3. CONCEBIR LA IDEA A
INVESTIGAR
Concebir la idea de la investigación
Fuentes de ideas
Experiencias, descubrimientos
Escritos, observaciones de hechos
Como surgen las ideas
Necesidad de conocer los antecedentes
Investigación previa de los temas
6. FUNCIONES DEL MARCO TEÓRICO
Ayuda a prevenir errores cometidos en otros estudios
Orienta sobre cómo habrá de realizarse el estudio
Amplia el horizonte de estudio
Conduce al establecimiento de hipótesis
Inspira nuevas áreas de investigación
Provee de un marco de referencia para interpretar los
resultados del estudio
7. ETAPAS DEL MARCO
TEÓRICO
•Fuentes Primarias,
Secundarias, Terciarias
•Obtención de la literatura
•Extracción y recopilación
La revisión de
literatura
correspondient
e
•Función: explica, dice por
qué, cómo y cuándo ocurre
un fenómeno
La adopción
de una teoría o
desarrollo de
una
perspectiva
teórica
8. TIPO DE INVESTIGACIÓN A
REALIZAR
EXPLORATORIA
DESCRIPTIVA
CORRELACIONAL
•Explora y describe los fenómenos
en situaciones de la vida real.
EXPLICATIVA
PROPOSITIVA
• Interacción entre dos variables
• Establecen las causas de los sucesos o
fenómenos que se estudian
• Explora, describe, explica y analiza para
proponer una alternativa de solución frente a
un problema
Se emplean cuando el objetivo
consiste en examinar un terreno poco
estudiado o novedoso
9. LA HIPÓTESIS
• Después de haberse preguntado qué
investigar se debe inquirir ahora:
• ¿cuál es la solución probable a la pregunta
planteada?
10. LA HIPÓTESIS
Son enunciados teóricos supuestos, no
verificados, pero probables, referentes a
variables o a relaciones entre variables.
Son explicaciones tentativas
del fenómeno investigado
El investigador no puede
asegurar que vayan a
comprobarse
Pueden o no ser verdaderas
11. FORMULACIÓN DE HIPÓTESIS EN ESTUDIOS
CUANTITATIVOS
Alcance del estudio Formulación de hipótesis
Exploratorio No se formula hipótesis.
Descriptivo Solamente se formulan hipótesis
cuando se pronostica un hecho o
dato.
Correlacional Se formulan hipótesis
correlacionales.
Explicativo Se formulan hipótesis causales.
12. TIPO DE HIPÓTESIS
DE
INVESTIGACIÓN
O DE TRABAJO
NULAS
ALTERNATIVAS
•Proposiciones que niegan o refutan la
relación entre variables. Se simbolizan
Ho.
ESTADÍSTICAS
• Son posibilidades alternas o diferentes de
las hipótesis de investigación y nula. Se
simbolizan Ha.
• Son hipótesis o suposiciones formuladas en
términos estadísticos.
Proposiciones tentativas sobre las posibles
relaciones entre dos o más variables, pueden
ser descriptivas, correlacionales, de diferencia
de grupos, causales.
13. Ejemplo de hipótesis.
Formulación del problema:
¿Cuál es la influencia del nivel socioeconómico y el status de
inmigración sobre la incidencia de la anemia en los inmigrantes
asiáticos residentes en Chiclayo?
Objetivo: Determinar el efecto que produce el nivel socioeconómico
y el status de inmigración sobre la incidencia de la anemia en los
inmigrantes asiáticos residentes en Chiclayo.
Hipótesis:
La incidencia de la anemia entre los asiáticos es más alta en los
inmigrantes(pobres), que entre los inmigrantes que tienen un nivel
socioeconómico elevado.
La incidencia de la anemia entre los asiáticos es más alta entre los
solicitantes refugiados que entre los inmigrantes.
14. Ejemplo de hipótesis.
1. Descriptivas:
En los distritos de Mòrrope e Incahuasi
se presenta mayor desnutrición crónica.
Las algas de mar tienen mayor
contenido de proteínas y vitaminas que
las de río, en el departamento de
Lambayeque.
15. VARIABLES
El término variable se define como las
características o atributos que admiten
diferentes valores.
Por ejemplo, la estatura, la edad, el
cociente intelectual, la temperatura, el clima,
etc.
A través de ellas se puede conocer y medir
la realidad, el hecho o fenómeno
Existen muchas formas de clasificación de
las variables, no obstante, en esta sección
se clasificarán de acuerdo con el sujeto de
estudio y al uso de las mismas.
16. Tipos de variables
Variable
independiente
• Una variable es independiente cuando se presume que los cambios de valores de
esta variable determinan cambios en los valores de otra (u otras) variables
denominadas dependientes
Variable
dependiente
• Una variable es dependiente cuando sus cambios son ocasionados por los
cambios sucedidos en otras variables (independientes).
Variable
interviniente
• Son todos aquellos aspectos, hechos y situaciones del medio ambiente, las
características del sujeto /objeto de la investigación , el método de investigación,
etcétera, que están presentes o «intervienen» (de manera positiva o negativa) en
el proceso de la interrelación de las variables independiente y dependiente.
17. Tipos de variables
En función de los valores cuantitativos que pueden adoptar, las
variables se clasifican en los siguientes tipos:
- Variable continua. Es aquella que puede tomar cualquier valor numérico.
Por ejemplo, el monto de los salarios de una población en estudio,
rendimiento académico, expresado en promedios.
- Variable cuantitativa discreta. Es aquella que sólo puede tomar un
número finito de valores distintos. Por ejemplo, el número de hijos.
- Variable dicotómica. Aquella que sólo puede tomar dos valores, por
ejemplo, el sexo (hombre - mujer), una afirmación o negación (sí - no), la
evaluación de un test (aprobado – reprobado) o una apreciación o
creencia (verdadero - falso).
Variable cualitativa. o categóricas, se refieren a propiedades o atributos,
no se mide, existe o no presencia de ella.
18. Escalas de medición
NOMINAL: Clasifica a los objetos de estudio según categorías de una
variable. El alcance de esta escala es el conteo, que permite la
aplicación de técnicas estadísticas como distribución de frecuencia y
modo, se utiliza para variables cualitativas. Ejemplo: estado marital se
clasifica así: soltero, casado, viudo, unión libre.
ORDINAL: Se utiliza para clasificar los objetos, hechos o fenómenos
en forma jerárquica, según el grado que posea una característica
determinada. Las técnicas estadísticas más utilizadas en esta escala
son las de tendencia central de los puntajes, especialmente la mediana.
Ejemplo si tomamos la variable peso, utilizaremos las categorías obeso,
gordo, normal, bajo peso.
ROPORCION (RAZON):Este tipo de escala constituye el nivel más de
medición para variables cuantitativas contiene las características de una
escala con intervalo con la ventaja adicional de poseer el cero absoluto,
lo cual permite determinar la proporción conocida de valores de la
escala. Permite la aplicación de cualquier tipo de técnicas estadísticas.
19. Variables por su naturaleza y
escala de medición.
Variables por su naturaleza y
escala de medición
Cualitativas: Cualidad del
fenómeno, descripciones que
pueden ser contadas
Nominal: permite clasificar
ejemplo: sexo masculino,
femenino.
Ordinal: El dominio de
variación son objeto de
clasificación y orden. Ejemplo
Nivel de instrucción primaria,
secundaria, superior
Cuantitativas: Carácter
numérico, son precisas
permiten cuantificar
Razón: Discontinuas o
discretas no admiten valores
intermedios entre dos
unidades ejemplo: Número de
hijos
Variables continuas: admiten
número entero y fraccionado.
Ejemplo: peso talla edad
20. Ejemplo de variable
¿Existe relación entre el rendimiento académico de un
grupo de estudiantes y su estado nutricional?
Las dos variables que se identifican en este problema
son el estado nutricional (independiente) y el rendimiento
académico (dependiente). Se espera que al mejorar el
estado nutricional se aumente el cambio del rendimiento
académico de los estudiantes. El cambio del
rendimiento académico a su vez puede ser causado por
el cambio de otras variables independientes, tales como:
la metodología de enseñanza, la reforma curricular, la
capacitación de los docentes, etc.
21. ¿CUÀNTAS VARIABLES?
El número de variables depende de la
realidad problemática que enuncie el
investigador y mínimo deberá haber dos,
para que exista relación, pero pueden
ser más. Lo que importa es que el
investigador debe trabajar y dar
tratamiento a todas las variables que
enuncie.
23. Operacionalización de las
variables
• Es un proceso en el cual la variable se transforma de in nivel abstracto a un
nivel empírico, observable, medible.
• Difieren según su nivel de abstracción o complejidad.
• Una vez definida una variable de medición compleja, se identifican y
definen sus subvariables o dimensiones.(Operacionalización o diseño de
una variable).
• Los indicadores se establecen en términos de la cantidad o cualidad del
atributo, expresando la respectiva unidad de medida y la forma de medida
o expresión matemática para calcularlo.
• Los componentes de un indicador según Quintero citado por Lerma (2004),
son los siguientes: nombre, atributo, unidad de medida y unidad
operacional.
- El nombre del indicador es la palabra o frase para denominarlo
- Atributo es la cualidad o cantidad del indicador establecido.
- Unidad de medida es la naturaleza (cuantitativa) del indicador determina
en que unidades se formula.
- Unidad operacional es la forma de calcular o la expresión matemática que
se utiliza para calcular el indicador.
24. Ejemplo de operacionalización de variables
Operacionalización de la variable «Accesibilidad a la consulta médica»
• Variable: accesibilidad a la consulta médica.
• Definición: facilidad de tener contacto con el servicio de salud para recibir asistencia
médica.
• Dimensiones o subvariables: accesibilidad geográfica, accesibilidad económica y
accesibilidad cultural.
• Subvariable: accesibilidad geográfica.
- Definición: facilidad para una persona de trasladarse de su sitio de residencia al sitio
donde está ubicado el centro de atención en salud.
- Indicador:
- Nombre: tiempo de desplazamiento.
- Atributo: 1; 2; 3, etc.
• Subvariable: accesibilidad cultural.
- Definición: Conocimiento por parte de los destinatarios, sobre la existencia del
servicio de consulta médica.
- Indicador:
- Nombre: Conocimiento sobre la existencia del servicio de consulta médica.
- Atributo: Conocimiento o no conocimiento de la existencia del servicio de consulta
médica.
- Unidad: en este caso no hay unidades (por ser una variable cualitativa)
- Unidad operacional: Preguntas individuales a la persona, para deducir sobre la
información o no sobre la existencia del servicio de consulta médica.
25. Ejemplo de operacionalización de
variables(Lerma,2004)
Variables Definición
Conceptual
Dimensiones Indicadores
Accesibilidad a
los servicios de
salud
Mayor o menor
posibilidad de tomar
contacto con los SS
para recibir asistencia
Accesibilidad
Geográfica
Accesibilidad
Económica
Accesibilidad
Cultural
Tiempo medido en horas y
minutos que tarda una
persona en trasladarse
desde su domicilio al
centro de salud
Cantidad de dinero que
gasta para recibir atención
Disponibilidad económica
para cubrir ese gasto
Conocimientos sobre la
atención que se da en
centro de salud.
Percepción del problema
de salud
26. Variables Dimensiones
o
subvariables
Indicadores Sub
indicadores o
atributos
Escalas
Accesibilidad
a los servicios
de salud
Accesibilidad
Geográfica
Accesibilidad
Económica
Accesibilidad
Cultural
Tiempo medido en
horas y minutos que
tarda la persona en
trasladarse de su
domicilio al SS
Cantidad de dinero
que gasta para
recibir la atención
Percepción del
problema de salud
Horas y minutos
Monto en soles
Considera problema
No considera
problema
Razón
Razón
Nominal
Nivel de
Glicemia
Hipoglicemia
Normoglicemia
Hiperglicemia
<70 mg/dl
70-110 mg/dl
>110 mg/dl
Ordinal
28. ¿Qué es un diseño de
investigación?
Es un plan o estrategia que se desarrolla para obtener
la información que se requiere en una investigación
con el fin de responder al planteamiento del
problema.
29. ¿Qué tipos de diseños se tiene
para investigar?
Diseños experimentales
Campbell y Stanley (1966) divide a los diseños experimentales e
• pre experimentales
• experimentales y
• cuasi experimentales.
Diseños no experimentales:
Se subdividen en:
• transversales y
• longitudinales
30. Diseños experimentales
Es un estudio en el que se manipulan intencionalmente una o más variables
independientes (supuestas causas-antecedentes), para analizar las
consecuencias que la manipulación tiene sobre una o más variables
dependientes (supuestos efectos-consecuentes), dentro de una situación
de control para el investigador.
Ejemplo: un tratamiento médico mejora la anemia
Causa
(Variable independiente)
X
Efecto
(Variable dependiente)
Y
31. Diseños experimentales
En los diseños experimentales la variable dependiente se mide pero no se
manipula, se mide para ver el efecto que la manipulación de la variable
Independiente tiene sobre ella.
Manipulación de Medición del efecto sobre
La variable independiente variable dependiente
X1 O
X2
.
.
Simbología:
“X” variable independiente o tratamiento experimental las letras o subíndices “1,2,A,B”
indican los niveles de variación de la independiente y la letra “O” se utiliza para
representar a la variable dependiente.
32. Diseños experimentales
En este tipo de diseño participan dos grupos: el grupo experimental que es el que recibe
el tratamiento o estímulo experimental, (presencia de la variable independiente)y el
grupo de control al cual se le conoce con el nombre de grupo testigo ( no recibe
tratamiento o estímulo experimental)
• Diseño post-test con grupo de control
Los participantes son asignados al azar, no se aplica pre test a ninguno de los grupos, se
controlan otros factores como el efecto de la aplicación de tratamiento, la interacción
entre tratamientos y la selección de participantes.
RG1 X O1
RG2 O2
• Diseño pretest-postest y grupo de control
Se asigna los participantes a los grupos al azar,(experimental y control) se aplica el
tratamiento al grupo experimental y se mide las variable dependiente en ambos grupos
en situación de pretest y postest al mismo tiempo.
RG1 O1 X O2
RG2 O3 O4
G=Grupos de estudio
R= asignación al azar o
aleatoria
O= medición de los sujetos
33. Diseños experimentales
• Diseño de cuatro grupos de Solomon
El diseño es una combinación de los dos diseños experimentales anteriores,
estando configurado por dos grupos experimentales y dos de control. Solo a
uno de los grupos experimentales y a uno de los grupos de control se les
administra el pretest; a los cuatro grupos se les aplica el postest. Los
participantes se asigna en forma aleatoria.
El diseño se diagrama de la siguiente manera:
RG1 O1 X O2
RG2 O3 O4
RG3 ---- X O5
RG4 ---- --- O6
34. Diseños experimentales
• Diseño de series cronológicas múltiples
Diseño en el que se efectúan al paso del tiempo varias observaciones
o mediciones sobre una o más variables sea o no experimental.
Ejemplo: Se busca evaluar aplicación y evolución del efecto del
selenio en pacientes con cáncer de próstata.
En este caso es conveniente adoptar diseños con varias postpruebas o
bien con diversas prepruebas y postpruebas, con repetición de
estímulo, con varios tratamientos aplicados a un mismo grupo y otras
condiciones.
A estos diseños también se les conoce como series cronológicas
experimentales. En estos diseños se pueden tener dos o más grupos
y los participantes se asignan al azar.
35. Diseños cuasi experimentales
La característica fundamental de este tipo de diseños radica en que el
investigador no puede realizar la asignación al azar de los sujetos a los
grupos experimental y control. Lo que se controla es el momento de realizar
las observaciones, cuando aplicar el tratamiento, y a que grupo aplicarlo.
• Diseño con postprueba únicamente y grupos intactos
Este diseño utiliza a dos grupos, uno recibe el tratamiento experimental y el
otro no. Los grupos son comparados en la postprueba para analizar si el
tratamiento experimental tuvo un efecto sobre la variable dependiente (01
con 02). El diseño puede diagramarse del siguiente modo:
G1 X 01
G2 — 02
No hay asignación al azar ni emparejamiento. Si los grupos no son
equiparables entre si, diferencias en las postpruebas de ambos grupos
pueden ser atribuidas a la variable independiente pero también a otras
razones diferentes, a veces el investigador puede no darse cuenta de ello.
36. Diseños cuasi experimentales
• Diseño con preprueba-postprueba y grupos intactos (uno de ellos de
control)
Este diseño es similar al de con postprueba únicamente y grupos intactos,
solamente que a los grupos se les administra una preprueba. La cual puede
servir para verificar la equivalencia inicial de los grupos (si son equiparables
no debe haber diferencias significativas entre las prepruebas de los grupos)
Su esquema más sencillo sería el siguiente:
G1 01 X 02
G2 03 — O4
• Diseños cuasixperimentales de series cronológicas de un solo grupo
A un único grupo se le administran varias prepruebas, después se le aplica el
tratamiento experimental y finalmente varias postpruebas.
El diseño podría diagramarse así:
G1 O1 O2 O3 X O4 O5 O6
37. Diseños cuasi experimentales
En las series cronológicas de un único grupo debe tenerse muy en cuenta que no se tiene
punto de comparación (grupo de control), por lo tanto la interpretación del patrón en la
variable dependiente (o patrones de las variables dependientes) debe ser muy cuidadosa,
habrá de analizarse si no han actuado o interactuado otras posibles causas además del
tratamiento experimental o variable independiente. Normalmente, este diseño cuasi
experimental se utiliza con propósitos correlacionales y no explicativos.
• Series cronológicas cuasi experimentales con múltiples grupos
Estos diseños pueden adoptar la estructura de las series cronológicas experimentales, con
la diferencia de que en estas últimas los individuos se asignan al azar a los grupos,
mientras que en las cuasiexperimentales tenemos grupos intactos. Por lo tanto, ocurrirían
las mismas variaciones.
Sin prepruebas, y grupo de control
G1 X1 01 02 03
G2 X2 04 05 06
G3 X3 07 08 09
G4 — 010 011 012
Serie cronológica con preprueba, con varias pospruebas y grupo de control
G1 O1 X1 02 03 04
G2 O5 X2 06 07 08
G3 O9 _ 010 011 012
38. Diseños no experimentales
Son estudios que se realizan sin la manipulación deliberada de las variables
y en los que sólo se observan los fenómenos en su ambiente natural para
Después analizarlos. Los diseños no experimentales se pueden clasificar en:
Transaccionales y longitudinales
I
INVESTIGACIÓN
NO
EXPERIMENTAL
TRANSACCIONAL
S
LONGITUDINALES
39. Diseños transaccionales
• Los diseños de investigación transaccional o transversal recolectan datos
en un solo momento, en un tiempo único. Su propósito es describir
variables y analizar su incidencia e interrelación en un momento dado. Es
como tomar una fotografía de algo que sucede.
• Los diseños transaccionales o transversales se dividen en exploratorios,
descriptivos y correlaciónales causales.
Diseños no
experimentales
Exploratorios
Descriptivos
Correlacionales
causales
Diseños
transversales
40. Diseños transversales exploratorios
El propósito de los diseños transversales exploratorios es comenzar a
conocer una variable o un conjunto de variables, una comunidad, un
contexto, un evento, una situación. Se trata de una exploración inicial
en un momento específico. Por lo general, se aplican a problemas de
investigación nuevos o poco conocidos, además constituyen el
preámbulo de otros diseños (no experimentales y experimentales)
41. Diseños transaccionales
descriptivos
Los diseños transaccionales descriptivos tienen como objetivo indagar la
incidencia y los valores en que se manifiesta una o más variables. El
procedimiento consiste en medir en un grupo de personas u objetos una o
generalmente más variables y proporcionar su descripción. Son, por lo tanto,
estudios puramente descriptivos que cuando establecen hipótesis, éstas son
también descriptivas.
Gráficamente se representan de la siguiente manera:
Se recolectan datos y se describe categoría, concepto, variable (X1)
Se recolectan datos y se describe categoría, concepto, variable (X2)
Se recolectan datos y se describe categoría. concepto, variable (X3)
Ejemplo: Ubicar a un grupo de personas en las variables: género, edad,
estado civil o marital, nivel educativo.
X1
X2
X3
42. Diseños transaccionales
descriptivos
La secuencia básica, pero no la única, en una investigación descriptiva, son:
a. Formulación de una hipótesis. Cuando no tenemos una hipótesis previa
describimos una muestra empezando desde el paso siguiente.
b. Identificación de las constantes y variables.
c. Categorización de las variables.
d. Operacionalización de las variables.
e. Obtención de los datos hasta convertirlos en índices.
f. Categorización de los datos obtenidos. Construcción de una matriz de
datos.
g. Organización de los datos en tablas, gráficos o medidas estadísticas.
h. Análisis de los datos.
Si se constata que hay correlación emprendemos directamente un análisis de
regresión, o bien dejamos planteada nuestra sospecha en la existencia de una
conexión causal.
43. Estos diseños de investigación son los más adecuados cuando el
investigador no puede recurrir ni al control ni a la manipulación
de las variables y así poder inferir posibles relaciones de
causalidad entre las variables de estudio.
M
Determina el grado de relación entre dos o más variables.
Ox
Oy
Oz
r
r
Donde M es la muestra; Ox, Oy, Oz, son las observaciones a las
variables X, Y, Z. r es la relación probable entre las variables X,
Y, Z.
Diseños transaccionales
Correlacionales
44. Diseños transaccionales
correlacionales causales
Los diseños transeccionales correlacionales/causales tienen como objetivo
describir relaciones entre dos o más variables en un momento determinado. Se
trata también de descripciones, pero no de variables individuales sino de sus
relaciones, sean éstas puramente correlacionales o relaciones causales. En
estos diseños lo que se mide es la relación entre variables en un tiempo
determinado. Gráficamente se representa de la siguiente manera:
X1 Y1
X2 Y2
X3 Y3
46. Diseños longitudinales
Los diseños de tendencia o trend son aquellos que analizan
cambios a través del tiempo (en variables o sus relaciones) dentro
de alguna población en general.
Por ejemplo, una investigación para analizar cambios en la actitud
hacia el aborto en una comunidad. Dicha actitud se mide en varios
puntos en el tiempo (digamos anualmente durante 10 años) y se
examina su evolución a lo largo de este periodo.
Los diseños se representan de la siguiente manera:
Tiempo 1 Tiempo 2 Tiempo 3
Tiempo K
Medición
de
una
población
Medición
de
una
población
Medición
de
una
población
Medición
de
una
población
47. Diseños longitudinales
Los diseños de evolución de grupo o estudios “cohort” examinan
cambios a través del tiempo en subpoblaciones o grupos específicos. Su
atención son las “cohorts” o grupos de individuos vinculados de alguna
manera —generalmente la edad, grupos por edad— (Glena, 1977). Un
ejemplo de estos grupos (“cohoris”) sería el formado por las personas que
nacieron en 2015 en Perú.
Estos diseños se representan de la siguiente manera:
Tiempo 1 Tiempo 2 Tiempo 3
Tiempo K
Medición de
una
subpoblació
n
Medición de
una
subpoblació
n
Medición de
una
subpoblació
n
Medición de
una
subpoblació
n
48. Diseños longitudinales
Diseños longitudinales panel
Los diseños panel son similares a las dos clases de diseños vistas
anteriormente, sólo que el mismo grupo específico de sujetos es medido en
todos los tiempos o momentos.
Los diseños longitudinales se fundamentan en hipótesis de diferencia
de grupos, correlacionales y causales
Estos diseños se representan de la siguiente manera:
Tiempo 1 Tiempo 2 Tiempo 3
Tiempo K
Medición de
una población
o
subpoblación
Medición de
una población
o
subpoblación
Medición de
una población
o
subpoblación
Medición de
una población
o
subpoblación
Los diseños longitudinales recolectan datos sobre variables o sus
relaciones en dos o más momentos, para evaluar el cambio en éstas. Ya
sea tomando a una población (diseños de tendencia o trends) a una
subpoblación (diseños de análisis evolutivo de un grupo o “cohort”) o a
los mismos sujetos (diseños panel).
49. CORRESPONDENCIA ENTRE TIPOS DE ESTUDIO, HIPÓTESIS Y
DISEÑO DE INVESTIGACIÓN
ESTUDIO DISEÑO HIPÓTESIS
Exploratorio
- No se establecen, lo que se puede
formular son conjeturas iniciales.
-Transeccional
-descriptivo
-Preexperimental
Descriptivo - Descriptivo
- Preexperimental
— Transeccional descriptivo
Correlacional
— Diferencia de grupos sin atribuir
causalidad
— Cuasiexperimental
— Transeccional correlacional.
— Longitudinal (no experimental).
- Correlacional
— Cuasi experimental
— Transaccional correlacionar.
— Longitudinal (no experimental).
Explicativo
— Diferencia de grupos atribuyendo
causalidad
— Experimental.
— Cuasi experimental, longitudinal y
transaccional causal.
— Causales
— Experimental.
— Cuasiexperimental, longitudinal y
transeccional causal.
50. Validez interna y externa de los
diseños
Validez interna
Significa que un diseño debe demostrar que los cambios producidos en la variable
dependiente (Y) se debe única y exclusivamente a la acción del estímulo o variable
independiente (X).
Validez externa
Quiere decir que un diseño es válido cuando sus resultados puedan generalizarse a
poblaciones similares en espacios y tiempos diferentes; es decir, que al replicar la
investigación, debe encontrarse los mismos resultados.
Métodos de Control
VALIDEZ INTERNA VALIDEZ EXTERNA
1. Historia contemporánea
2. Procesos de maduración
3. Procedimientos Pre test
4. Instrumentos de medición
5. Regresión estadística
6. Selección diferencial de los sujetos
7. Mortalidad experimental
8. Interacción entre selección y maduración;
selección e historia y otras condiciones.
1. Efecto reactivo o de interacción de las pruebas
pruebas
2. Efecto de interacción entre errores de selección
selección y el tratamiento experimental.
3. Efectos reactivos de los tratamientos
experimentales .
4. Interferencia de tratamientos múltiples .
5. Imposibilidad de replicar los tratamientos
52. Población y muestra
POBLACIÓN: Totalidad de elementos, conjunto de personas, objetos,
asuntos de investigación.
MUESTRA: Una fracción del universo o población; puede ser
probabilística o no probabilística.
MUESTREO: Es el proceso de extrae una muestra a partir de una
población.
Etapas del muestreo.
1. Definir la unidad de análisis y la población de estudio
2. Determinar si se realizará muestreo o si trabajara con toda la población.
3. Determinar el tipo de muestreo a emplear
4. Calcular ele tamaño de la muestra
5. Identificar el marco poblacional de donde se extraerá la muestra
6. Seleccionar a los individuos de la población que conformará la muestra.
Criterios de inclusión y exclusión: Son características que sirven para
identificar y diferenciar quién participa en la población y quien no.
53. Población y Muestra
Parte de los elementos o
subconjuntos de una
población que se
selecciona para el
estudio de esa
característica o
condición
Muestra
Extracción muestra
Población
Generalización de hallazgos
Monje Carlos (2011)
Conjunto de elementos
que presentan una
característica o condición
común que es objeto de
estudio
54. ¿Cuándo es necesario una
muestra?
Cuando no se puede estudiar toda la población, por ejemplo el sondeo de
opinión en el pueblo X de 35,000 hbts.
Cuando hay que comparar dos o más grupos y explorar si entre ellos hay
alguna diferencia.
Condiciones de una buena muestra
Adecuada:
Debe incluir un número optimo y mínimo de individuos. Buena
cantidad (tamaño de la muestra)
Representativa:
Debe tener características semejantes a la población. Tener
buena calidad.
55. MUESTREO
Es el proceso de obtención de la muestra de una población de
estudio mediante métodos estadísticos apropiados.
VENTAJAS:
Se incurre en menos gasto
Posibilita profundizar en el análisis de las Variables
Permite Tener mayor control de las variables a estudiar
Unidad de análisis: Es cada elemento que participa en el estudio
conformando la muestra.
Unidad de muestreo: Es la unidad seleccionada en el marco
muestral
Marco muestral: Es la relación o listado de unidades de muestreo
de donde se obtiene la muestra.
Ejemplo:
Unidad de análisis: Jefe de familia
Unidad de muestreo: Cada vivienda
Marco muestral: el plano de las casas de la comunidad.
56. Tipos de muestreo
.
TIPOS DE MUESTREO
PROBABILISTICOS NO PROBABILISTICOS
ALEATORIO SIMPLE
SISTEMATICO
ESTARATIFICADO
CONGLOMERADO
POR CONVENIENCIA POR CUOTAS
57. • Todos y cada uno de los elementos de la
población tienen la misma probabilidad de
ser elegidos para la muestra.
• La muestra así obtenida es representativa
del universo.
• Sus resultados pueden ser generalizados
a la población.
Muestreo probabilístico
58. Aleatorio simple: A cada elemento se le asigna un
número y selecciona por sorteo, tabla números
aleatorios.
Estratificado: En conjuntos homogéneos
,proporcionales.
Se multiplica cada sub población por la fracción de
muestreo (fh) y se obtiene el tamaño de la muestra
para cada estrato.
Sistemático: Se divide el tamaño de la población (N)
entre el tamaño de muestra (n) y se obtiene el
tamaño del intervalo muestral (k).
Selección según intervalos fijos, al azar el inicio.
Conglomerados: poli etápico, conjuntos
heterogéneos, usa plano.
Tipos de muestreo
probabilístico
59. Muestreo no probabilístico
Se denominan de conveniencia, no son representativos.
Tipos:
1.Accidental: Toma los casos que están disponibles;
2.Intencionado: Se escogen los más “típicos” a criterio
investigador.
3.Por Cuotas: Se estima proporción de muestra.
Sirve en estudios cualitativos.
60. Muestreo Aleatorio
Simple
Los elementos de la muestra se eligen al azar, directamente y en una sola
etapa. cada elemento de la población tiene la misma probabilidad de
ser elegido
Ventajas:
Sencillo y de fácil comprensión.
Cálculo rápido de medias y varianzas.
Se basa en la teoría estadística, y por tanto existen paquetes informáticos para analizar
los datos.
Desventajas:
Requiere que se posea de antemano un listado completo de toda la población.
Cuando se trabaja con muestras pequeñas es posible que no represente a la población
adecuadamente.
Procedimiento
Se asigna un número a cada individuo de la población
A través de algún medio mecánico (bolas dentro de una bolsa, tablas de
números aleatorios, números aleatorios generados con una calculadora
u ordenador, etc) se eligen tantos sujetos como sea necesario para
completar el tamaño de muestra requerido.
61.
62. Muestreo sistemático
Sistematiza la elección de los componentes de la muestra.
Ventajas:
Fácil de aplicar.
No siempre es necesario tener un listado de toda la población.
Cuando la población está ordenada siguiendo una tendencia conocida,
asegura una cobertura de unidades de todos los tipos.
Desventajas:
Si la constante de muestreo está asociada con el fenómeno de interés, se
pueden hallar estimaciones sesgadas.
Procedimiento:
Conseguir un listado de N elementos.
Determinar un tamaño de muestra n.
Definir un intervalo de salto k; K=N/n.
Elegir un número aleatorio, r, entre 1 y k (r=arranque aleatorio).
Seleccionar los elementos de la lista.
N = 5000, n = 100 coeficiente de elevación= 5000/100-50
63. Muestreo estratificado
Si el universo no es homogéneo.
En este caso se debe elegir una muestra para cada estrato por
algunos sde los procedimientos anteriores.
Ventajas:
Tiende a asegurar que la muestra represente adecuadamente a la población en
función de unas variables seleccionadas.
Se obtienen estimaciones más precisas.
Desventajas:
Se ha de conocer la distribución en la población de las variables utilizadas para la
estratificación.
Los análisis son complicados, en muchos casos la muestra tiene que ponderarse
(asignar pesos a cada elemento).
Procedimiento
Se divide la población en grupos homogéneos dentro de ellos, pero heterogéneos
de grupo a grupo.
Se selecciona una muestra de cada grupo utilizando un muestreo aleatorio simple o
muestreo sistemático.
64. Muestreo por conglomerado o
grupo
En este muestreo, las unidades muestrales no son simples, sino que son
colectivos. Por ejemplo, las escuelas, los hospitales, etcétera. Cada uno de
estos colectivos reciben el nombre de conglomeraciones.
Ventajas:
Es muy eficiente cuando la población es muy grande y dispersa. Reduce
costos.
No es preciso tener un listado de toda la población, sólo de las unidades
primarias de muestreo.
Desventajas:
El error estándar es mayor que en el muestreo aleatorio simple o
estratificado.
El cálculo del error estándar es complejo
Procedimiento
Dividir a la población grande y heterogénea en sub-grupos heterogéneos
llamados conglomerados que son convenientes para el muestreo.
Seleccionar una muestra de los grupos utilizando un muestreo aleatorio
simple o sistemático.
Finalmente, tomar todos los elementos o una muestra de ellos al azar o por
muestreo sistemático de los grupos seleccionados para obtener una muestra.
Bajo este método, aunque no todos los grupos son muestreados, cada grupo
tiene una igual probabilidad de ser seleccionado. Por lo tanto la muestra es
65. Muestreo por conveniencia
El investigador selecciona diferentes puntos de la ciudad por
conveniencia, para facilitar la captación de UA.
Ejemplo: Solicitar voluntarios, entrevistar para opinión
Muestreo por criterio
Cuando se basa en criterio del investigador, al implantar
determinada campaña selecciona diferentes ciudades para ver su
aceptación.
Muestreo cuotas
Cuando el investigador selecciona la muestra por alguna
característica para lograr representatividad. (Sexo)
Muestreo de bola de nieve
Se localizan a entrevistados y estos recomiendan a otros.
Ejemplo: Sectas, tipo de enfermos, etc.
66. Recolección de datos
cuantitativos
Con frecuencia se obtienen datos cuantitativos para expresar
numéricamente el resultado de la medición de sus variables y
mediante procedimientos estadísticos describir fenómenos o evaluar
la magnitud y confiabilidad de las relaciones entre ellos.
Entre los instrumentos tenemos:
1. La entrevista estructurada.
2. Cuestionario auto diligenciado
3. Observación sistemática regulada o controlada.
4. Escalas de actitud y opinión.
5. Estadísticas, fuentes secundarias de datos.
67. ANÁLISIS DE LOS DATOS
En esta etapa el investigador planifica y expone las principales expresiones
matemáticas a que se someterán los datos para verificar las hipótesis o
para describir los hechos.
Se plantean esquemas sobre posibles tablas, figuras (gráficas estadísticas,
croquis, esquemas, y todo tipo de dibujo que ilustre o aclare parte del
contenido), selecciona las medidas de tendencia central, de dispersión y las
estadísticas de prueba para las hipótesis formuladas.
Todas las investigaciones cuantitativas manejan información numérica,
utilizando en algún grado la estadística descriptiva; ésta contiene conceptos
como el promedio y la desviación estándar, necesarios para entender otros
conceptos estadísticos más avanzados empleados en diseños para pruebas
de hipótesis. En las investigaciones cuantitativas cuando se requiere
realizar pruebas de hipótesis, es necesario recurrir al apoyo de un experto
en estadística.
69. Referencias bibliográficas
Grove, S.K., Gray, J. R. y Burns, N. (2016). Investigación en enfermería:
Desarrollo de la práctica enfermera basada en la evidencia. 6ª. ed.
Barcelona: Elsevier.
Hernández, R., Fernández, C. Baptista, P. (2014) Metodología de la
Investigación. 6ª. Ed. México. Mc Graw Hill.
Lerma, H.D. (2003) Metodología de la investigación: Propuesta,
anteproyecto y proyecto. 2ª ed. Bogotá: Ecoe ediciones.
Monje, C.A. (2011). Metodología de la Investigación cuantitativa y
cualitativa. Guía didáctica. Recuperado de
http://congresoenfermeria.com/2016/sites/default/files/styles/monjecarlos
arturo-guiadidacticametodologiadelainvestigacion_1421658502527.pdf
Sousa, V. , Driessnack, M. y Costa, I. A.. ( 2007) Revisión de diseños de
investigación resaltantes para enfermería. Parte 1: diseños de
investigación cuantitativa. Rev Latino-am Enfermagem.15 (3).
Recuperado de http://www.scielo.br/pdf/rlae/v15n3/es_v15n3a22.pdf