Taller Inv Redac Cientifica
Taller Inv Redac Cientifica
Taller Inv Redac Cientifica
Topográfica y Agrimensura
2. CONOCIMIENTO
Actividad por medio de la cual adquirimos la
certeza de que existe una realidad, el mundo
circundante existe y está dotado de
características que no ponemos en duda.
Características del Conocimiento
Ordinario Científico
- Emocional. - Real.
- Reflexivo. - Crítico
- Inexacto. - Sistemático.
- Verificable. - Contingente.
- Asistemático. - Cuasi-exacto.
- Acrítico - Falible.
2.1. TIPOS DE CONOCIMIENTO
a) EMPÍRICO:
Se adquiere por experiencia del individuo
cumplida al azar, sin método y mediante
investigaciones personales.Es conocimiento
del sentido común.
Ejemplo: El conocimiento artesanal
adquirido por el minero informal para
encontrar oro, o por un ama de casa para
cocinar.
b) CIENTÍFICO:
Identifica las causas y está basado en
leyes que rigen a los fenómenos.
Además: observa, describe, explica y
predice su objeto mediante
procedimientos y métodos basados en
la lógica.
Ejemplo:
A cada acción corresponde una
reacción igual y de dirección opuesta.
El virus VIH ataca el sistema
inmunológico del organismo.
c) FILOSÓFICO:
Basado en la reflexión o especulación
proporcionados por la experiencia y por la
ciencia. Este conocimiento, se caracteriza
principalmente por lo siguiente:
Hechos y problemas que rodean al
hombre y sobre el hombre mismo, su
entorno y Dios.
Su método es racional. La observación
de la realidad o la aceptación de
principios o axiomas para luego
proseguir por deducción.
d) TEOLÓGICO:
Resultado del revelado de algo oculto o
de un misterio, es conocimiento aceptado
por fe frente a lo revelado.
El conjunto de verdades que los hombres
llegan, no con el auxilio de su
inteligencia sino mediante la aceptación
de los datos de revelación divina.
Son adquiridos a través de los libros
sagrados y aceptados racionalmente por
los hombres después de haber pasado las
criticas históricas.
3. CONOCIMIENTO CIENTÍFICO
Ejemplo:
El agua se compone de dos átomos de
hidrógeno y uno de oxígeno.
3.1 Procesos Básicos del Conocimiento
Científico
1) Ciencias formales:
Se ocupan de objetos que carecen de
propiedades físicas, biológicas
sociológicas. No cambian por sí
mismos. Pertenecen a este campo la
lógica y la matemática pura. En estas
ciencias importa el concepto de
deductibilidad (verdad de razón).
Tipos de Ciencias
2) Ciencias fácticas:
Se ocupan de hechos que ocurren en el mundo
exterior o en el mundo interno, son cosas
concretas o materiales; que tienen propiedades
físicas, biológicas y sociales. En cambio,
carecen de propiedades matemáticas, aunque
se puede representar matemáticamente. Están
la física, biología, sociología e historia. Se
utiliza el concepto de verdad, en el sentido de
verdad de hecho. Su objeto de conocimiento lo
percibe la experiencia de quien investiga.
INVESTIGACIÓN
LA INVESTIGACIÓN CIENTÍFICA
Método Científico
El método es el camino a seguir en la búsqueda del
conocimiento.
Diferencia entre Investigación Científica y
Método Científico
Método Científico de Mario Bunge
- Reconocimiento de los hechos.
Planteamiento del Problema - Descubrimiento del problema.
- Formulación del problema.
- Diseño de la prueba
- Aplicación de la prueba
Aplicación de la prueba
- Recopilación de datos
- Inferencia de conclusiones
DUDA, PREGUNTA,
PROBLEMA
HIPÓTESIS
DISEÑO EXPERIMENTAL
EXPERIMENTACIÓN,
OBSERVACIÓN, RECOLECCIÓN DE
DATOS
RESULTADOS
EVALUACIÓN DE LOS
RESULTADOS
CONCLUSIONES
PUBLICACIÓN
Estudio preliminar
Es el inicio de un conjunto de acciones que debe realizar
el investigador y comienza con una idea de la
investigación. Existe gran variedad de fuentes que
pueden generar ideas de investigación:
- Experiencias personales,
- Materiales escritos, Libros,
- Revistas, Tesis, Teorías,
- Descubrimientos producto
de investigaciones.
- Conversaciones personales.
- Observaciones de hechos.
- Artículos indexados de impacto.
- Web of Science, SCOPUS, ScienceDirect, EBSCO, Scielo, Latindex
Estudio preliminar
Frecuentemente las ideas son vagas y deben ser
precisados y estructurados el problema de investigación.
Estudio preliminar
Realizar la revisión bibliográfica de la idea, alentar al
investigador que debe ser novedosas el tema.
Estudio preliminar
- Conocer los estudios, investigaciones y trabajos anteriores que
conforman los antecedentes de la investigación.
- Evitar investigar sobre un tema que ya ha sido investigado.
- Estructurar mejor la idea de investigación con una perspectiva
principal que abordará la investigación.
Revistas
Revistas
Revistas
REGISTRARSE A CONCYTEC:
http://bvcyt.concytec.gob.pe
Usuario:
Contraseña (pasword):
Revistas
Revistas
Revistas
Revistas
Etapas del proceso de Investigación
Cuantitativa
PROBLEMA OBJETO DE
INVESTIGACIÓN
INTERÉS POR EL TEMA QUE VA A INVESTIGARSE
CÓMO SURGE UNA INVESTIGACIÓN
Elección del problema en una
investigación Científica
ELEMENTOS DE UN PROBLEMA (TÍTULO)
Elementos verificables:
(1) Pregunta clave
(2) Variable 1 (variable independiente)
(3) Enlace o relacionante o conexión
(4) Variable 2 (variable dependiente)
(5) Muestra/Población
(6) Ámbito organizacional (accesible)
(7) Ámbito geográfico (objetivo)
(8) Periodo al cual corresponde la información.
FORMULACIÓN DEL PROBLEMA
CORRELACIONAL – EJEMPLO
¿De qué manera(1) las habilidades sociales(2) se
relaciona con(3) la inestabilidad emocional(4) en los
estudiantes(5) de la Universidad Nacional del Altiplano(6)
de Puno(7) – 2017(8)
Elementos verificables:
(1) Pregunta clave
(2) Variable 1 (variable independiente)
(3) Enlace o relacionante o conexión
(4) Variable 2 (variable dependiente)
(5) Muestra/Población
(6) Ámbito organizacional (accesible)
(7) Ámbito geográfico (objetivo)
(8) Periodo al cual corresponde la información.
FORMULACIÓN DEL PROBLEMA
EXPERIMENTAL – EJEMPLO
¿En qué medida(1) el programa experimental de
comprensión lectora(2) influye(3) en el rendimiento
académico(4) de los estudiantes del IX ciclo del departamento
de lenguas extranjeras(5) de la Universidad Nacional del
Altiplano(6) de Puno(7) – 2017(8)
Elementos verificables:
(1) Pregunta clave
(2) Variable 1 (variable independiente)
(3) Enlace o relacionante o conexión
(4) Variable 2 (variable dependiente)
(5) Muestra/Población
(6) Ámbito organizacional (accesible)
(7) Ámbito geográfico (objetivo)
(8) Periodo al cual corresponde la información.
EJERCICIOS DE FORMULACIÓN DEL PROBLEMA
- Se necesita una
orientación general del
marco teórico conceptual
o referencial.
- Surge de la mente del
investigador o equipo de
investigadores no a partir
de la nada.
MARCO TEÓRICO
- Revisar la literatura existente sobre el tema objeto de
investigación (tarea ardua).
- Bases de datos científicas: Web of Science, SCOPUS,
ScienceDirect, Latindex, Scielo, MedLine.
MARCO TEÓRICO
Fase inicial, previo a ejecución del estudio
ANTECEDENTES DE LA INVESTIGACIÓN.
Son las investigaciones que se han realizado sobre el
objeto de investigación, aquellas que guardan una
relación directa con nuestro problema planteado.
BASES TEÓRICAS (MARCO TEÓRICO).
Es la descripción de los elementos teóricos planteados
por uno o diferentes autores y permiten al investigador
fundamentar su proceso de conocimiento.
MARCO CONCEPTUAL.
El investigador define y delimita, según su criterio y de
acuerdo con su marco teórico, los conceptos
involucrados en las variables de investigación.
FUNCIONES DEL MARCO TEÓRICO
HIPÓTESIS
INVESTIGACIÓN VERIFICACIÓN DE
HIPÓTESIS (EJECUCIÓN DEL HIPÓTESIS
ESTUDIO)
LO QUE SE SABE DE PROCESO DE DEMOSTRACIÓN
LO QUE SE QUIERE INDAGACIÓN PARA ACERCA DE LA
INVESTIGAR Y LO SOMETER A PRUEBA VERACIDAD O
QUE SE QUIERE LA HIPÓTESIS FALSEDAD DE LA
PROBAR HIPÓTESIS
HIPÓTESIS
La Hipótesis original, en el sentido de la
palabra es SUPUESTO, PREMISA o PUNTO
DE PARTIDA de una argumentación.
La hipótesis de investigación científica, son
proposiciones tentativas acerca de las
relaciones entre dos o más variables y se
apoyan en conocimientos organizados y
sistematizados.
Son proposiciones sujetas a comprobación
empírica, a verificación en la realidad.
REQUISITOS DE UNA HIPÓTESIS DE INVESTIGACIÓN
HIPÓTESIS CORRELACIONADAS.
Son proposiciones que afirman la existencia de
una relación de funcionalidad entre dos
propiedades relevantes dentro de un universo de
individuos claramente determinado. No es una
explicación en términos de causa y efecto, sino
mostrar una forma de asociación entre las
propiedades relevantes. Responde a las preguntas
del tipo ¿Cuál es la relación entre X e Y? .
TIPOS DE HIPÓTESIS
EJEMPLO:
¿Cuál es la relación entre un clima laboral
atractivo y la motivación del personal dentro de
una empresa que crece aceleradamente en una
economía globalizada?
HIPÓTESIS:
Existe una relación directa entre un clima laboral
atractivo y la motivación del personal dentro de
una empresa que crece aceleradamente en una
economía globalizada.
TIPOS DE HIPÓTESIS
HIPÓTESIS EXPLICATIVAS.
Son hipótesis causales que intentan precisar las
relaciones esenciales entre los hechos, así como
las estructuras internas de estos hechos y sus
relaciones causales. Responden a preguntas del
tipo ¿Por qué?, y se caracterizan porque son
expresadas a través de enunciados generales que
tienen una forma lógica de tipo condicional,
correspondiendo al esquema;
“Sí p, ENTONCES q”
TIPOS DE HIPÓTESIS
Ejemplo.
“Sí el perro está irritado, entonces el perro gruñe”.
Es una proposición hipotética que enlaza dos
proposiciones categóricas.
EJEMPLO:
“El grado de instrucción de los padres
es uno de los principales factores que
influye en la permanencia de los
adolescentes en el sistema educativo
formal”.
TIPOS DE HIPÓTESIS
HIPÓTESIS ESTADÍSTICA.
Son suposiciones hechas sobre una población en
términos estadísticos, las que son construidas con
la finalidad de hacer posible la comprobación de la
validez de la hipótesis de investigación. Son de
dos tipos:
- Hipótesis Nula (Ho) y Alternativa (Ha).
- La hipótesis nula generalmente es la negación de la
hipótesis de investigación.
- La hipótesis alterna es ídem a hipótesis de investigación.
EJEMPLO
HIPÓTESIS DE INVESTIGACIÓN (Hi)
“El clima organizacional influye en la gestión académica
de la E.P. de Ingeniería de Sistemas, 2017”.
HIPÓTESIS NULA (Ho:) (niega la Hi)
“El clima organizacional NO influye en la gestión
académica de la E.P. de Ingeniería de Sistemas, 2017”
HIPÓTESIS ALTERNATIVA (Ha) (es ídem a Hi)
“El clima organizacional influye en la gestión
académica de la E.P. de Ingeniería de Sistemas,
2017”.
Enfoque de la Investigación
- La investigación cuantitativa y cualitativa no son excluyentes.
Investigación cuantitativa
Investigación cualitativa
DIFERENCIAS CON EL ENFOQUE CUANTITATIVO
Y CUALITATIVO
DIFERENCIAS ENTRE EL ENFOQUE
CUANTITATIVO Y CUALITATIVO
ASPECTO CUANTITATIVO CUALITATIVO
Realidad objetivo de estudio Objetiva Subjetiva
Perspectiva Externa Interna
Enfoque Analítico Holística
Orientación Hacia la verificación Hacia el descubrimiento
Diseño Orientado al resultado Orientado al proceso
Estructura Predeterminada Interactiva y reflexiva flexible
Proceso Control riguroso Control subjetivo
Procedimientos Estructurados Flexibles
Condiciones de observación Controlados Naturales
Datos Objetivos Subjetivos
Hipótesis Previas y verificables Emergentes y constables
Análisis Deductivo Inductivo
Conclusiones Tendientes a la generalización Tendientes a la particularidad
Resultados Válidos confiables Válidos consenso y subjetivo
Generalizable No generalizable
DIFERENCIAS ENTRE EL ENFOQUE CUANTITATIVO Y
CUALITATIVO
EXPLORATORIO CORRELACIONAL
Cuando se examina un tema o Pretende ver la relación entre dos
problema de investigación o más variables, y su relación con
poco estudiado, o fenómenos el objeto de estudio. Conocer el
relativamente desconocidos. comportamiento de la variable.
¿CÓMO ABORDAR LA
INVESTIGACIÓN?
DESCRIPTIVO EXPLICATIVO
El propósito es describir Buscan conocer las causas de
situaciones y eventos. los eventos, explicar cómo y por
Describir es igual a medir, qué las variables están
especificar características o supuestamente relacionadas.
parámetros importantes de
fenómenos o procesos.
DISEÑO DE INVESTIGACIÓN
CUASI-EXPERIMENTOS:
EXPERIMENTALES
(Implican grupos intactos)
LONGITUDINALES O EVOLUTIVOS:
(Analizar cambios a través del tiempo)
DATOS
NATURALEZA
Discreta (conteo)
- Número de hijos por familia.
- Número de estudiante en la UANCV.
- Nro. de docentes en la UANCV en el 2009.
Variable
cuantitativa Contínuas (intervalo)
- Peso de los estudiantes (kg).
- Temperatura: 28.5°C.
- Estatura de los estudiantes (cm).
- Frecuencia respiratoria a 3819msnm.
VARIABLES
Definición Conceptual.
Son definiciones de diccionario o libros
especializados que abarcan las cualidades
para describirla, según el interés del
investigador.
Se limita a explicar el significado de la
Variable, utilizando palabras conocidas.
Permite al investigador tener una idea clara
de los términos en que se fundamentará su
enfoque teórico.
VARIABLES
Definición Operacional.
Es la interpretación de la variable en
términos empíricos que son observados y
medidos, buscando indicadores que
proporcionen la mayor información sobre la
variable; captar la mejor esencia de ella; se
adecue mejor al contexto y sea la más
precisa o amplia según sea el caso.
Operacionalización de variables
Se obtiene de
los
Antecedentes
Continua…..
Operacionalización de variables
Continua…..
MUESTREO
Población
Muestra
V. Ibañez 136
Términos técnicos en el Muestreo
Unidad de muestreo
Unidad elemental
Unidad reportante
V. Ibañez 137
Marco de muestreo
Mapas
Base de datos (Registros) cartográficos
V. Ibañez 138
Parámetro, estimador y estimación
Estimador
Parámetro
V. Ibañez 139
Población y Muestra
Población (N = 80) Unidad de
muestreo
Muestra (n = 6)
TIPOS DE POBLACIÓN
141
EJEMPLO:
UNIDAD CARACTERÍSTICAS A ESTUDIAR
• Empleo.
• Sueldos y salarios.
ESTABLECIMIENTO • Producción Bruta.
INDUSTRIAL • Horas de producción.
• Consumo de energía.
• Actividad Económica.
Proceso de Muestreo
- Objetivos
- Elementos
POBLACIÓN - Unidades de muestreo
- Alcance
- Tiempo
Es el listado de
MARCO MUESTRAL unidades o elementos
de la población
TAMAÑO DE Procedimiento de
LA MUESTRA selección
de la muestra
SELECCIÓN DE LA
MUESTRA 144
Tipos de Muestreo
NO
PROBABILÍSTICO
PROBABILÍSTICO
Unidades de
Muestreo Aleatorio Conveniencia o muestreo
Simple (MAS) intencional apropiados
Z
Z
f z e
f z e Z
149
Resulta la Función de Densidad de la variable Estandarizada.
f(Z)
1
04
2
-1 0.2 +1
-1 0 +1 Z
CARACTERÍSTICAS:
1) Z se distribuye en forma Normal estándar (0,1), E(Z) = 0, V(Z) = 1.
34.13% 34.13%
2.15%
13.59%
13.59% 2.15%
3 2 0 2 3
0 µ X
f(Z)
04 1 2
-3 -2 -1 0 1 2 3 Z
68.26%
95.44%
99.74% V. Ibañez y J. Paredes 151
En resumen:
ECONOMICO
RAPIDO
MUESTREO
CAPACITACION MEJOR
ERROR CONTROLABLE
PARTE DEL UNIVERSO
Todo el universo
Costoso
CENSO Resultado no inm ediatos
Error a veces no controlable
152
Muestreo Aleatorio Simple (MAS)
Con reposición
Sin reposición - MIA
Características:
Asigna probabilidades iguales de selección.
Necesita listado de unidades (Marco de muestreo).
Utiliza tabla de números aleatorios, urnas con bolas,
generación de números aleatorios por computadora, etc.
Eficiente sólo en poblaciones homogéneas.
Aplicable en encuestas de pequeña escala.
Forma parte de diseños de muestra más complejos.
Donde:
Z: Nivel de confianza elegido
al 95% ó 99% (2σ ó 3σ)
p: Probabilidad de éxito
q: Probabilidad de fracaso
e: Error máximo permitido, se
establece a priori.
p+q=1 (p=50% y q=50%).
S2=(pq) es la varianza de la
distribución Binomial.
Factores para determinar el
tamaño de muestra
El tamaño de muestra depende de:
RESTRICCIONES
Coeficiente de Confianza
Se obtiene de
la Tabla “Z”
con α = 0.05
Se obtiene de
la Tabla “Z”
con α = 0.01
Relación en una Muestra Aleatoria
159
ERROR
ERROR
Ejemplo de tamaño de muestra al estimar
la media de la población
Supongamos que queremos conocer el gasto anual
promedio de la población (N = 2500) que destina a la
recreación que estimamos (basándonos en trabajos
anteriores) la desviación estándar de la población es $
400, con un nivel de confianza o certeza del 95% de que la
media muestral se encuentra dentro de $45 de la
verdadera media de la población.
Z 2 N S
2 2 Nivel de Confianza del 95% (Z = 1.96).
n Desviación Estándar: σ = 400
E N S Z 2
2 2 2
Precisión: 45%.
Reemplazando los datos a la fórmula:
Z 2 2 N S 2 2
(1.96) (2500)(400) 2
n 271
E N S Z 2
2 2 2
(45) (2500) (1.96) (400)
2 2 2
Z 2 N S
2 2
(1.96) 2 (2500)(400) 2
n 271
E 2 N S 2 Z 2 2 (V.45 2
) (y2500
Ibañez ) (1.96) (400)
J. Paredes
2 2
165
EJEMPLO DE TAMAÑO DE MUESTRA
2
(1.96) (10000)(0.30)(0.70)
312.64 313
(0.05) (9999) (1.96) (0.30)(0.70)
2 2
(1.96) 2 (10000)(0.30)(0.70)
n 312.64 313
(0.05) (9999) (1.96) (0.30)(0.70)
2 2
Tamaño de muestra en poblaciones Infinitas
2 2
Z 2 pq (1.96) (0.04)(0.96)
n 2
2
368.79 369
e (0.02)
Usando EPIDAT v4.1
Ingreso de datos para calcular tamaño de muestra
Resultado con EPIDAT v4.1
INFINITO
2 2
Z 2 pq (1.96) (0.04)(0.96)
n 2
2
368.79 369
e (0.02)
Ejemplo
Se desea estimar la prevalencia de tuberculosis en los
diferentes Hospitales de 500 personas, con un error máximo
del 5% y un intervalo de confianza del 95%. Basados en
estudios previos, se espera una prevalencia del 10%.
DATOS: Como 500<100000, entonces corresponde a
población finita. Se usa la siguiente fórmula:
V. Ibañez 174
Usando EPIDAT v4.1
K=N/n
NO SI
K es Entero
179
Ejemplo:
180
Ejemplo:
Se quiere obtener una muestra sistemática que seleccione a
los egresados de la E.P. de Arquitectura de la UNA – Puno,
que tiene una población de 1200 de ellos. La variable de
estudio es dicotómica y se aduce que la proporción es del
25%, además se quiere un error del 4% y una confiabilidad de
90%.
Como N = 1200 < 100 000, entonces corresponde a poblaciones FINITAS.
Z 2 2 Npq (1.64) 2 (1200)(0.25)(0.75)
no 2 249.8 250
e ( N 1) Z 2 pq (0.04) (1199) (1.64) (0.25)(0.75)
2 2 2
no 250
Sí 20.83% 10% entonces se realiza la corrección con la siguiente fórmula :
N 1200
no 250
n 207.04 207 El tamaño de muestra
no 1 249
1 1 definitivo es: no = 207
N 1200 181
Ejemplo:
1200
Luego se calcula el SALTO k 5.8 6
207
Se procede a seleccionar al azar un número entre 1 y 6
aleatoriamente, los método son múltiplos. Dado que el tamaño de
muestra requerido es n = 207, entonces se calcula la proporción
(n/N) = 207/1200 = 17.25 se aproxima a 17% que necesita EPIDAT
v4.1 por fases.
Usando EPIDAT v4.1
182
Ingreso de datos en EPIDAT v4.1
Salida en Excel
Selección
11
16
21
26
31
36
41
46
51
56
61
66
71
76
81 183
Resultados del EPIDAT v4.1
MUESTREO SISTEMÁTICO EN FASES – EPIDAT v4.1
185
Número de los sujetos seleccionados con EPIDAT v4.1
186
Muestreo Aleatorio Estratificado (MAE)
V. Ibañez 187
Muestreo Estratificado
Población (N)
N2 N3
N1 ........ NL
n1 n2 n3 nL
n = n1 + n2 + n3 +.........+ nL
V. Ibañez 188
ESTRATOS Homogéneos en su interior; diferentes
entre sí en propiedades y tamaño.
Comuna B
Comuna A
Comuna C
Comuna D
Entre estratos
INDEPENDENCIA:
V. Ibañez 190
Ejemplo de Aplicación:
Se quiere conocer el grado de aceptación de los nuevos planes de
estudio por la población universitaria de la Región. Para tal fin se
escoge una muestra integrada por 2289 estudiantes de la UNA-
Puno. La muestra se afija entre las distintas carreras de manera
proporcional al número de estudiantes registrados en dichas
carreras. Para ello se multiplica la proporción que representa cada
uno de los estratos (carreras diferenciadas) por el tamaño
muestral 2289, obteniéndose el tamaño de muestra para cada
estrato.
a) Tamaño de muestra.
Fórmula para calcular el tamaño de muestra por estratos si n0/N10%
p = Proporción de estudiantes con los nuevos planes 57.80% 2
q = Proporción de estudiantes que no están de acuerdo: 42.2% Z Npq
2
e = Es el error de precisión: 2%
no
e ( N 1) Z pq
Z = Es el nivel de confiabilidad al 95% (2σ)=1.96 2 2
n0 = Tamaño de muestra sin corregir.
n = Tamaño de muestra corregida. V. Ibañez 2
Como N = 98953 < 100 000, entonces se aplica la fórmula de tamaño de
muestra para poblaciones FINITAS.
no
Sí 10% entonces se realiza la corrección con la siguiente fórmula :
N
n0
n
n0 1
1
N
n o 2289
En nuestro caso 2.3% 10% entonces no se realiza la corrección de tamaño de muestra.
N 98953
V. Ibañez 194
Ingreso de Információn
V. Ibañez 196
Asignar el número de muestras a cada carrera, según
el Muestreo Aleatorio Estratificado
V. Ibañez 197
Recuperar el archivo en Excel: Nombre de Carreras y
la población por Carreras (Estratos)
V. Ibañez 198
Recuperar el archivo en Excel: Nombre de Carreras y
la población por Carreras (Estratos)
V. Ibañez 199
Salida de resultados por Estrato en Archivo
V. Ibañez 203
Muestreo de Conglomerados
• Características
• Las unidades de muestreo suelen ser un grupo de elementos que
comúnmente llamado conglomerado de elementos. El muestreo de estas
unidades es llamado muestreo de conglomerados.
• El marco de muestreo es una lista de conglomerados
• La medición se realiza a todos los elementos del conglomerado
seleccionado.
• Se utiliza en las investigaciones por muestreo a gran escala
Ventajas
• Reduce el costo del muestreo, al no utilizar una lista de elementos de la
población (marco) y sólo una lista de conglomerados que es más fácil y
más barato de obtener.
• Reduce el tiempo de la organización y ejecución del trabajo de campo.
V. Ibañez 204
Población Conglomerado Elemento
V. Ibañez y J. Paredes 205
Se utiliza cuando la población se encuentra dividida,
de manera natural, en grupos que se supone que
contienen toda la variabilidad de la población
Homogeneidad: (Entre)
Entre conglomerados
Heterogeneidad: (Dentro)
Entre elementos del mismo conglomerado
V. Ibañez 207
Muestreo de Conglomerados
Diferencia con estratos:
En conglomerados son heterogéneos internamente; no interesa
particularmente diferencias; es sólo un medio de tomar datos más
económico y simple
V. Ibañez 208
Ejemplos de Unidades Primarias y Unidades
Secundarias de Muestreo.
V. Ibañez 210
EJEMPLO:
Supóngase que se desea obtener una muestra de
aproximadamente de 120 estudiantes de un instituto de Enseñanza
Media que tiene 966 alumnos registrados y que los alumnos están
distribuidos en 21 aulas de tamaños variables y conocidos.
La distribución de los 966 alumnos registrados, según aulas y
cursos es la siguiente:
213
Resultados con EPIDAT v4.1
Hacer Clic
214
Muestreo por conglomerados bietápico
El método se considera como un sub-muestreo y se trata
de una modificación del método de muestreo por
conglomerados.
A los conglomerados que resultan de la primera división se
denomina UNIDADES PRIMARIAS, los de la segunda
UNIDADES SECUNDARIAS, y así sucesivamente.
Los conglomerados pueden ser de igual o de diferentes
tamaños, siendo el último caso el más generalizado.
El proceso de selección, se realiza por etapas sucesivas en cada una
de las etapas; se utiliza una unidad diferente y las unidades finales
nos permiten la realización de la encuesta para la recolección de
información.
V. Ibañez 215
EJEMPLO:
Se quiere obtener una muestra de n=120 estudiantes del
instituto. Dicho instituto tiene 966 alumnos registrados, tomando
el mismo número de sujetos de cada una de las 10 aulas
elegidas mediante MAS. La hoja MC del archivo INSTITUTO.xls
contiene la lista de las 21 aulas y los tamaños de ellas. En este
caso, donde la muestra no es equiprobabilística, las
probabilidades de selección (y sus inversos, las ponderaciones)
varían de unos conglomerados a otros. Para el aula 1.1, la
probabilidad de cada uno de los 12 alumnos elegidos es
0.089286, resultante de multiplicar 10/21 (probabilidad de
selección del conglomerado) por 12/30 (probabilidad de
selección del alumno); consecuentemente, la ponderación para
estos 12 individuos es 11.20 (inverso de 0,089286):
V. Ibañez y J. Paredes 216
Usando EPIDAT v4.1
V. IbañeZredes 219
INSTRUMENTOS
DE MEDICIÓN
V. Ibañez 220
221
LA OBSERVACIÓN
La validez de un
instrumento no se
Se refiere al grado “establece”, sino que
en que un se sustenta en un
mayor o menor grado
instrumento mide de evidencia. Un
lo que se supone investigador no valida
debe medir. al instrumento per se,
sino la aplicación del
mismo.
VALIDEZ
ID 100 DIFICULTAD
ID < 40
ÍTEM
DIFÍCIL
N 40 ≤ ID ≤ 60 MEDIANA DIFICULTAD
Donde: 61 ≤ ID ≤ 89 FÁCIL
ni 1 xi X i 1 xi i 1 X
n n n
IH rix
n 2 n 2 n 2 n
2
n xi xi n X i X i
i 1 i 1 i 1 i 1
ÍNDICE DE
INTERPRETACIÓN DEL ÍTEM
HOMOGENEIDAD
IH < 20 EL ÍTEM DEBE ELIMINARSE
0.21 ≤ IH ≤ 0.60 MEDIACIÓN REGULAR
IH ≥ 0.61 MEDICIÓN BUENA
VALIDEZ Y
CONFIABILIDAD DE
LOS
INSTRUMENTOS
CONFIABILIDAD DE INSTRUMENTOS
La confiabilidad es una medida de determinación de la
ESTABILIDAD y la CONSISTENCIA INTERNA del instrumento.
Un instrumento es estable si, aplicado repetidas veces a los
mismos fenómenos, bajo las mismas condiciones, arroja
resultados consistentes (congruentes).
Consistencia interna propiedad del instrumento según la cual,
cada parte del mismo mide de la misma manera que las otras
partes.
CONFIABILIDAD INTERPRETACIÓN
0.01 a 0.20 MUY BAJA
0.21 a 0.40 BAJA
0.41 a 0.60 MODERADA
0.61 a 0.80 ALTA
0.80 a 1.00 MUY ALTA
ALFA DE CRONBACH
Para evaluar la confiabilidad es común emplear el
COEFICIENTE ALFA DE CRONBACH, cuando las alternativas
de respuestas son policotómicas, como la escala de tipo
Likert que puede tomar valores entre 0 y 1. Donde:
Confiabilidad nula = 0 y confiabilidad total = 1. El coeficiente
α de Cronbach, se calcula por medio de la varianza de los
ítems, y la varianza del puntaje total.
α: Coeficiente de confiabilidad de la k
2
prueba o cuestionario.
K Si
K : Nº de ítems del instrumento. 1 i 1 2
S2t : Varianza total del instrumento (filas). K 1 St
∑S2i: Suma de las varianzas de los
ítems (columnas).
EJEMPLO
Se tiene un cuestionario para evaluar la aceptación de una
asignatura con tres preguntas y se desea saber si los datos
que se obtienen a partir de esta herramienta son confiables.
Para evaluar la fiabilidad de este cuestionario, se aplicó a 10
personas de una muestra similar. Las preguntas y los
resultados se muestran a continuación:
INTERPRETACIÓN:
El resultado nos indica que la prueba (instrumento de
investigación) es α = 0.699, por lo tanto, se aproxima a ser
confiable.
MÉTODO TEST - RETEST
Es la estimación de la confiabilidad de un test o cuestionario
que es administrarlo dos veces al mismo grupo y
correlacionar las puntuaciones obtenidas.
n n n
X i Yi ( X i )( Yi ) n
rxy i i 1 i 1
n 2 n
n n
X i ( X i ) n Yi ( Yi ) n
2 2 2
i1 i 1 i1 i 1
I i Pi ( I i )( Pi ) n
rIP i i 1 i 1
n 2 n
n n
I i ( I i ) n Pi ( Pi ) n
2 2 2
i 1 i 1 i 1 i 1
b) Corrección de r con la ecuación de Spearman – Brown
2r
R
1 r
Ejemplo – Aplicación
MATRIZ DE DATOS
Nº DE PREG. Nº TOTAL TOTAL PRODUCTO
PREG. Nº 2 PREG. Nº 3 I2 P2
ENCUESTADOS 1 IMPAR (I) PAR (P) (I)x(P)
1 4 2 4 8 2 16 64 4
2 2 1 3 5 1 5 25 1
3 3 1 2 5 1 5 25 1
4 2 2 2 4 2 8 16 4
5 2 1 4 6 1 6 36 1
6 1 1 3 4 1 4 16 1
7 2 4 4 6 4 24 36 16
8 3 3 4 7 3 21 49 9
9 4 4 3 7 4 28 49 16
10 1 1 1 2 1 2 4 1
10 10 10 10 10
Total I
i 1
i 54 P
i 1
i 20 I P 119 I
i
i i
i 1
i
2
320 Pi 2 54
i 1
Ejemplo – Aplicación
10 10 10
I P ( I )( P )
i i i i 10
119 (54)(20) 10
rIP i i 1 i 1
0.5517
10 10
10 10
320 (54) 1054 (20) 10
2 2
i i i
2 2 2 2
I ( I ) 10 P ( Pi ) 10
i 1 i 1 i 1 i 1
V. Ibañez 261