SEMINV - Libro de Texto

Seminarios de Investigación Científica seminariosdeinvestigacion.
com
SEMINARIOS DE
INVESTIGACIÓN
CIENTÍFICA
www.seminariosdeinvestigacion.com
2011
Seminarios de Investigación Científica seminariosdeinvestigacion.com
INDICE
1. Tipos de investigación…………………………………………………………………………………….. 01
2. Niveles en Investigación………………………………………………………………………………….. 02
3. Diseños en Investigación………………………………………………………………………………….. 03
4. Las variables según su medición……………………………………………………………………….. 04
5. Escalas de Medición de las variables……………………………………………………………….. 05
6. Las variables según su relación……………………………………………………………………….. 06
7. Unidades de estudio………………………………………………………………………………….…….. 07
8. Formulación del estudio………………………………………………………………………………….. 08
9. Delimitación del estudio………………………………………………………………………………….. 09
10. Objetivos estadísticos……………………………………………………………………………………….. 10
11. Objetivos estadísticos bivariados……………………………………………………………………….. 11
12. Objetivo estadístico comparar………………………………………………………………………….. 12
13. Formulación de hipótesis…………………………………………………………………………..…….. 13
14. Nivel de significancia……………………………………………………………………………………….. 14
15. Prueba de hipótesis……………………………………………………………………………….……….. 15
16. Población y muestra……………………………………………………………………………………….. 16
17. Unidades de muestreo…………………………………………………………………………………….. 17
18. Técnicas de muestreo……………………………………………………………………………………….. 18
19. Instrumentos de medición……………………………………………………………………………….. 19
20. Validez cualitativa de un instrumento……………………………………………………………….. 20
21. Validez cuantitativa de un instrumento…………………………………………………………….. 21
22. Técnicas de recolección de Datos…………………………………………………………………….. 22
23. Tipos de preguntas en un cuestionario…………………………………………………………….. 23
24. Escala de tipo Likert……………………………………………………………………………..………….. 24
25. Validez de un estudio……………………………………………………………..……………………….. 25
26. Sesgos de selección………………………………………………………………………..……………….. 26
27. Sesgos de medición…………………………………………………………………………..…………….. 27
28. Calidad de la información…………………………………………………………………..….……….. 28
29. Discusión de resultados…………………………………………………………….…………………….. 29
30. Criterios de Causalidad………………………………….……………………………………………….. 30
Tipos de investigación
1. Según la intervención del Investigador:
OBSERVACIONAL: No existe intervención del investigador; los datos reflejan la evolución natural de los
eventos, ajena a la voluntad del investigador.
EXPERIMENTAL: Siempre son prospectivos, longitudinales, analíticos y de nivel investigativo “explicativo”

(causa – efecto); además de ser “controlados”.
2. Según la planificación de la toma de datos
PROSPECTIVO: Los datos necesarios para el estudio son recogidos a propósito de la investigación
(primarios). Por lo que, posee control del sesgo de medición.
RETROSPECTIVO: Los datos se recogen de registros donde el investigador no tuvo participación (secundarios). No
podemos dar fe de la exactitud de las mediciones.
3. Según el número de ocasiones en que mide la variable de estudio
TRANSVERSAL: Todas las variables son medidas en una sola ocasión; por ello de realizar comparaciones,
se trata de muestras independientes.
LONGITUDINAL: La variable de estudio es medida en dos o más ocasiones; por ello, de realizar
comparaciones (antes – después) son entre muestras relacionadas.
4. Según el número de variables de interés
DESCRIPTIVO: El análisis estadístico, es univariado porque solo describe o estima parámetros en la

población de estudio a partir de una muestra.
ANALÍTICO: El análisis estadístico por lo menos es bivariado; porque plantea y pone a prueba hipótesis, su
nivel más básico establece la asociación entre factores.
IMPORTANTE: “Descriptivo no es sinónimo de observacional”. Un estudio observacional puede ser analítico.

Ejm: El estudio de los casos y controles.
1
Niveles de investigación
1. Exploratorio: Se plantean cuando no existe un cuerpo teórico que ilumine el fenómeno observado; su
función es el reconocimiento e identificación de problemas.
No hay preguntas que conduzcan a problemas precisos, se exploran áreas problemáticas. Se trata de
investigación cualitativa; por lo que no se requiere de manejo estadístico.
2. Descriptivo: Describe fenómenos sociales o clínicos en una circunstancia temporal y geográfica

determinada. Su finalidad es describir y/o estimar parámetros.
Se describen frecuencias y/o promedios; y se estiman parámetros con intervalos de confianza. Ejm. los
estudios de frecuencia de la enfermedad: Incidencia y Prevalencia.
3. Relacional: No son estudios de causa y efecto; la estadística solo demuestra dependencia entre eventos;
Ejm. los estudios de asociación sin relación de dependencia.
La estadística es bivariada nos permite hacer asociaciones (Chi Cuadrado) y medidas de asociación;
correlaciones y medidas de correlación (Correlación de Pearson).
4. Explicativo: Explica el comportamiento de una variable en función de otra(s); por ser estudios de causa-
efecto requieren control y debe cumplir otros criterios de causalidad.
El control estadístico es multivariado a fin de descartar asociaciones aleatorias, casuales o espurias entre
la variable independiente y dependiente. Ejm. Chi2 de Mantel-Haenszel.
5. Predictivo: Se encarga de la estimación probabilística de eventos generalmente adversos, como puede

ser las complicaciones de la enfermedad, la mortalidad, etc.
Se aplican un conjunto de técnicas estadísticas. Ejm. La validación de una prueba diagnóstica requiere:
Alfa de Cronbach, Índice Kappa, ANOVA, Curvas ROC.
6. Aplicativo: Plantea resolver problemas o intervenir en la historia natural de la enfermedad. Enmarca a la

innovación técnica, artesanal e industrial como la científica.
Las técnicas estadísticas apuntan a evaluar el éxito de la intervención, como medidas de impacto sobre
los principales indicadores de salud: tasas, coberturas, rendimiento, etc.
2
Diseños en investigación
1. Epidemiológicos: Estudian la morbi-mortalidad y eventos la salud en poblaciones humanas.

Descriptivos: Pueden ser transversal (Ej. Estudio de prevalencia) y longitudinal (Ej. Estudio de
incidencia).
Analítico: Aquí se encuentran los estudios de factores de riesgo, los que terminan planteando la relación
de causalidad. Ej. Casos y controles; Cohortes.
De intervención: No son experimentos verdaderos, porque se ven limitados por las normas éticas. Ej.
Ensayos clínicos y ensayos de población.
2. Experimentales: Requiere dos condiciones: intervención y asignación aleatoria (grupo control).

Pre-experimento: La intervención no es apropósito de la investigación; sino que obedece a las
necesidades terapéuticas del sujeto.
Cuasi-experimento: Cuando no hay grupo control, no es posible realizar la asignación aleatoria, se
realiza dos mediciones en el mismo grupo.
Experimento verdadero: Cumple con la asignación aleatoria (grupo control) e intervención a propósito
de la investigación.
3. Comunitarios: La unidad de estudio es la población y la fuente de datos de tipo secundario.

Exploratorios: El único propósito es buscar patrones espaciales o temporales que podrían sugerir temas
de investigación.
Comparaciones múltiples: Verifican hipótesis sobre la diferencia de parámetros correspondientes a
situaciones diferentes en una población.
Series temporales: Analiza las variaciones temporales de los niveles de exposición a través del tiempo.
Ej. La semana epidemiológica.
4. Validación de instrumentos: Se orientan a la identificación, definición y medición de un constructo.

Creación: Cuando no existe la forma de evaluar un constructo (variable subjetiva) se tiene que definir el
concepto antes de pensar en medirlo.
Validación: Referida a las propiedades métricas del instrumento, su principal objetivo es poder detectar
y descartar el concepto estudiado.
Optimización: La finalidad de usar un instrumento es que sea una herramienta a la hora de tomar
decisiones las cuales siempre son dicotómicas.
3
Las variables según su medición
1. Variables objetivas
Son propiedades, características o atributos que se dan en las unidades de estudio (personas, grupos,
etc.) o por derivación de ellas; siempre deben ser medibles.
Las variables individuales corresponden a las unidades de estudio individuales, ejm. el nivel de
instrucción de las personas.
Las variables colectivas son propiedades de grupos y su medición se basa en las propiedades
individuales que poseen sus miembros, por ejemplo el índice de analfabetismo.
Unidimensionales
Cuando las variables no presentan ninguna dificultad para su identificación se dice que tienen
indicadores directos (la misma variable es su propio indicador) o unidimensionales.
El análisis estadístico de las variables individuales y las variables colectivas; incluso dentro de un mismo
objetivo, no siempre es el mismo.
2. Variables subjetivas
El constructo es una propiedad que se supone posee una persona (unidad de estudio individual), es un
concepto teórico. Ejm. la inteligencia, la motivación, la creatividad, las actitudes, etc.
Los constructos se definen como propiedades subyacentes, que no pueden medirse de manera directa,
sino mediante indicadores que corresponden a sus dimensiones.
Los instrumentos utilizados para medir variables subyacentes, deben tener una validez de constructo
que corresponde su definición operacional.
Multidimensionales
Siendo que las variables subyacentes no se pueden medir directamente se requieren de indicadores; de
manera que cada uno de los indicadores se convierte en una dimensión.
Las variables subyacentes (constructos) que no pueden medirse de manera directa, requieren de tantas
dimensiones como indicadores que permitan su medición.
4
Escalas de medición de las variables
Tipo VARIABLES CATEGÓRICAS VARIABLES NUMÉRICAS
Naturaleza CUALITATIVAS CUANTITATIVAS
(0) NOMINAL (1) ORDINAL (2) INTERVALO (3) RAZÓN

Escala
Ningún atributo Un atributo Dos atributos Tres atributos
Atributos de la
Orden Distancia Origen Orden Distancia Origen Orden Distancia Origen Orden Distancia Origen
escala
Posee categorías a las que se Posee las categorías ordenadas, pero Tiene intervalos iguales y medibles. No Tiene intervalos constantes entre
asigna un nombre sin que exista no permite cuantificar la distancia tiene un origen real, por lo que puede valores; además de un origen real. El
Característica
ningún orden implícito entre ellas. entre una categoría y otra. asumir valores negativos. cero significa la ausencia del
individuo.
Ejemplos Género Estado Civil Instrucción Intensidad Temperatura Hora del día Peso Hijos
Soltero Primaria Leve -10C 00 Horas 00.00Kg Uno
Masculino
Valor Final Casado Secundaria Moderado 0C 10 Horas 10.24Kg Dos
Femenino
Conviviente Superior Severo 20C 20 Horas 20.00Kg Tres
Dicotómicas: Tienen solamente dos categorías Continuas: Provienen de medir

Ejemplos de Ordinal Dicotómica: Se pueden representar con números enteros o fraccionarios
Nuevo - Continuador Entre dos valores siempre existe un valor intermedio
Observaciones
Vivo – Fallecido
Sano – Enfermo Discretas: Provienen de contar
Politómicas: Tienen más de dos categorías. Solamente pueden ser representados con números enteros
5
Las variables según su relación
Esta clasificación de las variables se fundamenta en la búsqueda de obtener explicación causal

fundamentalmente en un estudio observacional y auxiliarmente en un experimento y correspondiente al nivel
investigativo explicativo.
Su estructura responde a la necesidad de realizar el control fundamentalmente estadístico y auxiliarmente
metodológico de la relación causa-efecto.
1. Variable independiente
Es aquella cuya existencia es autónoma, no depende de otra, más bien de ella dependen otras, representa los
factores que constituirían la causa, siendo que previamente ha demostrado ser factor de riesgo para el
problema que se estudia. En este sistema de variables se plantea solamente una variable independiente.
2. Variable dependiente
En este sistema de variables representa a la variable de interés o variable de estudio, es la que para su
existencia y desenvolvimiento depende de otra independiente, su modo de ser, está condicionada por otros
aspectos de la realidad. Es la que mide o describe el problema que se estudia.
3. Variables intervinientes
3.1. Variable de confusión

Su participación puede intensificar o antagonizar la relación aparente entre el problema y una posible causa,
creando confusión en el investigador. Su influencia se da tanto sobre la variable independiente como en la
dependiente. Su control se debe realizar mediante análisis estratificado.
3.2. Variable intermedia

Esta variable aparece de manera incalculada durante el proceso de una observación o inesperada dentro de un
experimento, entre el factor causal y el efecto. Ocurre cuando no ha habido una buena elección de los factores
de riesgo. El procedimiento más idóneo para su neutralizar su participación es el análisis multivariado.
3.3. Variable control

Es una variable con una fuerte influencia sobre la variable dependiente, pero ningún efecto reconocido sobre la
variable independiente. Habitualmente se reconoce su participación en el momento de la planeación. Su
control se realiza metodológicamente mediante los criterios de exclusión.
6
Unidades de estudio
1. Unidad de estudio: Es la unidad sobre la cual se necesita información, es el individuo (conjunto de

individuos) de donde se obtiene el dato; la unidad de estudio corresponde a la entidad que va a ser
objeto de medición y se refiere al qué o quién es sujeto de interés en una investigación. La información se
obtiene a partir de la unidad que haya sido definida como tal, incluso si para acceder a ella se deba
recurrir pasos intermedios; en un trabajo de investigación existe solamente una unidad de estudio.
2. Unidad de información: La información que requerimos de una unidad de estudio, no siempre se obtiene
de ella misma, cuando la unidad de estudio es la población el individuo se convierte en unida de
información, en un estudio retrospectivo las unidades de información son las historias clínicas. Cuando
evaluamos el trastorno por déficit de atención en los niños se le encuesta a sus padres y/o a sus
profesores. En los meta-análisis son los propios estudios los que brindan la información.
3. Unidad de muestreo: Está constituida por una o varias unidades de estudio. Son las unidades que
ingresan al sorteo en el muestro aleatorio simple; en un muestreo polietápico son los conglomerados o
clústers quienes ingresan al sorteo, mientras que las unidades de estudio son los pacientes. En una
encuesta de preferencias políticas, las unidades muestreo son los hogares pero la unidad de estudio es el
votante. En el muestreo polietápico hay tantas unidades de muestreo como etapas tenga el remuestreo.
4. Unidad de análisis: Si queremos conocer el nivel de glucosa en plasma 5cc de sangre serán suficientes, a
esta cantidad de sustancia se le conoce como unidad de análisis, y basta con una para realizar inferencia
estadística, la unidad de análisis es el elemento objeto de estudio, cada unidad de estudio puede tener
una o más unidades de análisis, si el estudio es sobre piezas dentarias, un individuo tendrá más de una
unidad de análisis. Desde el punto de vista investigativo la unidad de análisis es indivisible.
5. Unidad de observación: Corresponde al indicador de la variable multidimensional; en un estudio sobre el

nivel socioeconómico las unidades de observación son las condiciones físicas de su vivienda, pero
también es el estado de cuenta de sus movimientos financieros. En un centro hospitalario los atendidos
son las unidades de estudio, pero las atenciones son las unidades de observación; un paciente asmático
puede tener tantas observaciones como ingresos hospitalarios registre debido a su enfermedad.
6. Unidades de experimentación: Cada una de las reacciones de un individuo sometido a las variaciones de
un mismo estímulo es una unidad de experimentación, donde cada medida refleja el efecto de la
intervención; así por ejemplo en una audiometría se somete a un mismo individuo a estímulos acústicos
de diferente intensidad y frecuencia; la unidad de experimentación es única si la unidad de estudio se
descarta luego de la investigación, como ocurre con los animales de experimentación.
7
Formulación del problema
La expresión, FORMULACIÓN DEL PROBLEMA, viene de la palabra fórmula, que significa arreglo de términos de
acuerdo a la relación observada entre ellos. Se trata de sintetizar la cuestión proyectada a investigar en
términos concretos, explícitos, claros y precisos, puede adoptar la forma declarativa o interrogativa. No todos
los estudios representan un problema, por ello Los problemas de Investigación se formulan con los 5
componentes a continuación:
Propósito del estudio: Conocido también como especificidad del estudio, porque es el aspecto preciso,
concreto y claro que se busca investigar, es la finalidad cognoscitiva del estudio porque refleja el tipo de
conocimiento que el investigador sesea adquirir, es el propósito estadístico porque implica lo que el
investigador desea indagar en la o las variables de interés, o etc. En un solo término o frase hace alusión al
diseño de la investigación, al nivel investigativo, al tipo de estudio u objetivo estadístico, etc.
Variables de interés: Es el aspecto observable en las unidades de estudio; son cada una de las variables que
participarán en el análisis estadístico con un papel único, así por ejemplo en un estudio de factores de riesgo,
todos los factores planteados en conjunto representan solamente una variable de interés. Un tipo especial de
variable de interés es la variable de estudio la cual aparece explícitamente en el enunciado y que puede ser fija
o aleatoria dependiendo del nivel investigativo en el que nos encontremos.
Unidades de estudio: La unidad de estudio es única en un trabajo de investigación y caracteriza a toda la línea
de investigación; es la entidad que va a ser objeto de medición y se refiere al sujeto o grupo de sujetos de
interés en una investigación, toda la a información se obtiene a partir de la unidad que haya sido definida como
tal, incluso si para acceder a ella se deba recorrer pasos intermedios. Debe mencionarse a las unidades de
estudio de la cual se necesita la información, aunque a veces su presencia en el enunciado resulta implícita.
Delimitación espacial: Es ineludible cuando se tratan de estudios de nivel exploratorio y descriptivo; es preciso
delimitar un estudio exploratorio o descriptivo porque los fenómenos varían de un lugar a otro; lo cual no
ocurre en los estudios relacionales, explicativos y predictivos; en el enunciado se debe especificar sobre qué
población se realizará la inferencia estadística. La delimitación espacial se encuentra relacionado con el tamaño
de la muestra, porque su identificación nos permite conocer el marco muestral.
Delimitación temporal: Su identificación es aún más trascendente que la ubicación espacial en los estudios de
nivel exploratorio y descriptivo, porque circunscribe e identifica una población a estudiar solucionando así el
problema de las poblaciones infinitas o desconocidas por lo que se encuentra relacionado con el muestreo
accidental. En las enfermedades o situaciones problemáticas que varían excesivamente en relación al tiempo es
preciso ubicar un espacio lo suficientemente representativo de la población.
8
Delimitación del estudio
Delimitar el tema de estudio quiere decir construir una valla a la investigación y especificar el alcance de sus
conclusiones. En los niveles de investigación más básicos es prioritario delimitar el estudio; siendo que una
línea de investigación se delimita de manera automática mientras más avanza a través de los niveles de la
investigación. El primer criterio para delimitar el problema es su formulación o enunciado a los cuales debemos
añadir los siguientes criterios de delimitación:
1. Área del conocimiento: Toda vez que hayamos enunciado el estudio debemos delimitar el área del
conocimiento en términos de área general, área específica, especialidad y línea de investigación. Es
posible que un estudio pertenezca a más de una área del conocimiento denominándosele
multidisciplinario; el cual se caracteriza por poseer por lo menos dos variables de interés cada una de
ellas en distintas áreas del conocimiento.
2. Operacionalización de variables: Todos los problemas o enfermedades son multifactoriales donde el

número de variables es infinito; por lo que es preciso delimitarlas mediante un cuadro de
operacionalización de variables, el cual tiene por finalidad identificar las variables que ingresaran al
proceso de estudio agrupándolas por variables de interés y de acuerdo a la relación que guardan entre
ellas, además se consignarán sus indicadores y el valor final que pueden asumir luego de su medición
reconociendo su escala de medición.
3. Marco Conceptual: Se delimita por la información disponible en el momento en que se ejecuta el

estudio, de tal modo que podamos situarnos en un determinado nivel investigativo; cuando la variable
de estudio es subjetiva delimitamos los conceptos mediante la elección del instrumento y la teoría que
lo sustenta; cuando no hay un instrumento el autor del estudio propone uno y cuando existen múltiples
instrumentos se deberá elegir el más idóneo.
4. Marco Muestral: Los recursos delimitan la cantidad de unidades de estudio, de manera que no
podemos evaluar a toda la población principalmente por razones de tiempo y economía; de tal modo
que tendremos que recurrir a una muestra, la cual tiene un nivel de confianza y también un grado de
error, es preciso reconocer que nivel de confianza tendrá nuestro estudio en relación a la cantidad de
unidades de estudio que hayamos incluido en el mismo.
5. Selección de instrumentos: Los instrumentos de medición delimitan el estudio por su capacidad de

detectar y descartar el problema en estudio; cuando no podemos acceder a la prueba patrón, gold
estándar o diagnóstico definitivo, tendremos que echar mano de la prueba de screening, tamizaje o de
despistaje. Es preciso que delimitemos el estudio reconociendo que instrumentos estamos utilizando, si
trata de uno documental mencionar al autor y si se trata de uno mecánico mencionar la marca.
9
Objetivos estadísticos
Uno de los criterios más importantes a la hora de escoger el estadístico de prueba, se encuentra
intrínsecamente relacionado al nivel investigativo; Exploratorio - Descriptivo - Relacional - Explicativo -
Predictivo - Aplicativo. En esta pastilla se ha omitido intencionalmente el objetivo estadístico comparar por ser
el más usado y encontrarse en todos los niveles merece una mención aparte.
1. A nivel descriptivo
 Determinar. Cuando buscamos en obtener el resultado de una variable subyacente o constructo
y utilizamos un instrumento documental.
 Estimar: Usado frecuentemente para la estimación puntual de un parámetro y los intervalos de
confianza del mismo.
 Describir: Para las variables que no son de estudio y que no involucra la utilización de
instrumentos pues se tratan de variables unidimensionales o directas.
2. A nivel relacional
 Asociar: Plantea que dos sucesos ocurren de manera simultánea en repetidas ocasiones y que tal
concurrencia no puede atribuirse al azar.
 Correlacionar: Plantea que en un mismo individuo las unidades de una de sus variables se
correlaciona con otra diferente.
 Concordar: Sucesos concurrentes que corresponden a diferentes observadores o al mismo
observador pero con diferentes instrumentos.
3. A nivel explicativo
 Evidenciar: Propio de los estudios observacionales donde el análisis estratificado busca descartar
asociaciones aleatorias, casuales o espurias.
 Demostrar: Cuando el origen de los datos corresponde a un experimento, pretendemos
demostrar algo que previamente se ha evidenciado.
 Probar: Luego de haber demostrado mediante un estudio experimental se tiene que repetir para
probar consistencia o coherencia (Bradford Hill 1965)
4. A nivel predictivo
 Predecir: Calcular la probabilidad de ocurrencia de un suceso en una serie de eventos, por
consecuencia la variable a predecir es dicotómica.
 Pronosticar: Calcular la probabilidad de ocurrencia de un suceso en función al tiempo por
consecuencia la variable pronosticada es numérica.
 Preveer: Calcular la probabilidad de necesitar, disponer o preparar medios contra futuras
contingencias.
10
Objetivos estadísticos bivariados
1. Comparar (grupos): Es el objetivo estadístico más básico del análisis bivariado, el modelo comparativo
cuenta con la participación de una variable fija y una variable aleatoria. Su finalidad es identificar las
diferencias entre los grupos participantes; se puede comparar dos o más grupos los cuales se
construyen en la etapa de la planificación del estudio. La comparación inicial es a dos colas; pero debe
complementarse con un test de una sola cola.
La prueba de hipótesis se realiza con el estadístico: Chi cuadrado de Homogeneidad cuando la variable
aleatoria es categórica y t de Student para muestras independientes si la variable aleatoria es numérica.
Ho: NO Existen diferencias entre los grupos evaluados.
H1: Existen diferencias entre los grupos evaluados.
2. Comparar (antes-después): Es la comparación de un mismo grupo antes y después de un periodo de

seguimiento (observacional) o de una intervención (experimental); la idea de hacer dos medidas sobre
el mismo grupo, es verificar los cambios producidos entre una medida y otra; por ello corresponden a
estudios longitudinales. Estas comparaciones siempre son de individuo a individuo. La hipótesis
habitualmente es de una sola cola.
La prueba de hipótesis se realiza con el estadístico: Chi cuadrado de McNemar cuando la variable
aleatoria es categórica y t de Student para muestras relacionadas si la variable aleatoria es numérica.
Ho: No existe variación entre las medidas antes y después.
H1: Existe variación entre las medidas antes y después.
3. Asociar (categorías) o Correlacionar (unidades): Constituyen una misma proposición porque involucras
la participación de dos eventos aleatorios. La correlación puede significar el primer paso para la
asociación, muy útil cuando se realiza minería de datos. Para correlacionar hay que definir las unidades
de estudio en ambas variables y para asociar hay que definir los factores de interés en ambas variables.
Podemos correlacionar los valores de IMC con la glucosa y luego asociar la obesidad con la diabetes.
La prueba de hipótesis se realiza con el estadístico: Chi cuadrado de Independencia cuando las dos
variables aleatorias son categóricas y la correlación de Pearson si las variables aleatorias son numéricas.
Ho: Existe independencia entre los dos resultados.
H1: Existe dependencia entre los dos resultados.
4. Concordar o correlacionar (Como valor predictivo) Una vez demostrada a la asociación es preciso
realizar la medida de asociación; la concordancia es una media de asociación y el coeficiente r de
Pearson es una medida de correlación. La concordancia puede correspondes a diferentes observadores
o a diferentes instrumentos. Desde el punto de vista de la evaluación de pruebas diagnósticas se utiliza
la concordancia o correlación para evaluar el valor predictivo de una variable sobre otra.
El estadístico es un índice de concordancia: Índice Kappa de Cohen cuando las dos variables aleatorias son
categóricas y el Índice de Correlación R de Pearson si las variables aleatorias son numéricas.
11
Objetivo comparativo
1. Exploratorio. Aquí se encuentran las comparaciones sin métodos estadísticos, donde podemos
encontrar dos casos las comparaciones múltiples enmarcadas en los diseños comunitarios o ecológicos
donde la unidad de estudio es la población y los estudios de casos donde la población es un solo
individuo. Así por ejemplo podemos comparar de las costumbres a la hora del parto en la Región
Quechua y Aymara. También podemos comparar la opinión de un grupo de expertos en el proceso de la
validación por jueces dentro de la validez de contenido de un instrumento.
2. Descriptivo. Las comparaciones descriptivas ocurren cuando evaluamos dos poblaciones en los estudios
comunitarios o ecológicos, en este caso no se requiere aplicar pruebas estadísticas puesto que la unidad
de estudio es la población y no se requiere hacer inferencia estadística. La comparación del rendimiento
académico de dos estudiantes al momento de su graduación tampoco requiere de pruebas de hipótesis
sino solamente verificar quien tiene el mayor promedio. La comparación descriptiva es el preludio para
la comparación a nivel de prueba de hipótesis.
3. Relacional. El contraste de independencia entre dos variables presenta tres modelos matemáticos: con
los totales marginales de ambos factores fijos (modelo I), modelo con los totales marginales de uno de
los factores fijos (modelo II), y el modelo con el total muestral fijo (modelo III); pues bien el objetivo
comparativo a nivel bivariado (nivel relacional) corresponde al modelo II con un factor fijo y uno
aleatorio. La comparación puede ser de grupos independientes o de muestras relacionadas y
necesariamente involucra el planteamiento de hipótesis.
4. Explicativo. El análisis comparativo estratificado permite el control estadístico en un estudio

observacional a nivel explicativo como por ejemplo el test de Mantel-Haenszel. La finalidad esta
comparación estratificada es descartar asociaciones aleatorias, casuales o espurias. A nivel experimental
podemos plantear objetivos comparativos de grupo aleatorizados; por ejemplo comparar las
evaluaciones del grupo experimental y el grupo blanco. Dentro de los experimentos verdaderos la
factorización de las causas también corresponde al objetivo comparativo.
5. Predictivo. Podemos comparar el valor predictivo de dos procedimientos diagnósticos; por ejemplo
podemos comparar la eficiencia diagnóstica de dos métodos de detección de una enfermedad. También
podemos comparar el valor predictivo de métodos de evaluación predictiva. En otro momento podemos
comparar el pronóstico de la enfermedad o del tiempo de supervivencia de dos tratamientos en
pacientes con cáncer. Así podemos citar una técnica estadística comparativa para el análisis de
supervivencia de Kaplan-Meier.
12
Formulación de hipótesis
La hipótesis es una proposición del investigador sobre la cual hay que emitir un juicio de valor; una proposición
o enunciado es una oración que puede ser falsa o verdadera pero no ambas a la vez.
1. Estructura gramatical. La hipótesis tiene dos partes.

Fundamento: Es lo que nos lleva a sostener la hipótesis planteada. Las hipótesis relacionales carecen de
fundamento porque nacen de la subjetividad de una observación; mientras que las hipótesis explicativas
se fundamentan en los antecedentes investigativos.
Deducción: Es la hipótesis misma, denominada hipótesis del investigador; estadísticamente es la
hipótesis alterna y se debe someter a contraste. Cuando se la plantea en forma de interrogante es la
que da respuesta al enunciado.
2. Estructura lógica. La hipótesis tiene dos orígenes.

Las hipótesis empíricas (David Hume) o relacionales son afirmaciones respecto a las relaciones entre
dos o más variables sin fundamento, porque nacen de la observación y la experiencia. Solamente buscan
concordancia entre hechos y generan la necesidad de plantear hipótesis explicativas. Son inductivas.
Las hipótesis racionales (René Descartes) o explicativas son consideradas como explicaciones tentativas.
Deben estar relacionadas con el conocimiento existente; nacen del razonamiento por analogía (Bradford
Hill). Sin antecedentes investigativos no es posible plantear hipótesis explicativas. Son deductivas.
3. Estructura matemática. La hipótesis tiene dos proposiciones

Hipótesis Nula (Ho) Conocida como la hipótesis de trabajo, porque es a ésta afirmación a la que se le
somete a contraste; es decir a la que se le rechaza o no se le rechaza. La hipótesis nula niega la
afirmación que plantea la hipótesis alterna.
Hipótesis Alterna (H1) Se le conoce como la hipótesis del investigador, porque esta afirmación es la que
el investigador desea probar y se da por verdadera cuando rechazamos la hipótesis nula (Ho); como
existe la posibilidad de error tenemos que estimar la probabilidad de que eso ocurra.
4. Estructura científica. La hipótesis deben cumplir los siguientes requisitos

Deben ser lógicas: el problema que se está estudiando debe ser deducible a partir de la hipótesis
Científicamente fundadas: en la teoría disponible o por lo menos compatible con el conocimiento actual.
Empíricamente contrastables: debe ser posible hacer observaciones y/o experimentos que la confirmen.
Poder explicativo: debe poder absorber otras hipótesis y ser la que tenga mayor poder predicativo.
Simples: la hipótesis debe tener el menor número de elementos o suposiciones no confirmadas.
Las hipótesis deben ser conceptualmente claras, deben tener referentes empíricos, deben ser
específicas y debe verificarse que existen técnicas para contrastar la hipótesis.
13
Nivel de significancia
Cada decisión que tomamos cada día tiene un margen de error, así tenemos que: la cirugía tiene un margen de
error, los vuelos aéreos tienen un margen de error, rendir un examen tiene un margen de error, etc. Conocer la
magnitud del error es la tarea principal del investigador, el cual debe estimar la probabilidad de ocurrencia de
este error y esperando que sea de la menor magnitud posible. Por esta razón es indispensable plantear en cada
caso, la magnitud del error que estamos dispuestos a aceptar para tomar cualquiera de nuestras decisiones.
1. Nivel de significancia.
Es un concepto integrado a la prueba de hipótesis, donde el investigador plantea una proposición la cual
pretende considerarla como verdadera, al tomar tal decisión existe la probabilidad de equivocarse, de
cometer un error, al cual denominamos error tipo I, entonces decide estimar la probabilidad de cometer
ese error. El p-valor definida como la probabilidad de que la proposición aceptada sea falsa no debe ser
mayor al valor del error establecido convencionalmente en la fase de planificación como el límite de
error que estamos dispuestos a aceptar.
2. Definiendo conceptos.
El error tipo I: Ocurre cuando aceptamos la hipótesis del investigador, cuando tal proposición era falsa.
Por lo tanto, es un juicio de valor equivocado.
El p-valor: Es la probabilidad de equivocarse al aceptar la hipótesis del investigador como verdadera; es
decir la probabilidad de cometer un error tipo I.
El nivel de significancia: Es la máxima cantidad de error que estamos dispuestos aceptar para dar como
válida la hipótesis del investigador.
3. Planteamiento de hipótesis.
Desde el punto de vista matemático tenemos dos hipótesis: La hipótesis nula (Ho) o hipótesis de trabajo
y la hipótesis alterna (H1) o hipótesis del investigador. El investigador plantea rechazar la hipótesis nula
(Ho); para quedarse con la alterna (H1), la cual corresponde a su proposición preliminar. Si el p-valor es
menor al nivel de significancia; rechazamos la hipótesis nula (Ho) y concluimos en que hipótesis alterna
es verdadera. Si el p-valor no es menor al nivel de significancia no podemos rechazar la hipótesis nula; lo
cual no significa que debamos aceptarla; significa que, no podemos rechazarla.
4. Nivel de confianza.
Complementariamente al nivel de significancia, el nivel confianza se refiere a la confianza que debemos
alcanzar para generalizar nuestro resultado o nuestra conclusión, independientemente de la hipótesis
que hayamos planteado. Una probabilidad elevada nos dará la tranquilidad de que lo que hemos
encontrado o concluido es cercano a lo real y no debido al azar. El nivel de confianza se expresa
convencionalmente en porcentaje; así un nivel confianza del 95% se corresponde con un nivel de
significancia del 5%.
14
Prueba de hipótesis
1. Formulación de Hipótesis
Consiste en trasladar la estructura gramatical, lógica y científica hacia la estructura matemática el cual se
conoce como sistema de hipótesis o hipótesis estadística; así por ejemplo:
Ho: Hipótesis nula ó hipótesis de trabajo
H1: Hipótesis alterna ó hipótesis del investigador
El primer paso es colocar la hipótesis del investigador como Hipótesis Alterna (H1) y formular la Hipótesis Nula
(Ho) que viene a ser la negación de la alterna. Se precisa este artificio porque es a la Hipótesis Nula a la que se
le somete a contraste.
2. Establecer el nivel de significancia.

El nivel de significancia denotado por la letra griega alfa es la probabilidad de rechazar la hipótesis nula cuando
en realidad ésta es verdadera, a lo cual se le denomina error de tipo I. Según Fisher, el nivel de significancia
estadística equivale a la magnitud del error que se está dispuesto a correr de rechazar una hipótesis nula
verdadera. Para la mayoría de los propósitos, el nivel de significación previamente establecido suele ser de 0.05
en porcentaje 5% y se considera significativo a todo p-valor que se encuentre por debajo de este nivel, se
considera altamente significativo cuando el p-valor es menor a 0.01 en porcentaje 1%.
3. Elección del estadístico de prueba.

Hay que diferencias claramente los conceptos: objetivo estadístico, estadístico de prueba aunque están
intrínsecamente relacionados; el estadístico de prueba se elige en función a 6 conceptos: tipo de estudio, nivel
investigativo, diseño de la investigación, objetivo estadístico, escalas de medición de las variables y
comportamiento de los datos, es este último punto donde debemos considerar la distribución de los datos en
las variables de naturaleza cuantitativa y las frecuencias esperadas para las variables de naturaleza cualitativa.
4. Lectura del p-valor.

Este paso en el ritual de la significancia estadística no fue planteado originalmente por Fisher, pero cobra vital
importancia con la adopción de los programas estadísticos a la hora de calcular el valor de p, el cual cuantifica
el error tipo I y nos ayuda a tomar una decisión de rechazo a la hipótesis nula (Ho) cuando es menor al nivel de
significancia y de no rechazo cuando su valor es mayor al alfa planteado. El p-valor, al ser la cuantificación de
error solo es un dato que nos ayuda a decidirnos a la hora de tomar decisiones basadas en la probabilidad.
5. Toma de la decisión
En las épocas en que no se podía estimar de manera práctica el p-valor, se solía contrastar el valor del
estadístico de prueba con el valor teórico o de tabla que correspondía a la distribución que siguen nuestras
variables; sin embargo este método no solamente ha quedado obsoleto sino que además es inexacto, puesto
que teníamos que disponer las tablas de distribución para cada tipo de variable. Hoy en día cuando se trata de
demostrar nuestra hipótesis del investigador no hay mejor forma que la estimación del p-valor.
15
Población y muestra
1. Población
Es el conjunto de todas las unidades (sujetos u objetos de estudio) cuya característica observable o
reacción que pueden expresar nos interesa estudiar. Las poblaciones deben situarse claramente. En los
estudios exploratorios y descriptivos preciso delimitar la población que va ser estudiada en torno a sus
características de contenido, lugar y tiempo. En los estudios analíticos cobra mayor importancia el
ámbito de recolección de datos, el cual representa cualitativamente a la población.
2. Muestra
Es una proporción de la población que va a ser sometida al estudio, la muestra no es más que una
estrategia metodológica y estadística aplicable cuando luego realizar nuestro análisis de factibilidad
encontramos que no podemos acceder a la población; sin embargo no debemos olvidar que nuestro
interés radica en estudiar a la población y no a la muestra. Una muestra es representativa si cumple dos
condiciones: El cálculo del tamaño de la muestra y la técnica de muestreo probabilístico.
3. Marco muestral
Es el listado de unidades o elementos de muestreo que se van a someter al sorteo, a fin de obtener una
muestra representativa, cuando no se dispone de tal listado se dice que el marco muestral es
desconocido y para efectos del cálculo del tamaño de la muestra se le considera infinito, con la finalidad
de reducir el error aleatorio. La medición completa de todos los elementos que constituyen la población
se llama censo y así como los comicios electorales no pueden ser ejecutados mediante muestreo.
4. Unidades de muestreo
Son las unidades que ingresan al sorteo en el muestro; así por ejemplo en el muestreo aleatorio simple
son las propias unidades de estudio, pero en un muestreo por conglomerados o clústers, son
precisamente estos grupos o conjuntos de unidades de estudio. Así podemos mencionar que las
unidades de muestreo no son necesariamente las unidades de estudio; y añadiremos que cada unidad
de estudio pertenece sólo a una unidad de muestreo.
5. Muestreo
Es la estrategia mediante la cual pretendemos elegir a las unidades que conformarán nuestra; y se
ejecuta únicamente después de haber definido el tamaño de la muestra. Si bien podemos elegir entre el
muestreo probabilístico y el no probabilístico; solamente el primero nos asegura la representatividad y
por tanto la posibilidad de realizar la inferencia estadística, por lo que debemos procurar utilizar
siempre el muestreo probabilístico, lo cual no siempre estará a nuestro alcance.
16
Unidades de muestreo
En el muestreo probabilístico son las unidades que ingresan al proceso de aleatorización y están constituidas
por una o varias unidades de estudio. A continuación una aproximación a su clasificación.
1. Por la relación que tienen con la unidad de estudio

a. Propias
Corresponde a la misma unidad de estudio, la cual ingresará al proceso de aleatorización que si llega a
ser seleccionada integrará la muestra, la unidad de muestreo propia es la más común y por ser
frecuente se suele pensar que es la única forma de muestrear.
b. Conjuntas
Son conglomerados de unidades de estudio y que representan mini-poblaciones, por cuanto contienen
la variabilidad de la variable de estudio que se observaría en la población; así por ejemplo en un estudio
sobre la satisfacción laboral en el MINSA, las unidades de muestreo son los centros de salud.
c. Identificadoras
Es la unidad que nos permite identificar la unidad de estudio, por lo que solamente sobre ella se realiza
el muestreo; por ejemplo en un estudio de la relación médico-paciente se evalúa a cada médico con un
conjunto de sus pacientes, pero los que ingresan al proceso de aleatorización son los médicos.
d. Contenedoras
Delimitada por la accesibilidad a las unidades de estudio; la estrategia de recolección de datos nos
señalará la unidad de muestreo, así tenemos que en una encuesta de preferencias políticas, las unidades
de muestreo son los hogares y en su interior un votante corresponde a la unidad de estudio.
2. Por el número de unidades muestreo

a. Únicas
Característico del muestreo aleatorio monoetápico donde el proceso de aleatorización se realiza en una
sola ocasión, luego del cual se procede a la fase de recolección de datos; en este caso el procedimiento
de muestreo se agota con la selección de la muestra a partir de las unidades de muestreo.
b. Múltiples
En el muestreo polietápico hay tantas unidades de muestreo como etapas tenga el remuestreo; así por
ejemplo en un estudio sobre la satisfacción laboral de los trabajadores del MINSA, se sortean primero
los centros de salud y luego en éstos a los trabajadores. En ningún caso habrá remuestreo sobre las
mismas unidades de muestreo.
17
Técnicas de muestreo
Existen dos métodos para seleccionar muestras de poblaciones: el muestreo no aleatorio o de juicio y el
muestreo aleatorio (que incorpora el azar como recurso en el proceso de selección). A continuación las
técnicas de muestreo probabilístico.
1. Muestreo aleatorio simple

Denominado también muestreo equiprobabilístico, porque si se selecciona una muestra de tamaño n de
una población de N unidades, cada elemento tiene una probabilidad de inclusión igual y conocida de
n/N.
Ventaja: Se desarrolla en software porque se basa en la teoría estadística

Desventaja: Precisa un marco muestral o listado de todas las unidades
2. Muestreo sistemático
Para determinar una muestra de tamaño n conseguimos una lista de N elementos, definimos un
intervalo de salto k=N/n y elegimos un número aleatorio entre 1 y k con el que comenzamos la selección
de la muestra.
Ventaja: No es necesario tener un marco muestral o listado de unidades.

Desventaja: La constante podría asociarse con el fenómeno de interés
3. Muestreo aleatorio estratificado

Como el azar no es una garantía de representatividad, aquí se pretende asegurar la representación de
cada grupo en la muestra. Cuanto más homogéneos sean los estratos, más precisas resultarán las
estimaciones.
Ventaja: La muestra es homogénea en función a la variable involucrada.

Desventaja: Se debe conocer la distribución en la población de la variable utilizada para la
estratificación.
4. Muestreo por conglomerados

Denominado también muestreo por clústers aprovecha se caracterizan porque la variación en cada
grupo es menor que la variación entre grupos lo cual resulta ventajoso en los estudios comunitarios o
poblacionales.
Ventaja: Muy eficiente cuando las unidades están muy dispersas

Desventaja: Requiere un manejo estadístico más complejo que el resto
18
Instrumentos de medición
Destinados a medir variables subjetivas denominadas constructos, requieren de tareas o procedimientos

estructurados que recogen las respuestas de un participante, cuya puntuación es independiente de la persona
que evalúa. Los instrumentos deben provocar una reacción a los evaluados cuya respuesta se plasme en un
documento. No confundir con materiales de verificación.
1. Instrumentos Documentales
El Cuestionario.
Es un plan formalizado para recolectar datos de encuestados y/o entrevistados. Es el método más
conocido para la recolección de datos y el más familiarizado. Un cuestionario supone un conjunto de
preguntas que el sujeto tiene que responder a fin de evaluar alguna capacidad, generalmente cognitiva,
lo cual debe ser calificado por el evaluador
Como ejemplo podemos citar a los exámenes para evaluar rendimiento académico.
La Escala.
Los evaluados indican su acuerdo o desacuerdo con una serie de afirmaciones sobre la variable que se
desea medir. Arrojan una calificación total que indica la dirección e intensidad de la actitud del individuo
hacia el constructo medido, por lo que requieren de una respuesta ordinal. Su construcción debe
perseguir: la homogeneidad de los reactivos, la igualdad de las distancias entre las unidades de la escala y
la comparabilidad del resultado final.
El ejemplo más básico es la escala visual análoga.
El Inventario.
Conjunto de frases o palabras a las que el sujeto tiene que responder eligiendo o marcando su posición
ante ellas (por ejemplo, al ítem “Me gustan las revistas de mecánica, decoración o computadoras”,
notemos que ninguna respuesta es calificada como correcta e incorrecta. Los inventarios pueden estar
conformados por cuestionarios y/o escalas.
Por ejemplo el test de inteligencias múltiples puede indicarnos inteligencia: Lingüística, Lógicomatemática,
Musical, Naturalista, etc.
2. Instrumentos Mecánicos
Los instrumentos mecánicos utilizados para medir variables subjetivas son por ejemplo instrumentos para
realizar mediciones fisiológicas.
Un ejemplo práctico es la medición de la capacidad auditiva donde el instrumento mecánico es el
audiómetro donde el evaluador no puede influenciar sobre los resultados y se limita a realizar las
anotaciones del momento en el que el evaluado logra percibir el estímulo acústico que se incrementa
progresivamente.
19
Validez cualitativa de un instrumento
La validez de contenido intenta evaluar la capacidad del instrumento para recoger el contenido y el alcance del
constructo. Podemos dividirlo en tres fases según el estado actual del conocimiento.
1. Aproximación a la población (Validez de respuesta)
Implica la ausencia del conocimiento del concepto que se desea medir; la información se obtiene mediante
técnicas introspectivas de los evaluados.
Se puede utilizar una entrevista con preguntas abiertas donde las unidades de estudio nos revelarán de manera
espontánea las posibles respuestas al instrumento que pretendemos crear.
Ejemplo: ¿Cuál es el uso que le dan los docentes universitarios a las tecnologías de la información en el proceso
de enseñanza aprendizaje?
2. Juicio de expertos (Validación por jueces)
Los jueces o expertos deben evaluar, de manera independiente: la relevancia, coherencia, suficiencia y
claridad; con la que están redactadas los ítems o reactivos con el concepto medido.
El autor debe considerar la pertinencia a la hora de elegir los jueces, siendo que en el momento actual no se
cuenta con bibliografía disponible
Es importante que el autor del instrumento sea considerado el más experto de todos, para que pueda hacer
una elección interdisciplinaria de evaluadores.
3. Revisión del conocimiento disponible (Validez racional)
Este es el momento de la validez en que se asegura la mejor representatividad de los ítems, respecto a la
totalidad del campo o rasgo objeto de evaluación.
El autor del instrumento debe considerar: Objetividad, Alcance, Exactitud, Autoridad, Cobertura, Vigencia y
Relevancia; de la información con la que pretende construir un instrumento.
Así los constructos aquí están mejor definidos porque se dispone de literatura; de manera que los conceptos a
medir ya no son provisionales ni vagos.
No existe un índice validez de contenido

La validez de contenido está avalado por la forma o procedimiento utilizado para construir el test y por las
personas que lo construyen, por su grado de conocimiento del área o rasgo evaluado
20
Validez cuantitativa de un instrumento
1. Validez de contenido (Validez Cualitativa)

La validez de contenido intenta evaluar la capacidad del instrumento para recoger el contenido y el
alcance del constructo. Podemos dividirlo en tres fases según el estado actual del conocimiento
a. Aproximación a la población (Validez de respuesta)
b. Juicio de expertos (Validación por jueces)
c. Revisión del conocimiento disponible (Validez racional)
2. Consistencia interna (Alfa de Cronbach)

Es la capacidad de obtener resultados independientes de las circunstancias accidentales de la medición.
Se fundamenta en la varianza de la variable medida, existen varios índices que miden confiabilidad,
entre ellos el Alfa de Cronbach y el Kuder-Richardson (KR-20). Es afectado por la heterogeneidad de los
individuos evaluados; cuanto más heterogéneo es el grupo, mayor es el coeficiente de fiabilidad.
3. Validez de constructo (Rotación de Varimax)

Debemos establecer probabilísticamente grupos de ítems que deberán ser definidos como dimensiones.
Estas dimensiones deben ser conceptualizadas de manera consensuada para otorgarles el carácter de
útiles y científicamente válidos, por cuanto no existe una prueba patrón. Si los dominios se han
construido teóricamente, la estadística corrobora la idoneidad de estas agrupaciones.
4. Criterio (Índice Kappa)

Cuando la variable medida cuenta con un Gold Standard, entonces se puede verificar los resultados
hallados, mediante un procedimiento. Si el criterio se fija en el presente, se habla de validez concurrente
(los resultados del instrumento se correlacionan con el criterio en el mismo momento o punto del
tiempo). Si el criterio se fija en el futuro, se habla de validez predicativa.
5. Estabilidad (ANOVA)
La medición debe arrojar valores constantes siempre que sean tomadas en condiciones similares entre
una medición y otra (test-retest). Se trata de ver, hasta qué punto un conjunto de medidas son
reproducibles en el tiempo, el grado en que las puntuaciones son estables sería el grado de fiabilidad,
propiedad que solo puede ser evaluada si un constructo está plenamente definido.
6. Rendimiento (Curvas ROC).

El objetivo es optimizar el instrumento para reducir el error a la hora de emitir juicios de valor para
tomar decisiones. Se construye una curva en base a los pares ordenados de sensibilidad y 1-
especificidad en distintos puntos de corte del instrumento. Debemos elegir el puto de corte que nos
ofrezca los mayores valores de sensibilidad y especificidad a través de las Curvas de ROC.
21
Técnicas de recolección de datos
1. Documentación
Constituye la técnica de recolección de datos más básica y a la vez la más inexacta; corresponden a los
estudios retrospectivos donde es la única forma disponible de recopilar la información. Habitualmente la
información fue recolectada con fines distintos al estudio en curso. Los estudios basados en la
documentación no cuentan con instrumentos de medición, únicamente con una ficha de recolección de
datos donde debemos copiar o trasladar la información previamente registrada.
2. Observación
La observación es científica cuando es sistemática, controlada y cuenta con mecanismos destinados a
evitar errores de subjetividad, confusiones, etc. La observación es no participante cuando no perturba la
acción o situación que se está investigando. La observación participante puede ser natural cuando el
observador pertenece al conjunto humano que investiga, y artificial cuando la integración del observador
al grupo se hace con el objeto de desarrollar un trabajo de investigación.
3. Entrevista
La evaluación que se realiza al individuo evaluado no puede pasar inadvertido de su participación, por lo
que se requiere del consentimiento informado para su participación. Es la evaluación uno a uno, porque
la reacción la provoca directamente el evaluador, el investigador plantea interrogantes al investigado
donde el individuo evaluado proporciona la información solicitada. La entrevista puede ser estructurada
si cuenta con un instrumento y no estructurada cuando busca explorar características en el evaluado.
4. Encuesta
Requiere necesariamente de un instrumento el cual puede ser autoadministrado si el individuo completa
los reactivos (asincrónico) y heteroadministrado cuando hay un encuestador (sincrónico), que no
necesariamente pertenece a la línea de investigación, busca conocer la reacción o la respuesta de un
grupo de individuos que pueden corresponder a una muestra o a una población. Esta técnica implica gran
economía de tiempo y personal, ya que los cuestionarios pueden enviarse por correo.
5. Psicometría
Esta es una técnica desarrollada por los investigadores de las ciencias del comportamiento, pero no por
ello aplicable solo por estos especialistas, su principal ventaja es que no requiere de que el investigador
pertenezca a la línea de investigación que se está ejecutando; primero porque los instrumentos son
autoadministrables y luego porque incluso el evaluado se puede autocalificar. Muy utilizado para evaluar
variables distintas a la línea de investigación que no corresponde a su área del conocimiento.
22
Tipos de preguntas en un cuestionario
1. Variables nominales dicotómicos

a. Caso único: Las preguntas deben ser exhaustivas y excluyentes, idealmente corresponden a una
proposición a la cual debemos emitir un juicio de valor. Es ideal hacer este tipo de preguntas.
¿Cuál es tu género o sexo?
( ) Masculino
( ) Femenino
2. Variables nominales politómicas

a. Cerradas: Tienen opciones múltiples donde no hay más opción que elegir una de ellas, por lo
mismo que son excluyentes, se den consignar entre las alternativas a todas las posibilidades.
¿Cuál es el área de tu profesión?
( ) Ciencias de la Salud
( ) Ciencias Sociales
( ) Ingenierías
b. Semicerradas: Corresponden a aquellas cuyas categorías son muy numerosas pero plenamente
identificables, debemos colocar en el listado de alternativas a las más frecuentes.
¿En qué país te encuentras?
( ) Perú
( ) México
( ) Argentina
( ) España
( ) Otro……………………………….
c. Abiertas: Son preguntas exploratorias cuya finalidad es obtener por agrupación categorías que más
adelante derivarán en preguntas cerradas de opción múltiple e incluso en escalas.
¿Cuál es tu ciudad de residencia?
……………………..…..…………..…….
d. Mixtas: Es una combinación de una pregunta cerrada + una abierta; si el evaluado responde
negativamente ahí termina la pregunta, pero si responde afirmativamente se hace una repregunta.
¿Has usado alguna vez un programa estadístico?
( ) Ninguno
( ) Si ¿Cuál? ………..……
e. No excluyentes: No corresponde a una sola variable, siendo que el evaluado puede marcar más
una alternativa, se deberán construir tantas variables como alternativas tenga la pregunta.
¿Cuál servidor de email utilizas?
( ) Hotmail
( ) Yahoo
( ) Gmail
( ) AOL
( ) Otros………………………….…….
3. Variables Ordinales
a. Caso único: Las categorías de las preguntas ordinales son acumulativas, así por ejemplo quien
tiene el grado de Doctor, tiene necesariamente el grado de Magíster.
¿Cuál es tu grado académico?
( ) Pregrado
( ) Bachiller
( ) Maestría
( ) Doctorado
23
Escala tipo Likert
1. La construcción de la escala requiere de la definición del constructo para ello nos apoyamos en la validez
de contenido (validez cualitativa de un instrumento), la cual puede apoyarse en: la aproximación a la
población, Juicio de expertos y/o Revisión del conocimiento disponible).
2. Desarrollamos un cuestionario de preguntas abiertas donde se recoge el concepto relacionados con la

actitud que queremos medir. Enlistamos todas las respuestas sin ningún tipo de criterio y es
conveniente reunir unas 100 respuestas para construir una escala de 20 ítems.
3. Agrupamos conceptos a fin de resumir el número de ítems que van a conformar nuestra escala, si
hemos partido de 100 preguntas abiertas, es recomendable reunir 50 conceptos únicos acerca del tema
que estamos estudiando, a partir de los cuales formularemos los enunciados.
4. Se identifica convencionalmente un grupo de 5 expertos quienes juzgaran la idoneidad de los conceptos

reunidos en cada uno de los ítems, los expertos deben ser interdisciplinarios incluyendo especialistas en
la línea de investigación, luego del cual debemos eliminar el 20% de los ítems.
5. Los jueces evaluaran los times en términos de: relevancia, el ítem es esencial o importante; coherencia,
el ítem tiene relación lógica con la dimensión conceptual; suficiencia Los ítems bastan para obtener la
medición del concepto; y claridad, el ítem se comprende, sus sintácticas y semánticas son adecuadas.
6. Luego formularemos los 20 conceptos favorables y 20 desfavorables que serán aplicados en un estudio
piloto a un grupo de sujetos similar a aquél al que piensa aplicarse la escala, ellos responden, eligiendo
en cada ítem la alternativa que mejor describa su posición personal.
7. Las respuestas a cada ítem reciben puntuaciones más altas cuanto más favorables son a las actitudes, a
continuación se suman las puntuaciones de casa sujeto, consignando la suma total como un índice de
aprobación, luego la suma total se correlaciona con cada uno de los ítems.
8. Se seleccionan, aquellos ítems que expresan exhiben la mayor variabilidad en términos de desviación
estándar, a fin de obtener un buen índice discriminante se elimina el 25% de aquellos que muestren la
menor dispersión en sus respuestas.
9. Los 30 ítems así obtenidos se deben agrupar a fin de construir dimensiones que en conjunto definen el
concepto que deseamos medir, la agrupación también puede ser sometida a la consulta a expertos y la
revisión del conocimientos disponible a fin de estandarizar un número igual de ítems en casa dimensión.
10. Si existen instrumentos para medir el mismo constructo que deseamos medir, debemos hacer
correlaciones con los resultados de estos; si tales instrumentos no existen podemos hacer las
correlaciones entre las dimensiones del nuestro a fin de asegurar la congruencia del constructo.
24
Validez de un estudio
Un estudio es válido si sus resultados corresponden a la verdad, para lo cual debemos reducir el error aleatorio
y el error sistemático.
1. Error Aleatorio
La carencia de error aleatorio se conoce como precisión y se corresponde con la reducción del error debido al
azar. Para reducir este error el elemento más importante del que disponemos es incrementar el tamaño de la
muestra y con ello aumentamos la precisión. Los intervalos de confianza y el error estándar se reducen al
aumentar el tamaño muestral. El error aleatorio desaparece si estudiamos a toda la población.
2. Error sistemático
Se ha generalizado al término validez como la carencia del error sistemático, aunque este no se puede eliminar;
la exactitud es la reducción del error sistemático mediante el método. La validez tiene dos componentes: la
validez interna, que nos permite hacer inferencias sobre la población y la validez externa referida a que las
conclusiones del estudio se pueden extrapolar hacia poblaciones que no fueron objeto de estudio.
3. La validez interna.
La validez interna implica la validez de la inferencia para los sujetos que pertenecen a la población de donde
fue obtenida la muestra. La validez interna es un requisito indispensable para que un estudio sea válido y para
que pueda hablarse de validez externa. La validez interna se ve amenazada cuando no podemos controlar los
dos tipos de sesgos: de Selección y de Medición.
4. La validez externa.
Se refiere a que las conclusiones obtenidas para una población a partir de una muestra, son también válidas
para otras poblaciones que no fueron consideradas en el momento del muestreo. Esta extrapolación es
cualitativa y se fundamente en la carencia de hechos o evidencias que permitan dudar de su extensión; este
tipo de validez se observa con frecuencia en los estudios analíticos.
5. Control metodológico.
Los criterios de elegibilidad nos permiten delimitar nuestra población de estudio y las técnicas de muestreo
obtener una muestra representativa con ello evitaremos los sesgos de selección.
Una vez elegidas las unidades de estudios, un instrumento válido nos permitirá reducir al mínimo la diferencia
entre el valor obtenido y el valor real con lo que evitaremos el sesgo de medición.
6. Control estadístico.
Cuando nos encontramos en el nivel investigativo explicativo el análisis estratificado nos permite descartar
asociaciones aleatorias, casuales o espurias. Ejm: Chi cuadrado de Mantel-Haenszel.
Las relaciones entre variables en la naturaleza no son bivariadas, son influenciadas por múltiples factores
externos, por ello aplicamos el análisis multivariado. Ejm: Regresión logística.
25
Sesgos de selección
1. Sesgo de la autoselección (voluntario)
El grado de interés o motivación que pueda tener un individuo que participa voluntariamente en una
investigación puede diferir sensiblemente en relación con otros sujetos.
Del mismo modo, la negativa de algunos sujetos para ser incluidos en un estudio puede estar dada por
motivaciones sistemáticas experimentadas por ellos.
2. Sesgo de pertenencia (membresía)
Se produce cuando entre los sujetos evaluados se presentan subgrupos de sujetos que comparten algún
atributo en particular, relacionado positiva o negativamente con la variable en estudio.
Ejemplo: Nivel de conocimientos sobre signos de alarma en las gestantes debe excluir a las gestantes
que son profesionales de la salud.
3. Sesgo de admisión (de Berkson)
En los estudios hospitalarios de factores de riesgo donde aplicamos el diseño de casos y controles, la
probabilidad de ser hospitalizados en el grupo de casos, no es la misma que el grupo control.
Además el factor de riesgo también tiene probabilidad de ser causa de hospitalización. Se puede
subestimar la asociación entre la variable de interés y el factor de riesgo.
4. Sesgo del procedimiento de aleatorización
Puede observarse en diseños de investigación experimentales (ensayos clínicos controlados), en los

cuales no se respeta el principio de aleatoriedad en la asignación a los grupos de experimentación y de
estudio.
En los pre-experimentos la administración del medicamento responde a las necesidades terapéuticas
del paciente y no a la del investigador.
5. Sesgo de Prevalencia (de Neymann)
La condición en estudio (variable) determina la pérdida prematura de las unidades de estudio. La

exclusión de los pacientes que fallecen determina este tipo de sesgo.
Por ejemplo un grupo de personas se someten a una rutina de dieta y ejercicios, aquellos que no les
funcionen abandonarán el estudio.
26
Sesgos de medición
1. Sesgo del observador
El observador tiene una percepción subjetiva y a veces prejuiciosa de los grupos de estudio; lo cual es
independiente del instrumento. Por lo que, el procedimiento de observación suele ser más detenido en
el grupo de estudio. La intención del investigador en querer demostrar su hipótesis, puede conducir a
obtener sesgos en el diagnóstico.
2. Sesgo de la capacidad diagnóstica
La falta de capacidad de un instrumento para detectar la enfermedad, está relacionado con su validez.
Ocurre cuando se utilizan métodos diagnósticos distintos al Gold Standard. Es conocido que no existe
coincidencia absoluta entre dos instrumentos de medición; por ello los estudios deben realizarse con un
solo instrumento y un solo observador.
3. Sesgo de rendimiento del instrumento.
Si no se ha evaluado el rendimiento diagnóstico del instrumento, es posible que la sensibilidad de los

instrumentos empleados en tales mediciones carezca de la sensibilidad necesaria para poder detectar la
presencia de la variable en estudio. La falta de optimización del instrumento puede conducirnos a
encontrar una frecuencia de la enfermedad inferior a la real.
4. Sesgo de detección
En estudios retrospectivos, cuando se pregunta por el antecedente de exposición a determinadas

circunstancias en diferentes períodos de la vida, existe la posibilidad de olvido. Muchas exposiciones
pasan inadvertidas a diversos factores y que pueden afectar la medición ya sea por su omisión absoluta
o en la determinación de niveles de exposición.
5. Sesgo de adaptación
En los estudios de intervención (experimentales), a veces los cuales individuos asignados inicialmente a
un grupo deciden migrar de grupo por preferir un tipo de intervención por sobre otro. En un ensayo
clínico controlado la ocurrencia de este tipo de sesgo se neutraliza mediante la asignación aleatoria de
los sujetos y por no advertir a los mismos sobre el tipo de exposición.
27
Calidad de la información
1. Objetividad.
Existen varios factores que impiden que la información pueda ser objetiva y estos son: las necesidades,
la forma en que perciben los hechos, los valores e intereses de los autores. Otros factores son el
contexto social que refleja las actitudes y valores de la época en que se escribe el documento.
2. Exactitud.
La exactitud se mide a base de información correcta y exacta. Usualmente se recomienda que para
validar la exactitud se compare la información con otra ya investigada y verificar la veracidad por la
concordancia con otras fuentes especializadas. Es importante considerar que la información no
actualizada tiende a no ser exacta.
3. Autoridad.
Para la remisión al juicio de autoridad es de primordial importancia la identificación de los autores
líderes de su campo, así como las revistas fuentes. Si la información no incluye el nombre del autor, se
debe evaluar la institución que auspicia la publicación y determinar si cuenta con la autoridad y el
peritaje necesario sobre el tema.
4. Cobertura.
Desde el punto de vista de su contenido, una fuente comunica información general o especializada. En
función de su distribución su cobertura será del ámbito mundial, nacional o local. Las publicaciones
científicas técnicas de los países en vías de desarrollo tienen escasa representación en las bases de datos
físicas y electrónicas.
5. Vigencia.
Entre la información actualizada están los temas científicos, negocios y mercadeo, la política, algunos
temas sociales de actualidad, la medicina y más. En otros casos se acepta la información de los últimos
tres a cinco años. En los temas de historia y literatura las fechas de publicación no es un factor
relevante.
6. Relevancia.
Es un elemento basado en el juicio. Usualmente para establecer la relevancia debes determinar qué
información necesitas, que tipo de fuentes vas a utilizar y cómo utilizarás la información (ensayo,
monografía, presentación). Es importante determinar la relevancia en torno al tema que estas
investigando.
28
Discusión de resultados
Como ejemplo vamos a plantear un estudio de casos y controles sobre cuyos resultados tenemos que realizar
una discusión.
1. Descripción
Describir la frecuencia de ocurrencia de la enfermedad en el grupo de estudio y describir la frecuencia

de ocurrencia de la enfermedad en el grupo de control.
Luego identificar numéricamente las diferencias entre la frecuencia de la enfermedad en el grupo de
estudio y el grupo control.
2. Análisis
Realizar una prueba de hipótesis para la diferencia descrita entre el grupo de estudio y el grupo control.
Calcular el p-valor y mencionar si es significativo o no.
Concluir el análisis estadístico usando la terminología adecuada según su nivel investigativo. Los
resultados obtenidos de esta manera son la base de las conclusiones del estudio.
3. Interpretación
Interpretar la relación demostrada probabilísticamente entre la variable independiente y la variable

dependiente o las diferencias entre el grupo de estudio y el grupo control. Adicionalmente debemos
interpretar las medidas de asociación. Las conclusiones del estudio estarán enmarcadas en la
interpretación basada en la estadística y la relevancia clínica de los resultados.
4. Comentarios
- Comparación con los antecedentes investigativos: se trata de evaluar el criterio de consistencia o

coherencia propuesto por Bradford Hill, por haber repetido el estudio o tener estudios similares.
- Planteamiento de Hipótesis: de nuevas teorías que explicarían los hallazgos reportados, se trata de
generar nuevas hipótesis para estudios futuros y así continuar con la línea de investigación.
- Comentarios personales: Esta parte la puede realizar única y exclusivamente el investigador, “nadie
mejor a su población que el propio investigador”. Estos comentarios apuntan al desarrollo de las
recomendaciones.
29
Criterios de causalidad
Criterios de Bradford Hill (1965)
1. Asociación estadística: Se trata de averiguar si existe relación entre el supuesto factor causal y el efecto
estudiado. Para esto hay que buscar estudios epidemiológicos (Cohortes o Caso - Control) que indiquen el
riesgo significativo (Riesgo Relativo o Razón de Momios).
2. Relación dosis-respuesta: Denominada “gradiente biológico”, La frecuencia de la enfermedad aumenta con

la dosis o el nivel de exposición. (Equivale a la Intensidad de Simonin). Sin embargo, hay casos en que el
gradiente biológico no se cumple (en una reacción alérgica).
3. Analogía: Se fundamenta en relaciones de causa-efecto establecidas, con base a las cuales si un factor de
riesgo produce un efecto a la salud, otro con características similares debiera producir el mismo impacto a
la salud.
4. Temporalidad: Se trata de asegurar que el factor de riesgo ha aparecido antes que el supuesto efecto.
Puede ser difícil de demostrar cuando no se puede asegurar si la presunta causa apareció con anterioridad
al presunto efecto. (Equivale a la cronología de Simonin).
5. Constancia o Consistencia: Consiste en conocer si la relación entre las dos variables, a las que investigamos
una posible relación causa-efecto, ha sido confirmada por más de un estudio, en poblaciones y
circunstancias distintas por autores diferentes.
6. Plausibilidad biológica: El contexto biológico existente debe explicar lógicamente la etiología por la cual
una causa produce un efecto a la salud. Esta característica viene limitada por los conocimientos científicos
que se tengan al respecto en el momento del estudio.
7. Coherencia: la interpretación de causas y efectos no puede entrar en contradicción con el comportamiento

propio de la enfermedad o lesión. Este criterio combina aspectos de consistencia y plausibilidad biológica
(Corresponde a la evolución de Simonin).
8. Especificidad: Es más fácil aceptar una relación causa-efecto cuando para un efecto sólo se plantea una sola
etiología, que cuando para un determinado efecto se han propuesto múltiples causas. En este caso lo
apropiado sería hablar de Especificidad de la causa.
9. Experimentación: Es un criterio deseable de alta validez. Se trata de reproducir experimentalmente la

asociación causa-efecto, o incidir en la causa para alterar el efecto cuando no sea posible o no se considere
ética otra modalidad de experimentación.
30
¿Ahora te gustaría tener la versión en vídeo?

Has click sobre la imagen

SEMINV - Libro de Texto

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

SEMINV - Libro de Texto

Cargado por

Copyright:

Formatos disponibles

Seminarios de Investigación Científica seminariosdeinvestigacion.

1. Según la intervención del Investigador:

EXPERIMENTAL: Siempre son prospectivos, longitudinales, analíticos y de nivel investigativo “explicativo”

2. Según la planificación de la toma de datos

3. Según el número de ocasiones en que mide la variable de estudio

4. Según el número de variables de interés

DESCRIPTIVO: El análisis estadístico, es univariado porque solo describe o estima parámetros en la

IMPORTANTE: “Descriptivo no es sinónimo de observacional”. Un estudio observacional puede ser analítico.

2. Descriptivo: Describe fenómenos sociales o clínicos en una circunstancia temporal y geográfica

5. Predictivo: Se encarga de la estimación probabilística de eventos generalmente adversos, como puede

6. Aplicativo: Plantea resolver problemas o intervenir en la historia natural de la enfermedad. Enmarca a la

1. Epidemiológicos: Estudian la morbi-mortalidad y eventos la salud en poblaciones humanas.

2. Experimentales: Requiere dos condiciones: intervención y asignación aleatoria (grupo control).

3. Comunitarios: La unidad de estudio es la población y la fuente de datos de tipo secundario.

4. Validación de instrumentos: Se orientan a la identificación, definición y medición de un constructo.

Las variables según su medición

Escalas de medición de las variables

Tipo VARIABLES CATEGÓRICAS VARIABLES NUMÉRICAS

Naturaleza CUALITATIVAS CUANTITATIVAS

(0) NOMINAL (1) ORDINAL (2) INTERVALO (3) RAZÓN

Dicotómicas: Tienen solamente dos categorías Continuas: Provienen de medir

Las variables según su relación

Esta clasificación de las variables se fundamenta en la búsqueda de obtener explicación causal

3.1. Variable de confusión

3.2. Variable intermedia

3.3. Variable control

1. Unidad de estudio: Es la unidad sobre la cual se necesita información, es el individuo (conjunto de

5. Unidad de observación: Corresponde al indicador de la variable multidimensional; en un estudio sobre el

Formulación del problema

Delimitación del estudio

2. Operacionalización de variables: Todos los problemas o enfermedades son multifactoriales donde el

3. Marco Conceptual: Se delimita por la información disponible en el momento en que se ejecuta el

5. Selección de instrumentos: Los instrumentos de medición delimitan el estudio por su capacidad de

Objetivos estadísticos bivariados

2. Comparar (antes-después): Es la comparación de un mismo grupo antes y después de un periodo de

4. Explicativo. El análisis comparativo estratificado permite el control estadístico en un estudio

1. Estructura gramatical. La hipótesis tiene dos partes.

2. Estructura lógica. La hipótesis tiene dos orígenes.

3. Estructura matemática. La hipótesis tiene dos proposiciones

4. Estructura científica. La hipótesis deben cumplir los siguientes requisitos

2. Establecer el nivel de significancia.

3. Elección del estadístico de prueba.

4. Lectura del p-valor.

1. Por la relación que tienen con la unidad de estudio

2. Por el número de unidades muestreo

1. Muestreo aleatorio simple

Ventaja: Se desarrolla en software porque se basa en la teoría estadística

Ventaja: No es necesario tener un marco muestral o listado de unidades.

3. Muestreo aleatorio estratificado

Ventaja: La muestra es homogénea en función a la variable involucrada.

4. Muestreo por conglomerados

Ventaja: Muy eficiente cuando las unidades están muy dispersas

Destinados a medir variables subjetivas denominadas constructos, requieren de tareas o procedimientos

Validez cualitativa de un instrumento

1. Aproximación a la población (Validez de respuesta)

2. Juicio de expertos (Validación por jueces)

3. Revisión del conocimiento disponible (Validez racional)

No existe un índice validez de contenido

Validez cuantitativa de un instrumento

1. Validez de contenido (Validez Cualitativa)

2. Consistencia interna (Alfa de Cronbach)

3. Validez de constructo (Rotación de Varimax)

4. Criterio (Índice Kappa)

6. Rendimiento (Curvas ROC).