Profesor:
CAPÍTULO - I
Introducción
En el caso de la investigación empírica, ésta puede tener como propósito profundizar en una
situación particular sin pretender generalizar las conclusiones obtenidas, a lo cual se le
denomina estudio de casos, o bien intentar obtener conocimiento de una situación global a
través del estudio de todas las entidades que forman parte del problema lo que se denomina
investigación censal.
2
Pero debido a que en la mayoría de los casos existen restricciones económicas o físicas
solamente se puede realizar la investigación empírica sobre algunas de las entidades, lo que
se denomina investigación muestral, la que dependiendo del tipo de muestra puede ser
denominada muestra probabilística la cual intenta proporcionar una representatividad de la
situación global, y muestra no-probabilística la cual no asegura que los resultados obtenidos
sean representativos de la situación global o universo.
En algunos casos el investigador necesitará evaluar la magnitud y significancia del cambio que
se produce en las variables aleatorias analizadas como resultado del efecto de variables
controladas en las cuales se fijan determinadas intensidades en las unidades estudiadas lo que
se denomina investigación experimental, en cambio pueden haber situaciones en las cuales
no es posible intervenir sobre las entidades o situaciones estudiadas y por lo tanto la totalidad
de las variables o atributos investigados presentan sus valores en forma aleatoria o al azar lo
que se denomina investigación no-experimental.
Denominación de variables.
En el caso de la investigación experimental la variable aleatoria analizada se denomina
variable dependiente (y), y la o las variables fijas o controladas se denominan variables
independientes (x). En el caso de la investigación no-experimental la variable aleatoria
estudiada se denomina simplemente variable analizada, y la o las variables relacionadas se
denominan variables asociadas. Un caso especial de investigación no-experimental que tiene
como propósito verificar la causalidad entre variables se sugiere denominar a la variable
analizada como variable de respuesta y a la(s) variables relacionadas como variables
influyentes.
Las variables analizadas pueden ser estudiadas en forma individual lo que se denomina
análisis unidimensional o que también denominado análisis de una sola muestra.
3
Además se pueden relacionar dos variables diferentes a través de análisis bivariado lo que
también se denomina análisis univariado simple o bidimensional. A su vez se puede relacionar
una variable de análisis con varias otras lo que se denomina análisis univariado múltiple o
multivariable, y finalmente se puede realizar un estudio de varias variables de respuesta
incorporando la covariación presente entre ellas o con otras variables relacionadas, lo que se
denomina análisis multivariado o multivariante (análisis multidimensional).
X X1
(Una excepción en multivariante es el análisis discriminante el cual contiene una sola variable
dependiente cualitativa (Yc), pero debido al uso de toda la información de las variables
independientes cuantitativas o numéricas(Xn) corresponde a un análisis multivariado).
En la mayoría de los casos los análisis de los datos se realizan a través de métodos
estadísticos y en algunos casos se recurre a técnicas pertenecientes a los métodos
numéricos los cuales no cuentan con funciones de distribución para el término de error
residual de los datos.
4
Metodología
Estadística
(Muestra) Distribución Poblacional
Estadística Inferencia
Estadística
Descriptiva
Pruebas de
Hipótesis
Barras-Error
Dispersión
5
La estadística descriptiva presenta una serie de métodos que deben seguir una relación con
la escala de medida de cada variable analizada, pudiéndose emplear métodos
correspondientes a las variables de menor información en variables de mayor contenido de
información, pero no en sentido contrario.
No-métrica Sectores
Mayor o menor Mediana Rango Cajas y
Prueba Chi-cuadrado de
Homogeneidad
Comparación de Promedios: Modelos Predictivos:
Prueba T de Student 2 muestras,
Cuantitativa Análisis de regresión simple,
ANOVA, ANCOVA (Anova con
múltiple, lineal, no lineal, ridge.
covariable cuantitativa)
Análisis de Series de tiempo.
Variable independiente (X) Cualitativa Cuantitativa
(siempre es var. Fija)
7
Finalmente, dependiendo del grado de explicación de los resultados obtenidos de los análisis
se pueden indicar las siguientes categorías:
Se debe hacer notar que la exposición de los temas planteados corresponde a una visión
simplificada de los métodos disponibles en la actualidad, ya que en los contenidos no están
referidos aspectos como métodos para datos pareados, métodos de estadística no
paramétrica, métodos de submuestreo, métodos numéricos, algoritmos genéticos,
geoestadística, análisis espacial de datos, métodos de segmentación, Data Mining, entre otros
9
actualmente en uso.
Análisis Factorial:
Componentes Algoritmos
Identificación
Principales, A. Fac. Genéticos
Común
Ecuac.
Modelo Causal Regresion Paso a Paso Estructurales-
Modelo Causal
Redes Neuronales
Tipologización A. Conglomerados
No-Supervisadas
Escalamiento
Posicionamiento
Multidimensional
10
Redes Neuronales
Clasificación A. Discriminante
Supervisadas
Bibliografía.
J.J. Hair, R.E. Anderson, R.L. Tatham, and W.C. Black. Análisis Multivariante de Datos. Ed.
Prentice-Hall. Pearson de México, 2004