Al analizar los datos se pretende descubrir patrones y

tendencias los mismos para poder interpretarlos.

El procesamiento y anlisis de datos se podra interpretar

como una manipulacin de los mismos para llegar a los
resultados deseados,; la meta es aclarar los datos, no
cambiarlos fundamentalmente.

Al publicar los datos y las tcnicas que usaron para

analizarlos e interpretarlos, los cientficos le dan a la
comunidad la oportunidad de revisar los datos y de usarlos
en investigaciones futuras.

Las interpretaciones cientficas no son verdades absolutas

ni opiniones personales: son inferencias, sugerencias, o
hiptesis sobre lo que significan los datos, basadas en el
conocimiento cientfico y la interpretacion individual.

La incertidumbre es una estimacin cuantitativa del error que est

presente en todos los datos.

Reconocer la incertidumbre de los datos es un componente importante en

la presentacin de los resultados de la investigacin cientfica. Ignorar la
fuente de un error puede conducir a la propagacin y magnificacin del
mismo.

La incertidumbre se puede malinterpretar como que los cientficos no

estn seguros de sus resultados, pero el trmino especifica el grado por
el cual los cientficos s estn seguros de sus datos.

Ser cuidadoso puede reducir la incertidumbre al corrergir el error

sistemtico y minimizar el error aleatorio. Sin embargo, la
incertidumbre nunca puede ser reducida a cero porque es una medida
cuantitativa de la variabilidad de los datos.

O sea, las medidas en s mismas, independientemente de cualquier

inexactitud humana o instrumental, exhiben dispersin. Esta gama de
valores se cuantifica como incertidumbre y se expresa como la
probabilidad de obtener un cierto valor. Estas probabilidades estn
distribuidas alrededor de un valor central o medio.

Siempre que se hacen medidas tenemos fuentes

potenciales de error.

Si por ejemplo, el instrumento usado estaba calibrado y

la persona fue cuidadosa al tomar los datos el por
ciento de error ser pequeo y estar distribuido al azar
cerca a la medida verdadera. Esto se conoce como el
error experimental y usualmente representa un error
estadstico.

El error estadstico no puede ser eliminado, pero si puede ser

medido y reducido cuando se hacen repetidas observaciones
de un evento especfico.

Otro tipo de error es el introducido humanamente.

Por ejemplo, por calibracin incorrecta o
inconsistencia al tomar datos.

Este error afecta los resultados ampliando por encima

o por debajo del valor real la variabilidad de los datos
obtenidos. O simplemente dando valores
completamente errneos y lejanos al valor real.

Al contrario del error estadstico, el error sistemtico

puede ser compensado, o algunas veces eliminado, si
su fuente se identifica.

Calibrado de instrumentos o medidas contra

estndares conocidos.

Reporte de todos los lmites de deteccin de

instrumentos.

Implementacin de procedimientos estndares

para minimizar el error humano.

Documentacin completa de los mtodos de

investigacin.

Duplicacin de las medidas para determinar la

presicin.

 La

variabilidad en la ciencia es algo que siempre

se debe tener en cuenta. Por ejemplo las hojas
de pinos en su madurez son de aprox. 4 pulgadas
de largo pero existe variabilidad en la naturaleza
debido a diferencias genticas y ambientales.

Como

consecuencia del error, las medidas

cientficas no se reportan como valores sencillos,
sino como gamas o promedios con barras de
errores en un grfico o signos de en una tabla.

Las representaciones visuales de los datos son

esenciales para el anlisis e interpretacin de
estos. Colocar los datos en un formato visual
puede facilitar anlisis adicionales.
Entender e interpretar grficos y otras formas
visuales de datos es una destreza clave para
cientficos y estudiantes de la ciencia.
A pesar de que los datos numricos estn
inicialmente recopilados en tablas o bases de
datos, frecuentemente estn representados en
forma grfica para ayudar a los cientficos a
visualizar e interpretar la variacin, el patrn y
las tendencias dentro de los datos.

 Los

datos que se obtienen durante un

experimento pueden presentarse de diversas
formas; una de las alternativas ms comunes
y eficientes lo es el uso de tablas.
Las tablas tienen ciertas caractersticas
mnimas:

1. Deben tener un ttulo y ste debe explicar

claramente el contenido de la tabla.
2. Las unidades de medida (ej. cm, ml). deben
aparecer en la tabla.
3. Los smbolos deben explicarse en el ttulo o en
una leyenda en el pie (base) de la tabla.

4. La tabla debe contener solamente informacin

esencial.
5. Las columnas deben identificarse mediante
subttulos.
6. Las tablas se enumeran en secuencia. Por ejemplo,
en un informe de laboratorio o en un artculo
cientfico, el ttulo de la cuarta tabla comienza con
Tabla 4.

Nota:. Esta tabla no sera aceptable en un artculo cientfico porque

contiene muy poca informacin; los pocos datos podran presentarse en
una oracin en la seccin de resultados.

Las grficas son otro instrumento valioso para

organizar y presentar datos. Hay varios tipos de
grficas que se clasifican principalmente como
grficas continuas o grficas discretas.
Los datos continuos son aquellos que involucran
medidas (ej. 1.234, 2.234, 5.432, 10.227). Estos
datos se presentan, a menudo mediante una
grfica de lnea (Figura 2.3) que demuestra la
relacin entre la variable dependiente y la
independiente.
La variable independiente se coloca en
el eje X (eje horizontal) de la grfica y la
variable dependiente en el eje Y (eje vertical).

 Los

datos discretos presentan nmeros enteros (ej.

nmero de animales en un cuadrante, nmero de
personas en una encuesta, etc.). Estos datos se
presentan a menudo mediante grficas de barra
(Figura 2.4).

 Para

datos que sealan proporciones o porcentajes

puede utilizarse una grfica de pastel (pie chart)
(Figura 2.5).