Aspecto Metodológico

Ing. Rafael Castro Ramírez

 La metodología de la investigación
constituye la elaboración del plan
metodológico del estudio, es decir la
determinación y organización de las
estrategias y procedimientos que
permitirán la obtención de datos, su
procesamiento, análisis e interpretación,
con el objetivo de dar respuesta a los
problemas planteados.

Aspecto metodológico
 También se conoce como diseño de la
investigación en ella se plantea lo que el
investigador todo lo que debe hacer para
alcanzar sus objetivos de estudio,
contestar las interrogantes que se ha
planteado en la formulación del problema
y analizar la certeza de las hipótesis
formuladas en un contexto en particular.

Diseño de la investigación
 El diseño debe adecuarse al tipo y nivel de
estudio: puede ser cuantitativo o
cualitativo, descriptivo, correlacional,
explicativo y también: pre experimental,
cuasi experimental, ex post facto, diseños
factoriales, etc.

Tipo de estudio
 Es el conjunto de individuos u objetos de
los que se desea conocer algo en una
investigación.
 Es la totalidad de los elementos que
poseen las principales características,
objeto de análisis y sus valores son
conocidos como parámetros.

Población o universo
 «Programa experimental de aprestamiento
para el desarrollo de la inteligencia en niños
de área urbano marginal y rural de la región
Piura».
 Población: área urbano marginal y rural de la
región Piura

 «Cuantificación de nitritos en el expendio de

salchichas tipo Frankfurt en la ciudad de
Huaraz»
 Población: La ciudad de Huaraz

Ejemplo
 Es un subconjunto de elementos que
pertenecen a la población.
 Es una parte de la población en que se
encuentra representada todas las
características o atributos del universo.
 Cuando utilizamos muestras, los
resultados obtenidos se generalizan para
toda la población, según el nivel de
confianza y precisión.

Muestra
 Definir concretamente cual es el universo
 Definir la unidad muestral : familia,
manzanas, viviendas, organizaciones,
personas. Quesos regionales, etc.
 La muestra a seleccionarse tiene que ser
representativa de la población,
 Es representativa cuando la muestra
reúne las características de principales de
la población

Selección de la muestra
 Cuando la población es grande, aplicar la
siguiente fórmula:

Z 2 pq
n
E2
n : muestra
Z : nivel _ de _ confianza
p : probabilidad _ de _ exito
q : probabilidad _ de _ fracaso
E : Nivel _ de _ precisión _ o _ error

Tamaño de muestra
 Si n/N>5%, se corrige el tamaño de la
muestra.
𝑛
 n0= 𝑛−1
1+ 𝑁

Donde:
 𝑛: valor de la muestra inicial
 n0: muestra corregida

N : poblacion
 Este tipo de muestreo tiene el
inconveniente, que los resultados no
pueden generalizarse para toda la
población, pues son sólo válidos para la
muestra.
 No interviene en forma determinante el
azar
 Puede ser:
 A) Por cuotas
 B) Intencional o selectivo

Muestreo no probabilístico
 Por cuotas:
 Consiste en dividir la población en sub
grupos (cuotas), con características
comunes variables. Por ejemplo edad,
sexo, raza, estado civil, escolaridad,
educación, ocupación, estrato económico.
etc

Muestreo no probabilístico
 Intencional o selectivo:
 Se utiliza cuando se requiere tener casos que
puedan ser representativos de la población
investigada.
 Escoger de la población aquellas unidades
(informantes claves) que puedan
proporcionar información esencial
 Ej. Si se desea conocer las causas de la crisis
de los partidos políticos, la entrevista
estructurada se aplicaría a los líderes de los
partidos políticos, o a los politólogos.

Muestreo no probabilístico
 Una vez determinado el tamaño de la
muestra y el método de selección de la
muestra de acuerdo al planteamiento del
problema y la hipótesis
 La siguiente etapa de la investigación
consiste en la recolección de datos sobre
las variables correspondientes.

Recolección de datos
 La Recolección de datos se remite al uso de
técnicas e instrumentos apropiados, que
permitan el acceso a la información requerida.
 Se requiere que los instrumentos de recolección
de datos sean: Válidos y confiables.

 La validez.- Se refiere al grado que un

instrumento realmente mida la variable que
se pretende medir. Por ejem. La variable
inteligencia debe medir la inteligencia y no la
memoria.

Recolección de datos
 La calidad sensorial de un alimento ni
debe ser medido exclusivamente por su
apariencia
 Confiabilidad de instrumento de
medición se refiere al grado en que su
aplicación repita al mismo sujeto u objeto
produce iguales resultados.

Recolección de datos
 Fuentes y técnicas para la recolección de la información

FUENTES PRIMARIAS FUENTES SECUNDARIAS

(Investigación de campo)
Información oral o escrita que es recopilada
directamente por el investigador mediante
relatos o escritos transmitidos por los
encuestados
(Investigación documental).
Información escrita que ha sido recopilada y transcrita
por personas que han recibido tal información a través
de otras fuentes escritas.

Técnicas para la recolección de Textos

información

Documentos

Observación Libros

Entrevistas Revistas

Encuestas Tesis

Cuestionarios Prensa

Sondeos Tabulares
estadísticos o
numéricos
Tratamiento de la
información secundaria
Tratamiento de la
 Es la manera en que una variable de
investigación es medida o cuantificada
 Puede ser: Nominal, ordinal, de intervalo
y de razón

Escalas de medición
 Este escala tiene 2 o mas categorías. Las
categorías no tienen orden o jerarquía. Lo
que se mide es colocado en una u otra
categoría:

 Dicotómicas:
 Masculino
 Sexo femenino

 privada
 Universidad pública

Escala nominal
 Partidos políticos; partido A, partido B, …
 La carrera profesional elegida,
Departamento, el canal de Tv preferido

Escala nominal
 Hace referencia a un orden
 Ej. Organigramas de las organizaciones
publicas.
 Se tiene muchas categorías, empero
existe un orden de mayor a menor

 Ej. Rector
 Vice-rectores

Escala ordinal
 Decanos
 Jefes de departamentos
 Profesor principal
 Profesor asociado
 Profesor Auxiliar

Escala ordinal
 3. Existe orden y jerarquía entre las
categorías, se establecen intervalos
iguales en la medición

 0 1 2 3 4 5 6 7 8 9 10 11 12 13

 El cero es arbitrario no es real.

Escala de intervalos:
 Contiene todas las características del nivel
de intervalo, el cero si es real, es absoluto
 Ej. Exposición a la televisión, el número
de hijos, la productividad, las ventas de
un producto, el ingreso.

Escala de Proporción o razón

 Consiste en sistematizar la información de
acuerdo a la formulación del problema e
hipótesis de investigación.
 El procesamiento implica organizar los
datos mediante tabulación.

Procesamiento de datos
 El tipo de escala de medición utilizada va
a influir en la elección del estadístico

Importante:
 El tratamiento estadístico que llevamos a
cabo con los resultados encontrados en un
trabajo de investigación aplicamos dos
tipos fundamentales:

 Descriptivo
 Inferencial

Procesamiento estadístico
 Nos informa como se ha comportado la
variable dependiente ante la acción de la
independiente.
 Es una presentación de manera resumida
de todos los datos u observaciones hechas

Estadistica descriptiva
 Son aquellas que describen los valores
centrales de un hecho o fenómeno.
 El nivel de medición de la variable
determina cuál es la medida de tendencia
central apropiada
 Las principales medidas de TC. La moda,
la mediana, la media aritmética y los
cuartiles.

Medidas de tendencia central

 σ𝑥
 𝑝𝑟𝑜𝑚_𝑥 =
𝑛
𝑁
 Me= 𝐿𝑖 + 2
−𝐹 𝑖
𝑓
𝑄3−𝑄1
 DQ=
2

Medidas de tendencia central

 Especifican una distancia en una
distribución de datos cuan dispersos o
extendidos
 Expresa la extensión en que los datos se
desvían unos de otros o con respecto a
una MTC

Medidas de variabilidad
 Rango (R)
 Desviación cuartil (DQ)
 Desviación estándar (ơ)
 Varianza (ơ2)
 Correlación(r)

Medidas de variabilidad
 Varianza (ơ )=
2 σ(𝑥𝑖−𝑝𝑟𝑜𝑚𝑥 )2
𝑛

 Desviación estándar σ(𝑥𝑖−𝑝𝑟𝑜𝑚_𝑥 )2

𝑛
ơ=𝑥 =

 Correlación
 Estas medidas nos indican las posibles
relaciones que pueden darse entre dos
variables
 Se presentan dos tipos de correlación:
 La Rho de Spearman, para escala ordinal
 La (r) de Pearson para datos en escala de
intervalo.
𝑁 σ 𝑥𝑦−(σ 𝑥)(σ 𝑦)
 r=
[𝑁 σ 𝑥 2 −(σ 𝑥 2 ][𝑁 σ 𝑦 2 −(σ 𝑦)]2

Correlación
Tipo Nominal Ordinal Intervalo
estadístico
MTC Moda Mediana Media
Variabilidad Rango Desviación Varianza y
cuartil desviación
estándar
Correlación -.- Rho de Correlación (r)
Spearman de Pearson

Resumen de los estadísticos,

según el tipo de escala
ESCALA PROPIEDADES TECNICAS ESTADISTICAS PRUEBAS ESTADISTICAS
APROPIADAS APROPIADAS

Nominal Equivalencia Moda Pruebas no

Frecuencia paramétricas
Coeficiente de contingencia
Lambda
Q (de Yule)
Phi

Ordinal Equivalencia mayor Mediana Pruebas no

que Spearman paramétricas
Kendal
Gamma
G
Phi

Intervalos Equivalencia mayor Media aritmética Pruebas no

que razón entre los Desviación estándar paramétricas
intervalos calculables Correlación de Pearson Pruebas paramétricas
Correlación múltiple

Razón Equivalencia mayor Media aritmética Pruebas paramétricas

que razón entre los Media geométrica
intervalos calculables Desviación estándar
Razón entre dos Correlación de Pearson
valores de la escala Correlación múltiple
calculable Q
Phi
 Ayuda al investigador a encontrar
significatividad en sus resultados
 En la inferencia descriptiva presentamos
un resultado que representa a un
conjunto de datos, en cambio en la
inferencia estadística comparamos dos o
mas grupos para encontrar posibles
diferencias significativas o no.

Estadística Inferencial
 Este tipo estadístico fueron creados para
datos de tipo intervalo. Su aplicación
requiere los siguientes supuestos:
 A) Distribución normal.- distribución
simétrica alrededor de la media, bajo la
forma de campana.
 Si son sesgados, no simétricos, las
conclusiones que se pueden arribar con
un test paramétrico no son confiables.

Estadística paramétrica
 Homogeneidad de la varianza.- hace
referencia al grado de dispersión que
puede tener cada uno de los grupos, que
estamos comparando. Se hace mas fácil
la comparación de grupos cuando las
varianzas son iguales u homogéneas

Estadística paramétrica
 Es adecuado cuando se cumple:
 La hipótesis a ser verificada o
comprobada no incluye o implica un
parámetro de la población
 Los datos han sido medidos a una escala
mas débil de la requerida para un
procedimiento paramétrico
 Los supuestos necesarios para el uso
valido de un procedimiento paramétrico
no son satisfactorios.

Estadística no paramétrica