0 valutazioniIl 0% ha trovato utile questo documento (0 voti)
60 visualizzazioni88 pagine
Este documento presenta información sobre la determinación de la población y la muestra objeto de estudio en investigación. Explica conceptos como hipótesis, variables, métodos de recolección y análisis de datos, y medidas estadísticas como la media, mediana y moda. También describe diferentes gráficos y herramientas para organizar y resumir datos de manera ordenada, como tablas, histogramas y diagramas.
Este documento presenta información sobre la determinación de la población y la muestra objeto de estudio en investigación. Explica conceptos como hipótesis, variables, métodos de recolección y análisis de datos, y medidas estadísticas como la media, mediana y moda. También describe diferentes gráficos y herramientas para organizar y resumir datos de manera ordenada, como tablas, histogramas y diagramas.
Este documento presenta información sobre la determinación de la población y la muestra objeto de estudio en investigación. Explica conceptos como hipótesis, variables, métodos de recolección y análisis de datos, y medidas estadísticas como la media, mediana y moda. También describe diferentes gráficos y herramientas para organizar y resumir datos de manera ordenada, como tablas, histogramas y diagramas.
No importa la cosecha si la siembra est bien hecha 1 gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 2 DIAPOSITIVAS PARA EXAMEN PARCIAL gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 3 Deriva del griego hypotthesis, que significa suposicin de una cosa posible, de la que se saca una consecuencia. Suposicin o solucin anticipada al problema de investigacin, que aparece como consecuencia del conocimiento superficial (emprico) de la realidad observada, que debe ser confrontada por la investigacin para probar o disprobar esta suposicin. Aceptar una hiptesis como cierta significa concluir la veracidad de sus resultados a travs de evidencias a su favor. gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 4 FUNCIONES: 1. Precisan los problemas objeto de estudio 2. Identifican o explicitan las variables 3. Definen y unifican los criterios, mtodos, tcnicas y procedimientos utilizados, dndole uniformidad, constancia y validacin a la informacin 4. Deben referirse a situaciones reales FURMULACIN: Se formulan a partir de preguntas. 1. Cul ser el nivel de ingreso el prximo ao? El nivel de ingreso ser de 10% ms, el prximo ao (H. Estadsticas) 2. Tendr relacin el desempleo con los nios trabajadores? El elevado nivel de desempleo est provocando altos ndices de nios trabajadores (H. Causales y correlativas) gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 5 IMPORTANCIA DE LA DISTRIBUCIN DE FRECUENCIA La distribucin de frecuencia es el mtodo utilizado para organizar y resumir datos:
Los datos que componen una serie se clasifican y se ordenan indicando el nmero de veces que se repiten.
Esto permite manejar grandes cantidades de informacin en espacios pequeos a travs de cuadros, grficos (de todos los datos o de una parte) y tablas. gcervantes_coronel@yahoo.com 6 1. Anlisis de Pareto: Tcnica para estudiar fuentes de problemas y las prioridades relativas a sus causas. Evala causas.
2. Diagrama de causa / efecto (espina de pescado o cuadro): Tcnica que permite representar, categorizar y evaluar posibles motivos de un resultado o reaccin, se estructura como problema a resolver.
3. Grficos de control: Se utilizan para realizar control de calidad de procesos.
ORIGEN O CAUSA PROBLEMA EFECTO ANLISIS DE PROBLEMA CAUSAS SITUACIN TRATAMIENTO IMPACTO RESULTADO gcervantes_coronel@yahoo.com 7 4. Histogramas: Son barras o rectngulos que se trazan en el plano cartesiano para representar los intervalos y las frecuencias en la representacin de los datos.
5. Polgono de frecuencias: Grfico que se elabora sealando el punto de la frecuencia en relacin al dato en particular, uniendo los puntos con una recta.
6. Grfico circular: Se utiliza en la representacin de datos, dividiendo el crculo en partes. Puede construirse de distinta forma, se los denomina tambin grficos de pastel. gcervantes_coronel@yahoo.com 8 7. Pictogramas: Se expresan los datos mediante figuras esquemticas, que pueden sealar el valor, la tendencia expresiva de la informacin: personas, vehculos, indicadores productivos, edificios, etc.
8. Organigrama: Puede expresarse en este grfico, la actitud dependiente y de relacin de los datos, de las personas entrevistadas o en una empresa.
9. Diagrama: Indica las caractersticas de ubicacin de los datos, operaciones o actividades que se manifiestan en el objeto de estudio. Caractersticas habitacionales de una ciudad 1980 2005 % DIAGRAMA DE RUTA gcervantes_coronel@yahoo.com 9 10. Cuadro: Permite ordenar datos numricos de acuerdo a columnas, filas y renglones, mostrando una presentacin ordenada.
11. Medidas de tendencia central: Cantidades tpicas o representativas de un conjunto de datos. Las ms importantes: moda, mediana y media o promedio. 1. La moda es la categora o puntuacin que ocurre con mayor frecuencia en un registro de datos. Ej.: nmero de veces que una persona o un grupo visitan un lugar, nmero de veces que se repiten los eventos, etc. 2. Mediana, es el valor que divide a una distribucin de frecuencias por la mitad, luego de que se ha ordenado los datos en forma descendente o ascendente. gcervantes_coronel@yahoo.com 10 3. La media o promedio es la medida de tendencia central que ms se utiliza y se la define como el promedio de una distribucin. Se simboliza como X. Es igual a la suma de todos los valores dividido para el nmero de mediciones X = X1 + X2 + X3+ .+ Xn n n Xi = n gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 11 CARACTERSTICAS, USO, VENTAJAS Y DESVENTAJAS DE LAS MEDIDAS DE TENDENCIA CENTRAL Un promedio es un valor en la escala de las X, correspondiente a una distribucin de frecuencias y este valor se calcula para representarlo en calidad de medida tpica del grupo. Condiciones esenciales para que este valor o frecuencia cumpla su funcin: 1. Debe estar representada por una sola cifra. 2. Debe ser objetiva y definida por una frmula algebraica para que cualquiera que la trabaje, de el mismo valor. 3. Debe ser descriptiva de los datos, de tal manera que su significado sea entendible fcilmente. 4. No debe ser abstraccin matemtica. La condicin de la estadstica social, es simplificar los datos y no hacerlos complejos. 5. Debe ser fcil de calcular, no preferir prejuicios de otras ventajas. 6. Debe depender de cada uno de los elementos del grupo. Si se altera, su valor cambia y la tipicidad de los otros miembros.
gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 12 CARACTERSTICAS, USO, VENTAJAS Y DESVENTAJAS DE LAS MEDIDAS DE TENDENCIA CENTRAL (Continuacin) 7. Debe ser de elevada calidad que no se deje influenciar por otros valores o alguno de ellos, aunque tengan influencia en el valor de la medida. 8. Debe tener estabilidad en el muestreo. 9. Debe ser de fcil utilizacin para clculos posteriores. Media (X) = __ _______= X1 n X1 + X2 + X3 + X4 .. n gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 13 A PARTIR DE LAS HIPTESIS APLICAR LOS INSTRUMENTOS DE MEDICIN Seleccionar los instrumentos: Vlidos Confiables Preparar la medicin obtenida: Codificar los datos Limpieza / tratamiento matemtico / organizar / medir variables.
Obtener resultados gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 14 LA IMAGINACIN ESTADSTICA Nos permite tener una apreciacin de qu tan usual o inusual es un evento, circunstancia o conducta, en relacin a un conjunto mayor de eventos similares y a una apreciacin de las causas y consecuencias de los mismos. Es la percepcin que podemos desarrollar cuando observamos un evento o acontecimiento; es la deduccin lgica que se produce como resultado de dicha percepcin. Implica apreciar los eventos como predecibles y tener la habilidad para pensar a travs de un problema, manteniendo el sentido de la proporcin cuando se sopesa la evidencia con nociones preconcebidas. Tener la percepcin para reconocer eventos muy raros por lo que son y no por la reaccin de ellos. La falta de imaginacin nos lleva a la desproporcin. gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 15 Para el tratamiento de los datos tener: PENSAMIENTO PROPORCIONAL
La proporcin es un concepto matemtico relacionado con fracciones y porcentajes.
En la Investigacin Social, el pensamiento proporcional permite que el investigador considere la parte contra el todo y calcule la probabilidad de la ocurrencia del fenmeno El pensamiento proporcional nos permite tener expresiones precisas de nuestra intuicin sobre la importancia de ciertos hechos. Calcular una proporcin, implica tener una manera de medir y evaluar un sentido de probabilidad y significancia, acerca de las observaciones realizadas. gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 16 CLCULO DE UNA PROPORCIN
El clculo de una proporcin, es una manera de expresar qu parte del todo, constituye una categora de observaciones. Ejemplos: Proporcin =
parte todo Proporcin, significa parte de un todo, parte de la cantidad total o nmero de observaciones expresada en forma decimal. gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 17 CLCULO DE UNA FRACCIN
Fraccin = # categora # grupo total # alumnos de un nivel # total de la Escuela Fraccin, es el conjunto de partes centesimales, cuya respuesta a un problema es el cociente. gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 18 CLCULO DE UN PORCENTAJE Se obtiene de multiplicar por 100 el cociente. P = 26 180 0.144 x 100 = 14.4 % gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 19 La tasa de ocurrencia es el clculo de la frecuencia con que ocurre un hecho o fenmeno en relacin con un nmero base especificado de sujetos de una poblacin.
Un nmero base til es aquel que especifica con claridad la poblacin en riesgo para un fenmeno determinado.
Un nmero base til para una tasa, es aquel que considera la dimensin del conteo de un fenmeno. Este nmero de base multiplicado por 10, 100, 1000 u otro valor con factores de diez. Tasa de ocurrencia de eventos, hechos, fenmenos, comportamientos, afectacin, nacimientos, mortalidad, etc. gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 20 To = p (nmero de base til) To = p (volumen de poblacin) P N Recuerde: La proporcin tiene comn denominador 1 Los porcentajes tienen comn denominados 100 Las tasas tienen comn denominador 10 PROCESO DE RESPUESTAS PARA ESTIMULAR EL PENSAMIENTO PROPORCIONAL frmula smbolo contenido respuesta
t = = P 1 N X gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 21 LA PROBABILIDAD Disciplina abstracta que se utiliza como modelo para hacer deducciones relativas a eventos que pudieren ocurrir
Utiliza los siguientes trminos:
Probabilidad, es un valor entre cero o uno, describe las posibilidades de ocurrencia de un evento. Experimento, es un proceso que lleva a la ocurrencia de una y solo una de varias observaciones posibles. Resultado, es la consecuencia particular de un experimento. Evento, es la coleccin de uno o ms resultados de un experimento. Mientras ms cerca de cero est la probabilidad, es menos probable de que el evento ocurra. gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 22 Ejemplos: Si se intensifica campaa, es probable mayor participacin. Si no se aumentan los salarios, es probable que surjan conflictos sociales. Si el alumno no estudia, es probable que pierda el ao. Si aumenta el desempleo, es probable que se genere ndices de delincuencia, etc. Estas son inferencias que presentan incertidumbre
Su cuantificacin o tratamiento adecuado, nos lleva a definiciones, establecer principios cientficos. La probabilidad, nos proporciona la base para el estudio de la inferencia estadstica gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 23 INTERPRETACIN DE LAS PROBABILIDADES gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 24 Regla especial de la adicin: Los eventos deben ser mutuamente excluyentes, lo que significa que cuando un evento ocurre, ninguno de los otros eventos puede ocurrir al mismo tiempo. Ejemplo: El lanzamiento de un dado, donde ejecutamos dos eventos: obtener 4 o ms / obtener 2 o menos.
Significa que la probabilidad de que uno u otro evento ocurra, es igual a la suma de sus probabilidades: P(A o B) = P(A) + P(B).
Para 3 eventos mutuamente excluyentes designados A, B Y C. gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 25 Conocer el peso de varias fundas llenas con diversos productos, tomando en cuenta que cada una est elaborada para llenar un peso determinado. Se observan 4.000 fundas en los que se debe determinar el peso ms bajo, el peso correcto y el peso ms alto.
A = 100 fundas B = 3.600 fundas C = 300 fundas Peso Eventos Nmero de fundas Probabilidad ocurrencia Peso ms bajo A 100 0.025 Peso correcto B 3.600 0.900 Peso ms alto C
300
0.075 TOTAL 4.000 1.000 100 4.000 gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 26 Cul es la probabilidad de que una funda determinada tenga un peso ligeramente ms alto o ligeramente ms bajo?
Solucin: El resultado peso ms bajo es el evento A. El resultado peso ms alto es el evento C. Si se aplica la regla de la adicin, sostenida por Douglas Lind, tendremos:
P(A o C) = P(A) + P(C) = 0.025 + 0.075 =0.10
Los eventos son mutuamente excluyentes, es decir, que las fundas de los productos no pueden estar al mismo tiempo bajos de peso, en el peso correcto y altos de peso. Evento A Evento B Evento C El diagrama representa el concepto mutuamente excluyente. La probabilidad de que se seleccione una funda con peso ms bajo P(A), ms la probabilidad de que no tenga un peso ms bajo P(~A) (no A), suma normalmente 1. Es decir: P(A) + P(~A) = 1 gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 27 La teora de las probabilidades y sus modificaciones 1. Definicin Clsica: (Laplace, Teora Analtica de las probabilidades, 1812. Tomado de Rufino Moya, Probabilidad e Inferencia Estadstica, 2000): Se basa en el supuesto de que todos los resultados posibles de un experimento aleatorio son igualmente probables, es decir, cada elemento del espacio muestral tiene la misma posibilidad de salir. Ej.: lanzamiento de un dado =1 / 6; de 2 dados para posibles valores; la lotera, lanzamiento de la moneda; probabilidad de escoger bolas numeradas de un nfora, etc. Si un experimento aleatorio tiene (n) resultados posibles, los (n) elementos del espacio muestral tendrn la misma probabilidad de salir. La probabilidad de un evento es la razn entre el nmero de casos (sucesos) favorables y el nmero total de casos posibles, siempre que nada obligue a creer que algunos de estos sucesos deben tener preferencia a los dems, lo que hace que todos sean igualmente posibles. (Moya, 2000) N (A) nmero de casos favorables al evento A N () nmero de casos posibles N (A)= = gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 28 Ejercicio: Consideremos el lanzamiento de 2 dados. Calcular la probabilidad de:
a. Obtener suma 7 b. obtener suma 6 c. Obtener suma >5 d. Que el resultado del primer dado sea > que el resultado del segundo Buscar la solucin: El espacio muestral asociado a este experimento conjunto de pares ordenados donde: primer componente resultado 1er. dado y 2 componente resultado 2 N ()=36 Clculo de los eventos: A = [(w1, w2) / w1 + w2 = 7] = obtener suma 7 B = [(w1, w2) / w1 + w2 = 6] = obtener suma 6 C = [(w1, w2) / w1 + w2 > 5] = obtener suma > 5 D = [(w1, w2) / w1 > w2 = e] = el resultado del primer dado es > el del 2 gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 29 EJERCICIOS DE TRABAJO 1. En Una caja hay 20 bolas numeradas del 1 al 20. Se extrae al azar una bola. Cul es la probabilidad que el nmero de la bola extrada:
a. No exceda de 20? b. Sea el 32 c. Sea por lo menos 15?
2. Una lotera consta de 10.000 billetes. Un billete se premia con $ 100, cuatro billetes con $ 50, diez billetes con $ 20, veinte billetes con $ 10, 165 billetes con $ 5 y 400 billetes con $ 1. Los dems billetes no se premian. Se compra un billete, Cul es la probabilidad de ganar? a. Por lo menos $ 10 b. mximo $ 5 gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 30 2. Definicin por frecuencia relativa: Si un experimento bien definido se repite (N) veces; sea n < n el nmero de veces que el evento A ocurre en los N ensayos, entonces la frecuencia relativa de veces que ocurre el evento A , es la estimacin de la probabilidad que ocurra el evento A, o sea: A n N A P (A)= n N A Observar lo siguiente: 1. La frecuencia relativa de un evento, est comprendida entre 0 y 1, es decir, 0< P (A)< 1. 2. , si solo en las N repeticiones del experimento, el evento A no ocurre; si solo A no ocurre en las N repeticiones del experimento. 3. , si solo el evento A ocurre en la N repeticiones del experimento; , si solo A ocurre en todas las repeticiones. = 0 n N A P (A)= 0 = 1 n N A P (A)= 1 gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 31 Ejercicio: La distribucin de los miembros de diversos partidos polticos es: Partido A B C D E F Nmero total de militantes 10.500 10.000 7.000 4.500 4.000 1.500 Militantes mujeres 1.500 2.000 500 1.000 300 200 Cul es la probabilidad que un miembro seleccionado aleatoriamente, a. Sean 1.000 mujeres? b. Pertenezcan al partido B? c. Sean 1.000 hombres miembros del partido C? N = total de socios n = nmero socias; n = total de miembros del partido B; n = total de hombres que pertenecen al partido C. (37.500 militantes, 5.500 mujeres) A B C gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 32 3. Probabilidad subjetiva: La probabilidad relativa explica eventos nicos o que no han ocurrido antes, pero que se establecen como formas que no se pueden interpretar como una probabilidad clsica (basada en resultados) o como una frecuencia relativa (estimacin de que ocurra), ya que carecen de significado, por ejemplo: Cul es la probabilidad de que una misin cientfica viva un ao bajo el agua? Cul es la probabilidad de que saque 3 en el examen de investigacin? El enfoque subjetivo de la probabilidad es adecuado en casos en que haya slo una oportunidad de ocurrencia del evento y pueda o no ocurrir esta sola vez (Rufino Moya, 2000) Por lo que, dado un experimento determinado, la probabilidad de un evento A, es el grado de creencia o de veracidad que se le asigne a la ocurrencia del evento por un individuo particular, basado en toda la evidencia a su disposicin, con las exigencias que el caso amerita: 1. P(A) = 0, representa la certeza que el evento A, no ocurrir. 2. P(A) = 1, representa la certeza que el evento A, si ocurrir. 3. 0 < P(A) < 1, representa el grado de certeza que el evento A, ocurrir.
gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 33 4. Probabilidad frente a apuestas: Cuando un evento se somete a un nmero determinado de probabilidades frente a otros, se determina como probabilidad de apuestas, por ejemplo: Si las apuestas son 4 a 1 en un determinado juego, significa que existen 4 probabilidades en 5 de que el evento a favor de A ganar y se escribe de la siguiente manera: 4 4
Por lo que: Sea A un evento cualquiera, si las apuestas son a : b, a favor del evento A, entonces la probabilidad de que ocurra dicho evento es: P(A)
Ejemplo: en un evento deportivo, el equipo A tiene 7 : 1 apuestas en su contra y el equipo B, tiene 12 : 1 apuestas en su contra. Cul es la probabilidad de que cualquiera de estos equipos gane? 4 + 1 = 5 = a a + b gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 34 5. Probabilidad en espacios muestrales finitos: La suma de probabilidades asignadas a los puntos del espacio muestral (resultados posibles de un experimento aleatorio) es la unidad. Si se tiene en cuenta que los posibles resultados son mutuamente excluyentes y colectivamente exhaustivos. La probabilidad de un evento A es la suma de las probabilidades asignadas de los puntos muestrales pertenecientes al evento A. Ejemplo: Ocho amigos juegan bolo una vez a la semana. Estn formados por 2 parejas de casados, 3 jvenes y una joven y apuestan un determinado valor que ganar el que obtenga mayor puntuacin. Si las mujeres tienen la mitad de la habilidad que los varones poseen Cul es la probabilidad de que un soltero gane? Cul es la probabilidad que gane una mujer? Cul es la probabilidad que gane un hombre casado? Espacio muestral = 8 elementos Probabilidad de ganar de una mujer? 5p + 3 p = 1, de donde p = 2 y 1 p = 1
2 13 2 13 2 13 6 13 1 13 3 13 2 13 4 13 gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 35 1. Se obtiene el punto medio de cada intervalo Intervalo Punto medio Frecuencia x f 15 17 16 8 18 20 19 10 20 22 21 4 2. Se multiplica cada punto por las frecuencias x f fx 15 17 16 8 128 18 20 19 10 190 20 22 21 4 84 N=22 fx= 402 gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 36 3. Con los datos agrupados, se aplica la siguiente frmula:
X= X = = 18.27 402 fx N 22 MEDIDAS DE VARIABILIDAD Indican dispersin de los datos en la escala de medicin Dnde estn los valores obtenidos? Son intervalos que designan distancia o un nmero de unidades en la escala, estos son: el rango, la varianza y la desviacin estndar. Rango: es la diferencia entre la puntuacin mayor y la menor. Ejemplo: 42 15 = 27. Varianza: Es la desviacin estndar elevada al cuadrado (S ) 2 gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 37 DESVIACIN ESTNDAR Es el promedio de desviacin de las puntuaciones respecto a la media: S = S(X X) 2 N N = Nmero de puntuaciones CLCULO: 1. Se ordenan las puntuaciones X (Puntuaciones) 8 6 5 5 4 2. Se calcula la media X = 8+6+5+5+4 5 = 5.6 gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 38 3. Se determina la desviacin de cada puntuacin X 8 6 5 5 4 X = 28 X 5.6 5.6 5.6 5.6 5.6 X X 2.4 0.4 - 0.6 - 0.6 - 1.6 4. Se eleva al cuadrado cada desviacin X 8 6 5 5 4 X= 28 (X X) (2.4) (0.4) (- 0.6) (- 0.6) (- 1.6) (X X)= 2 2 2 2 2 2 2 5. Se aplica la frmula S = (X X) 2 N gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 39 Desviacin estndar poblacional, es la raz cuadrada de la varianza. DESVIACIN ESTNDAR POBLACIONAL Q = (X u) N 2 Se denomina desviacin estndar, debido a que proporciona una unidad de medida comn (un estndar) para comparar variables con unidades de medidas observadas que son muy diferentes.
Se expresa a travs de diversas manifestaciones de los datos que sirven al investigador para la determinacin del grado de confiabilidad de los promedios obtenidos. gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 40 Una muestra de salarios mensuales de una empresa a sus trabajadores, por grupos y tipos de salarios. Salario semanal o cantidad en $ Nmero de empleados 30 a 35 3 35 a 40 7 40 a 45 11 45 a 50 22 50 a 55 40 55 a 60 24 60 a 65 9 65 a 70 4 gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 41 Salario semanal o cantidad en $ Nmero de empleados ( f ) Punto medio ( x ) fx (fx)x o (fx ) 30 a 35 3 32.5 97.5 3.168.75 35 a 40 7 37.5 262.5 9.843.75 40 a 45 11 42.5 467.5 19.868.75 45 a 50 22 47.5 1.045.0 49637.50 50 a 55 40 52.5 2.100.0 110.250.00 55 a 60 24 57.5 1.380.0 79.350.00 60 a 65 9 62.5 562.5 35.156.25 65 a 70 4 67.5 270.0 18.225.00 Total f = 120 fx =6.185.0 fx =325.500.00 2 2 gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 42 DIAPOSITIVAS PARA EXAMEN FINAL (Segundo parcial) gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 43 S = X 2 _ X _ n n 1 ( ) 2 DESVIACIN ESTNDAR MUESTRAL PARA CLCULOS Esta desviacin estndar muestral, es la raz cuadrada de la varianza muestral, es decir, es un estimador de la desviacin estndar poblacional, por lo que ha sido considerada como una de las medidas de dispersin ms reportada en una investigacin social. Como medida de este tipo, se puede utilizar para evaluar la confiabilidad de dos o ms promedios. Con datos no agrupados Con datos agrupados S = fX 2 _ fX _ n n 1 ( ) 2 Smbolos: S = Desviacin estndar X = Punto medio de clase f = Frecuencia de clase n = Nmero de observaciones de la muestra gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 44 DESARROLLO DEL EJERCICIO APLICANDO LA FRMULA S = fX 2 _ fX _ n n 1 ( ) 2 S = 325.500 ------------ (6.185) 2 120 120 1 S = 325.500 318.785.2 119 = $ 7.51 2 Varianza muestral (S ) = (7.51) = $ 56.40 2 gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 45 CUL ES EL CAMPO DE LA ESTADSTICA?
Un conjunto de procedimientos que se utilizan para medir, reunir, clasificar, codificar, computar, analizar, resumir e interpretar informacin numrica adquirida sistemticamente. Implica una nueva manera de ver las cosas, la realidad, los hechos, etc., para adquirir una visin de la realidad, basada en el anlisis cuidadoso de hechos, en lugar de reacciones emocionales a experiencias aisladas RICHEY, Ferris J..- Estadtica para las Ciencias Sociales.- 2001.- Pag. 2.- Mc Graw Hill. El anlisis estadstico, es uno de los procedimientos vitales del mtodo cientfico, para entender el comportamiento de los hechos, eventos, que necesitamos estudiar y emitir juicios con precisin exacta, perspectiva equilibrada y mucha imaginacin. gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 46 Estadstica inductiva o inferencia estadstica Se basa en la teora del clculo de las probabilidades la incertidumbre Poblacin: Conjunto finito o infinito de personas, casos o elementos que presentan caractersticas comunes. Universo real Universo hipottico Universo homogneo Universo heterogneo Poblacin Finita Poblacin infinita gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 47 TEORA DE LA MUESTRA EN EL ACOPIO DE INFORMACIN Estudio de la relacin existente entre una poblacin estadstica y una o ms muestras extradas de dicha poblacin. Su objetivo: Inducir o inferir las caractersticas de la poblacin total, tomando, en cuenta las obtenidas de las muestras procedente de ella mismo.
Qu es la teora de las muestras? gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 48 OBJETIVOS DE LA MUESTRA ESTADSTICA Efectuar estimaciones del universo. Calcular medidas de confiabilidad de las estimaciones. Interpretar las estimaciones con precisin utilizando pruebas estadsticas de las hiptesis. Reducir costos y tiempo en las investigaciones y proposiciones sociales. Mximo rendimiento con eficacia. gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 49
MUESTRA ESTADSTICA: requisitos para que sea aceptable poblacin, un nmero determinado de individuos u objetos que Es una parte de la se seleccionan cientficamente y donde cada uno es un elemento del universo. Es obtenida con fines de investigacin, tomando en cuenta caractersticas particulares, propiedades de la poblacin y definidas con claridad. Debe ser representativa o contener elementos en la misma proporcin e independientes entre s. Debe ser aleatoria o posible para poder calcular el error de la inferencia, medir grado de confianza de estimaciones obtenidas (totales, promedios, porcentajes, etc). Deber proporcionar medidas de precisin. Debe producir mayor informacin til a menor costo. Debe reunir exigencias de eficiencia, representatividad, seguridad, flexibilidad. Debe ser lo ms reducida posible y bastante amplia para que error sea admisible. EJEMPLOS: Qu podemos medir? 1. Encuesta pre electoral. 2. Una rifa. 3. La constante de entrega de premios de una mquina traga monedas. 4. Opinin en venta de productos. 5. Comportamiento humano. 6. Impacto del marketing. 7. Conformidad. gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 50 gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 51 Ventajas y desventajas de la muestra 1. Ventajas 2. Desventajas Ahorro de costos y tiempo. Aplicable a poblaciones grandes y homogneas. Mejor enfrentamiento de los investigadores con la realidad. Control fcil de la calidad de los datos. Utiliza poco personal. Confiabilidad y precisin. Sujeta a verificaciones. Amplia con claridad el alcance de estudio de la realidad. No admite clculos o proyecciones en grupos pequeos. Resultados estn sujetos a errores. Dificultad para tabulacin de otros datos. Exige especializacin tcnica en el tratamiento de los datos. gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 52 Elementos vlidos para la determinacin de la muestra UNIDADES DE ANLISIS: Elementos que permiten focalizar el estudio, ejemplo: las personas, el contenido de los documentos referenciales, los espacios fsicos (los componentes que observamos). VARIABLES: Elementos que hablan de las unidades de anlisis, explicando lo que se desea conocer de ellas, ejemplo: sexo, edad, estado civil, rendimiento, opinin, eficacia, impacto, etc. VALORES: Elementos que miden a las variables para hablar de las unidades de anlisis o unidades de observacin, pueden ser nominales u / y ordinales, ejemplo: de estado civil: c / s/ v/ d / (u l); de edad: niez, / juventud / vejez o por intervalos; de eficiencia: aceptable / no aceptable, etc.. gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 53 DEFINICIONES COMPLEMENTARIAS Experimento Aleatorio (EA) Es un proceso de observacin, en el que el resultado exacto no se conoce, se mantiene margen de duda (incertidumbre). Ej.: Lanzamiento de las cartas en el juego de naipes, los juegos de azar, lanzamiento de la moneda, el rendimiento de un examen, una investigacin social, la lotera, concurso, etc. Espacio Muestral (EM) Conjunto de todos los resultados posibles de un experimento aleatorio. Ej.: valor de las cartas menores y mayores; respuestas si, no, nr; aprueba, no aprueba, etc. Suceso o evento (S) Es un subconjunto del espacio muestral o una combinacin de resultados. Ej.: seleccin de un grupo de personal por ocupacin los eventos sern: ocupados, desocupados, subempleados. Suceso Universal, suceso que de todas maneras va a ocurrir Ej.: seleccionar a un individuo de ingresos altos de una de las ciudadelas de Entrerros. Evento complementario, uno de los sucesos es complementario del otro Ej.: los eventos actan en relacin al otro. Personas ocupadas, personas desocupadas. Poblacin (P) Conjunto de todos los posibles individuos, objetos o mediciones de inters. Al azar o probabilstico Aleatorio con reemplazamiento Aleatorio sin reemplazamiento Estratificado Por conglomerados o reas Bietpico o polietpico Sistemtico (de 5 en 5, de 10 en 10, de b en b, etc.) Doble o bifsico (una dentro de otra, tomando por ejemplo, datos que falten) Mltiple o polifsico (domicilio y alquiler, presupuesto y distribucin, ingresos y consumo, etc.)
Sesgado o no probabilstico, errtico, sin norma o circunstancial
54 gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com Marco de intervencin del muestreo Listado de poblacin Catlogos Archivos Censo Guas telefnicas Lista de contribuyentes Registros de automviles y similares Registro Civil Consumidores de servicios, etc. gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 55 Mtodos para el muestreo 1. Muestreo probabilstico: Cuando todos los elementos tienen la misma probabilidad de ser incluidos. En cambio, cuando es muestreo no probabilstico, ste puede estar sesgado, lo que significa que los resultados de la muestra no sean representativos, por ejemplo: Cuando pretendemos establecer la conveniencia de resultados electorales / sobre utilizacin de paales desechables / sobre alimentos de animales / sobre la poblacin dispersa, por ingreso o por residencia diversa, etc.
2. Muestreo aleatorio simple: Se expresa cuando una muestra seleccionada determine que cada elemento o persona tenga las mismas probabilidades de ser incluido. Un mtodo conveniente de seleccionar una muestra aleatoria, es utilizando la tabla de nmeros aleatorios que se estructura con la identificacin de cada uno de los elementos a ser seleccionados, debido a que cada dgito de un nmero, la probabilidad es la misma entre 0, 1, 2 y 9; esto hace que el sesgo se elimine en el proceso de seleccin. gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 56 3. MUESTREO aleatorio sistemtico: Se realiza acomodando los elementos de la poblacin en un orden establecido por el investigador y luego se selecciona un punto de partida aleatorio para posteriormente un forma de escogitamiento de los elementos cada determinada frecuencia para que cada elemento escogido constituya parte de la muestra. El primer elemento se lo elige al azar. En determinadas circunstancias, la muestra sistemtica puede provocar resultados sesgados.
4. Muestreo aleatorio estratificado: En este caso, se divide la poblacin por subgrupos o estratos y se selecciona una muestra de cada uno de los estratos, de tal manera que garantice la representacin de los diferentes subgrupos. Cuando ya se ha establecido la divisin por estratos, se puede tomar la muestra de manera proporcional o no proporcional.
5. muestreo por conglomerados: Se lo sabe utilizar para reducir el costo del muestreo en poblaciones dispersas en reas grandes. Por ejemplo: cuando se desea conocer la opinin de los agricultores de la costa ecuatoriana, puede tomarse regiones, cantones y / o parroquias y en muchos casos se incluyen hasta los recintos, segn como se considere el acceso a la informacin y los informantes. gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 57 COMPONENTES DE REPRESENTATIVIDAD DE LA MUESTRA Para que la muestra sea representativa debe ser seleccionada en cada uno de sus elementos, al azar, de tal manera que todos tengan la misma posibilidad de seleccin.
Para la poblacin total, normalmente se utilizan letras maysculas o del alfabeto griego y para las muestras, letras minsculas.
Pueden ser: cualitativas (variables cualitativas), cuando expresan los atributos de los elementos del universo y que stos puedan ser descritos. Por ejemplo: Por lugar de origen / por ocupacin / por cargo / por sexo / por tipo de raza / por profesin, etc. gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 58 REPRESENTATIVIDAD DE LA MUESTRA (Continuacin) Cuantitativas (variables cuantitativas), cuando sus elementos son susceptibles de cuantificar numricamente. Por ejemplo: Peso / talla / estatura / edad / nmero de hijos / nmero de personas/ salarios o ingresos, etc.
Tipos de variables cuantitativas: Discretas y continuas y tienen valor terico y prctico.
Discretas, son las que admiten valores enteros, es decir, no tienen valores intermedios. Ejemplo: nmero de hijos / nmero de personas / nmero de enfermos / nmero de viviendas / nmero de vehculos / nmero de calles, etc.
Continuas, son las que admiten fraccionarios, pudindose establecer intervalos de ellos. Ejemplo: Estatura / peso / ingreso / velocidad / talla / tiempo, etc. gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 59 SMBOLOS PARA LAS VARIABLES DISCRETAS Y CONTNUAS Para muestra Para poblacin total Nominacin n n = Tamao de la muestra N N = Tamao de la poblacin o universo de donde se extrae la muestra x1 X1 = Identificacin para c / valor observado (mayscula / poblacin minscula en muestra) f1 n1 = Frecuencias absolutas / nmero de veces que se repite c / valor de la variable X1 Y1 = Valores que toma la variable discreta fi /n h1 = Frecuencia relativa / valor conceptual obtenido al dividir la frecuencia absoluta por n Fi N1 = Frecuencia absoluta acumulada F1 / n H1 = Frecuencia relativa acumulada Xi Y1 = Marca de clase en variables continuas Fuente: Roberto Hernndez Sampieri / Metodologa de la Investigacin gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 60 SMBOLOS PARA LAS VARIABLES DISCRETAS Y CONTNUAS (continuacin) Para muestra Para poblacin total Nominacin m = Nmero de valores que toma la variable o nmero de intervalos o marca de clase de la variable continua i c = Amplitud del intervalo Xi -1 - X Yi-1 Y1 = Forma de simbolizar la columna correspondiente a los valores que toma la variable continua, organizada en intervalos Fuente: Roberto Hernndez Sampieri / Metodologa de la Investigacin gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 61 EJERCICIO DE APLICACIN DE LOS ELEMENTOS APRENDIDOS Ej.: Una empresa ha producido 2000 cajas de un producto y no se conoce el nmero de piezas defectuosas que aproximadamente pueden tener cada una de ellas, para lo cual se determina tomar una muestra de 20 cajas para dicho propsito. X1 = 3 X5= 2 X9= 4 X13= 0 X17= 0 X2 = 1 X6= 2 X10= 1 X14= 5 X18= 1 X3= 0 X7= 3 X11= 1 X15= 3 X19= 1 X4= 4 X8= 0 X12= 2 X16= 4 X20= 1 Hi = = n1 n f1 n gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 62 Nmero de piezas defectuosas Nmero de cajas de la muestra 0 4 1 6 2 3 3 3 4 3 5 1 Distribucin porcentual de datos (f relativas con V discretas) 1.- 2.- Frecuencia absoluta acumulada Distribucin porcentual No. cajas N1 = n1 = 4 H1 = h1 = 0.20 N2 = n1 + n2 = 10 H2 = h1 + h2 = 0.50 N3 = n2 + n3 = 9 H3 = h2 + h3 = 0.45 N4 = n3 + n4 = 6 H4 = h3 + h4 = 0.30 N5 = n4 + n5 = 6 H5 = h4 + h5 = 0.30 N6 = n5 + n6 = 4 H6 = h5 + h6 = 0.20 gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 63 Distribucin de frecuencias absolutas y relativas con variables discretas Y1 n1 h1 N1 H1 0 4 0.2 4 0.20 1 6 0.3 10 0.50 2 3 0.15 9 0.45 3 3 0.15 6 0.30 4 3 0.15 6 0.30 5 1 0.05 4 0.20 20 1.00 - - X1 f1 F1 / n F1 F1 / n 3.- gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 64 MEDIDAS DE DISPERSIN Son aquellas que sirven para evaluar la confiabilidad de dos o ms promedios. Cuando la dispersin de datos es pequea, la representatividad es confiable y cuando es inversa, es decir, ms grande, la representatividad vara e igualmente su confiabilidad. Estas son: Rango / desviacin media / varianza y desviacin estndar / desviacin estndar poblacional y muestral. Rango: Es la diferencia entre el valor mayor y el menor. R = V1 - Vi Desviacin media: Mide la cantidad media en la que los valores de la poblacin o de la muestra, varan de la media. En consecuencia, es la media aritmtica de los valores absolutos de las desviaciones de la media aritmtica. Tambin se la denomina desviacin media absoluta. FRMULA: Dm = X X
X = Valor de cada observacin o datos ( ) = Indica el valor absoluto X = Media aritmtica de los valores n = Nmero de observaciones o elementos de la muestra
__ n __ gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 65 Nmero de casos X X (X X) Desviacin absoluta (Da) 110 91 (110 91) = 19 19 25 91 (25 91) = -66 66 116 91 (116 91) = 25 25 84 91 (84 91) = -7 7 120 91 (120 91) = 29 29 455 - - Total 128 _ _ MEDIDAS DE DISPERSIN: Desviacin media (Continuacin) La desviacin media, es la media de las cantidades en que las observaciones individuales difieren de la media aritmtica. Para encontrar la desviacin media de un conjunto de datos, buscamos previamente la media aritmtica. Ejemplo: Nmero medio de pacientes de un hospital (110, 25, 116, 84 y 120). El resultado es la cantidad media en que las observaciones difieren de la media. Si el valor es pequeo, es representativo y si tiene un valor grande, indica que existe dispersin de los datos. Dma = (X X) = 128 / 5 = 25.6 _ n gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 66 VENTAJAS Y DESVENTAJAS DE LA DESVIACIN MEDIA VENTAJAS: 1.- Para calcularla se utilizan todos los valores.
2.- Es de fcil comprensin ya que es la cantidad promedio en que los valores se desvan de la media.
DESVENTAJA: Es el uso de valores absolutos por su dificultad para trabajar; esta razn hace que no se la utilice tanto como la desviacin estndar. gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 67 2 2 Es la media aritmtica de las desviaciones de la media elevadas al cuadrado. Varianza poblacional: Es igual a la sumatoria del valor de las observaciones de la poblacin menos su media aritmtica elevada al cuadrado y dividida para el nmero de observaciones de la poblacin. Q = (x u) N Simbologa: Q = Varianza poblacional (sigma cuadrada) x= Valor de las observaciones de la poblacin u = Media aritmtica de la poblacin N = Nmero de observaciones de la poblacin gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 68 EJERCICIO: Determinar la varianza poblacional de las edades de todos los pacientes de una sala de un hospital. Las edades son: 38, 26, 13, 41 y 22 aos. (x) (x u) (x u) X 38 38 28 = 10 10 = 100 28 26 26 28 = - 2 (-2) = 4 28 13 13 28 = - 15 (-15) = 225 28 41 41 28 = 13 (13) = 169 28 22 22 28 = - 6 (-6) 28 X = 140 0 (x u) = 534 - 2 _ 2 U = x N 140 = 5 = 28 2 2 2 2 Q = (x u) N 534 = 5 = 106.8 2 2 (determinada en aos al cuadrado) gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 69 Es igual a la sumatoria del valor de c / u de las observaciones de la muestra (X), menos la media muestral (X), todo al cuadrado y dividido para el nmero de la muestra menos 1. S = varianza muestral X = Valor de c / u de las observaciones de la muestra X Media muestral n Nmero de observaciones de la muestra
Frmula conceptual = S =
Para clculos _ 2 _ 2 (X X) _ 2 n 1 S 2 = X 2 _ X _ n n 1 ( ) 2 gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 70 Salarios por hora $ (X)
X X
(X X) 2 -5 25 10 3 9 6 -1 1 8 1 1 9 2 4 35 0 40 _ _ 2 1. Ejercicio sobre varianza muestral utilizando la desviacin media al cuadrado 2 (X X) _ 2 n 1 S = 40 5 - 1 = 10 = gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 71 X 2 4 10 100 6 36 8 64 9 81 35 285 X 2 2. Ejercicio sobre varianza muestral utilizando la frmula directa S 2 = X 2 _ X _ n n 1 ( ) 2 S = 2 285 _ 35 5 2 5 1 40 4 = 10 = gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 72 Para seleccionar una muestra y establecer su tamao, es importante considerar tres factores:
1. El nivel de confianza que se desea obtener. 2. El margen de error que se puede tolerar para darle mayor consistencia a los resultados. 3. La variabilidad en la poblacin que se estudia, es decir, las caractersticas que muestra en sus diferentes componentes sociales. FACTORES QUE DEBE TOMARSE EN CUENTA PARA LA SELECCIN DE LA MUESTRA gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 73 SELECCIN DEL NIVEL DE CONFIANZA: Los niveles de confianza que con frecuencia se seleccionan son entre 95 y 99 por ciento. Cuando est en el 95%, sta corresponde a un valor z de _ 1.96 y uno de 99% o aproximado, corresponde un valor de z _ 2.58. Mientras ms alto sea el nivel de confianza, mayor ser el tamao de la muestra (Douglas Lind, Estadstica, 2001, Mxico).
Cuando se habla del ERROR MXIMO PERMISIBLE que se designa como E, se hace referencia a la cantidad que se suma o se resta de la media de la muestra, para determinar los puntos extremos del intervalo de confianza y se hace quiere explicar con esto a la cantidad de error que el investigador espera tolerar y no afecta relativamente al resultado que se aspira. Tambin se la puede determinar como la mitad de la amplitud del intervalo de confianza correspondiente, tal como lo explica D. Lind ( pg. 255). Un error permisible pequeo, requerir de una muestra grande y un error permisible grande permitir una muestra menor. + + gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 74 La variabilidad o desviacin estndar DE LA POBLACIN, es el otro factor que se toma en cuenta para determinar el tamao de la muestra. Cuando la poblacin tiene una dispersin muy amplia, la muestra debe ser grande, en cambio si la poblacin es homognea, es decir, se encuentra concentrada, entonces el tamao de la muestra debe ser pequeo.
Para estos casos tambin se puede recoger las siguientes sugerencias (D. Lind, pg. 255):
Trabajar desde el enfoque de un estudio comparativo, cuando se dispone de un estimado de la dispersin en otro estudio, que ya haya aplicado una muestra y sta haya experimentado confiabilidad, se puede utilizar dicho estudio estimado y permitir la obtencin de un tamao aproximado de la muestra.
Si no se dispone de experiencias previas, se puede estructurar una aproximacin basada en rango, que no es otra cosa que una estimacin de los valores mximo y mnimo de la poblacin y tomar una valoracin de _ 3 desviaciones estndar de la media, que puede significar una sexta (6) parte del rango. El tercer enfoque puede ser un estudio piloto. + gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 75 DIAPOSITIVAS DE FORTALECIMIENTO SOBRE MUESTREO EN INVESTIGACIN SOCIAL gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 76 Considerar previamente tres aspectos bsicos (HERRERA, Luis. Tutora de la Investigacin. AFEFCE, 2002):
El objeto y el objetivo de la investigacin. El nivel de confiabilidad con el que se desea trabajar (entre el 95% y el 99%). Las probabilidades reales de que ciertas caractersticas a investigarse estn presentes en la poblacin (P), frente a las probabilidades (Q) de que no lo estn.
P = 0.5 Q = 1 0.5 = 0.5 P + Q = 1 El error de muestreo puede fluctuar, a criterio de algunos investigadores, entre el 1% y el 8%. Es aconsejable entre el 1% y el 5%. Aplicar la frmula para poblaciones finitas e infinitas, tomando en cuenta los datos. De ser necesario consulte a un especialista. gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 77 n = ZPQN Z PQ+Ne 2 2 2 1.- n = Tamao de la muestra. Z = Nivel de confiabilidad: 95% = 1.96. P = Probabilidad de ocurrencia = 0.5 Q = Probabilidad de no ocurrencia = 1 0.5 = 0.5 N = Poblacin e = Error de muestreo = 0.05 (5%) gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 78 2.- Cuando se desconoce la poblacin y se acta con desviacin estndar. n = ZS E 2 n= Tamao de la muestra z= Nivel de confiabilidad = 2. s= Desviacin estndar de la poblacin E= Error de muestreo 3.- Cuando se desconoce la poblacin pero se percibe una proporcin estimada que acta o puede definir o incidir en un hecho o fenmeno que se investiga. n = ZPQ E 2 2 n = Tamao de la muestra. Z = Nivel de confiabilidad. Ejemplo: 99% = 2.58. P = Porcentaje de aceptacin. Ejemplo: 0.65 (65%) Q = Porcentaje de no aceptacin. Ejemplo: 1 0.65 = 0.35 E = Error de muestreo Ejemplo: 0.03 (3%) gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 79 4.- Cuando se determina el error mximo que se puede aceptar, se puede aplicar las siguientes frmulas: n= Tamao de la muestra N= Poblacin E= Error de muestreo n = N E (N-1)+1 2 a).- b).- n = PQN (N-1) 2 2 E K + PQ n = Tamao de la muestra. PQ = Constante de probabilidad de ocurrencia y no ocurrencia (0.5)(0.5) = 0.25. E = Error de muestreo K = Coeficiente de correccin del error. Ejemplo: 2 gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 80
1. Anlisis de Contenido. 2. Anlisis de documentos. 3. Anlisis de metforas. 4. Anlisis de Texto 5. Archivos. 6. rbol de Problema 7. Conversatorios 8. Cuadernos. 9. Cuestionarios. 10. Descripcin Ecolgica del Comportamiento. 10. De Autoinforme 11. Diarios. 12. Documentos Institucionales. 13. Entrevista. 14. Encuesta 15. Escalas de Actitudes 16. Escala de Estimacin 17. Estudios de Caso 18. Estudio de Cohortes. 19. Escalas de Actitudes 20. Fotografas y Diapositivas. 21. Foros 22. FODA
23. Grabaciones en audio o video. 24. Grupos de Discusin 25. Juicios de Expertos 26. Inventarios. 27. Listas de Control 28. Mapas Conceptuales 29. Observacin 30. Otras 31. Registros anecdticos. 32. Rueda de Impacto 33. Seminarios 34. Talleres con Grupo Focal 35. Test de creatividad 36. Tcnicas Documentales 37. Tcnica de Grupo Nominal (TGN) 38. Tcnica del por qu, por qu. 39. Tcnicas de Afinidades 40. Triangulacin 41. Visitas in situ 42. ZOPP
gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 81 INSTRUMENTOS DE RECOLECCIN DE INFORMACIN 1. Cuestionario - Encuesta 2. Gua - Entrevista 3. Gua o Ficha de Observacin 4. Listas de Cotejo 5. Ficha de Registro Anecdtico 6. Gua de Taller 7. Fichas de Anlisis Documental. 8. Grabaciones 9. Filmados o videos 10. Libreta de campo. 11. Gua de reconocimiento del entorno 12. Gua de dilogo o discusin 13. Asambleas 14. Sociodrama gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 82
Informacin suficiente, confiable y transparente, que facilite el acopio y la medicin.
Utilizar mtodos estadsticos e informticos actualizados.
Mantener la informacin de todo el proceso en archivos electrnicos.
CALIDAD DE LA INFORMACIN gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 83 IDENTIFICAR CON CLARIDAD LAS FUENTES Por ejemplo en estudios sobre la universidad: Autoridades, funcionarios, directivos de unidades acadmicas y de institutos de investigacin, docentes, estudiantes, empleados administrativos, comunidad de impacto (empresas, organizaciones sociales, instituciones, etc.). En investigacin sobre rendimiento de los aprendizajes: Estudiantes, directivos de programas, coordinadores acadmicos, docentes, comunidad de impacto. gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 84 TIPO DE INFORMACIN: De los estudiantes: Grado de desarrollo alcanzado, rendimiento acadmico, interaccin de los contenidos y materiales de aprendizaje, nivel de competencia o logro de objetivos curriculares, sus fortalezas y debilidades, conocimiento y experiencias previas, ritmo y estilo de aprendizaje (cmo aprende, cmo enfrenta las tareas, sus preferencias, sus intereses, etc.),manejo y combinacin de los procesos cognitivos, motivacionales y afectivos (intelectuales, de equilibrio personal o afectivo, de vinculacin interpersonal, de actuacin e insercin social). Las actividades en el aula (interaccin docente y contenidos del aprendizaje segn propuesta curricular): Programacin general, contenidos, secuencia y periodizacin, metodologa y actividades de aprendizaje, criterios de evaluacin. gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 85 Interaccin colectiva (global: alumno, docente, contenidos del aprendizaje, instrumentos, directivos): Desempeo docente: preparacin, dominio, metodologa, experiencia y testimonios, ayudas del profesor a los alumnos, trato personal afectivo entre los actores, conflictividades y origen, etc. En el caso de la Universidad en su vinculacin con la colectividad: Compromisos de participacin, acercamientos, procedimientos de vinculacin, periodicidad, trato, aportes, criterios, implementacin de proyectos, respuesta, etc. gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 86 ESCALAS DE VALORACIN CUALITATIVA
Totalmente de acuerdo Mayoritariamente de acuerdo Parcialmente de acuerdo En desacuerdo Totalmente En su mayor parte Parcialmente Ninguno Se cumple plenamente Se cumple aceptablemente Se cumple insatisfactoriamente No se cumple Muy Satisfactorio Satisfactorio Poco satisfactorio No satisfactorio Muy bueno Bueno Regular Malo Muy adecuado Adecuado Ms o menos Inadecuado Muy satisfecho Satisfecho Regularmente satisfecho Insatisfecho Excelente Suficiente Parcial Insuficiente Muy eficiente Eficiente Poco eficiente Deficiente Objetivo Logrado Avance significativo Cierto avance Ningn Avance Siempre Muchas veces Pocas veces Nunca Todo Mucho Poco Ninguno 4 3 2 1 gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 87 RESULTADOS DE LA VALORACIN CUALICUANTITATIVA EVALUACIN CUALITATIVA EVALUACIN CUANTITATIVA (%) RESULTADOS PRIMARIA 1 PONDERADA 2
A. Muy buena: Objetivo Logrado (solucin o resultado excelente que puede servir como modelo). 76-100 FORTALEZAS B. Buena: Avance Significativo (existe preocupacin y mejoras sustanciales faltando aprovechar todo el potencial). 51-75 FORTALEZAS C. Regular: Cierto Avance (logros parciales que dan lugar a ciertas mejoras con resultados aislados). 26-50 DEBILIDADES D. Insuficiente: Ningn Avance (ninguna accin, quiz ciertas ideas buenas pero no concretadas). 0-25 DEBILIDADES 1 Valor derivado de la aplicacin y procesamiento de los instrumentos. gcervantesc@latinmail.com / gcervantes_coronel@yahoo.com 88 ENCUESTA - CUESTIONARIO CONSTITUYE LA HERRAMIENTA BSICA PARA EL ACOPIO DE INFORMACIN. ESTA CONFORMADO POR UN CONJUNTO ESTRUCTURADO DE PREGUNTAS, DESTINADAS A DEMOSTRAR LAS HIPTESIS FORMULADAS EN EL DISEO DE INVESTIGACIN. ES FUNDAMENTAL TOMAR EN CONSIDERACIN LOS OBJETIVOS, LOS PROBLEMAS QUE SE VAN A INVESTIGAR Y LAS HIPTESIS QUE SE VAN A DEMOSTRAR.
PARTES DEL CUESTIONARIO: - Institucin responsable; - Ttulo de la encuesta; - Objetivos; - Instructivo; - Preguntas generales de carcter informativo; - Preguntas especficas del problema; - Observaciones.