Está en la página 1de 45

MATERIALES Y

METODOS
LUGAR DE ESTUDIO

 Sedebe identificar el lugar donde se realizo la


investigación y la georreferencia. Así como las
características ambientales, socioeconómicas
y culturales, sustentar la importancia de la
zona de estudio y de sus actores.
POBLACION

 La población es la totalidad de elementos o


individuos que tienen ciertas características
similares y sobre las cuales se desea hacer
inferencia, o bien unidad de análisis.
 En el proceso investigativo entonces la
población corresponde al conjunto de
referencia sobre la cual se va a desarrollar la
investigación o estudio
MUESTRA

 Los procedimientos que determinan los


elementos que van a pertenecer a la muestra
se denominan técnicas de muestreo y estos
pueden ser:
 Muestreo probabilístico
 Muestreo no probabilístico
TAMAÑO DE MUESTRA

 Para un muestreo probabilístico simple: La fórmula es:

n = S2 / V2
n = Tamaño de muestra
S2 = Varianza de la muestra = p(1-p)
p = Probabilidad = 0.9 por nivel de significac.
V2 = Varianza de la población (error estándar)
N = Tamaño de población
TAMAÑO DE MUESTRA

 Lo cual se ajusta si se conoce el tamaño de la


población (N). Esto es:
n
n`= ────────
1 + n/N
 n`= tamaño de muestra ajustado
TAMAÑO DE MUESTRA
Para muestreo sistemático ,
variante del muestreo aleatorio:
la formula es:
k = N/n
K = intervalo de unidades de la
lista inicial.
N = tamaño de población.
n = tamaño de la muestra.
TAMAÑO DE MUESTRA

NOTA: En caso de que el


valor inicial > k, entonces
no se puede completar la
muestra y se debe
continuar hasta completar
el procedimiento.
TAMAÑO DE MUESTRA
 Paramuestreo aleatorio simple con reemplazo o
población infinita: la formula es:

n = (Z2 *σ2) ÷ (X - µ)2

n = tamaño de la muestra.
µ = media de la muestra.
σ = desviación estándar de la población.
Z = Nºs determinados según tabla de valores
críticos de distribución normal estándar.
TAMAÑO DE MUESTRA
 Para muestreo aleatorio simple sin reemplazo o
población finita: la formula es:

n = (Z2 *N *σ2) ÷ ((X - µ)2 (N - 1) + Z2 *σ2)

n = tamaño de la muestra.
N = tamaño de la población.
µ = media de la muestra.
σ = desviación estándar de la población.
Z = Nºs determinados según tabla de valores críticos
de distribución normal estándar.
MUESTREO PROBABILISTICO

El muestreo probabilístico asegura que todos los miembros del


universo tengan la misma oportunidad de ser seleccionados y este
puede hacerse de varias maneras:
 Aleatorio simple: la selección es cuidadosamente planteada. Es
un método eficiente cuando la población no es grande.
 Muestreo estratificado: aumenta el grado de representatividad
del universo. Es mas precisa, este proceso requiere que la
población sea dividida en grupos o sub grupos homogéneos,
llamados estratos donde cada elemento tiene una característica
tal que no le permite pertenecer a otro estrato
 Muestreo por conglomerados: es aquella en la que la unidad
de muestreo no es la unidad sino el conglomerado.
MUESTREO NO
PROBABILISTICO

 La muestra no probabilística, el
investigador decide como seleccionara la
muestra y describe como y porque la
utilizara, finalmente esto es lo mas
importante.
METODOS
 El diseño de la investigación es la parte de la
metodología en la que se define el tipo, planes y
estrategas, así como las técnicas e instrumentos a
utilizar en la recolección de la información del
fenómeno de estudio.
 Las técnicas son herramientas auxiliares que usan
los diseños como medios de apoyo especifico.
 Existen varios diseños de investigación: descriptiva,
explicativa, o experimental
CARACTERIZACI
ÓN Y
TIPO DE POBLACIÓN Y
PROCEDIMIENTO
INVESTIGACIÓN MUESTRA.
S DE LOS
MÉTODOS

PROCESAMIENTO,
TRATAMIENTO, TÉCNICAS E
SISTEMATIZACIÓN, INSTRUMENTOS DE
ANÁLISIS E RECOLECCIÓN DE
INTERPRETACIÓN DE DATOS
DATOS
DESCRIPCION DETALLADA DE METODOS POR
OBJETIVOS ESPECIFICOS
Se debe considerar:
 Descripción de variables analizadas en los
objetivos específicos
 Descripción detallada del uso de materiales,
equipos, instrumentos, insumos entre otros.
 Aplicación de prueba estadística inferencial.
ESTADISTICA INFERENCIAL

Los estadígrafos son inferidos.


La estadística inferencial puede
ser utilizada para 2
procedimientos:
PROBAR
• Es determinar sí la
hipótesis es consistente
HIPÓTESIS con los datos obtenidos en
la muestra
.

• Son estadística de la
ESTIMAR población
PARÁMETROS • No son calculados , son
inferidos
ESTADISTICA INFERENCIAL

 LA PRUEBA DE HIPÓTESIS, es
determinar si la hipótesis es consistente
con los datos obtenidos en la muestra.
 Nivel de significancia: Este es la
probabilidad de equivocarse y se fija
antes de probar hipótesis inferenciales.
Los niveles de significancia están al 95
%, y al 99%.
ANÁLISIS PARAMÉTRICOS

Hay 2 tipos de análisis


paramétricos que pueden
realizarse:
ANALISIS PARAMÉTRICOS

 Las pruebas estadísticos paramétricos más


utilizados son:
 Coeficiente de correlación de Pearson (r):
para analizar relación entre 2 variables
medidos por intervalos o de razón. rxy =
Sxy ÷ √Sx2 *Sy2
ANALISIS PARAMÉTRICOS

 Regresión lineal: modelo matemático


para estimar el efecto de una
variable sobre otra, con medición de
intervalos o razón. (y=a+bX)
ANALISIS PARAMÉTRICOS

 Prueba de contraste de la diferencia de


proporciones: para analizar si 2 proporciones
difieren significativamente entre sí, medidas
por intervalos o razón expresados en
proporciones o %.
Z = (P1 – P2) ÷ (√ (P1 *q1 ÷ N1) + (P2 *q2 ÷ N2))

q1 = 1 - P 1 q2 = 1 - P 2
ANALISIS PARAMÉTRICOS

 Prueba «t»: para evaluar si 2 grupos


difieren entre sí de manera
significativa respecto a sus medias,
medición de intervalo o razón.
t = (X1 – X2) ÷ (√(S12 ÷ N1) + (S22 ÷ N2)
ANALISIS PARAMÉTRICOS

Análisis de varianza unidireccional (Oneway.


“F”): para analizar si + de 2 grupos difieren
significativamente entre si en cuanto a sus
medias y varianzas (1 V.I. y 1 V.D.)

Media cuadrática entre grupos


F=
Media cuadrática dentro de los grupos
ANALISIS PARAMÉTRICOS

 Análisis
de varianza factorial
(ANOVA): Para evaluar el efecto
entre 2 ó + V.I. sobre 1 V.D.
X1
X2 Y
X3
ANALISIS PARAMÉTRICOS

Análisis de covarianza (ANCOVA):


analiza la relación entre 1 V.D. y 2 ó
V.I., removiendo y controlando el
efecto de al menos una de estas V.I.
X1
X2
X3
Y
Z1
Z2
Z3
ANÁLISIS NO PARAMÉTRICOS

 Las pruebas no paramétricas más


utilizadas son:
 Chi
cuadrado (X 2): para evaluar hipótesis
acerca de la relación entre 2 V.
categóricos, medición nominal u ordinal.
X 2 = ∑i,j ((oij – eij)2 ÷ eij
oij = valor observado eij = valor esperado
ANÁLISIS NO PARAMÉTRICOS

 Coeficientes de correlación por


rangos de Spearman (rs) y Kendall
(t): son medidas de correlación para
variables en un nivel ordinal, los de
la muestra pueden ordenarse por
rangos.
ANÁLISIS NO PARAMÉTRICOS

 Análisis multivariado: son


aquellos donde se analiza la
relación entre variables
independientes y al menos una
dependiente, son complejos y
para estudiantes de post grado.
Estas son:
ANÁLISIS NO PARAMÉTRICOS

 Regresión múltiple
 Análisis lineal de patrones o “path”
análisis.
 Análisis de factores.
 Análisis
multivariado de varianza
(MANOVA)
 Software para tratamiento de datos.
OPERACIONALIZACION DE
 VARIABLES
Variable independiente (VI)
 Variable dependiente. (VD)
 3 criterios para evaluar una definición operacional:

de

de

de
variables

variables

variables
Opeacionalización de

Opeacionalización de

Opeacionalización de
variables

variables

variables
Opeacionalización

Opeacionalización

Opeacionalización
ADECUACIÓN CONFIABILID VALIDEZ DE
AL AD DE LA LA
CONTEXTO INFORMACIÓ INFORMACIÓ
N N
VARIABLE INDEPENDIENTE (VI)
 Viene representado por una X. es la variable que el investigador mide,
manipula o selecciona para determinar su relación con el fenómeno
observado. Esta variable es conocida también como variable estimulo
o input. Es un variable que puede tener su origen en el sujeto o en el
entorno del sujeto.
VARIABLE DEPENDIENTE (VD)
 Viene representada por una Y. la variable dependiente es el factor que
el investigador observa o mide para determinar el efecto de la variable
independiente o variable causa. La variable dependiente es la variable
respuesta o variable de salida o output
3

AL
Opeacionalización
Opeacionalización de
de
variables
variables

CONTEXTO
ADECUACIÓN

Opeacionalización
Opeacionalización de
de
variables
variables
AD DE LA
CONFIABILID

INFORMACIÓ
definición operacional:

N
LA

Opeacionalización
Opeacionalización de
de
variables
variables
criterios para evaluar una

VALIDEZ DE

INFORMACIÓ
OPERACIONALIZACION DE VARIABLES
OPERACIONALIZACION DE
VARIABLES
 Categorización o Dimensión • Cuando el concepto
tiene varias dimensiones o clasificaciones o
categorías, éstas deben especificarse en el estudio; tal
es el caso de la variable “recursos», que puede hacer
referencia a “recursos técnicos, financieros,
ambientales, humanos entre otros».
MATRIZ DE CONSISTENCIA
 Un instrumento valioso que consta de un cuadro
formado por columnas y filas; permite consolidar
los elementos clave de todo el proceso de
investigación, además posibilita evaluar el grado
de coherencia y conexión lógica entre el título, el
problema, la hipótesis, los objetivos, las variables,
el diseño de investigación seleccionado, los
instrumentos de investigación, así como la
población y la muestra de estudio.
CRONOGRAMA DE ACTIVIDADES
CRONOGRAMA DE ACTIVIDADES
PRESUPUESTO
PRESUPUESTO
 RESULTADOS Y DISCUSION
 CONCLUSIONES
 RECOMENDACIONES
 REFERENCIAS BIBLIOGRAFICAS
 ANEXOS.
REFERENCIA BIBLOGRAFICA

También podría gustarte