SlideShare una empresa de Scribd logo
4. PROCESAMIENTO DE DATOS
4. PROCESAMIENTO DE DATOS CONCEPTO En el procesamiento de datos consiste en convertir los datos en bruto del instrumento de recolección y datos en una forma legible por el computador. Luego podemos hacer uso de procedimiento computarizado de análisis de datos para extraer la información de los datos.
4.1 DISTINGIR ENTRE LOS CONCEPTOS BASICOS DEL PROCESAMIENTO DE DATOS CASO: 	Un caso es una unidad especifica de análisis para el estudio. Con bastante frecuencia, la unidad de análisis es el encuestado de un cuestionario, por tanto, cada encuestado se considera un caso y el numero total de casos es igual al tamaño de la muestra 4.1.1 distinguir el caso
4.1 DISTINGIR ENTRE LOS CONCEPTOS BASICOS DEL PROCESAMIENTO DE DATOS 4.1.2 Definir representación computarizada de los datos Los datos suministrados por un instrumento de investigación deben convertirse a una forma legible por el computador.  La tarjeta del computador es un instrumento básico utilizado para la investigación .
4.1 DISTINGIR ENTRE LOS CONCEPTOS BASICOS DEL PROCESAMIENTO DE DATOS 4.1.3 Definir paquete de datos El paquete de datos esta compuesta por todas las tarjetas del computador necesarias para representar los datos que aparecen en todos los cuestionarios. El paquete de datos es lo que alimenta al computados
Por ejemplo:  	si hubiéramos utilizado un cuestionario que utilizara tres tarjetas para representar los datos que aparecen en este y tuviéramos un tamaño muestra de 400, tendríamos 3 x 400= 1200 tarjetas en nuestro paquete de datos
4.1 DISTINGIR ENTRE LOS CONCEPTOS BASICOS DEL PROCESAMIENTO DE DATOS 4.1.4 almacenamiento de datos  Una vez que los datos se han ingresado al computador, el investigador pueden utilizar las capacidades del computador para almacenar los datos del paquete en una USB y así de esta manera evitan los problemas que se presentarían si se eliminarse o perdiese el paquete de datos.
4.1 DISTINGIR ENTRE LOS CONCEPTOS BASICOS DEL PROCESAMIENTO DE DATOS 4.1.5 definir la matriz de datos Disposición de almacenamiento de datos con nfilas y mcolumnas, donde el numero de filas es igual numero de casos y el numero de columnas es igual al numero de variables
4.2 IDENTIFICAR EL FLUJO DEL PROCESAMIENTO DE LOS DATOS Y SUS COMPONENTES PRINCIPALES  4.2.1 Decisión sobre si se debe utilizar o no  el instrumento de recolección de datos para el análisis Al recibir un instrumento de recolección de datos de campo, el investigador debe examinarlo para determinar si es aceptable o no para utilizarlo en el estudio. Los criterios exactos para juzgar un instrumento como no aceptable varían de un estudio a otro, pero lo que se enumeran a continuación son característicos:
Una parte significativa del instrumento se deja sin contestar, o los elementos claves se dejan sin respuestas Es claro, con base en las respuestas dadas, que el encuestado no comprendió la tarea requerida al completar el instrumento . La respuesta muestra poca varianza. Por ejemplo, la respuesta a unas series de preguntas de actitud son todas 3 en una escala de 7 puntos. Esto es evidencia que el encuestado no esta tomando la tarea con seriedad
4. Un elemento equivocado de la muestra a completado el instrumento. Por ejemplo, el estudio exige  que el encuestado sea mujeres que trabajan, y un hombre a completado el instrumento. 5.	El instrumento esta físicamente incompleto. Por ejemplo, es posible que no se haya incluido una pagina o que esta se haya eliminado en el campo. 6.	El instrumento se recibe después de una fecha de corte establecida. Si se espera que todos los instrumento se devuelvan del campo, es probable que el estudio no se complete a tiempo
Edición significa revisar los instrumentos de recolección de datos para asegurar la máxima exactitud y mínima ambigüedad . Es importan que la edición se realice en forma consistente. Al realizar la función de edición, editor debería ocuparse de las aéreas que describen a continuación 4.2 IDENTIFICAR EL FLUJO DEL PROCESAMIENTO DE LOS DATOS Y SUS COMPONENTES PRINCIPALES  4.2.2  Edición
Legibilidad: para que posteriormente se codifiquen en forma apropiada, los datos deben ser legibles. El editor elimina la ambigüedad de los datos registrados, de manera que el codificador sepa exactamente qué hacer.
2.- Integridad: las preguntas que no se contestaron pueden tratarse de tres formas. El Primero, el editor puede contactar al entrevistador para tratar de determinar si el encuestado no respondió la pregunta o si el entrevistador simplemente no registro la pregunta. El segundo enfoque consiste en clasificar este dato en particular como faltante  El tercero si el editor considerara que faltan demasiados elementos de datos, puede volver a enviar todo el instrumento al campo o eliminarlo del estudio.
Consistencia: en este punto se hace una verificación sobre la consistencia de los datos. (posteriormente, el computador realizara una verificación mas detallada)  Por ejemplo, el editor podría verificar que los encuetados que afirman que comprar gasolina con tarjera de crédito, si tengan tarjeta de crédito.
Exactitud : el editor necesita estar atento a cualquier evidencia de inexactitud en los datos. En este caso, el área mas importante se relaciona con el posible sesgo o trampa del entrevistador.
Clasificación de respuesta:  Algunas veces las respuestas a preguntas abiertas son difícil de interpretar a claridad. Es posibles que las palabras de las personas que registra las respuestas hayan abreviado demasiado las respuestas o que unas palabras sean ambiguas. El riesgo de error es algo ambos casos. Obviamente, un buen trabajo de campo inicial puede editar que surjan muchos problemas
4.2 IDENTIFICAR EL FLUJO DEL PROCESAMIENTO DE LOS DATOS Y SUS COMPONENTES PRINCIPALES  4.2.3 Codificación  La codificación comprende la asignación de un símbolo  numérico a un determinada columna de la hoja de calculo, o columnas del archivo ASCII para representar una respuesta especifica de un instrumento de recolección  de datos
Preguntas de respuestas cerrada y abierta  Para preguntas estructuradas o de respuesta cerrada, usualmente el esquema de codificación se especifica antes de emprender el trabajo de campo.  	Por ejemplo, una clasificación por sexo pueden aparecer en el instrumento como:  31 ¿Cuál es su sexo? 1 2 Femenino  masculino
El detalle del esquema de codificaciones necesita estar documentado, y esta documentación se coloca en lo que se llama libro de códigos.  Libros de códigos:  	Un libro de códigos es el lugar donde se documenta toda la información necesaria acerca de las variables en el conjunto de datos.
Las hojas de codificación terminadas se entregan al personal para su ingreso al computador; ellos ingresan los números exactos que aparecen en las hojas en un archivo ASCII del computador. Luego el archivo ésta listo para ser convertido en una hoja de calculo o matriz de datos. 4.2 IDENTIFICAR EL FLUJO DEL PROCESAMIENTO DE LOS DATOS Y SUS COMPONENTES PRINCIPALES  4.2.4 ingreso de datos al computador y verificación
El archivo de datos debe de introducirse en el computador de una manera tal que lo puedan utilizar los programas computacionales de análisis de datos. La mayoría de los programas con mayor probabilidad de uso por parte de un investigador están contenidos dentro de un paquete de programas. Los datos de hoja de calculo pueden ser la información generada por los archivos ASCII legibles para la mayoría de los paquetes estadísticos. 4.2 IDENTIFICAR EL FLUJO DEL PROCESAMIENTO DE LOS DATOS Y SUS COMPONENTES PRINCIPALES  4.2.5 conversión del paquete de datos a una 	forma legible para el computador
4.2 IDENTIFICAR EL FLUJO DEL PROCESAMIENTO DE LOS DATOS Y SUS COMPONENTES PRINCIPALES  4.2.6  Depuración del conjunto de datos Ahora ya tenemos un conjunto de datos estructurado como un archivo de computador, pero aún debemos tratar de depurar el conjunto de datos de posibles errores. Se realizan tres tipos de verificaciones en el conjunto de datos y son:  verificación de códigos normales Verificación de consistencia Verificación de caso extremo
Verificación de códigos normales: 	los primeros elementos que deseamos eliminar de nuestro conjunto de datos son llamados códigos normales, es decir los que no están definidos en el libro de códigos para una determinada variable. Verificación de consistencia: 	este consiste en verificar la consistencia de las respuestas dentro de cada caso. 	Por ejemplo: podríamos verificar si los encuestados que tiene hipoteca, también son propietarios de una casa. Existen dos tipos de V.C: de una entre y de dos entradas. Una situación de consistencia de una entrada, A es verdadero si B es verdadero, pero el inverso no tiene que ser verdadero. Y el de dos entradas seria A es verdadero si y solo si B es verdadero y viceversa
Verificación de casa extremo: 	este se define como una respuesta de una variable, que esta muy por fuera de lo común. 	 Por ejemplo, un puntaje SAT registrado como 976 en el archivo de datos puede ser sustancialmente alto que todos los demás puntajes. Podemos ordenarle al computador que imprima del total de casos los números de casos con puntajes SAT por encima de 775. Luego verificaríamos si estos puntajes fueron los correctos.
Una ves depurado el conjunto de datos originalmente codificado, podemos agregar nuevas variables a este conjunto de datos que se utilizará posteriormente en el análisis. Existen varias circunstancias en las cuales podrían generase nuevas variables: 4.2 IDENTIFICAR EL FLUJO DEL PROCESAMIENTO DE LOS DATOS Y SUS COMPONENTES PRINCIPALES  4.2.7generación de nuevas variables
Es posible que queremos agregar datos no recolectados en la entrevista. Por ejemplo, es probable que queramos introducir información de un censo sobre el área en el cual vive un encuestado. Es posible que queramos dividir una variable de intervalo, como ingreso, en categorías o que queramos combinar las categorías de algunas variables para que nos dé una variable con menos categoría.
 3. Es posible que queramos formar una variable que se defina mediante combinaciones de otras variables. Por ejemplo, la variable “la etapa del ciclo de vida de la familia” se forma utilizando edad, estado, civil, presencia de hijos, etc.  4. Es posible que queramos crear un índice para representar un número de variables. Por ejemplo, podemos simplemente agregar un conjunto de medias a escala acerca de un producto para formar un índice relacionado con el interés en el producto.
4.2 IDENTIFICAR EL FLUJO DEL PROCESAMIENTO DE LOS DATOS Y SUS COMPONENTES PRINCIPALES  4.2.8 Ponderación de datos Saber la ponderación de los datos de acuerdo con el plan de muestreo, o debido a resultados muéstrales inesperados. Le ordenamos al computador que asigne las ponderaciones apropiadas a los casos
Ya que tenemos a un grupo de datos completamente preparado para el análisis. Por lo general se almacena en un disquete o USB y aparte se tiene un respaldo de la información para así poderla guardar en un lugar seguro. Ahora estamos listos para hacer el análisis de datos ó información 4.2 IDENTIFICAR EL FLUJO DEL PROCESAMIENTO DE LOS DATOS Y SUS COMPONENTES PRINCIPALES  4.2.9 Almacenamiento del grupo de datos
1 Examinar un instrumento de recolección de datos ¿ Es aceptable para usar? Eliminar o regresar al campo No Si Editar los instrumentos aceptables Codificar los instrumentos Ingresar al computador y verificar Convertir el archivo de datos a una forma legible por el software para el análisis Depurar el conjunto de datos ,[object Object]

Más contenido relacionado

La actualidad más candente

Diseño de las entradas y controles del sistema
Diseño de las entradas y controles del sistemaDiseño de las entradas y controles del sistema
Diseño de las entradas y controles del sistema
Fernando Kano
 
Fundamentos del análisis orientado a objetos
Fundamentos del análisis orientado a objetosFundamentos del análisis orientado a objetos
Fundamentos del análisis orientado a objetos
Eduardo Galindo
 
Diseño de entradas para sistemas de información
Diseño de entradas para sistemas de informaciónDiseño de entradas para sistemas de información
Diseño de entradas para sistemas de información
Yaskelly Yedra
 
Diccionario de datos
Diccionario de datosDiccionario de datos
Diccionario de datos
Angela Inciarte
 
95878125 sitema-de-farmacia
95878125 sitema-de-farmacia95878125 sitema-de-farmacia
95878125 sitema-de-farmacia
Zuri At
 
Diseño de Archivos y Bases de Datos
Diseño de Archivos y Bases de DatosDiseño de Archivos y Bases de Datos
Diseño de Archivos y Bases de Datos
Victor Reyes
 
DISEÑO DE SALIDA DE SISTEMAS
DISEÑO DE SALIDA DE SISTEMAS DISEÑO DE SALIDA DE SISTEMAS
DISEÑO DE SALIDA DE SISTEMAS
passodobles115
 
Tipos de bases de datos
Tipos de bases de datosTipos de bases de datos
Tipos de bases de datos
Edith Fernandez
 
Oc
OcOc
Diseño físico y lógico de los sistemas de informacion
Diseño físico y lógico de los sistemas de informacionDiseño físico y lógico de los sistemas de informacion
Diseño físico y lógico de los sistemas de informacion
YESENIA CETINA
 
Analisis estructurado
Analisis estructuradoAnalisis estructurado
Analisis estructurado
kvillazon
 
Sistema de Archivos
Sistema de ArchivosSistema de Archivos
Sistema de Archivos
Stefano Salvatori
 
Procedimientos Almacenados
Procedimientos AlmacenadosProcedimientos Almacenados
Procedimientos Almacenados
iluijo
 
Sistemas de informacion
Sistemas de informacionSistemas de informacion
Data, Informasi, dan Pengetahuan
Data, Informasi, dan PengetahuanData, Informasi, dan Pengetahuan
Data, Informasi, dan Pengetahuan
Sinath Sabado
 
Diccionario de datos en los sistemas de información
Diccionario de datos en los sistemas de informaciónDiccionario de datos en los sistemas de información
Diccionario de datos en los sistemas de información
Yaskelly Yedra
 
Spotfire
SpotfireSpotfire
Diseño de una entrada Eficaz (Analisis y diseño)
Diseño de una entrada Eficaz (Analisis y diseño)Diseño de una entrada Eficaz (Analisis y diseño)
Diseño de una entrada Eficaz (Analisis y diseño)
ĦecŦor Rxmiirez
 
Diseño de salidas para sistemas de información
Diseño de salidas para sistemas de informaciónDiseño de salidas para sistemas de información
Diseño de salidas para sistemas de información
Yaskelly Yedra
 
Enfoques de desarrollo de sw
Enfoques de desarrollo de swEnfoques de desarrollo de sw
Enfoques de desarrollo de sw
WalterJes
 

La actualidad más candente (20)

Diseño de las entradas y controles del sistema
Diseño de las entradas y controles del sistemaDiseño de las entradas y controles del sistema
Diseño de las entradas y controles del sistema
 
Fundamentos del análisis orientado a objetos
Fundamentos del análisis orientado a objetosFundamentos del análisis orientado a objetos
Fundamentos del análisis orientado a objetos
 
Diseño de entradas para sistemas de información
Diseño de entradas para sistemas de informaciónDiseño de entradas para sistemas de información
Diseño de entradas para sistemas de información
 
Diccionario de datos
Diccionario de datosDiccionario de datos
Diccionario de datos
 
95878125 sitema-de-farmacia
95878125 sitema-de-farmacia95878125 sitema-de-farmacia
95878125 sitema-de-farmacia
 
Diseño de Archivos y Bases de Datos
Diseño de Archivos y Bases de DatosDiseño de Archivos y Bases de Datos
Diseño de Archivos y Bases de Datos
 
DISEÑO DE SALIDA DE SISTEMAS
DISEÑO DE SALIDA DE SISTEMAS DISEÑO DE SALIDA DE SISTEMAS
DISEÑO DE SALIDA DE SISTEMAS
 
Tipos de bases de datos
Tipos de bases de datosTipos de bases de datos
Tipos de bases de datos
 
Oc
OcOc
Oc
 
Diseño físico y lógico de los sistemas de informacion
Diseño físico y lógico de los sistemas de informacionDiseño físico y lógico de los sistemas de informacion
Diseño físico y lógico de los sistemas de informacion
 
Analisis estructurado
Analisis estructuradoAnalisis estructurado
Analisis estructurado
 
Sistema de Archivos
Sistema de ArchivosSistema de Archivos
Sistema de Archivos
 
Procedimientos Almacenados
Procedimientos AlmacenadosProcedimientos Almacenados
Procedimientos Almacenados
 
Sistemas de informacion
Sistemas de informacionSistemas de informacion
Sistemas de informacion
 
Data, Informasi, dan Pengetahuan
Data, Informasi, dan PengetahuanData, Informasi, dan Pengetahuan
Data, Informasi, dan Pengetahuan
 
Diccionario de datos en los sistemas de información
Diccionario de datos en los sistemas de informaciónDiccionario de datos en los sistemas de información
Diccionario de datos en los sistemas de información
 
Spotfire
SpotfireSpotfire
Spotfire
 
Diseño de una entrada Eficaz (Analisis y diseño)
Diseño de una entrada Eficaz (Analisis y diseño)Diseño de una entrada Eficaz (Analisis y diseño)
Diseño de una entrada Eficaz (Analisis y diseño)
 
Diseño de salidas para sistemas de información
Diseño de salidas para sistemas de informaciónDiseño de salidas para sistemas de información
Diseño de salidas para sistemas de información
 
Enfoques de desarrollo de sw
Enfoques de desarrollo de swEnfoques de desarrollo de sw
Enfoques de desarrollo de sw
 

Destacado

Procesamiento de datos
Procesamiento de datosProcesamiento de datos
Procesamiento de datos
lady
 
Sistemas de información externo
Sistemas de información externoSistemas de información externo
Sistemas de información externo
cotiherrejon
 
Unidad 2 Sistemas de Informacion de la Mercadotecnia
Unidad 2 Sistemas de Informacion de la MercadotecniaUnidad 2 Sistemas de Informacion de la Mercadotecnia
Unidad 2 Sistemas de Informacion de la Mercadotecnia
Lupita Maritza Villaseñor
 
Tipos de procesamiento de datos
Tipos de procesamiento de datosTipos de procesamiento de datos
Tipos de procesamiento de datos
Yaheinis Maria Marzola Rodriguez
 
Módulo 6: Procesamiento de datos - Investigación de Mercado - Instituto ISIV
 Módulo 6: Procesamiento de datos - Investigación de Mercado - Instituto ISIV Módulo 6: Procesamiento de datos - Investigación de Mercado - Instituto ISIV
Módulo 6: Procesamiento de datos - Investigación de Mercado - Instituto ISIV
ISIV - Educación a Distancia
 
1. limpieza y transformación de datos
1. limpieza y transformación de datos1. limpieza y transformación de datos
1. limpieza y transformación de datos
Miguel Murillo
 
Procesamiento de datos ii luis castellanos (1)
Procesamiento de datos ii   luis castellanos (1)Procesamiento de datos ii   luis castellanos (1)
Procesamiento de datos ii luis castellanos (1)
Luis R Castellanos
 
Historia de la computadora
Historia de la computadoraHistoria de la computadora
Historia de la computadora
stephaniemendoza
 
Procesamiento de datos
Procesamiento de datosProcesamiento de datos
Procesamiento de datos
MariaJoseVelazco
 
Procesamiento De datos
Procesamiento De datosProcesamiento De datos
Procesamiento De datos
guest13dd4a6
 
Procesamiento de datos
Procesamiento de datosProcesamiento de datos
Procesamiento de datos
Jenny Cermeño
 
Procesador de texto.
Procesador de texto.Procesador de texto.
Procesador de texto.
dorysvalero
 
Tipos de Cartas
Tipos de CartasTipos de Cartas
Tipos de Cartas
centroprofesional19
 
Procesador de texto (software de aplicacion)
Procesador de texto (software de aplicacion)Procesador de texto (software de aplicacion)
Procesador de texto (software de aplicacion)
Diana 'Rueda
 
El MéTodo EstadíStico
El MéTodo EstadíSticoEl MéTodo EstadíStico
El MéTodo EstadíStico
pedroqy
 
Tipos de cartas
Tipos de cartasTipos de cartas
Tipos de cartas
abarcia
 
Características del software libre y su importancia en
Características del software libre y su importancia enCaracterísticas del software libre y su importancia en
Características del software libre y su importancia en
Ruth Castillo
 
Metodo estadistico
Metodo estadisticoMetodo estadistico
Metodo estadistico
pelao1972
 
Etapas del método estadistico
Etapas del método estadisticoEtapas del método estadistico
Etapas del método estadistico
Gloria Hernandez Gomez
 
Recolección de Datos Estadísticos
Recolección de Datos EstadísticosRecolección de Datos Estadísticos
Recolección de Datos Estadísticos
Chris Ztar
 

Destacado (20)

Procesamiento de datos
Procesamiento de datosProcesamiento de datos
Procesamiento de datos
 
Sistemas de información externo
Sistemas de información externoSistemas de información externo
Sistemas de información externo
 
Unidad 2 Sistemas de Informacion de la Mercadotecnia
Unidad 2 Sistemas de Informacion de la MercadotecniaUnidad 2 Sistemas de Informacion de la Mercadotecnia
Unidad 2 Sistemas de Informacion de la Mercadotecnia
 
Tipos de procesamiento de datos
Tipos de procesamiento de datosTipos de procesamiento de datos
Tipos de procesamiento de datos
 
Módulo 6: Procesamiento de datos - Investigación de Mercado - Instituto ISIV
 Módulo 6: Procesamiento de datos - Investigación de Mercado - Instituto ISIV Módulo 6: Procesamiento de datos - Investigación de Mercado - Instituto ISIV
Módulo 6: Procesamiento de datos - Investigación de Mercado - Instituto ISIV
 
1. limpieza y transformación de datos
1. limpieza y transformación de datos1. limpieza y transformación de datos
1. limpieza y transformación de datos
 
Procesamiento de datos ii luis castellanos (1)
Procesamiento de datos ii   luis castellanos (1)Procesamiento de datos ii   luis castellanos (1)
Procesamiento de datos ii luis castellanos (1)
 
Historia de la computadora
Historia de la computadoraHistoria de la computadora
Historia de la computadora
 
Procesamiento de datos
Procesamiento de datosProcesamiento de datos
Procesamiento de datos
 
Procesamiento De datos
Procesamiento De datosProcesamiento De datos
Procesamiento De datos
 
Procesamiento de datos
Procesamiento de datosProcesamiento de datos
Procesamiento de datos
 
Procesador de texto.
Procesador de texto.Procesador de texto.
Procesador de texto.
 
Tipos de Cartas
Tipos de CartasTipos de Cartas
Tipos de Cartas
 
Procesador de texto (software de aplicacion)
Procesador de texto (software de aplicacion)Procesador de texto (software de aplicacion)
Procesador de texto (software de aplicacion)
 
El MéTodo EstadíStico
El MéTodo EstadíSticoEl MéTodo EstadíStico
El MéTodo EstadíStico
 
Tipos de cartas
Tipos de cartasTipos de cartas
Tipos de cartas
 
Características del software libre y su importancia en
Características del software libre y su importancia enCaracterísticas del software libre y su importancia en
Características del software libre y su importancia en
 
Metodo estadistico
Metodo estadisticoMetodo estadistico
Metodo estadistico
 
Etapas del método estadistico
Etapas del método estadisticoEtapas del método estadistico
Etapas del método estadistico
 
Recolección de Datos Estadísticos
Recolección de Datos EstadísticosRecolección de Datos Estadísticos
Recolección de Datos Estadísticos
 

Similar a Procesamiento De Datos

Ece ua publi223 investigacion de mercado - pp unidad 04 - carlos rojas - pr...
Ece ua   publi223 investigacion de mercado - pp unidad 04 - carlos rojas - pr...Ece ua   publi223 investigacion de mercado - pp unidad 04 - carlos rojas - pr...
Ece ua publi223 investigacion de mercado - pp unidad 04 - carlos rojas - pr...
Carlos Rojas
 
base de datos #1
base de datos #1base de datos #1
base de datos #1
sergio804
 
Trebajo actualizado la machera
Trebajo actualizado la macheraTrebajo actualizado la machera
Trebajo actualizado la machera
tecknopintos
 
01 7n1is trabajo-tecnica-de-captura-de-datos
01 7n1is trabajo-tecnica-de-captura-de-datos01 7n1is trabajo-tecnica-de-captura-de-datos
01 7n1is trabajo-tecnica-de-captura-de-datos
Manuel Mujica
 
Trebajo actualizado bases incontec
Trebajo actualizado bases incontecTrebajo actualizado bases incontec
Trebajo actualizado bases incontec
tecknopintos
 
Tp358 sistemas operativos-2014-2
Tp358 sistemas operativos-2014-2Tp358 sistemas operativos-2014-2
Tp358 sistemas operativos-2014-2
Pablo Mora
 
Temario
Temario Temario
Temario
prinzesitasu
 
Trabajo Final Base De Datos
Trabajo Final Base De DatosTrabajo Final Base De Datos
Trabajo Final Base De Datos
ricardo901
 
Bases De Datos
Bases De DatosBases De Datos
Bases De Datos
jorgeabustillo
 
Bases De Datos
Bases De DatosBases De Datos
Bases De Datos
guest14e997b
 
Trabajo de empresa
Trabajo de empresaTrabajo de empresa
Trabajo de empresa
DITHOR
 
Preguntas del examen
Preguntas del examenPreguntas del examen
Preguntas del examen
Avelino Felipe Policarpio
 
Diseño de una base de datos
Diseño de una base de datosDiseño de una base de datos
Diseño de una base de datos
Jorge Paredes Toledo
 
Taller 1 Juan David Suarez Moreno.pdf
Taller 1 Juan David Suarez Moreno.pdfTaller 1 Juan David Suarez Moreno.pdf
Taller 1 Juan David Suarez Moreno.pdf
JuanDavidSuarezMoren1
 
Sepa01
Sepa01Sepa01
Sepa01
dielys
 
Sepa01
Sepa01Sepa01
Sepa01
yulith
 
Normas
Normas Normas
Normas
davidrg4l
 
Base de datos
Base de datosBase de datos
Base de datos
Sara
 
Base de datos
Base de datosBase de datos
Base de datos
Sara
 
Base de datos
Base de datosBase de datos
Base de datos
Sara
 

Similar a Procesamiento De Datos (20)

Ece ua publi223 investigacion de mercado - pp unidad 04 - carlos rojas - pr...
Ece ua   publi223 investigacion de mercado - pp unidad 04 - carlos rojas - pr...Ece ua   publi223 investigacion de mercado - pp unidad 04 - carlos rojas - pr...
Ece ua publi223 investigacion de mercado - pp unidad 04 - carlos rojas - pr...
 
base de datos #1
base de datos #1base de datos #1
base de datos #1
 
Trebajo actualizado la machera
Trebajo actualizado la macheraTrebajo actualizado la machera
Trebajo actualizado la machera
 
01 7n1is trabajo-tecnica-de-captura-de-datos
01 7n1is trabajo-tecnica-de-captura-de-datos01 7n1is trabajo-tecnica-de-captura-de-datos
01 7n1is trabajo-tecnica-de-captura-de-datos
 
Trebajo actualizado bases incontec
Trebajo actualizado bases incontecTrebajo actualizado bases incontec
Trebajo actualizado bases incontec
 
Tp358 sistemas operativos-2014-2
Tp358 sistemas operativos-2014-2Tp358 sistemas operativos-2014-2
Tp358 sistemas operativos-2014-2
 
Temario
Temario Temario
Temario
 
Trabajo Final Base De Datos
Trabajo Final Base De DatosTrabajo Final Base De Datos
Trabajo Final Base De Datos
 
Bases De Datos
Bases De DatosBases De Datos
Bases De Datos
 
Bases De Datos
Bases De DatosBases De Datos
Bases De Datos
 
Trabajo de empresa
Trabajo de empresaTrabajo de empresa
Trabajo de empresa
 
Preguntas del examen
Preguntas del examenPreguntas del examen
Preguntas del examen
 
Diseño de una base de datos
Diseño de una base de datosDiseño de una base de datos
Diseño de una base de datos
 
Taller 1 Juan David Suarez Moreno.pdf
Taller 1 Juan David Suarez Moreno.pdfTaller 1 Juan David Suarez Moreno.pdf
Taller 1 Juan David Suarez Moreno.pdf
 
Sepa01
Sepa01Sepa01
Sepa01
 
Sepa01
Sepa01Sepa01
Sepa01
 
Normas
Normas Normas
Normas
 
Base de datos
Base de datosBase de datos
Base de datos
 
Base de datos
Base de datosBase de datos
Base de datos
 
Base de datos
Base de datosBase de datos
Base de datos
 

Más de Ana kristell

Admon De Ventas
Admon  De VentasAdmon  De Ventas
Admon De Ventas
Ana kristell
 
Modelo De Conducta De Compra Organizacional
Modelo De Conducta De Compra OrganizacionalModelo De Conducta De Compra Organizacional
Modelo De Conducta De Compra Organizacional
Ana kristell
 
Logisticade DistribucióN
Logisticade DistribucióNLogisticade DistribucióN
Logisticade DistribucióN
Ana kristell
 
TamañO De La Muestra
TamañO De La MuestraTamañO De La Muestra
TamañO De La Muestra
Ana kristell
 
Decisiones Organizacionales Dentro De La Mercadotecnia
Decisiones Organizacionales Dentro De La MercadotecniaDecisiones Organizacionales Dentro De La Mercadotecnia
Decisiones Organizacionales Dentro De La Mercadotecnia
Ana kristell
 
Entrevista De Profundidad
Entrevista De ProfundidadEntrevista De Profundidad
Entrevista De Profundidad
Ana kristell
 
Fundamentos De Muestreo
Fundamentos De MuestreoFundamentos De Muestreo
Fundamentos De Muestreo
Ana kristell
 
Trabajo En Equipo
Trabajo En EquipoTrabajo En Equipo
Trabajo En Equipo
Ana kristell
 
InnovacióN De Los Productos
InnovacióN De Los ProductosInnovacióN De Los Productos
InnovacióN De Los Productos
Ana kristell
 
Grupo
GrupoGrupo
Hipotesis
HipotesisHipotesis
Hipotesis
Ana kristell
 
Objetivo De La Investigacion
Objetivo De La InvestigacionObjetivo De La Investigacion
Objetivo De La Investigacion
Ana kristell
 
Tipo De Aspectos Metodologicos
Tipo De Aspectos MetodologicosTipo De Aspectos Metodologicos
Tipo De Aspectos Metodologicos
Ana kristell
 
Tipos De Metodos De Investigacion
Tipos De Metodos De InvestigacionTipos De Metodos De Investigacion
Tipos De Metodos De Investigacion
Ana kristell
 
Tipos De Estudios
Tipos De EstudiosTipos De Estudios
Tipos De Estudios
Ana kristell
 
MéTodos De RecoleccióN De Datos
MéTodos De RecoleccióN De DatosMéTodos De RecoleccióN De Datos
MéTodos De RecoleccióN De Datos
Ana kristell
 
Adaptadores De Red
Adaptadores De RedAdaptadores De Red
Adaptadores De Red
Ana kristell
 
Justificacion De La Investigacion
Justificacion De La InvestigacionJustificacion De La Investigacion
Justificacion De La Investigacion
Ana kristell
 
La Calidad Y El Mundo Lobalizado Del Software
La Calidad Y El Mundo Lobalizado Del SoftwareLa Calidad Y El Mundo Lobalizado Del Software
La Calidad Y El Mundo Lobalizado Del Software
Ana kristell
 

Más de Ana kristell (19)

Admon De Ventas
Admon  De VentasAdmon  De Ventas
Admon De Ventas
 
Modelo De Conducta De Compra Organizacional
Modelo De Conducta De Compra OrganizacionalModelo De Conducta De Compra Organizacional
Modelo De Conducta De Compra Organizacional
 
Logisticade DistribucióN
Logisticade DistribucióNLogisticade DistribucióN
Logisticade DistribucióN
 
TamañO De La Muestra
TamañO De La MuestraTamañO De La Muestra
TamañO De La Muestra
 
Decisiones Organizacionales Dentro De La Mercadotecnia
Decisiones Organizacionales Dentro De La MercadotecniaDecisiones Organizacionales Dentro De La Mercadotecnia
Decisiones Organizacionales Dentro De La Mercadotecnia
 
Entrevista De Profundidad
Entrevista De ProfundidadEntrevista De Profundidad
Entrevista De Profundidad
 
Fundamentos De Muestreo
Fundamentos De MuestreoFundamentos De Muestreo
Fundamentos De Muestreo
 
Trabajo En Equipo
Trabajo En EquipoTrabajo En Equipo
Trabajo En Equipo
 
InnovacióN De Los Productos
InnovacióN De Los ProductosInnovacióN De Los Productos
InnovacióN De Los Productos
 
Grupo
GrupoGrupo
Grupo
 
Hipotesis
HipotesisHipotesis
Hipotesis
 
Objetivo De La Investigacion
Objetivo De La InvestigacionObjetivo De La Investigacion
Objetivo De La Investigacion
 
Tipo De Aspectos Metodologicos
Tipo De Aspectos MetodologicosTipo De Aspectos Metodologicos
Tipo De Aspectos Metodologicos
 
Tipos De Metodos De Investigacion
Tipos De Metodos De InvestigacionTipos De Metodos De Investigacion
Tipos De Metodos De Investigacion
 
Tipos De Estudios
Tipos De EstudiosTipos De Estudios
Tipos De Estudios
 
MéTodos De RecoleccióN De Datos
MéTodos De RecoleccióN De DatosMéTodos De RecoleccióN De Datos
MéTodos De RecoleccióN De Datos
 
Adaptadores De Red
Adaptadores De RedAdaptadores De Red
Adaptadores De Red
 
Justificacion De La Investigacion
Justificacion De La InvestigacionJustificacion De La Investigacion
Justificacion De La Investigacion
 
La Calidad Y El Mundo Lobalizado Del Software
La Calidad Y El Mundo Lobalizado Del SoftwareLa Calidad Y El Mundo Lobalizado Del Software
La Calidad Y El Mundo Lobalizado Del Software
 

Último

Carnavision: anticipa y aprovecha - hackathon Pasto2024 .pdf
Carnavision: anticipa y aprovecha - hackathon Pasto2024 .pdfCarnavision: anticipa y aprovecha - hackathon Pasto2024 .pdf
Carnavision: anticipa y aprovecha - hackathon Pasto2024 .pdf
EleNoguera
 
Compartir p4s.co Pitch Hackathon Template Plantilla final.pptx-2.pdf
Compartir p4s.co Pitch Hackathon Template Plantilla final.pptx-2.pdfCompartir p4s.co Pitch Hackathon Template Plantilla final.pptx-2.pdf
Compartir p4s.co Pitch Hackathon Template Plantilla final.pptx-2.pdf
JimmyDeveloperWebAnd
 
CINE COMO RECURSO DIDÁCTICO para utilizar en TUTORÍA
CINE COMO RECURSO DIDÁCTICO para utilizar en TUTORÍACINE COMO RECURSO DIDÁCTICO para utilizar en TUTORÍA
CINE COMO RECURSO DIDÁCTICO para utilizar en TUTORÍA
Fernández Gorka
 
1.- manual-para-la-creacion-33-dias-de-manifestacion-ulises-sampe.pdf
1.- manual-para-la-creacion-33-dias-de-manifestacion-ulises-sampe.pdf1.- manual-para-la-creacion-33-dias-de-manifestacion-ulises-sampe.pdf
1.- manual-para-la-creacion-33-dias-de-manifestacion-ulises-sampe.pdf
MiNeyi1
 
DESARROLLO DE LAS RELACIONES CON LOS STAKEHOLDERS.pdf
DESARROLLO DE LAS RELACIONES CON LOS STAKEHOLDERS.pdfDESARROLLO DE LAS RELACIONES CON LOS STAKEHOLDERS.pdf
DESARROLLO DE LAS RELACIONES CON LOS STAKEHOLDERS.pdf
JonathanCovena1
 
FEEDBACK DE LA ESTRUCTURA CURRICULAR- 2024.pdf
FEEDBACK DE LA ESTRUCTURA CURRICULAR- 2024.pdfFEEDBACK DE LA ESTRUCTURA CURRICULAR- 2024.pdf
FEEDBACK DE LA ESTRUCTURA CURRICULAR- 2024.pdf
Jose Luis Jimenez Rodriguez
 
Clase Prensencial, Actividad 2.pdf.......
Clase Prensencial, Actividad 2.pdf.......Clase Prensencial, Actividad 2.pdf.......
Clase Prensencial, Actividad 2.pdf.......
LuanaJaime1
 
Escuela Sabática. El conflicto inminente.pdf
Escuela Sabática. El conflicto inminente.pdfEscuela Sabática. El conflicto inminente.pdf
Escuela Sabática. El conflicto inminente.pdf
Alejandrino Halire Ccahuana
 
Soluciones Examen de Selectividad. Geografía junio 2024 (Convocatoria Ordinar...
Soluciones Examen de Selectividad. Geografía junio 2024 (Convocatoria Ordinar...Soluciones Examen de Selectividad. Geografía junio 2024 (Convocatoria Ordinar...
Soluciones Examen de Selectividad. Geografía junio 2024 (Convocatoria Ordinar...
Juan Martín Martín
 
Prueba/test conoce tus heridas de la infancia
Prueba/test conoce tus heridas de la infanciaPrueba/test conoce tus heridas de la infancia
Prueba/test conoce tus heridas de la infancia
LudmilaOrtega3
 
Cronica-de-una-Muerte-Anunciada - Gabriel Garcia Marquez.pdf
Cronica-de-una-Muerte-Anunciada - Gabriel Garcia Marquez.pdfCronica-de-una-Muerte-Anunciada - Gabriel Garcia Marquez.pdf
Cronica-de-una-Muerte-Anunciada - Gabriel Garcia Marquez.pdf
RicardoValdiviaVega
 
Camus, Albert - El Extranjero.pdf
Camus, Albert -        El Extranjero.pdfCamus, Albert -        El Extranjero.pdf
Camus, Albert - El Extranjero.pdf
AlexDeLonghi
 
Mundo ABC Examen 1 Grado- Tercer Trimestre.pdf
Mundo ABC Examen 1 Grado- Tercer Trimestre.pdfMundo ABC Examen 1 Grado- Tercer Trimestre.pdf
Mundo ABC Examen 1 Grado- Tercer Trimestre.pdf
ViriEsteva
 
ACERTIJO DESCIFRANDO CÓDIGO DEL CANDADO DE LA TORRE EIFFEL EN PARÍS. Por JAVI...
ACERTIJO DESCIFRANDO CÓDIGO DEL CANDADO DE LA TORRE EIFFEL EN PARÍS. Por JAVI...ACERTIJO DESCIFRANDO CÓDIGO DEL CANDADO DE LA TORRE EIFFEL EN PARÍS. Por JAVI...
ACERTIJO DESCIFRANDO CÓDIGO DEL CANDADO DE LA TORRE EIFFEL EN PARÍS. Por JAVI...
JAVIER SOLIS NOYOLA
 
Presentación simple corporativa degradado en violeta blanco.pdf
Presentación simple corporativa degradado en violeta blanco.pdfPresentación simple corporativa degradado en violeta blanco.pdf
Presentación simple corporativa degradado en violeta blanco.pdf
eleandroth
 
Los Dominios y Reinos de los Seres Vivos
Los Dominios y Reinos de los Seres VivosLos Dominios y Reinos de los Seres Vivos
Los Dominios y Reinos de los Seres Vivos
karlafreire0608
 
Manual de procedimiento para gráficos HC
Manual de procedimiento para gráficos HCManual de procedimiento para gráficos HC
Manual de procedimiento para gráficos HC
josseanlo1581
 
Presentación de la historia de PowerPoint y sus características más relevantes.
Presentación de la historia de PowerPoint y sus características más relevantes.Presentación de la historia de PowerPoint y sus características más relevantes.
Presentación de la historia de PowerPoint y sus características más relevantes.
genesiscabezas469
 
APUNTES UNIDAD I ECONOMIA EMPRESARIAL .pdf
APUNTES UNIDAD I ECONOMIA EMPRESARIAL .pdfAPUNTES UNIDAD I ECONOMIA EMPRESARIAL .pdf
APUNTES UNIDAD I ECONOMIA EMPRESARIAL .pdf
VeronicaCabrera50
 
p4s.co Ecosistema de Ecosistemas - Diagrama.pdf
p4s.co Ecosistema de Ecosistemas - Diagrama.pdfp4s.co Ecosistema de Ecosistemas - Diagrama.pdf
p4s.co Ecosistema de Ecosistemas - Diagrama.pdf
DavidCamiloMosquera
 

Último (20)

Carnavision: anticipa y aprovecha - hackathon Pasto2024 .pdf
Carnavision: anticipa y aprovecha - hackathon Pasto2024 .pdfCarnavision: anticipa y aprovecha - hackathon Pasto2024 .pdf
Carnavision: anticipa y aprovecha - hackathon Pasto2024 .pdf
 
Compartir p4s.co Pitch Hackathon Template Plantilla final.pptx-2.pdf
Compartir p4s.co Pitch Hackathon Template Plantilla final.pptx-2.pdfCompartir p4s.co Pitch Hackathon Template Plantilla final.pptx-2.pdf
Compartir p4s.co Pitch Hackathon Template Plantilla final.pptx-2.pdf
 
CINE COMO RECURSO DIDÁCTICO para utilizar en TUTORÍA
CINE COMO RECURSO DIDÁCTICO para utilizar en TUTORÍACINE COMO RECURSO DIDÁCTICO para utilizar en TUTORÍA
CINE COMO RECURSO DIDÁCTICO para utilizar en TUTORÍA
 
1.- manual-para-la-creacion-33-dias-de-manifestacion-ulises-sampe.pdf
1.- manual-para-la-creacion-33-dias-de-manifestacion-ulises-sampe.pdf1.- manual-para-la-creacion-33-dias-de-manifestacion-ulises-sampe.pdf
1.- manual-para-la-creacion-33-dias-de-manifestacion-ulises-sampe.pdf
 
DESARROLLO DE LAS RELACIONES CON LOS STAKEHOLDERS.pdf
DESARROLLO DE LAS RELACIONES CON LOS STAKEHOLDERS.pdfDESARROLLO DE LAS RELACIONES CON LOS STAKEHOLDERS.pdf
DESARROLLO DE LAS RELACIONES CON LOS STAKEHOLDERS.pdf
 
FEEDBACK DE LA ESTRUCTURA CURRICULAR- 2024.pdf
FEEDBACK DE LA ESTRUCTURA CURRICULAR- 2024.pdfFEEDBACK DE LA ESTRUCTURA CURRICULAR- 2024.pdf
FEEDBACK DE LA ESTRUCTURA CURRICULAR- 2024.pdf
 
Clase Prensencial, Actividad 2.pdf.......
Clase Prensencial, Actividad 2.pdf.......Clase Prensencial, Actividad 2.pdf.......
Clase Prensencial, Actividad 2.pdf.......
 
Escuela Sabática. El conflicto inminente.pdf
Escuela Sabática. El conflicto inminente.pdfEscuela Sabática. El conflicto inminente.pdf
Escuela Sabática. El conflicto inminente.pdf
 
Soluciones Examen de Selectividad. Geografía junio 2024 (Convocatoria Ordinar...
Soluciones Examen de Selectividad. Geografía junio 2024 (Convocatoria Ordinar...Soluciones Examen de Selectividad. Geografía junio 2024 (Convocatoria Ordinar...
Soluciones Examen de Selectividad. Geografía junio 2024 (Convocatoria Ordinar...
 
Prueba/test conoce tus heridas de la infancia
Prueba/test conoce tus heridas de la infanciaPrueba/test conoce tus heridas de la infancia
Prueba/test conoce tus heridas de la infancia
 
Cronica-de-una-Muerte-Anunciada - Gabriel Garcia Marquez.pdf
Cronica-de-una-Muerte-Anunciada - Gabriel Garcia Marquez.pdfCronica-de-una-Muerte-Anunciada - Gabriel Garcia Marquez.pdf
Cronica-de-una-Muerte-Anunciada - Gabriel Garcia Marquez.pdf
 
Camus, Albert - El Extranjero.pdf
Camus, Albert -        El Extranjero.pdfCamus, Albert -        El Extranjero.pdf
Camus, Albert - El Extranjero.pdf
 
Mundo ABC Examen 1 Grado- Tercer Trimestre.pdf
Mundo ABC Examen 1 Grado- Tercer Trimestre.pdfMundo ABC Examen 1 Grado- Tercer Trimestre.pdf
Mundo ABC Examen 1 Grado- Tercer Trimestre.pdf
 
ACERTIJO DESCIFRANDO CÓDIGO DEL CANDADO DE LA TORRE EIFFEL EN PARÍS. Por JAVI...
ACERTIJO DESCIFRANDO CÓDIGO DEL CANDADO DE LA TORRE EIFFEL EN PARÍS. Por JAVI...ACERTIJO DESCIFRANDO CÓDIGO DEL CANDADO DE LA TORRE EIFFEL EN PARÍS. Por JAVI...
ACERTIJO DESCIFRANDO CÓDIGO DEL CANDADO DE LA TORRE EIFFEL EN PARÍS. Por JAVI...
 
Presentación simple corporativa degradado en violeta blanco.pdf
Presentación simple corporativa degradado en violeta blanco.pdfPresentación simple corporativa degradado en violeta blanco.pdf
Presentación simple corporativa degradado en violeta blanco.pdf
 
Los Dominios y Reinos de los Seres Vivos
Los Dominios y Reinos de los Seres VivosLos Dominios y Reinos de los Seres Vivos
Los Dominios y Reinos de los Seres Vivos
 
Manual de procedimiento para gráficos HC
Manual de procedimiento para gráficos HCManual de procedimiento para gráficos HC
Manual de procedimiento para gráficos HC
 
Presentación de la historia de PowerPoint y sus características más relevantes.
Presentación de la historia de PowerPoint y sus características más relevantes.Presentación de la historia de PowerPoint y sus características más relevantes.
Presentación de la historia de PowerPoint y sus características más relevantes.
 
APUNTES UNIDAD I ECONOMIA EMPRESARIAL .pdf
APUNTES UNIDAD I ECONOMIA EMPRESARIAL .pdfAPUNTES UNIDAD I ECONOMIA EMPRESARIAL .pdf
APUNTES UNIDAD I ECONOMIA EMPRESARIAL .pdf
 
p4s.co Ecosistema de Ecosistemas - Diagrama.pdf
p4s.co Ecosistema de Ecosistemas - Diagrama.pdfp4s.co Ecosistema de Ecosistemas - Diagrama.pdf
p4s.co Ecosistema de Ecosistemas - Diagrama.pdf
 

Procesamiento De Datos

  • 2. 4. PROCESAMIENTO DE DATOS CONCEPTO En el procesamiento de datos consiste en convertir los datos en bruto del instrumento de recolección y datos en una forma legible por el computador. Luego podemos hacer uso de procedimiento computarizado de análisis de datos para extraer la información de los datos.
  • 3. 4.1 DISTINGIR ENTRE LOS CONCEPTOS BASICOS DEL PROCESAMIENTO DE DATOS CASO: Un caso es una unidad especifica de análisis para el estudio. Con bastante frecuencia, la unidad de análisis es el encuestado de un cuestionario, por tanto, cada encuestado se considera un caso y el numero total de casos es igual al tamaño de la muestra 4.1.1 distinguir el caso
  • 4. 4.1 DISTINGIR ENTRE LOS CONCEPTOS BASICOS DEL PROCESAMIENTO DE DATOS 4.1.2 Definir representación computarizada de los datos Los datos suministrados por un instrumento de investigación deben convertirse a una forma legible por el computador. La tarjeta del computador es un instrumento básico utilizado para la investigación .
  • 5. 4.1 DISTINGIR ENTRE LOS CONCEPTOS BASICOS DEL PROCESAMIENTO DE DATOS 4.1.3 Definir paquete de datos El paquete de datos esta compuesta por todas las tarjetas del computador necesarias para representar los datos que aparecen en todos los cuestionarios. El paquete de datos es lo que alimenta al computados
  • 6. Por ejemplo: si hubiéramos utilizado un cuestionario que utilizara tres tarjetas para representar los datos que aparecen en este y tuviéramos un tamaño muestra de 400, tendríamos 3 x 400= 1200 tarjetas en nuestro paquete de datos
  • 7. 4.1 DISTINGIR ENTRE LOS CONCEPTOS BASICOS DEL PROCESAMIENTO DE DATOS 4.1.4 almacenamiento de datos Una vez que los datos se han ingresado al computador, el investigador pueden utilizar las capacidades del computador para almacenar los datos del paquete en una USB y así de esta manera evitan los problemas que se presentarían si se eliminarse o perdiese el paquete de datos.
  • 8. 4.1 DISTINGIR ENTRE LOS CONCEPTOS BASICOS DEL PROCESAMIENTO DE DATOS 4.1.5 definir la matriz de datos Disposición de almacenamiento de datos con nfilas y mcolumnas, donde el numero de filas es igual numero de casos y el numero de columnas es igual al numero de variables
  • 9. 4.2 IDENTIFICAR EL FLUJO DEL PROCESAMIENTO DE LOS DATOS Y SUS COMPONENTES PRINCIPALES 4.2.1 Decisión sobre si se debe utilizar o no el instrumento de recolección de datos para el análisis Al recibir un instrumento de recolección de datos de campo, el investigador debe examinarlo para determinar si es aceptable o no para utilizarlo en el estudio. Los criterios exactos para juzgar un instrumento como no aceptable varían de un estudio a otro, pero lo que se enumeran a continuación son característicos:
  • 10. Una parte significativa del instrumento se deja sin contestar, o los elementos claves se dejan sin respuestas Es claro, con base en las respuestas dadas, que el encuestado no comprendió la tarea requerida al completar el instrumento . La respuesta muestra poca varianza. Por ejemplo, la respuesta a unas series de preguntas de actitud son todas 3 en una escala de 7 puntos. Esto es evidencia que el encuestado no esta tomando la tarea con seriedad
  • 11. 4. Un elemento equivocado de la muestra a completado el instrumento. Por ejemplo, el estudio exige que el encuestado sea mujeres que trabajan, y un hombre a completado el instrumento. 5. El instrumento esta físicamente incompleto. Por ejemplo, es posible que no se haya incluido una pagina o que esta se haya eliminado en el campo. 6. El instrumento se recibe después de una fecha de corte establecida. Si se espera que todos los instrumento se devuelvan del campo, es probable que el estudio no se complete a tiempo
  • 12. Edición significa revisar los instrumentos de recolección de datos para asegurar la máxima exactitud y mínima ambigüedad . Es importan que la edición se realice en forma consistente. Al realizar la función de edición, editor debería ocuparse de las aéreas que describen a continuación 4.2 IDENTIFICAR EL FLUJO DEL PROCESAMIENTO DE LOS DATOS Y SUS COMPONENTES PRINCIPALES 4.2.2 Edición
  • 13. Legibilidad: para que posteriormente se codifiquen en forma apropiada, los datos deben ser legibles. El editor elimina la ambigüedad de los datos registrados, de manera que el codificador sepa exactamente qué hacer.
  • 14. 2.- Integridad: las preguntas que no se contestaron pueden tratarse de tres formas. El Primero, el editor puede contactar al entrevistador para tratar de determinar si el encuestado no respondió la pregunta o si el entrevistador simplemente no registro la pregunta. El segundo enfoque consiste en clasificar este dato en particular como faltante El tercero si el editor considerara que faltan demasiados elementos de datos, puede volver a enviar todo el instrumento al campo o eliminarlo del estudio.
  • 15. Consistencia: en este punto se hace una verificación sobre la consistencia de los datos. (posteriormente, el computador realizara una verificación mas detallada) Por ejemplo, el editor podría verificar que los encuetados que afirman que comprar gasolina con tarjera de crédito, si tengan tarjeta de crédito.
  • 16. Exactitud : el editor necesita estar atento a cualquier evidencia de inexactitud en los datos. En este caso, el área mas importante se relaciona con el posible sesgo o trampa del entrevistador.
  • 17. Clasificación de respuesta: Algunas veces las respuestas a preguntas abiertas son difícil de interpretar a claridad. Es posibles que las palabras de las personas que registra las respuestas hayan abreviado demasiado las respuestas o que unas palabras sean ambiguas. El riesgo de error es algo ambos casos. Obviamente, un buen trabajo de campo inicial puede editar que surjan muchos problemas
  • 18. 4.2 IDENTIFICAR EL FLUJO DEL PROCESAMIENTO DE LOS DATOS Y SUS COMPONENTES PRINCIPALES 4.2.3 Codificación La codificación comprende la asignación de un símbolo numérico a un determinada columna de la hoja de calculo, o columnas del archivo ASCII para representar una respuesta especifica de un instrumento de recolección de datos
  • 19. Preguntas de respuestas cerrada y abierta Para preguntas estructuradas o de respuesta cerrada, usualmente el esquema de codificación se especifica antes de emprender el trabajo de campo. Por ejemplo, una clasificación por sexo pueden aparecer en el instrumento como: 31 ¿Cuál es su sexo? 1 2 Femenino masculino
  • 20. El detalle del esquema de codificaciones necesita estar documentado, y esta documentación se coloca en lo que se llama libro de códigos. Libros de códigos: Un libro de códigos es el lugar donde se documenta toda la información necesaria acerca de las variables en el conjunto de datos.
  • 21. Las hojas de codificación terminadas se entregan al personal para su ingreso al computador; ellos ingresan los números exactos que aparecen en las hojas en un archivo ASCII del computador. Luego el archivo ésta listo para ser convertido en una hoja de calculo o matriz de datos. 4.2 IDENTIFICAR EL FLUJO DEL PROCESAMIENTO DE LOS DATOS Y SUS COMPONENTES PRINCIPALES 4.2.4 ingreso de datos al computador y verificación
  • 22. El archivo de datos debe de introducirse en el computador de una manera tal que lo puedan utilizar los programas computacionales de análisis de datos. La mayoría de los programas con mayor probabilidad de uso por parte de un investigador están contenidos dentro de un paquete de programas. Los datos de hoja de calculo pueden ser la información generada por los archivos ASCII legibles para la mayoría de los paquetes estadísticos. 4.2 IDENTIFICAR EL FLUJO DEL PROCESAMIENTO DE LOS DATOS Y SUS COMPONENTES PRINCIPALES 4.2.5 conversión del paquete de datos a una forma legible para el computador
  • 23. 4.2 IDENTIFICAR EL FLUJO DEL PROCESAMIENTO DE LOS DATOS Y SUS COMPONENTES PRINCIPALES 4.2.6 Depuración del conjunto de datos Ahora ya tenemos un conjunto de datos estructurado como un archivo de computador, pero aún debemos tratar de depurar el conjunto de datos de posibles errores. Se realizan tres tipos de verificaciones en el conjunto de datos y son: verificación de códigos normales Verificación de consistencia Verificación de caso extremo
  • 24. Verificación de códigos normales: los primeros elementos que deseamos eliminar de nuestro conjunto de datos son llamados códigos normales, es decir los que no están definidos en el libro de códigos para una determinada variable. Verificación de consistencia: este consiste en verificar la consistencia de las respuestas dentro de cada caso. Por ejemplo: podríamos verificar si los encuestados que tiene hipoteca, también son propietarios de una casa. Existen dos tipos de V.C: de una entre y de dos entradas. Una situación de consistencia de una entrada, A es verdadero si B es verdadero, pero el inverso no tiene que ser verdadero. Y el de dos entradas seria A es verdadero si y solo si B es verdadero y viceversa
  • 25. Verificación de casa extremo: este se define como una respuesta de una variable, que esta muy por fuera de lo común. Por ejemplo, un puntaje SAT registrado como 976 en el archivo de datos puede ser sustancialmente alto que todos los demás puntajes. Podemos ordenarle al computador que imprima del total de casos los números de casos con puntajes SAT por encima de 775. Luego verificaríamos si estos puntajes fueron los correctos.
  • 26. Una ves depurado el conjunto de datos originalmente codificado, podemos agregar nuevas variables a este conjunto de datos que se utilizará posteriormente en el análisis. Existen varias circunstancias en las cuales podrían generase nuevas variables: 4.2 IDENTIFICAR EL FLUJO DEL PROCESAMIENTO DE LOS DATOS Y SUS COMPONENTES PRINCIPALES 4.2.7generación de nuevas variables
  • 27. Es posible que queremos agregar datos no recolectados en la entrevista. Por ejemplo, es probable que queramos introducir información de un censo sobre el área en el cual vive un encuestado. Es posible que queramos dividir una variable de intervalo, como ingreso, en categorías o que queramos combinar las categorías de algunas variables para que nos dé una variable con menos categoría.
  • 28. 3. Es posible que queramos formar una variable que se defina mediante combinaciones de otras variables. Por ejemplo, la variable “la etapa del ciclo de vida de la familia” se forma utilizando edad, estado, civil, presencia de hijos, etc. 4. Es posible que queramos crear un índice para representar un número de variables. Por ejemplo, podemos simplemente agregar un conjunto de medias a escala acerca de un producto para formar un índice relacionado con el interés en el producto.
  • 29. 4.2 IDENTIFICAR EL FLUJO DEL PROCESAMIENTO DE LOS DATOS Y SUS COMPONENTES PRINCIPALES 4.2.8 Ponderación de datos Saber la ponderación de los datos de acuerdo con el plan de muestreo, o debido a resultados muéstrales inesperados. Le ordenamos al computador que asigne las ponderaciones apropiadas a los casos
  • 30. Ya que tenemos a un grupo de datos completamente preparado para el análisis. Por lo general se almacena en un disquete o USB y aparte se tiene un respaldo de la información para así poderla guardar en un lugar seguro. Ahora estamos listos para hacer el análisis de datos ó información 4.2 IDENTIFICAR EL FLUJO DEL PROCESAMIENTO DE LOS DATOS Y SUS COMPONENTES PRINCIPALES 4.2.9 Almacenamiento del grupo de datos
  • 31.
  • 33. Verificar casa extremoFlujo clásico del Procesamiento de Datos Generar nuevas variables en la medida que sea necesario Plan de muestreo y resultados Ponderar datos Almacenar conjunto de datos para el análisis