Variables

Variable dependiente (x)

Variable dependiente (y) está va a depender de (x)
Va ríanles externas: altera los resultados. (Criterios de inclusión y exclusión)
Variables de confusión:
Variables de entorno:
Variable conceptual:
Variables de investigación: son las que se van a medir.
Definición operativam son todos los instrumentos que nos van ayudar a medir las variables.
Se debe definir si nuestras variables son cuantitativas o cualitativas.

Variable o hipótesis
Es cualquier propiedad del objeto o sujeto que adquiere distintas variables.
Es cualquier característica o cualidad de la realidad susceptible de sumir diferentes valores,
ya sea cuantitativo o cualitativamente.
Es todo lo que vamos a medir, controlar y estudiar en una investigación.
Las variables pueden ser definidas operacional o conceptualmente.
Supone la definición de las variables conceptuales a partir de una teoría o marco teoría o y
construye un puñete entre el nivel conceptual y el nivel observación al.
Así podemos deducir con base en ello las dimensiones o aspectos principales que la
constituyen, y buscar o identificar los indicadores de cada dimensión.
La definiciones operativas se basan en teorías de,a medida que asignan un significado
empírico a los conceptos.
La definición operativa a que indicadores específicos ( u observaciones ) han de asignarse
significados específicos.
Al seleccionar los indicadores el investigador debe tener cuidado en seleccionar después
de un análisis sólo aquellos que midan efectivamente las variables.

Tipos o clases de variables

Cuantitativas
Sobre estas no se construyen una serie numérica, es decir, no existe entre sus categorias
relación numérica.
Cuantitativas.
Admite una escala numérica de medición y son susceptibles de cuantificación.
Continuas,
Cuando se alude a la existencia de un conjunto teóricamente infinito de valores de un
intervalo de variación. (Son valores con decimales)
Discretas.
No puede. Adoptar valores intermedio. (Son numero enteros)

Escalas de medición

Nominal:
Tienen la característica de que todos los miembros de una se consideran iguales en lo
que se refiere a esa variable.
Los números o signos que son asignados a las categorías tienen el propósito de nombrar
o etiquetar a las observaciones y no se implica nada respecto a la magnitud o diferencia
cuantitativa entre las categorías.
Los datos nominales se describen en términos de porcentaje o proporciones y a menudo,
se utilizan tablas de contingencia y gráficos circulares.

Ordinal:
Además de clasificar, cuando ocurre un orden inherente dentro de las categorías, se
dice que las variables se miden en una escala ordinal.
Una característica importante de estas escalas es que, aunque existe cierto orden o
jerarquía, la diferencia o distancia entre dos categorias adyacentes no es la misma en
todas las variables.
Los datos ordinales se describen en tablas de contingencia y se utiliza la media y los
rangos.

Intervalo:
Además, de la diferencia o equivalencia de las categorías y el orden entre ellas
(mayor o menor que), también se determina la distancia entre categorías, provee
información acerca de la magnitud de la diferencia ( que tanto más grande); la
diferencia que separa dos categorias es igual.
Sin embargo el cero utilizado es arbitrario y no natural.
Razón:
Son las únicas que cuentan con las tres propiedades mencionadas por Cohen y
Nagel. Orden, distancia y origen.
Se construyen en verdaderas series numéricas, por lo que proveen información
acerca de la cantidad absoluta de la variable o propiedad medida.
Todas las operaciones matemáticas son posibles.
El cero es absoluto.
 Propiedades
Escala de Comparación Operación
Ejemplos. del sistema
medición. De variables Matemática
numérico

Nominal. Valores son Generó Conteo Identidad

iguales o Religión
diferentes Sexo

Ordinal Un valor Depresión Ordenar Identidad

es mayor Escolaridad magnitud
o menor
que otro

Intervalo Diferencias Temperatura Suma Identidad

de valores Resta magnitud
pueden intervalos
compararse iguales
Cero
arbitrario

Razón. Relaciones de Multiplicaci Identidad

valores ón y magnitud
pueden división intervalos
compararse iguales
Cero
absoluto
 Clase de variables y relación entre variables

Relaciona causa efecto.

Condiciones
Que X ocurra antes de la variable Y
Que exista una covariacion
Que la covariacion no sea producto otros factores

Para el tratamiento estadístico

Para cumplir el objetivo general “coloque el objetivo”, en primera instancia se procederá a

realizar un análisis mediante la prueba K-S para determinar la distribución de los datos,
cuando los datos se distribuyan de forma normal, se aplicará estadística inferencias
parametrica “coloque la prueba de hipótesis”. Si la distribución de los datos se distribuye
de forma no normal, entonces, se aplicará estadística no parametrica o de libre
distribución. “Coloque que prueba estadística”.

Normal………. Parametrica ……… Spirman

No normal……… no parametrica. …….. x2

Técnicas estadísticas
 Población
Todos los casos
Criterios específicos.
Contenido, lugar y tiempo.
Población blanco o población general. (Se puede llamar de las dos formas) (ejemplo población de
personas con DM)

Muestra

Subconjunto de la población.
Difinir la unidad de análisis.
Definir la población para la generalización.

Prueba de jerarquía asignada de wilcoxon (no para métricas )

En algunos casos se desea probar una hipótesis nula con respecto a la media de la
población, pero, por alguna razón, z y t resultan inadecuadas como estadísticas
de prueba. Se excluye la estadística z cuando se tiene una muestra pequeña
(n>30).

Suposiciones:
La muestra aleatoria
La variable es continua. (Numérica o cuantitativa)
La población se distribuye simétricamente alrededor de su media
La escala de medición es al menos de intervalos
 Selección de la muestra
¿En una investigacion siempre tenemos una muestra?
No siempre, pero en la mayoría de las situaciones si realizamos el estudio de una muestra. Solo
cuando queremos efectuar en censo debemos incluir todos los casos (persónanos, animales,
plantas, objetos) del universo o la población.

Lo primero: ¿sobre que o quienes se recolectarán datos?

Unidades de muestreo; se le denominan también casos o elementos.
Depende del planteamiento y los alcances de la investigación.
Por tanto para seleccionar una muestra, lo primero qué hay que hacer es definir la unidad de
muestreo/análisis.
Una vez definida la unidad de muestreo/análisis se delimita la población.
La muestra es un su grupo de la población de interés sobre el cual se recolectará datos, y que
tiene que definirse y delimitarse de antemano con precisión, además de que debe ser
representativo de la población.

¿Como se delimita la población?

Una vez que se ha definido cual será la unidad de muestreo/análisis, se procede a delimitar la
población que va a se estudiada y sobre la cual se pretende generalizar los resultados.
Así, una población es el conjunto de todos los casos que concuerdan con una serie de
especificaciones.
Es preferible, entonces, establecer con claridad las características de la población, con la
finalidad de delimitar cuáles serán los parámetros muéstrales.
Las poblaciones deben situarse con sus características de contenido, lugar y tiempo.
Al seleccionar la muestra debemos de evitar tres errores que pueden presentarse.
Desestimar o no elegir casos que deberían ser parte de la muestra (participantes
que deberían estar y no fueron seleccionados).
Incluir casos que no deberían de estar porque no forman parte de la población.
Seleccionar casos que son verdaderamente inelegibles.

El primer paso para evitar tales errores es una adecuada delimitación del universo o población.
Los criterios que cada investigador cumpla depende de sus objetivos de estudio, y es importante
establecerlos de manera muy específica.
¿Como seleccionar la muestra?
La muestra es, en esencia, un su grupo de la población.
Digamos que es un subconjunto de elementos que pertenecen a ese conjunto definido en sus
características al que llamamos población.

Población.

Muestra. Elementos o unidades

de muestreo/análisis

Tipos de muestras.
Probabilísticas.

Todo los elementos de la poblaciónno tiene la misma probabilidad de ser

escogidos para la muestra y se obtienen definiendo las características de la
población y el tamaño de la muestra, y por medio de una selección aleatoria o
mecánica de las unidades de muestreo/ análisis.

No probabilístico.
La selección de los elementos no depende de la probabilidad, sino de causas
relacionadas con las características de la investigación o los propósitos del
investigador.

¿Como seleccionamos una muestra?

La muestra probabilística tiene muchas ventas; quizás principalmente sea que puede medirse
el tamaño del error en nuestras predicciones.
Se ha dicho incluso queel principal objetivo del diseño de una muestra probabilística es
reducir al mínimo este error, al que se le llama error estándar.
La muestra probabilística son esenciales en los diseños de investigación transaccionales,
donde se pretenden hacer estimaciones de variables de la población.

¿Como se selecciona una muestra probabilística?

Estas variables se mide y sea aluza. Con pruebas estadísticas en una muestra, de la que
se presupone que esta es probabilística, y que todos los elementos de la población
tienen una misma probabilidad de ser elegidos.
Las unidades o elementos muéstrales tendrán valores muy parecidos a los de la
población, de manera que las mediciones en el subconjunto nos darán estimados
precisos del conjunto mayor.
Para hacer una muestra probabilística son necesarios dos procedimientos.
Calcular un tamaño de muestra que sea representativo de la población.
Programas de computadora o fórmulas.
Seleccionar los elementos muéstrales (casos) de manera que al inicio todos tenga la misma
posibilidad de ser elegidos
Requerimos un marco de selección adecuados y un procedimiento que
permita la aleatoriedad de la selección.

Cálculo del tamaño de la muestra (PROMEDIO)

Determinación del tamaño de la muestra para la estimación de las medias.

No se conoce N.

Si se conoce N.

Donde:
n= tamaño de la muestra.
N= tamaño de la población.
z= coeficiente de confiabilidad. (90%)(1.645), (95%)(1.96) y (99%)(2.58)
d= amplitud de la IC (precisión)
= desviación estándar de la población (Estudios similares o prueba piloto).

Ejemplo:
La administradora de un hospital desea estimar al peso medio de los bebés nacidos en su
hospital. Si se desea un intervalo de confianza del 99%, con una amplitud de 1 libra. ¿Que
tan grande debe ser la muestra de los registros de nacimiento? Suponga que un estimados
razonables para Es 1 libra.
¿De qué tamaño debe ser la muestra si el coeficiente de confiabilidad se hace descender a
.95?

Datos:
z= coeficiente de confiabilidad .
d= amplitud de IC= 1/2=0.5
= varíanza de la población. = 1 libra
Muestra probabilística por estratos

En ocasiones tu interés

A veces te pueden interesar grupos que constituyen minorías de la población;

entonces, si la muestra es aleatoria simple, resultará muy difícil elegir casos de ellas.
Imaginemos que nos interesan personadas de todas las religiones para comprará los
niveles de espiritualidad y religiosidad. Pero la religión predominante es la católica.
Se utiliza un MÁS, es un hecho que solo eliges a unos cuantos o a ninguna de las
otras religiones. No se podría realizar los contrastes.
Por ellos, es necesario un muestreo por estratos

El muestreo por estratos.

Muestreo en el que la población se divide en segmentos y se se,e cigoñal

una muestra para cada segmento
 Recolección de los datos
¿Que implica la etapa de recolección de datos?
Una vez que selecionamos el diseño de investigación apropiado y la muestra
adecuada de acuerdo con nuestro problema de estudio e hipótesis.
La siguiente acción corresponde en recolectar los datos pertinentes sobre
los atributos, conceptos o variables de las unidades de muestreo/análisis
de los casos ( participantes, grupos, fenómenos, procesos, organizaciones)

Recolectar los datos: implica elaborar un plan detalladoo de procedimientos

que nos conduzcan a reunir datos con un propósito específico.
Este plan incluye determinar:
¿Cuales son las fuentes de las que se obtendrán los datos?
¿En donde se localizan tales fuentes?
¿Atraves de que medio o método vamos a recolectar los datos?
(Instrumentos: confiables, válidos y objetivos)
Una vez recolectado,¿de que forma vamos a prepararlo para que
puedan analizarse y respondamos al planteamiento del problema?
(Estadística).

Este plan se nutre de los siguientes elementos:

Variables, conceptos o atributos a medir.
Definiciones operacionales (instrumentos).
La muestra.
Recursos disponibles (económicos, humanos, materiales)

¿Que significa medir?

Significa “asignar números, símbolos o valores a las propiedades de objetos
o eventos de acuerdo con reglas”.
Esta definición es más apropiada para las ciencias físicas que para las
ciencias sociales, ya que varios de los fenómenos que son medidos en este
no pueden caracterizarse como objetos o eventos, son demasiados
abstractos para ellos.
Medición.
Proceso de vincular conceptos abstractos con indicadores empíricos, el cual
se realiza mediante un plan explícito y organizado para clasificar (y con
frecuencia cuantificar) los datos disponibles (los indicadores), en términos
del concepto que el investigador tiene en mente.
En este proceso , el instrumento de medición o de recolección de datos tiene
un papel central. Sin el, no hay observaciones clasificadas.