INSTITUTO UNIVERSITARIO DE TECNOLOGIA DEL MAR

EXTENSION CIUDAD GUAYANA

RIF: J-000666762-4
MECANICA INDUSTRIAL
ASIGNATURA: Metodología de Investigación II
SECCION: 4D41

UNIDAD II: MARCO METODOLÓGICO

Profesora:
Alumno:
Yumilva Fermín Javier
Diamond
C.I 30.851.759
 Cuidad Guayana, 24 DE Enero Del 2022
Explicar Cómo Tabular Y Analizar Los Datos Recolectados

El proceso de tabulación de la información consiste en realizar una tabla o un cuadro con

los resultados obtenidos tras la recopilación de datos. Consiste, por tanto, en presentar los
datos estadísticos en forma de tablas o cuadros con el objetivo de que resulten sencillos de
leer y comprender.

Gracias a la tabulación de la información, se facilita de manera considerable la

comprensión, el análisis y la interpretación de los datos para poder llevar a cabo
comparaciones y llegar, de esta manera, a conclusiones válidas.

Tras la tabulación obtendremos resultados presentados en tablas o gráficos de cualquier tipo

que expliquen las relaciones existentes entre las diversas variables que son objeto del
análisis.

La tabulación de la información resulta especialmente útil en el caso de recogidas de datos

muy grandes en las que es necesario representar dichos datos de una manera visualmente
atractiva, concisa y directa, que permita el tratamiento de la información sin ningún tipo de
problema.

Las tablas en las que se recopilan, se organizan y concentran los datos en base a
determinadas ideas o hipótesis, suelen contar con las siguientes partes:

Título de la tabla. Es recomendable que sea breve, conciso y claro.

Contenido de la tabla: se compone de los encabezamientos o títulos de cada variable o

columnas, la columna matriz y las columnas de parámetros.

Notas explicativas. Este elemento es opcional. Dichas notas hacen referencia a la fuente de
los datos, explicación de las abreviaturas, consideraciones a tener en cuenta, etc.

Como Analizar Los Datos

Las 6 etapas que componen un proceso completo de análisis de datos:

1. El Problema. Todo nace de un problema, de una necesidad real. En esta etapa definirás el
foco y el objetivo del proyecto. El «cómo analizar los datos» depende de este punto de
partida. El más importante.

2. La Recolección. Es el diseño de un método para obtener DATOS. Más técnicamente es

un proceso de experimentación. Puede ser una encuesta, pruebas en laboratorios, con
pacientes, nutrirse de datos de marketing en redes sociales etc… Para unos buenos datos de
partida es importante definir la tabla de datos previamente.

3. La Limpieza Homogeneizar los datos en cuanto a formato, deshacer observaciones que

no te interesan y almacenar las más útiles. Construir nuevas variables a partir de otras
existentes. Entro otras acciones.

4. La Exploración. Utilizando la estadística descriptiva podrás traducir los DATOS a

gráficos y características que puedas interpretar. Esta etapa de exploración es sinónimo de
descubrimiento. De «hablar» con los datos.

5. El Análisis. Con la ayuda de la estadística inferencial encontrarás conclusiones de un

conjunto grande (población) con la información de una pequeña parte de este conjunto
(muestra). A veces es posible que tengas datos de toda la población. El contraste de
hipótesis es la herramienta más famosa de la inferencia. Pero existen otras técnicas
increíbles y potentes: la correlación, modelos estadísticos causa-efecto, algoritmos de
regresión y clasificación. Y técnicas como el clustering, la reducción dimensional o las
reglas de asociación. Entre otras.

6. La Conclusión Interpretarás los resultados del análisis y listarás las conclusiones. Estarás
mucho más cerca del objetivo que te habrás planteado al inicio. Y de la resolución del
problema inicial.

Explicar Las Operacionalización De Las Variables

Es un proceso metodológico que consiste en descomponer deductivamente las variables que

componen el problema de investigación, partiendo desde lo más general a lo más
específico; es decir que estas variables se dividen (si son complejas) en dimensiones, áreas,
aspectos, indicadores, índices, subíndices, ítems; mientras si son concretas solamente en
indicadores, índices e ítems.

Ahora bien, una variable es operacionalizada con la finalidad de convertir un concepto

abstracto en uno empírico, susceptible de ser medido a través de la aplicación de un
instrumento. Dicho proceso tiene su importancia en la posibilidad que un investigador poco
experimentado pueda tener la seguridad de no perderse o cometer errores que son
frecuentes en un proceso de investigación, cuando no existe relación entre la variable y la
forma en que se decidió medirla, perdiendo así la validez, dicho de otro modo (grado en
que la medición empírica representa la medición conceptual). La precisión para definir los
términos tiene la ventaja de comunicar con exactitud los resultados.

En consecuencia, la operacionalización de las variables es el proceso a través del cual el

investigador explica en detalle la definición que adoptará de las categorías o variables de
estudio, tipos de valores (cuantitativas o cualitativos) que podrían asumir las mismas y los
cálculos que se tendrían que realizar para obtener los valores de las variables cuantitativas.

Presentar Los Tipos De Análisis

En principio, distinguiremos los siguientes tipos de análisis según su naturaleza:

Análisis estructural. Como su nombre lo indica, se enfoca en la estructura de lo analizado,

es decir, de su área externa, tomando en cuenta los parámetros y medidas que condicionan
el resultado.

Análisis exhaustivo. Es la metodología de análisis que desmiembra o desglosa lo analizado

para poder analizar por separado cada uno de sus componentes, tendiendo a lo mínimo, a la
totalidad, hasta agotar las opciones disponibles.

Análisis formal. Se refiere a la revisión de la forma, del conjunto, más que del contenido y
de lo particular.

Análisis teórico o conceptual. Como su nombre indica, análisis de los conceptos

fundamentales o base, equivalente a un análisis teórico.
Análisis experimental. Justo lo contrario al caso anterior: ver para creer. Un experimento
no es más que la reproducción de un fenómeno natural en un laboratorio, bajo condiciones
controladas.

Análisis cuantitativo. Aquel que toma en cuenta mayormente (o únicamente) la cantidad,

la proporción, el volumen, etc.

Análisis cualitativo. Aquel que toma en cuenta la calidad, no la cantidad, es decir, la

naturaleza de las cosas, no su acumulación en categorías.

Presentar Las Técnicas De Análisis De Datos

1.-# Análisis de correlaciones

Esta es una técnica de análisis datos estadístico. Sirve para determinar si existe una relación
entre dos variables cuantitativas diferentes y cuan fuerte es esa relación entre las variables.
Suele utilizarse cuando se sospecha que dos variables siguen o tiene una evolución similar.
Ej: el índice IBEX 35 y el DAXX.

2.-# Análisis de regresión

Se trata de otra de las técnicas de análisis de datos estadísticos para investigar la relación
entre diferentes variables. Se utiliza cuando una se sospecha que una de las variables puede
estar afectando (variable independiente) al comportamiento de la otra (variable
dependiente) u otras.

3.-# Visualización de datos

La visualización de datos es de lejos una de las técnicas de análisis de datos más

demandada y apreciada a día de hoy por lo fácil que resulta a través de un gráfico o imagen
detectar patrones en los datos. Es especialmente útil cuando buscamos entender grandes
volúmenes de datos de forma rápida y simplificada. Las infografías y gráficos son la forma
más popular de este tipo de técnicas que utilizan softwares tipo Tableu Boureu o Qlick
View.

4.-# Análisis de escenarios

El análisis de escenarios consiste en analizar una variedad determinada de eventos futuros
con resultados alternativos. Es bueno utilizarlo cuando no estamos seguros sobre qué
decisión tomar o que curso de acción perseguir. Este es un buen ejemplo de análisis de
escenarios

5.-# Data mining

El data mining o minería de datos es un proceso de análisis de datos pensado para trabajar
con grandes volúmenes de datos. Ahora es más conocido como Big data y se usa para
detectar patrones, relaciones o información relevante que pueda mejorar el desempeño de
operaciones relacionadas con el cliente y el Internet de las cosas.

6.-# Análisis o de patentes y literatura científica

Esta técnica de análisis de datos utiliza las metas de datos de publicaciones científicas y
patentes para extraer información sobre tendencias y relaciones entre estudios, autores o
propiedad intelectual. Es una de las técnicas más usadas en la vigilancia de tendencias
tecnológicas.

7.-# Simulación de Monte Carlo

Esta técnica de probabilidad matemática es usada para medir el riesgo aproximado de que
un hecho determinado tenga lugar. Es muy útil para entender las implicaciones que puede
tener un determinado curso de acción derivado de una decisión.

8.-# Programación y optimización matemática

También conocida como optimización lineal, es un método para identificar cual es mejor
resultado posible dadas unas restricciones concretas a nuestra situación. Se utiliza mucho
para resolver problemas dados en procesos de producción y determinar cómo minimizar los
costes o maximizar los beneficios.

9.-# Experimentos AB

También conocidos como pruebas AB o Split testing son unas de las técnicas más usadas
en marketing digital para comprobar la reacción de los usuarios ante un mensaje y ver cual
funciona mejor. Se utiliza sobre todo para testar hipótesis en el lanzamiento de un nuevo
producto, una campaña publicitaria o un mensaje en un anuncio.

10.-# Análisis semánticos de textos

Este tipo de análisis, también conocido como minería de textos, es un proceso que trata de
extraer valor a través del análisis semántico de grandes volúmenes de textos. Relacionado
con la técnica anterior busca que los ordenadores sean capaces de entender lo que indexan y
obtener datos de textos no estructurados. La herramienta que mejor conozco para este tipo
de análisis es BItext.

Exponer La Diferencia Entre Técnicas E Instrumentos

La técnica es el procedimiento o método empleado para lograr un determinado objetivo,

mientras que un instrumento es la herramienta (recurso) el "con qué" con el cual lo vamos a
lograr.

Ejemplo de técnica e instrumento

Técnica: observación / Instrumento: ficha de observación

Técnica: experimento / Instrumento: método experimental

Técnica: entrevista / Instrumento: cuestionario de entrevista

Técnica: encuesta / Instrumento: formulario de encuesta

Demostrar La Forma De Presentación De Resultados

Cómo hacer una buena presentación de resultados

Una buena presentación de resultados debe ser visualmente simple. Muestra

conclusiones e información relevante para la toma de decisiones.
Mientras mayor sea la calidad de la información, más fácil será tomar buenas decisiones.Es
importante señalar que “información de calidad” no es lo mismo que “gran cantidad de
información”. Al contrario, demasiada información lleva a que la audiencia se confunda.

Los elementos más relevantes de un informe de resultados:

1. De lo macro a lo micro

La primera parte del informe debe mostrar estos indicadores y así calmar la ansiedad
general de la audiencia respecto a “cómo vamos”. A continuación muestran variables del
entorno y van profundizando en aspectos más detallados.

2. Sólo indicadores estratégicos

Existe la tentación de medirlo todo, con lo cual se termina trabajando para el indicador y no
al revés. No hay una regla respecto a cuántos indicadores estratégicos deben ser
gestionados, sin embargo “menos es más” cuando queremos dar foco a la gestión.

3. Conclusiones en vez de datos

Un dato por sí mismo no es información relevante para tomar decisiones: debe ser
analizado respecto a algún contexto como una meta, tendencia, datos de industria, entre
otras variables.

En el informe, cada dato ya debe haber sido analizado y mostrar el resultado de su análisis
en forma muy simple.

A la vez, cada lámina de su presentación, en el caso de hacer una presentación, debe ser
auto explicativo y mostrar las conclusiones en forma explícita.

4. Simpleza visual

El uso de números grandes, flechas, íconos y otras técnicas facilitan la revisión de los
resultados. El tiempo debe ser utilizado en discutir y no en comprender lo que se está
presentando.
5. Profundizar cuando sea necesario

Cuando los resultados no son los esperados, es necesario ampliar la información hasta
encontrar causas, potenciales soluciones y presentar las alternativas para la discusión. En
caso contrario, no es necesario profundizar.

6. Confiabilidad y comparabilidad de la información

¿Cuántas veces ha pasado que una persona presenta un dato y las restantes personas de
la mesa cuestionan el número? Cuando esto ocurre la conversación pierde el foco. Siempre
es necesario conocer la fuente de la data y la robustez, además de asegurar consistencia
entre un informe y otro.
 Bibliografía

https://conceptosclaros.com/como-analizar-datos/

https://www.ayuware.es/blog/tabulacion-de-la-informacion/

https://tesis-investigacion-cientifica.blogspot.com/2013/08/que-es-operacionalizacion-de-
variables.html

https://papelesdeinteligencia.com/tecnicas-de-analisis-de-datos/

https://www.andreadelacalle.cl/post/c%C3%B3mo-hacer-una-buena-presentaci%C3%B3n-
de-resultados#:~:text=Una%20buena%20presentaci%C3%B3n%20de%20resultados
%20debe%20ser%20visualmente%20simple.,base%20a%20la%20informaci%C3%B3n
%20disponible.