INVESTIGACIN I
MDULO DE INVESTIGACIN
METODOS DE MUESTREO
El procedimiento para seleccionar la muestra de individuos sobre los que se van a recoger los datos debe ser tal que asegure su representatividad. Esto es de primordial importancia para poder llegar a conclusiones que sean generalizables.
Principales mtodos de muestreo:
1.- Probabilsticos
Los mtodos de muestreo probabilsticos se basan en el principio de equiprobabilidad. Es decir, todos los individuos de la poblacin tienen las mismas probabilidades de entrar a formar parte de a muestra. se recomienda utilizar mtodos probabilsticos siempre que sea posible, puesto que son los que aseguran mejor la representatividad de la muestra. Dentro de los mtodos probabilsticos se encuentran los siguientes:
Principales mtodos de muestreo:
1.1.- Aleatorio simple
El procedimiento utilizado consiste en: 1) asignar un nmero a cada individuo de la poblacin; 2) la seleccin se realiza mediante algn sistema mecnico, generalmente mediante las tablas de nmeros aleatorios u otro procedimiento similar. Actualmente los ordenadores y muchas calculadoras de bolsillo pueden generar nmeros aleatorios que sirven a tal efecto.
Principales mtodos de muestreo:
1.2.- Aleatorio sistemtico
Se utiliza cuando el universo es de gran tamao o ha de extenderse en el tiempo. Se siguen los pasos siguientes: 1) se ordenan los individuos de la poblacin; 2) se calcula c=N/n, donde c (constante) es un nmero entero, N es el nmero de individuos de a poblacin y n el tamao de la muestra; 3) se elige al azar un nmero a, comprendido entre 1 y c; 4) el nmero a ser el primer individuo seleccionado; 5) los sucesivos individuos sern: a + c, a + 2c, a + 3c, .... hasta llegar a n.
Principales mtodos de muestreo:
1.3.- Aleatorio estratificado
El proceso consiste en: 1) dividir la poblacin en varios estratos; 2) dentro de cada estrato se realiza un muestreo, por alguno de los otros procedimientos que aqu se exponen; 3) el nmero de individuos de cada estrato se decide por: a) afijacin simple: la muestra total se divide en partes iguales; b) afijacin proporcional: se tiene en consideracin la proporcin de individuos de cada estrato; c) fijacin ptima: adems de la proporcin de cada estrato se tiene en cuenta la dispersin de los datos. La muestra recoger ms individuos de aquellos estratos que tengan ms variabilidad.
Principales mtodos de muestreo:
1.4.- Por conglomerados
El muestreo por conglomerados se utiliza cuando los individuos de la poblacin constituyen agrupaciones naturales, como por ejemplo los alumnos de una clase. En este caso la unidad de muestreo no es el individuo sino el conglomerado. Una vez definidos los conglomerados, estos se seleccionan por algn mtodo de muestreo de los que aqu se presentan, de tal forma que el nmero de individuos resultante configure el tamao de la muestra que se desea.
Principales mtodos de muestreo:
2.- No probabilsticos Estos mtodos seleccionan a los individuos siguiendo determinados criterios procurando que la muestra resultante sea lo ms representativa posible. Los principales son:
Principales mtodos de muestreo:
2.1.- Por cuotas o aportes
En este mtodo, a veces denominado accidental, se fijan unas cuotas. Cada cuota en un nmero de individuos que renen unas determinadas condiciones. La seleccin de las cuotas suele hacerse mediante rutas o itinerarios. Un ejemplo puede ser 20 individuos de 25 a 40 aos, casados, y de sexo femenino de la poblacin Huaycan Lima. Se eligen los primeros que se encuentran que renan estas condiciones. Este mtodo se utiliza mucho en las encuestas de opinin.
Principales mtodos de muestreo:
2.2.- Opintico o intencional La seleccin se hace por expertos, segn unos criterios establecidos, de tal forma que se asegure la representatividad de la muestra.
Principales mtodos de muestreo:
2.3.- Casual El caso ms frecuente de este procedimiento es el de utilizar como muestra a individuos con los que se tiene facilidad de acceso. Un caso particular es el de utilizar voluntarios. En caso de utilizar voluntarios hay que tomar una serie de medidas con objeto de asegurar la representatividad.
Principales mtodos de muestreo:
2.4.- Bola de nieve Se localizan algunos individuos, los cuales conducen a otros, y estos a otros, y as hasta conseguir una muestra suficiente. Como una bola de nieve, que al rodar va creciendo. Este tipo de muestreo se aplica en casos especiales como drogadictos, delincuentes, sectas, etc. Uno le pone en contacto con otro, y as sucesivamente se va ampliando la muestra. es un mtodo propio de la investigacin cualitativa.
Error muestral, de estimacin o estndar
Al trabajar con muestras es normal que haya una diferencia entre las caractersticas de la poblacin y los datos observados en la muestra. A los datos observados en la muestra se les denomina estadsticos. A los valores caractersticos de la poblacin se les denomina parmetros. A la diferencia entre los estadsticos y los parmetros se le denomina error muestral.
Error muestral
El error muestral puede ser debido a dos causas principales: a) error de sesgo: La muestra no es representativa de la poblacin; b) error aleatorio: debido a las variaciones del azar. Se denomina precisin a la exactitud con que un estadstico representa a su parmetro. Un estadstico ser tanto ms preciso cuanto menor sea su error muestral. Se denomina fiabilidad de un estadstico a la constancia de su valor cuando se obtiene a partir de muestras distintas de la misma poblacin.
Error muestral
Una muestra sesgada es la que no representa a la poblacin. Los errores de muestreo que se deben al azar pueden producir muestras sesgadas. Pero tambin puede haber muestras sesgadas intencionalmente.
Error muestral
Existen tcnicas empricas para la estimacin del error muestral, algunas de las cuales se presentan a continuacin. Vamos a denominar remuestreo (resampling) o submuestreo (subsample) al uso de submuestras a partir de una muestra original, con objeto de estimar los estadsticos y determinar las propiedades del estimador. La replicacin en submuestras aleatorias consiste en dividir la muestra total en dos o ms submuestras independientes sobre las cuales se realizan los anlisis correspondientes. Las principales tcnicas dentro de la replicacin en submuestras aleatorias son: a) replicacin independiente: se divide la muestra en submuestras independientes; b) tcnica de jakknife (navaja): se corta la muestra en varias partes no mutuamente excluyentes, es decir con reposicin; y c) replicacin repetida balanceada.
Error muestral
La tcnica de bootsrap (correa de bota), propuesta por Efron en 1989, consiste en un plan de remuestreo. En sntesis consiste en lo siguiente. Interesa estimar la distribucin de un estadstico (por ejemplo el error tipico de la media). Para ello se seleccionan submuestras de tamao n, con el reemplazamiento a partir de la muestra original. sobre estas muestras se calculan los estadsticos.
Error muestral
Entre sus aplicaciones citemos: la estimacin de errores tpicos e intervalos de confianza en situaciones donde no se pueden sostener los supuestos paramtricos; en muestras estratificadas; muestreo polietpico; error tipico de coeficiente de regresin; error tipico de coeficientes de correlacin; efectos y contraste en diseos de medidas repetidas; errores tpicos de ponderaciones factoriales; contrastes de medias con covariantes, etc. La tcnica de bootstrap suavizada (smoothed bootstrap) es un compromiso entre la estadstica paramtrica y la no paramtrica.
Clculo del tamao muestral
Tamao de la poblacin desconocido
Tamao muestral: N = Z2pq/i2 donde z = 1,96 (alfa = 0,05) y 2,58 (alfa = 0,01). p= Prevalencia esperada del parmetro a evaluar. Si no se sabe 0,5. q = 1-p. I = error a cometer. Error de 10% es correcto. Introducir en la frmula 0,1.
Clculo del tamao muestral
Tamao
de
la
poblacin
conocido Tamao muestral: N = NZ2pq/(i2(N-1) + Z2pq) N = Tamao poblacional.
RECOLECCIN DE LOS DATOS
Recolectar los datos pertinentes sobre las variables involucradas en la investigacin implica 3 actividades estrechamente vinculadas entre s: 1.- Seleccionar un instrumento de medicin o desarrollar uno (debe ser vlido y confiable) 2.- Aplicar ese instrumento de medicin 3.- Preparar las mediciones obtenidas para que puedan analizarse correctamente (codificacin de los datos).
RECOLECCIN DE LOS DATOS
Toda medicin o instrumento de recoleccin de los datos debe reunir los requisitos esenciales: confiabilidad (grado en que su aplicacin repetida al mismo objeto, produce iguales resultados) y validez (grado en que realmente mide la variable que pretende medir).
RECOLECCIN DE LOS DATOS
Pasos para elegir o construir un instrumento de medicin: Listar las variables que se pretende medir u observar Revisar su definicin conceptual y comprender su significado Revisar su definicin operacional (comparar los distintos instrumentos en cuanto a validez, confiabilidad, casos de aplicacin exitosa y posibilidad de uso en el contexto de la investigacin).
RECOLECCIN DE LOS DATOS
Indicar el nivel de medicin de cada variable Indicar la manera como se habrn de codificar los datos en cada variable Aplicar la "prueba piloto" del instrumento. Sobre la base de la prueba piloto, el instrumento de medicin preliminar se modifica, ajusta y se mejora (los indicadores de confiabilidad y validez son una buena ayuda).
Diseo del cuestionario
Un cuestionario es un conjunto de preguntas que tiene como finalidad la obtencin de los datos necesarios para una investigacin. Para su elaboracin se parte de las variables y los indicadores establecidos en fases anteriores, construyendo una batera de preguntas para cada variable.
Diseo del cuestionario
Lenguaje
Adaptarse al que utilizan los encuestados. Las palabras deben ser las de uso familiar y corriente. Tener cuidado con las palabras: todo, siempre, jams, ninguno, nadie, tienen un sentido muy drstico y la realidad no es tan tajante. Atencin a los distintos usos que puede darse a una misma palabra en diferentes regiones. No utilizar palabras ambiguas, a no ser que se explique el sentido que se les quiere dar.
Diseo del cuestionario
Redaccin
Debe ser lo ms simple que sea posible, y con los matices que sea necesario precisar. Los enunciados no deben ser muy largos, para evitar que se tengan que releer. Se aconseja que no se superen las 25 palabras. Evitar aquellas preguntas que, una vez redactadas, resulten ambiguas. El enunciado debe ser una sentencia lgica. Formular la pregunta de tal manera que la respuesta venga dada en la forma deseada por el investigador.
LA ESTADISTICA EN EL ANALISIS DE DATOS
Tcnicas de anlisis de datos
En la fase de anlisis de datos hay que distinguir entre las dos grandes metodologas: cuantitativa y cualitativa. Entre las tcnicas de anlisis de datos, la estadstica ha jugado un papel preponderante. Las investigaciones de carcter emprico en educacin han aplicado generalmente mtodos estadsticos en la fase de anlisis de datos. No es objetivo de este captulo exponer el proceso mecnico de clculo de las principales tcnicas estadsticas. Sino ms bien presentar una breve exposicin conceptual, remitiendo a otras obras que exponen la forma concreta de realizar estos clculos.
LA ESTADISTICA EN EL ANALISIS DE DATOS
Con todo, hoy en da, el proceso de anlisis de datos, en la prctica, se realiza por computadora. La mayora de manuales actuales sobre investigacin educativa suelen tener un captulo sobre la informtica y el anlisis de datos. Por eso, en lo que sigue adoptamos el enfoque informtico en el proceso estadstico de anlisis de datos, dando por supuesto que as se va a realizar en la investigacin.
La informtica en el proceso de clculo estadstico
Hasta tiempos muy recientes el anlisis de datos de la mayora de investigaciones se ha realizado con procedimientos mecnicos muy rudimentarios. En nuestras latitudes esta ha sido as hasta finales de los setenta, salvando escasas excepciones en que se ha podido disponer de medios sofisticados fuera de lo corriente.
Los paquetes de programas estadsticos
Los paquetes de programas estadsticos (statistical packeges) tienen la funcin de ayudar a los investigadores en la fase de anlisis de datos. Consisten en programas complejos que funcionan bajo el control del usuario. Este debe dominar el manual de instrucciones del paquete para hacer un buen uso de los recursos que ofrece. Entre los paquetes de programas estadsticos aplicados a las Ciencias Sociales destacan el SAS, SPSS y el BMDP; Otros paquetes son el SPAD, SCA, MDS, CLUSTAN, LISREL VI (que se puede ejecutar va SPSS-X) etc.
Principales tipos de anlisis
A.- Estadstica descriptiva para las variables: interpretacin de la informacin recolectada por medio de medidas de tendencia central: moda, mediana y media; medidas de variabilidad: desviacin estndar, varianza y rango (diferencia entre el valor mnimo y el mximo). Puntuaciones Z: indica la direccin y el grado en que un valor individual se aleja de la media, en una escala de unidades de desviacin estndar. Razones: Relacin entre dos categoras.
B.- Estadstica inferencial:
Pretende generalizar los resultados obtenidos en una muestra a todo el universo. La estadstica inferencial infiere parmetros (estadsticos del universo) a partir de los estadgrafos (resultados estadsticos de los datos de una muestra). La estadstica inferencial puede ser utilizada para dos procedimientos: A.- probar hiptesis y B.- estimar parmetros. Prueba de hiptesis: consiste en determinar si una hiptesis (proposicin respecto a uno o varios parmetros) es consistente con los datos obtenidos en la muestra.
B.1.-Pruebas paramtricas:
Pruebas de la estadstica inferencial para la estimacin de parmetros. Mtodos: coeficiente de correlacin de Pearson y la regresin lineal, prueba "t"(Student), prueba de contraste de la diferencia de proporciones, anlisis de varianza unidireccional (ANOVA Oneway), anlisis de varianza factorial (ANOVA), anlisis de covarianza (ANCOVA).
B.2.- Pruebas no paramtricas:
pruebas de la estadstica inferencial para la estimacin de parmetros. Mtodos: la Ji cuadrada, los coeficientes de correlacin por rangos ordenados de Spearman y Kendall.
B.3.- Anlisis multivariado:
Mtodos donde se utiliza la relacin entre varias variables independientes y al menos una dependiente. Mtodos: regresin mltiple, anlisis lineal de patrones o "path" anlisis, anlisis de factores, anlisis multivariado de varianza (MANOVA), correlacin cannica, anlisis discriminante y otros.
