Está en la página 1de 20

UNIVERSIDAD NACIONAL DE SAN MARTÍN-TARAPOTO

FACULTAD CIENCIAS DE LA SALUD

ESCUELA PROFESIONAL DE ENFERMERÍA

TITULO:
OPERACIONALIZACIÓN DE VARIABLES Y DETERMINACIÓN DE
UNIVERSO Y MUESTRA:

INTEGRANTES: SEGOVIA FERNÁNDEZ MARÍA ROSALÍ


LLANOS ROJAS THALÍA.
WILSON LUNA MERCY
DOCENTE: Obsta. ANGEL DELGADO RIOS.

ASIGNATURA: INVESTIGACIÓN I.

FECHA DE EXPOSICIÓN: DEL 2019

TARAPOTO – PERÚ.
2019
INDICE:
DEDICATORIA ........................................................................................................................... 3
AGRADECIMIENTO .................................................................................................................. 4
Objetivos: ................................................................................................................................... 5
Objetivos Generales: ............................................................................................................... 5
Objetivos Específicos: ............................................................................................................ 5
CAPITULO I ................................................................................................................................ 5
1. La operacionalización de variables:........................................................................ 5
1.1. Etapas: ........................................................................................................................ 5
Variable: .............................................................................................................................. 5
- Variable cuantitativa discreta.................................................................................... 6
- Variable cuantitativa continua .................................................................................. 6
Definición conceptual: .................................................................................................... 7
La definición operacional: ............................................................................................. 7
Dimensión: ......................................................................................................................... 7
Indicadores: ....................................................................................................................... 8
Ítems: ................................................................................................................................... 8
Instrumentos: .................................................................................................................... 8
CAPITULO II ............................................................................................................................. 11
2. Determinación de universo y muestra: ................................................................ 11
2.1. Universo de estudio: ............................................................................................ 11
2.2. Selección y tamaño de muestra: ........................................................................ 11
2.2.1. Selección de la muestra: ................................................................................. 11
2.3. El muestreo probabilístico: .................................................................................. 12
2.4. Muestreo no probabilístico: ................................................................................. 13
2.5. Unidades de análisis y observación: ................................................................. 16
2.6. Criterios de inclusión y exclusión: ...................................................................... 16
Conclusiones: ..................................................................................................................... 17
Referencias bibliográficas: ..........................................................Error! Bookmark not defined.
Preguntas: ................................................................................................................................. 19
DEDICATORIA

A Dios, sobre todas las cosas,


por brindarnos salud y sabiduría,
bendecirnos en nuestra vida
cotidiana y universitaria.

A nuestros amados padres,


por su apoyo incondicional tanto
económico como emocional y por
brindarnos la mejor herencia
que es brindarnos la educación.
AGRADECIMIENTO

Agradecemos a Dios quien está con nosotras en cada momento, el cual nos
brinda la fuerza y sabiduría necesaria para afrontar los retos en nuestra vida
académica y cotidiana.

Agradecemos a nuestros adorados y amados padres, que en todo momento


nos apoyan y siempre nos motivan para seguir adelante ante cualquier
situación difícil.
Objetivos:

Objetivos Generales:
Aprender la a realizar la matriz de la operacionalización de variables e
identificar el universo y muestra en una investigación.

Objetivos Específicos:
Valorar la importancia de la operacionalización de variables en la investigación.
Fortalecer conocimientos prácticos sobre operacionalización de variables.
Tener la capacidad de distinguir la utilidad que tienen los criterios de inclusión y
exclusión.

CAPITULO I

1. La operacionalización de variables:

La operacionalización de variables es un proceso donde se transforma la


variable de conceptos abstractos a términos concretos, observables y
medibles, es decir a su mínima expresión ya sea dimensiones, indicadores e
ítems, para que se pueda construir el instrumento de recolección de datos.

En consecuencia, la Operacionalización de Variables es el procedimiento que


tiende a pasar de las variables generales a las intermedias, y de éstas a los
indicadores, con el objeto de transformar las variables primeras de generales en
directamente observables e inmediatamente operativas. Esta transformación
tiene un gran interés práctico, pues es la condición para que se puedan estudiar
las variables generales referentes a hechos no medibles directamente y llevar a
cabo la investigación propuesta sobre ellas. (1)
Como realizar la operacionalización de variables:
1.1. Etapas:

Variable:
Es una característica o cualidad; magnitud o cantidad, que puede sufrir
cambios, y que es objeto de análisis, medición, manipulación o control en
una investigación. (2)
Tipos:
Discretas
Cuantitativas Continuas
Por su naturaleza

Nominal
Cualitativas Ordinal

Simples Indicador o unidad de


Por su grado de medida.
complejidad
Complejas Mínimo dos dimensiones
(indicadores)

- Variable cuantitativa discreta


Es aquella que puede asumir un número contable de valores.
Ejemplos de variables cuantitativas discretas:

 El número de hijos de una familia.


 La cantidad de dedos que tienes en la mano.
 El número de faltas en un partido de fútbol.
 Número de personas que llegan a un consultorio en una hora.
 El número de árboles que hay en un parque.
 El número de canales de televisión que tienes en casa.
 Número de animales en una granja.
 Cantidad de empleados que trabajan en una tienda.
 Número de libros vendidos cada mes.
 Número de clientes que visitan el mercado por día. (2)
- Variable cuantitativa continua
Es aquella que puede asumir un número incontable de valores.
Ejemplos de variables cuantitativas continúas:
 La estatura de tu mejor amigo.
 El ancho de una pelota de fútbol.
 Volumen de agua en una piscina.
 El peso de una persona.
 La velocidad a la que va a un tren.
 Longitud en centímetros de un tenedor.
 El volumen de cerveza en una jarra.
 Peso de las vacas en una granja.
 Distancia que recorren los autos en una ciudad.
 Velocidad a la que viaja un avión. (2)
- Nominales
Es una variable no representada por números, por lo que no sigue una
pauta de orden, lo que la hace más imprecisa matemáticamente.
Ejemplo: Los colores, naranja, amarillo, azul, rojo, negro, etc. (2)
- Ordinales
También conocida como variable cuasi-cuantitativa, incorpora una
modalidad de variable que no requiere números, pero si sigue una pauta
de orden. (2)
Ejemplo: Nivel socio-económico, Alto, medio y bajo.

- Las variables simples:


Son las que se manifiestan directamente a través de un indicador o unidad
de medida. Ejemplos: el precio de un producto, que se expresa en
unidades monetarias y la edad que se manifiesta en años cumplidos. (2)

- Las variables complejas:


Son aquellas que se pueden descomponer en dos dimensiones como
mínimo. (2)

Definición conceptual:
Es la que se obtiene de los textos, obras o diccionarios. Debe enunciar
género y características. la diferenciación debe ser una característica o
grupo de características que estén presentes. (3)

La definición operacional:
Es la que construye o se adapta de otras, a partir de las características
observables del fenómeno; indicando los elementos concretos, empíricos
o indicadores del hecho que se investigará. (3)
Dimensión:
Es un elemento integrante de una variable compleja, que resulta de su
análisis y descomposición. (3)
Ejemplo: Investigación – Calidad de servicio que presta el Hospital

Variables Dimensiones
- Calidad de servicio en la
recepción.
Calidad de servicio - Calidad de servicio en las
habitaciones para el paciente.
- Calidad de servicio en la
atención al paciente.
Indicadores:
Son componentes relevantes de la dimensión, se caracterizan por ser elementos o abstracciones de la realidad, o también se
puede definir como desagregados mínimos que vienen desdenla hipótesis y que al ser medidos se convierten en datos
cuantitativos-cualitativos con la finalidad de comprobar la veracidad o falsedad de la hipótesis.
Se presentan como razones, proporciones, tasas e índices. Permiten hacer mediciones a las variables. (4)

Ítems:
Son preguntas importantes para la recolección de la información en función de los indicadores. (4)

Instrumentos:
Es una técnica que consiste en observar atentamente el fenómeno, hecho o caso, tomar información y registrarla para su
posterior análisis. (4)
Variable(s) Definición Dimensiones Definición Indicadores Ítems Instrumento
Conceptual Operacional
Nivel de Son los - Conocimientos Nivel de - Definición ¿Cuál son los
conocimientos diferentes básicos. conocimiento de úlceras tipos de Entrevista y
del cuidador grados de alto del por presión. posiciones que observación.
primario sobre la información que cuidador - Prevención se debe
prevención de posee el primario sobre de úlceras realizar al
úlceras por cuidador la prevención por presión. paciente?
presión. primario sobre de ulceras por - Formas
la prevención presión. más
de úlceras por frecuentas
presión en de úlceras
paciente con por presión.
permanencia
prolongada en - Cuidados de la Nivel de - Importancia
cama. piel. conocimiento de la Entrevista y
del cuidador higiene de ¿Cuál es la observación.
primario a la piel la piel. frecuencia de
para le - Zonas más realizar la
prevención de frecuentes higiene?
ulceras por de higiene.
presión (UPP). - Frecuencia
de realizar
la higiene.
- Útiles para
realizar la
higiene.

- Movilización y Nivel de - Importancia


vigilancia de conocimiento del cambio ¿Cuál es la
puntos de alto del de posición. importancia de
presión. cuidador - Forma de movilizar al Entrevista y
primario sobre realizar paciente? observación.
la prevención cambios de
sobre la posición.
importancia de - Frecuencia
la movilización de cambios
y vigilancia de de posición.
los puntos de
presión para la
prevención de
ulceras por
presión.
1.2. Operacional de las variables:

Conjunto de procedimientos que describen las actividades que un


observador debe realizar para recibir las impresiones sensoriales, las cuales
indican la existencia de un concepto teórico en mayor o menor grado. En tal
sentido, trata de señalar claramente cómo se van a manipular o medir las
variables y además señala que, para medir una variable, es necesario hacer
una serie de actividades o procedimientos. (5)

Es la denominada definición de trabajo, con esta definición no se pretende


expresar todo el contenido del concepto, sino identificar y traducir los
elementos y datos empíricos que expresan o identifican el fenómeno en
cuestión. (5)
Estas definiciones incluyen lo siguiente:

Determinación de los indicadores que permitan medir a la variable, en caso


de que esto no puede hacerse directamente. Se requiere cuando la variable
es cualitativa o tiene un carácter muy general, si la variable es cuantitativa,
generalmente no es necesario, puesto que se puede medir directamente. (5)

Definición de las técnicas e instrumentos que permitan obtener la


información sobre las variables e indicadores. Por ejemplo: entrevistas,
cuestionarios, análisis de documentos, recolección de estadística,
observación, experimentación entre otros. (6)

En consecuencia, es aquella que permite observar y medir la manifestación


empírica de las variables, en otras palabras, es la definición por
desagregación o por descomposición de las variables en sus referentes
empíricos, mediante un proceso de deducción, es decir, de lo más general a
lo más específico. En efecto, constituye un conjunto detallado de
instrucciones que permitirán clasificar a las unidades de análisis de manera
inequívoca. (6)
Por lo tanto, sostenemos que se trata de describir cuidadosamente los
criterios de evaluación y medición de la información que se recoja. (6)
CAPITULO II
2. Determinación de universo y muestra:
2.1. Universo de estudio:
En estadística es el nombre especifico que recibe particularmente la
investigación social la operación dentro de la delimitación del campo de
investigación que tienen por objeto la determinación del conjunto de unidades
de observaciones del conjunto de unidades de observación que van a ser
investigadas. Para muchos investigadores él termino universo y población
son sinónima. En general, el universo es la totalidad de elementos o
características que conforman el ámbito de un estudio o investigación. (7)
• Población Finita
Existe o puede construirse un marco muestral. Se conoce el tamaño
• Población Infinita
No se conoce el tamaño y no puede conocerse. No hay marco muestral y no
puede construirse.
2.2. Selección y tamaño de muestra:
En estadística, una muestra es un subconjunto de casos o individuos de
una población. En diversas aplicaciones interesa que una muestra
sea representativa y para ello debe escogerse una técnica de muestra
adecuada que produzca una muestra aleatoria adecuada. (8)
Como un subgrupo o subconjunto representativo de la población, extraída
seleccionada por algún método de muestreo. La muestra siempre es una
parte de la población. Si se tienen varias poblaciones, entonces se tendrán
varias muestras. La muestra debe poseer toda la información deseada para
tener la posibilidad de extraerla, esto solo se puede lograr con una buena
selección de la muestra y un trabajo muy cuidadoso y de alta calidad en la
recogida de datos. Como un subgrupo o subconjunto representativo de la
población, extraída seleccionada por algún método de muestreo. La muestra
siempre es una parte de la población. Si se tienen varias poblaciones,
entonces se tendrán varias muestras. La muestra debe poseer toda la
información deseada para tener la posibilidad de extraerla, esto solo se puede
lograr con una buena selección de la muestra y un trabajo muy cuidadoso y
de alta calidad en la recogida de datos. (8)
Por ejemplo:
Si deseamos determinar el número de pacientes operados de apendicitis, en
el Hospital MINSA II-2 TARAPOTO, con una muestra representada por 100
pacientes.
2.2.1. Selección de la muestra:
En la referencia estadística se conoce como muestreo a la técnica para la
selección de una muestra a partir de una población estadística. (9)
Cabe mencionar que para que el muestreo sea válido y se pueda realizar un
estudio adecuado (que consienta no solo hacer estimaciones de la población
sino estimar también los márgenes de error correspondientes a dichas
estimaciones), debe cumplir ciertos requisitos. Nunca podremos estar
enteramente seguros de que el resultado sea una muestra representativa,
pero sí podemos actuar de manera que esta condición se alcance con una
probabilidad alta. (9)
2.3. El muestreo probabilístico:

Es un método de muestreo (muestreo se refiere al estudio o el análisis de


grupos pequeños de una población) que utiliza formas de métodos de
selección aleatoria. (9)

El requisito más importante del muestreo probabilístico es que todos en una


población tengan la misma oportunidad de ser seleccionados. (9)

2.3.1. Tipos de muestreo probabilístico:

Muestreo aleatorio simple:


Se utiliza cuando se conocen todos los elementos que conforman la
población. Cada elemento de la población tiene la misma posibilidad de ser
elegido para formar parte de la muestra. (9)

Ejemplo de muestreo aleatorio simple

Una empresa tiene 120 empleados. Se quiere extraer una muestra de 30 de


ellos.

Enumera a los empleados del 1 al 120

Sortea 30 números entre los 120 trabajadores

La muestra estará formada por los 30 empleados que salieron seleccionados


de los números obtenidos.

Muestreo estratificado:
Esta técnica de muestreo resulta apropiada cuando la población ya está
divida en grupos, porque refleja de forma más precisa las características de
la población y permite efectuar comparaciones entre los estratos
conformados. Como, por ejemplo: grupos de edad, grupos étnicos, por
mencionar algunos. (9)
Muestreo por conglomerados o racimos:
Se utiliza cuando no es posible obtener una lista de todos los elementos de
la población. Su empleo es adecuado si la población es muy grande y
dispersa. Los conglomerados se caracterizan por ser homogéneos entre sí,
pero internamente presentan un alto grado de heterogeneidad en sus
componentes. (9)

Por ejemplo: Un investigador desea estudiar el rendimiento académico de los


estudiantes secundarios en Perú.

Puede dividir a toda la población (población de Perú) en diferentes


conglomerados (ciudades).

Luego, el investigador selecciona una serie de conglomerados en función de


su investigación, a través de un muestreo aleatorio simple o sistemático.

Luego, de los conglomerados seleccionados (ciudades seleccionadas al


azar) el investigador puede incluir a todos los estudiantes secundarios como
sujetos o seleccionar un número de sujetos de cada conglomerado a través
de un muestreo aleatorio simple o sistemático.

Muestreo sistemático:

Los elementos se seleccionan de la población en un intervalo uniforme que


se mide respecto de tiempo, orden o espacio. Se emplea si existe una lista
ordenada de los elementos de la población o cuando se sabe cuántos
elementos componen esa población. (9)

Por ejemplo: Supongamos que tenemos un marco muestral de 5.000


individuos y deseamos obtener una muestra de 100 de ellos. Dividimos en
primer lugar el marco muestral en 100 fragmentos de 50 individuos. A
continuación, seleccionamos un número aleatorio entre 1 y 50, para extraer
el primer individuo al azar del primer fragmento: por ejemplo, el 24. A partir
de este individuo, queda definida la muestra extrayendo los individuos de la
lista con intervalos de 50 unidades.

2.4. Muestreo no probabilístico:

El segundo gran conjunto es el muestreo no probabilístico, donde se


seleccionan los elementos de la muestra de acuerdo a determinados criterios
previamente establecidos. Este tipo de muestreo se utiliza cuando el
probabilístico resulta muy costoso, teniendo presente que no sirve para hacer
generalizaciones puesto que no existe certeza de que la muestra extraída
tenga representatividad, puesto que no todos los elementos de la población
tienen la misma probabilidad de ser seleccionados. (9)
Tipos de muestreo no probabilístico:

Muestreo por cuotas: que presupone un buen conocimiento de los estratos


de la población y se selecciona a los elementos o individuos más
representativos. Ejemplo de muestreo por cuotas se da cuando un
entrevistador desea entender qué tan bien funciona su marca de zapatos. Su
población objetivo se encuentra entre los 25 y 40 años de edad. El
entrevistador puede dividir aún más los estratos según el género y
seleccionar 100 mujeres y hombres pertenecientes a ese grupo de población.
(10)

Muestreo de opinión o intencional: en donde deliberadamente se obtienen


muestras de grupos focales. (10)

Ejemplo: Un ejemplo de muestreo por conveniencia sería utilizar a


estudiantes voluntarios que sean conocidos del investigador. El investigador
puede enviar la encuesta a los estudiantes y ellos en este caso actuarían
como muestra.

Muestreo casual o incidental: cuando se selecciona directa a


intencionadamente a los elementos de la muestra. (10)

Ejemplo: La empresa contrata a una serie de entrevistadores que realizan las


encuestas en la calle. Éstos van entrevistando a los que se van encontrando
accidentalmente por la calle para calificar su producto.

Muestreo bola de nieve: en donde algunos elementos seleccionados de la


muestra conducen a otros y estos a otros hasta conseguir una muestra
adecuada en tamaño. (10)

Ejemplo: un médico ha tratado a un paciente con una enfermedad rara y


decide hacer un estudio sobre ella. para ello, recurre al paciente, que le va
derivando a sus conocidos con dicha enfermedad y a través del muestreo de
bola de nieve entrevista al número de individuos que precisa

Muestreo discrecional: En donde los elementos de la muestra son


seleccionados con el encuestador de acuerdo a criterios que él considera de
aporte para el estudio. (10)

Ejemplo: Seleccionar a los cajeros de un banco, para saber el


comportamiento de los usuarios ante los pagos.

¿Cómo determinar el tamaño de una muestra?

Determinar el tamaño de la muestra que se va a seleccionar es un paso


importante en cualquier estudio de investigación, se debe justificar
convenientemente de acuerdo al planteamiento del problema, la población, los
objetivos y el propósito de la investigación. (10)
¿De qué depende el tamaño muestral?

El tamaño muestral dependerá de decisiones estadísticas y no estadísticas,


pueden incluir por ejemplo la disponibilidad de los recursos, el presupuesto o el
equipo que estará en campo. (10)
Antes de calcular el tamaño de la muestra necesitamos determinar varias cosas:

1. Tamaño de la población. Una población es una colección bien definida de objetos


o individuos que tienen características similares. Hablamos de dos tipos:
población objetivo, que suele tener diversas características y también es
conocida como la población teórica. La población accesible es la población sobre
la que los investigadores aplicaran sus conclusiones. (10)
2. Margen de error (intervalo de confianza). El margen de error es una estadística
que expresa la cantidad de error de muestreo aleatorio en los resultados de una
encuesta, es decir, es la medida estadística del número de veces de cada 100
que se espera que los resultados se encuentren dentro de un rango específico.
(10)
3. Nivel de confianza. Son intervalos aleatorios que se usan para acotar un valor
con una determinada probabilidad alta. Por ejemplo, un intervalo de confianza
de 95% significa que los resultados de una acción probablemente cubrirán las
expectativas el 95% de las veces. (10)
4. La desviación estándar. Es un índice numérico de la dispersión de un conjunto
de datos (o población). Mientras mayor es la desviación estándar, mayor es la
dispersión de la población. (10)

Cálculo del tamaño de la muestra desconociendo el tamaño de la población:

La fórmula para calcular el tamaño de muestra cuando se desconoce el tamaño


de la población es la siguiente:

En donde
Z = nivel de confianza,
P = probabilidad de éxito, o proporción esperada
Q = probabilidad de fracaso
D = precisión (error máximo admisible en términos de proporción).
2.5. Unidades de análisis y observación:

La unidad de análisis corresponde a la entidad mayor o representativa de lo que


va a ser objeto específico de estudio en una medición y se refiere al qué o quién
es objeto de interés en una investigación.
Debe estar claramente definida en un protocolo de investigación y el investigador
debe obtener la información a partir de la unidad que haya sido definida como
tal, aun cuando, para acceder a ella, haya debido recorrer pasos intermedios.
(11)

2.6. Criterios de inclusión y exclusión:

Criterios de inclusión: Define las características que necesariamente


deberán tener los elementos de estudio (la muestra). Utilizados para
seleccionar a los participantes entre los potenciales participantes en el
cual destacan: (12)

 Que tenga características o condición en estudio.

 Edad, sexo.

 Que desee colaborar.

 Que pueda participar.

 Que no presente otras características no deseadas.

Criterios de exclusión: Características de los casos que, aun cumpliendo


los criterios de inclusión, presentan otras características que no deberán
tener la muestra. (12)

 Que no cumplan con las características de inclusión.


Conclusiones:

Se logro realizar la matriz de la operacionalización de las variables y se


identificó el universo y muestra.

Se pudo valorar la importancia de la operacionalización de variables en


la investigación.

Se obtuvo el fortalecimiento de la operacionalización de variables


mediante las prácticas.

Concluimos que los criterios de inclusión y exclusión son de gran apoyo


para definir las características que necesariamente deberán tener los
elementos de estudio(muestra).
Bibliografía
1. Guillermo Montoya Orlind J. monografia. [Sitio web].; 2013 [cited 2019 08 16. Disponible:
https://www.monografias.com/trabajos102/operacionalizacion-variables/operacionalizacion-
variables.shtml#lasvariaba.

2. Marymili S. monografia. [Sitio web].; 2015 [cited 2019 08 16. Disponible:


https://www.youtube.com/watch?v=ckd8bayDMz0.

3. Gavilán. monografia. [Sitio web].; 2004 [cited 2019 08 16. Disponible:


https://sites.google.com/site/maestriaitallerdeinvestigacion/unidad-5-marco-teorico/6-4-marco-
conceptual/6-4-1-definicion-conceptula-y-operacional.

4. Emartineza. slideshare. [Sitio web].; 2013 [cited 2019 08 17. Disponible:


https://es.slideshare.net/emartineza/operacionalizacion-matriz-de-variables-21759771.

5. Rocío OL. monografia. [Sitio web].; 2019 [cited 2019 08 17. Disponible:
https://www.youtube.com/watch?v=wsMc4DGZPfU.

6. Carrasco. wikepedia. [Sitio web].; 2018 [cited 2019 08 17. Disponible: http://tesis-investigacion-
cientifica.blogspot.com/2018/03/definicion-operacional-de-las-variables.html.

7. Ferderico SG. monografia. [Sitio web].; 2013 [cited 2019 08 16. Disponible:
http://moodlelandivar.url.edu.gt/url/oa/fi/ProbabilidadEstadistica/URL_02_BAS02%20DETERMINA
CION%20TAMA%C3%91O%20MUESTRA.pdf.

8. Jon M. Wikipedia. [Sitio web].; 2005 [cited 2019 08 17. Disponible:


https://es.wikipedia.org/wiki/Muestra_estad%C3%ADstica.

9. Pricilla. wikipedia. [Sitio web].; 2019 [cited 2019 08 17. Disponible:


https://es.wikipedia.org/wiki/Muestreo_(estad%C3%ADstica).

1 Simeón. monografia. [Sitio web].; 2015 [cited 2019 08 17. Disponible:


0. https://www.psyma.com/company/news/message/como-determinar-el-tamano-de-una-muestra.

1 Roxana M. educativa. [Sitio web].; 2000 [cited 2019 08 17. Disponible:


1. http://msctecnologiaeducativa3.blogspot.com/p/unidades-de-analisis.html.

1 Denise DPTd. slideshare. [Sitio web].; 2017 [cited 2019 08 17. Disponible:
2. https://es.slideshare.net/danise1958/criterios-de-inclusin-y-exclusion.
Preguntas:

1. ¿Qué es una variable?

- Es una característica o cualidad; magnitud o cantidad, que puede sufrir


cambios, y que es objeto de análisis, medición, manipulación o control en
una investigación.

2. ¿Qué es operacionalizar una variable?

- Es el proceso mediante el cual se transforma la variable de conceptos


abstractos a términos concretos, observables y medibles, es decir, en
dimensiones e indicadores. En términos simples operacionalizar una
variable es hacerla medible.

3. ¿Cuáles son las variables según su naturaleza?

- Cualitativas: nominal y ordinal y las cuantitativas: las discretas y


continuas.

4. ¿Qué es operacional?

- Explica cómo se define el concepto específicamente en el estudio


planteado, que puede diferir de su definición etimológica.

5. ¿Qué es nivel de medición?

- La medición de una variable se refiere a su posibilidad de cuantificación o


cualificación y estás se clasifican según el nivel o capacidad en que
permite ser medido el objeto en estudio. Pueden ser: nominal, ordinal,
intervalo, de razón.

6. ¿Es importante la determinación del universo y la muestra en una


investigación?

- Es importante porque permite especificar cada uno de los elementos que


se requiere tomar en cuenta para la selección de los participantes de una
investigación, en el momento en que se está elaborando una
investigación, donde se incluyen la población de estudio, muestra,
criterios de selección y técnicas de muestreo.
7. ¿A que nos referimos cuando hablamos de universo de estudio?

- Nos referimos al conjunto de personas, cosas o fenómenos sujetos a


investigación, que tienen algunas características definitivas. Ante la
imposibilidad de investigar el conjunto en su totalidad, se selecciona un
subconjunto al cual se denomina muestra.

8. ¿A que corresponde la unidad de análisis?

- Corresponde a los elementos que recae la obtención de información y


deben de ser definidos con prioridad, es decir precisar, a quien o a
quienes se va aplicar la muestra para efectos de obtener la información.
Por ejemplo: pobreza, jefe de familia, madres; etc.

9. ¿Es necesario aplicar la técnica de la selección de la muestra?

- Si es necesario y fundamental para realizar un estudio estadístico de


cualquier tipo para obtener resultados confiables, para lo cual se necesita
desarrollar el estudio basándose en un subconjunto de dicha población
realizando una selección de muestra.

10. ¿Cuál es la diferencia entre criterios de inclusión y exclusión?

- La diferencia que existe entre los criterios de inclusión y exclusión es, que
para la inclusión el sujeto u objeto debe tener todas las características
particulares para que sea parte de la investigación; mientras que para la
exclusión es característico encargarse de las condiciones o
características que presentan los participantes y que pueden alterar o
modificar los resultados, que en consecuencia los hacen no elegibles para
el estudio.