Está en la página 1de 22

FACULTAD DE CIENCIAS FISICAS

E.A.P. ING. MECANICA DE FLUIDOS

CURSO: seminario de tesis

PROFESOR: Ing. Arstides Serruto Colque

ALUMNO: Gabriel Romero Santos

2017
1. INTRODUCCION

Estudio de metodologa de investigacin para elaborar una tesis de


grado, adems de todo tipo monografas, informes, investigaciones,
entre otros trabajos. El curso incluye el detalle de cada uno de los
mtodos de investigacin, las etapas del proceso de investigacin y la
estructura del proyecto de tesis desde sus elementos concretos como
la determinacin del tema de tesis, el planteamiento del problema y
la fijacin de los objetivos del proyecto de tesis. Asimismo
estudiaremos los tipos de investigacin, el marco terico de la tesis,
el planteamiento de las hiptesis, las variables en el orden de lo
conceptual y operacional, as como los aspectos metodolgicos del
proceso de investigacin. Y, entre otros aspectos relativos a la
elaboracin de una tesis de grado, presentamos un estudio sobre las
fuentes de informacin y sus instrumentos de recoleccin como la
encuesta, la entrevista, la observacin, experimentacin; y tambin
sobre el dato cientfico.
INDICE

1. INTRODUCCION
2. METODOLOGIA DE LA
INVESTIGACION
3. HIPOTESIS
4. VARIABLES
5. POBLACION Y MUESTRA
6. DISTRIBUCIONES ESTADISTICAS
7. CONCLUSION
8. BIBLIOGRAFIA
2. METODOLOGA DE LA
INVESTIGACIN

LA INVESTIGACIN CIENTFICA
La investigacin cientfica: concepto

La investigacin cientfica es la actividad que nos permite obtener


conocimientos cientficos, es decir, conocimientos objetivos,
sistemticos, claros, organizados y verificables. En el caso de la vida
real, el proceso para apropiarse del conocimiento es continuo y muy
desordenado. En el caso de la investigacin cientfica debemos tener
en cuenta que se trata de una experiencia creativa donde no pueden
excluirse la intuicin ni la subjetividad.

Para recorrer este camino es necesario respetar algunas grandes


fases o momentos:

- Fase Proyectiva: Es el primer momento donde el investigador


ordena y sistematiza sus inquietudes, formula sus preguntas y
elabora organizadamente los conocimientos que constituyen su punto
de partida, revisando y asimilando lo que se ya se conoce respecto al
problema que se ha planteado. Es el momento que se atiende a la
racionalidad y a lograr la coherencia lgica del marco terico y de la
investigacin en general.

- Fase Metodolgica: es donde el investigador fija la estrategia ante


el objeto de estudio, es cuando formula el modelo operativo para
apropiarse del conocimiento. La preocupacin mayor durante toda
esta fase es la de elaborar sistemas de comprobacin lo ms
confiables posibles.

- Fase Tcnica: Es abordar las formas y procedimientos concretos


que nos permitan recolectar y organizar la informaciones que
necesitamos. Es esta fase se obtiene la informacin y adems se
redefinen y ponen a punto las tcnicas y los instrumentos que se
emplean en la investigacin.
- Fase de Sntesis: Se inicia cuando el investigador dispone de los
datos que le proporciona el objeto de estudio, y as se puede elaborar
los nuevos conocimientos.

FASES DE LA INVESTIGACION
CIENTIFICA
3. HIPOTESIS, PRUEBAS DE
HIPOTESIS Y VARIABLES
HIPOTESIS

Las hiptesis son, en general, suposiciones, esto es, enunciados


tericos supuestos, no verificados pero probables, referentes a
variables o a relacin entre variables.
Pero tambin, desde el punto de vista del problema a investigar, las
hiptesis se pueden definir como soluciones probables, previamente
seleccionadas, al problema planteado, que el Cientfico propone para
ver, a travs del proceso de investigacin, si son confirmadas por los
hechos.

Planteado el problema, se abren ante el investigador un amplio


conjunto de respuestas posibles; para no actuar a ciegas y sin Orden
ha de basarse en la teora y otras experiencias sobre problemas
similares (documentacin) para encontrar una solucin Probable y
verosmil entre las posibles, a fin de proceder a la comprobacin de su
validez. La solucin por la que se opta no es otra cosa que la
hiptesis, representando una nueva concrecin del problema a
investigar.

Las hiptesis son, ante todo, enunciados que expresan


lingsticamente juicios, es decir, afirmaciones o negaciones sobre la
realidad. En tales enunciados se distinguen, como elementos
fundamentales, su contenido o significado, lo que afirman o niegan, y
su forma lingstica. Asimismo, su significado les viene de que
enuncian o declaran algo de una cosa, es decir, de una realidad
distinta e independiente.
Hiptesis Es una suposicin que establece relaciones entre
los hechos o fenmenos, mediante dos o ms variables (V.
independiente y V. dependiente),y a la que todava falta una
comprobacin

CLASIFICACION DE HIPOTESIS
La hiptesis puede adoptar diferentes y clasificarles de acuerdo a la
convivencia de cada autor:

- Hiptesis general: es cuando trata de responder de forma amplia


a las dudas que el investigador tiene acerca de la relacin que existe
entre las variables.

- Hiptesis especfica: es especfica aquella hiptesis que se deriva


de la general, estas tratan de concretizar a la hiptesis general y hace
explcitas las orientaciones concebidas para resolver la investigacin.

- Hiptesis estadstica: la hiptesis estadstica es aquella hiptesis


que somete a prueba y expresa a las hiptesis operacionales en
forma de ecuaciones matemticas.

Hiptesis nula: Para todo tipo de investigacin en la que tenemos


dos o ms grupos, se establecer una hiptesis nula.

La hiptesis nula es aquella que nos dice que no existen diferencias


significativas entre los grupos. Por ejemplo, supongamos que un
investigador cree que si un grupo de jvenes se somete a un
entrenamiento intensivo de natacin, stos sern mejores nadadores
que aquellos que no recibieron entrenamiento.

Para demostrar su hiptesis toma al azar una muestra de jvenes, y


tambin al azar los distribuye en dos grupos: uno que llamaremos
experimental, el cual recibir entrenamiento, y otro que no recibir
entrenamiento alguno, al que llamaremos control. La hiptesis nula
sealar que no hay diferencia en el desempeo de la natacin entre
el grupo de jvenes que recibi el entrenamiento y el que no lo
recibi.

Una hiptesis nula es importante por varias razones: Es una hiptesis


que se acepta o se rechaza segn el resultado de la investigacin. El
hecho de contar con una hiptesis nula ayuda a determinar si existe una
diferencia entre los grupos, si esta diferencia es significativa, y si no se debi al azar.

No toda investigacin precisa de formular hiptesis nula. Recordemos que la hiptesis


nula es aquella por la cual indicamos que la informacin a obtener es contraria a la
hiptesis de trabajo.

Al formular esta hiptesis, se pretende negar la variable independiente. Es decir, se


enuncia que la causa determinada como origen del problema flucta, por tanto, debe
rechazarse como tal.

- Hiptesis conceptual. Es la hiptesis que se formula como resultado de las


explicaciones tericas aplicables a nuestro problema. Nos ayuda a explicar desde el
punto de vista terico el fenmeno que estamos investigando.

Es la hiptesis orientadora de la investigacin, intenta enfocar el problema como base


para la bsqueda de datos. No puede abarcar ms de lo propuesto en los objetivos de la
investigacin o estar en desacuerdo con ellos.

Podemos enunciarla como una relacin causal o determinante proveniente del


planteamiento del problema, de donde se desprenden las variables.

- Hiptesis de trabajo. Es aquella que le sirve al investigador como base de su


investigacin, o sea, trata de dar una explicacin tentativa al fenmeno que se est
investigando. sta es la hiptesis que el investigador tratar de aceptar como resultado
de su investigacin, rechazando la hiptesis nula.

- Hiptesis alternativa. Al responder a un problema, es muy conveniente proponer


otras hiptesis en que aparezcan variables independientes distintas de las primeras que
formulamos. Por tanto, para no perder tiempo en bsquedas intiles, es necesario hallar
diferentes hiptesis alternativas como respuesta a un mismo problema y elegir entre
ellas cules y en qu orden vamos a tratar su comprobacin.
PRUEBA DE HIPOTESIS

Etapas Bsicas en Pruebas de Hiptesis.

Al realizar pruebas de hiptesis, se parte de un valor supuesto (hipottico) en parmetro


poblacional. Despus de recolectar una muestra aleatoria, se compara la estadstica
muestral, as como la media (x), con el parmetro hipottico, se compara con una
supuesta media poblacional (). Despus se acepta o se rechaza el valor hipottico, segn
proceda. Se rechaza el valor hipottico slo si el resultado muestral resulta muy poco
probable cuando la hiptesis es cierta.

Etapa 1.- Planear la hiptesis nula y la hiptesis alternativa. La hiptesis nula (H0) es el
valor hipottico del parmetro que se compra con el resultado muestral resulta muy
poco probable cuando la hiptesis es cierta.

Etapa 2.- Especificar el nivel de significancia que se va a utilizar. El nivel de


significancia del 5%, entonces se rechaza la hiptesis nula solamente si el resultado
muestral es tan diferente del valor hipottico que una diferencia de esa magnitud o
mayor, pudiera ocurrir aleatoria mente con una probabilidad de 1.05 o menos.

Etapa 3.- Elegir la estadstica de prueba. La estadstica de prueba puede ser la estadstica
muestral (el estimador no segado del parmetro que se prueba) o una versin
transformada de esa estadstica muestral. Por ejemplo, para probar el valor hipottico de
una media poblacional, se toma la media de una muestra aleatoria de esa distribucin
normal, entonces es comn que se transforme la media en un valor z el cual, a su vez,
sirve como estadstica de prueba.
Etapa 4.- Establecer el valor o valores crticos de la estadstica de prueba. Habiendo
especificado la hiptesis nula, el nivel de significancia y la estadstica de prueba que se
van a utilizar, se produce a establecer el o los valores crticos de estadstica de prueba.
Puede haber uno o ms de esos valores, dependiendo de si se va a realizar una prueba de
uno o dos extremos.

Etapa 5.- Determinar el valor real de la estadstica de prueba. Por ejemplo, al probar un
valor hipottico de la media poblacional, se toma una muestra aleatoria y se determina
el valor de la media muestral. Si el valor crtico que se establece es un valor de z,
entonces se transforma la media muestral en un valor de z.

Etapa 6.- Tomar la decisin. Se compara el valor observado de la estadstica muestral


con el valor (o valores) crticos de la estadstica de prueba. Despus se acepta o se
rechaza la hiptesis nula. Si se rechaza sta, se acepta la alternativa; a su vez, esta
decisin tendr efecto sobre otras decisiones de los administradores operativos, como
por ejemplo, mantener o no un estndar de desempeo o cul de dos estrategias de
mercadotecnia utilizar.

La distribucin apropiada de la prueba estadstica se divide en dos regiones: una regin


de rechazo y una de no rechazo. Si la prueba estadstica cae en esta ltima regin no se
puede rechazar la hiptesis nula y se llega a la conclusin de que el proceso funciona
correctamente.

Al tomar la decisin con respecto a la hiptesis nula, se debe determinar el valor crtico
en la distribucin estadstica que divide la regin del rechazo (en la cual la hiptesis
nula no se puede rechazar) de la regin de rechazo. A hora bien el valor crtico depende
del tamao de la regin de rechazo.
PASOS DE LA PRUEBA DE
HIPTESIS

Expresar la hiptesis nula

Expresar la hiptesis alternativa

Especificar el nivel de significancia

Determinar el tamao de la muestra

Establecer los valores crticos que establecen las regiones de rechazo de las de no
rechazo.

Determinar la prueba estadstica.

Coleccionar los datos y calcular el valor de la muestra de la prueba estadstica


apropiada.

Determinar si la prueba estadstica ha sido en la zona de rechazo a una de no


rechazo.

Determinar la decisin estadstica.

Expresar la decisin estadstica en trminos del problema.


4. VARIABLES

Las hiptesis estn compuestas por variables, y las variables son atributos que se miden
en las hipotesis o tambin pueden ser conceptos operacionales que adquieren diferentes
valores y se refieren a las cualidades o caractersticas, como por ejemplo:

Masa (m), velocidad (v), aceleracin (a), inteligencia, sexo, edad, estrato social, tasa de
inters, escolaridad, peso, longitud, etc.

La investigacin gira en torno de las variables, debido a que la finalidad del trabajo
cientfico es descubrir la existencia de ellas y su magnitud, as, como probar las
relaciones que las unen entre s. Esto quiere decir que despus de haber establecido una
descripcin clara y cientfica del objeto de estudio de la investigacin, el investigador
procede a explicar dicho objeto.

Clasificacin de las variables

- Variable Independiente: es aquella caracterstica o propiedad que se supone


ser la causa del fenmeno estudiado. En investigacin experimental se llama
as, a la variable que el investigador manipula.

- Variable Dependiente: es la propiedad o caracterstica que se trata de


cambiar mediante la manipulacin de la variable independiente.
La variable dependiente es el factor que es observado y medido para
determinar el efecto de la variable independiente.

- Variable Interviniente: es aquella caracterstica o propiedad que de una


manera u otra afectan el resultado que se espera y estn vinculadas con las
variables independientes y dependientes.

- Variable Moderadora: representa un tipo especial de variable independiente,


que es secundaria, y se selecciona con la finalidad de determinar si afecta la
relacin entre la variable independiente primaria y las variables dependientes.

- Variables Cualitativas: Son aquellas que se refieren a atributos o cualidades


de un fenmeno. Sabino (1989: 80) seala que sobre este tipo de variable no
puede construirse una serie numrica definida.
- Variable Cuantitativa: Son aquellas variables en las que caractersticas o
Propiedades pueden presentarse en diversos grados de intensidad, es decir,
admiten una escala numrica de medicin.
OPERACIONALIZACION DE
VARIABLES

Es un paso importante en el desarrollo de la investigacin. Cuando se


identifican las variables, el prximo paso es su operacionalizacin, es
decir hacerla tangible, hacerla operativa, medible o por lo menos
registrable en la realidad.

Definir operacionalmente una variable para que pueda ser medida requiere del
manejo de sus facetas dimensionales o de la extraccin de sus propiedades. Al
Poder definir operacionalmente la variable se le asigna un significado.

Es asumir un proceso de anlisis deductivo de la variable, al pasarla de un


Nivel concreto, encontrando como eslabn intermedio las dimensiones o
Categoras.

La variable en el nivel concreto, que constituyen los indicadores, es


Investigable, evaluable, es decir, medible.

Operacionalizacion de hipotesis es el proceso a travs del cual se determinan


Las variables, los indicadores de cada variable, el nmero y el contenido de las
Interrogantes del cuestionario para la aplicacin de la encuesta o la entrevista a
Informantes claves.

La Operacionalizacion es el grado ms elevado de los referentes empricos, es


la simbolizacin de sus propiedades concretas (X. Y, Z, n) condicin
Necesaria para el establecimiento de conceptos tericos, categoras cientficas,
Definidas por la observacin, experimentacin o cuantificacin.

Comprende tres tipos de definiciones:

- Definicin conceptual

Bsicamente, la definicin conceptual de las variables constituye una


abstraccin articulada en palabras para facilitar su comprensin y su
adecuacin a los requerimientos prcticos de la investigacin.

- Definicin operacional

Una definicin operacional est constituida por una serie de


procedimientos o indicaciones para realizar la medicin de una
variable definida conceptualmente. En la definicin operacional se
debe tener en cuenta que lo que se intenta es obtener la mayor
informacin posible de la variable seleccionada, de modo que se
capte su sentido y se adecue al contexto, y para ello se deber hacer
una cuidadosa revisin de la literatura disponible sobre el tema de
investigacin.

La operacionalizacin de las variables est estrechamente vinculada


al tipo de tcnica o metodologa empleadas para la recoleccin de
datos. Estas deben ser compatibles con los objetivos de la
investigacin, a la vez que responden al enfoque empleado, al tipo de
investigacin que se realiza. Estas tcnicas, en lneas generales,
pueden ser cualitativas o cuantitativas.

- Variables, dimensiones e indicadores.

Cuando nos encontramos con variables complejas, donde el pasaje de


la definicin conceptual a su operacionalizacin requiere de instancias
intermedias, entonces se puede hacer una distincin entre variables,
dimensiones e indicadores. A modo de sntesis, puede afirmarse que
el pasaje de la dimensin al indicador hace un recorrido de lo general
a lo particular, del plano de lo terico al plano de lo empricamente
contrastable.

Las dimensiones vendran a ser subvariables o variables con un nivel


ms cercano al indicador. Para el caso de definir a la variable
productividad, nos encontramos con diferentes subdimensiones que
forman parte de la variable, como ser: mano de obra, maquinaria,
materiales o energa. Cada una de estas subvariables son las
dimensiones de la variable productividad.

A su vez, estas dimensiones, para poder ser contrastadas


empricamente por el investigador, requieren operacionalizarse en
indicadores, que no son otra cosa que parmetros que contribuyen a
ubicar la situacin en la que se halla la problemtica a estudiar. En un
sentido restringido, los indicadores son datos.

Para la variable productividad, por ejemplo, en la dimensin mano de


obra, los indicadores podran ser cantidad de productos envasados
por un trabajador en ocho horas de trabajo.
5. POBLACION Y MUESTRA

POBLACIN
Se define la poblacin, en su acepcin sociolgica, como "Conjunto de los
Individuos o cosas sometido a una evaluacin estadstica mediante muestreo".
En cualquier investigacin, el primer problema que aparece, relacionado con
este punto, es la frecuente imposibilidad de recoger datos de todos los sujetos
o elementos que interesen a la misma. Algunos autores toman la palabra
Universo como sinnimo de poblacin, aqu consideraremos que el universo
designa a todos los posibles sujetos o medidas de un cierto tipo... La parte del
universo a la que el investigador tiene acceso se denomina poblacin".

MUESTRA
Habitualmente, el investigador no trabaja con todos los elementos de la
poblacin que estudia sino slo con una parte o fraccin de ella; a veces, por
que es muy grande y no es fcil abarcarla en su totalidad. Por ello, se elige una
muestra representativa y los datos obtenidos en ella se utilizan para realizar
pronsticos en poblaciones futuras de las mismas caractersticas.
Salvo en el caso de poblaciones pequeas, pocas veces en una investigacin
se cuenta con el tiempo, los recursos y los medios para estudiar una poblacin
Completa. A veces ni siquiera podemos delimitar exactamente una poblacin,
otras veces la poblacin total "an no existe" como sucede en los estudios
sobre prediccin Estos motivos de tiempo, coste, accesibilidad a los individuos
y complejidad de las operaciones de recogida, clasificacin y anlisis de los
datos hacen que la gran mayora de los proyectos de investigacin no estudien
ms que una parte representativa de la poblacin, denominada muestra. Esto
se puede hacer as porque, si se selecciona correctamente la muestra, sta
puede aportarnos informacin representativa y exacta de toda la poblacin.

1. Muestra no probabilsticas: la eleccin de esta muestra no depende


causas relacionadas con las probabilidades, sino que el investigador utiliza la
selecciona por caractersticas especiales. Es un procedimiento de seleccin
informal y un poco arbitrario, sin embargo es utilizado en las ciencias sociales
con mucha frecuencia. En este caso ms que la representatividad, se buscar
la eleccin de sujetos con las caracterstica previamente especificados en el
problema.
- Muestra de expertos: Sujetos expertos en el tema
- Sujetos - tipo: Sujetos que cubren las mismas caractersticas requeridas en el
Problema y que se utilizan en estudios exploratorios, cualitativos, que no
buscan la estandarizacin.
- Muestras por cuotas: se utilizan para estudios de opinin, se trata de aplicar
cuestionarios a sujetos en la calle o en una determinada institucin buscando
cubrir un porcentaje preestablecido de sujetos con caractersticas similares.

2. Muestra probabilstica: Es la muestra en la que interviene un clculo


Probabilstica que permite hacer posible la investigacin.
- Muestra estratificada: se conforman grupos homogneos internamente pero
heterogneos entre s.
- Muestra por racimos: Se utilizan unidades de muestras encapsuladas o
encerradas
a efectos de disminuir los costos, tiempos y esfuerzo

6. DISTRIBUCIONES
ESTADISTICAS

Las distribuciones de muestreo constituyen una pieza importante de estudio por varias
razones. En la mayora de los casos, la viabilidad de un experimento dicta el tamao de
la muestra. La distribucin de muestreo es la distribucin de probabilidad de una
muestra de una poblacin en lugar de toda la poblacin.

En palabras ms simples, supongamos que de una determinada poblacin tomas todas


las muestras posibles de tamao n y calculas una estadstica (por ejemplo, media) de
todas las muestras. Si luego preparas una distribucin de probabilidad de esta
estadstica, obtendrs una distribucin de muestreo.

Las propiedades de la distribucin de muestreo pueden variar dependiendo de cun


pequea sea la muestra en comparacin con la poblacin. Se supone que la poblacin se
distribuye normalmente como generalmente sucede. Si el tamao de la muestra es lo
suficientemente grande, la distribucin de muestreo tambin estar cerca de lo normal.

Si ste es el caso, entonces la distribucin de muestreo puede ser totalmente


determinada por dos valores: la media y la desviacin estndar. Estos dos parmetros
son importantes para calcular la distribucin de muestreo si se nos da la distribucin
normal de toda la poblacin.
DISTRIBUCIN DE MUESTREO DE LA MEDIA Y LA DESVIACIN ESTNDAR

La distribucin de muestreo de la media se obtiene tomando la estadstica bajo estudio


de la muestra como la media. Calcular esto significa tomar todas las muestras posibles
de tamao n de la poblacin de tamao N y luego trazar la distribucin de probabilidad.
Se puede demostrar que la media de la distribucin de muestreo es, de hecho, la media
de la poblacin.

Sin embargo, la desviacin estndar es diferente para la distribucin de muestreo en


comparacin con la poblacin. Si la poblacin es lo suficientemente grande, esto est
dado por:

x
xDonde es la desviacin estndar de la distribucin de la poblacin y x
es la media de poblacin.

OTRAS DISTRIBUCIONES

Estas frmulas son vlidas nicamente cuando la poblacin se distribuye normalmente.


Si ste no es el caso, entonces la media y la desviacin estndar de la distribucin de
muestreo sern diferentes y dependern del tipo de distribucin de la poblacin.
La distribucin normal es una de las distribuciones de probabilidad ms simples, por lo
que es muy fcil de estudiar y analizar. Podemos encontrar fcilmente frmulas
matemticas para las estadsticas de distribucin de muestreo que queremos encontrar.

7. CONCLUSIONES

-Mediante una correcta aplicacin de las etapas, la elaboracin de un trabajo de


investigacin ser llevada de manera ms sencilla y congruente, logrando as
alcanzar los objetivos establecidos en el marco terico.
8. BIBLIOGRAFIA

Sabino, Carlos A. El Proceso de Investigacin. Buenos Aires: Edit. Lumen.1996

Hernndez, Fernndez Baptista. Metodologa de la Investigacin. McGraw


Hill 1994. Colombia.

https://es.slideshare.net/melissasanchezromero5/operaconalizacin-de-variables.

También podría gustarte