REPRESENTATIVIDAD, ALEATORIZACIÓN Y REALISMO

1.1 Criterios
Encontramos que los diseños estadísticos implican siempre de transacciones desde
el momento en que elegimos la naturaleza misma y la estructura de los diseños
estadísticos, su alcance, amplitud y el tamaño de la investigación.
Por lo tanto, necesitamos justificar y distinguir cada uno de los diseños de estudio
observacionales como lo son el muestreo de encuestas y el diseño experimental.
Los criterios que nos ayudan hacer posible los diseños encaminados a comparar y
evaluar la eficiencia de la investigación son:
 Realismo
 Asignación aleatoria
 Representatividad
Dentro del realismo encontramos de dos tipos de variables que son: predictores y
pronosticadas, es decir de tratamiento y respuesta.
En segundo lugar, la fiabilidad científica, donde se consigna la asignación aleatoria
de cada uno de los sujetos, a quienes van aplicada cada una de las técnicas
investigativas.
Y en tercer lugar la representatividad de los elementos muéstrales, donde se
generan soluciones y compromisos.
1.2 Cuatro tipos de variables

1. Variable explicativa o experimentales: son aquellas las que expresan el

objetivo de una investigación, los cuales se quieren encontrar y medir, dentro
de estas variables encontramos dos subgrupos diferentes que son:
 Las predictorias: Incluyen causas
 Las pronosticadas: Describen los efectos

2. Variable controlada: el objetivo de esta variable es la disminución de errores

aleatorios o disminuir los efectos de sesgo de variables perturbadoras.

3. Variables perturbadoras: son variables extrañas no controladas, tiene una

desventaja que residen en el fallo de trasladar estas variables perturbadoras
a variables controlables.

4. Variables aleatorizadas: son variables extrañas no controladas que son

tratadas como errores aleatorios.
1.3 Encuestas, Experimentos e Investigaciones Controladas
El muestreo de encuestas se ha desarrollado principalmente para aportar
estadísticas descriptivas, medidas, proporciones y totales para poblaciones
grandes.
La experimentación es potente en cuanto al control de las variables explicitas por
medio de la aleatorización de las variables predictorias en los sujetos.
Las investigaciones controladas es la recolección de datos, pero sin la
aleatorización de los experimentos, o sin el muestreo probabilístico de la muestra.
1.4 Aleatorización de los sujetos dentro de los tratamientos y dentro de las
poblaciones
Los modelos clásicos entre variables aleatorias pasan por alto la necesidad de
bases poblacionales para sujetos físicos, biológicos o sociales del mundo, el
enfoque solo va basado a la población, al utilizar este enfoque nos percatamos de
que el mundo real entre variables son propiedades de sujetos específicos, que
contribuyen los elementos de poblaciones definidas e indefinidas.
1.5 Test estadístico
Nos referimos a todas las medidas estadísticas de la variabilidad aleatoria,
consisten en distinguir los efectos explicativos de las variables y disminuyen errores
y posibles efectos que estos generen.
1.6 Lista ordenada de Diseño de Investigación
Son los pasos que se requieren para desarrollar de una mejor manera las
investigaciones y averiguar cuál de las combinaciones de cada una de esos tipos
son factibles o deseable, más económico y más prometedor de ricas inferencias.
1.7 Representatividad y muestreo probabilístico
La finalidad de la representatividad consiste en permitirnos hacer inferencias de
manera racional y probabilísticas, desde las muestras hasta las poblaciones
objetivo.
Método probabilístico es el único método viable reconocido por los expertos en
muestreo de encuestas con el cual, en la mayoría de las situaciones practicas se
puede alcázar la meta establecida en la tercera acepción.
1.8 Inferencia Basada en Modelos
1. Modelos uniformes: Son frecuentes y generalizados y tienen raíces
amplias, tienen bases diversas que van desde la ignorancia simple e ingenua
del problema, hasta los modelos sofisticados, este tipo de modelo está
dotado de intercambiabilidad, harían innecesarias las selecciones aleatorias.
2. Modelos Bien especificados: se logra identificar un modelo poblacional
bien definido, identificado y especificado.
3. Ataques generales contra la estadística: Hacemos referencia a los
problemas sustantivos y los sesgos de medición que ocultan los errores
estadísticos.