Este documento presenta un resumen de 3 oraciones del temario de la Unidad 3 de Investigación en Salud Pública I. La unidad describe los métodos de investigación cuantitativa, incluyendo los métodos experimentales y no experimentales. También explica conceptos como diseños de muestras, análisis de datos, y construcción de cuestionarios y escalas para realizar investigación cuantitativa.

2. Investigación en Salud
Pública I: Unidad 3

3. TEMARIO

4. UNIDAD 1
1.1. 3.1 Características del modelo de investigación cuantitativo
3.2 Métodos de investigación cuantitativa
3.2.1 Método experimental
3.2.2 Métodos no experimentales (descriptivo, correlacional y comparativo-causal)
3.3 Construcción de cuestionarios y escalas
3.3.1 Proceso de la producción de información cuantitativa
3.4 Metodología y estrategias para el análisis social
3.4.1 Diseño de muestras en investigación social cuantitativa
3.4.2 Análisis cuantitativo de datos

5. 3.1 Características del
modelo de investigación
cuantitativo

6. 3.1 Modelo cuantitativo
Modelo cuantitativo
La investigación cuantitativa trabaja con variables medibles con
números.
Tiene un enfoque deductivo.
Busca desarrollar y emplear modelos matemáticos para la
explicación de los fenómenos.

7. 3.1 Modelo cuantitativo
Modelo cuantitativo
Los datos son analizados por medio de la estadística para obtener
resultados imparciales.
Tiene un enfoque deductivo.
Busca desarrollar y emplear modelos matemáticos para la
explicación de los fenómenos.

8. 3.1 Modelo cuantitativo
Modelo cuantitativo
La medición es fundamental. Por lo que se presta especial
atención al desarrollo de instrumentos y métodos de medición.
La investigación cuantitativa se presta para la experimentación y
manipulación de variables.

9. 3.1 Modelo cuantitativo
DISEÑO DE
INVESTIGACIÓN
CUANTITATIVA
DISEÑOS
EXPERIMENTALES
DISEÑOS NO
EXPERIMENTALES
EXPERIMENTOS PUROS
CUASI EXPERIMENTOS
PRE-EXPERIMENTOS
TRANSVERSALES
LONGITUDINALES

10. 3.1 Modelo cuantitativo
El método experimental
Tiene dos acepciones: una general y otra particular.
• La general se refiere a “elegir o tomar una acción”.
• Una acepción particular de experimento, con un sentido
científico del término, se refiere a un estudio en el que se
manipulan una o más variables independientes.
• La esencia de esta concepción de experimento es que requiere
la manipulación intencional de una acción para analizar sus
posibles resultados. (De intervención)
.

11. 3.1 Modelo cuantitativo
El método experimental
PROPÓSITO: determinar con mayor confiabilidad posible
relaciones de causa-efecto.
El investigador genera la aplicación de un estímulo a una persona
o grupo de personas, realizando una manipulación intencional
para observar, analizar y explicar, de cómo afecta dicho estímulo a
los participantes en comparación con otros; dando posibles
resultados mediante un procedimiento estadístico y generalizar
como prueba de validez del estudio.

12. 3.1 Modelo cuantitativo
El método experimental
El problema está completamente identificado y definido, permite
avanzar en la búsqueda de relaciones causales, por lo que es
imprescindible la formulación de una hipótesis que expliquen las
causas del problema o eventos relacionados con éstas.

13. 3.1 Modelo cuantitativo
El método experimental: términos
HIPÓTESIS: Suposición hecha a partir de unos datos que sirve de
base para iniciar una investigación o una argumentación.
VARIABLE INDEPENDIENTE (tratamiento o estímulo experimental):
Se considera como supuesta causa en una relación entre
variables; es la condición antecedente.
VARIABLE DEPENDIENTE: Al efecto provocado por dicha causa se
le denomina variable dependiente (consecuente).

14. 3.1 Modelo cuantitativo
El método experimental: términos
GRUPO EXPERIMENTAL: Es el que recibe el tratamiento y/o
estímulo experimental.
GRUPO DE CONTROL: Grupo testigo (ausente de variable
independiente, estímulo)

15. 3.1 Modelo cuantitativo
El método experimental: Requisitos
1. Manipulación intencional de una o de más variables
independientes.
2. Medir el efecto que tiene la variable independiente sobre la
variable dependiente de forma válida y confiable, y el porqué lo
hace.
3. Control o validez externa. Se conoce lo que ocurre en la
relación entre las variables independientes y dependientes, es
decir, que puede conocer la relación causal al considerar el efecto
de otro tipo diferente de variables que pueden afectar el
experimento.

16. 3.1 Modelo cuantitativo
El método experimental: invalidación interna
FUENTES INTERNAS: Factores o fuentes que puedan crear
confusión y ya no saber si la presencia de una causa o tratamiento
experimental surte o no un verdadero efecto.

17. 3.1 Modelo cuantitativo
El método experimental: invalidación interna
TIPOS:
Historia: Acontecimientos que ocurren durante el desarrollo del
experimento y pueden confundir los resultados experimentales.
Maduración: Procesos internos de los participantes que operan
como consecuencia del tiempo y que afectan los resultados del
experimento (cansancio, hambre, aburrimiento y aumento de la
edad).
Administración de pruebas: Efecto que puede tener la aplicación de
una prueba sobre las puntuaciones de pruebas posteriores; si no hay
control, no es posible saber cuánto se debió al estímulo
experimental y cuánto a dicha sensibilización.

18. 3.1 Modelo cuantitativo
El método experimental: invalidación interna
• Inestabilidad: Hay poca o nula confiabilidad en las mediciones,
por cambios en las personas que se habían seleccionado o en
componentes del experimento.
• Instrumentación: Se refiere a cambios en los instrumentos de
medición o en los observadores participantes que pueden
producir variaciones en los resultados que se obtengan.

19. 3.1 Modelo cuantitativo
El método experimental: invalidación interna
• Selección: Puede presentarse al elegir los sujetos para los
grupos del experimento, de tal manera que los grupos no sean
equiparables. La selección puede resultar tendenciosa.
• Mortalidad experimental: Se refiere a diferencias en la pérdida
de participantes entre los grupos que se comparan.
• Difusión de tratamientos experimentales: Sucede cuando los
participantes de los grupos experimentales y los grupos control
intercambian información sobre el experimento, lo que podría
alterar los resultados.

20. 3.1 Modelo cuantitativo
El método experimental: Tipos diseño
EXPERIMENTALES
PUROS
PRE- EXPERIMENTALES
CUASI-EXPERIMENTAL

21. 3.1 Modelo cuantitativo
El método experimental: Experimentos puros
Post-prueba únicamente y grupo
de control.
Diseño con pre-prueba y post-
prueba del grupo de control.
Diseño de cuatro grupos de
Solomon.
Serie cronológicas múltiples.
Diseños factoriales.
Experimentos Puros
(verdaderos)

22. 3.1 Modelo cuantitativo
El método experimental: Experimentos puros
Reúnen los dos requisitos para lograr el control y la validez
interna:
Grupos de comparación: Al menos dos grupos. Los
“experimentos” con un grupo se basan en sospechas o en lo que
“aparentemente es”, pero faltan fundamentos.

23. 3.1 Modelo cuantitativo
El método experimental: Experimentos puros
Equivalencia de los grupos: Deben ser similares en todo, menos
en la manipulación de la variable independiente. Los grupos
deben ser equivalentes inicialmente durante todo el desarrollo
del experimento, menos por lo que respecta a la variable
independiente. De igual manera, los instrumentos de medición
deben ser iguales y aplicados de la misma manera. Asignación
inicial aleatoria o al azar (asegura probabilísticamente que dos o
más grupos son equivalentes entre sí).

24. 3.1 Modelo cuantitativo
El método experimental: Experimentos puros
• Campbell y Stanley utilizan éstas abreviaturas:
A: Asignación aleatoria de las unidades de análisis a los grupos testigo
y experimental.
P: Apareamiento aleatorio.
G: Grupo.
GE: Grupo experimental.
GC: Grupo testigo o control.
X: tratamiento experimental.
-: Ausencia de tratamiento experimental.
O1: Pre-prueba o medición previa al tratamiento experimental.
O2: Post-prueba o medición posterior al tratamiento experimental.

25. 3.1 Modelo cuantitativo
El método experimental: Experimentos puros
• POST-PRUEBA ÚNICAMENTE Y GRUPO DE CONTROL:
A GE X O2
A GC – O2
• DISEÑO EXPERIMENTAL CON PREPRUEBA-POSPRUEBA Y GRUPO CONTROL:
A GE O1 X O2
A GC O1 – O2
• DISEÑO DE CUATRO GRUPOS DE SOLOMON:
A GE O1 X O2
A GC O1 – O2
A GC – X O2
A GC – – O2

26. 3.1 Modelo cuantitativo
El método pre-experimental:
PRE-
EXPERIMENTAL
ESTUDIO DE
CASO CON
UNA SOLA
MEDICIÓN
PRE-TEST Y
POST-TEST
CON UN
SOLO GRUPO

27. 3.1 Modelo cuantitativo
El método pre-experimental:
• ESTUDIO DE CASO CON UNA SOLA MEDICIÓN: Cuentan con dos grupos, uno
experimental y otro control no equivalente. La asignación es no aleatoria, lo
que significa que el investigador no ha podido cumplir el requisito de la
aleatorización y garantizar con ello la equivalencia de ambos grupos. Como su
nombre indica, ninguno de los grupos ha tenido una medición previa a la
introducción de la variable independiente.
• DISEÑO PRETEST-POSTEST DE UN SOLO GRUPO: Este diseño consta de un solo
grupo y sobre el que se ha realizado una observación antes y otra después de
la intervención. Su limitación fundamental estriba en la carencia de grupo
control, lo que imposibilita el establecimiento de argumentos de causalidad
acerca del tratamiento.

28. 3.1 Modelo cuantitativo
El método cuasi-experimental:
Poseen aparentemente todas las características de los
experimentos verdaderos. La principal diferencia con
éstos estriba en la imposibilidad de asignar
aleatoriamente los sujetos a las condiciones
experimentales.
Podrían calificarse de adaptaciones más o menos
ingeniosas de los experimentos verdaderos, con el
objetivo de separar los efectos debidos a la intervención,
de aquellos provocados por las variables no controladas.

29. 3.1 Modelo cuantitativo
Pasos para un experimento.
1. Decidir cuántas variables independientes y dependientes deberán incluirse.
2. Elegir los niveles o modalidades de manipulación de las variables
independientes y traducirlos en tratamientos experimentales.
3. Desarrollar el instrumento o instrumentos para medir las variables
dependientes.
4. Seleccionar una muestra de casos o personas del tipo o perfil que nos
interesa.
5. En el caso de que sean individuos, reclutarlos. Las personas deben sentirse
motivadas para participar.

30. 3.1 Modelo cuantitativo
Diseños no experimentales
¿Qué es una investigación No experimental?
Como su nombre lo indica, una investigación no experimental es un tipo de
pesquisa que no extrae sus conclusiones definitivas o sus datos de trabajo a
través de una serie de acciones y reacciones reproducibles, en un ambiente
controlado para obtener resultados interpretables, es decir: a través de
experimentos. No por ello, claro está, deja de ser una investigación seria,
documentada y rigurosa en sus métodos.
Son investigaciones cuantitativas con diseños metodológicos que no manipulan ni
controlan variables de estudio. Se enfocan en la observación pasiva de fenómenos
que se desarrollan en sus ambientes naturales, sin la intervención del
investigador. Al tratarse de estudios con enfoques cuantitativos, si hay un análisis
numérico de los datos, pero estos se obtienen por observación y, posteriormente,
se hace la interpretación de los mismos.

31. 3.1 Modelo cuantitativo
Diseños no experimentales

32. 3.1 Modelo cuantitativo
Diseños no experimentales: tipos
Diseño Transversal o Transeccional o Prevalencia.
Definición: Es un tipo de estudio observacional y descriptivo que tiene como
función recoger datos de una población en UN MOMENTO PUNTUAL DEL
TIEMPO, teniendo en cuenta:
- Prevalencia.
- Efecto de la población.
- Magnitud de la exposición.

33. 3.1 Modelo cuantitativo
Diseños no experimentales: Descriptivos
-- Son aquellas que se observan y describen las características que
presenta una variable.
-- Presentan un panorama del estado de la variable en un momento
determinado.
EJEMPLO:
*** Depresión postparto de una Institución del Estado de Puebla.
*** Autocuidado en pacientes.

34. 3.1 Modelo cuantitativo
Diseños no experimentales: Correlacionales
-- Son aquellas de describen relaciones entre dos o mas variables en
un momento determinando.
-- Cuando se establecen relaciones de causales son explicativos, ya
que las causas y efectos ya ocurrieron en la realidad y el
investigador las observa y las reporta.
EJEMPLO:
*** Depresión y Recuperación en pacientes de una Institución del
Estado de Puebla.
*** Autocuidado y Asertividad en los pacientes.

35. 3.1 Modelo cuantitativo
Diseños no experimentales: Longitudinales
-- DISEÑOS LONGITUDINALES DE TENDENCIA:
-- Son aquellas que analizan cambios a través del tiempo dentro de
alguna población en general.
-- La característica distintiva de este diseño es que la atención se
centra en una población.
-- Se representa de la siguiente manera:
Medición en
una
Población
Medición
en una
Población
Medición
en una
Población
Medición
en una
Población
Tiempo 1 Tiempo 2 Tiempo 3 Tiempo 4

36. 3.1 Modelo cuantitativo
Diseños no experimentales: Longitudinales
DISEÑOS LONGITUDINALES DE EVOLUCION DE GRUPO O DE
COHORTE:
-- Son aquellas que describen relaciones entre dos o más variables
en un momento determinado.
-- La característica distintiva de este diseño es que su atención son
los cohortes o grupos de individuos vinculados de alguna manera,
generalmente la edad, grupos de edad.
-- En los diseños de tendencia y de cohorte se estudia el cambio en
subpoblaciones o poblaciones pero debido a que en cada momento
o tiempo se mide una muestra diferente aunque equivalente, el
cambio se evalúa colectivamente y no de manera individual.

37. 3.1 Modelo cuantitativo
Diseños no experimentales: Longitudinales
DISEÑOS LONGITUDINALES DE EVOLUCION DE GRUPO O DE
COHORTE:
A A A B A
B B C D C D
C D E F E F
D E G H H
Tiempo 1 Tiempo 2 Tiempo 1 Tiempo 2
Población de
Profesores
Población de
Profesores
Sub Población de
personas que
nacieron en 1990
Sub Población de
personas que
nacieron en 1990

38. 3.1 Modelo cuantitativo
Diseños no experimentales: Longitudinales
DISEÑOS LONGITUDINALES DE PANEL:
-- Son aquellas en donde el mismo grupo de sujetos son medidos en
todos los tiempos o momentos.
-- La característica distintiva de este diseño es que además de
conocer el cambio de manera grupal también se conoce el cambio
de manera individual.
-- Sin embargo resulta muy difícil obtener exactamente a los mismos
sujetos para una segunda medición u observaciones siguientes.
Arturo R. Arturo R. Arturo R.
Javer P. Javer P. Javer P.
Roxana V. Roxana V. Roxana V.
Jennifer H. Jennifer H. Jennifer H.
Ricardo F. Ricardo F. Ricardo F.
Tiempo 1 Tiempo 2 Tiempo 3

39. 3.1 Modelo cuantitativo
Construcción de cuestionarios y escalas
Es un conjunto congruente coherente de preguntas diseñado para
obtener información necesaria para poder realizar una
investigación. Sus funciones son:
Dado que su diseño considera: ordenación, estructura, y aspecto
para ser acertado, el cuestionario es una herramienta que
contribuye a que los sujetos proporcionen información requerida.
Homogeniza la obtención de información, dado que los encuestados
responden a una misma batería de preguntas, ya que está diseñado
en su formulación para aplicarse a todos por igual.

40. 3.1 Modelo cuantitativo
Construcción de cuestionarios y escalas
Traslada el objetivo de la investigación a preguntas concretas
respondidas por el sujeto encuestado, por lo que es un instrumento
eficaz para que el tratamiento de los datos sea rápido y efectivo
particularmente en sistemas informáticos de soporte.
Los cuestionarios cerrados utilizan escalas para medir la variable
deseada.

41. 3.1 Modelo cuantitativo
Construcción de cuestionarios y escalas
Un buen cuestionario deberá:
1. Estar acompañado de una carta de invitación a participar y
de consentimiento informado
2. Seleccionar a la muestra de forma estadística
3. Ser anónimo
4. Ser claro
5. No tomar más de 10 minutos
6. Usar preguntas cerradas (de preferencia)
7. Diseño y presentación atractivo

42. 3.1 Modelo cuantitativo
Tipos de preguntas:
Abiertas: El encuestado responde libremente. Permiten conocer
opiniones, pero es difícil analizarlas. Se debe considerar a la
población objetivo.
Cerradas: Se dan opciones de respuesta. No profundizan en los
temas. Son más sencillas de contestar.
Semicerradas: Se dan opciones de respuesta cerrada y una opción
abierta. Se utiliza cuando se sabe que existen unas pocas
modalidades que contienen la mayor parte de las respuestas, pero
se desea una informacion exhaustiva. Así, se obtiene esta con un
coste menor que el correspondiente a las preguntas abiertas.

43. 3.1 Modelo cuantitativo
Escalas
A partir de un cuestionario se puede obtener una escala.
Las escalas permiten asignar valores numéricos a variables
cualitativas.

44. 3.1 Modelo cuantitativo
Escalas

45. 3.1 Modelo cuantitativo
Escalas: propiedades
Orden: secuencia . Ejemplo: 1kg, 2kg, 3kg, etc.
Distancia: Diferencia entre los números. Ejemplo entre 20°C y 25°C
hay una diferencia de 5°C.
Origen: Punto de donde surgen los demás valores. Usualmente es
el cero. Ejemplo: Edad

46. 3.1 Modelo cuantitativo
Escalas: Primarias
Escalas nominales:
Son las más “libres”. No tienen orden, distancia ni origen.
Miden valores cualitativos.
Identifican objetos
Los números identifican categorías.
No tienen magnitud
No miden relación

47. 3.1 Modelo cuantitativo
Escalas: Primarias
Escalas nominales:
Ejemplos:
Género
Profesión
Nivel de estudios…
Usos:
Identificar cuestionarios/perfiles
Variables ilustrativas
Estudios de segmentación

48. 3.1 Modelo cuantitativo
Escalas: Primarias
Escalas nominales:
Análisis estadístico:
No hay operaciones matemáticas
Análisis cualitativo
Frecuencias
Porcentajes
Gráficos

49. 3.1 Modelo cuantitativo
Escalas: Primarias
Escalas ordinales
Solo indican posiciones relativas. Tienen orden, pero no distancia ni
origen. No hay relación de proporcionalidad. Usadas para medir
preferencias, calidad, percepciones.
Orden de preferencias
Los valores tienen orden
No tienen magnitud
No miden relación

50. 3.1 Modelo cuantitativo
Escalas: Primarias
Escalas ordinales:
Ejemplos:
Preferencia por una marca
Usos:
Identificar preferencias
Similitudes
Diferencias
Posicionamiento

51. 3.1 Modelo cuantitativo
Escalas: Primarias
Escalas ordinales:
Análisis estadístico:
Métodos no paramétricos
Correlaciones
ANOVA por rangos
Percentiles
Medianas

52. 3.1 Modelo cuantitativo
Escalas: Primarias
Escalas métricas de intervalo:
En éstas, los números sirven para medir las diferencias entre los
objetos, de forma que las distancias en la escala representan las
mismas distancias en valoración de esos objetos, como sucede con
las temperaturas. Estas escalas miden la distancia entre dos
números. Estas escalas tienen las propiedades de orden y distancia,
pero el cero es arbitrario
Distancia entre objetos
Los valores tienen orden y magnitud
El cero no es origen y es arbitrario

53. 3.1 Modelo cuantitativo
Escalas: Primarias
Escalas métricas de intervalo:
Ejemplos:
Temperatura
Usos:
Estudios de actitudes
Estudios de opinión.

54. 3.1 Modelo cuantitativo
Escalas: Primarias
Escalas métricas de intervalo:
Análisis estadístico:
Correlaciones
Contrastes de hipótesis
Análisis de la varianza
Análisis factorial

55. 3.1 Modelo cuantitativo
Escalas: Primarias
Escalas métricas continuas:
Tienen las propiedades de orden, distancia y origen. Se asignan
valoraciones a algún objeto de forma que esa valoración tenga las
propiedades de origen, distancia y orden. Por ejemplo, se podría pedir
que se valorara de 0 a 5 la calidad de un producto, entendiendo que 0 es
la peor calidad y 5 la mejor.
Sirven para hacer comparaciones absolutas de magnitudes
Los valores numéricos muestran origen.
Orden y distancia
Los intervalos son iguales
El cero indica ausencia de magnitud

56. 3.1 Modelo cuantitativo
Escalas: Primarias
Escalas métricas de intervalo:
Ejemplos:
Edad
Peso
Usos:
Estudios de imagen
Estudios de segmentación.
Estudios de posicionamiento.

57. 3.1 Modelo cuantitativo
Escalas: Primarias
Escalas métricas de intervalo:
Análisis estadístico:
Cualquiera

58. 3.1 Modelo cuantitativo
Escalas: Comparativas
Permiten comparar.
Tipos:
1. De suma constante: Se reparte una puntación entre
ciertos atributos.
2. Jerarquizadas: Establece un orden de preferencias.
3. Por pares: Se elige uno de dos objetos que se presentan
secuencialmente.

59. 3.1 Modelo cuantitativo
Escalas: Comparativas
Permiten comparar.
Tipos:
4. De asociación: Se relacionan atributos de diferentes
conjuntos. Posteriormente, se analizan las frecuencias.

60. 3.1 Modelo cuantitativo
Escalas: No comparativas
Tipos:
1. Likert: Consiste en formular proposiciones relativas a una serie
de atributos de un objeto y que el entrevistado exprese su grado de
acuerdo o desacuerdo en una escala de varias categorías , que pueden
ser 3, 5, 7, 9 u 11. Cada categoría se puntúa con un número que se le
asigna.

61. 3.1 Modelo cuantitativo
Escalas: No comparativas
Tipos:
2. Diferencial semántico: El criterio no viene definido por una
proposición, para la que se indican los grados de acuerdo o desacuerdo,
sino por categorías opuestas de una dimensión. En el ejemplo que figura
a continuación se consideran algunas dimensiones de unos motores,
como el diseño, el consumo, la fiabilidad, el ruido, etc. Quien responda a
la escala, debe manifestar una tendencia hacia las categorías opuestas de
la dimensión considerada.

62. 3.1 Modelo cuantitativo
Escalas: Itemizadas
No comparativas, se caracterizan por contener varias afirmaciones
relativas a un objeto que deben ser asociadas.
Miden conceptos complejos; por ejemplo, la calidad. Pero los
conceptos pueden tener varias dimensiones. La calidad se mide a
través de elementos tangibles, como: el aspecto de las personas,
de las instalaciones o de los materiales que se emplean. Otras
dimensiones de la calidad son: la capacidad de respuesta, la
empatía, la seguridad, la fiabilidad o la cortesía. Una escala multi-
ítem recoge las distontas dimensiones del concepto que se
pretende medir con la escala. Las razones que aconsejan emplear
escalas itemizadas son la fiabilidad de las mediciones y la precisión
cuando los conceptos son complejos

63. 3.3 Modelo cuantitativo
Escalas: Itemizadas

64. 3.5 Modelo cuantitativo
Diseño de muestras.
La población o universo es el conjunto TOTAL de entidades que
poseen la característica (variable) que se desea analizar. Por ejemplo
los pacientes con insuficiencia renal crónica en hemodiálisis, sería
una población diana; o las enfermeras/os de las unidades
nefrológicas sería otra población diana.
En algunos casos la población es demasiado grande, y el
investigador no puede recabar datos de cada uno de sus
integrantes. Para ello, se emplea la MUESTRA.

65. 3.5 Modelo cuantitativo
Diseño de muestras.
La muestra es la representación del grupo de población a estudiar. Es
un subconjunto seleccionado de forma que sea representativo de la
población. La mejor manera de asegurar que las inferencias serán
válidas, es utilizar una técnica de muestreo probabilístico.
Muestreo probabilístico. Se denomina así porque todos los sujetos
de la población han tenido las mismas oportunidades de estar
representados en la muestra (esto es lo que significa aleatoriedad).
Dentro de este tipo de muestreo podemos realizar:
- Muestreo aleatorio simple.
- Muestreo aleatorio estructurado.
- Muestreo sistemático.

66. 3.5 Modelo cuantitativo
Diseño de muestras.
Muestreo no probabilístico. En este tipo de muestreo no todos
los sujetos de la muestra han tenido oportunidad de estar
representados. Es por tanto, menos fiable que el muestreo
aleatorio. Este tipo de muestreo puede, a su vez ser:
- Muestreo accidental o de conveniencia.
- Muestreo por cuotas.

67. 3.5 Modelo cuantitativo
Diseño de muestras: condiciones
Homogeneidad, la muestra debe contener un número
suficiente de unidades, y estas, ser lo más homogéneas
posible, lo cual, a veces, es difícil.
-Representatividad, la muestra debe representar en gran
medida a toda la población, lo cual le puede restar
homogeneidad. Debe buscarse, por tanto, una muestra donde
homogeneidad y representatividad deben guardar un
equilibrio.

68. 3.5 Modelo cuantitativo
Diseño de muestras: condiciones
Esto se consigue mediante los criterios de INCLUSIÓN Y
EXCLUSIÓN de los sujetos de la muestra.
Tamaño de la muestra. Establecer el tamaño de la muestra es
un proceso complejo. De hecho existen programas
informáticos específicos dedicados exclusivamente al cálculo
del tamaño muestral. En cualquier caso siempre debemos
tener en cuenta que en poblaciones grandes hay que tomar la
muestra mínima sin perder información del resto (intervalos
de confianza). En ciencias de la salud, una muestra
considerable de individuos son treinta (n>30).

69. 3.5 Modelo cuantitativo
Diseño de muestras: Tamaño
Determinar el tamaño de la muestra que se va a seleccionar es
un paso importante en cualquier estudio de investigación, se
debe justificar convenientemente de acuerdo al
planteamiento del problema, la población, los objetivos y el
propósito de la investigación.
Antes de calcular el tamaño de la muestra necesitamos
determinar varias cosas:
Margen de error (intervalo de confianza). El margen de error
es una estadística que expresa la cantidad de error de
muestreo aleatorio en los resultados.
El valor tolerable de mayor
aceptación en la comunidad
científica va de 0.1 a 0.2.

70. 3.5 Modelo cuantitativo
Diseño de muestras: Tamaño
Nivel de confianza. Son intervalos aleatorios que se usan para
acotar un valor con una determinada probabilidad alta. Por
ejemplo, un intervalo de confianza de 95% significa que los
resultados de una acción probablemente cubrirán las
expectativas el 95% de las veces.

71. 3.5 Modelo cuantitativo
Diseño de muestras: Tamaño
CÁLCULO DEL TAMAÑO DE LA MUESTRA DESCONOCIENDO EL TAMAÑO DE
LA POBLACIÓN (INFINITA), CUANDO LA VARIABLE PRINCIPAL ES DE TIPO
CUALITATIVO.
La fórmula para calcular el tamaño de muestra cuando se desconoce el
tamaño de la población es la siguiente:
En donde, Z= nivel de confianza; p= proporción esperada; q= proporción de
no presentar ‘p’ (1-p); d= precisión (error máximo admisible en términos de
proporción).
Cuando no se conoce la proporción esperada se asume 0.5 para cada uno,
puesto que corresponde a los valores que dan la máxima valorabilidad en el
producto de ‘p’ o ‘q’.

72. 3.5 Modelo cuantitativo
Diseño de muestras: Tamaño
CÁLCULO DEL TAMAÑO DE LA MUESTRA CONOCIENDO EL TAMAÑO DE LA
POBLACIÓN, VARIABLE PRINCIPAL ES DE TIPO CUALITATIVO
La fórmula para calcular el tamaño de muestra cuando se conoce el tamaño
de la población es la siguiente:
En donde, N= tamaño de la población; Z= nivel de confianza; p= proporción
esperada; q= proporción de no presentar ‘p’ (1-p); d= precisión (error
máximo admisible en términos de proporción).

73. 3.5 Modelo cuantitativo
Diseño de muestras:
La muestra debe seguir los criterios de INCLUSIÓN, EXCLUSIÓN Y
ELIMINACIÓN.
INCLUSIÓN: Razones por las que un elemento es parte de la población de
estudio.
EXCLUSIÓN: Motivos por los que un miembro de la población no será
incluido en el estudio. Características por las que un elemento no es parte
de la población de estudio.
ELIMINACIÓN: Motivos por los que un miembro del estudio debe ser
descartado. Dicha característica es presentada a lo largo del estudio.

74. 3.5 Modelo cuantitativo
Diseño de muestras:
La población y la muestra deben estar delimitadas TEMPORAL Y
ESPACIALMENTE.

75. 3.5 Modelo cuantitativo
Análisis cuantitativo de los datos.
Se precisa clasificar y organizar los datos.
A partir de esto se pueden obtener las medidas de tendencia central
MEDIA: el promedio
MEDIANA: el valor que queda al centro al ajustar los datos en una
línea.
MODA: valor más recurrente

76. 3.5 Modelo cuantitativo
Análisis cuantitativo de los datos.
Posteriormente se puede realizar la ESTADÍSTICA.
- Estadística descriptiva: aparición de frecuencias para variables
cualitativas, mediana, media, moda y desviación estándar o típica para
variables.
- Estadística inferencial: pruebas de significación o de contraste de
hipótesis.

77. 3.5 Modelo cuantitativo
Análisis cuantitativo de los datos.
- Estadística paramétrica: Poblaciones normales (gaussianas)
- Estadística no paramétrica: poblaciones no normales (no gaussianas)

78. 3.5 Modelo cuantitativo
Análisis cuantitativo de los datos.
NIVEL CRÍTICO ó P-VALOR: Es un valor de contraste. ¿Y eso que es? El valor
que vas a mirar para decidir si tu hipótesis de investigación es cierta o no. Es
un número que te va a dar el test estadístico para ver si te puedes quedar
con la hipótesis de investigación o no.
NIVEL DE SIGNIFICACIÓN (ALFA): El criterio más típico es 0.05 (5%).
CONCLUSIÓN:
p<0.05, rechazas la hipótesis nula y te quedas con la hipótesis de
investigación.
p>0.05, NO puedes rechazar la hipótesis nula y NO puedes demostrar que la
hipótesis del investigador sea cierta. (NUNCA decir que la H0 es cierta, sino
que no la podemos rechazar).

79. 3.5 Modelo cuantitativo
Análisis cuantitativo de los datos.

80. 3.5 Modelo cuantitativo
Análisis cuantitativo de los datos.
Software

81. TEMA 1