Metodología de la Investigación

Diseño
Metodológico
Wilfredo Bulege Gutiérrez
wilfredobulege@gmail.com

Diseños de investigación cuantitativa

Se refiere al plan o estrategia
concebida para obtener
respuestas confiables a las
preguntas de investigación.

El diseño, plantea una serie de

actividades sucesivas y
organizadas, que deben
adaptarse a las particularidades
de cada investigación indicando
los pasos a seguir para
recolectar y analizar los datos.

1
 Pre prueba, pos
prueba y GC
Pos prueba y GC
Experimentos Cuatro Grupos
de Solomon Series
puros
cronológicas
múltiples
Factoriales
Diseños Cuasi Series
experimentales experimentos Estudio de caso cronológicas de Series cronológ.
con una un solo grupo con repetición
medición Series de estimulo
Pre
Pre prueba / Pos cronológicas con Series cronológ.
experimentos prueba con un múltiples grupos con tratamientos
Diseños de
solo grupo múltiples
investigación
Exploratorio
Transversales
Descriptivo
Diseños no Correlacionales -
experimentales causales

Longitudinales
De tendencia
De evolución de
grupo
Panel

Diseños experimentales
Es una situación de control en la
cual se manipula de manera intencional,
una o más variables independientes
para analizar las consecuencias sobre
una o más variable dependientes.
Creswell (2013a) y Reichardt
(2004) llaman a los experimentos
estudios de intervención, porque un
investigador genera una situación para
tratar de explicar cómo afecta a quienes
participan en ella en comparación con
quienes no lo hacen.

2
 Simbología de los diseños experimentales

Símbolo Concepto
R Asignación al azar.
G Grupos de sujetos.
• GE: Grupo experimental, recibe tratamiento.
• GC: Grupo de control, no recibe tratamiento.
X Tratamiento, estímulo, reactivo experimental.
- Ausencia de tratamiento.
O Medición que se hace a uno o más grupos a través de
pruebas, cuestionarios, observaciones, etc.

Experimentos puros
Son aquellos que reúnen los dos requisitos para lograr el control y
la validez interna:
1. Grupos de comparación.
2. Equivalencia de los grupos.
Estos diseños llegan a incluir una o más variables independientes y
una o más dependientes. Así mismo, pueden utilizar pre pruebas y post
pruebas para analizar la evolución de los grupos antes y después del
tratamiento experimental, ejemplo:
Efecto de los contenidos televisivos en la conducta de los niños.
Podría exponerse a un grupo de niños a un programa de televisión con
contenido antisocial y otro expuesto a un programa con contenido de
promoción social; posteriormente observar cuál de los dos grupos
muestra una conducta más agresiva.

3
 Tipos de experimentos puros
⚫ Diseño con pre prueba, post prueba y grupo de control:
Grupo Asignación Pre-prueba Tratamiento Post-prueba
GE R O1 X O2
GC R O3 - O4

⚫ Diseño con post prueba únicamente y grupo de control:

Grupo Asignación Pre-prueba Tratamiento Post-prueba
GE R X O1
GC R - O2

⚫ Diseño de cuatro grupos de Solomon:

Grupo Asignación Pre-prueba Tratamiento Post-prueba

GE R O1 X O2
GC R O3 - O4
GE R X O5
GC R - O6

⚫ Diseños experimentales de series cronológicas múltiples:

Grupo Asignación Pre-prueba Tratamiento Post-pruebas
GE R O1 X O2 O3 O4
GE R O5 X O6 O7 O8
GC R O9 - O10 O11 O12

4
 ⚫ Diseños factoriales:

Variable A
A1 A2 …
Variable B

B1 A1B1 A2B1
B2 A1B2 A2B2

Clasificación de los diseños factoriales:

Criterios
Cantidad de niveles por
factor
Cantidad de combinaciones
de tratamientos
Grado de control
Diseño
• Cantidad de niveles constante: 2k, 3k, etc.
• Cantidad de niveles variable: 2x3, 2x3x4, etc.
• Diseño factorial completo.
• Diseño factorial incompleto y fraccionado.
• Diseño factorial completamente al azar.
• Diseño factorial de bloques.
• Diseño factorial de cuadrado latino.
• Diseño factorial jerárquico.
• Diseño factorial de medidas repetidas.

10

5
 Cuasi experimentos
Son diseños de investigación experimentales en los cuales los
sujetos o grupos de sujetos de estudio no están asignados
aleatoriamente. Los diseños cuasi-experimentales más usados siguen la
misma lógica e involucran la comparación de los grupos de tratamiento y
control como en las pruebas aleatorias, ejemplo:
Comportamiento de los pacientes respecto a la realimentación de
los médicos en el tratamiento prescrito.
Grupo Asignación Pre-prueba Tratamiento Post-prueba
GE O1 X O2
GC O3 - O4

11

Tipos de cuasi experimentos

Se pueden utilizar los mismos diseños experimentales “puros” sin
la asignación al azar; además de los siguientes diseños cuasi
experimentales:
⚫ Diseño con posprueba y grupos intactos.
⚫ Diseño con prueba-posprueba y grupos intactos.
⚫ Diseños de series cronológicas:
 Series cronológicas de un solo grupo.
 Series cronológicas con múltiples grupos.
 Series cronológicas con repetición de estímulo.
 Series cronológicas con tratamientos múltiples.

12

6
 Pre experimentos
Son el diseño de un solo grupo cuyo grado de control es mínimo.
Generalmente es útil como un primer acercamiento al problema de
investigación en la realidad.
Grupo Asignación Pre-prueba Tratamiento Post-prueba
GE O1 X O2

Los pre experimentos pueden ser:

⚫ Diseño de preprueba / posprueba con un solo grupo.

⚫ Estudio de caso con una sola medición.

13

Caso para discusión

 Del experimento a la hipótesis:
https://www.youtube.com/watch?
v=RJweDlw6UnU&index=6&list=
PLdvsoMSRBqeDSIHIq-
2nuufwgu4N3Gsw7

14

7
 Diseños no experimentales
Se caracteriza por no manipular
deliberadamente la variable
independiente. El investigador para
este tipo de diseños no
experimentales solo se sustrae a
contemplar los fenómenos en su
estado natural para luego
analizarlos.

15

Diseños transversales
Es la recolección de datos con el propósito de describir las variables y
analizar su comportamiento en un mismo tiempo.

Estudio T1
M1 O1
M2 O2

Donde:
M1, M2 son muestras
O1, O2 son observaciones.

16

8
 Tipos de diseños transversales

Exploratorios: Conocen (inicio) una comunidad, un contexto, un evento, una

situación, una variable o un conjunto de variables.
• Ejemplo: Nivel de conocimiento y actitud de las personas ante la diabetes mellitus.

Descriptivo: Observan y describen los fenómenos tal como se presentan en forma

natural.
• Ejemplo: Estado de la calidad del aire en dos ciudades de los Andes del Perú:
Junín y Cusco.

Correlacionales-causales: Describen relaciones entre dos o más categorías,

conceptos o variables en un momento determinado.
• Ejemplo: Efectos de la contaminación del aire producido por el uso de la
combustión de madera para calefacción residencial en el sistema reproductivo
femenino.

17

Diseños longitudinales
Consiste en analizar los cambios que se dan a través del tiempo, de
determinadas categorías, conceptos, sucesos, eventos.
Este diseño toma una sola muestra y los mide a través del tiempo.
Estos diseños pueden ser prospectivos o retrospectivos.

Estudio T1 T2 T3
M O1 O2 O3

Donde:
T1, T2, T3 : son los periodos en los cuáles se realizan las observaciones.

18

9
 Tipos de diseños longitudinales

Diseños de tendencia: Analizan cambios a través del tiempo dentro de alguna

población en general.
• Ejemplo: Evolución de los niveles de empleo durante cinco años en la capital del
país.
Diseños de evolución de grupo: Examinan cambios a través del tiempo en sub-
poblaciones o grupos específicos.
• Ejemplo: Intoxicación por plomo y otros metales en la sangre de niños de la Oroya
entre el 2005 al 2010.
Diseños panel: Son similares a las dos clases de diseños anteriores, sólo que el
mismo grupo de sujetos es medido u observado en todos los tiempos o momentos.
• Ejemplo: Psicoterapia mensual para analizar las expresiones verbales de
exploración y discusión de planes futuros en pacientes de una clínica privada del
2019 al 2020.

19

Validez interna
 Se refiere al grado en que
ciertamente la manipulación de
la Variable Independiente es
responsable de los cambios en
la Variable Dependiente.
 Cualquier factor o fuente que no
sea la Variable Independiente y
que pudiera explicar los
resultados es una amenaza para
la validez interna.

20

10
 Validez externa
 La validez externa se refiere a la
extensión y forma en que los
resultados de un experimento
pueden ser generalizados a
diferentes sujetos, poblaciones,
lugares, etc.

21

Unidad de análisis
 Son los sujetos, objetos o sucesos de estudio, ejemplos: personas,
grupos humanos, poblaciones completas, unidades geográficas
determinadas, eventos o interacciones sociales (enfermedades,
accidentes, etc.), entidades intangibles (exámenes, días de descanso).
 La definición de la unidad de análisis responde a la pregunta
¿Qué o quienes van a ser estudiados?

22

11
 Ejemplos de unidad de análisis

Pregunta de investigación Unidad de análisis

¿Cuál es la eficacia del programa de Grupos de obreros.
capacitación AB en el rendimiento laboral de
los obreros del sector privado de Lima?
¿Cuál es la frecuencia de enfermedades Personas mayores de 15
respiratorias en personas mayores de 15 años, la familia.
años en la ciudad de Huancayo?
¿Cómo son las comunicaciones entre padres Grupos de padres e hijos.
e hijos?
¿Cómo se manifiestan los trastornos Trastorno emocional,
emocionales en funcionarios públicos de Ica? personas con trastorno.

23

Población
 Una población es el conjunto de
todos los casos que concuerdan
con una serie de especificaciones
(Selltiz et al, 1980).
 Las poblaciones deben situarse
claramente en torno a sus
características de contenido,
lugar y tiempo.

24

12
 Muestra
 Una muestra es una porción de
una población como subconjunto
de dicha población.
 En el enfoque cuantitativo, para
que la muestra sea representativa
de la población, debe
seleccionarse siguiendo algún
método racional.

25

 Existen dos tipos de muestreo, los probabilísticos y no probabilísticos.

El muestreo probabilístico no es superior al muestreo no probabilístico
en todas las situaciones, y el muestreo probabilístico tampoco
garantiza muestras representativas de la población en estudio.
 En el muestreo probabilístico el énfasis radica en el método y en la
teoría que lo sustenta, mientras que en el muestreo no probabilístico el
énfasis reside en la persona que hace el muestreo y que puede
acarrear consigo complicaciones enteramente nuevas e importantes.
La persona que hace el muestreo debe ser conocedora de la población
que se estudia, así como del fenómeno en estudio (Kerlinger F. y Lee
H., 2002).

26

13
 Muestras probabilísticas
 Una muestra probabilística es un
subgrupo de la población en el
que todos los elementos de ésta
tienen la misma posibilidad de ser
elegidos.
 Los tipos de muestra
probabilística son:

27

Muestreo aleatorio simple:

Otorga la misma probabilidad de
ser elegidos a todos los elementos
de la población.

Ejemplo:
Si de un grupo de 150 estudiantes
se desea seleccionar 20; primero
enumerar a los 150, luego elegir
por sorteo a 20 estudiantes; esa es
la muestra.

28

14
 Muestreo sistemático:

Elige un individuo al azar y a partir

de él, a intervalos constantes se
eligen los demás hasta completar
la muestra.

29

Ejemplo:
Si tenemos una población de 100
elementos y queremos extraer una
muestra de 25, en primer lugar
establecemos el intervalo de selección
que será igual a 100/25 = 4. Luego
elegimos el elemento de arranque,
tomando aleatoriamente un número
entre el 1 y el 4, y a partir de él
obtenemos los restantes elementos de la
muestra, sería:
2, 6, 10, 14,..., 98.

30

15
 Muestreo estratificado:

Se utiliza cuando la población está

constituida en estratos o subgrupos
(conjuntos homogéneos con respecto a
la característica que se estudia). Dentro
de cada estrato se puede aplicar el
muestreo aleatorio simple o sistemático.

31

Ejemplo:
Si en Ica, 60 % de empresas son
formales y 40 % informales; y queremos
encuestar a 100 empresas, entonces
debemos dividir las empresas en 2
estratos (formales e informales) luego,
elegir aleatoriamente 60 empresas
formales y 40 informales.

32

16
 Muestreo por conglomerados:

Es el muestreo aleatorio consecutivo de

unidades o conjuntos y subconjuntos. Un
conglomerado puede ser definido como
un grupo de cosas de la misma clase,
ejemplo: Las manzanas de la ciudad, las
cuales son elegidas aleatoriamente,
luego se entrevista a todas las familias
de las manzanas seleccionadas.

33

Ejemplo:
Se realizará la segunda vuelta de las
elecciones regionales en Junín. Los
conglomerados, en este caso, pueden
ser los distritos electorales y, dentro de
ellos, las mesas electorales. Con este
muestreo se eligen algunos distritos
electorales y luego, dentro de ellos,
algunas mesas electorales al azar, luego
se entrevista a todos los sufragantes de
las mesas seleccionadas.

34

17
 Tamaño de muestra probabilística
Formula para poblaciones finitas: Formula para poblaciones infinitas:
z2.p.q.N z2.p.q
n= n=
e2.(N-1) + z2.p.q e2

n = Tamaño muestral
z = Nivel de confianza elegido. Generalmente z=1.64 para un nivel de
confianza del 90%; z=1.96 (95%); z=2.17 (97%); y z=2.575 (99%).
p = Proporción de éxito; que se conoce por estudios anteriores o similares.
q = 1-p
N = Tamaño de la población
e = error que se prevé cometer.

35

Ejemplo 1:

¿Cuál es el tamaño muestral para conocer las preferencias del consumo

de un producto en una ciudad de 2,500 personas? Considerar como un
nivel de confianza = 95%, error máximo de estimación = 5%, se conoce
que 12% de las familias manifestaron consumir el producto (proporción
de éxito).

36

18
 poblacion <-2500
error <-0.05
p <-0.12
x<-c(1.96^2*p*(1-p)*poblacion)/((error^2)*(poblacion-1)+1.96^2*p*(1-p))
names(x)<- c("Nivel confianza 95%")
x

37

Muestras no probabilísticas

Una muestra no probabilística es un subgrupo de la población en la que

la elección de los elementos no depende de la probabilidad sino de las
características de la investigación.
 Muestra diversa o de máxima variación: conformada por un conjunto
de casos que pueden ilustrar la complejidad y grado de variación de
un fenómeno.
 Muestra homogénea: conformada por un conjunto de casos que
reúnen un mismo perfil o características similares.
 Muestra por cadena o por redes: conformada por un conjunto de
casos clave que se van incorporando al grupo inicialmente
seleccionado a partir de la información proporcionada por los primeros
individuos.

38

19
  Muestra de casos extremos: conformada por casos muy singulares,
que se alejan de las características comunes de un fenómeno.
 Muestra por oportunidad: conformada por casos que se presentan de
manera fortuita ante el investigador justo cuando éste las necesita.
 Muestra teórica o conceptual: conformada por casos que pueden
ayudar al investigador a comprender un concepto o teoría.
 Muestra confirmativa: conformada por casos que se suman a la
muestra inicial para confirmar o descartar aspectos controversiales
obtenidos a partir de los casos inicialmente seleccionados.

39

 Muestra de casos sumamente importantes: conformada por los casos

que son necesariamente indispensables para la comprensión de un
fenómeno.
 Muestra por conveniencia: conformada por el conjunto de casos que
son accesibles al investigador, por lo tanto disponibles para éste.

40

20
 Tamaño de muestra no probabilística

Diseño Tamaño de muestra sugerido

Teoría fundamentada, 30 a 50 casos
Etnográfico,
Historia de vida familiar Toda la familia, cada miembro es un caso.
Biografía El sujeto de estudio, personas vinculadas a
él, incluyendo a los críticos.
Estudio de casos en 6 a 10 casos
profundidad
Estudio de caso Uno o varios casos
Grupos de enfoque 7 a 10 casos por grupo, cuatro grupos

41

Wilfredo Bulege Gutiérrez

https://ctivitae.concytec.gob.pe/appDirectorioCTI/Ver
DatosInvestigador.do?id_investigador=1729

42

21