Documentos de Académico
Documentos de Profesional
Documentos de Cultura
TEMA: 17
Docente:
UNIDAD I
PLAN DE INVESTIGACIÓN
TEMA
Atributos de la
Considerandos variable
Numérica
Categórica
Objetivos de estudio
Describir / Relacionar / Explicar / Predecir / Mejorar
Comportamiento
aleatorio de los datos
Paso 6:
Paso 5: Presentar los
resultados
Realizar análisis
Paso 4: adicionales
Analizar las
hipótesis de
Paso 3: investigación.
Explorar los Descriptivo e
datos inferencial
Paso 1:
Seleccionar
y ejecutar
un
programa
PROGRAMAS COMPUTACIONALES MÁS USADOS
TIPOS DE ANÁLISIS DE DATOS
Distribución de
frecuencias
Medidas de
Descriptivo
tendencia central
Medidas de
variabilidad
Distribución
Tipos de análisis normal
Variables
Paramétrico numéricas
Supuestos Homogeneidad
de las varianzas
Significancia 5% Supuestos
Inferencial
(0.05)
Distribución no
Supuestos
normal
No paramétrico Variables
categóricas
PRUEBAS ESTADÍSTICAS MÁS UTILIZADAS
Coeficiente de correlación de
chi cuadrada o
Pearson
Coeficientes de correlación e
Regresión lineal independencia para tabulaciones
cruzadas
Variable de resultado
Nominal Categórica Cuantitativa Cuantitativa normal
(>2
Ordinal Cuantitativa
discreta No-normal
categorías)
X2 tendencia Mann-
Nominal X2 o de X2 o Mann-
Mann-Whitney Prueba t de student
Fisher Whitney o log-rank (a)
Whitney
Categóric Kruskal- Kruskal- Kruskal- Análisis de la varianza
a (>2 X2 X2
Wallis Wallis (b) Wallis (b) (ANOVA) (c)
categorías
) X2 de
(b)
Ordinal (e) Rangos Rangos de Rangos de Rangos de Spearman
Variable (categorías tendencia o de Spearman Spearman o regresión lineal (d)
de ordenadas) Mann – Spearman
Whitney
entrada
Cuantitativa Regresión Regresión Regresión Rangos de Rangos de Rangos de Spearman o
Logística Logística
Discreto Logística Spearman Spearman regresión lineal (d)
multinomial ordinal
Ploteo de
Regresión Regresión (e) Ploteo de datos, Pearson o
Cuantitativa Regresión datos, Pearson
Logística Logística Rangos de Spearman y
no-normal Logística multinomial ordinal o rangos de
Spearman regresión lineal
Cuantitativa Regresión Regresión Pearson y regresión
(e) (e) (e)
normal Logística lineal (d) lineal
Técnicas de análisis de datos
• Según el número de variables y la escala de medición existen tres tipos
de técnicas: univariables, bivariables y multivariables.
TÉCNICAS UNIVARIABLES
• Se analiza cada variable de forma aislada. Descriptiva (medidas
resumen), Inferencial (extrapola a la población).
TÉCNICAS ESCALA DE MEDICIÓN DE LA VARIABLE
UNIVA RIABLES Nominal Ordinal Intervalo y Razón
Moda Mediana Media, mediana, moda
Estadística Frecuencias y Cuartiles Desviación típica
descriptiva porcentajes Rango intercuartil Varianza
Coef. de variación
12
Técnicas de análisis de datos
TÉCNICAS MULTIVARIABLES
• Análisis simultáneo de más de dos variables.
Dependencia: analizan una o más variables dependientes a través dos o más
variables independientes, para explicar un fenómeno y/o realizar un análisis como
base de una predicción.
• Técnicas: regresión múltiple, análisis de varianza y conjunto.
Interdependencia: estudian la interrelación entre todas las variables como un
conjunto. Su objetivo puede ser organizar los datos reduciendo su dimensionalidad y
haciéndolos más manejables para el investigador u ofrecer una mayor compresión
global de su estructura subyacente.
• Técnicas: métodos factoriales, análisis cluster, escalamiento multidimensional métrico y
no métrico
13
Técnicas de análisis de datos
TÉCNICAS MULTIVARIABLES DE DEPENDENCIA
VARIABLES DEPENDIENTES
VARIABLES Una variable dependiente Más de una variable dependiente
INDEPENDIENTES
Métrica No métrica Métrica No métrica
Nominal Ordinal
De intervalo Regresión Análisis discriminante. Transformación en Correlación canónica. Correlación canónica con
Múltiple. CHAID. nominal. Modelos de variables ficticias.
Modelos de Regresión logística y Regresión ordinal. ecuaciones
ecuaciones logística multinomial. estructurales.
estructurales Modelos Probit.
Nominales Análisis de la Análisis discriminante Análisis conjunto. Correlación canónica Correlación canónica con
varianza. con variables ficticias. con variables ficticias. variables ficticias.
Regresión múltiple Modelos log-lineales. Análisis multivariado
con variables Regresión logística y de la varianza.
ficticias. multinomial.
AID. CHAID.
14
EN EL ENFOQUE CUALITATIVO
Desarrollo del diseño:
Formular hipótesis /
Planear la recogida de
datos / Entre otros.
Fases de desarrollo
Tendencias Autoobservación
Patrones Entrevista
Variadas formas
Comparación de Aparición
buscan pistas Opiniones de obtener Grupo focal
las palabras repetida
información
Ideas Fotobiografía
Historia de vida
Antropología, sociología.
FUNDAMENTOS
Recogida de Disposición y
datos transformación de
1. Categorizar y los datos
codificar los datos
respuestos
2. Crear una matriz y Reducción de los
elaborar datos:
representaciones Categorización y
gráficas codificación
3. Elaboración de
conclusiones
Obtención de
conclusiones
El procesamiento y el análisis de la información
Fase 1. Identificar segmentos en las entrevistas
Entrevista 1: Tema A [Xxxxxxx xxxxxx xx xxxx x
Tema B [X xx xxx xx xxxxxxxxxxx x
Tema C [Xxxx xxx xxx xxx xx xx xx
Tema D [Xxxxxxxxxxxx x xxxxxx x
Fase 2. Lista de temas para cada entrevista
Temas entrevista 1 Temas entrevista 2 Temas entrevista 3
A B A
B C F
C D E
F A C
G F
Fase 3. Clasificar en temas principales, importantes y descartables
Temas principales Temas importantes Temas descartables
A B E
C D G
F
Fase4. Aplicar el sistema de clasificación y seguir refinando
El procesamiento y el análisis de la información
El proceso pone el acento en la construcción y generación inductiva de
categorías para poder clasificar los datos recogidos
La observación: definición y utilidad
¿Cuándo observar?
• Las técnicas de registro
¿Cómo registrar? ¿Con
qué medios? • Las técnicas de análisis
¿Cómo analizar?
REFERENCIAS
LIBROS
LINK DE INTERES
Bioestadistico:
www.youtube.com/channel/UCTHm2Gs4G29Angd_HPUMQyg
http://bioestadistico.com/masterclass