evento A, define la ocu-
c
rrencia del evento no A y lo simbolizamos como A o como A , y en este ejemplo
sera el evento que una mujer no presente cncer mamario antes de los 40 aos.
Definamos ahora la probabilidad asociada a un evento, el concepto clsico de
probabilidad, define la probabilidad de un evento A como:

(1)

Ello supone conocer a priori los resultados posibles del experimento de manera
tal de obtener el valor de probabilidad como la mera divisin entre la frecuencia de
ocurrencia del suceso A y el nmero total de resultados posibles. Se debe considerar
el hecho de que tal definicin y clculo son vlidos si cada uno de los resultados del
experimento es igualmente posible, como ocurre en el lanzamiento de una moneda o
de un dado no cargado, en ambas situaciones conocemos a priori el espacio muestral
as como la probabilidad de cada uno de los eventos posibles de ser definidos en tal
espacio.
Una redefinicin del concepto clsico de probabilidad, basada en la frecuencia
relativa de ocurrencia del evento de inters, establece que si un experimento se repite
m veces en condiciones idnticas o esencialmente idnticas, y si el evento A ocurre n
veces, entonces la probabilidad del suceso A se define y se calcula como:

n
P( A) (2)
m
Se define entonces la probabilidad de un evento A como la frecuencia relativa obser-
vada de un evento durante un gran nmero de intentos o repeticiones del experimento
en condiciones idnticas o prcticamente idnticas. O bien se define como la fraccin
de veces que un evento se presenta a la larga, cuando las condiciones son estables.

233
Metodologa de la Investigacin Cientfica

Consideremos, por ejemplo, que en los ltimos 12 meses en el pas han nacido
200.000 nios, y que al cabo de un ao de edad han sobrevivido 198.248 nios, si
definimos como A la condicin que un nio sobreviva su primer ao de vida, entonces
su probabilidad es:
198.248
P( A) 0,991
200.000

Complementariamente, la probabilidad de que un nio no sobreviva a su primer


ao de vida es:

1.752
P ( Ac ) 0,009
200.000

Observe que el segundo suceso (Ac) es complemento del primero, cumplindose que:

P( A)  P( Ac ) 1 o P( A) 1  P( Ac ) (3)

Es decir, si el evento A se define como la condicin que un nio sobrevida su primer


ao de vida, entonces se tiene que:

P ( A Ac ) P( A o Ac o ambos) 1 (4)

P(un nio sobreviva su primer ao de vida o no sobreviva su primer ao de vida) =1

En esta condicin es cierto el hecho que el nio sobrevivir o morir, en general


la unin de dos eventos cualesquiera implica que ocurre al menos uno de los dos o
que ocurren ambos. Cuando un evento en particular sucede efectivamente, como ya
hemos dicho, lo definimos como suceso seguro, es decir ocurre en cada uno de los n
intentos del experimento, mostrando as una probabilidad de n/n=1.
Siguiendo nuestro razonamiento, note que es imposible que A y Ac ocurran de
manera simultnea, es decir que el nio sobreviva su primer ao de vida y a su vez no
sobreviva su primer ao de vida. Si un evento jams sucede, posee una probabilidad
0/n=0, lo cual hemos definido como suceso imposible o evento nulo, como se ilustra
en la siguiente expresin.
P ( A Ac ) P ( A y Ac ) 0 (5)

P(un nio sobreviva su primer ao de vida y no sobreviva su primer ao de vida) =0

De esta forma, como ya sabemos, el suceso puede o no que ocurra y el valor nu-
mrico de la probabilidad de ocurrencia del suceso ser un valor cuyo recorrido vara
entre 0 y 1, incluidos ambos valores, aunque tpicamente se obtienen probabilidades
distintas a los valores exactos 0 y 1.

234
Tema 1 | Mtodos e Investigacin
Tema 2 | Probabilidad
Cientfica

Sucesos mutuamente excluyentes

Cuando dos eventos A y B no pueden ocurrir simultneamente, independientes de


las razones de ello, se dice que son sucesos mutuamente excluyentes. Analizados desde
la teora de conjuntos los podemos definir como sucesos disjuntos, cuya interseccin
es vaca, pudiendo ocurrir uno y slo uno de ellos. Como por ejemplo el lanzamiento
de una moneda donde el resultado posible de tal experimento es obtener cara o sello,
la ocurrencia de uno de esos dos resultados excluye la ocurrencia del otro. No sern
sucesos mutuamente excluyentes si para un experimento cualquiera puede ocurrir dos
o ms de sus posibles resultados al mismo tiempo.
Cuando dos eventos (A y B) son mutuamente excluyentes, se tiene que la proba-
bilidad de que cualquiera de los dos eventos ocurra [P(A o B)] est dada por la suma
de probabilidades de los eventos individuales, de esta forma la propiedad aditiva de
la probabilidad establece que:

P( A B) P( A)  P( B) (6)

Esta propiedad puede extenderse a tres o ms sucesos mutuamente excluyentes. Si


A1, A2, , y An son n eventos tales que Ai A j , con i=1, 2,n y j=1, 2,n,
entonces:

P( A1 A2 ... An ) P( A1 )  P ( A2 )  ...  P( An ) (7)

Por ejemplo, asumamos que en una sala de espera de una consulta mdico pedi-
trica hay cuatro nios que deben recibir sus vacunas recomendadas para nios de 12
meses de edad, y nominemos convenientemente a los nios como Benjamn, Laura,
Roco y Joaqun. Si el pediatra posee un bono que otorga gratuidad en el costo de
las vacunas y est dispuesto a otorgarlo mediante una eleccin aleatoria, cul es la
probabilidad de que Laura o Joaqun sean elegidos?, podemos usar la ecuacin 6 para
obtener esta respuesta:

Cuando los eventos A y B de la ecuacin 6 no son mutuamente excluyentes, existe


la posibilidad que se presenten simultneamente, en cuyo caso la regla de adicin se
modifica como:

P( A B) P( A)  P( B)  P( A B) (8)

235
Metodologa de la Investigacin Cientfica

Por ejemplo, si cuatro personas estn realizando su ingreso para ser hospitalizadas,
y el hospital dispone de cuatro habitaciones, tres de ellas con luz natural y la cuarta
sin luz natural, asumiendo los datos proporcionados ms abajo, cul es la proba-
bilidad que la habitacin sin luz natural sea asignada a un hombre o a una persona
mayor de 30 aos?

Datos: Carla (38 aos), Fernando (36 aos), Pamela (25 aos) y Alejandro (32 aos).

2.2. Sucesos dependientes y sucesos independientes

En el contexto en que se presenten dos o ms eventos, nos encontramos con la


situacin que el resultado de uno de ellos puede o no afectar el resultado de un se-
gundo evento. En el caso de los eventos estadsticamente independientes, la presencia
u ocurrencia de uno de ellos no tiene efecto sobre la probabilidad de ocurrencia de
cualquier otro evento.
Si E1, E2, E3,.En son sucesos independientes, con probabilidad P1, P2, P3, .Pn,
entonces la probabilidad conjunta de que ocurra E1 y E2 y E3 y.. En es igual a
P1*P2*P3* .Pn.

Es decir:
(9)

Por ejemplo, un centro mdico posee dos salas de espera de consultas psiquitrica,
en la primera sala se encuentran 4 pacientes que requieren evaluacin psiquitrica y
2 pacientes que requieren tratamiento; en la segunda sala se encuentran 3 pacientes
para evaluacin y 5 para tratamiento, tales datos pueden organizarse como sigue:

Primera Segunda
Total
sala sala
Pac. Evaluacin 4 3 7
Pac. Tratamiento 2 5 7
Total 6 8 14

a) Si se extrae al azar un paciente de cada sala, cul es la probabilidad de que ambos


sean pacientes para tratamiento:

Sean Ei: paciente para evaluacin.


Ti: paciente para tratamiento.

236
Tema 1 | Mtodos e Investigacin
Tema 2 | Probabilidad
Cientfica

Con i= 1 o 2, segn pertenezca a la primera o segunda sala.

Es decir, la probabilidad que ambos pacientes extrados sean para tratamiento es


de 0,208.
b) Si se extrae al azar un paciente de cada sala, cul es la probabilidad de que el
primero sea para tratamiento y el segundo para evaluacin, si se comienza la ex-
traccin en la primera sala?

Sean Ei: paciente para evaluacin.


Ti: paciente para tratamiento.
Con i = 1 o 2, segn pertenezca a la primera o segunda sala.

Es decir, la probabilidad de que se extraiga el primer paciente para tratamiento y


el segundo para evaluacin es de 1/8.
Consideremos un segundo ejemplo ficticio. Se poseen tres jaulas con ratas de labo-
ratorio, la primera de ellas posee 2 ratas grises y 1 blanca, la segunda posee 4 ratas
pintadas y 7 blancas, y la tercera jaula posee 6 ratas beige y 4 blancas, cul es la pro-
babilidad de extraer una rata blanca, una rata pintada y una rata beige al extraer una
de ellas de cada caja comenzando la extraccin secuencialmente en la primera jaula?

Sea B: que la rata sea blanca.


P: que la rata sea pintada.
G: que la rata sea beige.

Luego, la probabilidad que se extraiga una rata blanca, una pintada y una beige, al
extraer slo tres ratas comenzando secuencialmente por la primera caja es de 0,073.
Consideremos, por ltimo, el experimento de hacer el lanzamiento de una moneda
diez veces, cul es la probabilidad de obtener cara en el cuarto y sexto lanzamiento?

237
Metodologa de la Investigacin Cientfica

Sea:
C1: Que la moneda muestre cara en el cuarto lanzamiento.
C2: Que la moneda muestre cara en el sexto lanzamiento.
n(C1 ) n(C 2 ) 1 1 1
Luego, P (C1 C 2 ) P (C1 ) * P(C 2 ) * *
n(:) n(:) 2 2 4

Es decir, la probabilidad de que ocurra el fenmeno de obtener cara tanto en el


cuarto como en el sexto lanzamiento es de 0,25.

Supongamos ahora que no se cumple la independencia estadstica de los eventos,


es decir, la probabilidad de un evento afecta la ocurrencia de un segundo evento o de
los eventos sucesivos, los eventos as presentados son dependientes, en cuyo caso si
E1 y E2 son sucesos dependientes, se tiene que:

P( E1 E 2 ) P( E1 ) * P( E 2 | E1 ) (10)

P( E1 E 2 E3 ) P ( E1 ) * P ( E 2 | E1 ) * P ( E3 | E1 y E 2 ) (11)

Y as sucesivamente para los En sucesos dependientes. En el caso de la expresin


10, tenemos que la probabilidad de ocurrencia del evento E1 y E2 se calcula como el
producto de la probabilidad de E1 por la probabilidad de E2 dado que ocurri E1.
Es decir, la probabilidad del segundo evento, est condicionada por la ocurrencia
del primer evento, obviamente ello se puede extender a tres o ms eventos. La barra
vertical [ | ] que separa un evento de otro se interpreta habitualmente como dado,
otorgando un smbolo conveniente para anunciar la condicin bajo la cual se obtiene
la probabilidad precedente.
Consideremos un ejemplo bsico: una caja que posee 5 bolitas azules, 7 bolitas
blancas y 8 bolitas verdes, cul es la probabilidad, al extraer las bolitas sin reposicin,
que la primera salga blanca, la segunda verde y la tercera azul?
Definamos como:
Suceso A: extraer una bolita azul.
Suceso B: extraer una bolita blanca.
Suceso V: extraer una bolita verde.

Es decir, la probabilidad que en la extraccin ocurra esa combinacin preestablecida


es de 0,041, siendo bastante baja.

238
Tema 1 | Mtodos e Investigacin
Tema 2 | Probabilidad
Cientfica

2.3. Probabilidad condicional

En algunas situaciones nos interesa llegar a determinar la probabilidad de que un


evento A ocurra, cuando conocemos el resultado de otro evento B, el cual afecta la
probabilidad del evento A, en tal situacin estamos frente a una probabilidad condi-
cional. Por ejemplo, podramos calcular la probabilidad que una persona sobreviva
los prximos cinco aos dado que ha presentado diabetes tipo A. O bien calcular la
probabilidad que sobreviva dado que ha sufrido quemaduras en el 60% de su cuerpo.
En tales situaciones empleamos la notacin P(A|B), representando la probabilidad
de A dado B, es decir la probabilidad que el evento A ocurra dado que el evento B
ya ha ocurrido.

La propiedad multiplicativa de la probabilidad establece que la probabilidad que


dos eventos A y B ocurran esta determinada por P(A)*P(B|A). Ello lo podemos ex-
presar como:
P( A B) P( A) * P( B | A) (12)

Igualmente la P( B A) P( B) * P( A | B) es decir, la probabilidad que dos even-


tos A y B ocurran, es igual a la probabilidad de A multiplicada por la probabilidad
de B dado que A ya ocurri. Como sabemos, si A y B son sucesos independientes,
dada la propiedad multiplicativa de la probabilidad, la expresin anterior se reduce
a P( A B) P( A) * P( B) . Si multiplicamos la expresin 12 por 1/P(A) se obtiene
la expresin de la probabilidad condicional.
P( A B) (13)
P( B | A)
P( A)

Homlogamente, se tiene que:

P( A B)
P( A | B)
P( B)

Se asume que tanto P(A) como P(B) son distintas de cero, es decir que no son
eventos nulos.
Para esta segunda situacin, la probabilidad de un evento A dado que ha ocurrido
el evento B se establece como la probabilidad de A intersectado con B dividido por
la probabilidad de B. De esta forma podemos llegar a calcular, por ejemplo, cul es
la probabilidad de presentar problemas respiratorios dado que se fuma.
Asumamos la siguiente situacin, suponiendo que en una muestra de 30 perso-
nas, 18 de ellas son fumadoras y poseen problemas respiratorios, y dos personas que
fuman no poseen problemas respiratorios, existiendo nueve personas sin problemas
respiratorios, como lo muestra la tabla de datos. Cul es la probabilidad de presentar
problemas respiratorios dado que se es fumador?

239
Metodologa de la Investigacin Cientfica

F F Total
R 18 3 21
R 2 7 9
Total 20 10 30

Sea.
R : Presentar problemas respiratorios.
R : No presentar problemas respiratorios.
F : Conducta de fumar.
F : Conducta de no fumar.

Luego el problema puede ser simbolizado y calculado como:

De esta forma, la probabilidad de presentar problemas respiratorios dado que se es


fumador es 0,90. Note que la condicin de ser fumador restringe el espacio muestral
dado que es una condicin que ya ha ocurrido, de esta forma se pudo haber advertido
de la tabla de datos que son slo 18 las personas que presentan problemas respira-
torios y que a su vez pertenecen al grupo de 20 personas que efectivamente fuman.
Respecto a la probabilidad condicional, se debe observar que, en el contexto en que
el evento A y el evento B son independientes, es decir, el resultado de uno de ellos no
influye en el hecho que el otro evento suceda o no suceda, se tiene que P(A|B)=P(A)
y P(B|A)=P(B).
A su vez, la independencia entre los eventos y la condicin de ser eventos mutua-
mente excluyentes, no posee la misma implicancia y significado. Como ya dijimos,
en el contexto de la independencia, si el evento A ocurre, el resultado de B no se ver
afectado y viceversa; dicho as, el evento A podra ocurrir o no, sin que ello afecte la
ocurrencia del evento B, donde P(B|A)=P(B). Sin embargo, si A y B son mutuamente
excluyentes y el evento A ocurre, implica que el evento B no ocurre, en cuyo caso
P(B|A)=0.

2.4. Probabilidad total: concepto y clculo

Haciendo uso de los conceptos y de la comprensin hasta aqu lograda, suponga


que dispone de datos recogidos mediante una encuesta nacional de autocuidado en
salud para una poblacin escolar de enseanza bsica, donde parte de los datos dan
cuenta de la conducta de cepillado de dientes de los nios despus de almorzar y de
los niveles de educacin de 37.343 madres de tales nios, los datos se muestran en
la siguiente tabla.

240
Tema 1 | Mtodos e Investigacin
Tema 2 | Probabilidad
Cientfica

Nivel educ. Cantidad Nios que Nios que no


madre madres se cepillan se cepillan
Enseanza
17.560 14.745 2.815
bsica
Enseanza
11.846 10.546 1.300
Media
Educacin
7.937 7.381 556
superior

Total 37.343 32.672 4.671

Sea E1 el evento de que la madre posee un nivel educativo de enseanza bsica,


E2 el evento que da cuenta que la madre posee un nivel de enseanza media y E3 el
evento que la madre posee educacin superior. Asumiendo que se posee una muestra
suficientemente grande de nios y madres como para satisfacer la definicin de pro-
babilidad basada en la frecuencia, podemos calcular la probabilidad de cada uno de
estos eventos ocurra, encontrando que:

Observe que la suma de los tres valores de probabilidad equivalen a 1, es decir,


si definimos Ei como el evento que una madre de las encuestadas posea enseanza
bsica, enseanza media o enseanza superior, se tiene que:
P( Ei ) P( E1 E2 E3 )
P( E1 )  P( E2 )  P( E3 )
0,470  0,317  0,213
1
Siendo posible aplicar la propiedad aditiva de la probabilidad y sumar directamente
las probabilidades de los eventos dado que son mutuamente excluyentes.
Definamos ahora el evento C como la condicin que el nio no se cepille los dien-
tes despus de almorzar, lo que podra considerarse una conducta de inters al ser de
riesgo. La probabilidad de tal evento para el total de los casos est dada por:

4.671
P(C ) 0,125
37 .343

Lo que permite afirmar que la probabilidad total de no cepillarse los dientes despus
de almorzar es de 0,125. Al calcular la probabilidad del mismo evento en los distintos
subgrupos de madres, se constata que:

241
Metodologa de la Investigacin Cientfica

Advirtindose que la probabilidad aumenta en aquellos nios que poseen madres


cuyo nivel de educacin es enseanza bsica, disminuyendo progresivamente en la
medida que aumenta el nivel de educacin de las madres. De igual forma podemos
esperar que cuando el nivel educativo de las madres aumenta, la probabilidad de que
los nios se cepillen los dientes despus de almorzar tambin aumenta, aumentando
la probabilidad total de la conducta. De hecho, asumiendo C como el evento de que
el nio se cepille los dientes, se tiene:

Adems se debe observar que, respecto del total de los integrantes de la muestra,
la probabilidad de que un nio no se cepille los dientes despus de almorzar se puede
expresar como la unin de tres eventos mutuamente excluyentes, en que se intersecta
la condicin de no cepillarse los dientes con la condicin de poseer una madre con un
nivel de educacin determinado; naturalmente cada nio que no se cepilla los dientes
puede ubicarse slo en uno de los grupos de madres, esto lo podemos expresar como:

Dado que los eventos as definidos son mutuamente excluyentes, se puede aplicar
la propiedad aditiva y la propiedad multiplicativa de las probabilidades, y demos-
trarse que:

Reemplazando los valores ya calculados para cada una de las probabilidades de


la ecuacin, se obtiene que:

De esta forma, la probabilidad que un nio no se cepille los dientes despus de


almorzar es de 0,125; como ya habamos establecido inicialmente a partir de los datos.
Al generalizar el resultado alcanzado en el desarrollo del ejercicio anterior, se de-
muestra que, respecto de un evento A de inters, el que puede ocurrir en cualquiera
de las Bk particin de un espacio muestral , la probabilidad total de que tal evento
ocurra es:

(14)

242
Tema 1 | Mtodos e Investigacin
Tema 2 | Probabilidad
Cientfica

La expresin anterior se conoce como teorema de la probabilidad total o ley de la


probabilidad total, y permitir el planteamiento de otro teorema fundamental en la
teora y clculo de probabilidades.

2.5. Teorema de Bayes: concepto y clculo

Si bien, el teorema de la probabilidad total permite establecer la probabilidad de


ocurrencia de un evento de inters, no nos informa de la probabilidad que un sujeto,
que posee una caracterstica determinada, provenga de una particin especfica o
conocida del espacio muestral.
Para resolver esta nueva interrogante, continuemos con el desarrollo del
ejemplo referido al evento C , condicin de no cepillarse los dientes despus
de almorzar. Ya hemos calculado P (C ) , y en esta nueva situacin nos in-
teresa calcular , por ejemplo calcular la probabilidad
que el nio posea una madre con un nivel de educacin de enseanza media, dado que
presenta la conducta de no cepillarse los dientes despus de almorzar, o dicho de manera
ms general, cul es la probabilidad de que un nio (elegido al azar), que no se cepilla los
dientes despus de almorzar, provenga de una madre con un determinado nivel educacional.
Sabemos, por el desarrollo de la ecuacin 13, que , de esta
forma:

Al aplicar la propiedad multiplicativa al numerador de la expresin, se tiene que:

Pero sabemos, por el teorema de la probabilidad total, que

Luego, reemplazando en la ecuacin anterior tenemos que:

De esta forma, resolviendo la ecuacin con los valores de probabilidad ya conoci-


dos, se puede determinar la probabilidad de que un nio posea una madre con nivel
educacinal de enseanza bsica dado que no se cepilla los dientes despus de almorzar:

0,160 * 0,470
P( E1 | C ) 0,602
0,160 * 0,470  0,110 * 0,317  0,070 * 0,213

243
Metodologa de la Investigacin Cientfica

Se concluye entonces luego que la probabilidad de que un nio que no se cepilla


los dientes despus de almorzar posea una madre con nivel educacional de enseanza
bsica es de aproximadamente 0,602. Ello igualmente se puede calcular a partir de los
datos originales de la tabla, en que, de los 4.671 nios que no se cepillan los dientes
despus de almorzar, slo 2.815 de tales nios poseen madres con un nivel educacional
de enseanza bsica, es decir:

(*) La variacin respecto del valor calculado se debe simplemente al efecto de la


aproximacin realizada en el clculo anterior.
Utilizando el razonamiento y comprensin lograda en el problema anterior, se
puede demostrar que: si un espacio muestral est formado por B1, B2, B3, B4, ...,
Bk particiones y conocemos la ocurrencia de un suceso A que est en , entonces al
desear determinar la probabilidad de que una particin en particular ha sido genera-
dora del suceso A se tiene:

(15)

Siendo el denominador una sumatoria de trminos que vara de i=1 a i=k, correspon-
diendo a lo que hemos definido como probabilidad total de la ocurrencia de un evento
en el espacio muestral (). La expresin del teorema anterior es lo que conocemos
como Teorema de Bayes, el que es posible representarlo ms abreviadamente como:

(16)

De esta forma, el Teorema de Bayes calcula la probabilidad que, habiendo ocurrido


un suceso A de inters en un espacio muestral conocido, tal suceso provenga de una
determinada particin del espacio muestral, en que eventualmente para cada parti-
cin del espacio muestral existe una probabilidad cualquiera, conocida o calculable,
de ocurrencia del suceso A. Se puede inferir fcilmente que el Teorema de Bayes nos
permite considerar informacin disponible respecto de un suceso A que est presente
y del cual conocemos su probabilidad de ocurrencia. Por ejemplo, podemos calcular
la probabilidad que un paciente sobreviva a una intervencin quirrgica dado que
presenta una condicin mdica preexistente distinta a la que motiva la ciruga, o bien
determinar la probabilidad de sufrir alguna patologa coronaria dado que se posee
una determinada conducta alimentaria o un ndice de masa corporal determinado.
Considere el siguiente ejemplo: En una escuela existen tres cursos de cuarto ao
de enseanza bsica, el primer y segundo curso poseen 30% del total de estudiantes
cada uno y el tercer curso el 40% restante de estudiantes. Se sabe que en el primer
curso hay una probabilidad de 0,20 de poseer Trastorno por dficit de atencin, en

244
Tema 1 | Mtodos e Investigacin
Tema 2 | Probabilidad
Cientfica

el segundo curso tal probabilidad es de 0,16 y en el tercero de 0,31. En ese contexto,


Cul es la probabilidad que, habiendo seleccionado un estudiantes con Trastorno
por dficit de atencin, ste haya pertenecido al segundo curso?
Para representar nuestro problema y calcular la probabilidad asumiremos que:
C1, C2 y C3 representan el primer, segundo y tercer curso de cuarto ao de enseanza
bsica respectivamente y A representa el evento de presentar Trastorno por dficit de
atencin. Luego, haciendo uso del teorema de Bayes, se tiene que:

Se concluye que, dado que el nio seleccionado al azar posee trastorno por dficit
de atencin, existe una probabilidad de 0,207 que provenga del segundo curso.
Considere un segundo ejemplo: En el extremo sur de Chile existe tres provincias
muy alejadas de los grandes centros urbanos, en las cuales trabajan cierta cantidad
de mdicos general de zona. Se ha observado, a lo largo de cinco aos, que la pro-
babilidad que los mdicos desarrollen sentimientos de soledad y se depriman es un
tanto distinta en cada una de tales provincias. Segn el registro histrico, en la pri-
mera de las provincias, de un total de 20 mdicos que han ocupado el cargo slo 3
han presentado depresin, en la segunda provincia de un total de 14 mdicos slo 3
han presentado depresin y en la tercera provincia se han deprimido 7 mdicos de un
total de 18. En la actualidad, las provincias poseen 19, 18 y 21 mdicos general de
zona respectivamente, cul es la probabilidad que estando el mdico depresivo, este
provenga de la tercera provincia?

Los datos anteriores se pueden agrupar en la siguiente tabla:

Probabilidad Cantidad de Porcentaje de


Provincias
de deprimirse mdicos actuales mdicos
1 provincia (A) 0,150 19 32,76
2 provincia (B) 0,214 18 31,03
3 provincia (C) 0,389 21 36,21

Para plantear el problema estadsticamente y realizar el clculo de probabilidad,


definamos los siguientes eventos:

Sea D: Que el mdico presente depresin.


Sea A, B, C: La condicin que el mdico pertenezca a la primera, segunda o tercera
provincia respectivamente.

245
Metodologa de la Investigacin Cientfica

Haciendo uso del concepto clsico de probabilidad, tenemos que.

As tambin, es posible calcular la P(D|B)=0,214 y P(D|C)=0,389.

Usando los datos actuales respecto de la provincia de ejercicio de los mdicos, se


puede establecer que la probabilidad que un mdico est ejerciendo en alguna de las
tres provincias A, B o C est dado por:

Asumiendo los valores calculados, podemos reemplazarlos en la ecuacin 16 que


define el Teorema de Bayes, encontrando que la probabilidad que un mdico en es-
tado depresivo provenga de la tercera provincia (C) es de 0,549, como se observa en
el siguiente clculo:

Se insiste al lector que el denominador de la ecuacin que define el Teorema de


Bayes corresponde al teorema de la probabilidad total, el cual indicara la probabi-
lidad de ocurrencia del suceso de inters en cualquier particin del espacio muestral
definido, sin haber asumido o tenido conocimiento que el suceso ocurri en una
particin determinada.

2.6. Sensibilidad y especificidad de las pruebas de diagnstico

Una de las aplicaciones que se hace del Teorema de Bayes y del clculo de proba-
bilidades en general, es para determinar la sensibilidad y especificidad de una prueba
diagnstica, un examen de laboratorio, un test de tamizaje (screening), una prueba
de preseleccin o cualquier medio diagnstico. Tales procesos diagnsticos implican
aplicar una prueba a un paciente que an no manifiesta sntomas clnicos, con la
finalidad de establecer la probabilidad que presente una determinada enfermedad o
patologa de inters; en otras situaciones las pruebas buscan detectar una enfermedad
o sndrome especfico en un paciente sintomtico, o bien clasificarlo en una categora
diagnstica preestablecida. De esta forma, quienes den positivo a una prueba diagns-
tica poseen mayor probabilidad de poseer la enfermedad que quienes den negativo a

246
Tema 1 | Mtodos e Investigacin
Tema 2 | Probabilidad
Cientfica

la prueba, obviamente tales resultados de la prueba motivarn otras acciones de parte


del profesional de la salud que atiende al paciente.
Cotidianamente se realiza una gran cantidad de pruebas diagnsticas con carcter
preventivo o para la deteccin temprana de una patologa, lo que naturalmente ter-
mina posibilitando un mejor pronstico o una intervencin ms oportuna. De all la
importancia de realizar una evaluacin de las pruebas para conocer aspectos tales como
cul es la proporcin de personas enfermas que logra detectar, cul es la proporcin de
personas sanas clasificadas errneamente como enfermos o la proporcin de personas
enfermas que arrojan un resultado negativo en la prueba diagnstica. Lgicamente
nos interesa que la prueba diagnstica, a partir de un criterio de positividad, logre
detectar efectivamente a todas las personas que poseen la enfermedad y que no cometa
el error de atribuir enfermedad a quien realmente no la padece, aunque en una gran
cantidad de situaciones tal criterio no permite lograr una clasificacin libre de error
de personas sanas y enfermas, existiendo en la mayora de los casos de pruebas una
superposicin de la clasificacin en base al criterio de positividad, establecindose as
un diagnstico en base a las leyes y principios de las probabilidades.
Asumamos que poseemos un examen o prueba de diagnstico para una determi-
nada patologa, convengamos en que usaremos la notacin E  y E  para referirnos al
resultado positivo o negativo de la prueba. Supongamos a su vez, que el diagnstico
est referido a una patologa determinada, la cual es posible definir en dos estados
mutuamente excluyentes y exhaustivos. Definiendo el evento D como la condicin
que el paciente examinado posee la enfermedad y D como la condicin de no poseer
la enfermedad, siendo un suceso el complemento del otro. En este contexto podemos
llegar a determinar la probabilidad de que una persona que da positivo a la prueba
posea efectivamente la enfermedad, bastar determinar P ( D | E  ) o bien determinar
la probabilidad que una persona que obtiene un resultado negativo a la prueba no
posea la enfermedad de inters, en cuyo caso podemos calcular P ( D | E  ) . Lgica-
mente ambas situaciones son de alto inters dado que dan cuenta de lo eficaz que es
la prueba diagnstica para lograr su propsito de medicin, mostrando as evidencia
de la validez de la prueba de acuerdo a algn criterio de establecimiento de validez
para una enfermedad especfica.
Ejemplifiquemos con una situacin conocida: Como sabemos, las mamografas
(prueba diagnstica) que constituyen un mtodo habitual para la deteccin temprana
del cncer de mamas, son un mtodo que puede detectar la presencia de la patologa
aunque no se hayan manifestado los sntomas. Asumamos que disponemos de datos
reales que permiten determinar probabilidades de eventos de inters; supongamos luego
que se realiz mamografa a 480 mujeres con cncer mamario y que en el 12,5% de
los casos la mamografa mostr resultados negativos para cncer de mamas, lo que en
el contexto de efectivamente poseer efectivamente cncer de mamas se transforma en
una proporcin de falsos negativos, la mamografa arroja un resultado negativo pese a
que la persona presenta cncer de mamas. Lo anterior, en trminos de probabilidad,
podemos representarlos como:

247
Metodologa de la Investigacin Cientfica

P(resultado negativo en la mamografa | presenta cncer de mamas)=0,125; ms


abreviadamente podemos afirmar que:

Se puede inferir a su vez que de los 480 casos, el 87,5% de las mujeres que padecan
cncer mamario eran detectadas por la prueba diagnstica, arrojando as resultados
positivos en la mamografa, es decir:
P(resultado positivo en la mamografa | presenta cncer de mamas)=0,875; lo que
podemos abreviar como:

La probabilidad anterior define una cualidad de la medida establecida por la prueba


diagnstica que llamamos sensibilidad de la prueba. La que establece la probabilidad
de que una persona sometida a la prueba diagnstica obtenga un resultado positivo
a ella dado que efectivamente posee la enfermedad.
Asuma ahora que, de los 480 casos examinados, no todas las mujeres padecan de
cncer a las mamas, slo el 85% posea cncer y el restante 15% no lo posea pese
a arrojar positivo al examen mamario. Tal situacin da cuenta de una cualidad de la
medicin de la prueba diagnstica que llamamos falsos positivos, la mamografa (prue-
ba diagnstica) arroja un resultado positivo pese a que la persona no presenta cncer
de mamas. Lo anterior, en trminos de probabilidad, podemos representarlo como:
P(resultado positivo en la mamografa | no presenta cncer de mamas)=0,150; ms
abreviadamente podemos afirmar que:

En esta nueva situacin se puede inferir que de los 480 casos, el 85% de las mujeres
que no padecan cncer mamario resultaban negativos a la prueba diagnstica, es decir:
P(resultado negativos en la mamografa | no presenta cncer de mamas)=0,850; lo
que podemos representar como:

La probabilidad anterior define una cualidad de la medida establecida por la prueba


diagnstica que llamamos especificidad de la prueba. La que establece la probabilidad
de que una persona sometida a la prueba obtenga un resultado negativo a ella dado
que efectivamente no posee la enfermedad.
Ilustremos ahora el uso que se puede realizar del Teorema de Bayes para llegar
a establecer el valor predictivo de una prueba diagnstica, en este nuevo contexto
buscamos determinar cul es la probabilidad de que una mujer, con un resultado
positivo de cncer de mamas en la mamografa, en realidad posea cncer?. Peralta
(2002) menciona que anualmente en Chile se diagnostican aproximadamente 5.500
casos de cncer de mamas, indicativos de una prevalencia de 71 casos por cada 100.000

248
Tema 1 | Mtodos e Investigacin
Tema 2 | Probabilidad
Cientfica

mujeres. Definamos el evento D como la condicin de poseer cncer de mamas y D


como la condicin de no poseerlo, luego:

P(D)=0,00071 y P (D ) =0,99929

Definamos igualmente E  como la condicin que la mamografa sea positiva para


cncer de mamas. Asumiendo la pregunta anterior, lo que debemos determinar es
P( D | E  ) . Aplicando el Teorema de Bayes, podemos plantear que:

De esta forma, la probabilidad de presentar cncer de mamas dado que la prueba


diagnstica result positiva es de 0,00413, y corresponde al valor predictivo de una
prueba que arroja un resultado positivo. Para este clculo en particular, por cada
100.000 mamografas positivas para cncer mamario, slo 413 pacientes representan
casos reales de cncer mamario. Hay que inferir que tan baja probabilidad obviamente
tiene relacin con la baja prevalencia de la patologa.
Homlogamente, se puede establecer el valor predictivo de una prueba diagnstica
que arroja un resultado negativo, es decir, es posible establecer P( D | E  ) , calculando
as la probabilidad de no padecer la enfermedad dado que se obtiene un resultado
negativo a la prueba diagnstica. Haciendo uso de los valores antes expuestos, se tiene:

Por lo tanto, de cada 100.000 mamografas negativas para cncer mamario, 99.990
no padecen cncer.
Todos estos conceptos pueden obtenerse de una tabla que represente las probabi-
lidades de los distintos eventos, en que una de sus categoras est dada por el valor
positivo o negativo de la prueba diagnstica y la otra dimensin est dada por la
presencia o ausencia de la enfermedad. Si utilizamos D para indicar enfermedad y D
para indicar ausencia de enfermedad, con E  y E  para indicar un resultado positivo
o negativo de la prueba diagnstica, encontrando los siguientes valores:

249
Metodologa de la Investigacin Cientfica

Resultados verdaderos
D D Total

Resultado E 0,26 0,08 0,34


de la prueba 0,02 0,64 0,66
E
Total 0,28 0,72 1

Al establecer la sensibilidad de la prueba a partir de los datos de probabilidad de


la tabla, se tiene que:

Es decir, la prueba es capaz de identificar prcticamente al 93% de los sujetos que


efectivamente poseen la enfermedad.
Si calculamos la especificidad, se tiene que:

De esta forma, la prueba dar negativo aproximadamente en el 89% de los casos


de sujetos que no poseen la enfermedad
El valor predictivo positivo y el valor predictivo negativo se pueden calcular res-
pectivamente como:

Es decir, la probabilidad que la persona que da positivo al examen tenga la enfer-


medad es de 0,765 y la probabilidad de que la persona que da negativo al examen no
tenga la enfermedad es de 0,970.
Por ltimo tambin es posible determinar la prevalencia de la enfermedad, la que
equivale a identificar o calcular la probabilidad de que se presente la enfermedad en
la poblacin de inters, es decir P(D), que en este caso es 0,28.
Los anlisis y resultados anteriores se pueden sintetizar en una sencilla tabla de con-
tingencia que permite evaluar la prueba y operacionalizar el clculo de probabilidades.

Resultados verdaderos
Total
Enfermos Sanos
Resultado Positivo A B A+B
de la
prueba Negativo C D C+D

Total A+C B+D A+B+C+D

250
Tema 1 | Mtodos e Investigacin
Tema 2 | Probabilidad
Cientfica

La tabla ordena los resultados de la prueba diagnstico en el eje horizontal y los


resultados verdaderos de la presencia o no de la enfermedad, en el eje vertical; esta-
mos asumiendo que se cuenta con un criterio cierto para establecer la verdadera
presencia de la enfermedad, criterio que resulta ser distinto al criterio utilizado por la
prueba para determinar un resultado positivo o negativo respecto de una enfermedad
especfica.
Se observa en la tabla que (A+C) representa la cantidad total de enfermos y (B+D)
la cantidad total de personas sanas; los valores (A+B) y (C+D) representan respectiva-
mente el total de enfermos (positivo) y sanos (negativo) segn la prueba diagnstico.
A partir de tal ordenamiento y nomenclatura es posible calcular la sensibilidad y la
especificidad de una prueba:
A
Sensibilidad * 100 (17)
AC

D
Especificidad * 100 (18)
BD
Desde la perspectiva de los resultados de la prueba, se puede determinar el valor
predictivo positivo y el valor predictivo negativo; de esta manera buscamos establecer
cuntas de la personas que arrojan resultado positivo a la prueba estn verdaderamente
enfermos y cuntas de las personas que presentan resultados negativos efectivamente
no poseen la enfermedad.
A
Valor predictivo positivo * 100 (19)
A B

C (20)
Valor predictivo negativo * 100
CD

Estos dos ltimos clculos hay que interpretarlos cuidadosamente dado que slo
tienen sentido si la prueba la aplicamos a la totalidad de una poblacin especfica, de
la cual conocemos la prevalencia de enfermedad o ella es posible de ser establecida,
en tanto que el valor predictivo de la prueba puede variar grandemente segn exista
baja o alta prevalencia de la enfermedad en estudio, la cual obviamente vara de
una poblacin a otra. Existen variados ejemplos en la literatura mdica respecto del
alcance clnico y epidemiolgico de la relacin entre prevalencia y valor predictivo
de una prueba, lo que muchas veces lleva a errores en la valoracin de una prueba
diagnstica para su uso en una poblacin determinada, distinta a la poblacin de
estudio que permiti el clculo original de sensibilidad y especificidad; advirtindo-
se, en general, que el valor predictivo de una prueba aumenta en la medida en que
aumenta la prevalencia de la enfermedad, aumentando adems en la medida en que
la sensibilidad y la especificidad de la prueba aumentan.

251
Metodologa de la Investigacin Cientfica

Ejercicios:

1. Determine si los siguientes pares de sucesos son mutuamente excluyentes o


son independientes:
a) A1: El paciente posee SIDA.
A2: El paciente incurre en conductas sexuales de riesgo sin autocuidado.
b) B1: El paciente sufre una lesin lumbar por cada.
B2: El paciente usa una solucin oftlmica para disminuir la irritacin ocular.
c) C1: Carlos presenta una fiebre de 39,5C.
C2: Carlos presenta una infeccin post operatoria.
2. Cul es la probabilidad de obtener cualquier nmero entre 1 y 6 en un nico
lanzamiento de un dado?
3. Cul es la probabilidad de que, en el lanzamiento simultneo de dos dados, se
obtenga un resultado total que sume menos de 12 puntos?
4. Haciendo uso de la expresin P(Ac)=1-P(A) y asumiendo el evento A como ob-
tencin del nmero 3 en el lanzamiento de un dado, determine cul es la pro-
babilidad de no obtener el 3 en un nico lanzamiento ?
5. Se define un espacio muestral de la forma =14, 8, 15, 20, 50, cul es la proba-
bilidad que al extraer un nmero aleatoriamente, este sea un nmero par o sea un
nmero mltiplo de 5? Determine igualmente la probabilidad que al extraer un
nmero, este sea par y sea mltiplo de 3; explique el resultado.
6. En un torneo de ajedrez, respecto de dos competidores que se han enfrentado 12
veces, se tiene que Marcelo a ganado seis partidas, Alejandro ha ganado tres, y en
tres ocasiones han empatado. Si realizan otro torneo, a tres encuentros, cul es
la probabilidad de que Marcelo gane los tres partidos?
7. Si Pedro posee una probabilidad de 0,57 de estar vivo en 30 aos ms y Juan posee
una probabilidad de 0,72 de estar vivo en igual periodo, asumiendo los sucesos
como independientes, cul es la probabilidad de que ambos estn vivos en 30
aos ms?
8. El curso de Medicina basada en la evidencia posee un total de 34 estudiantes,
de los cuales 15 son hombres y las restantes mujeres, si se extrae al azar a una
persona de este grupo curso:
a) Cul es la probabilidad que sea mujer?
b) Cul es la probabilidad que sea hombre?
9. La unidad de psiquiatra de un hospital tiene un total de 203 pacientes, de los cua-
les 133 son mujeres y de ellas 77 poseen depresin, con un total de 104 personas
depresivas atendidas por la unidad, estando los restantes pacientes sin depresin.
Cul es la probabilidad de estar depresivo dado que se es mujer?
10. La unidad de salud mental de un Centro de Salud Familiar posee un total de 186
pacientes, 89 hombre y 97 mujeres, de estas ltimas 37 poseen el diagnstico de
trastorno adaptativo, de un total de 103 pacientes con ese diagnstico en todo el
Centro, en tanto los restantes pacientes presentan otras patologas. Al extraer a
una persona al azar:
Cul es la probabilidad que siendo hombre posea un trastorno adaptativo?
Cul es la probabilidad que siendo mujer no posea un trastorno adaptativo?

252
Tema 1 | Mtodos e Investigacin
Tema 2 | Probabilidad
Cientfica

Qu se puede concluir, en funcin del gnero, respecto de la probabilidad de


poseer un trastorno adaptativo?
11.Un Centro mdico posee una sala de espera en torno a la cual se encuentran dos
box de consultas de mdicos geriatras, las que atienden tanto a pacientes que re-
quieren tratamiento, cmo a los que requieren exclusivamente evaluacin y diag-
nstico. Existiendo en la sala de espera un total de 6 pacientes para tratamiento
y 4 pacientes para evaluacin y diagnstico, al ingresar pacientes aleatoriamente
a uno de los dos box de atencin, cul es la probabilidad de que ingrese primero
un paciente para tratamiento y enseguida un segundo y un tercer paciente que
requieren evaluacin y diagnstico?
12. Se posee dos grupos, el primero de ellos est formado por 40 nios y el segundo
por 30 nios, a ambos grupos se les ha vacunado contra el sarampin, sin embargo,
dada la edad de los pacientes, a una cuarta parte de los nios del primer grupo y
a un tercio de los nios del segundo grupo se les aplic una segunda vacuna para
prevenir otros contagios.
a) Cul es la probabilidad de pertenecer al primer grupo de nios.
b) Cul es la probabilidad de haber recibido las dos vacunas.
c) Cul es la probabilidad de haber recibido la segunda vacuna dado que se pro-
viene del segundo grupo.
13. En un casino de una empresa, un grupo de comensales ha sufrido una intoxicacin
alimenticia, el 60% de los intoxicados est grave y hospitalizado, al 15% del grupo
presenta intoxicacin moderada y fueron igualmente hospitalizados, y las restantes
personas presentan intoxicacin leve, siendo tratados y derivados a sus hogares.
a) Cul es la probabilidad que una persona del grupo quede hospitalizada?
b) Cul es la probabilidad que una persona del grupo no presente intoxicacin
grave?
c) Cul es la probabilidad de haber sufrido intoxicacin alimenticia y ser derivado
a su hogar?
14. En un estudio odontolgico se han observado y medido dos sucesos de inters, sea
el suceso A: tincin dental asociada al consumo de cigarrillos y B: tincin dental
asociada al consumo de caf. Se ha encuestado a un grupo de estudiantes univer-
sitarios, en quienes se ha observado y medido tales condiciones, encontrndose
los siguientes datos:

Tincin dental Hombre Mujer Total


Tincin asociada al
27 35 62
consumo de caf.
Tincin asociada al
48 26 74
consumo de cigarrillos
Tincin asociada al consumo
54 42 96
de caf y de cigarrillos.
Sin tincin dental 33 41 74
Total 162 144 306

253
Metodologa de la Investigacin Cientfica

A partir de los datos anteriores, determine:

a) Cul es la probabilidad de presentar tincin asociada al consumo de caf


dado que se es mujer?
b) Cul es la probabilidad total de presentar tincin dental?
c) Si se selecciona al azar una persona que posee tincin dental cul es la proba
bilidad de que provenga del grupo conformado por los hombres?
15. Un mdico onclogo, encargado de un programa mdico en una clnica, aplic
dos tratamientos distintos en la atencin de dos grupos (A y B) de pacientes que
atenda. El grupo A (Tratamiento A) estaba integrado por 27 pacientes, de los
cuales slo 19 se recuperaron totalmente despus del tratamiento y el grupo B
(Tratamiento B) estaba integrado por 33 pacientes, de los cuales se recuperaron
11 pacientes satisfactoriamente.
a) Qu tratamiento (A o B) asegura una mejor probabilidad de recuperacin?
b) Una vez terminado los tratamientos, respecto del total de pacientes de ambos
grupos, cul es la probabilidad de extraer al azar un paciente recuperado?
16. En un centro hospitalario se han realizado 88 exmenes para diagnosticar SIDA,
los que corresponden a igual cantidad de pacientes de tres comunas distintas. De la
primera comuna (C1) provienen 24 personas, de la segunda comuna (C2) provienen
31 personas y las restantes 45 personas provienen de una tercera comuna (C3).
a) Cul es la probabilidad de haberse realizado el examen diagnstico y provenir
de la tercera comuna?
b) Si en cada uno de los grupos formados por las tres comunas, se encontr cuatro
exmenes positivos, cul es la probabilidad de dar positivo al examen dado que
se proviene de la primera comuna?
c) Asumiendo los datos de la pregunta anterior (b), cul es la probabilidad total de
no dar positivo al examen diagnstico?
17. La rubola es una enfermedad que, de ser contrada durante el embarazo, podra
acarrear dificultades al beb en gestacin o a la madre. En una poblacin deter-
minada se ha observado que el 18% de las mujeres embarazadas que contraen la
enfermedad presentaron dificultades mdicas sin que los bebs sufrieran consecuen-
cias; en un 12% de los casos totales los bebs presentaron dificultades mdicas,
sin que las madres presentaran complicaciones, y en los restantes casos tanto las
madres como los bebs presentaron dificultades asociadas a la enfermedad.
a) Cul es la probabilidad que un beb presente dificultades mdicas asociadas
a la rubola?
b) Cul es la probabilidad que la madre no sufra dificultades mdicas asociadas
a la rubola?
c) Cul es la probabilidad que un beb, que presenta dificultades mdicas, pro-
venga de una madre sin dificultades asociadas a la enfermedad?
d) Cul es la probabilidad de que el beb presente dificultades mdicas asociadas
a la rubola dado que proviene de una madre que no present tal enfermedad?
18. En un curso de epidemiologa se han formado tres equipos de investigacin de
igual tamao, si la probabilidad de terminar el proyecto de investigacin para cada
uno de los estudiantes depende del trabajo de su equipo, donde el primer equipo

254
Tema 1 | Mtodos e Investigacin
Tema 2 | Probabilidad
Cientfica

posee una probabilidad de 0,38 de terminar el proyecto, el segundo de 0,93 y el


tercero de 0,56, entonces:
a) Cul es la probabilidad de que un estudiante del curso termine el proyecto
de investigacin?
b) Asumiendo que se extrae al azar un estudiante que efectivamente termin su
proyecto de investigacin, cul es la probabilidad de que haya pertenecido al
primer equipo de investigacin?
19. Se realiza una investigacin respecto a la calidad de vida en tres campamentos de la
Regin Metropolitana de Santiago, el campamento de mayor tamao (Campamen-
to A) posee un total de 1.740 personas; el que le sigue en tamao, (Campamento
B), posee 937 personas y el campamento C un total de 459 personas. La encuesta
de calidad de vida, aplicada a la poblacin, informa que el campamento A posee
condiciones que aseguran una probabilidad de 0,34 de tener buena calidad de vida,
en el campamento B tal probabilidad es de 0,41 y en el campamento C es de 0,19:
a) Cul es la probabilidad de que, al extraer una persona al azar del total de
personas de los tres campamentos, esta posea una buena calidad de vida? Calcule
adems, en la misma situacin, la probabilidad de poseer una mala calidad de
vida. Qu conclusin se puede obtener al comparar ambos resultados?
b) Cul es la probabilidad de que al extraer una persona con buena calidad de
vida, esta haya provenido del campamento C?
c) Cul es la probabilidad de que si la persona posee mala calidad de vida, esta
haya pertenecido al campamento ms deteriorado en su calidad de vida?
20. Un mdico pediatra, que trabaja en un centro de salud ubicado en una poblacin
altamente vulnerable, sabe que el 78% de los nios proviene de familias disfun-
cionales y los restantes de familias sin disfuncin, tambin sabe que la posibilidad
de que un nio sufra maltrato fsico es el doble ms alta en familias disfuncionales
que en familias sin disfuncin. Si la probabilidad de que un nio sufra maltrato
fsico en un grupo sin disfuncin familiar es de 0,27:
a) Cul es la probabilidad de que un nio, que haya sido elegido aleatoriamente
de la poblacin de atencin, presente maltrato fsico?
b) Cul es la probabilidad de que un nio, que presenta maltrato fsico y que
ha sido elegido aleatoriamente, provenga de una familia altamente disfuncional?
21. Un psiquiatra infantil que trabaja en un proyecto municipal de psiquiatra
comunitaria sabe que el 45% de los nios atendidos en el sistema de salud co-
munal provienen de sectores pobres y los restantes de sectores ms acomodados.
Tambin sabe que la posibilidad de que un nio presente algn trastorno mental
es el triple ms alta en los sectores deprivados que en los sectores acomodados.
Si la probabilidad de que un nio presente algn trastorno mental en los sectores
ms acomodados es de 0,12, entonces:
a) Cul es la probabilidad de que un nio, que ha sido elegido aleatoriamente,
posea algn trastorno mental?
b) Cul es la probabilidad de que un nio, que presenta un trastorno mental,
provenga de un sector pobre?
c) Si existe un total de 12.780 nios atendidos por el sistema de salud comunal,
cuntos presentaran algn trastorno mental?

255
Metodologa de la Investigacin Cientfica

22. Se sabe que la probabilidad de ocurrencia de hepatitis en una poblacin peditrica


es de 0,05; tambin se sabe que el 72% de las personas que han sufrido hepatitis
en su infancia desarrollan, en algn momento, una enfermedad B y quienes
no sufrieron hepatitis slo en el 1% de los casos presentan la enfermedad B.
Si atendemos mdicamente a un paciente adulto que presenta actualmente la
enfermedad B, cul es la probabilidad que padeciera hepatitis en su infancia?,
o dicho de otro modo, cul es la probabilidad de presentar la enfermedad B
dado que proviene de una poblacin que present hepatitis?
23. En un estudio biomdico se encuentra que, de un total de 2.345 sujetos examinados,
40 de ellos padecan verdaderamente tuberculosis y los restantes no la padecan.
A su vez, se aplicaron exmenes de rayos X a todos los individuos, resultando
positivos para tuberculosis 92 de ellos y negativos los restantes, como se resumen
en la siguiente tabla.

Con Sin
Ex. rayos X Total
tuberculosis. tuberculosis.
Positivo 31 61 92
Negativo 9 2.244 2.253

Total 40 2.305 2.345

a) Determine la probabilidad de que un paciente elegido al azar padezca tuber-


culosis si el resultado del examen de rayos X es negativo.
b) Determine, a su vez, la probabilidad de que el paciente no posea tuberculosis
habiendo obtenido un resultado positivo al examen de rayos X.
c) Determine la especificidad y sensibilidad del examen de rayos X.
24. En un Centro de Salud Familiar se diagnostica cncer de mamas por medio de la
palpacin, se sabe que en esa poblacin una de cada 400 mujeres as diagnosti-
cadas presenta realmente cncer de mamas (establecido mediante mamografa).
Durante el ltimo ao de atencin, por medio de la palpacin, se detect un 48%
de mujeres con cncer (no diagnosticado), pero a su vez se determin falsamente
un 2% de mujeres sin cncer.
a) Cul es la probabilidad de que una mujer, que presenta un resultado positivo al
examen por palpacin, posea realmente cncer mamario?
b) Cul es la probabilidad de poseer cncer mamario dado que el resultado del
diagnstico por palpacin es negativo?
c) Cul es la probabilidad de poseer cncer mamario dado que el resultado del diag-
nstico por palpacin es positivo?
d) Calcule la sensibilidad y especificidad del mtodo de palpacin para el diagnstico
de cncer de mamas.

256
Tema 1 | Mtodos e Investigacin
Tema 2 | Probabilidad
Cientfica

Bibliografa

Abelson, R. (1998), La estadstica razonada: Reglas y principios, Espaa, Paids.


Blair, R. C.; Taylor, R. A. (2008), Bioestadstica, Mxico, Pearson-Prentice Hall.
Canavos, G. C. (1995), Probabilidad y estadstica, Madrid, Espaa, McGraw Hill.
Daniel, W. (1988), Estadstica con aplicaciones a las ciencias sociales y la educacin, Mxico,
McGraw Hill.
Guerrero, R., Gonzlez, C. ; Medina, E. (1986), Epidemiologa, Mxico, Addison Wesley
Iberoamericana.
Hildebrand, D. & Ott, L. (1997). Estadstica aplicada a la administracin y a la economa. 3a
edic. Mxico, Addison Wesley Longman.
Juez, P.; Diez, F. J. (1997), Probabilidad y estadstica en medicina, Madrid, Espaa, Daz de
Santos.
Levin, R.; Rubin, D. (1996), Estadstica para administradores, 6a edic., Mxico, Prentice Hall
Hispanoamericana.
Milton, S. (2007), Estadstica para biologa y ciencias de la salud, 3 edic., Madrid, Espaa,
McGraw Hill Interamericana.
Mora, A., Cid, L.; Valenzuela, M. (1996), Probabilidades y estadstica, Concepcin, Chile,
Departamento de Estadstica, Universidad de Concepcin.
Pagano, M.; Gauvreau, K. (2001), Fundamentos de bioestadstica, 2a edic., Mxico, Thomson
Learning.
Peralta, O. (2002). Cncer mamario en Chile. Datos epidemiolgicos. Revista chilena de
obstetricia y ginecologa, 67(6), 439-445.

257
Tema
Tema41| Experimentos
| Mtodos e Investigacin
de comparacin
Cientfica
simple

Captulo 3

Distribuciones tericas de probabilidades

3.1. Concepto de variable aleatoria

En todo proceso de investigacin, y en particular en la investigacin mdica y


odontolgica, el ser humano se plantea el estudio de variables que no siempre toman
el mismo valor, a pesar de mantener todo un conjunto de condiciones fijas y estables.
Por ejemplo el nivel de hemoglobina en sangre. En este caso, si tomamos como
conjunto de condiciones fijas en la investigacin, el que los sujetos bajo anlisis sean
individuos supuestamente sanos, chilenos, de la misma edad, etc., y a estos les to-
mamos una muestra de sangre con el objeto de estudiar el nivel de hemoglobina en
sangre, los resultados que obtendremos no siempre sern idnticamente iguales, es
decir, presentarn ciertas diferencias producto de la influencia de otras condiciones
que no son posibles de controlar y que se manifiestan en el momento de hacer las
correspondientes determinaciones. A este tipo de variable es al que se le denomina,
dentro de la ciencia estadstica, como variable aleatoria. El apellido aleatorio
es un trmino muy importante del concepto de variable, debido a que refleja el
conjunto de factores no controlables que causan las diferencias en las mediciones de
la variable a pesar de mantenerse toda una serie de condiciones fijas.
Pero estas diferencias en los resultados, a pesar de que en unas pocas de ellas hay la
apariencia de una total anarqua, de un gran desorden, de no haber sujecin a ningn
tipo de ley, cuando estas son analizadas en grandes cantidades por mtodos adecuados,
se observa que estas cumplen con determinadas regularidades expresables a travs de
leyes, las cuales se denominan como leyes estadsticas o no determinsticas. Estas
leyes se encargan de estudiar la teora de la probabilidad en provecho de la Estadstica.
Estas leyes probabilsticas son de gran importancia, pues permiten determinar el
comportamiento de estas desde el punto de vista de un modelo matemtico que po-
sibilitar, en nuestro ejemplo de hemoglobina, conocer cules valores son normales
y cules pudieran corresponder con estados patolgicos.
En sntesis, una variable aleatoria es una variable que puede tomar cualquier valor
dentro de un rango especificado, en donde dicho rango est determinado terica y
experimentalmente.

259
Metodologa de la Investigacin Cientfica

3.2. Concepto bsico de Probabilidad

Cuando estudiamos las distribuciones de frecuencia analizamos algunas variables


que generalmente se presentan en las aplicaciones prcticas, pero adems se estudi,
en el captulo anterior, el concepto de probabilidad. Con objeto de facilitar al estu-
diante esta introduccin a las probabilidades, utilizaremos estas mismas variables
como ejemplo.
El nmero de hijos de una familia cuyos valores posibles son: 0, 1, 2, 3, 4, 5,, n.
El peso en Kg. de un nio menor de 15 aos cuyos valores posibles en este caso,
son infinitos ya que esta variable tiene la caracterstica de ser del tipo continuo, a
diferencia de la anterior que es de tipo discreto.
Debido al carcter prctico de esta asignatura, el concepto de probabilidad ser
manejado sobre la base de ejemplos, sin recurrir a ningn tipo de estructura matem-
tica (hasta donde sea posible), como se realizan en libros especializados. Por tanto,
omitiremos conceptos tales como: fenmeno aleatorio, espacio muestral, entre otros.
Como consecuencia se debe aceptar por parte del estudiante la declaracin de que slo
para los fenmenos aleatorios es vlido tanto el empleo de los mtodos estadsticos
como de la teora de la probabilidad y que, adems, un fenmeno o experimento se
denomina aleatorio slo cuando el mismo cumple con la denominada ley de la re-
gularidad estadstica, la cual trataremos de explicar a continuacin.
Para poder comprender el significado prctico de esta ley solo hacen falta dos cosas:
Saber qu es la frecuencia relativa, concepto que ya conocimos al estudiar las
distribuciones de frecuencias y el captulo de probabilidades.
Saber hacer un grfico en un sistema de coordenadas cartesianas, para poder ilustrar
grficamente el comportamiento del valor de las frecuencias relativas en relacin con
el tamao de la muestra que se haya utilizado.
Para entrar en esta materia, se les informa a los estudiantes que la ley de regularidad
estadstica se refiere a determinada estabilidad en la frecuencia relativa observable en
los fenmenos de tipo aleatorio. Por ejemplo, al lanzar una moneda perfectamente
balanceada, al casarse dos personas, al producirse un brote de meningitis, etc. no
podemos predecir de antemano que cara de la moneda al final del lanzamiento, qu
sexo tendr una futura criatura que nazca producto de esta unin matrimonial, si
un nio determinado contraer o no meningitis, de igual forma tendremos la misma
incertidumbre si lanzamos 10, 20, 30,,100 veces la moneda, o la observacin de
las mismas cantidades de nacimientos de nios o las mismas cantidades de nios que
se encuentran en el radio de accin del brote de dicha enfermedad, todos analizados
de uno en uno.
Ahora bien, lo antes expresado se refiere, como se ha visto, a la prediccin de
resultados individuales y al parecer, tales tipos de predicciones ocurren con un gran
riesgo de cometer errores. Sin embargo, si cambiamos el enfoque y se comienza a
considerar los valores de las frecuencias relativas se puede notar de inmediato un
cambio cualitativo en los resultados y tal cambio consiste en lo siguiente: para fijar
las ideas considere una de las cuestiones antes planteada, es decir, la de observar si
el resultado del lanzamiento de una moneda es cara o sello, tomando en cuenta que
este proceso se puede analogar con cualquier otro.

260
Tema 3Tema
| Distribuciones
1 | MtodosTericas
e Investigacin
de Probabilidades
Cientfica

Supongamos que se ha hecho un gran nmero de lanzamientos (550, 1000 ms)


y que dichos lanzamientos los hemos ido agrupando de la siguiente manera:
Los primeros 10 lanzamientos.
Los primeros 20 lanzamientos.
Los primeros 30 lanzamientos.
Y as sucesivamente hasta agotar todos los lanzamientos previstos con anterioridad,
y que para cada agrupamiento se ha calculado la frecuencia relativa de salir cara en
dicho grupo, o sea el valor:

(1)

Considere slo para efectos prcticos que se van obteniendo valores tales como
siguen:

1. Frecuencia relativa de cara en el primer grupo : 0,0


2. Frecuencia relativa de cara en el segundo grupo : 0,2
3. Frecuencia relativa de cara en el tercer grupo : 0,166
4. Frecuencia relativa de cara en el cuarto grupo : 0,285
5. Frecuencia relativa de cara en el quinto grupo : 0,375
6. Frecuencia relativa de cara en el sexto grupo : 0,449
y as, sucecivamente.

Si con estos valores se realiza un grfico en un sistema de coordenadas cartesiano


y se plotean los puntos del nmero de lanzamientos (grupo) (eje x) respecto del valor
de sus respectivas frecuencias relativas estimadas (eje y), obtendremos el siguiente
grfico (Figura 4):
(y)

0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1

0 10 20 30 40 50 60 70 (x)

Fig. 4.
Ploteo de los puntos resultantes entre los tamaos de
los grupos de lanzamientos y las frecuencias relativas obtenidas.

261
Metodologa de la Investigacin Cientfica

Este grfico nos da una idea ms clara de lo que se quiere expresar por medio de
las palabras, cuando se dice que la ley de la regularidad estadstica se expresa a travs
de la tendencia observable en las frecuencias relativas, cuando se va regularizando
alrededor de cierto valor, a medida que aumenta el nmero de lanzamientos, en el
caso de la moneda alrededor de 0,5, y que esta propiedad es una cualidad objetiva de
estos valores, la cual es independiente del que realiza el experimento de ir lanzando la
moneda, siempre que permanezcan fijas todas las condiciones para cada lanzamiento
de la misma. Lo que ms ocurre al cambiar el experimentador son cambios en los
valores de las frecuencias, pero el resultado final, a medida que aumenta el nmero de
lanzamientos, ser semejante al del grfico, habr una tendencia de irse aproximando
a los valores de las frecuencias relativas al valor 0,5.
A este valor constante para cada suceso, al cual se acerca cada vez ms su frecuencia
relativa, a medida que aumenta el nmero de realizaciones del fenmeno; es lo que se
denomina como probabilidad; en el caso de la moneda, probabilidad de que salga cara.
Como es lgico, el valor de probabilidad al que se van aproximando las frecuen-
cias relativas es particular, es decir, propio de cada fenmeno, para una moneda bien
balanceada (en la que ninguna cara pesa ms que la otra) es 0,5; para el fenmeno
que consiste en observar el sexo, la probabilidad de que al nacer una criatura esta sea
varn, tiene un valor de P = 0,5, del cual se puede tener conocimiento por el mtodo ya
sealado para la moneda o as para cualquier otra situacin anloga que se presente.
El concepto de probabilidad es, por tanto, un valor intrseco de cada fenmeno y
siempre se va a referir a una gran cantidad de observaciones, como consecuencia, con
dicho valor se podr pronosticar o predecir qu ocurrir dentro del marco de muchas
observaciones, sin embargo, en mltiples ocasiones lo que se necesita est relacionado
con el hecho de poder predecir qu ocurrir con una futura observacin del fenmeno.
Predecir tomando como base el valor de probabilidad, qu es lo que puede ocurrir
en una futura observacin con absoluta exactitud, cmo puede hacerse cuando se
dice que cualquier cantidad de agua que se ponga a calentar siempre hervir a 100
grados centgrados de temperatura (a nivel del mar), o que cualquier objeto situado
a determinada altura siempre que se suelte caer en direccin hacia la superficie de
la tierra, etc. es imposible, sin embargo, a partir del valor de probabilidad, tener una
idea aproximada de lo que puede suceder si se toma en consideracin la regularidad
estadstica. Suponga que se nos informe que la probabilidad de fallecer de un paciente
con neumona neuccica despus de recibir un tratamiento con cierto antibitico es
0,1. Ante esta situacin, podemos esperar que un nuevo paciente que tratemos con
dicho antibitico muera? En primer trmino no podemos estar seguros de que muera,
ni de lo contrario, pero s podemos decir que en gran medida existe la posibilidad de
que no muera, pues 0,1 es un valor relativamente pequeo. Por esto es que se dice
que la probabilidad es una forma de medir la posibilidad de que ocurra un resultado
favorable a un suceso en anlisis.
Cuando el valor de probabilidad asociado a la ocurrencia de un hecho es pequeo,
esto en general se interpreta como que es improbable de que este hecho ocurra, si por el
contrario, es cercana a 1, esto se interpreta como que este hecho ocurre con gran frecuencia.
De las ideas expresadas, se tiene por un lado que aunque el sentido de la probabi-
lidad est especificado como el valor terico al cual se van aproximando los valores

262
Tema 3Tema
| Distribuciones
1 | MtodosTericas
e Investigacin
de Probabilidades
Cientfica

observables de frecuencia relativa de un cierto hecho relacionado con un fenmeno


aleatorio, y que por tanto puede interpretarse como la frecuencia relativa terica,
para un nmero considerablemente grande de realizaciones del fenmeno, por otro
lado tambin tiene el sentido de ser una medida de la posibilidad de que el hecho
asociado con dicho valor de probabilidad pueda o no ocurrir en una sola realizacin
del experimento.
El empleo de la probabilidad en la prctica mdica y odontolgica es muy amplio,
por ejemplo, el mdico en general, al establecer sus diagnsticos, basa su juicio en
muchas ocasiones en razonamientos que en su base son probabilsticos, pues toma
en cuenta al hacerlo toda una serie de experiencias anlogas ya conocidas, que sirven
de sustento al nuevo diagnstico.
Otros ejemplos pueden ser extrados de los textos de clnica y patologa que
tambin estn relacionados con el uso de la probabilidad, es decir de la frecuencia
relativa terica mediante su forma ms comn de expresin, los porcentajes, as
cuando se afirma que el 20% de los pacientes con mononucleosis infecciosa presentan
el sntoma A, no se hace otra cosa que expresar en el lenguaje de los porcentajes, un
hecho de tipo probabilstico relacionado con la prctica mdica. En este caso, se est
expresando en un lenguaje habitual entre los mdicos de que la probabilidad de que
se presente el sntoma A en un paciente que sufre la patologa antes sealada es 0,20.
Su interpretacin (la de 0,20) ser por tanto el de una probabilidad, ya que de
hecho este 20% es el resultado de largas experiencias de observar pacientes con dicha
entidad y de aplicar consecuentemente la ley de la regularidad estadstica.

3.3. Distribuciones de probabilidad de variables cuantitativas


continuas

3.3.1. Modelo terico de distribucin o ley de una variable aleatoria

Ya hemos visto las distribuciones de frecuencias de las variables en el marco de una


muestra dada, as como las medidades de tendencia central y dispersin.
Debemos hacer notar que la mayora de las poblaciones o universos son tan grandes
que se consideran infinitos, por lo que la mayora de los mtodos de la estadstica se
ocupan de estos, sin embargo, existen situaciones particulares en las que la poblacin
tiene un N (tamao de la poblacin) finito o relativamente pequeo. Esta situacin
genera circunstancias especiales de tratamiento estadstico que origina una subrama
del campo del muestreo y que no ser abarcado por nosotros.
Por tanto, aqu el objeto de estudio ser la distribucin de una variable en una
poblacin lo suficientemente grande como para ser considerada infinita. Partiremos
por un ejemplo:
Se desea estudiar la estatura de nios lactantes de un jardn infantil. En particular,
la poblacin estar compuesta por todas las estaturas que podamos tener registradas
al repetir indefinidamente la extraccin aleatoria de un nio. Hay que hacer notar
que en este caso la poblacin es hipottica o terica, pues en la prctica no se pueden
hacer infinitas repeticiones. La variable a estudiar ser la altura en cm de los nios y

263
Metodologa de la Investigacin Cientfica

si se toma una muestra de 80 nios puede construirse a partir de ella la distribucin


de frecuencias, el histograma y calcularse los valores de la media aritmtica y desvia-
cin estndar muestral:

64,2 67,9 68,6 69,1 69,5 70,2 71,0 71,0


65,8 67,9 68,7 69,1 69,6 70,3 71,0 72,1
66,3 68,2 68,7 69,1 69,7 70,4 71,1 72,2
6,6 68,2 68,8 69,2 69,8 70,4 71,2 72,4
66,9 68,3 68,9 69,3 69,9 70,5 71,4 72,5
67,0 68,4 68,9 69,3 69,9 70,5 71,4 72,8
67,4 68,5 68,9 69,4 70,0 70,6 71,4 73,0
67,5 68,5 69,0 69,5 70,0 70,6 71,6 73,4
67,6 68,6 69,0 69,5 70,1 70,9 71,7 74,2
67,8 68,6 69,0 69,5 70,1 70,9 71,8 74,9

Valores obtenidos de la variable estatura de 80 nios lactantes de un jadn infantil

Aunque es difcil tomar medidas con mayor precisin que de una dcima de cen-
tmetros se solicit al responsable de realizar las mediciones que indicara cundo la
medida de un nio lactante se aproximaba a medio centmetro, si estaba por encima
o por debajo e indicara esto con el signo + -. As podemos decidir en qu grupo
colocar estas medidas. Por ejemplo, 68,5- ir en el grupo inferior y 68,5+ en el supe-
rior. El resultado de la realizacin de la distribucin de frecuencias y de la estimacin
de la media y de la desviacin estndar correspondientes se presenta a continuacin:

Intervalos mi PL PL 2


63,5 - 64,5 64 1 64 4096
64,5 - 65,5 65 0 0 0
65,5 - 66,5 66 2 132 8712
66,5 - 67,5 67 5 335 22445
67,5 - 68,5 68 9 612 41616
68,5 - 69,5 69 22 1518 104742
69,5 - 70,5 70 16 1120 78400
70,5 - 71,5 71 12 852 60492
71,5 - 72,5 72 8 576 41472
72,5 - 73,5 73 3 219 15987
73,5 - 74,5 74 1 74 5476
74,5 - 75,5 75 1 75 5625
Total 80 5577 389063
_
X = 69,7
S2 = 3,498
S = 1,8704

264
Tema 3Tema
| Distribuciones
1 | MtodosTericas
e Investigacin
de Probabilidades
Cientfica

El histograma que le corresponde a esta distribucin es el siguiente:

15

10

0
66,00 68,00 70,00 72,00 74,00

Fig. 5. Peso de nios lactantes en un jardn infantil

Como se puede apreciar aqu se emplearon 12 intervalos, pero si se emplean ms


intervalos se obtiene una curva ms suave, como por ejemplo, cuando se emplean 15
intervalos:

Fig. 6. Peso de nios lactantes en un jardn infantil

265
Metodologa de la Investigacin Cientfica

Si se tomara mayor nmero de observaciones y los histogramas se construyeran


con intervalos cada vez de menor anchura, es fcil imaginar que estos se aproximarn
cada vez ms a una curva suave, que representara la distribucin de la variable en
la poblacin y que usualmente se le llama la distribucin poblacional. Dicha curva
se presenta a continuacin:

0 x
Fig 7. Distibucin terica de la curva normal

El lector se podr preguntar si esta curva es una propiedad de la variable estudiada


o si al repetir la experiencia puede obtenerse otra curva distinta.
La existencia de esta curva est muy relacionada con la regularidad estadstica.
Si se realiza un nmero alto de muestreos en la misma poblacin y cada muestra
tiene un tamao cada vez mayor y, simultneamente, se van incorporando ms y ms
intervalos, las distribuciones de frecuencias y sus correspondientes histogramas,
tendern cada vez ms o producir una curva sucesivamente ms y ms suave. Esta
curva suave se le denomina distribucin normal, distribucin de la curva normal o
distribucin de Gauss y corresponde con la distribucin terica que debe tener una
variable continua si esta variable pudiera ser analizada poblacionalmente. Dicha curva
est definida por la ecuacin:

donde:

P = media poblacional
V = desviacin estndar poblacional

S = 3,14159
e = 2,711828

Se puede apreciar que esta funcin depende de dos parmetros P y V, los cuales
son respectivamente la media y la desviacin estndar poblacional.

266
Tema 3Tema
| Distribuciones
1 | MtodosTericas
e Investigacin
de Probabilidades
Cientfica

Antes de continuar, debemos hacer una aclaracin. Como el estudiante ha podi-


do apreciar, hemos sealado a la "media poblacional" y a la "desviacin estndar
poblacional" y antes habamos introducido los conceptos de "media muestral" y de
"desviacin estndar muestral". La diferencia es aparentemente trivial; una se refiere
a la poblacin y otra a la muestra. Pero la implicacin de esta diferencia es crucial
en la ciencia estadstica.
Cuando nos referimos a la media poblacional, nos estamos refiriendo efectivamente
a la media aritmtica de la poblacin, es decir, a modo de ejemplo, supongamos que
queremos estimar la media de los niveles de hemoglobina en sangre de la poblacin
chilena. Para llevar a feliz final tal empresa debiramos, en rigor, tomar muestras de
sangre de todos y cada uno de los chilenos, incluyendo los que se encuentran en el
extranjero por distintas circunstancias. Esa empresa es imposible por razones que
veremos en el tema de Muestreo, por tanto, la media poblacional es siempre una
medida imposible o muy difcil de ser conocida. Esto obliga a realizar "estimacio-
nes" de esa media poblacional, la cual slo es posible realizar tomando una muestra
representativa de la poblacin, estimar en ella la media de la muestra y suponer que
esa media muestral "no difiere mucho" de la media de la poblacin con un grado de
incertidumbre aceptable. Una situacin completamente anloga sucede con la desvia-
cin estndar "poblacional y muestral".
En el campo de la ciencia estadstica, a los valores de tendencia central y dispersin
(y otros) de carcter poblacional se les denomina "parmetros" (que son casi siempre
totalmente desconocidos), y a las estimaciones de esos parmetros se les denomina
"estadgrafos". De tal manera que el estadgrafo de P (media poblacional) es la me-
dia aritmtica muestral y el estadgrafo de V, es la desviacin estndar muestral. Lo
expresado anteriormente puede ser representado en el siguiente esquema:

PARMETROS
(desconocidos)

 0HGLDSREODFLRQDO   'HVYLDFLyQHVWiQGDUSREODFLRQDO )

Media muestral (X) Desviacin estndar muestral (S)

ESTADGRAFOS
(Estimadores de los parmetros a partir de una muestra representativa)

267
Metodologa de la Investigacin Cientfica

La funcin expresada en la ecuacin (18) trata entonces de una distribucin terica


que surge de un razonamiento estrictamente matemtico y que representa la distribu-
cin efectivamente real de muchas variables de importancia mdica y odontolgica a
nivel poblacional. Desde luego, no es la nica, pero s una de las ms comunes. Ejemplos
de variables con distribucin normal son: hemoglobina en sangre, lipoprotenas de
alta y baja densidad en sangre, estatura, peso, bilirrubinemia, glicemia, temperatura,
pH en sangre, etc. Como consecuencia, el conocimiento de esta distribucin tiene
enorme importancia para auxiliarse en el diagnstico o para confirmar un diagnstico
hipottico que se realiza por medio de pruebas de laboratorio.
Algo ms que el estudiante debe conocer. En las ecuaciones (6, pg. 210) y (7, pg.
211) definimos la varianza y la desviacin estndar muestral. El denominador de ambas
es (n -1), pero en los parmetros poblacionales respectivos, el denominador no es n
-1, sino simplemente N. Las razones de esta diferencia sern discutidas ms adelante.
Las carctersticas o propiedades de la curva normal son las siguientes:

1. g (x) 0 para todo valor de la variable x comprendido entre menos infinito a


infinito, es decir, - < x <
Esta propiedad nos indica que el menor valor que puede tomar la funcin es cero
(0) o mayor que cero (0) para cualquier valor de un intervalo de x comprendido
entre menos infinito e infinito. El estudiante debe recordar que el nmero de valores
que puede tomar una variable continua dentro de un rango tericamente admisible
es infinito.

2.

Esto quiere decir que si integramos la funcin (18), desde menos hasta ms infinito,
el rea bajo la curva es 1 (Fig. 6).
Esta propiedad nos dice que el mayor valor posible que se puede obtener del rea
bajo la curva es 1, lo cual tiene mucha importancia, toda vez que, si consideramos los
puntos 1 y 2 ya analizados y tambin el hecho de que la probabilidad se mueve
entre los valores 0 y 1, estamos en condiciones de establecer una analoga verosmil
entre el rea bajo la curva de esta funcin y los valores de probabilidad, de lo que se
desprende que podemos asociar una determinada rea con determinada probabilidad
de que ocurran ciertos valores de la variable continua que se est analizando en un
momento dado.
La integracin es de menos infinito a infinito puesto que la curva normal es asntota
al eje de x en ambos extremos.

268
Tema 3Tema
| Distribuciones
1 | MtodosTericas
e Investigacin
de Probabilidades
Cientfica

rea bajo la curva = 1

-    

)LJ$UHDEDMRODFXUYDQRUPDODOLQWHJUDUGHVGHPHQRVLQQLWRDLQQLWR

3. (2)

Esta propiedad nos indica que al integrar la funcin (268), entre las dos abcisas a
y b, nos dar un valor del rea bajo la curva que es igual a la probabilidad de que la
variable continua x pueda tomar valores comprendidos en el intervalo cerrado entre
determinados valores que puedan asumir a y b (Fig.9).

rea bajo la curva = 1

a b

Fig. 9. Area resultante al integrar la funcin (268) entre los valores a y b.

269
Metodologa de la Investigacin Cientfica

4. La curva normal es simtrica respecto al eje que pasa por P (Figura 10).

Fig. 10. El eje de la curva normal divide al rea bajo la curva en dos partes iguales.

La influencia de los parmetros m y s en la curva normal se pueden apreciar en las


figuras 11 y 12 respectivamente:

  

)LJ,QXHQFLDGHOSDUiPHWURPHQODFXUYDQRUPDO

)LJ,QXHQFLDGHOSDUiPHWURVHQODFXUYDQRUPDO

270
Tema 3Tema
| Distribuciones
1 | MtodosTericas
e Investigacin
de Probabilidades
Cientfica

En el primer grfico (Fig.11) se muestran tres curvas con idnticos valores de V y


diferentes valores de P. Debe notarse que la forma del grfico (altura y extensin) co-
incide en todos los casos pero vara la posicin del grfico al variar su eje de simetra.
Por esto se le denomina a P parmetro de posicin o localizacin.
En el segundo grfico (Fig.12) se muestran tres curvas con una media comn (comn
el parmetro de localizacin), pero con diferentes valores de V. Lo que corresponde al
mayor valor de V es ms aplanada y de colas ms altas. Debe notarse que semejante
influencia de V en la curva era de esperar pues a mayor V mayor dispersin, y, por
tanto, menos concentrada es la distribucin en los valores centrales.
Como consecuencia, no existe en la realidad una distribucin normal, sino infini-
tas de ellas, una para cada par de valores P y V. La distribucin terica de la curva
normal planteada en (268) es una idealizacin o abstraccin matemtica formulada
por Gauss y constituye un modelo general de la distribucin de muchas variables en
los campos que abarcan la medicina y la odontologa. Pero, como toda abstraccin,
requiere su contrastacin con la realidad.
Las ideas planteadas nos permiten introducir otra caracterstica de la curva normal
que, de alguna manera, ya haba sido discutida antes, pero referidas a las muestras.
Para cualquier valor de P y V (o sea, para cualquier curva normal) se cumple que las
reas en los intervalos (P - V ; P + V); (P - 2V; P + 2V); (P - 3V; P + 3V) son constantes
y que respectivamente les corresponden valores del rea bajo la curva tambin cons-
tantes: 0,6827; 0,9545 y 0,9973.
Esta caracterstica es muy importante en las aplicaciones. Por ejemplo, supongamos
que analizamos la variable edad en una poblacin de pacientes con diabetes insulino
dependiente. Esta variable se distribuye en forma normal con una media de 30 aos
y desviacin estndar de 3 aos. Esto se simboliza as: XaN (P , V) y, en nuestro caso
concreto es: XaN (30; 3). Hacemos notar que tambin puede expresarse este smbolo
en trminos de varianza, es decir, XaN (P, V2), por tanto, el estudiante debe tomar en
consideracin esta diferencia. Las implicaciones prcticas son las siguientes:

r aproximadamente el 68,27% de los pacientes tiene entre 27 y 33 aos.


r aproximadamente el 95,45% de los pacientes tiene entre 24 y 36 aos.
r Aproximadamente el 99,73% de los individuos tiene entre 21 y 39 aos.

Interpretndolo de otra manera. La probabilidad de escoger al azar (aleatoriamente)


un paciente de esta poblacin y este tenga su edad entre:

r 27 y 33 aos es de 0,6827.
r 24 y 36 aos es de 0,9545.
r 21 y 39 aos es de 0,9973.

Variable Z estandarizada

Antes de proseguir, es necesario que el estudiante conozca el concepto de variable


estandarizada. Esto no es ms que transformar una variable X continua en otro tipo
de variable que denominaremos variable Z estandarizada.

271
Metodologa de la Investigacin Cientfica

Dicha transformacin se realiza por un hecho prctico. Cada variable continua,


como las que se sealaron en los ejemplos anteriores, as como otras muchas ms, tiene
su propia distribucin atendiendo a los valores de P y V como ya hemos sealado. Esto
quiere decir que si queremos encontrar la probabilidad de que la variable aleatoria en
cuestin pueda asumir ciertos valores comprendidos entre valores a y b, deberamos
sustituir en (2) estos valores y proceder a integrar de acuerdo a los procedimientos
matemticos. Naturalmente, si las variables de inters mdico y odontolgico, que se
caracterizan por asumir la distribucin normal, cuentan por miles, esto quiere decir
que en cada estudio de dichas variables habra que proceder a realizar las integracio-
nes pertinentes. Esto es un trabajo que puede evitarse si es que podemos estandarizar
todas estas variables y "sintetizarlas" en una sola al producir dicha estandarizacin.
El proceso de transformar una variable cuantitativa continua con distribucin
normal en una variable normal estandarizada, se realiza mediante la siguiente frmula:

XX
Z (3)
S

La variable Z mide la desviacin de la media en unidades de desviacin estndar y


es llamada variable estandarizada y es una cantidad adimensional (es decir, es indepen-
diente de las unidades de medida usadas para la variable que se quiere estandarizar).
Los resultados del rea bajo la curva normal (probabilidad de que la variable
aleatoria pueda tomar valores dentro de un rango de inters mdico) para cada valor
que asuma Z se encuentran tabulados en el Apndice 1. Una analoga entre las corres-
pondencias de las probabilidades de X y de Z se muestran en la Figura 13.

3 D[E

a b

a - = b -
P a

  z

Fig. 13. Correspondencia entre las probabilidades de X y de Z

272
Tema 3Tema
| Distribuciones
1 | MtodosTericas
e Investigacin
de Probabilidades
Cientfica

De esta forma, la media P toma el valor 0, -V toma el valor -1, y as sucesivamente


como se muestra en la Fig. 11. Como consecuencia, la distribucin de la variable Z
estandarizada se simboliza as: ZaN (0 , 1).

Ejemplo 1. Supongamos que deseamos saber cul es la probabilidad de que, al ex-


traer aleatoriamente un sujeto de la poblacin, este tenga una estatura igual o menor
a 170 cm, si conocemos que esta variable se distribuye XaN (165 cm; 10 cm). Es decir,
nos preguntan por P(X t 170) (probabilidad de que X sea mayor o igual a 170 cm).

Aplicando (3) para hacer la trasformacin X a Z nos queda:

P (X d 170) = P ( Z d 170 - 165) / 10 )


P (X d 170) = P( Z d 0,50)
P (Z d 0,50) = 0,6915

por lo tanto:

P (X d 170) = 0,6915

Si vamos al apndice 1 y vemos la tabla apreciaremos que en la primera columna


aparecen distintos valores de Z y en las siguientes columnas se refleja el segundo valor
del decimal de Z obtenido. Nuestro inters est en el valor de Z = 0,50. El segundo
decimal de esta cifra es 0, por tanto el valor de probabilidad ser el intercepto entre
la segunda columna encabezada por .00 y la fila que tiene el valor Z = 0,5. Este in-
tercepto nos da el valor 0,6915.
La respuesta entonces es: la probabilidad de que se pueda obtener un sujeto con
una estatura igual o menor a 170 cm, al ser escogido el mismo aleatoriamente de la
poblacin, es 0,6915.
Otra interpretacin que puede atribuirse a esta estimacin es que el 69,15 % de
la poblacin analizada tiene una estatura inferior a 170 cm.
El tipo de interpretacin depender necesariamente de los objetivos de la investi-
gacin que se realiza al respecto.

Ejemplo 2. Cul es la probabilidad de que, al escoger al azar un sujeto de la


poblacin, la estatura del mismo est comprendida entre 160 cm y 170 cm, si los
parmetros de la distribucin normal son los mismos del Ejemplo 1?
Nos preguntan por la P ( 160 d X d 170)

P ( 160 d X d 170) = P (Z d 170 - 165/ 10) - P (Z d 160 - 165 / 10)


P ( 160 dX d 170) = P (Z d 0,5) - P (Z d - 0,5)
P ( 160 d X d 170) = 0,6915 - 0,3085
P ( 160 d X d170) = 0,3830

La probabilidad de que se obtenga un sujeto escogido al azar en la poblacin es-


tudiada con la estatura comprendida entre 160 cm y 170 cm es de 0,3830.

273
Metodologa de la Investigacin Cientfica

Ejemplo 3. Cul es la probabilidad de que al obtener un sujeto aleatoriamente de


la poblacin en estudio este tenga una estatura igual o mayor que 170 cm.

Nos preguntan por P (X t 170)

P (X t 170) = 1 - P (X t 170)
P (X t 170) = 1 - P (Z d 170 - 165 / 10)
P (X t 170) = 1 - P (Z d 0,50 )
P (X t 170) = 1 - 0,6915
P (X t 170) = 0,3085

La probabilidad de escoger al azar un sujeto cuya estatura en cm sea mayor o igual


que 170 es de 0,3085.

3.4. Distribuciones de probabilidad de variables aleatorias discretas:


Binomial y Poisson

3.4.1. La distribucin binomial

Es una de las distribuciones discretas de probabilidad de mucha utilidad para la


medicina y odontologa. La base de esta distribucin es la concepcin de que existen
experimentos en el que el resultado es la ocurrencia o no ocurrencia de un evento.
Suele llamarse a la ocurrencia de un suceso de inters como xito, y su no ocurren-
cia como fracaso.
Se designa con la letra p a la probabilidad del xito y con q a la probabilidad del
fracaso. La suma de p + q = 1, por tanto, q = 1 - p.

Las dos suposiciones claves para la distribucin binomial son:

1. La probabilidad del xito (p) permanece constante para cada ensayo.


2. Los n ensayos son independientes entre s.

Para entender estas dos suposiciones es necesario, a la vez, que supongamos que
un experimento se realiza n veces, y cada uno de estos es independiente de los otros
(un experimento no influye bajo ninguna circunstancia sobre el precedente y sobre
el que le sigue, ni sobre ningn otro), y sea X una variable aleatoria que representa
el nmero de xitos en los n ensayos. Bajo estas circunstancias, puede ser de inters
determinar la probabilidad de obtener exactamente un valor x de la variable X, es
decir, X = x xitos durante los n ensayos.
Un ejemplo prctico de esta distribucin para la medicina u odontologa puede
apreciarse si consideramos que una enfermedad transmisible puede tener cierta frecuen-
cia relativa ms o menos constante en la poblacin bajo condiciones determinadas y
se quiere vigilar la transmisin de la misma. Si se quiere examinar si esta enfermedad
se propaga, es necesario determinarlo sobre la base de las probabilidades, es decir,

274
Tema 3Tema
| Distribuciones
1 | MtodosTericas
e Investigacin
de Probabilidades
Cientfica

estimar las probabilidades de que pueda contraerse dicha patologa infecciosa en una
poblacin especificada.
La forma en que se expresa esta probabilidad es: p (x; n, p), es decir, la probabi-
lidad de que la variable analizada tome un valor x determinado en n ensayos con
probabilidad constante p en cada uno de esos ensayos
La frmula para hallar las probabilidades de xito est dada por:

(4)

Antes de continuar, analicemos algunos trminos que aparecen en esta funcin.

, que se puede simbolizar como: n


Cx (5)

Esta frmula permite calcular todas las posibles combinaciones que pueden ocur-
rir en un experimento binomial. Por ejemplo, si tenemos diez sujetos, de los cuales
debemos escoger solo tres de ellos. Cuntas posibles combinaciones pueden existir
de tres en tres? En estas circunstancias, n = 10 y x = 3, por lo tanto si sustituimos en
(21) nos queda:

10
C3 =

Simplificando, y efectuadas las operaciones, el resultado es:

10
C 3 = 120

Esto puede interpretarse como que el nmero de maneras diferentes en que pueden
ser elegidos tres sujetos de diez es de 120. Cada uno de estos tros es diferente a otros
en, al menos, un sujeto integrante de esos tros.
Esto sucede efectivamente en un experimento de tipo binomial, desde el momento
en que efectuamos dos o ms extracciones, existe entonces la posibilidad de que po-
damos escoger un nmero determinado de combinaciones distintas y ese nmero (o
circunstancia en general) debe ser considerada para calcular la probabilidad de xito
en este tipo de experimentos.
Ejemplo 1. Cul es la probabilidad de escoger exactamente cinco sujetos con
hipertensin arterial de un total de 30 sujetos, si se conoce que la frecuencia relativa
de esta patologa en la poblacin es de 0,3 (p = 0,3). Considere que cada extraccin
de un sujeto es independiente de las extracciones sucesivas.

275
Metodologa de la Investigacin Cientfica

Ejemplo 2. Cul es la probabilidad de que a lo sumo se escojan 2 sujetos con hi-


pertensin arterial en la misma poblacin y con los mismos parmetros del Ejemplo 1?
El estudiante habr notado que en el primer ejemplo se pregunt exactamente
cinco sujetos, pero ahora se pregunta a lo sumo dos sujetos. Las dos situaciones
son distintas. En el primer caso se pregunta por una sola probabilidad, pero en el
segundo ejemplo, se pregunta por tres posibilidades distintas: que no salga ninguno,
que salga uno y que salgan dos hipertensos. Esto implica que hay que calcular (20)
tantas veces como posibilidades existan, es decir que (20) se transforma en una
sumatoria de probabilidades:

P (X d 2) = P (X = 0) + P (X = 1) + P (X = 2)

Ejemplo 3. Cul es la probabilidad de obtener a lo menos tres sujetos, manteniendo


los parmetros de los Ejemplos 1 y 2?
El estudiante notar que aqu se pide la probabilidad de que se escojan tres, cua-
tro, cinco,, treinta sujetos con hipertensin arterial. Es decir, se pretende calcular
la sumatoria de todas estas probabilidades. Tal situacin es, al menos, engorrosa.
Pero nosotros conocemos algunos elementos que nos ayudarn, como son: el valor
mximo de probabilidad es 1 y, si a este valor le restamos la probabilidad de que
no ocurra tres veces o ms, es decir, que ocurra ninguna, una y dos veces, entonces
el procedimiento se simplifica. Del Ejemplo 2 se obtuvo que la probabilidad de que
ocurra cero, una y dos veces es 0,002115, por lo tanto, la probabilidad de que ocurra
al menos tres veces es:

P (X t 3) = 1 - P (X = 0) + P (X = 1) + P (X = 2)
P (X t 3) = 1 - 0,002115
P (X t 3) = 0,9978

276
Tema 3Tema
| Distribuciones
1 | MtodosTericas
e Investigacin
de Probabilidades
Cientfica

La respuesta es muy lgica. La probabilidad de encontrar tres o ms sujetos con


hipertensin arterial aumenta en la misma medida en que tenemos la posibilidad de
escoger cada vez ms sujetos en la poblacin.

El estudiante debe tomar conocimiento que:

1. La media de las estimaciones de probabilidades de la distribucin binomial es


N*p. En el Ejemplo 1, la media de la poblacin es P = 30 * 0,3 = 9 (es decir, de
cada 30 sujetos debemos esperar que 9 sean hipertensos).
2. La varianza es V 2 = N*p*q = (30) (0,3) (0,7) = 6,3
3. La desviacin estndar es N*p*q = 6,3 = 2,509 (es decir que, independien-
temente que esperemos que sean 9 sujetos hipertensos de los 30 en total y como
estos ltimos son una muestra de la poblacin, en realidad podemos encontrar
que en esta muestra, la media debe encontrarse en el intervalo comprendido entre
(6,491 y 11,509). Pero, como no existen fracciones de sujetos, estas cifras hay que
redondearlas y el intervalo tendra los siguientes lmites: (6 - 12).

3.4.2. La distribucin de Poisson

Esta es otra distribucin discreta de probabilidad muy til en las ciencias mdicas.
Se caracteriza por representar el nmero de eventos independientes que ocurren a una
velocidad constante en el espacio y en el tiempo. Un ejemplo de este tipo de variable
es el nmero de bacterias en un cultivo. Esta distribucin de probabilidad tiene una
buena aproximacin a la distribucin de probabilidad binomial cuando p es pequeo
y n muy grande, asunto que ser ampliado y revisado ms adelante.
La frmula para obtener estimaciones de probabilidad cuando una variable se
distribuye Poisson es:

(5)

El parmetro de distribucin de Poisson es O, el cual puede interpretarse como el


nmero promedio de ocurrencia del evento aleatorio por unidad de tiempo.

3.4.3. Relaciones entre las distribuciones Binomial y de Poisson

En la distribucin binomial si n es grande y adems la probabilidad de la ocurren-


cia de p, de un suceso determinado, est cerca de cero de tal forma que q = (1 - p) se
acerca a 1, el suceso se denomina suceso raro. Se considera un suceso como raro
si el nmero de ensayos es de al menos 50 (es decir, n t 50) y np es menor que 5. En
tales casos la distribucin binomial (4) se acerca a la distribucin de Poisson (5), lo
que implica que O = np. En concreto, Para que una distribucin binomial se acerque
a una distribucin de Poisson, es necesario que se cumpla que np<5; p<0,05; q ~ 1 y
n 50. Si una de ellas no se cumple, debe ser tratada como binomial.

277
Metodologa de la Investigacin Cientfica

El estudiante debe tomar conocimiento de que los principales parmetros de la


distribucin de Poisson son:

1. La media, es decir, P = O
2. La varianza V 2 = O
3. La desviacin estndar V = O
Ejemplo 1. Se estudia la aplicacin de un suero determinado para mejorar las
condiciones fisiolgicas en una entidad determinada. Se comprueba en ensayos de
laboratorio que al aplicarla a 1000 individuos, uno de ellos tiene una mala reaccin,
es decir, que la probabilidad de mala reaccin es de p = 0,001. Determine la proba-
bilidad de que exactamente tres sujetos tengan una mala reaccin al suero cuando es
aplicada a 4000 sujetos.

Resolucin del problema:

La cantidad n de ensayos es de 4000, lo cual implica que np = (4000) (0,001) =


4. Como consecuencia np < 5 y q a 1. Estamos en presencia de una distribucin de
Poisson.
Debemos calcular P (X = 3) y como np = O = 4, sustituimos en (5):

La probabilidad de que ocurran exactamente tres malas reacciones al aplicarla a


4000 sujetos es de 0,1954.

Ejemplo 2. Determine la probabilidad de que a lo ms 2 sujetos tengan una mala


reaccin en las condiciones descritas en el Ejemplo 1.
Nos preguntan por la sumatoria de las probabilidades de que ocurran: P(X=0),
P(X=1) y P(X=2), es decir, P (X d 2). Sustituyendo en (5) tantas veces como nos plantea
el problema nos queda.

278
Tema 3Tema
| Distribuciones
1 | MtodosTericas
e Investigacin
de Probabilidades
Cientfica

Ejemplo 3. Cul es la probabilidad de que sufran una reaccin a lo menos 3 sujetos


(o tres o ms sujetos), tomando en consideracin los mismos datos del Ejemplo 2?
Esta situacin es anloga al Ejemplo 3 de la distribucin binomial. Se pregunta
por la probabilidad de que sean tres, cuatro,, n sujetos afectados por la reaccin
al suero. Calcular estas probabilidades es tambin engorroso. Es preferible aplicar el
concepto de que la suma de todas las probabilidades particulares es 1, por tanto, si
a este valor le resto la estimacin de las probabilidades de que ninguno, uno y dos
tengan la reaccin, es decir, P (Xd2), he calculado entonces P (X t3).

P (X t3) = 1 - P (X d 2)

Como ya conocemos del Ejemplo 2 que P (X d 2) = 0,2380 entonces,

P (X t 3) = 1 - 0,2380
P (X t 3) = 0,7620

La probabilidad de que 3 o ms sujetos tengan reaccin al suero es de 0,7620.

3.5. Algunas distribuciones de probabilidad de uso comn


en las reas de la Biomedicina y la Clnica

Al inicio de este tema se analiz un mtodo emprico para arribar al conocimiento


acerca del modelo de distribucin que puede asumir una variable aleatoria, que es-
pecficamente fue el modelo normal. Pero existen otros problemas que no pueden ser
solucionados con este modelo y que requieren de la participacin de otros modelos
tericos de distribucin. Algunos de ellos, que tienen importancia para la estadstica
inferencial, son: Distribucin Ji-cuadrado, t de student y F de Fisher.
A continuacin trataremos de introducir las ideas y conceptos fundamentales
acerca de estas distribuciones, las cuales sern muy utilizadas en los temas posteriores
de este texto.

3.5.1. Distribucin chi-cuadrada

Aunque dedicaremos ms tiempo a esta distribucin en el Tema 3 de esta parte


del libro, nos preocuparemos por enunciar los aspectos conceptuales principales de
utilidad prctica. La notacin que se utiliza para la variable que tiene este tipo de
distribucin es la letra griega Ji elevada al cuadrado (F 2) y depende exclusivamente
de los grados de libertad (Q), que pueden especificarse tambin como: g.l.

279
Metodologa de la Investigacin Cientfica

La forma grfica (Figura 12) de esta distribucin es como sigue:

1.0

0.8 k=1
k=2
k=3
0.6 k=4
k=5

0.4

0.2

0.0
0 2 4 6 8

Fig. 14. Distribucin Ji-cuadrada para varios grados de libertad.

Como se puede apreciar, tanto a partir del grfico como de la expresin que define
a la variable Ji-cuadrada (c 2), la misma es una variable no negativa, es decir, el rango
de sus valores es desde 0 hasta infinito (a) y adems este modelo, a diferencia del
modelo normal, es no simtrico, pero tiende a ser como la curva normal en la medida
en que n tiende a infinito. El nico parmetro que posee es el de "grado de libertad",
el cual se analizar posteriormente en forma aplicada, pues no es inters de este curso
profundizar en este concepto.
La distribucin de Ji-cuadrado se utiliza para medir la discrepancia que existe
entre los datos observados (resultados de la observacin emprica) y los esperados
(los datos que espera la teora que se obtengan en los procesos experimentales) y que
puede ser definida en forma general como:

(6)

3.5.2. Distribucin t - student

Este modelo terico tambin se deriva de la distribucin normal. La notacin ms


aceptada para la variable que tiene este tipo de distribucin es aquella que la identi-
fica con la letra t minscula. Esta variable ser muy usada dentro del mtodo de
estimacin de la media de una distribucin normal.
Su grfico es muy parecido al del modelo normal, cuando la media es cero y la
desviacin estndar es 1, solo que en el caso del modelo t-student la media es cero,
pero la desviacin estndar es igual a V / p con Q grados de libertad.

280
Tema 3Tema
| Distribuciones
1 | MtodosTericas
e Investigacin
de Probabilidades
Cientfica

En el grfico de la Figura 15 aparecen varios modelos determinados por valores


diferentes de grados de libertad y adems aparece el modelo normal con media cero
y desviacin estndar 1.

k =1
k=2
k=5
k=10
N LQQL

Fig. 15. Distribucin de la variable t-student para diferentes valores


de grados de libertad.

En este grfico puede observarse que a medida que el nmero de grados de liber-
tad va en aumento, el modelo t-student tiende a irse aproximando cada vez ms al
modelo normal de media cero y desviacin estndar 1 (modelo normal estndar). Se
obtiene una buena aproximacin cuando n t 30 y, en estos casos, el anlisis estadstico
puede realizarse mediante el modelo normal, para valores inferiores a 30 es preferible
trabajar con el modelo t-student.

3.5.3. Distribucin F de Fisher

Si existen dos variables aleatorias Ji-cuadrada distribuidas independientemente,


las cuales denominamos U con n1 grados de libertad y V con n2 grados de libertad,
puede demostrarse que:

est distribuida como F con n2 y n1 grados de libertad.


Es de particular inters en la estadstica aplicada el hecho que, cuando se obtienen
muestras al azar de dos poblaciones normales, la relacin:

(24)

281
Metodologa de la Investigacin Cientfica

permite establecer si existen o no diferencias entre las varianzas de las dos poblacio-
nes y, dicha relacin, se distribuye como F con Q1 = n1 - 1 y Q2 = n2 grados de libertad
respectivamente. Esto es lo que se aplicar posteriormente cuando nos introduzcamos
en los captulos que expondremos ms adelante.

Ejercicios

1. En un examen final de Bioestadstica, la media fue de 5,5 y la desviacin estndar


fue 1,5. Determine los valores de Z de los estudiantes que tuvieron las siguientes
notas: 4,6; 5,8 y 6,3.
2. Sobre la base de los datos del problema uno, encuentre las notas que corresponden
con los siguientes valores de Z: -3, -2, -1, 0, 1, 2, 3.
3. Los niveles de fosfatasa alcalina de la poblacin de sujetos normales tienen una
media de 190 u / l. y una desviacin estndar de 60 u / l. Cul es la probabilidad
de que al escoger al azar un sujeto de la poblacin este tenga una valor de fosfatasa
alcalina, inferior a: 310 u / l, 250 u / l, 190 u / l, 130 u / l y 70 u / l.
4. Se conoce que los niveles medios poblacionales de TGP en varones adultos es de
25 u / l y que la desviacin estndar es de 8 u / l. Cul es la probabilidad de que
al extraer al azar un sujeto de la poblacin este tenga niveles de TGP entre los
siguientes valores de TGP:
a) 20 y 30
b) 17 y 33
c) 9 y 17
d) 26 y 37
5. Los niveles medios poblacionales de colesterol LDL (lipoprotenas de baja den-
sidad) son de 175 mg%. Con una desviacin estndar de 10 mg%. Determine la
probabilidad de que estos niveles sean iguales o menores que:
a) 150 mg%
b) 160 mg%
c) 175 mg%
d) 185 mg%
e) 195 mg%
6. La glicemia tiene niveles medios poblacionales de 75 mg%, con una desviacin
estndar de 20 mg%. Cul es la probabilidad de que los valores de un sujeto
extrado al azar de la poblacin tenga valores mayores que:
a) 55 mg%
b) 35 mg%
c) 75 mg%
d) 95 mg%
7. Se conoce que la hemoglobina en sangre tiene niveles medios poblacionales de
15 (100ml), con una desviacin estndar de 1,7 (100ml). Sobre la base de estos
datos, determine:
a) Cal es la probabilidad de que al elegir un sujeto al azar de esta poblacin este
tenga valores de hemoglobinas menores a 13,25 (100ml)

282
Tema 3Tema
| Distribuciones
1 | MtodosTericas
e Investigacin
de Probabilidades
Cientfica

b) Cal es la probabilidad de que al elegir un sujeto al azar de esta poblacin


este tenga valores de hemoglobina menores o iguales a 13,25 (ug/100ml)
c) Cal es la probabilidad de que al elegir un sujeto al azar de esta poblacin
este tenga valores de hemoglobina mayores a 14,11 (ug/100ml) y menores a 17,82
(ug/100ml)
d) Cal es la probabilidad de que al elegir un sujeto al azar de esta poblacin
este tenga valores de hemoglobina mayores e iguales a 14,11 (ug/100ml) y menores
e iguales a 17,82 (100ml)
e) Cal es la probabilidad de que al elegir un sujeto al azar de esta poblacin
este tenga valores de hemoglobina mayores a 16,73 (100ml)
f) Cal es la probabilidad de que al elegir un sujeto al azar de esta poblacin
este tenga valores de hemoglobina mayores e iguales a 16,73 (100ml)
8. Calcule:
a) 0!
b) 1!
c) 7!
d) 9!
e) 10 C 5
f) 7 C 3
g) 4 C 0
9. Cierto evento odontolgico ocurre normalmente con una probabilidad de 0,4.
Cul ser la probabilidad de que al extraer diez sujetos de la poblacin este
evento ocurra exactamente:
a) ninguna vez
b) 1 vez
c) 3 veces
10. Se conoce que el 35 % de las personas en una poblacin es afectada por cierta
patologa viral. Si Ud. debe atender 44 pacientes diarios en el Consultorio de Lo
Espejo, cual es la probabilidad de que Ud. atienda:
a) Exactamente dos sujetos con esta patologa
b) A lo ms, menos de dos sujetos con esta patologa
c) A lo menos, ms de dos sujetos con esta patologa
11. Se conoce que la probabilidad de que existan sujetos con ms de dos piezas den-
tales faltantes en una poblacin rural es de 0,35. Cul es la probabilidad de que
al extraer al azar 14 sujetos de dicha poblacin a lo ms se obtenga:
a) un sujeto con esta caracterstica dental
b) tres sujetos con esta caracterstica
c) cuatro sujetos con esta caracterstica
12. Se conoce que la probabilidad de que existan sujetos con ms de dos piezas den-
tales faltantes en una poblacin rural es de 0,35. Cul es la probabilidad de que
al extraer al azar 14 sujetos de dicha poblacin a lo menos se obtenga:
a) dos sujetos con esta caracterstica dentale
b) tres sujetos con esta caracterstica
c) cuatro sujetos con esta caracterstica

283
Metodologa de la Investigacin Cientfica

13. Una enfermera, especializada en gineco-obstetricia, atiende 38 partos mensuales.


Por otra parte, se ha observado que la probabilidad de que los partos sean eut-
cicos es de un 80% y que este valor es el mismo todos los meses. Sobre la base
de esta informacin, determine cual es la probabilidad de que esta profesional
tenga que atender mensualmente:
a) Exactamente cuatro partos no eutcicos
b) A lo ms tres partos no eutcicos
c) A lo menos cinco partos no eutcicos
14. Se conoce que la frecuencia con que ocurre el nacimiento de un nio con Sn-
drome de Down es de 1 en 1000. Sobre la base de esta informacin determine
cual es la probabilidad de que el pediatra, que pertenece a un equipo de trabajo
de parto, diagnostique:
a) Exactamente dos nacimientos de nios con este sndrome
b) A lo ms un nio con este sndrome
c) A lo menos tres nios con este sndrome
15. Un ensayo clnico, en relacin con cierto medicamento para disminuir el co-
lesterol total en sangre, tiene una probabilidad de fracaso de 0,004 probado en
100 sujetos voluntarios. Si este ensayo se repite de nuevo, pero en 1000 sujetos
voluntarios, cul es la probabilidad de que este medicamento fracase exactamente
en 2 sujetos, en 3 sujetos y en 5 sujetos?
16. Con los datos del problema 15 determine la probabilidad de que fracase este
medicamento en:
a) a lo ms en un sujeto
b) a lo ms en 3 sujetos
c) a lo menos en 2 sujetos
d) a lo menos en 4 sujetos

Bibliografa

Canavos, G. C. (1995) Probabilidad y Estadstica. McGraw-Hill. Madrid.


Camel, F. (1979) Estadsticas Mdicas y de Salud Pblica. Editorial Pueblo y Educacin. La
Habana.
Colectivo de Autores (1987) Bioestadstica y Computacin para estudiantes de Ciencias M-
dicas. Editorial Pueblo y Educacin. La Habana.
Dixon, W. J.; Massey, FJ (1974) Introduccin al anlisis estadstico. Editorial Cientfico-Tcnica.
La Habana.
Hoel, P. G. (1971) Introduction to mathematical statistics. Wiley & Sons Ed. New York.
Johnson, N. L.; Leone, FC (1977) Statistics and experimental desing. Vol. I. Wiley & Sons.
New York.
Lerch, G. (1977) La Experimentacin en las Ciencias Biolgicas y Agronmicas. Editorial
Cientfico-Tcnica. La Habana.
Spiegel, M. R.(1995) Teora y problemas de estadstica. McGraw-Hill. Buenos Aires.

284
Tema 3Tema
| Distribuciones
1 | MtodosTericas
e Investigacin
de Probabilidades
Cientfica

Snedecor, G. W.; Cochran, WG (1979) Statistical Methods. The Iowa State University Press.
Iowa. U.S.A.
Steel, R. G. D.; Torrie, JH (1960) Principles and Procedures of Statistics. McGraw-Hill Book
Company, Inc. New York.

285
Tema
Tema41| Experimentos
| Mtodos e Investigacin
de comparacin
Cientfica
simple

Captulo 4

Experimentos de comparacin simple

4.1. Estadstica inferencial

En el tema anterior se trataron los modelos tericos de distribucin de las


variables y en particular la distribucin Normal. El conocimiento de la distribucin
terica de una variable es de la mayor importancia puesto que su dominio permitir
la posibilidad de utilizar mtodos estadsticos para tomar decisiones en relacin con
la inferencia estadstica.
Los tipos de mtodos de la Estadstica Inferencial (Estimacin y Pruebas de Hi-
ptesis en las condiciones de experimentos simples) sern objeto de estudio en este
tema, as como el tipo de problemas que puede solucionar. La estimacin ser tratada
desde el ngulo de la media, varianza y desviacin estndar de una variable con dis-
tribucin normal. Los mtodos que se utilizan para estas estimaciones son anlogos
a las estimaciones de otras distribuciones con parmetros y estadgrafos diferentes,
pero siempre considerando la especificidad de esas variables.

4.1.1. Objetivos de la Estadstica Inferencial

La estadstica inferencial tiene dos objetivos bsicos; a) obtener conclusiones vlidas


acerca de una poblacin sobre la base de una muestra, es decir, que las conclusiones
que obtengamos de una muestra se puedan extrapolar a la poblacin que dio origen a
esa muestra y b) poder medir el grado de incertidumbre presente en dichas inferencias
en trminos de probabilidad.
La estimacin es posible entenderla mediante ejemplos. Supongamos que tenemos
una poblacin de enfermos por determinada causa que puedan ser divididos en aque-
llos que tienen el sntoma A y los que no lo tienen. En estas circunstancias nos puede
interesar en qu proporcin se encuentra el sntoma A o, lo que es igual, cul es la
probabilidad de presentar el sntoma A en dicha patologa. En este ejemplo se desea
inferir la proporcin de enfermos con sntoma A, pero, como a veces es imposible
estudiar a todos los individuos, se toma una muestra de ellos y se estiman, mediante
esta, los valores poblacionales de la proporcin de enfermos de nuestro inters.
En situaciones semejantes al ejemplo anterior, pudiera ser necesario comparar de-
terminado parmetro de una poblacin con un valor dado o realizar la comparacin

287
Metodologa de la Investigacin Cientfica

con dicho parmetro en otra poblacin y verificar, como consecuencia, la hiptesis


de igualdad de las proporciones de enfermos con sntoma A en dos poblaciones de
enfermos (diferenciadas por la enfermedad). Es necesario, definir, por tanto, si ambas
poblaciones analizadas difieren o no en cuanto a la proporcin de enfermos con sn-
toma A. Aqu se trata de probar una hiptesis planteada y los mtodos que se utilizan
son los llamados mtodos para la prueba de hiptesis.
Ejemplo 1. Se desea conocer los valores promedios de glicemia, hematocrito y
hemoglobina de los recin nacidos, hijos de madres diabticas no insulinodepen-
dientes. Para realizar la estimacin de estos parmetros en la poblacin se selecciona
un conjunto de individuos con las caractersticas sealadas (recin nacidos hijos de
madres diabticas no insulinodependientes) de varios hospitales maternos. Este es un
caso evidente en el que se necesita de los mtodos de la estimacin para solucionar
el problema planteado.
Ejemplo 2. Supongamos que se desea comparar la capacidad fsica de resistencia
en carreras de distancia, entre nios asmticos y no asmticos de 12 aos de edad.
Si seleccionamos sendas muestras de nios asmticos, y les hacemos las pruebas co-
rrespondientes pudiramos probar la hiptesis de que la resistencia de ambos grupos
pudiera diferir a partir del anlisis de los resultados obtenidos en ambas muestras.
Este es un caso en que los mtodos para la prueba de hiptesis seran factibles de ser
aplicados.
Los problemas planteados pueden ser solucionados en trmino de parmetros po-
blacionales, pues conocemos su distribucin terica. En el ejemplo 1 se deseaba estimar
el valor promedio de hemoglobina en los recin nacidos hijos de madres diabticas. Si
se supone que el valor de hemoglobina tiene una distribucin terica dada, como por
ejemplo la normal, lo que se est estimando es la media de la variable poblacional, es
decir, m mediante el anlisis de una muestra de esta poblacin.
Por otra parte, la obtencin de la muestra y la muestra misma puede ser tan
buena como sea posible, pero de cualquier forma no es la poblacin, por tanto
siempre que estimemos m mediante una muestra tendremos la incertidumbre de que
el valor de la media de la muestra no sea exactamente igual a la de la poblacin, en
otras palabras, siempre existe un error en la estimacin de la media poblacional a
partir de la media de la muestra. Lo anterior nos obliga a calcular la magnitud de la
probabilidad de dicho error.

4.1.2. Estimacin estadstica

Como sealamos anteriormente, toda vez que se haga uso de muestras para hacer
determinada inferencia de la poblacin, se debe tener presente una fuente de error,
que aunque bien esta puede ser disminuida utilizando tcnicas de muestreo adecuadas
para la seleccin de las muestras, es simplemente imposible de ser eliminada. Por tan-
to, de lo que se trata, adems de tener siempre en consideracin la existencia de este
error, es de tener una medida de l, para as poder caracterizarlo cuantitativamente
y controlarlo.
La constante estadstica que permite la medicin del error por muestreo se deno-
mina error estndar. Se puede hablar por tanto del error estndar del promedio o del
error estndar del porcentaje (entre otras medidas de este tipo).
288
Tema
Tema41| Experimentos
| Mtodos e Investigacin
de Comparacin
Cientfica
Simple

4.1.3. Error estndar de la media muestral

Si tenemos una poblacin en la que se estudiar una variable que se caracteriza


por tener una distribucin normal y de esta se toma una serie de muestras, todas
del mismo tamao, y para cada una de estas muestras se calcula el promedio de la
variable analizada, suceder que estos promedios, al mismo tiempo, se distribuirn
alrededor del verdadero valor promedio de la poblacin (m) formando una curva
normal. Es decir, que los promedios de muestras extradas de determinada poblacin
se distribuyen normalmente, por tanto, es muy raro que el promedio de una muestra
difiera del verdadero promedio de la poblacin en ms de tres desviaciones estndar.
Por otra parte, se ha demostrado matemticamente que la desviacin estndar del
promedio de muestras obtenidas de una poblacin, en las cuales la variable a medir
tiene desviacin estndar, es S n y se le denomina error estndar (denotado por E.E):

(1)

La desviacin estndar () mide la dispersin que presentan los individuos de una


poblacin respecto de su media, pero el error estndar (E.E) de la media muestral mide
la dispersin respecto de la media poblacional, de las medias de muestras tomadas al
azar de la misma poblacin.
Sobre la base de las ideas expresadas ms arriba, es que se pueden aplicar las pro-
piedades conocidas para las variables con distribucin normal, ya que en este caso el
promedio de una muestra es una variable con distribucin normal (o aproximadamente
normal), y podemos plantear con seguridad que:

P rV incluye el promedio de la muestra aproximadamente en el 68,27%


n
de los casos.

P r 2V incluye el promedio de la muestra aproximadamente en el 95,45%%


n
de los casos.

P r 3V incluye el promedio de la muestra aproximadamente en el 99,73%%


n
de los casos.
Lo anterior quiere decir que muestras cuyos promedios difieren del verdadero
promedio de la poblacin en ms de 1, 2 y 3 errores estndar solo se presentan con
una frecuencia inferior al 31,73; 4,55 o 0,27 % de los casos respectivamente.
Una forma de realizar la estimacin es mediante el clculo aproximado del valor
desconocido P, lo cual es posible empleando el promedio de la muestra. Este tipo
de estimacin recibe el nombre de estimacin puntual de P pero, en este caso, no se
estara midiendo el grado de incertidumbre presente en dicha inferencia y por este
motivo esta forma de estimacin no es muy apropiada con el objeto de hacer inferen-

289
Metodologa de la Investigacin Cientfica

cias vlidas, es decir, extrapolables a la poblacin de la cual se extrajo la muestra. Es


necesario entonces emplear el error estndar en la medicin de la incertidumbre de
la inferencia. El uso de este error me conduce a realizar las estimaciones por medio
de intervalos de confianza.

El intervalo, por ejemplo,

P  2V ; P  2V , contiene el promedio de la muestra en el 95,45 % de


n n
los casos

aproximadamente, por tanto, podemos plantear que:

P  2V d X d P  2V
n n

Como ya sabemos que P es desconocida, entonces planteamos este intervalo en


funcin de la media muestral y no de P, despejando nos queda:

X  2V d P d X  2V
n n

De donde se puede concluir que el intervalo calculado a partir de la media muestral

X  2V ; X  2V (2)
n n

contiene a la media poblacional (P ) en el 95,45% de los casos, aproximadamente.

Se puede decir lo mismo, pero de una forma ms comunicativa, de la siguiente


manera: "Se puede afirmar con una confianza del 95,45% que, en ese intervalo, se
encuentra P". A dicho intervalo se le denomina intervalo de confianza para P al
95,45% de confianza; y al valor porcentual neto, es decir, 95,45% se le denomina
coeficiente o nivel de confianza.

Ejemplo. Para realizar un estudio sobre los niveles de hemoglobina en una poblacin
se ha tomado una muestra aleatoria de 10 personas. Determine con una confianza
del 95,45% el intervalo en que se puede afirmar que se encuentra el nivel medio de
hemoglobina. Suponga que V es conocido (lo cual es raro) y tiene valor 2. La muestra
extrada de la poblacin es la siguiente:

12,5; 13; 14,3; 12; 15,1; 13,2; 13; 14,5; 16,6; 13,2.

290
Tema
Tema41| Experimentos
| Mtodos e Investigacin
de Comparacin
Cientfica
Simple

Respuesta. Nos piden hallar un intervalo de confianza al 95,45 %, a partir de una


muestra de la poblacin, del nivel medio de hemoglobina en dicha poblacin. Es decir,
nos piden (2). _
Primero, debemos obtener la media de la muestra: X = 13,34, y luego construir
el intervalo.

[12,07; 14,61]

Se puede afirmar con un 95,45 % de confianza que en el intervalo comprendido


entre 12,07 y 14,61 se encuentra el nivel medio de hemoglobina (P) de dicha poblacin.

Es importante precisar que en este ejemplo se dio como dato la desviacin estndar
poblacional (V), pues era necesario para aplicar didcticamente el uso de la frmula
correspondiente. Sin embargo, suele suceder que este valor es desconocido generalmen-
te, por lo que es imprescindible estimar tal valor. Dicha estimacin ya es conocida por
el lector y se realiza mediante el clculo de S (desviacin estndar muestral), siempre
y cuando n 30 o tengamos la seguridad de que los datos de la muestra analizada se
distribuyen en forma normal o existen ambas situaciones simultneamente.
Cuando la muestra es pequea (n  30) y no podemos probar normalidad de los
datos, es dudoso que pueda usarse con garanta la frmula (2), aun sustituyendo V
por S. En este caso la Estadstica Matemtica llega a una frmula similar:

(3)

El valor de t depende de la distribucin terica t-student. Esta distribucin terica


depende de un parmetro denominado grados de libertad que ya fue examinado
en el tema 1 de esta parte del texto. Los grados de libertad de esta distribucin se
estiman como n - 1 (nmero de datos menos 1), entonces n - 1 = 10 - 1 = 9 grados de
libertad. La tabla, con los valores de la distribucin terica de t-student, se muestra
en el Apndice 2.

Ejemplo. Determine con un 99% de confianza en qu intervalo se puede afirmar


que est el valor medio de hemoglobina, sobre la base de los resultados de la medicin
de la hemoglobina (datos).
En este ejemplo, se desconoce V y es necesario estimarlo con S, y los datos son
inferiores a 30. No existen indicios de ningn tipo que nos indiquen que estos datos,
a pesar de ser inferiores a 30, tengan distribucin normal. La nica conclusin po-
sible es que tengamos que aplicar (3) dada la naturaleza de la informacin que nos
proporcionan. Sustituyendo en (3):

291
Metodologa de la Investigacin Cientfica

Se puede afirmar con un 99% de confianza que en el intervalo (12,33; 14,34) se


encuentra el nivel medio de hemoglobina.

4.1.4. Error estndar de una proporcin cuando el tamao


de la muestra es grande

La proporcin es la relacin que existe entre el nmero de casos observados en un


grupo particular de individuos que posee una caracterstica de inters, respecto del
total de individuos del grupo.

La frmula general de la proporcin es:


a (4)
P
ab
donde:

P = proporcin de individuos con la caracterstica de inters en el grupo en estudio.


a = Nmero de individuos con la caracterstica estudiada en el grupo.
a + b = nmero total de individuos del grupo.

Se puede ilustrar esto con el clculo de la proporcin de habitantes con bocio en


una poblacin constituida por 1.000 habitantes. Mediante un estudio se conoci que
200 de esos habitantes sufrieron bocio, as es que la proporcin de habitantes con
esta caracterstica es:

En la proporcin, el numerador est constituido por la cantidad de sujetos que pa-


decen de bocio, en el denominador los que padecen sumados a los que no lo padecen.
El porcentaje es la proporcin multiplicada por 100. En el ejemplo el porcentaje
de bocio en dicha poblacin es de 0,2 x 100 = 20 %.
El profesional ligado a las ciencias mdicas en su actividad investigativa est in-
teresado muchas veces en explicarse, a travs de las proporciones y porcentajes, una
serie de hallazgos. Por otra parte, aunque intuitivamente, conocemos que aunque el
investigador toma una muestra con el fin de inferir a partir de ella el verdadero valor
de un parmetro cualquiera de la poblacin, los resultados obtenidos para la muestra
no corresponden exactamente a los de la poblacin de donde se extrajo dicha mues-
tra. De forma anloga a como se trat el caso en que se estimaba la media de una
poblacin de determinada caracterstica, se realiza la estimacin de la proporcin.
Aclaramos que aqu, a modo de ilustracin, solo sealaremos el caso en que se
pueda tomar una muestra suficientemente grande, ya que el caso en que la muestra
es pequea ser tratado con detalle ms adelante.
A partir de una muestra convenientemente tomada, se puede inferir, sobre la
proporcin poblacional,la proporcin encontrada en la muestra, empleando un pro-
cedimiento similar al que se utiliza para la media de la poblacin, o sea, a partir del
error estndar.
292
Tema
Tema41| Experimentos
| Mtodos e Investigacin
de Comparacin
Cientfica
Simple

El error estndar de la proporcin muestral se calcula de la siguiente forma:

pq (5)
E p
n
donde:

E. E. p = error estndar de la proporcin muestral


p = proporcin poblacional de determinada caracterstica
q = 1 - p = proporcin de que no se presente la determinada caracterstica
n = nmero de elementos de la muestra

Teniendo en cuenta que la distribucin de la proporcin es aproximadamente nor-


mal para muestras grandes (pues la proporcin es un caso particular del promedio),
se puede, a partir del error estndar, plantear los intervalos de confianza de forma
similar a como se hizo para el promedio, de la siguiente forma:

Los intervalos de confianza para la proporcin poblacional con un coeficiente de


confianza del 95 y 99 % son, respectivamente:

(6)

(7)

Ejemplo. Con el objeto de conocer la proporcin de personas que reaccionan fa-


vorablemente a determinada teraputica, se estudi una muestra de 400 individuos.
En la muestra 300 reaccionaron favorablemente.
En este problema es deseable saber dentro de qu lmites se encuentra la verdadera
proporcin de individuos que reaccionan favorablemente ante dicha teraputica. Se
desea hacer esta estimacin con un 95 % de certeza o confianza.

Respuesta.

Sustituyendo en (4), (5) y (6) respectivamente:

E.E.p = 0,0216

[0,75 - 0,0216 ; 0.75 + 0,0216]

I.C. = [0,707; 0,793]

293
Metodologa de la Investigacin Cientfica

Se puede afirmar entonces que la proporcin poblacional de individuos que res-


ponden favorablemente a esa teraputica, con un 95% de certeza, se encuentra en el
intervalo (0,707; 0,793).
Si deseamos expresar el intervalo en por cientos, solo es necesario multiplicar por
100 los valores que estn dentro del intervalo. El resultado es: (70,7; 79,3).
Los factores que influyen directamente en la magnitud del intervalo de confianza
son el coeficiente de confianza y el tamao de la muestra con que se realiza el estudio.
Mientras mayor es el tamao de la muestra (n), menor es el intervalo, es decir, el an-
cho de dicho intervalo. Sucede lo contrario con el coeficiente de confianza, mientras
mayor es este coeficiente, mayor ser el ancho del intervalo.

4.1.5. Precisin y tamao de muestra

En el primer ejemplo que se mostr, en relacin con el error estndar de la media,


se lleg a la conclusin de que con un 95% de confianza se puede afirmar que en el
intervalo (12,07;14,61) se encuentra el nivel medio poblacional de hemoglobina, sin
embargo, es posible que un investigador exigente no est satisfecho con dicho intervalo
y lo desee ms estrecho. Se puede comprobar que a medida que aumenta el tamao
de la muestra (n), disminuye el ancho del intervalo.
Algo que frecuentemente inquieta al investigador es el tamao de la muestra que
debe utilizar. Esta preocupacin es obvia, pues si la muestra es demasiado pequea,
los resultados pueden carecer de validez y si es demasiado grande, quizs presente un
gasto excesivo de energas y recursos. Aunque nosotros estudiaremos esto en detalle
en el Tema 5, podemos adelantar algunos conceptos bsicos.
El tamao de la muestra depende principalmente de los siguientes factores:

a) Variabilidad de la caracterstica (variable) que se estudia. Mientras ms variable


sea esta, mayor debe ser el tamao de muestra (n) que se estudie. Es decir, el tama-
o de muestra es directamente proporcional a la variabilidad de la caracterstica
estudiada.
b) Precisin que se requiere en los resultados, es decir, magnitud del error que es
posible tolerar. Se comprende que para afirmar que el promedio del peso de un
grupo de individuos est entre 40 y 60 kilos, se necesitar una muestra mucho
ms pequea que si quisiramos afirmar que dicho promedio est entre 50 y 51
kilos. La precisin est relacionada con la magnitud entre el valor del parmetro
que trato de estimar y el valor del estadgrafo que he estimado.
c) Margen de certeza que se desea obtener (95 99%), pues para determinada pre-
cisin mientras mayor sea la certeza que se busca, mayor debe ser el tamao de
la muestra.
Como la precisin a que se aspire y la certeza que se desee depende del problema que
se estudia, podemos sealar que el tamao de la muestra depender en parte de la
aplicacin que se va a dar a los resultados que se obtengan. Para fijar el tamao de la
muestra debemos, en primer lugar, decidir sobre el margen de certeza que deseamos
y sobre la precisin a que aspiramos en nuestros resultados.

294
Tema
Tema41| Experimentos
| Mtodos e Investigacin
de Comparacin
Cientfica
Simple

4.2. Prueba de hiptesis: hiptesis de nulidad, nivel de significacin,


regin de rechazo y decisin estadstica

4.2.1. Introduccin a la prueba de hiptesis

Los problemas de pruebas de hiptesis estn muy relacionados con los estudios
comparativos y, de hecho, en las hiptesis casi siempre hay comparaciones. Las com-
paraciones presentes en las hiptesis se referirn siempre a valores o caractersticas
poblacionales, sin embargo, como es comn en la Estadstica, la decisin de aceptar
una hiptesis se har a partir de los valores observados en una muestra, la cual traer
consigo cierta incertidumbre.
El hecho de que entre dos grupos de pacientes tratados de modo distinto se en-
cuentren ciertas diferencias, no debe hacernos concluir desde un principio que tales
diferencias sean debidas a que un tratamiento sea mejor que otro. En efecto, si su-
ponemos que tenemos dos grupos de pacientes, el primero tratado con Sulfadiazina
y el segundo con Penicilina y que la letalidad fue respectivamente de 5% y 2%, la
diferencia del 3% pudiera ser debida a una de las siguientes causas.
a) Falta de comparabilidad de los grupos, es decir, que los dos grupos de pacientes
no tenan caractersticas semejantes.
b) Variacin explicable por el azar, pues segn se ha visto, si dos muestras son obte-
nidas de la misma poblacin, los resultados no siempre sern exactamente iguales.
c) Mayor efectividad de la penicilina con respecto a la sulfadiazina.
Para poder concluir que el mejor resultado observado se debe a que la penicilina
es ms efectiva, habr que descartar primero las otras dos posibles causas.
Habr que probar en primer lugar, que los grupos son comparables, pues de no
serlo, ello sera una posible explicacin de las diferencias observadas. Ser necesario
establecer adems, que no es probable que el azar haya producido tales diferencias.
De esta forma se eliminaran dos de las causas y podra concluirse que la nica causa
de la diferencia es la tercera.
Respecto a la comparabilidad de los grupos, esta se logra a travs de una correcta
planificacin del experimento o una buena seleccin de la muestra. En medicina y
odontologa experimental es frecuentemente se busca evidenciar si un tratamiento es
mejor que otro y para ello se requiere que los grupos que se estn comparando estn
homogneamente constituidos en relacin con aquellas caractersticas vinculadas al
problema que se estudia.
Sin embargo, sucede que, aunque se iguale a los dos grupos respecto de las carac-
tersticas que son conocidas, todava puedan existir otras desconocidas que influyen
en el fenmeno que se estudia. En tal caso, la forma de igualar los dos grupos es
mediante el sistema del azar, el cual, a la larga, tiende a uniformar su composicin.
Si el azar no se ha utilizado como sistema de seleccin de los individuos, nunca se
podr estar seguro de que los grupos son verdaderamente comparables y quedar en
duda si la diferencia observada en la comparacin se debe a una efectividad real del
tratamiento o a una falta de comparabilidad entre los grupos.
Para eliminar el azar como causa de las diferencias observadas se emplea la tcnica
de la Estadstica Inferencial conocida como Prueba de Hiptesis.

295
Metodologa de la Investigacin Cientfica

4.2.2. Hiptesis de nulidad y alternativa

Trataremos el fundamento de las pruebas de hiptesis empleando a manera de


ejemplo el caso en que se considera una variable distribuida normalmente. Para esto
hace falta expresar el problema concreto que se tenga, en trminos de valores del
modelo terico de la variable.
Supongamos que los enfermos de determinada entidad presentan valores bajos de
hemoglobina despus de ser sometidos a un tratamiento determinado, y que exista
la idea de que el nivel medio de hemoglobina en pacientes con estas caractersticas
alcanza un valor de 9 unidades. Para el anlisis de este problema se realiz un expe-
rimento en el que se midi el nivel de hemoglobina a cinco pacientes obteniendo los
siguientes resultados:

10,4; 9,8; 9,9; 9,8; 9,9

Un problema como el planteado anteriormente en estos trminos responde a una


situacin clsica cuya solucin se obtiene por medio del mtodo de las pruebas de
hiptesis. El camino a seguir consiste en detectar si la media muestral observada a
partir de la muestra difiere mucho o poco del valor 9. Este valor 9, que es el valor que
se supone que alcanza el nivel medio de hemoglobina en dicho tipo de pacientes, se
utiliza para conformar la hiptesis dentro del mtodo, especficamente se le denomina
como Hiptesis Nula y de le denota por: Ho : m = mo , donde en este caso m = 9.
En general se llama hiptesis dentro del mtodo de la prueba de hiptesis, a cualquier
afirmacin relacionada con el valor que pueda tomar un parmetro del cual dependa
el modelo terico de una variable aleatoria. La Hiptesis Nula siempre se construye
con el objeto de ser rechazada. Desde luego, no hay que confundir hiptesis estadstica
con hiptesis cientfica.
La afirmacin contraria de lo que plantea la hiptesis nula se le denomina como
hiptesis alternativa. As, en el caso en que la hiptesis nula sea Ho: m = mo , la
hiptesis alternativa ser: H1: m=mo , donde H1 es el smbolo que servir para indicar
la hiptesis alternativa.

Tipos de pruebas de hiptesis atendiendo a la forma de plantearse las hiptesis

Atendiendo a la forma de plantearse las hiptesis (nula y alternativa), una prueba


de hiptesis puede clasificarse como: bilateral o de dos colas y unilateral o de una cola.

Si la pareja de hiptesis es:

Ho: = o

H1 : o

La prueba se dice que es bilateral ya que H1: m = mo es equivalente a H1 < mo o


a m > mo. En otras palabras, la Ho no tiene direccionalidad.

296
Tema
Tema41| Experimentos
| Mtodos
Tema 5 | Prueba
e Investigacin
de Comparacin
de Chi - Cuadrado
Cientfica
Simple

Si la pareja de hiptesis es:

Ho: mo Ho: mo

H1: < o H1 : > o

Entonces se dice que la prueba de hiptesis es unilateral, puesto que Ho tiene di-
reccionalidad.

4.2.3. Nivel de significacin de una prueba

Una prueba de hiptesis es un mtodo estadstico ideado con el objeto de analizar


si los datos obtenidos, sobre la base de una muestra observada de una variable alea-
toria, resultan o no contradictorios en relacin con la hiptesis nula de la prueba y,
sobre este resultado, tomar una decisin respecto del valor supuesto del parmetro
en la hiptesis nula.
Antes de tratar los aspectos de inters al respecto, es necesario establecer los tipos
de errores asociados a las pruebas de hiptesis, es decir, calcular la incertidumbre
que existe al decidir si escogemos la hiptesis nula o la alternativa en toda prueba
de hiptesis.
Los valores observados en la muestra, pueden o no contradecir los supuestos
implcitos en la hiptesis nula. En caso de que resulte contradictorio, esto se toma
como un ndice de que lo supuesto en la hiptesis nula es imposible de considerar
como vlido y en este caso se dice que ocurre un rechazo de Ho, en caso contrario
se toma como ndice de validez y se dice que ocurre una aceptacin de Ho.
Al tomar la decisin es posible incurrir en dos tipos de errores que se denominan
Error de tipo I o alfa () y Error de tipo II o Beta (), y consisten en lo siguiente:

1. Aceptar la hiptesis nula (Ho) como correcta cuando en realidad el valor supuesto
en esta hiptesis es falso.

Ejemplo. Ho dice que = 9 (o = 9), pero en realidad = 10. Es decir, la muestra


no es capaz de discriminar esa diferencia y hace que se acepte como vlido el valor
de 9, siendo en realidad esto falso, debido a que realmente = 10.
Cuando se est en esta situacin se dice que se ha cometido un error de tipo II.

2. Cuando decidimos rechazar Ho como vlida cuando en realidad el valor supuesto


en Ho es correcto.

Este caso es justamente el contrario del anterior. Cuando sucede esto se dice que
se ha cometido un error de tipo I.

297
Metodologa de la Investigacin Cientfica

El siguiente esquema sirve para resumir grficamente lo expresado.

Cuando en realidad
Se decide Ho es verdadero Ho es falso

Aceptar Ho No hay error Error de Tipo II ( E )

Rechazar Ho Error de Tipo I ( D ) No hay error

La toma de decisin involucrada en toda prueba de hiptesis est relacionada con


la muestra observada de una determinada variable aleatoria. Es posible que la prueba
conduzca al rechazo de Ho, aun cuando Ho sea verdadera. Esto es posible debido al
carcter aleatorio de la muestra, lo cual nos puede llevar a incurrir en el error de tipo
I en una determinada proporcin o porcentaje de veces, dicho de otro modo, con una
determinada frecuencia.
Esta situacin un tanto indeseable, puede ocurrir, pero el mtodo de la prueba de
hiptesis, como veremos, permitir que esto ocurra a lo ms en un porcentaje prefi-
jado que puede ser tan pequeo como uno quiera (dentro de determinados rangos),
por ejemplo, el 5% o el 1% de las veces en que se cumple el mtodo con diversas
muestras de un tamao dado.
Este valor tpico de las aplicaciones estadsticas, expresado en forma de porcentaje,
es el que recibe el nombre de nivel de significacin de la prueba y se le denota con
y tendr el significado de dar una medida de la probabilidad de que ocurra el
error de tipo I en la ejecucin de la prueba estadstica.

4.2.4. Regin crtica de una prueba de hiptesis y decisin estadstica

Hasta el momento no nos hemos referido al mecanismo estadstico que permite


la toma de decisiones dentro del mtodo de la prueba de hiptesis. Esta parte o com-
ponente del mtodo, que permite alcanzar o tomar una decisin, recibe el nombre de
Regin Crtica de la prueba. La regin crtica de una prueba de hiptesis bilateral,
es decir, un tipo de prueba cuya hiptesis nula es de la forma Ho: = o y cuya hip-
tesis alternativa es H1: = o , a modo de ejemplo, guarda estrecha relacin con las
expresiones ya conocidas de los intervalos tratados anteriormente; en otras palabras,
la forma de expresin de una regin crtica ser a travs de un intervalo.
Si tomamos la distribucin terica de una variable con distribucin normal, pode-
mos construir intervalos con lmites de confianza al 95 y 99%, lo cual es equivalente a
construir intervalos determinados por (100 - ) % (1 - ) para pruebas unilaterales
y (100 - /2) % (1 - /2) para pruebas bilaterales. Una vez construidos estos interva-
los, nos interesa comprobar si los estadgrafos de la muestra observada concuerdan
con lo planteado en la hiptesis nula de que Ho: = o (prueba bilateral), es decir,
el valor medio poblacional coincide con cierto valor dado o conocido. Aqu pueden
ocurrir dos situaciones:

298
Tema
Tema41| Experimentos
| Mtodos
Tema 5 | Prueba
e Investigacin
de Comparacin
de Chi - Cuadrado
Cientfica
Simple

1. Po cae fuera, esto quiere decir que no pertenece al intervalo de confianza calculado,
entonces decimos que m difiere significativamente de Po al nivel de % y que, por
consecuencia, ocurre un rechazo de Ho.
2. Po cae dentro, es decir, pertenece al intervalo de confianza, entonces se dice que
no ha sido hallada una diferencia significativa y, como consecuencia, ocurre una
aceptacin de Ho.
Esto ltimo constituye la regla de decisin de la prueba de hiptesis, puesto que
es la que nos dice cmo tomar la decisin en presencia del valor Po y del intervalo de
confianza (regin crtica).

4.3. Comparacin de la media muestral y la media de la poblacin cuando


la varianza es conocida. Pruebas de una y dos colas

Caso 1

Ejemplo. Se conoce desde hace varios aos que los niveles de hemoglobina en san-
gre en la poblacin es de 12 mg/100 ml, con una desviacin estndar de 1,5 mg/100
ml. Un grupo de 25 personas es sometido a una dieta especial en hierro, adems de
la que normalmente las personas tienen. Despus de un tiempo adecuado se someten
a anlisis y, al medir sus niveles de hemoglobina, se obtiene una media de 16 mg/100
ml Cree Ud. que esta dieta ha influido efectivamente en un cambio significativo de
la hemoglobina? Determnelo para un D = 0,05 o un 5% de error.

Pasos para solucionar el problema:

1. Plantear las Hiptesis estadsticas.


Es una prueba de tipo bilateral, pues no existe direccionalidad en la pregunta.

Ho: P = Po = 12
H 1: P = P o
_
2. Los datos son los siguientes: la media de la muestra (X) es 16, V se conoce y es
igual a 1,5 y n = 25.

D = 0,05. Este valor puede ser entregado en un problema o bien puede ser elegido
por el estudiante. En todo caso, el mayor valor de D permitido en el campo de la
medicina es de 0,05.

4. Si el universo tiene una distribucin normal (lo cual es nuestro caso) y las mues-
tras son grandes (n > 30), lo cual tambin es nuestro caso, entonces utilizamos un
estadgrafo que posea distribucin normal con media cero y desviacin estndar
1.Dicho estadgrafo es:

(8)

299
Metodologa de la Investigacin Cientfica

5. Regin crtica. La regin crtica para D = 0,05 es -1,96 < Z < 1,96. Planteado de
otra forma: (- 1,96; 1,96).

6. Debo calcular el estadgrafo Zc:

Zc = 13, 33 mg/100 ml.

El valor de Z cae fuera del intervalo de confianza, es decir, cae en la regin de


rechazo. De rechazo de quin? De rechazo de Ho. Si Ho me plantea que: P = Po =
12, quiere decir que, bajo cualquier circunstancia, la media de hemoglobina en la
poblacin seguir siendo 12 mg/100 ml. Entonces rechazamos que la dieta especial
en hierro todava tenga la misma media que la poblacional.
La interpretacin de estos resultados consistira en sealar que existe un 5% de
probabilidad de equivocarnos en nuestra decisin (de rechazar a Ho). Dicho de otra
forma, si este experimento lo hiciramos 100 veces en la misma poblacin, existira
ms de un 95 % de esos experimentos que me arrojaran una media distinta a la de la
poblacin o tendramos menos de un 5% de experimentos con medias muy parecidas
a las de la poblacin. Por tanto, no hay razn suficiente para dudar de que la dieta
no diera los resultados esperados.

Caso 2

Partiendo del mismo problema que hemos planteado ms arriba acerca de la he-
moglobina, pero supongamos ahora que nuestra investigacin tiene que resolver una
pregunta tan concreta como la siguiente: La nueva dieta, produce niveles medios
de hemoglobina mayores que los que tena la poblacin? Esta es una pregunta con
direccionalidad. Si tiene direccionalidad no es bilateral, sino unilateral (una cola).

Pasos:

1. Hiptesis estadsticas:

Ho : P Po
H1 : P > Po

D = 0,05

3. Se usa el mismo estadgrafo (8) empleado en el anterior problema debido a que


las condiciones son iguales, es decir, la distribucin de Z es normal con media =
0, varianza = 1 y D = 0,05

300
Tema
Tema41| Experimentos
| Mtodos
Tema 5 | Prueba
e Investigacin
de Comparacin
de Chi - Cuadrado
Cientfica
Simple

4. La regin crtica de z ser mayor que Z (1-D) ( Z > Z 1-D). La tabla de la distribucin
de Z terica nos indica que Z (1-D) es 1,65. Por lo tanto, la regin crtica es cualquier
valor mayor que 1,65.

5. Sustituyendo, nos queda:

Z = 13,33. Este valor cae en la regin crtica, como consecuencia, podemos afirmar
con un 5% de error (tipo I) de que efectivamente la media de la hemoglobina en los
sujetos tratados con hierro es mayor que la media de la poblacin.

Caso 3

Ejemplo. En una poblacin de diabticos la media de la glicemia es de 250 mg%


con una varianza de 400 mg%. Un cierto tratamiento aplicado experimentalmente
a una muestra de estos pacientes compuesta de 36 sujetos arroja una media de 80
mg%. Cree Ud. que existen razones suficientes como para pensar que la media de
glicemia efectivamente disminuy en relacin con la media poblacional? Determnelo
para un D = 0,01.
Este problema es el inverso del anterior. Se trata de probar que la media de la
muestra es menor que la media de la poblacin. Es, por tanto, una prueba de hiptesis
unilateral.

1. Hiptesis de tipo unilateral:

Ho: P t Po
H1: P < Po

D = 0,01

3. El estadgrafo es Z planteado en los problemas anteriores, pues V es conocido y


n >30.

4. La regin crtica es (1 - D), es decir, Z < - (1 - D) = - 2,33

5.

Z = - 51

Z cae en la regin crtica (-51 < -2,33), por tanto, rechazamos Ho y podemos concluir
que efectivamente el tratamiento disminuye la glicemia en los pacientes diabticos con
dicho tratamiento con un error de tipo I, inferior a 0,01 o un 1%. Tambin podemos

301
Metodologa de la Investigacin Cientfica

interpretar este resultado de la siguiente forma: si hiciramos el experimento 100 veces,


en 100 sendas muestras extradas aleatoriamente de igual tamao (n = 36), al menos
en 99 de estos experimentos obtendramos medias inferiores significativamente a la
media de la poblacin de diabticos.

4.4. Comparacin de la media muestral y la media poblacional


cuando la varianza es desconocida. Pruebas de una y dos colas

En el epgrafe anterior analizamos las condiciones del uso del estadgrafo Z. El


problema es distinto cuando la varianza de la poblacin es desconocida. Lo natural
en estos casos es sustituir a V por S y usar la distribucin t-student en la forma del
siguiente estadgrafo:

(9)

Aunque S2 es igual a V2, por trmino medio, el primero es realmente menor que
el segundo en la mayora de las veces. Esto nos lleva a sospechar que la distribucin
del estadgrafo t (considerando a P conocida) estara ligeramente ms extendida que
una distribucin normal. Efectivamente eso es lo que sucede cuando las muestras son
pequeas, pero cuando las muestras son grandes o cuando n tiende a aumentar, la
distribucin de t comienza a aproximarse a la curva normal con media = 0 y varianza
= 1 (Fig. 13).
Aqu hay que recordar que la distribucin t-student depende de los grados de liber-
tad. Este concepto tiene una ntima relacin matemtica con el nmero de variables
independientes implicadas (nmero de dimensiones), pero nosotros usaremos este
concepto con una finalidad prctica que nos permita buscar los valores tericos de
esta distribucin en la tabla correspondiente del Apndice 2.

Caso 1

Ejemplo. Un cierto tipo de rata muestra una ganancia media en peso de 65 gr. du-
rante los cuatro primeros meses de vida con una dieta tradicional. Doce ratas fueron
sometidas a una nueva dieta desde su nacimiento hasta los primeros cuatro meses de
vida, y se observaron las siguientes ganancias en sus pesos:

65, 62, 74, 68, 65, 74, 80, 72, 69, 67, 72, 71.

Cree Ud. que esta nueva dieta produce una variacin en la cantidad de peso ga-
nado? Determnelo para un D = 0,05.

302
Tema
Tema41| Experimentos
| Mtodos
Tema 5 | Prueba
e Investigacin
de Comparacin
de Chi - Cuadrado
Cientfica
Simple

1. Hiptesis estadsticas de tipo bilateral.

H o: P = P o
H1 : P z P o

2. D = 0,05. Como es bilateral, es necesario calcular el intervalo de confianza con


(1 - D/2).
3. El estadgrafo que debe ser empleado es t porque V es desconocida y n < 30. Este
estadgrafo tiene distribucin t-student con 11 grados de libertad.
4. Rechazamos Ho si t cae fuera del intervalo (-2,20 ; 2,20)
5. Para aplicar y sustituir en (9), es necesario estimar la media y la desviacin es-
tndar de la muestra en la cual se hizo esta experiencia.

t = 3,44. Este valor cae fuera del intervalo, por tanto rechazamos Ho
Podemos afirmar, con un 5% de error, que la nueva dieta incrementa significativa-
mente el peso en gramos de las ratas en relacin con la dieta tradicional.

Caso 2

Supongamos que en el problema anterior la pregunta ha sido: Cree Ud. que la


nueva dieta logra obtener una media superior de la ganancia en peso en relacin con
la dieta tradicional? Determnelo para un 5% de error.
En este caso, el procedimiento general es semejante al del caso 1. La diferencia slo
consiste en que las hiptesis son unilaterales (indican direccionalidad), por una parte,
y por otra, es que el intervalo de confianza o la regin crtica se construye con (1 - D).

La interpretacin tambin es la misma.

1. Hiptesis estadsticas:

Ho: P d Po
H1: P > P o

2. Se rechaza Ho si t cae fuera del siguiente intervalo (-1,796 ; 1,796)

Caso 3

Ejemplo. Se supone que cierto tipo de medicamento disminuye los niveles de


LDL en sangre. Para comprobar si es cierta esta suposicin se escoge, al azar de una
poblacin de hipercolesterolmicos, una muestra de 16 pacientes y se le aplica este
medicamento por cuatro meses consecutivos y se miden de nuevo los niveles de LDL,
de la cual se obtiene una media de 160 mg% con una desviacin estndar de 10 mg%.

303
Metodologa de la Investigacin Cientfica

Cree Ud. que este medicamento efectivamente ha disminuido los niveles de HDL si
se conoce que en la poblacin de enfermos la media es de 240 mg%? Determnelo
para un mximo de error de un 1%.
Este problema es idntico al anterior y solo difiere en que la hiptesis unilateral
tiene la