1

Módulo I: Introducción a la Investigación

Fundamentos de la Investigación: Significado, Objetivos, Motivación, Utilidad. Concepto de teoría.

empirismo, teoría deductiva e inductiva Características del método científico - Comprensión

el lenguaje de la investigación - Concepto, Constructo, Definición, Variable, Proceso de Investigación.

Significado
La investigación es un proceso de indagación sistemática que implica la recopilación de datos; documentación de

información crítica; y análisis e interpretación de esos datos/información, de acuerdo con

metodologías adecuadas establecidas por campos profesionales y disciplinas académicas específicas.

La investigación es la consideración cuidadosa de un estudio sobre una preocupación o problema de investigación particular.

utilizando métodos científicos. Según el sociólogo estadounidense Earl Robert Babbie, "la investigación
es una investigación sistemática para describir, explicar, predecir y controlar el fenómeno observado. Se
implica métodos inductivos y deductivos.
Los métodos inductivos analizan un evento observado, mientras que los métodos deductivos verifican lo observado.

evento. Los enfoques inductivos están asociados con la investigación cualitativa, y los métodos deductivos son

más comúnmente asociado con el análisis cuantitativo.

What are the characteristics of research?

●Una buena investigación sigue un enfoque sistemático para capturar datos precisos. Los investigadores necesitan

practicar la ética y un código de conducta al hacer observaciones o dibujar

conclusiones.
●El análisis se basa en el razonamiento lógico e implica tanto la inducción como la deducción
métodos.
Los datos y conocimientos en tiempo real se derivan de observaciones reales en entornos naturales.
●Hay un análisis en profundidad de todos los datos recopilados para que no haya anomalías
asociado con ello.
●Crea un camino para generar nuevas preguntas. Los datos existentes ayudan a crear más investigación
oportunidades.
Es analítico y utiliza todos los datos disponibles para que no haya ambigüedad en la inferencia.

Creado por Anu☺

 2

●La precisión es uno de los aspectos más críticos de la investigación. La información debe ser
preciso y correcto. Por ejemplo, los laboratorios proporcionan un entorno controlado para
recopilar datos. La precisión se mide en los instrumentos utilizados, las calibraciones de
instrumentos o herramientas, y el resultado final del experimento.
Características de la Investigación:

1. La investigación debe ser controlada-

Debería ser controlado debido a la relación entre dos o más variables que se ven afectadas por
el uno al otro (ya sea interno o externo). Si la investigación no es controlable, entonces no
ser capaz de diseñar un informe de investigación particular.
La investigación debe ser rigurosa
Debería ser riguroso porque ayuda a seguir los procedimientos para encontrar las respuestas relacionadas.
preguntas que son relevantes y apropiadas por naturaleza. La información de la investigación consiste en dos
tipos de ciencias como las ciencias físicas y las ciencias sociales. Estas dos ciencias también son variadas de
el uno al otro.

La investigación debe ser sistemática-

La investigación debe ser sistemática porque si un investigador quiere hacer un diseño de investigación perfecto o

proceso entonces tendrá que evaluar u obtener la información necesaria del mercado en un
manera sistemática. Se requieren varios pasos para llevar a cabo un proceso de investigación perfecto o sistemático y todos

los pasos de los procedimientos están interconectados entre sí.

4. La investigación debe ser válida-

Significa que la información que recopila el investigador puede ser correcta y verificable por
usted mismo (es decir, el propio investigador). Si nuestra información recopilada es justa o válida, entonces nuestra investigación

también será ético por naturaleza.

La investigación debe ser empírica.
Esto significa que cualquier conclusión extraída se basa totalmente en evidencia ética o sólida recopilada.

información recopilada de observaciones y experiencias de la vida real.

6. La base del conocimiento-
La investigación es la base del conocimiento con el propósito del conocimiento y una fuente importante.
para proporcionar directrices o normas para resolver diferentes problemas sociales, empresariales o gubernamentales

problemas. Es una variedad de formación formal que nos permite entender los nuevos desarrollos
en su campo de manera eficiente.

Creado por Anu☺

 3

¿Cuál es el propósito de la investigación?

Exploratorio: Como su nombre indica, los investigadores realizan estudios exploratorios para explorar un grupo.

de preguntas. Las respuestas y el análisis pueden no ofrecer una conclusión al problema percibido. Esto
se lleva a cabo para abordar nuevas áreas problemáticas que no se han explorado antes. Esta exploración
el proceso sienta las bases para una recopilación y análisis de datos más concluyentes.
Descriptivo: Se centra en ampliar el conocimiento sobre temas actuales a través de un proceso de datos.
la colección. La investigación descriptiva describe el comportamiento de una población muestra. Solo una variable

se requiere llevar a cabo el estudio. Los tres propósitos principales de los estudios descriptivos son describir,
explicando y validando los hallazgos. Por ejemplo, un estudio realizado para saber si el nivel superior
los líderes de gestión en el siglo XXI poseen el derecho moral a recibir una suma considerable de
dinero de las ganancias de la empresa.
Investigación explicativa: La investigación causal o investigación explicativa se lleva a cabo para entender el impacto de

cambios específicos en los procedimientos estándar existentes. Realizar experimentos es la forma más popular.
Por ejemplo, un estudio que se lleva a cabo para entender el efecto del cambio de marca en el cliente.

lealtad.

Tipos de métodos de investigación y ejemplos

Métodos cualitativos
La investigación cualitativa es un método que recopila datos utilizando métodos conversacionales, generalmente

preguntas abiertas. Las respuestas recopiladas son esencialmente no numéricas. Este método ayuda
un investigador entiende lo que piensan los participantes y por qué piensan de una manera particular.

Entrevista uno a uno

●Grupos Focales
Estudios etnográficos
Análisis de Texto
●Estudio de caso

Métodos cuantitativos
Quantitative methods deal with numbers and measurable forms. It uses a systematic way of
investigando eventos o datos. Responde preguntas para justificar relaciones con medibles
variables para explicar, predecir o controlar un fenómeno.
Investigación de encuestas

Creado por Anu☺

 4

Investigación descriptiva
Investigación correlacional

Importancia u Objetivos de la Investigación:

1. Para descubrir los hechos reales -
Como sabemos, cada tipo de investigación tiene su propio objeto, pero el objetivo básico de la investigación siempre es

para averiguar u obtener la información de los mercados y las sociedades y su número de

los encuestados. Un investigador evalúa o encuentra la información real o exacta para nuestro problema relacionado

preguntas.
2. Para lograr los nuevos pensamientos-
En este objetivo de la investigación, cualquier persona puede encontrar nuevos pensamientos de la investigación. La investigación es

el proceso de encontrar la información exacta a través de la observación adecuada, la optimización y

experimentos.
Estos son los métodos científicos para descubrir o evaluar la información que es muy necesaria.
para evaluar la tarea del problema.
3. Para evaluar la información
El primer objetivo de la investigación es encontrar la información y luego evaluarla en un
manera apropiada o eficiente para que puedan diseñar fácilmente el problema de investigación y resolverlo

también a ellos.
Un investigador evalúa la información a través de diversos enfoques y métodos científicos,
análisis estadístico y procedimientos, y otro tipo de tablas y gráficos.
4. Probar una hipótesis
En este objetivo de la investigación, el investigador establece la relación causal entre las variables.
(también se puede decir que los estudios de investigación sobre pruebas de hipótesis). El estudio de pruebas de hipótesis

representa el número de acciones como estos términos:

(a) Haciendo una declaración formal,
(b) Seleccionando un nivel de significancia,
(c) Decidir el uso de la distribución,
(d) Seleccionando una muestra aleatoria y calculando un valor apropiado,
(e) Cálculo de la probabilidad,
(f) Comparando la probabilidad.

Creado por Anu☺

 5

5. Diseñar o implementar la investigación

Después de la recopilación de toda la información, el investigador prepara la estructura de un diseño de investigación.

para que la empresa pueda describir o identificar fácilmente la estructura de una investigación particular
tema. Los diseños de investigación pueden ser divididos en dos formas, como diseños experimentales y
diseños no experimentales.
Después de la estructura del diseño de investigación, el investigador los implementa en un problema y encuentra

out el factor óptimo para resolverlos.

6. Para mejorar la comprensión
En estos objetivos de la investigación, el investigador ayuda a mejorar la comprensión de un
tema particular preguntando qué más necesita ser evidenciado antes de que la investigación sea significativa, o

qué conocimiento se podría reunir a partir de una investigación más centrada o escrutinio de la
hallazgos existentes.

Motivación en la Investigación

¿Qué lleva a las personas a emprender investigaciones? Esta es una pregunta de fundamental importancia. El

los posibles motivos para hacer investigación pueden ser uno o más de los siguientes:
1. Deseo de obtener un título de investigación junto con sus beneficios consecuentes;
2. Deseo de enfrentar el desafío de resolver los problemas no resueltos, es decir, preocupación por lo práctico

los problemas inician la investigación;

3. Deseo de obtener alegría intelectual al realizar algún trabajo creativo;
4. Deseo de ser útil a la sociedad;
5. Deseo de obtener respeto.
Sin embargo, esta no es una lista exhaustiva de factores que motivan a las personas a emprender estudios de investigación.

Muchos más factores como las directrices del gobierno, las condiciones laborales, la curiosidad sobre
nuevas cosas, deseo de entender las relaciones causales, pensamiento social y despertar, y cosas por el estilo
también puede motivar (o en ocasiones obligar) a las personas a realizar operaciones de investigación.

Enfoque de investigación inductivo

Cuando hay poca o ninguna literatura existente sobre un tema, es común realizarinductivo
investigación, porque no hay teoría que probar. El enfoque inductivo consiste en tres etapas:

Creado por Anu☺

 6

1. Observación
Un vuelo de una aerolínea de bajo costo está retrasado

Los perros A y B tienen pulgas

Los elefantes dependen del agua para existir

2. Buscando patrones
Otro 20 vuelos de aerolíneas de bajo costo están retrasados
Todos los perros observados tienen pulgas

Todos los animales observados dependen del agua para existir

3. Desarrollando una teoría o conclusión general (preliminar)

Las aerolíneas de bajo costo siempre tienen retrasos.

Todos los perros tienen pulgas

Toda la vida biológica depende del agua para existir

Limitaciones de un enfoque inductivo

Una conclusión extraída sobre la base de un método inductivo nunca puede ser completamente probada. Sin embargo, puede...

puede ser invalidado.

Ejemplo: Observas 1000 vuelos de aerolíneas de bajo costo. Todos ellos experimentan un retraso, que
está en línea con tu teoría. Sin embargo, nunca podrás probar que el vuelo 1001 también estará retrasado.
Aún así, cuanto mayor sea tu conjunto de datos, más fiables serán tus conclusiones.

Enfoque de investigación deductivo

Al llevar a caboinvestigación deductivasiempre comienzas con una teoría. Este es generalmente el resultado de
investigación inductiva. Razonar deductivamente significa probar estas teorías. Recuerda que si hay
no hay teoría aún, no puedes llevar a cabo una investigación deductiva.

El enfoque de investigación deductiva consiste en cuatro etapas:

1. Comenzar con una teoría existente y crear undeclaración del problema

Las aerolíneas de bajo costo siempre tienen retrasos

Todos los perros tienen pulgas

Toda la vida biológica depende del agua para existir

Creado por Anu☺

 7

2. Formular falsablehipótesis, basado en la teoría existente

Si los pasajeros vuelan con una aerolínea de bajo costo, entonces siempre experimentarán retrasos.
Todos los perros de compañía en mi edificio de apartamentos tienen pulgas

Todos los mamíferos terrestres dependen del agua para existir

3. Recopilar datosaprobar la hipótesis

Recoger datos de vuelos de aerolíneas de bajo costo

○Probar todos los perros en el edificio para pulgas

○Estudiar todas las especies de mamíferos terrestres para ver si dependen del agua

4. Analizar y probar los datos

○5 de 100 vuelos de aerolíneas de bajo costo no están retrasados
10 de 20 perros no tenían pulgas
Todas las especies de mamíferos terrestres dependen del agua

5. Decide si puedes rechazar elhipótesis nula

○5 de cada 100 vuelos de aerolíneas de bajo costo no están retrasados = rechazar hipótesis

○10 out of 20 dogs didn’t have fleas = reject hypothesis

○Todas las especies de mamíferos terrestres dependen del agua = hipótesis de apoyo

Limitaciones de un enfoque deductivo

Las conclusiones del razonamiento deductivo solo pueden ser verdaderas si todas las premisas establecidas en el inductivo.

el estudio es verdadero y los términos son claros.

Empirismo
El empirismo es la creencia filosófica de que todas las concepciones se basan en la experiencia personal, todas
las ideas se refieren o aplican a objetos que pueden ser experimentados y todas las opiniones racionalmente aceptables o

las proposiciones solo pueden ser justificadas o conocidas a través de la experiencia personal. El término se origina de

la antigua palabra griega ‘Empeiria’, que significa "experiencia", apoyando esta interpretación amplia.
Significado del Empirismo
La idea del empirismo es que todo conocimiento surge de la percepción sensorial. Enfatiza el
la importancia de la experiencia y la evidencia, particularmente la percepción sensorial. En la creación de

conceptos, solo puedes tener conocimiento a posteriori (es decir, basado en la experiencia). La mayoría de

los empiristas también desestiman la idea de concepciones innatas o innatismo.

Creado por Anu☺

 8

La inducción o el razonamiento inductivo (crear generalizaciones basadas en ejemplos particulares) debe ser
utilizado para desarrollar un cuerpo de conocimiento más complicado a partir de estas observaciones directas. En el

ciencias científicas y sociales, el término “empírico” (en lugar de “empirismo”) se refiere a la

proceso de observación y experimentación. El método científico requiere que todas las hipótesis
y las ideas sean evaluadas en función de observaciones del mundo natural, en lugar de depender únicamente de un

razonamiento a priori, intuición o revelación.

Tipos de Empirismo
El empirismo clásico se basa en la idea de que el conocimiento no es intrínseco ni innato. John
Locke, uno de los empiristas más prominentes, creía que la mente es una tabula rasa (pizarra en blanco)
desde el nacimiento. Según Locke, nuestra experiencia en el mundo nos proporciona conocimiento.
El empirismo radical se basa en la noción de que nuestra comprensión del universo es
completamente dependientes de nuestros sentidos. Los empiristas radicales creen que si algo no puede ser
experimentado a través de nuestros sentidos, no existe. Los empiristas radicales rechazan los conceptos religiosos

porque no pueden ser probados utilizando evidencia sensorial.

La premisa filosófica del empirismo moderno de que todo conocimiento se adquiere a partir de la experiencia es

investigado por empirismo moderado.

Scientific Method
Los métodos y técnicas específicos para la adquisición o mejora del conocimiento actual
relacionados con la investigación se cubren bajo el método científico de investigación. Un método puede ser
llamado científico solo cuando incluye datos que son observables, cuantificables y medibles como
bien basado en principios lógicos y razonamiento. El objetivo principal del método científico
reunir datos con la ayuda del proceso de observación y experimentación a través del cual verificable
se pueden formular hipótesis.
Características del método científico

1) Experiencial :
Siendo diferente de los métodos basados en el razonamiento, las emociones y los datos subjetivos, la ciencia

el método es experimental por naturaleza. El método científico examina los hechos y solo cree en
hipótesis que está respaldada por hechos relevantes.

Creado por Anu☺

 9

2) Reproducción de Resultados Similares :

Debido a la existencia de procedimientos predefinidos en los métodos de investigación, otros también pueden reproducir el

resultados generados a partir de métodos científicos. Las mismas metodologías de investigación pueden ser utilizadas por

cualquiera para verificar sus resultados y garantizar su responsabilidad mientras los científicos publican los resultados

obtenidos por ellos. Por lo tanto, se puede decir que los resultados alcanzados a partir de métodos científicos son

basado en las experiencias individuales o grupales en lugar de ser completamente individuales o de personas

orientado.
3) Provisional :
Esta característica de ser provisional o condicional significa que los resultados obtenidos de estos
los métodos son debatibles y cualquier investigador es libre de cuestionarlos. Además, si cualquier otro investigador

descubre o encuentra algunos hechos nuevos, los resultados obtenidos de los métodos científicos necesitan ser

alterado.
4) Objetivo :
Scientific methods of research are not based on philosophical or emotional dota. Instead, it is
apoyado por hechos y sus objetivos. El prejuicio por parte del investigador también se elimina
a través de la característica de objetividad de los métodos científicos.
5) Estructurado :
Aunque eventos aleatorios o desorganizados pueden ser la base de la investigación científica, sigue un
procedimiento estructurado y bien organizado. Los métodos científicos son sistemáticos y no dejan margen
para observaciones desorganizadas.
6) Colectivo :
Antes de iniciar una nueva investigación, los científicos revisan la información existente para asegurar
que no hay repeticiones. La información existente se actualiza y mejora a través de nuevas
hallazgos y datos. Además, los resultados están debidamente documentados junto con los hechos y
figuras para ayudar al lector a comprender el informe y sacar conclusiones correctas.
7) Determinista :
Los métodos científicos intentan establecer relaciones causales entre los acontecimientos y los factores.

responsable de ellos. Cada evento es provocado por alguna razón u otra que es
analizado por métodos científicos.
8) Generalización estadística :

Creado por Anu☺

 10

Generalización de los resultados generados a partir de métodos científicos a otras investigaciones similares
la naturaleza es posible. Diversas investigaciones realizadas con fines científicos pueden ser beneficiosas en gran medida.

extensión a través de una generalización estadística generalizada de los resultados obtenidos mediante métodos científicos.
9) Racionalismo :
Los hallazgos del estudio científico están respaldados por el razonamiento lógico y no están influenciados por tradiciones.

costumbres o creencias. En otras palabras, se puede decir que el estudio científico se guía por el principio
de racionalización.
Approaches for Scientific Method
1) Deduction :
Bajo la investigación científica, la deducción o razonamiento deductivo es la forma más básica de razonamiento.

Aquí, el investigador intenta llegar a una inferencia lógica y racional basada en una hipótesis o
informe generalizado formulado por él/ella. Según el razonamiento deductivo, lo que se aplica a un
se cree que todo el grupo/clase de individuos también es cierto para los miembros respectivos
grupo/clase. Una formulación precisa y cuidadosa de la hipótesis conduce a una deducción efectiva
razonamiento. Por otro lado, incluso ser lógico no puede garantizar la veracidad de una inferencia si
la generalización es incorrecta. Por ejemplo, 'Todos los perros tienen orejas largas. Tommy es un perro. Entonces,

Tommy tiene orejas largas.

tienen orejas pequeñas. Por lo tanto, la generalización es falsa.
Inducción :
También conocido como el enfoque 'de abajo hacia arriba', la inducción va de lo específico a generalizaciones más amplias.

y teorías. Esto es justo lo opuesto al razonamiento deductivo. El razonamiento inductivo implica un

procedimiento paso a paso en el que el investigador realiza varias observaciones, intenta
determina un patrón en ellos, formula una hipótesis generalizada y, en última instancia, concluye una
teoría. Por ejemplo, "Una canica del saco es negra. Otra canica del saco es negra."
Una tercera canica de la bolsa es negra. Por lo tanto, todas las canicas en la bolsa son negras.

Base de
Método de Deducción Método de Inducción
Diferencia

Significado Este método se mueve de Este método va de

de lo general a lo específico. específico a general.

Creado por Anu☺

 11

Tiene un enfoque de abajo hacia arriba

Enfoque Su enfoque es de arriba hacia abajo.
enfoque.
Adición a Esto método hace
No hace adiciones al
Anterior adiciones a lo existente
conocimiento existente.
Conocimiento conocimiento.

Importancia del Método Científico

1) Proporciona adaptabilidad :
Con la ayuda de métodos científicos, la transición de información y conocimiento de un existente
contexto a un contexto completamente nuevo es posible. Esto proporciona una mayor adaptabilidad al
researchers. Also, this adaptability is very crucial for the development of science and technology
debido a su naturaleza dinámica.
2) Mayor Aplicabilidad :
En contraste con los enfoques no científicos, los métodos científicos son más involucrantes, interesantes y
tener un ámbito más amplio. Esto asegura una mayor aplicabilidad de estos métodos.
3) Enfoque Realista :
Se obtiene un conocimiento exhaustivo de varios temas relacionados con la ciencia y las humanidades.
a través de un enfoque equilibrado bajo métodos científicos. Esto conduce a un enfoque más realista para
el problema.
4) Más Productivo :
Estos métodos permiten a un individuo tomar decisiones eficientes y se caracterizan por un aumento
efectividad. Se centra en interpretaciones proactivas y se da cuenta de la necesidad de repetir la
experimentos en el futuro.
5) Neutralidad Ética :
Los métodos científicos tienen como objetivo llegar a inferencias precisas y racionales relacionadas con la población

se está considerando y, por lo tanto, son éticamente neutrales.

6) Construye Teoremas Generalizados:
Otra ventaja de los métodos científicos es que formulan teoremas generalizados sobre la base
de la lógica científica.

Creado por Anu☺

 12

Dificultades en la Aplicación del Método Científico

1) Posibilidad de conclusiones sesgadas :
Participación directa de investigadores en la investigación interna de una organización o participación indirecta

cuando un investigador de terceros intenta representar el resultado puede conducir a problemas y

manipulación. Desean ver sus carreras mejorar junto con la organización de marketing.
El impulso de validar sus resultados lleva a los investigadores a recopilar información que
apoya las opiniones de sus superiores o clientes. Esto se puede hacer ya sea evitando el
la objetividad de los datos o ignorar un análisis en profundidad. Cuanto más cerca esté un investigador de la decisión

haciendo. mayores son las posibilidades de sesgo, prejuicio y manipulaciones.

2) Dispositivos de Medición Imprecisos :

La medición precisa es una de las características únicas de los métodos científicos que distingue
ellos de actividades no científicas. Sin embargo, debido al gran número de investigadores involucrados,
la entrevista es uno de los métodos principales para recolectar información. Este proceso se considera

algo subjetivo y rara vez resulta en mediciones precisas. La información obtenida puede
puede ser cuantificado solo aproximadamente ya que la mayor parte son opiniones y actitudes personales. Por ejemplo,

lo que un individuo siente acerca de las políticas organizacionales solo puede medirse en grados y no
precisamente. Los dispositivos utilizados para medir los datos por los investigadores de marketing no son tan precisos como

los de los científicos naturales.

3) Influencia del Proceso de Medición en los Resultados :
En contraste con el peso de los químicos, la velocidad de la luz, el área de una habitación, etc., los seres humanos tienden a

modificarse o cambiarse a sí mismos cuando se dan cuenta de que están siendo medidos o evaluados. Para
ejemplo, los empleados tienden a hacer enmiendas en su comportamiento cuando se enteran de que
están siendo monitoreados a través de cámaras.
4) Limitaciones de Tiempo :

Por lo general, los métodos científicos implican un análisis profundo y contextual de los hechos. Pero en realidad, estos

las investigaciones tienen que ser realmente rápidas y tomar menos tiempo para que el producto pueda ser lanzado a un

etapa anterior para alcanzar la ventaja del primer movimiento y una mayor cuota de mercado. Este aspecto de la ciencia

la investigación conduce a la falta de información.

5) Dificultad para utilizar experimentos para probar hipótesis:
La relación de causa y efecto se establece muy claramente a través de los experimentos realizados.
en un proceso de investigación. Tiene mucha importancia en la investigación científica. Sin embargo, su uso en

Creado por Anu☺

 13

la investigación empresarial es a veces imposible porque todos los factores que influyen en el producto
como el clima, las estrategias de los competidores, las actitudes de los clientes, etc., no pueden ser controlados. Por lo tanto,

la repetición de experimentos una y otra vez no es posible. Además, la fiabilidad de la investigación es

afectado debido a la disponibilidad incompleta de la herramienta de experimentación.

6) Mayor Complejidad del Sujeto :

Numerosos factores como maquinaria, materias primas, mobiliario, mano de obra, etc., tienen su influencia.
sobre el producto. El proceso de investigación científica se enfrenta a complejidades debido a estos factores
deben mantenerse en la alineación adecuada.

Entendiendo el Lenguaje de la Investigación

La investigación es un proceso sistemático y organizado de adquisición de conocimiento y comprensión sobre

un tema o fenómeno particular. Involucra varios componentes y términos que son esenciales para
comprendiendo y realizando investigaciones de manera efectiva. En esta nota, exploraremos cinco términos clave

comúnmente utilizado en la investigación: concepto, constructo, definición, variable y proceso de investigación.

1. Concept:
Un concepto se refiere a una idea abstracta o una noción general que representa algo en la investigación.
el contexto. Los conceptos son los bloques de construcción de la investigación y sirven como la base para formular
preguntas de investigación o hipótesis. Por ejemplo, en un estudio sobre la felicidad, el concepto de

el 'bienestar' podría usarse para medir y comprender la experiencia subjetiva de la felicidad.

2. Construir:
Un constructo es un concepto teórico que no es directamente observable, sino que se infiere a partir de lo observable.

indicadores o variables. Los constructos se desarrollan para representar ideas o fenómenos complejos que
no puede ser medido directamente. Por ejemplo, la inteligencia es un constructo que abarca múltiples
las habilidades cognitivas y a menudo se miden utilizando diversas pruebas y evaluaciones.
3. Definición:
Una definición proporciona claridad y precisión a los conceptos y constructos en la investigación. Delimita el
significado específico y límites de un concepto o constructo, asegurando que los investigadores tengan un
entendimiento común al usar estos términos. Las definiciones juegan un papel crucial en el establecimiento de un

lenguaje compartido dentro de una comunidad de investigación y promoviendo la consistencia en los estudios de investigación.

Creado por Anu☺

 14

[Link]:
Una variable es una entidad medible u observable que puede variar o cambiar. En la investigación, las variables son

se utiliza para operacionalizar conceptos o constructos en indicadores específicos medibles. Hay dos
tipos principales de variables: variables independientes (VI) y variables dependientes (VD). El
la variable independiente es manipulada o controlada por el investigador para observar su efecto en el
variable dependiente, que es el resultado o respuesta que se está midiendo.
5. Proceso de Investigación:

El proceso de investigación se refiere a los pasos sistemáticos involucrados en la realización de la investigación. Generalmente

incluye la identificación de un problema de investigación, la revisión de la literatura relevante, la formulación de la investigación

preguntas o hipótesis, seleccionando un diseño de investigación apropiado, recopilando y analizando datos,

interpretando hallazgos y sacando conclusiones. El proceso de investigación proporciona una estructura

marco para que los investigadores sigan, asegurando rigor y fiabilidad en sus investigaciones.

(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)
##############################################################################

Módulo II: Identificación y Formulación del Problema

Pregunta de investigación - Pregunta de investigación - fuentes - técnica involucrada en definir un
problem, Measurement Issues – Hypothesis, Measurement: Levels of measurement – Nominal,
Ordinal, Intervalo, Razón

Pregunta de investigación

A research question is a question that a study or research project aims to answer. This question
a menudo aborda un problema o una cuestión, que, a través del análisis e interpretación de datos, es
se responde en la conclusión del estudio. En la mayoría de los estudios, la pregunta de investigación se formula de tal manera que

esboza varios aspectos del estudio, incluyendo la población y las variables que se estudiarán y el
problema que aborda el estudio.

Creado por Anu☺

 15

Importancia de la pregunta de investigación

La importancia principal de desarrollar una pregunta de investigación es que reduce un tema amplio.
de interés en un área de estudio específica (Creswell, 2014). Las preguntas de investigación, junto con
las hipótesis también sirven como un marco orientador para la investigación. Estas preguntas también específicamente

revelar los límites del estudio, establecer sus límites y asegurar la cohesión.
Moreover, the research question has a domino effect on the rest of the study. These questions
factores de influencia, como la metodología de investigación, el tamaño de la muestra, la recolección de datos y los datos

análisis (Lipowski, 2008).

Como su nombre indica, una pregunta de investigación a menudo se basa en la investigación. Como resultado, estos
las preguntas son dinámicas; esto significa que los investigadores pueden cambiar o refinar la pregunta de investigación a medida que

revisar la literatura relacionada y desarrollar un marco para el estudio. Mientras que muchos proyectos de investigación

se centrará en una única pregunta de investigación, los estudios más grandes a menudo utilizan más de una pregunta de investigación.

Tipos de preguntas de investigación

Preguntas de investigación cuantitativa

Las preguntas de investigación cuantitativa son precisas. Estas preguntas suelen incluir la población a
se estudiarán, las variables dependientes e independientes, y el diseño de investigación a utilizar. Ellos son

generalmente enmarcado y finalizado al inicio del estudio (Berger, 2015).

Las preguntas de investigación cuantitativa también establecen un vínculo entre la pregunta de investigación y el

diseño de investigación. Además, estas preguntas no son respondibles con respuestas de 'sí' o 'no'. Como
como resultado, las preguntas de investigación cuantitativa no utilizan palabras como "es", "son", "hacen" o "hace".

Las preguntas de investigación cuantitativa suelen buscar entender aspectos sociales, familiares o
experiencias o procesos educativos que ocurren en un contexto y/o ubicación particular (Marshall
& Rossman, 2011). Pueden ser categorizados además en tres tipos: descriptivo, comparativo,
y relación.
Las preguntas de investigación descriptiva tienen como objetivo medir las respuestas de la población de un estudio a uno o

más variables o describir variables que la investigación medirá. Estas preguntas típicamente
comenzar con "qué". Los estudiantes buscan una pregunta de investigación que descubra procesos particulares.
Las preguntas de investigación comparativa tienen como objetivo descubrir las diferencias entre dos o más grupos para

una variable de resultado. Estas preguntas pueden ser causales, también. Por ejemplo, el investigador puede

Creado por Anu☺

 16

compara un grupo donde está involucrada cierta variable y otro grupo donde esa variable no está
no presente.
Las preguntas de investigación sobre relaciones buscan explorar y definir tendencias e interacciones entre dos
o más variables. Este diseño de pregunta de investigación a menudo incluye tanto variables dependientes como independientes

variables y usar palabras como 'asociación' o 'tendencias'.

Preguntas de investigación cualitativa

Las preguntas de investigación cualitativa pueden concernir áreas amplias de investigación o áreas más específicas de

estudio. Al igual que las preguntas de investigación cuantitativa, las preguntas de investigación cualitativa están vinculadas a

diseño de investigación. A diferencia de sus contrapartes cuantitativas, las preguntas de investigación cualitativa son

generalmente adaptable, no direccional y más flexible (Creswell, 2013). Como resultado, los estudios que utilizan
estas preguntas generalmente tienen como objetivo "descubrir", "explicar" o "explorar."

Ritchie et al. (2014) y Marshall y Rossman (2011) también han categorizado aún más la cualitativa
preguntas de investigación en varios tipos, como se enumera a continuación:
Las preguntas de investigación contextual buscan describir la naturaleza de lo que ya existe.
Las preguntas de investigación descriptiva intentan describir un fenómeno.
Las preguntas de investigación emancipadoras tienen como objetivo producir conocimiento que permite la participación.

en acción social, especialmente en beneficio de las personas desfavorecidas.

●Las preguntas de investigación evaluativa evalúan la efectividad de los métodos o paradigmas existentes.

●Las preguntas de investigación explicativas buscan exponer un fenómeno o examinar razones para
y asociaciones entre lo que existe.
Las preguntas de investigación exploratoria investigan áreas poco conocidas de un tema en particular.
Las preguntas de investigación generativa tienen como objetivo proporcionar nuevas ideas para el desarrollo de teorías.

y acciones.
●Las preguntas de investigación ideológicas se utilizan en investigaciones que tienen como objetivo avanzar en específicos

ideologías de una posición.

La siguiente tabla ilustra las diferencias entre la investigación cuantitativa y cualitativa
preguntas.

Creado por Anu☺

 17

Los factores que aumentan la probabilidad de ansiedad infantil incluyen la presión de grupo

presión, genética y niveles de inteligencia más altos.

Tema ansiedad infantil

Aspectos clave del tema a ser presión de grupo, educación parental y superior
discussed niveles de inteligencia

Pasos para desarrollar una buena pregunta de investigación

1. Comienza con un tema amplio.

Un tema amplio ofrece a los escritores muchas vías para explorar en su búsqueda de una viable
research question. Techniques to help you develop a topic into subtopics and potential research
las preguntas incluyen la lluvia de ideas y el mapeo conceptual. Por ejemplo, puedes plantear

preguntas que hacen reflexionar con tus amigos y desarrollar ideas de tus discusiones. Estos
técnicas pueden organizar tus pensamientos para que puedas identificar conexiones y temas relevantes
dentro de un tema amplio.
Al buscar un tema, es sensato elegir un área de estudio que te interese genuinamente.
en, ya que tu interés en un tema afectará tus niveles de motivación a lo largo de tu investigación. Es
también es prudente considerar los intereses que la comunidad de investigación ha estado abordando recientemente, ya que esto

puede afectar las posibilidades de que su artículo sea publicado.

2. Realiza una investigación preliminar para aprender sobre temas actuales.

Una vez que hayas elegido un tema, puedes empezar a hacer una investigación preliminar. Esta etapa inicial de
la investigación logra dos objetivos. Primero, una revisión preliminar de la literatura relacionada te permite
descubrir problemas que se están discutiendo actualmente por académicos e investigadores colegas. De esta manera,

obtienes conocimientos actualizados y relevantes sobre tu tema.

En segundo lugar, una revisión preliminar de la literatura relacionada te permite identificar las lagunas o limitaciones existentes

en el conocimiento existente de su tema. Con una cierta cantidad de ajuste fino, puede utilizar estos más tarde

lagunas como el foco de tu pregunta de investigación.

Además, según Farrugia et al. (2010), ciertas instituciones que otorgan subvenciones fomentan
solicitantes para llevar a cabo una revisión sistemática de los estudios y la evidencia disponibles para ver si hay una similar,

un estudio reciente no existe aún, antes de solicitar una subvención.

Creado por Anu☺

 18

3. Delimita tu tema y determina posibles preguntas de investigación.

Una vez que hayas reunido suficiente conocimiento sobre el tema que deseas abordar, puedes comenzar
enfocándose en un área de estudio más específica y delimitando una pregunta de investigación. Una opción es
enfocarse en las lagunas en el conocimiento existente o la literatura reciente. Mencionado por Sandberg y

Alvesson (2011) como "detección de brechas", este método implica construir preguntas de investigación a partir de
identificaron limitaciones en la literatura y áreas de estudio pasadas por alto. De manera similar, los investigadores pueden

elige preguntas de investigación que amplíen o complementen los hallazgos de la literatura existente.
4. Evalúa la solidez de tu pregunta de investigación.
Su investigación inicial y revisión de la literatura relacionada habrá producido algunos resultados interesantes
preguntas que parecen valer la pena perseguir. Sin embargo, no todas las preguntas interesantes resultan ser
preguntas de investigación sólidas. Ten en cuenta el significado de la pregunta de investigación: que una investigación

la pregunta extrae su respuesta o conclusión a través de un análisis de evidencia. Aquí presentamos un conjunto

de criterios que pueden guiarte sobre cómo formular preguntas de investigación.

Hulley et al. (2007) sugieren usar un conjunto de criterios, conocido como los criterios “FINER”, para descubrir si

tienes una buena pregunta de investigación. Los criterios FINER se describen a continuación:
F – Factible
Una buena pregunta de investigación es factible, lo que significa que la pregunta está bien dentro de la

la capacidad del investigador para investigar. Los investigadores deben ser realistas sobre la escala de su
la investigación así como su capacidad para recopilar datos y completar la investigación con sus habilidades y el
recursos disponibles para ellos. También es prudente tener un plan de contingencia en caso de problemas
levántate.
I – Interesante
La pregunta de investigación ideal es interesante no solo para el investigador, sino también para sus colegas y
comunidad. Este interés aumenta la motivación del investigador para ver la pregunta respondida. Para
Por ejemplo, puedes investigar sobre las tendencias de vivienda estudiantil si es algo que te interesa, como ellos lo hacen.

cambiar a menudo.
N – Novela
Tu pregunta de investigación debe ser desarrollada para aportar nuevas perspectivas al campo de estudio que estás
investigando. La pregunta puede confirmar o ampliar hallazgos anteriores sobre el tema que estás
investigando, por ejemplo.

Creado por Anu☺

 19

E – Ético
Esta es una de las consideraciones más importantes al formular una pregunta de investigación. Tu investigación

la pregunta y su posterior estudio deben ser algo que revisen las juntas y los apropiados
las autoridades aprobarán.
R – Relevante
Además de ser interesante y novedosa, la pregunta de investigación debe ser relevante para la ciencia.
comunidad y personas involucradas en tu área de estudio. Si es posible, tu pregunta de investigación debería
también sea relevante para el interés del público.
5. Formula tu pregunta de investigación correctamente.
Considerando la importancia de la pregunta de investigación, las preguntas de investigación deben estar estructuradas adecuadamente para

asegurar claridad. Busque buenos ejemplos de preguntas de investigación. Hay varios marcos
que puedes usar para construir adecuadamente una pregunta de investigación. Las dos más comúnmente usadas
los marcos se explican a continuación.

Marco PICOT
El marco de la pregunta de investigación PICOT se introdujo por primera vez en 1995 por Richardson et al. Usando

the PICOT framework, research questions can be constructed to address important elements of
el estudio, incluyendo la población a ser estudiada, los resultados esperados y el tiempo que lleva
lograr el resultado. Con estos elementos, el marco se utiliza más comúnmente en clínicos
investigación y estudios basados en evidencia.
P – población, pacientes o problema
I – intervención o indicador que se está estudiando
C – grupo de comparación
O - resultado de interés
T - marco temporal del estudio

Pregunta de investigación
Una pregunta de investigación, también conocida como pregunta de investigación, es una consulta concisa y enfocada que

guía la investigación y exploración de un tema o problema específico en un estudio de investigación. Sirve

como la base para la investigación y dirige la recopilación y análisis de datos para encontrar respuestas
o perspectivas.

Creado por Anu☺

 20

Una pregunta de investigación efectiva debería ser:

1. Claro y específico: Debe estar bien definido y ser lo suficientemente estrecho como para poder abordarse dentro de la

alcance del estudio de investigación.

¿Cuál es el impacto del ejercicio en la salud cardiovascular entre los adultos de 50 años y más?
¿arriba?
2. Medible y observable: La pregunta debe formularse de manera que permita el
colección de datos relevantes y la posibilidad de sacar conclusiones.
¿Cuál es la relación entre el rendimiento estudiantil (medido por las calificaciones en las pruebas) y
¿Tamaño de la clase en las escuelas elementales?
3. Relevante y significativo: La pregunta debe abordar un tema relevante dentro del campo de
estudio y tienen implicaciones prácticas o teóricas.
¿Cómo afecta el uso de las redes sociales a la autoestima y la imagen corporal de los adolescentes?
4. Factible: La pregunta debe ser respondible dentro de los recursos, el marco de tiempo y las restricciones.
del estudio de investigación.

¿Cuáles son los factores que influyen en la satisfacción del cliente en una tienda minorista específica?
En general, una pregunta de investigación sirve como un punto de guía para el proceso de investigación, ayudando

los investigadores enfocan sus esfuerzos, recopilan datos relevantes y, en última instancia, contribuyen al existente

cuerpo de conocimiento sobre un tema particular.

Técnicas involucradas en la definición de un problema

1. Lluvia de ideas
El brainstorming es una técnica que implica generar una gran cantidad de ideas sobre un tema.
sin censurarlos. Es una técnica efectiva para definir un problema porque permite el
investigador para explorar diferentes perspectivas y generar una amplia variedad de posibles investigaciones

preguntas.
2. Mapa mental
El mapa mental es una técnica que implica organizar visualmente ideas e información en torno a un
tema o concepto central. Es una técnica efectiva para definir un problema porque permite el
investigador para identificar conceptos clave y las relaciones entre ellos.

Creado por Anu☺

 21

3. Análisis del Árbol de Problemas

El análisis de árboles de problemas es una técnica que implica identificar las causas y los efectos de un problema

y organizándolos en una estructura jerárquica. Es una técnica efectiva para definir un

problem because it helps the researcher to understand the underlying factors that contribute to the
problema e identificar preguntas de investigación potenciales.
4. Análisis FODA
El análisis FODA es una técnica que consiste en identificar las fortalezas, debilidades, oportunidades,
y amenazas asociadas con un problema o cuestión particular. Es una técnica efectiva para definir
un problema porque permite al investigador identificar preguntas de investigación potenciales basadas en el
strengths, weaknesses, opportunities, and threats associated with the problem.
5. Revisión de Literatura
La revisión de literatura es una técnica que implica revisar la literatura y la investigación existentes sobre el

tema de interés. Es una técnica efectiva para definir un problema porque ayuda al
investigador para identificar lagunas de conocimiento y determinar la metodología de investigación más apropiada

y diseño.

Problemas de Medición
La medición es el proceso de observar y registrar las observaciones que se recopilan como parte
de un esfuerzo de investigación.

Los problemas de medición en la metodología de investigación se refieren a los desafíos y limitaciones asociados con

el proceso de medir variables o conceptos de interés en un estudio. Estos problemas pueden surgir en
varios etapas del proceso de investigación, incluyendo el diseño, la recolección de datos y el análisis de datos

fases.
Aquí hay algunos problemas comunes de medición que los investigadores pueden encontrar:
1. Reliability:Reliability refers to the consistency and stability of measurements. If a
si un instrumento de medición o procedimiento produce resultados inconsistentes, carece de fiabilidad. Esto puede
debería ser debido a un error del instrumento, sesgo del observador u otros factores. La baja fiabilidad reduce la confianza

en los hallazgos del estudio.

2. Validez: La validez se refiere al grado en que una medida captura con precisión el concepto.
se pretende medir. Hay diferentes tipos de validez, como la validez de constructo, la validez de contenido

Creado por Anu☺

 22

validez y validez de criterio. Si una medición carece de validez, puede que no represente con precisión
el concepto bajo investigación.
3. Sesgo de muestreo: El sesgo de muestreo ocurre cuando la muestra utilizada en un estudio no es representativa.

representar a la población objetivo. Esto puede llevar a resultados que no son generalizables ni aplicables a
la población en general. Es importante asegurar que la muestra sea representativa y seleccionada en
una forma que minimiza el sesgo.
4. Sesgo de deseabilidad social: El sesgo de deseabilidad social ocurre cuando los participantes en un estudio responden

de una manera que creen que es socialmente aceptable o deseable, en lugar de proporcionar su verdadero
opiniones o comportamientos. Este sesgo puede llevar a datos inexactos o distorsionados, particularmente en encuestas

o entrevistas donde se involucra la autoevaluación.

5. Limitaciones de la escala de medición: La elección de la escala de medición también puede introducir

limitaciones. Por ejemplo, usar una escala ordinal en lugar de una escala de intervalo puede restringir el
análisis estadísticos que se pueden realizar. De manera similar, utilizando una escala que no captura la totalidad

el rango de posibles respuestas puede limitar la precisión de la medición.

6. Sesgo de instrumentación: El sesgo de instrumentación se refiere a errores sistemáticos introducidos por el

instrumento o herramienta de medición. Esto puede ocurrir si el instrumento está mal diseñado, es mal utilizado, o

si hay inconsistencias en la forma en que se administra en diferentes entornos o participantes.

7. Efecto Hawthorne: El efecto Hawthorne se refiere a los cambios en el comportamiento de los participantes debido a

ser observado o ser consciente de formar parte de un estudio. Este efecto puede distorsionar la medición de

variables, particularmente en estudios donde se observa o monitorea el comportamiento de los participantes.

Abordar estos problemas de medición requiere una cuidadosa consideración y planificación. Los investigadores

puede emplear diversas estrategias, como utilizar herramientas de medición confiables y validadas,
implementando técnicas de muestreo rigurosas, minimizando sesgos a través del diseño del estudio, empleando
múltiples métodos de medición y realización de estudios piloto para evaluar los procedimientos de medición
antes de la recolección de datos a gran escala. Además, los análisis estadísticos adecuados pueden ayudar a tener en cuenta y

mitigar las limitaciones de medición en la medida de lo posible.

Hipótesis

Una hipótesis es una suposición que se hace basada en alguna evidencia. Este es el punto de partida inicial de

cualquier investigación que traduce las preguntas de investigación en predicciones. Incluye componentes

Creado por Anu☺

 23

como variables, población y la relación entre las variables. Una hipótesis de investigación es una
hipótesis que se utiliza para probar la relación entre dos o más variables.

Características de la Hipótesis

A continuación se presentan las características de la hipótesis:

●La hipótesis debe ser clara y precisa para considerarla confiable.

●Si la hipótesis es una hipótesis relacional, entonces debería estar declarando la relación
entre variables.
La hipótesis debe ser específica y debe tener margen para realizar más pruebas.
●La forma de explicar la hipótesis debe ser muy simple y también debe ser
se entendió que la simplicidad de la hipótesis no está relacionada con su significado.

Sources of Hypothesis

Los siguientes son los fuentes de la hipótesis:

La semejanza entre el fenómeno.

●Observaciones de estudios anteriores, experiencias actuales y de los competidores.
●Teorías científicas.
Patrones generales que influyen en el proceso de pensamiento de las personas.

Tipos de hipótesis

Hay seis formas de hipótesis y son:

Hipótesis simple
Hipótesis compleja
●Hipótesis direccional
●Hipótesis no direccional
●Hipótesis nula
●Hipótesis asociativa y casual

Creado por Anu☺

 24

Hipótesis Simple

Muestra una relación entre una variable dependiente y una sola variable independiente. Para
ejemplo – Si comes más verduras, perderás peso más rápido. Aquí, comer más verduras
es una variable independiente, mientras que perder peso es la variable dependiente.

Hipótesis Compleja

Muestra la relación entre dos o más variables dependientes y dos o más independientes.
variables. Comer más verduras y frutas conduce a la pérdida de peso, piel radiante y reduce el
riesgo de muchas enfermedades como la enfermedad cardíaca.

Hipótesis Direccional

Muestra cómo un investigador es intelectual y está comprometido con un resultado particular. La relación
entre las variables también puede predecir su naturaleza. Por ejemplo, niños de cuatro años comiendo
la alimentación adecuada durante un período de cinco años tiene niveles de CI más altos que los niños que no tienen una alimentación adecuada

comida. Esto muestra el efecto y la dirección del efecto.

Hipótesis no direccional

Se utiliza cuando no hay teoría involucrada. Es una afirmación de que existe una relación entre
dos variables, sin predecir la naturaleza exacta (dirección) de la relación.

Hipótesis nula

Proporciona una afirmación que es contraria a la hipótesis. Es una afirmación negativa, y hay
no hay relación entre variables independientes y dependientes. El símbolo se denota como "HO".

Hipótesis asociativa y causal

La hipótesis asociativa ocurre cuando hay un cambio en una variable que resulta en un cambio en la
otra variable. Mientras que, la hipótesis causal propone una interacción de causa y efecto entre
dos o más variables.

Creado por Anu☺

 25

Ejemplos de hipótesis

A continuación se presentan ejemplos de hipótesis según su tipo:

El consumo diario de bebidas azucaradas conduce a la obesidad es un ejemplo de una simple

hipótesis.
●Todas las lirios tienen el mismo número de pétalos es un ejemplo de una hipótesis nula.
Si una persona duerme 7 horas, entonces se sentirá menos fatigada que si duerme menos.
un ejemplo de una hipótesis direccional.

Funciones de la Hipótesis

A continuación se presentan las funciones realizadas por la hipótesis:

La hipótesis ayuda a que una observación y experimentos sean posibles.

Se convierte en el punto de partida para la investigación.

La hipótesis ayuda a verificar las observaciones.

●It helps in directing the inquiries in the right direction.

¿Cómo ayudará la hipótesis en el método científico?

Los investigadores utilizan hipótesis para plasmar sus pensamientos sobre cómo se llevaría a cabo el experimento.

lugar. A continuación se presentan los pasos que están involucrados en el método científico:

●Formación de preguntas
●Haciendo investigación de antecedentes

●Creación de hipótesis
●Diseñando un experimento
●Colección de datos
Análisis de resultados

●Resumiendo el experimento
●Comunicando los resultados

Creado por Anu☺

 26

Measurement

Según G.C. Helmstadter: "La medición es un proceso para obtener una descripción numérica"
del grado en que una persona u objeto posee algunas características.

Según Kerlinger: "La medición es la asignación de números a objetos o eventos"

según las reglas.

Funciones de Medición

1) Permite resumir información :

El enmarcado de medidas adecuadas también permite que la información sea resumida y presentada en un
mejor manera. Esto también permite a los investigadores utilizar varios gráficos, tablas y, diagramas para representar él

datos correctamente. Esto también hace que la investigación y los hallazgos de la investigación sean más presentables y

atractivo para cualquier usuario potencial del informe de investigación.

Proporciona una mejor comprensión de una situación.

La medición permite una mejor comprensión de una situación en comparación con un escenario donde no hay.
no hay medición en absoluto. Por ejemplo, diversos datos sobre la población se obtienen únicamente cuando se

medido, Hasta que los datos no sean medidos, no proporcionan una comprensión profunda de
the situation.

3) Permite cuantificar datos y sofisticación estadística:

El proceso de medición también permite al investigador cuantificar las variables abstractas y

parámetros de investigación. El grado de tratamiento estadístico de los datos depende de él
measurement scale adopted to quantify the data.

4) Importante para el Enfoque de Investigación :

La selección de técnicas de medición también determina el enfoque de la investigación y la manera en que un

el investigador tiende a resolver los problemas de investigación. Por lo tanto, decidir las medidas es esencial.
parte de la actividad de investigación. La selección de las medidas adecuadas contribuye en gran medida a hacer

la investigación una actividad mejor planificada y organizada.

Creado por Anu☺

 27

5) Proporciona un conjunto importante de herramientas :

Los procedimientos de medición y los instrumentos que se utilizarán proporcionan información invaluable para el

investigador que le permite llegar a una decisión con respecto al problema de investigación. También tiene un
que afectan las políticas y programas. Sin embargo, las medidas que se enmarcan son solo los medios
hacia el objetivo del investigador y no los fines. Ayuda al investigador a llegar a
decisiones críticas respecto a un objetivo de investigación.

Tipos de Medición

1) Questionnaires :

El cuestionario es un inventario de preguntas utilizadas para buscar información de los encuestados sobre

different topics like behavior, demographic and psychographic details, opinions, attitudes,
creencias, sentimientos, etc. Las preguntas están diseñadas para un estudio particular y se validan antes
concluyendo.

2) Escalas de Actitud :

La actitud busca respuestas sobre los sentimientos de los encuestados hacia un objeto en particular. Actitud

las escalas pueden ser de diferentes tipos como sigue:

i) Las escalas de calificación hacen que un encuestado coloque un objeto en una escala que está numerada numéricamente.

ii) Las escalas de clasificación requieren que los encuestados comparen un conjunto de objetos y los califiquen

entre '1' y '10', donde '1' ocupa la posición más alta y '10' la posición más baja.

3) Entrevistas en Profundidad :

En entrevistas a fondo, los encuestados tienen completa libertad para expresar sus sentimientos sin ningún tipo de

miedo al rechazo o a encontrar oposición por parte de otros. Las respuestas que recibimos de la
Los encuestados se registran en formatos especialmente diseñados. Esta técnica se utiliza cuando el

el investigador quiere recopilar información detallada sobre los sentimientos y opiniones de los encuestados o
cuando el investigador quiere examinar algún nuevo problema o aspecto del estudio.

Creado por Anu☺

 28

Muchas veces, las entrevistas en profundidad también se utilizan para proporcionar claridad o perspectiva sobre el otro

datos recopilados. Ayuda a proporcionar una imagen más completa sobre los datos que han sido
recogido. Las entrevistas en profundidad, una técnica que debe utilizarse en lugar de entrevistas focales donde se

sentí que los encuestados no se sentirían cómodos hablando sobre el tema en un ambiente grupal o
donde el investigador quiere diferenciar entre las opiniones individuales y las opiniones grupales sobre un
tema de discusión. También se utilizan entrevistas en profundidad donde el investigador quiere refinar

questions for a future study or survey.

4) Observation :

La observación es una técnica directa para examinar el comportamiento o los resultados del comportamiento. Esto
requiere que el investigador observe el comportamiento de un individuo o de un grupo de personas. Esto
La observación debe realizarse en un entorno natural y durante un intervalo de tiempo. La mayor ventaja
de este método es que aumenta la credibilidad del proceso de investigación. Utiliza investigadores capacitados
quienes son imparciales respecto al tema de investigación. Al observar el comportamiento de forma formal, los observadores

a menudo son capaces de identificar actitudes y predisposiciones que a menudo están pasadas por alto por

los investigadores. La desventaja es que la observación es un proceso que consume tiempo y los observadores a menudo
descubren que su presencia influye en el comportamiento de las personas que están siendo observadas y, por lo tanto, afecta el

reliability of the observation process.

Criterios para una buena medición

1) Reliability :

La fiabilidad es un criterio importante para probar la medición. Cuando los resultados ofrecidos por el
Los instrumentos de medición son consistentes, se les llama fiables. Aunque un instrumento fiable no es
no necesariamente un instrumento válido en su naturaleza, pero conduce a la validez de la medición.

2)Validity :

El siguiente criterio utilizado para evaluar la medición es su validez. El grado en que una
el instrumento de medida particular que mide específicamente se llama su validez. También se puede denotar
como utilidad. También expresa el grado en que las diferencias descritas por un instrumento de medición
entre los dos comportamientos son verdaderos.

Creado por Anu☺

 29

3) Practicidad :

La practicidad también es un criterio para probar el instrumento de medición. El grado en que un

el instrumento de medida particular es adecuado, rentable e interpretable, denota el
practicidad del instrumento.

4) Sensitivity :

El siguiente criterio para evaluar el instrumento de medición es su sensibilidad. Un particular

se dice que un instrumento de medición es sensible si todas las variaciones en las respuestas son efectivamente
medido por ello. Los instrumentos de medición que manejan tipos de respuestas 'De acuerdo' o 'En desacuerdo' son

no tan, sensible. Se requiere una pequeña modificación en los instrumentos para poder registrar más sensibilidad.

respuestas.

5) Generalisability :

La generalizabilidad también es un criterio importante para probar el instrumento de medición. La capacidad de

recolección de datos de un instrumento de encuestados generalizados junto con ofrecer flexibilidad en
su interpretación se llama generalizabilidad.

6) Economy :

La elección del método de recolección de datos también suele estar dictada por factores económicos. El aumento del costo

la entrevista personal llevó inicialmente a un mayor uso de encuestas telefónicas y posteriormente a

el aumento actual en las encuestas por Internet. En las pruebas estandarizadas, el costo de los materiales de prueba por sí solo puede ser

un gasto tan significativo que fomenta múltiples reutilizaciones.

7) Convenience :

Un dispositivo de medición pasa la prueba de conveniencia si es fácil de administrar. Un cuestionario o un

una escala de medición con un conjunto de instrucciones detalladas pero claras, con ejemplos, es más fácil de

completo correctamente que uno que carece de estas características. En un estudio bien preparado, no es
no es común que las instrucciones para el entrevistador sean varias veces más largas que la entrevista

preguntas. Naturalmente, cuanto más complejos son los conceptos y constructos, mayor es la necesidad de
instrucciones claras y completas.

Creado por Anu☺

 30

Niveles de Medición | Nominal, Ordinal, Intervalo y Razón

Los niveles de medición, también llamados escalas de medición, te indican cuán precisamente son las variables.
registrado. En la investigación científica, una variable es cualquier cosa que puede adoptar diferentes valores a través de

tu conjunto de datos (por ejemplo, altura o calificaciones de exámenes).

Hay 4 niveles de medición:

●Nominal: los datos solo pueden ser categorizados

●Ordinal: los datos pueden ser categorizados y clasificados
●Intervalo: los datos se pueden categorizar, clasificar y espaciar de manera uniforme

●Razón: los datos se pueden clasificar, clasificar, espaciados uniformemente y tienen un cero natural.

Nivel nominal Ejemplos de escalas nominales

Puedes categorizar tus datos poretiquetadoellos mutuamente ●City of birth

grupos exclusivos, pero no hay un orden entre las categorías. ●Gender
●Ethnicity
Marcas de coches
●Marital status

Ordinal level Ejemplos de escalas ordinales

Puedes categorizar y clasificar tus datos en un orden, pero no puedes ●Los 5 mejores medallistas olímpicos

di algo sobre los intervalos entre los rankings. ●Habilidad lingüística (por ejemplo,

beginner, intermediate,
fluent)
Aunque puedes clasificar a los 5 mejores medallistas olímpicos, esta escala
● Preguntas tipo Likert
no te dice cuán cerca o lejos están en número de (por ejemplo, muy insatisfecho a
ganancias.
very satisfied)

Creado por Anu☺

 31

Nivel de intervalo Ejemplos de escalas de intervalo

Puedes categorizar, clasificar yinferirintervalos iguales entre ●Puntajes de pruebas (por ejemplo, IQ o

puntos de datos vecinos, pero no hay un verdadero punto cero. exámenes

●Inventarios de personalidad
●Temperature in Fahrenheit
La diferencia entre dos temperaturas adyacentes es el
o Celsius
mismo: un grado. Pero cero grados se define de manera diferente
dependiendo de la escala - no significa una ausencia absoluta de
temperatura.

Lo mismo es cierto para las calificaciones de las pruebas y los inventarios de personalidad. A

un cero en un examen es arbitrario; no significa que el examinado tenga

una falta absoluta del rasgo que se mide.

Nivel de razón Ejemplos de escalas de razón

Puedes categorizar, clasificar e inferir intervalos iguales entre Altura

puntos de datos vecinos, y hay un verdadero punto cero. ●Age
●Weight
●Temperatura en Kelvin
Un cero verdadero significa que hay una ausencia de la variable de interés.
En las escalas de razón, cero significa una falta absoluta de la variable.

Por ejemplo, en la escala de temperatura Kelvin, no hay

grados de temperatura negativos - cero significa una falta absoluta de
energía térmica.

Nominal: Se utiliza para categorizar datos en categorías o grupos mutuamente excluyentes.

Ordinal: Usado para medir variables en un orden natural, como la calificación o el ranking. Proporcionan
perspectivas significativas sobre actitudes, preferencias y comportamientos al comprender el orden de
respuestas.

Creado por Anu☺

 32

Intervalo: Se utiliza para medir variables con intervalos iguales entre los valores. Este tipo de
la medición a menudo se utiliza para la temperatura y el tiempo, lo que permite comparaciones precisas y

cálculos.

Proporción: Permite comparaciones y cálculos como proporciones, porcentajes y promedios.

Excelente para la investigación en campos como la ciencia, la ingeniería y las finanzas, donde necesitas usar proporciones.

porcentajes y promedios para entender los datos.

Escala Nominal: 1er Nivel de Medición

La escala nominal, también llamada escala de variable categórica, se define como una escala que etiqueta

variables en clasificaciones distintas y no implica un valor cuantitativo u orden. Esta escala

es el más simple de las cuatro escalas de medición de variables. Los cálculos realizados sobre estas variables darán

ser inútil ya que las opciones no tienen valor numérico.

Hay casos en los que esta escala se utiliza con el propósito de clasificación: los números asociados
con variables de esta escala son solo etiquetas para la categorización o división. Cálculos realizados en
estos números serán fútiles ya que no tienen significado cuantitativo.

¿Dónde vives?

Ejemplos de Escala Nominal

●Gender
Preferencias políticas
Lugar de residencia

Escala ordinal: 2º nivel de medición

La escala ordinal se define como una escala de medición de variable utilizada para representar simplemente el orden de

variables y no la diferencia entre cada una de las variables. Estas escalas se utilizan generalmente para
representar ideas no matemáticas como frecuencia, satisfacción, felicidad, un grado de dolor, etc.
es bastante sencillo recordar la implementación de esta escala ya que 'Ordinal' suena similar
a 'Orden', que es exactamente el propósito de esta escala.

Creado por Anu☺

 33

●Grades
●Satisfaction
●Happiness

¿Qué tan satisfecho estás con nuestros servicios?

●1-Muy Insatisfecho
●2- Insatisfecho
●3- Neural
Satisfecho
●5-Muy Satisfecho

Escala de intervalo: 3er nivel de medición

La escala de intervalo se define como una escala numérica donde se conoce el orden de las variables.
la diferencia entre estas variables. Variables que tienen familiaridad, son constantes y son computables
las diferencias se clasifican utilizando la escala de intervalo. Es fácil recordar el papel principal de esto.
la escala también, 'Intervalo' indica 'distancia entre dos entidades', que es lo que ayuda la escala de intervalo

en lograr.

Estas escalas son efectivas ya que abren puertas para el análisis estadístico de los datos proporcionados. Media,
la mediana o la moda se pueden usar para calcular la tendencia central en esta escala. La única desventaja
de esta escala es que no hay un punto de partida predefinido ni un verdadero valor cero.

Ejemplos de Escala Intervalar

Existen situaciones en las que las escalas de actitud se consideran escalas de intervalo.
Aparte de la escala de temperatura, el tiempo también es un ejemplo muy común de un intervalo.
escalar ya que los valores están establecidos, son constantes y medibles.
Los años calendario y el tiempo también entran en esta categoría de escalas de medición.

●Likert scale, Net Promoter Score, Semantic Differential Scale, Bipolar Matrix Table, etc.
son los ejemplos de escala de intervalo más utilizados.

Las siguientes preguntas pertenecen a la categoría de Escala de Intervalo:

Creado por Anu☺

 34

¿Cuál es el ingreso de tu familia?

¿Cuál es la temperatura en tu ciudad?

Escala de razón: 4to nivel de medida

La escala de razón se define como una escala de medición de variables que no solo produce el orden de
las variables, sino que también hace que la diferencia entre las variables sea conocida junto con información sobre el

valor de cero verdadero. Se calcula asumiendo que las variables tienen una opción para cero, el
difference between the two variables is the same and there is a specific order between the
opciones.

Con la opción de cero verdadero, se pueden utilizar diversas técnicas de análisis inferencial y descriptivo.

aplicado a las variables. Además del hecho de que la escala de razón hace todo lo que hace una nominal,
la escalas ordinal y de intervalo pueden hacer, también puede establecer el valor del cero absoluto. Lo mejor
ejemplos de escalas de razón son el peso y la altura. En la investigación de mercado, se utiliza una escala de razón para

calcular la participación de mercado, las ventas anuales, el precio de un próximo producto, el número de consumidores,
etc.

La escala de razón proporciona la información más detallada, ya que los investigadores y estadísticos pueden

calcular la tendencia central utilizando técnicas estadísticas como la media, la mediana y la moda
y métodos como la media geométrica, el coeficiente de variación o la media armónica pueden
también se puede usar a esta escala.
●La escala de razón acomoda la característica de otras tres escalas de medición de variables.
es decir, etiquetar las variables, la importancia del orden de las variables y un calculable
diferencia entre variables (que suelen ser equidistantes).
● Debido a la existencia del verdadero valor cero, la escala de razón no tiene valores negativos.
●Para decidir cuándo usar una escala de razón, el investigador debe observar si las variables
tienen todas las características de una escala de intervalo junto con la presencia de lo absoluto
valor cero.
La media, la moda y la mediana se pueden calcular utilizando la escala de razón.

Creado por Anu☺

 35

Ejemplos de Escala de Proporción

¿Cuál es la altura actual de tu hija?
Menos de 5 pies.
5 pies 1 pulgada – 5 pies 5 pulgadas
5 pies 6 pulgadas - 6 pies
Más de 6 pies
¿Cuál es tu peso en kilogramos?
Less than 50 kilograms
51- 70 kilogramos
71- 90 kilogramos
91-110 kilogramos
Más de 110 kilogramos

(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)
##############################################################################

Módulo III: Diseño de Investigación

Concepto e Importancia en la Investigación - Características de un buen diseño de investigación - Exploratorio

Diseño de Investigación – concepto, tipos y usos, Diseños de Investigación Descriptiva – concepto, tipos y
usos, Diseño Experimental: Concepto de variable independiente y dependiente, cualitativo y
Investigación Cuantitativa

Diseño de investigación

El diseño de investigación es el marco de métodos y técnicas de investigación elegidos por un investigador para

realizar un estudio. El diseño permite a los investigadores afinar los métodos de investigación adecuados para el

tema y organizar sus estudios para el éxito.

Creado por Anu☺

 36

Crear un tema de investigación explica el tipo de investigación (experimental, investigación por encuesta,

correlacional, semi-experimental, revisión) y su sub-tipo (diseño experimental, investigación

problema, estudio de caso descriptivo).
Hay tres tipos principales de diseños para la investigación:
●Recolección de datos

●Medición
Análisis de Datos
El problema de investigación que enfrenta una organización determinará el diseño, no al revés. El diseño
la fase de un estudio determina qué herramientas usar y cómo se utilizan.

El Proceso de Diseño de Investigación

El proceso de diseño de la investigación es un enfoque sistemático y estructurado para llevar a cabo la investigación.

el proceso es esencial para asegurar que el estudio sea válido, confiable y produzca resultados significativos.

1. Considera tus objetivos y enfoques: Determina las preguntas de investigación y los objetivos,

y identificar el marco teórico y la metodología para el estudio.

[Link] un tipo de Diseño de Investigación: Selecciona el diseño de investigación apropiado, como

experimental, correlacional, encuesta, estudio de caso o etnográfico, basado en la investigación

preguntas y objetivos.
3. Identifique su población y método de muestreo: Determine la población objetivo y
tamaño de muestra y elegir el método de muestreo, como aleatorio, aleatorio estratificado

muestreo, o muestreo por conveniencia.

[Link] tus métodos de recolección de datos: Decide sobre los métodos, como encuestas,
entrevistas, observaciones o experimentos, y seleccionar los instrumentos o herramientas apropiados
para recopilar datos.
5. Planifique sus procedimientos de recolección de datos: Desarrolle un plan para la recolección de datos, incluyendo el

marco temporal, ubicación y personal involucrado, y asegurarse de las consideraciones éticas.

6. Decide sobre tus estrategias de análisis de datos: Selecciona las técnicas de análisis de datos apropiadas,

como el análisis estadístico, el análisis de contenido o el análisis del discurso, y planificar cómo

interpreta los resultados.

Creado por Anu☺

 37

Características del Diseño de Investigación

Neutralidad: Cuando configures tu estudio, es posible que tengas que hacer suposiciones sobre los datos que

se espera recoger. Los resultados proyectados en la investigación deben estar libres de sesgo de investigación y

neutral. Entender opiniones sobre las puntuaciones finales evaluadas y conclusiones de múltiples
individuos y considerar aquellos que están de acuerdo con los resultados.
Fiabilidad: Con investigaciones realizadas regularmente, el investigador espera resultados similares cada vez.

Solo podrás alcanzar los resultados deseados si tu diseño es confiable. Tu plan debe
indique cómo formular preguntas de investigación para garantizar el estándar de resultados.
Validez: Hay múltiples herramientas de medición disponibles. Sin embargo, la única medida correcta
las herramientas son aquellas que ayudan a un investigador a evaluar resultados de acuerdo con el objetivo de la

La encuesta desarrollada a partir de este diseño será válida.

Generalización: El resultado de tu diseño debería aplicarse a una población y no solo a una.
muestra restringida. Un método generalizado implica que su encuesta se puede realizar en cualquier parte
de una población con una precisión similar.

Tipos de Diseño de Investigación

Investigación cualitativa

Determina relaciones entre los datos recopilados y las observaciones basadas en matemáticas
cálculos. Los métodos estadísticos pueden confirmar o refutar teorías relacionadas con un fenómeno que existe de forma natural

fenómeno. Los investigadores confían en métodos de investigación cualitativa de observación que concluyen "por qué"

existe una teoría particular y "qué" tienen que decir los encuestados al respecto.
Investigación cuantitativa
Es para casos donde las conclusiones estadísticas para recopilar información procesable son esenciales. Números
proporcionar una mejor perspectiva para tomar decisiones empresariales críticas. Investigación cuantitativa
los métodos son necesarios para el crecimiento de cualquier organización. Perspectivas extraídas de lo complejo

los datos numéricos y el análisis resultan ser altamente efectivos al tomar decisiones sobre el
futuro del negocio.

Investigación Cuantitativa Investigación Cualitativa

Creado por Anu☺

 38

Se centra en poner ideas y Concéntrate en generar ideas y

hipótesis a prueba. desarrollando una teoría o hipótesis.

Math and statistical analysis were used Summarizing, classifying, and analyzing
examinar la situación. se utilizaron datos para realizar el análisis.

Números, gráficos y tablas son el Principalmente representado con palabras

las formas de expresión más comunes.

Es necesario la participación de un/a Only a few people are required to answer.

gran número de personas.

Preguntas cerradas (opción múltiple) Preguntas abiertas

Key terms: testing, measurement, Key terms: understanding, context,

objetividad, replicabilidad complexity, subjectivity

1. Descriptivo: En una composición descriptiva, un investigador está únicamente interesado en describir el

situación o caso bajo su estudio de investigación. Es un método de diseño basado en teoría creado por
recolectar, analizar y presentar datos recopilados. Esto permite a un investigador proporcionar información
en el porqué y cómo de la investigación. El diseño descriptivo ayuda a otros a comprender mejor la necesidad de
la investigación. Si la declaración del problema no es clara, puedes realizar una investigación exploratoria.

Diseño de investigación descriptiva

En el Diseño de Investigación Descriptiva, el académico explica/describa la situación o caso en profundidad en

sus materiales de investigación. Este tipo de diseño de investigación se basa puramente en una base teórica donde el

el individuo recolecta datos, los analiza, los prepara y luego los presenta de una manera comprensible.
la forma más generalizada de diseño de investigación. Para explorar una o más variables, un descriptivo
el diseño podría emplear una amplia gama de enfoques de investigación. A diferencia de la investigación experimental, el

el investigador no controla ni cambia ninguna de las variables en un diseño de investigación descriptiva;

en cambio, él o ella solo los observa y mide. En otras palabras, mientras la investigación cualitativa

Creado por Anu☺

 39

también puede ser utilizado por razones descriptivas, un método descriptivo de diseño de investigación es típicamente

considerado como una especie de investigación cuantitativa. Para garantizar que los resultados sean legítimos y

fiable, el diseño del estudio debe estar debidamente estructurado. Aquí hay algunos ejemplos de los
descriptive design of the research type:
¿Cómo ha cambiado el mercado de vivienda de Delhi en los últimos 20 años?
¿Los clientes de la Empresa A prefieren el Producto C o el Producto D?

●¿Cuáles son las principales diferencias genéticas, conductuales y morfológicas entre los indios?

vacas salvajes y vacas híbridas?

¿Qué tan prevalente es la enfermedad 1 en la población Z?

2. Experimental: La investigación experimental establece una relación entre la causa y el efecto.

de una situación. Es un diseño de investigación causal donde se observa el impacto causado por el
variable independiente sobre la variable dependiente. Por ejemplo, se monitorea la influencia de un
variable independiente como un precio sobre una variable dependiente como la satisfacción del cliente o
lealtad a la marca. Es un método de investigación eficiente ya que contribuye a resolver un problema.
Las variables independientes se manipulan para monitorear el cambio que tiene sobre la dependiente.
variable. Las ciencias sociales a menudo la utilizan para observar el comportamiento humano analizando dos grupos.

Los investigadores pueden hacer que los participantes cambien sus acciones y estudiar cómo las personas a su alrededor

reaccionar para entender mejor la psicología social.

Diseño de Investigación Experimental

La investigación experimental es un tipo de diseño de investigación en el que el estudio se lleva a cabo utilizando un

enfoque científico y dos conjuntos de variables. El primer conjunto sirve como una constante contra la cual el
se miden las variaciones en el segundo conjunto. Se utiliza la experimentación en la investigación cuantitativa

metodologías, por ejemplo. Si careces de suficiente evidencia para respaldar tus conclusiones, debes
primero establece los hechos. La investigación experimental recopila datos para ayudarte a tomar mejores decisiones

los juicios. La experimentación se utiliza en cualquier investigación realizada de manera científicamente apropiada

configuraciones. La efectividad de las investigaciones experimentales depende de que los investigadores verifiquen

que un cambio en una variable se debe únicamente a la modificación de la variable constante. El estudio debería

identificar una causa y efecto notable. La definición tradicional de diseño experimental es “el
estrategias empleadas para recopilar datos en investigaciones experimentales.” Hay tres tipos de
diseños experimentales:

Creado por Anu☺

 40

●Diseño de investigación pre-experimental

●Diseño de investigación experimental verdadero

Diseño de investigación cuasi-experimental

3. Investigación correlacional: La investigación correlacional es una técnica de investigación no experimental. Se

ayuda a los investigadores a establecer una relación entre dos variables estrechamente conectadas. No hay
suposición al evaluar una relación entre dos otras variables y análisis estadístico
técnicas calculan la relación entre ellos. Este tipo de investigación requiere dos diferentes
grupos.
Un coeficiente de correlación determina la correlación entre dos variables cuyos valores varían.
entre -1 y +1. Si el coeficiente de correlación está cerca de +1, indica una relación positiva
entre las variables, y -1 significa una relación negativa entre las dos variables.
4. Investigación diagnóstica: En el diseño diagnóstico, el investigador busca evaluar las causas subyacentes.
causa de un tema o fenómeno específico. Este método ayuda a uno a aprender más sobre los factores que
crear situaciones problemáticas.
Este diseño tiene tres partes de la investigación:
Incepción del problema
●Diagnóstico del problema
●Solución para el problema
5. Investigación explicativa: El diseño explicativo utiliza las ideas y pensamientos de un investigador sobre un tema.

para explorar más a fondo sus teorías. El estudio explica aspectos no explorados de un tema y detalla
las preguntas de investigación: qué, cómo y por qué.

Diseño de Investigación Exploratoria

Se lleva a cabo para un problema de investigación cuando el investigador no tiene datos del pasado o solo algunos estudios.

para referencia. A veces esta investigación es informal y no estructurada. Sirve como una herramienta para la inicial

investigación que proporciona una idea hipotética o teórica del problema de investigación. No ofrecerá
soluciones concretas para el problema de investigación. Esta investigación se lleva a cabo con el fin de determinar el

la naturaleza del problema y ayuda al investigador a desarrollar una mejor comprensión del problema.
La investigación exploratoria es flexible y proporciona la base inicial para investigaciones futuras.
La investigación exploratoria requiere que el investigador investigue diferentes fuentes, como publicaciones

Creado por Anu☺

 41

datos secundarios, datos de otras encuestas, observación de elementos de investigación y opiniones sobre un

empresa, producto o servicio.

Beneficios del Diseño de Investigación

Claridad de los objetivos de investigación: El diseño de investigación proporciona una comprensión clara de la investigación

objetivos y los resultados deseados.

Aumento de la validez y fiabilidad: Para garantizar la validez y fiabilidad de los resultados, la investigación

el diseño ayuda a minimizar el riesgo de sesgo y ayuda a controlar variables externas.

Mejora en la recolección de datos: El diseño de investigación ayuda a garantizar que se recojan los datos adecuados y

los datos se recogen de manera sistemática y coherente.

Mejor análisis de datos: El diseño de la investigación ayuda a asegurar que los datos recolectados puedan ser analizados.

efectivamente, proporcionando ideas y conclusiones significativas.

Comunicación mejorada: Una investigación bien diseñada ayuda a asegurar que los resultados sean claros y

influente dentro del equipo de investigación y en los interesados externos.

Uso eficiente de los recursos: reduciendo el riesgo de desperdicio y maximizando el impacto de la
La investigación, el diseño de investigación ayuda a garantizar que los recursos se utilicen de manera eficiente.

Un plan de investigación bien diseñado es esencial para una investigación exitosa, proporcionando claridad y

perspectivas significativas y asegurando que los recursos deben ser prácticos

Variables Independientes y Dependientes

●La variable independiente es la causa. Su valor es independiente de otras variables en su
estudiar.
●La variable dependiente es el efecto. Su valor depende de los cambios en la variable independiente.

variable.
variable independiente
Una variable independiente es la variable que manipulas o varías en un estudio experimental para
explorar sus efectos. Se llama "independiente" porque no está influenciado por ninguna otra variable en
el estudio.
Las variables independientes también se llaman:
●Variables explicativas (explican un evento o resultado)
● Variables predictoras (se pueden utilizar para predecir el valor de una variable dependiente)

Creado por Anu☺

 42

●Variables del lado derecho (aparecen en el lado derecho de una ecuación de regresión).
Estos términos se utilizan especialmente en estadística, donde se estima el grado en el que un
El cambio en la variable independiente puede explicar o predecir cambios en la variable dependiente.
Variables de sujeto
Las variables de sujeto son características que varían entre los participantes y no se pueden manipular.
por investigadores. Por ejemplo, la identidad de género, la etnicidad, la raza, los ingresos y la educación son todos

variables de sujeto importantes que los investigadores sociales tratan como variables independientes.
No es posible asignar esto al azar a los participantes, ya que son características de
grupos ya existentes. En su lugar, puede crear un diseño de investigación donde compare los
resultados de grupos de participantes con características. Este es un diseño cuasi-experimental
porque no hay asignación aleatoria. Cabe destacar que cualquier método de investigación que use no aleatorio

Las asignaciones están en riesgo de sesgos de investigación como el sesgo de selección y el sesgo de muestreo.

Variable dependiente
Una variable dependiente es la variable que cambia como resultado de la variable independiente.
manipulación. Es el resultado que te interesa medir, y "depende" de tu
variable independiente.
En estadística, las variables dependientes también se llaman:
Variables de respuesta (responden a un cambio en otra variable)
Variables de resultado (representan el resultado que deseas medir)
Variables del lado izquierdo (aparecen en el lado izquierdo de una ecuación de regresión)
La variable dependiente es lo que registras después de haber manipulado la variable independiente.
Utilizas estos datos de medición para verificar si y hasta qué punto tu variable independiente
influye en la variable dependiente al realizar análisis estadísticos.
Según tus hallazgos, puedes estimar el grado en que tu variable independiente
la variación impulsa cambios en tu variable dependiente. También puedes predecir cuánto tu
la variable dependiente cambiará como resultado de la variación en la variable independiente.

Investigación Cualitativa y Cuantitativa

Investigación cualitativa: La investigación cualitativa se utiliza para obtener una comprensión del ser humano

comportamiento, intenciones, actitudes, experiencia, etc., basados en la observación e interpretación de

Creado por Anu☺

 43

personas. Es una técnica no estructurada y exploratoria que trata con alta complejidad
fenómenos. Este tipo de investigación suele hacerse para comprender el tema en profundidad. Se realiza
realizando entrevistas con preguntas abiertas, observaciones que se describen en palabras,
y así sucesivamente.
Investigación Cuantitativa: El método de investigación cuantitativa se basa en los métodos de las ciencias naturales,

que desarrolla hechos duros y datos numéricos. Establece la relación de causa y efecto
entre dos variables utilizando diferentes métodos estadísticos, computacionales y estadísticos. A medida que
los resultados se miden de manera precisa y exacta, este método de investigación también se denomina 'Empírico'

Investigación”. Este tipo de investigación se utiliza generalmente para establecer hechos generalizados sobre un particular
Este tipo de investigación se realiza generalmente mediante encuestas, experimentos, etc.

Diferencia entre la Investigación Cualitativa y Cuantitativa

Investigación cualitativa Investigación Cuantitativa

A método para desarrollar un mejor Es el método utilizado para generar numérico

comprensión de las ciencias humanas y sociales, datos utilizando muchas técnicas como
en la comprensión del comportamiento humano y lógico, estadístico y matemático
personalidades mejor técnicas

Emplea un enfoque subjetivo Emplea un enfoque objetivo

Generalmente se expresa usando palabras Se expresa utilizando gráficos y números

It has open-ended questions Tiene preguntas de opción múltiple

La investigación cualitativa necesita solo unos pocos cuantitativos. la investigación requiere mucho

encuestados encuestados

Creado por Anu☺

 44

Los métodos de recopilación de datos involucrados son

entrevistas, grupos de enfoque, revisión de literatura, experimentos, encuestas y observaciones
etnografía expresado en números

La investigación cualitativa es holística por naturaleza La investigación cuantitativa es particularista en

naturaleza

El razonamiento utilizado para sintetizar datos en este El razonamiento utilizado para sintetizar datos en

la investigación es inductiva esta investigación es deductiva

{"involves":"involucra","process-oriented":"orientado a procesos","does not involve":"no involucra"} a

consulta investigación orientada a procesos

Desarrolla la comprensión inicial de los datos Recomienda un curso de acción final

Los datos tomados en la investigación cualitativa son bastante

el método es bastante verbal medible

El objetivo de este método de investigación es El objetivo principal de la investigación cuantitativa

involucrarse y descubrir varias ideas es examinar la causa y efecto entre
las variables

Es uno de los métodos de investigación exploratoria. Es un método de investigación concluyente

(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)
##############################################################################

Creado por Anu☺

 45

Módulo IV: Muestreo

{"Statistical Population":"Población estadística","Sample":"Muestra","Sampling Frame":"Marco de muestreo","Sampling Error":"Error de muestreo","Sample Size":"Tamaño de la muestra"}

Características de una buena muestra. Muestra de probabilidad – Muestra aleatoria simple, sistemática

Muestra, Muestra Aleatoria Estratificada y Muestreo por Etapas. Determinación del tamaño de la muestra

Population
Una población es el conjunto completo de individuos, ya sea que ese grupo comprenda una nación o un
grupo de personas con una característica común.
En estadística, una población es el grupo de individuos del cual se extrae una muestra estadística para un
estudio. Así, cualquier selección de individuos agrupados por una característica común puede decirse que es un

población. Una muestra también puede referirse a una porción estadísticamente significativa de una población, no a un

población entera. Por esta razón, un análisis estadístico de una muestra debe informar el aproximado
la desviación estándar, o el error estándar, de sus resultados de toda la población. Solo un análisis de
una población entera no tendría error estándar.
●En el uso ordinario, una población es un grupo distinto de individuos con ciudadanía compartida,
identidad o características.
●En estadística, una población es una muestra representativa de un grupo más grande de personas (o incluso

cosas) con una o más características en común.

●Los miembros de una población de muestra deben ser seleccionados al azar para que los resultados del

estudio para reflejar con precisión el todo.

●El Censo de EE. UU. es quizás la encuesta más ambiciosa que existe, dado que implica un
una encuesta puerta a puerta de toda la población en lugar de un estudio de grupo de muestra.
Las encuestas de población, grandes y pequeñas, informan muchas, si no la mayoría, de las decisiones del gobierno y

negocios.
Población
Incluye todos los elementos del conjunto de datos y características medibles de la población.
tales como la media y la desviación estándar se conocen como un parámetro. Por ejemplo, todas las personas que viven en

India indica la población de India.

Población Finita
Población Infinita
●Existent Population

Creado por Anu☺

 46

●Población Hipotética
Población Finita
La población finita también se conoce como una población contable en la cual la población puede ser
contada. En otras palabras, se define como la población de todos los individuos u objetos que son
finito. Para el análisis estadístico, la población finita es más ventajosa que la infinita
población. Ejemplos de poblaciones finitas son los empleados de una empresa, consumidores potenciales en un

mercado.
Población Infinita
La población infinita también se conoce como una población incontable en la que la contabilidad de
No es posible tener unidades en la población. Un ejemplo de una población infinita es el número de gérmenes.
en el cuerpo del paciente es inconmensurable.

Población Existente
La población existente se define como la población de individuos concretos. En otras palabras, el
La población cuya unidad está disponible en forma sólida se conoce como población existente. Ejemplos son
libros, estudiantes, etc.
Población Hipotética
La población en la que su unidad no está disponible en forma sólida se conoce como la hipotética
población. Una población consiste en conjuntos de observaciones, objetos, etc. que son todo algo en
común. En algunas situaciones, las poblaciones son solo hipotéticas. Ejemplos son un resultado de
tirar los dados, el resultado de lanzar una moneda

Muestra
Incluye una o más observaciones que se extraen de la población y lo medible
una característica de una muestra es una estadística. El muestreo es el proceso de seleccionar la muestra de la
población. Por ejemplo, algunas personas que viven en India son una muestra de la población.
Básicamente, hay dos tipos de muestreo. Son:
Muestreo probabilístico
Muestreo no probabilístico
Muestreo por probabilidad
En el muestreo probabilístico, las unidades de la población no pueden ser seleccionadas a discreción del

investigador. Esto se puede tratar siguiendo ciertos procedimientos que asegurarán que cada unidad

Creado por Anu☺

 47

de la población consiste en una probabilidad fija de ser incluido en la muestra. Tal método
también se llama muestreo aleatorio. Algunas de las técnicas utilizadas para el muestreo probabilístico son:
Muestreo aleatorio simple
Muestreo por clúster
Muestreo estratificado
Muestreo desproporcionado
Muestreo proporcional
Muestra estratificada de asignación óptima
Muestreo en múltiples etapas

Muestreo No Probabilístico
En el muestreo no probabilístico, las unidades de la población pueden ser seleccionadas a discreción del
investigador. Esas muestras utilizarán los juicios humanos para seleccionar unidades y no tienen
base teórica para estimar las características de la población. Algunas de las técnicas utilizadas
para muestreo no probabilístico son
Muestreo por cuotas

Muestreo por juicio

Muestreo intencionado

Comparación Población Muestra

Significado Colección de todas las unidades o elementos que un subgrupo de los miembros
poseen características comunes de la población

Incluye Each and every element of a group Solo incluye un puñado de

unidades de población

Características Parámetro Estadística

Recopilación de Datos Enumeración completa o censo Muestreo o encuesta de muestra

Enfocarse en Identificación de las características Haciendo inferencias sobre el

población

Creado por Anu☺

 48

Marco de muestreo:
El marco de muestreo (sinónimos: "marco de muestra", "marco de encuesta") es el conjunto real de unidades de ...

de la cual se ha extraído una muestra: en el caso de una muestra aleatoria simple, todas las unidades de
el marco de muestreo tiene la misma probabilidad de ser seleccionado y de ocurrir en la muestra. En el caso ideal,

el marco de muestreo debería coincidir con la población de interés.

Características del Marco de Muestra

El marco de muestreo debe ser representativo de la población, sin repeticiones de unidades. Solo
las unidades en el marco deben ser incluidas y no aquellas que quedan fuera de su ámbito. El muestreo
el marco enumera los detalles básicos de la unidad y puede no proporcionar información complementaria sobre el

unidad.
Un marco inadecuado establecerá el camino para un estudio inadecuado. Un buen marco de muestreo es preciso,
y completo. Nos referimos a completo en el sentido de que deben incluirse todas las unidades posibles. Si un
el estudio de los hábitos de estudio de los niños es la población, debe incluir a los niños en edad escolar pero

no se deben excluir a los niños que reciben educación en casa.

Por precisión se entiende que el marco debe incluir todas las unidades de la población. Si planeamos estudiar
hogares con más de 4 miembros, y incluimos familias con menos de 4 miembros o
contar doble a un individuo que se queda con sus padres y sus abuelos durante 3 meses en un
tiempo (doble conteo) sería un marco inexacto.
Un marco de muestreo debe ser actual y relevante. Un estudio de personas que se encuentran en una zona solo puede

utiliza fuentes secundarias que sean actuales. Un informe del censo o una lista administrativa de ciudadanos

residir en la zona que se creó hace 5 años sería irrelevante.

Tipos de Marcos de Muestreo

Hay dos tipos de marcos de muestreo. Son marcos de área y marcos de lista. Normalmente el
la encuesta comienza utilizando un marco de área y luego pasa a un marco de lista.
Los marcos de muestreo por áreas cubren grandes áreas geográficas. Estas áreas están claramente delimitadas, tienen

las cifras de población se mapean y generalmente cubren grandes áreas. Típicamente, los marcos de área cubren un

la nación y las cifras del censo nacional se utilizan como punto de partida.
Un marco de lista es un marco que contiene una lista de la población objetivo. La lista del censo puede ser más...

investigado para factores adicionales. Esta información puede convertirse en la base de un marco de lista.

Creado por Anu☺

 49

Problemas con los Marcos de Muestreo

Algunos de los problemas de los marcos de muestreo son el sesgo no muestral debido a la obsolescencia y

inexactitud del marco de muestreo. La no inclusión de unidades representativas de la población puede

resultar en un marco de muestreo inadecuado.
Los marcos de muestreo ayudan a proporcionar claridad en el diseño de investigación y ayudan a los investigadores a seleccionar

muestra para su estudio.

Error de muestreo
Un error de muestreo es un error estadístico que ocurre cuando un analista no selecciona una muestra que
representa toda la población de datos. Como resultado, los resultados encontrados en la muestra no
representar los resultados que se obtendrían de toda la población.
El muestreo es un análisis realizado seleccionando un número de observaciones de un grupo mayor.
población. El método de selección puede producir tanto errores de muestreo como errores no de muestreo.
●Un error de muestreo ocurre cuando la muestra utilizada en el estudio no es representativa de
población total.
●El muestreo es un análisis realizado al seleccionar un número de observaciones de un grupo mayor.

población.
●Incluso las muestras aleatorias tendrán algún grado de error de muestreo porque una muestra es

solo una aproximación de la población de la que se extrae.

La prevalencia de errores de muestreo se puede reducir aumentando el tamaño de la muestra.
En general, los errores de muestreo se pueden clasificar en cuatro categorías: error específico de la población,

error de selección, error del marco de muestra o error de no respuesta.

Entendiendo los Errores de Muestreo

Un error de muestreo es una desviación en el valor muestreado frente al valor verdadero de la población. Muestreo

Los errores ocurren porque la muestra no es representativa de la población o está sesgada de alguna manera.
Incluso las muestras aleatorias tendrán algún grado de error de muestreo porque una muestra es solo un
aproximación de la población de la que se extrae.
Calculando el Error de Muestreo
La fórmula del error de muestreo se utiliza para calcular el error de muestreo general en el análisis estadístico.

El error de muestreo se calcula dividiendo la desviación estándar de la población entre el

Creado por Anu☺

 50

raíz cuadrada del tamaño de la muestra y luego multiplicando el resultado por el valor del puntaje Z,
que se basa en el intervalo de confianza.

Sampling Error= ×[σ ÷ ]

dónde:
Z=valor del puntaje Z basado en el intervalo de confianza (aprox=1.96)
σ=Desviación estándar de la población
n=Tamaño de la muestra

Tipos de Errores de Muestreo

Error Específico de Población
Un error específico de población ocurre cuando un investigador no entiende a quién encuestar.
Error de selección
El error de selección ocurre cuando la encuesta es autoseleccionada, o cuando solo participan aquellos que son
interesados en la encuesta, respondan a las preguntas. Los investigadores pueden intentar superar la selección

error al encontrar maneras de fomentar la participación.

Error de cuadro de muestra

Un error de marco muestral ocurre cuando una muestra se selecciona de los datos de población equivocados.
Error de no respuesta
Un error de no respuesta ocurre cuando no se obtiene una respuesta útil de las encuestas porque
los investigadores no pudieron contactar a los posibles encuestados (o los posibles encuestados se negaron a

responder).

Sample Size
En estadística, el tamaño de la muestra es la medida del número de muestras individuales utilizadas en un
experimento. Por ejemplo, si estamos probando 50 muestras de personas que ven televisión en una ciudad, entonces el

el tamaño de la muestra es 50.

El tamaño de la muestra se define como el número de observaciones utilizadas para determinar las estimaciones de

una población dada. El tamaño de la muestra se ha extraído de la población. El muestreo es el

proceso de selección de un subconjunto de individuos de la población para estimar las características

Creado por Anu☺

 51

de toda la población. El número de entidades en un subconjunto de una población se selecciona para

análisis.
Fórmula
La fórmula del tamaño de la muestra para la población infinita se da por:

SS= Z2P(1-P)
C2
Dónde
SS = Sample Size
Z = Z -Valor
●90% – Z Score = 1.645
●95% – Puntaje Z = 1.96
●99% – Z Score = 2.576
P = Porcentaje de Población
C = Confidence interval

Las características de una buena muestra son:

Una muestra ideal debe ser representativa de la población correspondiente a sus propiedades.
No debe faltar en ninguna característica de la población.
Debe ser imparcial y debe obtenerse mediante un método aleatorio de un procesador de probabilidad.

Debe hacer que el trabajo de investigación sea más factible y tener la viabilidad para la investigación.

situación.
●Debe producir un resultado preciso y no involucrar errores. La probabilidad de error puede
ser estimado.
●La muestra debe ser adecuada para asegurar la fiabilidad. Una muestra que tenga el 10% del total

la población es generalmente adecuada.

Creado por Anu☺

 52

●La muestra debe ser integral. Es una calidad de muestra que se controla por el
propósito específico de la investigación.
Las unidades de muestra deben ser elegidas de manera sistemática y objetiva.

Métodos de muestreo probabilístico

La muestreo probabilístico significa que cada miembro de la población tiene una oportunidad de ser seleccionado.

Se utiliza principalmente en la investigación cuantitativa. Si deseas producir resultados que sean representativos de

la población completa, las técnicas de muestreo probabilístico son la opción más válida.

Creado por Anu☺

 53

1. Muestreo aleatorio simple

En una muestra aleatoria simple, cada miembro de la población tiene la misma oportunidad de ser
seleccionado. Su marco de muestreo debe incluir toda la población.
Para realizar este tipo de muestreo, puedes utilizar herramientas como generadores de números aleatorios u otros

técnicas que se basan completamente en el azar.

2. Muestreo sistemático
El muestreo sistemático es similar al muestreo aleatorio simple, pero generalmente es un poco más fácil de
conducta. Cada miembro de la población está enumerado con un número, pero en lugar de aleatoriamente

generando números, se eligen individuos a intervalos regulares.

Creado por Anu☺

 54

3. Muestreo estratificado
El muestreo estratificado implica dividir la población en subpoblaciones que pueden diferir en
maneras importantes. Te permite sacar conclusiones más precisas al asegurar que cada subgrupo es
debidamente representado en la muestra.
Para utilizar este método de muestreo, divides la población en subgrupos (llamados estratos) basados en
la característica relevante (por ejemplo, identidad de género, rango de edad, nivel de ingresos, rol laboral).

Basado en las proporciones generales de la población, calculas cuántas personas deberían ser
muestrado de cada subgrupo. Luego usas muestreo aleatorio o sistemático para seleccionar una muestra
de cada subgrupo.
4. Muestreo por conglomerados
El muestreo por conglomerados también implica dividir la población en subgrupos, pero cada subgrupo debe
tienen características similares a toda la muestra. En lugar de muestrear individuos de cada
subgrupo, seleccionas aleatoriamente subgrupos enteros.
Si es prácticamente posible, podrías incluir a cada individuo de cada grupo muestreado. Si el
los clústeres en sí son grandes, también puedes muestrear individuos dentro de cada clúster usando uno
de las técnicas mencionadas anteriormente. Esto se llama muestreo por etapas.
Este método es bueno para tratar con poblaciones grandes y dispersas, pero hay más riesgo de
error en la muestra, ya que podría haber diferencias sustanciales entre clústeres. Es difícil
garantizar que los clústeres muestreados son realmente representativos de toda la población.
5. Muestreo por etapas
En el muestreo en varias etapas, o muestreo por conglomerados en varias etapas, se extrae una muestra de una población.

usando grupos (unidades) cada vez más pequeños en cada etapa. A menudo se utiliza para recopilar datos de una gran,

grupo de personas distribuidas geográficamente en encuestas nacionales.

El muestreo por etapas a menudo se considera una versión extendida del muestreo por conglomerados.
En el muestreo por etapas, divides la población en grupos y seleccionas algunos grupos en el
primera etapa. En cada etapa subsiguiente, divides aún más esos clústeres seleccionados en más pequeños
clusters, y repite el proceso hasta llegar al último paso. En el último paso, solo seleccionas
algunos miembros de cada clúster para su muestra.
Al igual que en el muestreo de una sola etapa, comienzas definiendo tu población objetivo. Pero en el muestreo por etapas múltiples

muestreo, no necesitas un marco de muestreo que enumere a todos los miembros de la población. Eso es
por qué este método es útil para recopilar datos de poblaciones grandes y dispersas.

Creado por Anu☺

 55

Métodos de muestreo no probabilístico

En una muestra no probabilística, los individuos se seleccionan según criterios no aleatorios, y no todos
un individuo tiene la oportunidad de ser incluido.
Este tipo de muestra es más fácil y barato de acceder, pero tiene un mayor riesgo de sesgo de muestreo.
significa que las inferencias que puedes hacer sobre la población son más débiles que con la probabilidad

muestras, y tus conclusiones pueden ser más limitadas. Si utilizas una muestra no probabilística, tú
debería seguir intentando que sea lo más representativo posible de la población.
Las técnicas de muestreo no probabilístico se utilizan a menudo en la investigación exploratoria y cualitativa.

these types of research, the aim is not to test a hypothesis about a broad population, but to
desarrollar una comprensión inicial de una población pequeña o poco investigada.

1. Muestreo por conveniencia

Una muestra por conveniencia incluye simplemente a los individuos que son más accesibles.
investigador.
This is an easy and inexpensive way to gather initial data, but there is no way to tell if the sample
es representativo de la población, por lo que no puede producir resultados generalizables. Conveniencia

las muestras están en riesgo tanto de sesgo de muestreo como de sesgo de selección.

Creado por Anu☺

 56

[Link] de respuesta voluntaria

Similar a una muestra de conveniencia, una muestra de respuesta voluntaria se basa principalmente en la facilidad de acceso.

En lugar de que el investigador elija a los participantes y los contacte directamente, las personas se ofrecen como voluntarias.

a sí mismos (por ejemplo, respondiendo a una encuesta pública en línea).

Lasmuestrasderespuestavoluntariasiempreestánalmenosalgosesgadas,yaquealgunaspersonasinherentemente
ser más propensos a ofrecerse como voluntarios que otros, lo que conduce a un sesgo de auto-selección.
3. Muestreo intencionado
Este tipo de muestreo, también conocido como muestreo por juicio, implica que el investigador utilice su

experiencia para seleccionar una muestra que sea más útil para los propósitos de la investigación.
A menudo se utiliza en la investigación cualitativa, donde el investigador quiere adquirir conocimientos detallados.

sobre un fenómeno específico en lugar de hacer inferencias estadísticas, o donde la población está
muy pequeño y específico. Una muestra intencionada efectiva debe tener criterios claros y una justificación para

inclusión. Asegúrate siempre de describir tus criterios de inclusión y exclusión y ten cuidado con
sesgo del observador que afecta tus argumentos.

4. Muestreo por bola de nieve

Si la población es difícil de acceder, se puede utilizar el muestreo en bola de nieve para reclutar participantes a través de otros
los participantes. El número de personas a las que tienes acceso 'se incrementa' a medida que entras en contacto con

más personas. La desventaja aquí también es la representatividad, ya que no tienes forma de saber cómo
representativo, su muestra se debe a la dependencia de que los participantes recluten a otros. Esto puede llevar a

a sesgo de muestreo.
5. Muestreo por cuotas
La muestreo por cuotas se basa en la selección no aleatoria de un número o proporción predeterminada de
unidades. Esto se llama una cuota.
Primero divides la población en subgrupos mutuamente excluyentes (llamados estratos) y luego reclutas.
unidades de muestra hasta que alcances tu cuota. Estas unidades comparten características específicas, determinadas por

tú antes de formar tu estrato. El objetivo de la muestra por cuotas es controlar qué o quién forma parte de

tu muestra.

(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)
##############################################################################

Creado por Anu☺

 57

Módulo V: Análisis de Datos

Preparación de datos - análisis univariante - tablas de frecuencia, gráficos de barras, gráficos de pastel, porcentajes
Análisis bivariado - Tablas cruzadas y prueba de Chi-cuadrado - prueba de hipótesis de
asociación-Interpretación de Datos y Escritura de Informes

Preparación de datos
La preparación de datos es el proceso de recopilar, combinar, estructurar y organizar datos para que puedan
se utilizará en aplicaciones de inteligencia empresarial (BI), análisis y visualización de datos.
los componentes de la preparación de datos incluyen el preprocesamiento de datos, la creación de perfiles, la limpieza, la validación y

transformación; a menudo también implica reunir datos de diferentes sistemas internos y

fuentes externas.
El trabajo de preparación de datos lo realiza el departamento de tecnología de la información (TI), los equipos de inteligencia empresarial (BI) y los equipos de gestión de datos.

a medida que integran conjuntos de datos para cargar en un almacén de datos, base de datos NoSQL o repositorio de lago de datos,

y luego, cuando se desarrollan nuevas aplicaciones analíticas con esos conjuntos de datos. Además, los datos

los científicos, ingenieros de datos, otros analistas de datos y usuarios de negocios utilizan cada vez más datos de autoservicio
herramientas de preparación para recopilar y preparar datos por sí mismos.
La preparación de datos a menudo se denomina de manera informal como preparación de datos. También se conoce como manipulación de datos.

aunque algunos practicantes usan ese término en un sentido más estrecho para referirse a la limpieza, estructuración

y transformando datos; ese uso distingue la limpieza de datos de la etapa de preprocesamiento de datos.
Propósitos de la preparación de datos

Uno de los propósitos principales de la preparación de datos es asegurar que los datos en bruto estén listos para

el procesamiento y análisis son precisos y consistentes, por lo que los resultados de las aplicaciones de BI y análisis

será válido. Los datos se crean comúnmente con valores faltantes, inexactitudes u otros errores, y
los conjuntos de datos separados a menudo tienen diferentes formatos que necesitan ser reconciliados cuando se combinan.

Corregir errores de datos, validar la calidad de los datos y consolidar conjuntos de datos son grandes partes de los datos.

proyectos de preparación.
Data preparation also involves finding relevant data to ensure that analytics applications deliver
información significativa y conocimientos prácticos para la toma de decisiones empresariales. Los datos a menudo son

enriquecido y optimizado para hacerlo más informativo y útil -- por ejemplo, mediante la combinación
conjuntos de datos internos y externos, creando nuevos campos de datos, eliminando valores atípicos y abordando
conjuntos de datos desequilibrados que podrían sesgar los resultados analíticos.

Creado por Anu☺

 58

¿Cuáles son los beneficios de la preparación de datos?

Los científicos de datos a menudo se quejan de que pasan la mayor parte de su tiempo recopilando, limpiando y

estructurar datos en lugar de analizarlos. Un gran beneficio de un proceso de preparación de datos efectivo es
que ellos y otros usuarios finales pueden centrarse más en la minería de datos y el análisis de datos -- las partes de su

trabajo que genera valor para el negocio. Por ejemplo, la preparación de datos se puede realizar más rápidamente, y

Los datos preparados pueden ser alimentados automáticamente a los usuarios para aplicaciones de análisis recurrentes.
Hecho correctamente, la preparación de datos también ayuda a una organización a hacer lo siguiente:

●asegurar que los datos utilizados en las aplicaciones de análisis produzcan resultados confiables;

●identificar y arreglar problemas de datos que de otro modo podrían no ser detectados;

● permitir una toma de decisiones más informada por parte de los ejecutivos comerciales y los trabajadores operativos;

●reducir los costos de gestión de datos y análisis;

●evitar la duplicación de esfuerzos en la preparación de datos para su uso en múltiples aplicaciones; y

obtener un mayor ROI de las iniciativas de BI y análisis.

La preparación de datos efectiva es especialmente beneficiosa en entornos de big data que almacenan un
combinación de datos estructurados, semiestructurados y no estructurados, a menudo en forma cruda hasta que se

necesario para usos analíticos específicos. Esos usos incluyen análisis predictivo, aprendizaje automático
(ML) y otras formas de análisis avanzado que típicamente involucran grandes cantidades de datos para
preparar. Por ejemplo, en un artículo sobre la preparación de datos para el aprendizaje automático, Felix Wick, corporativo

el vicepresidente de ciencia de datos en el proveedor de software de cadena de suministro BlueYonder, es citado diciendo

la preparación de datos "está en el corazón del ML."

Pasos en el proceso de preparación de datos
La preparación de datos se realiza en una serie de pasos. Hay cierta variación en los pasos de preparación de datos.

listados por diferentes profesionales de datos y proveedores de software, pero el proceso generalmente implica el

tareas siguientes:
Recopilación de datos. Se recopilan datos relevantes de sistemas operativos, almacenes de datos, lagos de datos.
y otras fuentes de datos. Durante este paso, los científicos de datos, miembros del equipo de BI, otros datos

los profesionales y los usuarios finales que recopilan datos deben confirmar que es adecuado para los objetivos
de las aplicaciones de análisis planificadas.
Descubrimiento y perfilado de datos. El siguiente paso es explorar los datos recopilados para comprender mejor.

lo que contiene y lo que necesita hacerse para prepararlo para los usos previstos. Para ayudar con eso,

Creado por Anu☻

 59

El perfilado de datos identifica patrones, relaciones y otros atributos en los datos, así como
inconsistencias, anomalías, valores faltantes y otros problemas para que puedan ser abordados.
Limpieza de datos. A continuación, se corrigen los errores y problemas de datos identificados para crear completos y
conjuntos de datos precisos. Por ejemplo, como parte de la depuración de conjuntos de datos, se eliminan o corrigen los datos erróneos.

se rellenan los valores faltantes y se armonizan las entradas inconsistentes.

Estructuración de datos. En este punto, los datos necesitan ser modelados y organizados para cumplir con el

requerimientos de análisis. Por ejemplo, datos almacenados en archivos de valores separados por comas (CSV) u otros

los formatos de archivo tienen que ser convertidos en tablas para hacerlos accesibles a herramientas de BI y análisis.
Transformación y enriquecimiento de datos. Además de estar estructurados, los datos típicamente deben
ser transformados en un formato unificado y utilizable. Por ejemplo, la transformación de datos puede involucrar

creando nuevos campos o columnas que agreguen valores de los existentes. Enriquecimiento de datos adicional
mejora y optimiza conjuntos de datos según sea necesario, mediante medidas como la ampliación y adición

datos.
Validación de datos y publicación. En este último paso, se ejecutan rutinas automatizadas contra los datos para

valide su consistencia, integridad y precisión. Los datos preparados se almacenan en un dato

almacén, un lago de datos u otro repositorio y ya sea utilizado directamente por quien lo preparó o
puestos a disposición de otros usuarios para acceder.
La preparación de datos también puede incorporar o alimentar el trabajo de curaduría de datos que crea y supervisa.

conjuntos de datos listos para usar para BI y análisis. La curación de datos implica tareas como la indexación,

catalogar y mantener conjuntos de datos y sus metadatos asociados para ayudar a los usuarios a encontrar y acceder
los datos. En algunas organizaciones, el curador de datos es un rol formal que trabaja de manera colaborativa con los datos

científicos, analistas de negocios, otros usuarios y los equipos de IT y gestión de datos. En otros, los datos
puede ser curado por administradores de datos, ingenieros de datos, administradores de bases de datos o científicos de datos y

los propios usuarios de negocios.

Creado por Anu☺

 60

¿Cuáles son los desafíos de la preparación de datos?

La preparación de datos es inherentemente complicada. Los conjuntos de datos se recopilan de diferentes fuentes.

los sistemas tienen una alta probabilidad de tener numerosos problemas de calidad de datos, precisión y consistencia

resolver. Los datos también deben ser manipulados para hacerlos utilizables, y los datos irrelevantes deben ser
eliminado. Como se mencionó anteriormente, es un proceso que lleva tiempo: La regla del 80/20 se aplica a menudo a

aplicaciones de análisis, con aproximadamente el 80% del trabajo destinado a recopilar y preparar
datos y solo el 20% a analizarlos.
●Perfilado de datos inadecuado o inexistente. Si los datos no se perfilan correctamente, ocurren errores,

las anomalías y otros problemas pueden no ser identificados, lo que puede resultar en fallos

análisis.
●Falta de datos o datos incompletos. Los conjuntos de datos a menudo tienen valores faltantes y otras formas de

datos incompletos; tales problemas deben evaluarse como posibles errores y abordarse si es así.
●Valores de datos inválidos. Errores tipográficos, otras faltas de ortografía y números incorrectos son ejemplos de

entradas inválidas que ocurren con frecuencia en los datos y deben ser corregidas para garantizar la analítica

exactitud.
●Name and address [Link] and addresses may be inconsistent in data
de diferentes sistemas, con variaciones que pueden afectar las opiniones de los clientes y otros

entidades.
●Datos inconsistentes en los sistemas empresariales. Otras inconsistencias en los conjuntos de datos extraídos

de múltiples sistemas de origen, como diferentes terminologías e identificadores únicos, son

también es un problema generalizado en los esfuerzos de preparación de datos.

●Enriquecimiento de datos. Decidir cómo enriquecer un conjunto de datos, por ejemplo, qué añadirle, es

una tarea compleja que requiere una sólida comprensión de las necesidades comerciales y los objetivos analíticos.
●Mantener y expandir los procesos de preparación de datos. El trabajo de preparación de datos a menudo se vuelve

un proceso recurrente que debe mantenerse y mejorarse de manera continua.

Análisis univariante
Es un tipo básico de técnica de análisis para datos estadísticos. Aquí los datos contienen una sola variable.
y no tiene que ver con la relación de causa y efecto. Por ejemplo, considere un
encuesta de un aula. Los analistas querrían contar el número de chicos y chicas en el
habitación. Los datos aquí simplemente hablan sobre el número que es una variable única y la variable

Creado por Anu☺

 61

cantidad. El objetivo principal del análisis univariado es describir los datos para descubrir
los patrones en los datos. Esto se hace al observar la media, la moda, la mediana, la desviación estándar,
dispersión, etc.
El análisis univariado es básicamente la forma más simple de analizar datos. Uni significa uno y esto significa
que los datos solo tienen un tipo de variable. La razón principal para el análisis univariante es utilizar el
Datos a describir. El análisis tomará datos, los resumirá y luego encontrará algún patrón en los datos.
Tipos de Análisis Univariante
Estadísticas Resumidas
El método más común para realizar análisis univariado son las estadísticas resumen.
las estadísticas apropiadas se determinan por el nivel de medición o la naturaleza de la información
contenido dentro de las variables. Los siguientes son los dos tipos más comunes de resumen
statistics:

●Medidas de dispersión: Estos números describen cuán uniformemente distribuido está el

los valores están en un conjunto de datos. El rango, la desviación estándar, el rango intercuartílico y

la varianza son algunos ejemplos.

Rango - la diferencia entre el valor máximo y el valor mínimo en un conjunto de datos

Desviación Estándar - una medida promedio de la dispersión

Rango intercuartílico - la dispersión del 50% medio de los valores

●Medidas de tendencia central: Estos números describen la ubicación de un conjunto de datos.

centro o el valor medio del conjunto de datos. La media y la mediana son dos
ejemplos.
Tabla de distribución de frecuencias

La frecuencia significa cuán a menudo ocurre algo. La frecuencia de observación indica el número
de veces para la ocurrencia de un evento. La tabla de distribución de frecuencias puede mostrar categórica o
variables cualitativas y numéricas o cuantitativas. La distribución ofrece una instantánea de los datos
y te permite descubrir los patrones.
Gráfico de barras
El gráfico de barras se representa en forma de barras rectangulares. El gráfico comparará varias
categorías. El gráfico se podría trazar verticalmente o estos podrían trazarse horizontalmente. En

Created by Anu☺
 62

en la mayoría de los casos, la barra se representará verticalmente. El eje horizontal o el eje x representará el
la categoría y el eje vertical y representa el valor de la categoría. El gráfico de barras analiza los datos
set and makes comparisons. Like for example, it may be used to see what part is taking the
¿presupuesto máximo?
Histograma
El histograma es el mismo que un gráfico de barras que analiza los conteos de datos. El gráfico de barras contará

contra categorías y el histograma muestra las categorías en intervalos. El intervalo es capaz de

showing the number of data positions, the range, or the interval.
Polígono de frecuencia
El polígono de frecuencias es bastante similar al histograma. Sin embargo, estos pueden ser utilizados para comparar

los conjuntos de datos o para mostrar la distribución de frecuencia acumulada. El polígono de frecuencia
se representará como un gráfico de líneas.
Gráfico de sectores
El gráfico circular muestra los datos en un formato circular. El gráfico está dividido en segmentos donde cada uno

la pieza es proporcional a la fracción de la categoría completa. Así que cada rebanada del pastel en el pastel
el gráfico es relativo al tamaño de las categorías. Todo el pastel es el 100 por ciento y cuando sumas cada uno de los

las porciones de pastel entonces también deberían sumar 100.

Los datos univariados son un término utilizado en estadísticas para describir datos que consisten en observaciones sobre solo

una característica o atributo. Solo hay una variable en los datos univariantes. El análisis de
los datos univariados son, por tanto, el tipo de análisis más básico porque se ocupan de una sola variable que
cambios. No está interesado en causas o relaciones, y su objetivo principal es explicar el
datos y detectar patrones dentro de ellos. Los salarios de los trabajadores en una industria son un ejemplo simple de

datos univariantes.
Las principales características de los datos univariantes son las siguientes:
●Los datos univariantes recopilan información sobre una sola variable aleatoria. Describen cada variable.

separadamente.
Los datos univariantes describen el patrón de respuesta de la variable.

Ejemplos de datos univariantes

Los salarios de los trabajadores en una industria específica; la variable en este ejemplo son los salarios de los trabajadores.
Se miden las alturas de diez estudiantes en una clase; la variable aquí son las alturas de los estudiantes.
Un veterinario quiere pesar a 20 cachorros; la variable, en este caso, es el peso de los cachorros.

Creado por Anu☺

 63

Tablas de Frecuencia
La frecuencia significa el número de veces que un valor aparece en los datos. Una tabla puede mostrarnos rápidamente

cuántas veces aparece cada valor.

Si los datos tienen muchos valores diferentes, es más fácil usar intervalos de valores para presentarlos en un
mesa.
En estadística, una tabla de frecuencias es una representación tabular que resume la distribución de un
categorical variable. It displays the frequency or count of each category or class within the
conjunto de datos. El propósito de una tabla de frecuencias es proporcionar una visión clara y organizada de la

datos, lo que permite una fácil identificación de patrones, tendencias y análisis.

Gráficos de barras

La representación pictórica de datos agrupados, en forma de rectángulos verticales u horizontales.

Las barras, donde las longitudes de las barras son equivalentes a la medida de los datos, se conocen como gráficos de barras.

o gráficos de barras.
Las barras dibujadas tienen un ancho uniforme, y la cantidad variable se representa en uno de los ejes.
Además, la medida de la variable se representa en los otros ejes. Las alturas o las longitudes de los
las barras denotan el valor de la variable, y estos gráficos también se utilizan para comparar ciertos
las cantidades. Las tablas de distribución de frecuencias se pueden representar fácilmente utilizando gráficos de barras que

simplificar los cálculos y la comprensión de los datos.

Los tres principales atributos de los gráficos de barras son:
El gráfico de barras ayuda a comparar fácilmente los diferentes conjuntos de datos entre diferentes grupos.

●Muestra la relación utilizando dos ejes, en los cuales las categorías están en un eje y el
los valores discretos están en el otro eje.
El gráfico muestra los principales cambios en los datos a lo largo del tiempo.

Tipos de gráficas de barras

Los gráficos de barras pueden ser verticales u horizontales. La característica principal de cualquier gráfico de barras es su longitud o

altura. Si la longitud del gráfico de barras es mayor, entonces los valores son mayores que cualquier dato dado.
Los gráficos de barras normalmente muestran variables categóricas y numéricas organizadas en intervalos de clase. Ellos

consiste en un eje y una serie de barras horizontales o verticales etiquetadas. Las barras representan
frecuencias de valores distintivos de una variable o comúnmente los valores distintos en sí mismos. El
el número de valores en el eje x de un gráfico de barras o el eje y de un gráfico de columnas se llama la escala.

Creado por Anu☺

 64

Los tipos de gráficos de barras son los siguientes:

Vertical gráfico de barras
Horizontal gráfico de barras
Gráficos de barras verticales
Cuando los datos agrupados se representan verticalmente en un gráfico o gráfico con la ayuda de barras, donde
las barras indican la medida de los datos, a estos gráficos se les llama gráficos de barras verticales. Los datos son

representado a lo largo del eje y del gráfico, y la altura de las barras muestra los valores.
Gráficos de barras horizontales
Cuando los datos agrupados se representan horizontalmente en un gráfico con la ayuda de barras, entonces tal
los gráficos se llaman gráficos de barras horizontales, donde las barras muestran la medida de los datos. Los datos son

representado aquí a lo largo del eje x del gráfico, y la longitud de las barras denota los valores.
Propiedades del gráfico de barras

Todas las barras deben tener una base común.

Cada columna en el gráfico de barras debe tener el mismo ancho.
La altura de la barra debería corresponder al valor de los datos.
La distancia entre cada barra debe ser la misma.
Ventajas y Desventajas del Gráfico de Barras
Ventajas:
El gráfico de barras resume el gran conjunto de datos de forma visual sencilla.

●Muestra cada categoría de datos en la distribución de frecuencia.

●Aclara mejor la tendencia de los datos que la tabla.
Ayuda a estimar los valores clave de un vistazo.
Disadvantages:
A veces, el gráfico de barras no revela los patrones, causas, efectos, etc.
Se puede manipular fácilmente para generar información falsa.

Gráfico de pastel
Un gráfico de pastel es un tipo de gráfico que representa los datos en un gráfico circular. Las porciones del pastel muestran

el tamaño relativo de los datos, y es un tipo de representación pictórica de los datos. Un gráfico de pastel
requiere una lista de variables categóricas y variables numéricas. Aquí, el término "pastel" representa
el todo, y las “rebanadas” representan las partes del todo.

Creado por Anu☺

 65

El "diagrama de pastel" también se conoce como "diagrama de círculos", dividiendo la gráfica estadística circular en

sectores o secciones para ilustrar los problemas numéricos. Cada sector denota una parte proporcional
del todo. Para averiguar la composición de algo, el gráfico circular es el mejor en ese momento. En
en la mayoría de los casos, los gráficos de torta reemplazan otros gráficos como el gráfico de barras, los diagramas de líneas, histogramas, etc.
Usos del gráfico de sectores
●Dentro de un negocio, se utiliza para comparar áreas de crecimiento, como la facturación, el beneficio y

exposición.
●Para representar datos categóricos.
●Para mostrar el rendimiento de un estudiante en un examen, etc.

Ventajas
La imagen es simple y fácil de entender
Los datos pueden ser representados visualmente como una parte fraccionaria de un todo.

Ayuda a proporcionar una herramienta de comunicación efectiva incluso para el público no informado
●Proporciona una comparación de datos para que la audiencia la vea de un vistazo y brinde un análisis inmediato.

para entender la información rápidamente

●No es necesario que los lectores examinen o midan los números subyacentes ellos mismos, lo cual puede ser

eliminado utilizando este gráfico

●Para enfatizar algunos puntos que deseas hacer, puedes manipular piezas de datos en el
gráfico de pastel
Desventajas
Se vuelve menos efectivo si hay demasiadas piezas de datos para usar
●Si hay demasiadas piezas de datos. Incluso si agregas etiquetas y números pueden no
ayuda aquí, ellos mismos pueden volverse abarrotados y difíciles de leer
●Como este gráfico solo representa un conjunto de datos, necesitas una serie para comparar múltiples conjuntos.

Esto puede dificultar el análisis y asimilación por parte de los lectores.

información rápidamente

Porcentaje
Per stands for “out of,” while cent is for “hundred.” As a result, percent denotes the quantity out
de un centésimo. La palabra porcentaje proviene de la frase latina “per centum,” que significa
“por ciento.” Los porcentajes tienen un denominador de 100, y se pueden expresar en fracciones. En

Creado por Anu☺

 66

en otras palabras, es una relación entre un componente y el todo, con el todo siempre establecido en
100.
Ejemplos de uso del porcentaje
●El porcentaje se utiliza para determinar "cuánto" o "cuántos". Un número porcentual
ayuda a calcular la cantidad exacta o cifra que se está discutiendo.
Se comparan fracciones.
Identificando un aumento o reducción porcentual
Ayuda a encontrar los porcentajes de ganancias y pérdidas.

Importancia del Uso de Porcentajes

●Los porcentajes se utilizan extensamente en una variedad de contextos. Descuentos en tiendas, bancos
las tasas de interés, las tasas de inflación y numerosos datos de los medios se expresan como porcentajes.

Los porcentajes son esenciales para comprender los aspectos financieros de la vida cotidiana.
●Usando porcentajes para expresar cambios en factores observables como ventas, pérdidas, mercado
compartir, y la tasa de toma es un enfoque simple para transmitir cambios a quienes no son matemáticamente inclinados.

personas orientadas.
● Para calcular y usar un porcentaje, necesitarás hacer algunas operaciones aritméticas básicas. También

necesita al menos dos valores numéricos que representen lo mismo, como el total de número
de unidades vendidas en el primer y segundo año.

Análisis bivariado
El análisis bivariado se define como un análisis de cualquier relación concurrente entre dos variables o
atributos. Este estudio explora la relación de dos variables así como la profundidad de esto
relación para determinar si hay discrepancias entre dos variables y cualquier causa de
esta diferencia.
Tipos de Análisis Bivariado
Los tipos de un análisis bivariado dependerán de los tipos de variables o atributos que utilizaremos.
para analizar. La variable puede ser numérica, categórica u ordinal. Si la variable independiente
es categórico, como una marca particular de bolígrafo, entonces se puede utilizar regresión logit o probit. Si
tanto los atributos independientes como los dependientes son ordinales, lo que significa que tienen una posición o

ranking, entonces podemos medir un coeficiente de correlación de rango. Si el atributo dependiente es ordinal,

entonces se puede utilizar logit ordenado o probit ordenado. Además, si el atributo dependiente es una razón

Creado por Anu☺

 67

o intervalo, como la escala de temperatura, entonces podemos medir la regresión. Así que, basado en estos datos, nosotros

puedes mencionar los tipos de análisis de datos bivariantes:

●Numérico y Numérico – En este tipo, ambas variables de datos bivariantes son independientes.
y dependiente, están teniendo valores numéricos.
●Categórico y Categórico – Cuando ambas variables son categóricas.
● Numérica y Categórica – Cuando una variable es numérica y una es categórica.
Importancia del análisis bivariado
El análisis bivariado es un método estadístico importante porque permite a los investigadores observar el
relación entre dos variables y determinar su relación. Esto puede ser útil en muchos
diferentes tipos de investigación, como ciencias sociales, medicina, marketing, y más.
El análisis bivariante ayuda a identificar tendencias y patrones: puede revelar tendencias de datos ocultas.

y patrones al evaluar la relación entre dos variables.

El análisis bivariado ayuda a identificar relaciones de causa y efecto: puede evaluar si dos
las variables están estadísticamente asociadas, ayudando a los investigadores a establecer qué variable
causa al otro.
●Ayuda a los investigadores a hacer predicciones: Les permite a los investigadores predecir resultados futuros mediante

modelando el vínculo entre dos variables.

●Ayuda a informar la toma de decisiones: negocios, políticas públicas y atención médica

La toma de decisiones puede beneficiarse del análisis bivariado.

Prueba de chi-cuadrado

La prueba de chi-cuadrado es un método estadístico para identificar disparidades en una o más categorías.
entre lo que se esperaba y lo que se observó. La premisa principal de la prueba es evaluar el
valores de datos actuales para ver qué se esperaría si la hipótesis nula fuera válida.
Los investigadores utilizan esta prueba estadística para comparar variables categóricas dentro de la misma muestra.

grupo. También ayuda a validar u ofrecer contexto para los recuentos de frecuencia.

Tabulación cruzada
La tabla cruzada es una opción popular para el análisis de datos estadísticos. Dado que es una herramienta de informes/análisis, él

puede utilizarse con cualquier nivel de datos: ordinal o nominal. Trata todos los datos como datos nominales (nominal

los datos no se miden. Se categorizan). Por ejemplo, puedes analizar la relación entre dos
variables categóricas como la edad y la compra de gadgets electrónicos.

Creado por Anu☺

 68

Pruebas de hipótesis de asociación

Las pruebas de hipótesis son herramientas estadísticas ampliamente utilizadas para evaluar si existe o no una

asociación entre dos o más variables. Estas pruebas proporcionan una probabilidad del error de tipo 1
(p-valor), que se utiliza para aceptar o rechazar la hipótesis nula del estudio.
Hipótesis
Una hipótesis es una suposición que se hace basada en alguna evidencia. Este es el punto inicial de
cualquier investigación que traduzca las preguntas de investigación en predicciones. Incluye componentes
como variables, población y la relación entre las variables. Una hipótesis de investigación es una
hipótesis que se utiliza para probar la relación entre dos o más variables.

Características de la Hipótesis

La hipótesis debe ser clara y precisa para considerarla confiable.

●Si la hipótesis es una hipótesis relacional, entonces debería estar enunciando la relación.
entre variables.
La hipótesis debe ser específica y debe tener margen para realizar más pruebas.
●La forma de explicar la hipótesis debe ser muy simple y también debe ser
se entendió que la simplicidad de la hipótesis no está relacionada con su significado.

Fuentes de Hipótesis

La semejanza entre el fenómeno.

●Observaciones de estudios pasados, experiencias actuales y de los competidores.
Teorías científicas.
●Patrones generales que influyen en el proceso de pensamiento de las personas.

Tipos de Hipótesis

●Hipótesis simple
●Hipótesis compleja
●Hipótesis direccional
Hipótesis no direccional
Hipótesis nula
● Hipótesis asociativa y causal

Creado por Anu☺

 69

Hipótesis Simple

Muestra una relación entre una variable dependiente y una sola variable independiente. Para
ejemplo – Si comes más verduras, perderás peso más rápido. Aquí, comer más verduras
es una variable independiente, mientras que perder peso es la variable dependiente.

Hipótesis Compleja

Muestra la relación entre dos o más variables dependientes y dos o más independientes
Las verduras y frutas llevan a la pérdida de peso, piel radiante y reducen el
riesgo de muchas enfermedades como las enfermedades cardíacas.

Hipótesis Direccional

Muestra cómo un investigador es intelectual y está comprometido con un resultado particular. La relación
entre las variables también se puede predecir su naturaleza. Por ejemplo, los niños de cuatro años comiendo
una alimentación adecuada durante un período de cinco años tiene niveles de IQ más altos que los niños que no tienen una alimentación adecuada

comida. Esto muestra el efecto y la dirección del efecto.

Hipótesis no direccional

Se utiliza cuando no hay teoría involucrada. Es una declaración de que existe una relación entre
dos variables, sin predecir la naturaleza exacta (dirección) de la relación.

Hipótesis nula

Proporciona una declaración que es contraria a la hipótesis. Es una declaración negativa, y hay
no hay relación entre las variables independientes y dependientes. El símbolo se denota como “HO”.

Hipótesis asociativa y causal

La hipótesis asociativa ocurre cuando hay un cambio en una variable que resulta en un cambio en la
otra variable. Mientras que, la hipótesis causal propone una interacción de causa y efecto entre
dos o más variables.

Creado por Anu☺

 70

Ejemplos de Hipótesis

El consumo de bebidas azucaradas todos los días conduce a la obesidad es un ejemplo de un simple

hipótesis.
●Todas las lilas tienen el mismo número de pétalos es un ejemplo de una hipótesis nula.
Si una persona duerme 7 horas, entonces se sentirá menos fatigada que si duerme menos.
un ejemplo de una hipótesis direccional.

Funciones de la Hipótesis

La hipótesis ayuda a que una observación y experimentos sean posibles.

Se convierte en el punto de partida para la investigación.

●La hipótesis ayuda a verificar las observaciones.

●Ayuda a dirigir las consultas en la dirección correcta.

En la investigación, probar la hipótesis de asociación es un análisis estadístico que tiene como objetivo determinar
si existe una relación o asociación entre dos o más variables. La hipótesis de
la asociación típicamente indica que hay una conexión o correlación entre las variables bajo
investigación.

Aquí hay un proceso general para probar la hipótesis de asociación:

1. Formular la hipótesis de investigación: Basado en la pregunta de investigación y la literatura existente,

formulas una hipótesis que predice la asociación entre las variables. Por ejemplo,
Hay una asociación positiva entre el tiempo de estudio y el rendimiento académico.

2. Selecciona una prueba estadística apropiada: La elección de la prueba estadística depende del tipo de
variables que se están analizando (por ejemplo, categóricas, continuas) y el diseño de investigación específico.
Las pruebas comúnmente utilizadas para probar asociaciones incluyen la prueba de chi-cuadrado, la prueba t, el análisis de correlación,
ANOVA (análisis de varianza) y análisis de regresión.

3. Recopilar y organizar datos: Recopila datos sobre las variables de interés de tu muestra o
población. Asegúrese de que los datos estén registrados y organizados con precisión para el análisis.

Creado por Anu☺

 71

4. Establecer el nivel de significancia: Determinar el nivel de confianza o el nivel de significancia deseado

(por ejemplo, 0.05 o 0.01). Este nivel representa la probabilidad de obtener un resultado tan extremo como o
más extremo que el resultado observado, asumiendo que la hipótesis nula es verdadera. Ayuda a determinar
el umbral para aceptar o rechazar la hipótesis.

5. Realizar la prueba estadística: Aplique la prueba estadística seleccionada a los datos recopilados. La prueba
calculará un estadístico de prueba y un valor p correspondiente. El estadístico de prueba mide la fuerza
y dirección de la asociación, mientras que el valor p representa la probabilidad de observar el
asociación por pura casualidad si la hipótesis nula es verdadera.

6. Evaluar los resultados: Comparar el valor p obtenido con el nivel de significancia. Si el valor p
es menor o igual al nivel de significancia, puedes rechazar la hipótesis nula y concluir que
hay evidencia de una asociación entre las variables. Si el valor p es mayor que el
nivel de significancia, no puedes rechazar la hipótesis nula, lo que indica evidencia insuficiente para
concluir una asociación.

7. Interpreta los hallazgos: Basado en los resultados, interpreta los hallazgos en el contexto de tu
pregunta de investigación y hipótesis. Discuta la dirección y la fuerza de la asociación, la
significado práctico, y cualquier limitación o factores de confusión potenciales.

It's important to note that correlation or association does not imply causation. Even if a
una asociación estadísticamente significativa se encuentra, no significa necesariamente que una variable cause
el otro. A menudo se necesitan investigaciones y análisis adicionales para establecer relaciones de causa y efecto.

Interpretación de Datos

La interpretación de datos es el proceso de comprender, organizar e interpretar los datos proporcionados.

para dar sentido y llegar a una conclusión significativa. El concepto básico de los datos
la interpretación es revisar los datos recopilados por medio de métodos analíticos y llegar a
conclusiones relevantes. Hay dos métodos para interpretar los datos:

Método cualitativo: Este método se utiliza para analizar datos cualitativos o datos categóricos.
la interpretación de datos cualitativos utiliza textos en lugar de números o patrones para representar los datos.

Creado por Anu☺

 72

Los datos nominales y ordinales son los dos tipos de datos cualitativos. La interpretación de los datos ordinales es
mucho más fácil que la interpretación de datos nominales.

Método cuantitativo: Este método se utiliza para analizar datos cuantitativos o datos numéricos.
La interpretación de datos cuantitativos utiliza números en lugar de textos para representar los datos. Los tipos de
La interpretación de datos cuantitativos son datos discretos y continuos. El método cuantitativo de datos
la interpretación requiere métodos y técnicas estadísticas como la media, la mediana, la desviación estándar,
etc. para interpretar los datos.

Concepto básico de interpretación de datos

El concepto básico de la interpretación de datos se refiere a los procedimientos a través de los cuales se revisan los datos.
por varios métodos analíticos para llegar a una inferencia. Los datos que se van a interpretar pueden ser
recopilados de diversas fuentes como datos del funcionamiento de industrias, población del censo, etc.
La importancia de la interpretación de datos es:

Los datos bien analizados y bien estructurados ayudan a la junta directiva a examinar los datos.
antes de tomar medidas para implementar nuevas ideas
Ayuda a predecir tendencias futuras y la competencia venidera
El proceso de interpretación de datos proporcionó a la empresa diversos beneficios de costos
La interpretación de datos ayuda principalmente en la toma de decisiones

La interpretación de datos te ayuda a adquirir conocimientos para lograr una estrategia competitiva

La interpretación de datos ayuda a manipular información para responder a preguntas críticas.

preguntas
Ayuda a evaluar los requisitos del consumidor

Tipos de Interpretación de Datos

Gráficas de barras: al usar gráficas de barras, podemos interpretar la relación entre las variables en el
en forma de barras rectangulares. Estas barras rectangulares podrían dibujarse de forma horizontal o vertical.
Las diferentes categorías de datos están representadas por barras y la longitud de cada barra representa su
valor. Algunos tipos de gráficos de barras incluyen gráficos agrupados, gráficos segmentados, gráficos apilados, etc.

Creado por Anu☺

 73

Gráfico de pastel: el gráfico circular utilizado para representar el porcentaje de una variable se llama gráfico de pastel.
Los gráficos circulares representan números como proporciones o porcentajes. Algunos tipos de gráficos circulares son
gráficos circulares simples, gráficos circulares tipo dona y gráficos circulares en 3D.

Las tablas: los datos estadísticos se representan mediante tablas. Los datos se colocan en filas y columnas.
Los tipos de tablas incluyen tablas simples y tablas complejas.

Gráfico de líneas: los gráficos o diagramas que muestran información en una serie de puntos están incluidos en el
gráficas de línea. Los gráficos de líneas son muy buenos para visualizar datos continuos o secuencias de valores. Algunos
los tipos de gráficos de líneas son gráficos de líneas simples, gráficos de líneas apiladas, etc.

Redacción de informes

Un informe es un documento formal bien escrito que describe brevemente el proceso y los hallazgos de un
investigación. Describe la investigación sistemática, recomendaciones y lagunas que necesitan más
investigación. Un informe de investigación bien elaborado te informa sobre todas las áreas principales de un proceso de investigación.

Importancia de un informe en la metodología de investigación

Transferencia de conocimiento

Un informe contribuye al conocimiento existente. A través de este informe, podemos comunicar

eficazmente con los hallazgos de la investigación.

Identificación de lagunas de conocimiento

Un informe de investigación identifica brechas de conocimiento que pueden ser investigadas más a fondo. El informe muestra

qué y cuánto se ha hecho.

presenta información con precisión

Un informe de investigación te permite mostrar información de investigación de manera concisa y precisa.

Un informe es un documento eficiente en tiempo porque no tienes que gastar mucho

tiempo detallando los hallazgos. Más bien, está escrito brevemente y se puede enviar por correo electrónico a la

personas preocupadas.

Creado por Anu☺

 74

Puedes escribir el informe en la siguiente estructura:

●Title
El título de su investigación debe señalar los objetivos, metas y hallazgos de su sistemática.
investigación.

●Table of contents
El índice permitirá a los lectores navegar por su informe de investigación.

Resumen
En la sección abstract, el lector puede tener una visión general de los aspectos importantes de la investigación.

como método, recolección de datos y hallazgos. Al redactar el resumen, debes seguir el formato
de 5ws y 1H; qué, dónde, cuándo, quién, por qué y cómo.

●Introducción
Puedes redactar los objetivos y los problemas que se convierten en la causa de tu investigación. También deberías
indique si ha alcanzado sus objetivos de investigación o si requiere más trabajo.

●Revisión de la literatura

En una revisión de literatura, escribirás una encuesta que resalte el conocimiento existente sobre el
tema de investigación. En la revisión de la literatura, puedes presentar la hipótesis de investigación y su

implicaciones.

Investigación
En esta parte de la investigación, escribe información detallada brevemente sobre el proceso de investigación.
eso incluye metodología, recolección de datos, muestra, sujetos de investigación y análisis.

●Findings
En esta sección, se espera que muestres los resultados y hallazgos de tu sistematización.
investigación.

●Discusión
Ahora, explicarás más los resultados de la investigación que describiste anteriormente. Justifica cada uno.
encontrar y mostrar si los resultados están de acuerdo con la hipótesis o no.

Creado por Anu☺

 75

●Conclusion
Finalmente, escribirás un resumen de tu investigación en el que hablarás sobre todo el informe.
de metodología de investigación.

●Referencia y apéndices
En esta sección, mencione todas las fuentes primarias y secundarias utilizadas durante la investigación.

(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)(*)
##############################################################################

EL FIN

Creado por Anu☺