1

ACTIVIDAD 1 Y 2

Por:
Luz Adriana Castañeda Landinez

1921662

Universidad Francisco de Paula Santander

Metodología de la Investigación

Cúcuta, Norte de Santander

14 de junio 2021
 2

ACTIVIDAD 1

Analizar los datos de investigación es un proceso utilizado por los investigadores para reducir los
datos a una historia e interpretarlos con el fin de obtener información. En este proceso, una gran
cantidad de datos son reducidos en pequeños fragmentos para encontrarles sentido.

Para llegar a la etapa de análisis de datos, es necesario que previamente se haya definido el
problema de la investigación, desarrollado e implementado un plan de muestreo, un diseño de
estructura, métodos y herramientas, por lo que se considera que este es un paso más fácil de realizar
en una investigación.

¿CUÁL ES LA IMPORTANCIA DE ANALIZAR LOS DATOS DE INVESTIGACIÓN

ANTES DE PRESENTAR LOS RESULTADOS?

El propósito de analizar los datos de investigación es obtener información que pueda ser útil para
tu trabajo y te permite:

 Describir y resumir los datos

 Identificar la relación entre variables
 Comparar variables
 Identificar la diferencia entre variables
 Pronosticar resultados

¿CÓMO HACER UN ANÁLISIS DE DATOS EN UNA INVESTIGACIÓN?

Al analizar los datos de investigación se presentan tres elementos:

 la organización de los datos, la reducción de los datos mediante la integración, y la

categorización, de modo que los patrones y los temas puedan identificarse y vincularse
fácilmente.

A continuación, tenemos para ti el proceso de realizar un análisis de datos, el cual consta de tres
fases principales:

Fase I: Validación de datos

La validación de los datos se hace para entender si la información recolectada está de acuerdo con
los estándares preestablecidos o si es una muestra de datos sesgada. Esta fase se divide en cuatro
aspectos diferentes:
 3

 Fraude: Asegurar que cada respuesta a la encuesta o al cuestionario sea registrada por un
ser humano real.
 Proyección: Asegurarse que cada participante o encuestado sea seleccionado o escogido
de acuerdo con los criterios de la investigación.
 Procedimiento: Cerciorarse que se mantuvieran los estándares éticos mientras se
recolectaban los datos de la muestra.
 Exhaustividad: Asegurarse de que el encuestado contestó todas las preguntas de
la encuesta online o de que el entrevistador ha hecho todas las preguntas elaboradas en el
cuestionario.

Fase II: Edición de datos

Con mayor frecuencia, una muestra grande de datos de investigación viene cargada de errores. Los
encuestados a veces rellenan algunos campos de forma incorrecta o a veces los omiten
accidentalmente.

La edición de datos es un proceso en el que los investigadores tienen que confirmar que los datos
proporcionados están libres de tales errores y para ello, necesitan realizar comprobaciones básicas
y de valores atípicos para editar la edición bruta y prepararla para el análisis.

Fase III: Codificación de datos

Esta es la fase más importante de la preparación de datos, pues se asocia con la agrupación y
asignación de valores a las respuestas de la encuesta.

Supongamos que una encuesta se completa con un tamaño de muestra de 1000, entonces el
investigador creará un rango de edad para distinguir a los encuestados en función de su edad. Por
lo tanto, es más fácil analizar pequeños cubos de datos que tratar con la gran pila de datos.

¿QUÉ TÉCNICA DEBES USAR PARA ANALIZAR LOS DATOS DE INVESTIGACIÓN?

Cuando se trata de analizar datos, algunas personas creen que únicamente las técnicas estadísticas
son las que se pueden aplicar a los datos cuantitativos (números).

Esto es incorrecto, pues existen muchas técnicas estadísticas que se pueden aplicar a los datos
cualitativos, como es el caso de la escala de valoración, que se utiliza comúnmente en
investigaciones cuantitativas. Incluso si un estudio cualitativo no utiliza datos cuantitativos,
existen muchas maneras de analizar los datos cualitativos que se obtienen.

Estos son algunas de las técnicas más usadas

 Media aritmética.
 4

 Desviación estándar.
 Determinación del tamaño de la muestra.
 Regresión
 Prueba de hipótesis
 Triangulación
 Error de muestreo
 Error de no muestreo

¿ CUÁLES SON ESAS TÉCNICAS MAS UTILIZADAS DEFINIRLAS Y ESTABLEZCA

LAS CARACTERISTICAS Y VENTAJAS QUE CADA UNA TIENE?.

MEDIA ARITMÉTICA: Es la suma de una lista de números dividida por el número de elementos
en esa lista y se usa para determinar la tendencia general de un conjunto de datos. Hallar el
promedio también sirve para obtener una instantánea rápida de la información, puesto que es fácil
de calcular. Sin embargo, hay que tener en cuenta que puede ser una herramienta peligrosa.

En algunos conjuntos de datos, la media aritmética está estrechamente relacionada con el modo y
la mediana y, en muestras con un alto número de valores atípicos o una distribución sesgada, el
promedio simplemente no proporcionaría nunca la precisión que se necesita para tomar una
decisión consistente.

DESVIACIÓN ESTÁNDAR: Este cálculo es útil para determinar rápidamente la dispersión de

puntos de datos. Una desviación estándar alta significa que los datos se distribuyen más
ampliamente desde la media, mientras que una baja indica que hay más datos que se alinean con
la media. El problema de usar esta clase de técnicas de análisis de datos está en que al igual que
sucedía con la media, la desviación estándar puede inducir a error.

Por ejemplo, si los datos tienen un patrón muy extraño, como una curva no normal o una gran
cantidad de valores atípicos, la desviación estándar no ilustrará la realidad, al no poder aportar toda
la información que necesita.

DETERMINACIÓN DEL TAMAÑO DE LA MUESTRA: A veces no es necesario recopilar

información de cada miembro de una población y basta con una muestra. Cuando se mide un gran
conjunto de datos o población suele ocurrir esto. Sin embargo, la clave está en determinar el
tamaño correcto para que la muestra tomada sea precisa. Usando métodos de proporción y
desviación estándar, es posible concretar esta medida para que la recopilación de datos sea
estadísticamente significativa.

El inconveniente de esta técnica tiene que ver con el hecho de que, cuando se estudia una variable
nueva, las ecuaciones de proporción podrían necesitar basarse en suposiciones que pueden ser
inexactas. De ser así, este error terminaría transfiriéndose a la determinación del tamaño de la
muestra, para acabar afectando al resultado del análisis.
 5

REGRESIÓN: Sirve para determinar tendencias a lo largo del tiempo, ya que modela las
relaciones entre variables dependientes y explicativas, que generalmente se grafican en un
diagrama de dispersión, indicando si los vínculos que existen son fuertes o débiles.

Al igual que sucedía con las técnicas de análisis de datos precedentes, la regresión está asociada a
riesgos. Y es que, a veces, los valores atípicos en un diagrama de dispersión son importantes, pero
nunca serán descubiertos por el analista ya que este método tiende a ignorarlos.

PRUEBA DE HIPÓTESIS: Esta técnica permite evaluar si una premisa es realmente cierta para
su conjunto de datos o población. Elimina la posibilidad de que algo sea casual. No obstante, para
ser riguroso en su aplicación, las pruebas de hipótesis deben tener cuidado con los errores comunes,
como el efecto Hawthorne o el efecto placebo.

TRIANGULACIÓN: La triangulación consiste en la comprobación cruzada de los datos

utilizando múltiples fuentes o utilizando dos o más métodos de recopilación de datos. Existen
diferentes tipos de triangulación, incluyendo:

 Triangulación de tiempo: estudios longitudinales.

 Triangulación metodológica: utilizar el mismo método diferentes veces o diferentes
métodos con el mismo objeto de estudio.
 Triangulación de investigador: involucra a más de un investigador

ERROR DE MUESTREO: El error de muestreo es un indicador que mide la diferencia entre los
resultados de muestreo y los parámetros de población de la investigación. No puede ser eliminado,
cuando se utiliza el muestreo aleatorio, el error de muestreo puede ocurrir por casualidad y
también, el error de muestreo puede disminuir si el tamaño de muestra aumenta.
Estas son algunas preguntas básicas que necesitamos hacernos para evaluar nuestra muestra:

 ¿La muestra es aleatoria y representa a la población?

 ¿La muestra es grande o pequeña?

ERROR DE NO MUESTREO: Todos los errores, excepto los errores de muestreo, son errores
de no muestreo y pueden eliminarse. Existen diferentes tipos, algunos de estos son:

 Error del investigador: definiciones poco claras; problemas de fiabilidad y validez;

problemas de análisis de datos, por ejemplo; falta de datos.
 Error del entrevistador: enfoque general; técnicas de entrevistas personales; registro de
respuestas.
 Error de la persona entrevistada: inhabilidad de responder; falta de interés por responder;
mentiras al momento de responder; pocas respuestas.
 6

ACTIVIDAD 2
POBLACION Y MUESTRA

DIFERENCIA ENTRE POBLACIÓN Y MUESTRA

Para entender la base fundamental de las pruebas de hipótesis y otros tipos de estadísticos
inferenciales, es importante entender en qué se diferencian una muestra y una población.

Una población es un conjunto de personas, objetos o eventos acerca de los cuales se desea hacer
inferencias. No siempre es conveniente o posible examinar cada miembro de una población
completa. Por ejemplo, no resulta práctico contar los golpes en todas las manzanas recogidas en
un huerto. Sin embargo, es posible contar los golpes en un conjunto de manzanas tomadas de esa
población. Este subconjunto de la población se denomina muestra.

Si la muestra es aleatoria y lo suficientemente grande, usted puede utilizar la información obtenida

de la muestra para hacer inferencias sobre la población. Por ejemplo, usted podría contar el número
de manzanas con golpes en una muestra aleatoria y luego utilizar una prueba de hipótesis para
estimar el porcentaje de todas las manzanas que tienen golpes.
 7

CARACTERISTICAS DE UNA MUESTRA

CUAL ES EL PROCEDIMIENTO DE ELECCIÓN DE LA MUESTRA

Las muestras se enfocan en la selección de los participantes del estudio. Esta se saca en
concordancia con el problema y el diseño de la tesis.

Para seleccionar la muestra debemos empezar por definir la unidad de análisis, que no esta otra
cosa, sino dónde y con quién se realizará la recolección de los datos. Por ejemplo: organizaciones,
comunidad, instituciones, colegios, etc. Seguidamente podremos segmentar la población a través
de la muestra.
 8

Es indispensable que la muestra sea representativa, porque los resultados obtenidos el investigador
los utilizará para generalizarlos a toda la población. Es el caso de las encuestas que se realizan con
un grupo específico de participantes y los resultados abarcan un grupo más amplio de personas.

CÓMO SELECCIONAR UNA MUESTRA

Partimos de la población y esta debe ser entendida como casos que comparten especificaciones.
No necesariamente hace referencia a un grupo de personas, podrían ser animales, plantas, sucesos
naturales, objetos, etc. Es deber del investigador determinar bajo qué criterios analizará las
semejanzas para, así, obtener una población.

Esas semejanzas o características, si son definidas con claridad, sirven para segmentar una muestra
concreta y con validez. Si nuestro interés es ejecutar un trabajo con estudiantes universitarios
debemos responder a las siguientes interrogantes:

 ¿Universidades de todo el mundo o de un país?

 Si se trata de un país ¿Son todas las universidades o las de una ciudad?
 ¿Públicas o privadas?
 ¿Estudiantes de todas las carreras o una en particular?
 ¿De cuáles años o semestres?
 También es posible considerar otras características como: género, edad, calificaciones,
intereses, etc.

Una vez que hayamos filtrado el universo de casos posibles, hasta dar con la población de nuestro
estudio, vamos a elegir un subgrupo que será la muestra de nuestro diseño metodológico. Es
posible que, para seleccionar la muestra, primero se deba hacer un censo.

Ahora si tu población tiene unas especificaciones muy detalladas quizás si debas realizar el censo.
Con el mismo ejemplo de los empleados, puede ser que tú necesites a aquellos que tengan un grupo
familiar particular o que vivan en un área y en condiciones exclusivas. En ese caso, puede que el
departamento no cuente con la información que tú buscas y debas censar a la población.

Una muestra representativa es el equivalente de un 20 o 30 % del total de la población. Con estos

porcentajes es posible generalizar los resultados. El investigador puede decidir trabajar con la
población y no con la muestra, siempre y cuando, no se trate de una gran cantidad de participantes
y sus recursos se lo permitan.