Este documento presenta la metodología de investigación conocida como matriz MAPIC. Explica los pasos para el diseño de una investigación incluyendo la definición de objetivos, variables, métodos de recolección de datos, tamaño de muestra, y análisis estadístico. También describe las herramientas estadísticas para el análisis descriptivo e inferencial de datos unidimensionales, bidimensionales y multidimensionales. El objetivo es comprender las bases metodológicas para el diseño de investigación y el rol de la estadíst
1. 1
METODOLOGIA DE LA
INVESTIGACION: MATRIZ MAPIC
Expositor: Ms. Sc. Luis Villarroel P.
Cochabamba, mayo 2004
Proyecto Centro de Estadística Aplicada
CESA
2. 2
CONTENIDO
I. Introducción – Objetivos – problemas en investigación
II. Bases metodológicas para el diseño de la investigación – Matriz
MAPIC
III. Herramientas para el análisis e interpretación de datos.
IV. Conclusiones
3. 3
I.INTRODUCCION - OBJETIVOS
Presentar PROBLEMAS EN INVESTIGACION
Comprender las BASES METODOLÓGICAS PARA EL
DISEÑO DE LA INVESTIGACIÓN – MATRIZ MAPIC.
Comprender el rol de la ESTADISTICA en la investigación
científica (análisis e interpretación de datos).
5. 5
II. PROBLEMAS DE PLANIFICACION
ESTUDIO POR OBSERVACION
1. Definición de objetivos - Resultados Esperados
2. Definición de las Unidades de Observación y de la Población
3. Definición de las Variables
4. Selección de un Método de Colecta de datos (Cualitativo –
Cuantitativo)
5. Selección del Plan de Muestreo
6. Definición del Tamaño de la Muestra
7. Selección y esbozo del Método Estadístico
6. 6
II. PROBLEMAS EN INVESTIGACION
ESTUDIO POR EXPERIMENTACIÓN
1. Definición de Resultados Esperados y condiciones
experimentales.
2. Definición de Factores.
3. Definición de las Unidades Experimentales
4. Definición de Observaciones (variable de respuesta)
5. Definición del Diseño Experimental.
6. Definición del Método Matemático.
8. 8
Modelo conceptual – Resultados esperados
• Objetivos – Resultados Esperados
• Necesidad de información
• El resultado esperado puede estar formulado
bajo la forma de :
PREGUNTA o RESPUESTA (hipótesis)
Al finalizar esta etapa se dispone: Lista de
resultados Ri.
1. DEFINICIÓN DE RESULTADOS ESPERADOS
9. 9
2. DEFINICIÓN DE LA POBLACIÓN Y
UNIDADES DE OBSERVACIÓN
Población
- Conjunto de “individuos” a los cuales nos interesamos
- Población finita o infinita
Unidades de observación
- “Individuos” que son observados
- Ejemplo: Personas, familias, empresas, marcas, etc.
10. 10
¿Que es una variable?
Características o atributos de los “individuos”
a estudiar
3.DEFINICION DE LAS VARIABLES
Existen dos problemas a resolver
-Número de variables
- Naturaleza del dato
11. 11
Variables categóricas y variables reales
1. Variables categóricas o cualitativas son aquellas
que toman un número limitado de modalidades.
Ejemplo : el sexo, estado civil, etc.
A cada modalidad corresponde una categoría de
individuos; estas categorías forman una partición de
la población.
2. Variables reales o cuantitativas son las que toman
valores reales para los cuales podemos calcular
resúmenes numéricos ( media, varianza,... ).
Ejemplo : edad, ingreso,rendimiento, etc.
3. DEFINICION DE LAS VARIABLES
12. 12
Tipos de datos:
Datos cuantitativos
Datos de medición – continuos
Datos de conteo - discreta
3.DEFINICION DE LAS VARIABLES
Datos cualitativos
Datos binarios
Datos ordinales
Datos nominales
13. 13
3. DEFINICIÓN DE VARIABLES
RESULTADOS
ESPERADOS
VARIABLES – TIPO DE
VARIABLE
R1
X1
(Cuantitativa, Continua)
X2
(Cualitativa, Binaria)
R2
X3 (Cualitativa, Ordinal)
X1 (Cuantitativa, Continua)
X4 (Cualitativa, Nominal)
R3
X1 (Cuantitativa, Continua)
Número de variables
14. 14
4. DEFINICIÓN DEL METODO DE COLECTA
Primarias Cualitativas Reuniones de grupo
Entrevistas en profundidad
Observación
Cuantitativas Encuestas
Experimentos
Fuentes de información
Secundarias Internas Registros
Informes Internos
Externas Publicaciones
Estadísticas sectoriales
Informes Externos
15. 15
4. DEFINICIÓN DEL METODO DE COLECTA
Métodos de colecta primarios
INVESTIGACIÓN
CUANTITATIVA
INVESTIGACION CUALITATIVA
Busca las causas sin recurrir a la interpretación
subjetiva
Interés por comprender el comportamiento
humano
Aproximación lógico-positivista Aproximación fenomenológica
Medición controlada Medición observacional natural, sin control
Objetivismo, perspectiva externa Subjetivismo, perspectiva iterna
Orientación verificacionista, confirmatoria,
reduccionista, inferencial
Orientación hacia el descubrimiento,
exploratoria, descriptiva, inductiva
Orientación hacia el resultado Orientación hacia el proceso
Importancia de la formalidad, datos exactos y
rigurosos
Importancia del contenido, datos reales
Particular – Intenta analizar General – Intenta sintetizar
16. 16
4. DEFINICIÓN DEL METODO DE COLECTA
Investigación cualitativa y sus métodos
Directos Entrevistas en profundidad
Reuniones de grupo
Semidirectos Phillips 66
Delphi
Indirectos Técnicas proyectivas
Técnicas de creatividad
Observación Personal
Análisis de Contenido
Auditoria
17. 17
4. DEFINICIÓN DEL METODO DE COLECTA
Investigación cuantitativa y sus métodos
Encuestas Personal
Postal
Telefónica
Encuestas periódicas
18. 18
PProcedimientos de selección de “individuos” de la
población.
5. DEFINICIÓN DEL PLAN DE MUESTREO
Población
Censo
Población
Muestra
Muestreo
En el caso de un plan de muestreo se plantean dos preguntas:
• ¿cómo extrapolar a la población entera los
resultados que se observaron sobre la muestra?
• ¿cómo elegir la muestra?
¿Qué es un plan de muestreo?
19. 19
Elemento clave: representatividad de la muestra
5. DEFINICIÓN DEL PLAN DE MUESTREO
Planes probabilisticos.
Es posible medir el
error
No existe un buen
conocimiento de la
población
La selección de
“individuos” se
responsabiliza al
azar
Tipos de muestreo:
20. 20
Planes no probabilísticos
5. DEFINICIÓN DEL PLAN DE MUESTREO
La selección de “individuos”
se responsabiliza al
investigador
Existe un buen
conocimiento de la
población
No es posible
medir el error
21. 21
5. DEFINICIÓN DEL PLAN DE MUESTREO
Plan de muestreo por conveniencia
Plan de muestreo por cuotas
Plan de muestreo “bola de nieve”
Planes de muestreo no probabilisticos
Planes probabilisticos
Plan de muestreo aleatorio y simple
Plan de muestreo estratificado
Plan de muestreo conglomerados
22. 22
- Problema “complejo”
- Nivel descriptivo – nivel inferencia
- Criterios: Resultados esperados, variables que
participan en el resultado, tipo de dato, método
estadístico.
6. DETERMINACIÓN DEL TAMAÑO DE LA
MUESTRA
23. 23
7. ANÁLISIS DE LOS DATOS
Aprovechamiento de los datos colectados
Análisis descriptivo de los datos:
RESUMEN DE LOS DATOS
Análisis inferencial de los datos:
GENERALIZACIÓN DE
LOS DATOS
Análisis exploratorio de los datos
EDA (Exploring Data Analysis) :
CONTROL DE CALIDAD DE
LOS DATOS
24. 24
III.HERRAMIENTAS PARA EL ANALISIS
E INTERPRETACION DE DATOS
• La “caja de herramientas”
• El problema de la selección de un método estadístico y el
tamaño de muestra.
- Problema “complicado”, tema poco desarrollado en la
literatura
• Factores de selección
- Resultados Esperados
- Número de Variables
- Tipo de los datos
25. 25
III. HERRAMIENTAS PARA EL ANALISIS E
INTERPRETACION DE DATOS
Definición de la Estadística
Conjunto de métodos que tienen como objetivo, “juntar” y
analizar los datos numéricos. DAGNEILLE [1998]. Tiene un
rol esencial en las diferentes disciplinas científicas.
La Estadística Aplicada
Llevar la estadística “a la puerta de las personas que están
en la obligación de utilizar”
27. 27
TRATAMIENTO DE DATOS
TRATAMIENTO DE DATOS
Estadística - Herramientas
Estadística
Descriptiva
Estadística
Inferencial
RESUMIR GENERALIZAR
Estimación
Test de
Hipótesis
1 Dimensión
P Dimensiones
1 Dimensión
2 Dimensiones
1 Dimensión
2 Dimensiones
P Dimensiones
Cualitativos
Cuantit.
Cualit.
Cuantitativos
Mixtos
Cuantit.
Cualit. Mixtos
2 Dimensiones
P Dimensiones
28. 28
Unidimensional Bidimensional Multidimension
al
Datos
cuantitativos
Box Plot Scatter Plot Diagrama de
individuos ACP
Datos
cualitativos
Tablas de
frecuencia
unidimensional
Tablas de
frecuencia
unidimensional
Tablas de
frecuencia
unidimensional
Datos mixtos - Box Plot :
Cuantitativa-
nominal
Scatter Plot:
Cuantitativa -
Ordinal
ACP
AFC
Análisis exploratorio de los datos
7. ANÁLISIS DE LOS DATOS
29. 29
Análisis descriptivo de los datos
7. ANÁLISIS DE LOS DATOS
Unidimensional Bidimensional Multidimension
al
Datos
cuantitativos
Gráficas
Parametros de
posición,
dispersión, forma
Gráficas,
Covarianza
Correlación
Regresión
ACP, CLUSTER
Datos
cualitativos
Gráficas
Tablas de
frecuencia
AFC
Gráficas
Tablas de
frecuencia
30. 30
Análisis inferencial de los datos
7. ANÁLISIS DE LOS DATOS
Run test
Wilcoxon
Mann-Whitney
Kruskall
Unidimensional Bidimensional Multidimension
al
Estimación Promedios
Varianzas
Proporciones
Correlación
Regresión
MANOVA
Regresión
multiple
Correlación
canónoca
Test de
hipotesis
Test de
comparación
Test de
significación
MANOVA
Discriminante
Canónico
Métodos no
parametricos
Test Conformidad
Test Significación
Kernell
Redes
neuronales
Spearman
Kendall
31. 31
V. CONCLUSIONES
• La investigación (por encuesta o por experimentación) debe ser
objeto de una rigurosa planificación “Investigamos o vamos a la
playa”
• Rol de la estadística en la investigación científica es central.
• Ningún análisis estadístico “elaborado” no merece ser realizado
para datos de mala calidad
• Cuidado!!!! Con la utilización de los paquetes estadísticos cada
vez mas al alcance de los no especialista
• La necesidad de un trabajo coordinado “investigador -
estadístico”, debiera ser una práctica corriente en la
investigación científica responsable.
• Importancia de los servicios de apoyo en aspectos cuantitativos
33. 33
Ejemplo: MATRIZ MAPIC
Evaluación del rendimiento académico en la Facultad de Humanidades
Resultados
Esperados
Variables Método de colecta
(Fuentes de colecta)
Método
Estadístico n
Estimar el
rendimiento
promedio de la
materia
Identificación
de factores que
inciden en el
rendimiento
académico
Comparación
del
rendimiento
por sexo
X1: Rendimiento
(Cualit. Ordinal)
X1: Rendimiento
X2: hrs. de estudio en
la casa por día
X3: Sexo
X4: Tipo de Colegio
X5: Edad
Registro
Entrevista
Registro
Encuesta
Registro
Revisión de
Registro
Intervalo de
confianza de
un promedio
Regresión
Logística
Ordinal
- Mann-Whitney
- Paramétrico
X1: Rendimiento
X5: Edad