captulo 9
Kerlinger
- Cristian Fredes.
- Bruno Gaete.
- Valentina Silva
Es muy difcil explicar datos brutos por ende primero se deben analizar para interpretar los resultados del
anlisis.
Datos: Generalmente son resultados numricos desde los cuales se hacen inferencias y conclusiones as como
tambin puede ser material bibliogrfico. A estos datos se les asignan numerales y smbolos a las
observaciones y manipulan stos smbolos para plantearlos de forma interpretable. Posteriormente se utilizan
para hacer inferencias entre las variables del problema de investigacin
Anlisis: Categorizacin, ordenamiento, manipulacin y resumen de los datos, para responder a las preguntas
de investigacin. Para ser estudiadas y probadas las relaciones de los problemas de estadstica se deben
reducir los datos de forma entendible e interpretable. De sta manera se puede ver si los datos y su anlisis
sirven para contestar las preguntas de investigacin.
Interpretacin: Se interpretan los resultados, se hacen inferencias a las relaciones de investigacin estudiadas
y se sacan conclusiones de stas. Esto se hace de dos maneras
1) Interpretando las relaciones dentro del estudio de investigacin y sus datos. Aqu se hace inmediatamente el anlisis
2) La bsqueda del significado ms amplio de los datos de investigacin, mientras que se busca el significado y las
implicaciones de los resultados de la investigacin dentro de otras investigaciones.
Medidas de frecuencia y
medidas continuas.
Reglas de categorizacin
El primer paso de cualquier anlisis es la categorizacin. Categorizar es partir, hacer una fraccin bajo una regla, la
regla dice cmo asignar los objetos del conjunto a las particiones para ello se deben explicar las reglas, relacionarlas
con los propsitos bsicos del anlisis y utilizarlas en situaciones analticas prcticas. Hay 5 reglas de categorizacin
1-Las categoras se establecen de acuerdo con el problema de investigacin y sus propsitos: esta es la ms
importante ya que si las categorizaciones no se establecen de acuerdo a las demandas del problema de investigacin
no habrn respuestas adecuadas para l.
2-Las categoras son exhaustivas: Todos los individuos en el universo deben tener la posibilidad de ser asignados a las
casillas del paradigma analtico.
3-Las categoras son mutuamente excluyentes e independientes: Cada sujeto del universo de la investigacin debe
ser asignado solamente una casilla del paradigma analtico. Las definiciones de las variables deben ser claras y sin
ambigedades para que sea poco probable que un individuo quede en ms de una casilla. Independencia significa
que la asignacin de un objeto a una casilla no afecte, de ninguna forma, la asignacin de otro objeto a otra o la
misma casilla. Se cumple de mejor manera cuando la asignacin es aleatoria.
4-Cada categora (variable) se deriva de un principio de clasificacin: Cada variable ha de ser tratada separadamente
debido a que cada variable representa una dimensin separada.(cada variable debe tener su propia categora).
Distribuciones de frecuencia
Tambin pueden usarse para otros propsitos, por ejemplo, para probar si dos o ms
distribuciones son lo suficiente similares para garantizar su unin
Las distribuciones observadas tambin pueden ser comparadas con distribuciones tericas
En la figura 9.1 se muestran 3 relaciones hipotticas entre edad (variable independiente) y desempeo verbal (variable dependiente) de nios de
clase media (A) y nios de clase trabajadora (B)
El grfico (a) demuestra la misma relacin positiva para A y B y que el grupo A supera al B.
El grfico (b) muestra que para ambos grupo hay relacin positiva, pero conforme pas el tiempo, el desempeo de A aument ms que el
desempeo de B
Interaccin: Dos o ms variables interactan en su efecto sobre una variable dependiente. En los grficos (b) y (c) se puede apreciar cmo la
edad y el estatus del grupo afect el desempeo verbal de un grupo u otro.
El grfico (c) muestra que en una primera instancia A super a B y se mantuvo as, pero el grupo B avanz en el tiempo hasta superar al grupo A
Las medidas de tendencia central y variabilidad son las herramientas ms importantes en el anlisis de datos conductuales
Media
Es equivalente al promedio de los datos
Mediana
Moda
Es la medida ms frecuente
A menudo es til en investigacin calcular tanto las medias como las medianas y modas
Medidas de variabilidad:
Varianza1
Desviacin estndar2
Rango
Las medias no deben reportarse sin desviaciones estndar, ya que la interpretacin de una investigacin es imposible sin los ndices de
variabilidad
Medidas de relaciones.
Todos las medidas de correlacin (p. Ej.: el coeficiente phi ()), sin importar qu tan diferentes sean
en derivacin, apariencia, clculo y uso, hacen esencia en lo mismo: expresan la extensin en que los
pares de conjuntos de pares ordenados varan concomitantemente 3 e informan al investigador la
magnitud y la direccin de la relacin
A partir de las medidas de relaciones se adquiere una idea directa del grado de co-variacin de las
variables
Idealmente, todos los anlisis de datos debe incluir medidas de significancia de una relacin y medidas
de magnitud de la relacin
Son poco usuales (por sus extensas y elaboradas formas de anlisis), pero son extremadamente tiles y
poderosas para el investigador
Anlisis de diferencias
Son planeados con el propsito de estudiar relaciones Ej. Entre mayor sea
la diferencia entre las medias () mayor es la correlacin entre una variable
independiente y una dependiente.
Variable
Dependiente
Es la
Cantidad total
de varianza
Tratamiento
experimental
Error
Debido en parte a:
otras causas.
Anlisis de perfiles
Perfil: Conjunto de medidas diferentes de un individuo o grupo expresadas en una misma unidad de medida.
Anlisis multivariado
Es un trmino general usado para categorizar una familia de mtodos analticos cuya caracterstica
principal es el anlisis simultneo de k variables independientes y m variables dependientes.
Son los ms apropiados para la investigacin cientfica del comportamiento, debido a la naturaleza
multivariada de los mismos.
Son como la realidad conductual que trata de reflejar: complejos y difciles de entender.