1 / 251

Guías generales, retroalimentación, búsqueda de coherencia entre etapas

METODO CIENTIFICO. Guías generales, retroalimentación, búsqueda de coherencia entre etapas. Problema preliminar Objetivos, justificación Definición de variables Hipótesis preliminar Revisión conceptual Problema Redefinición de variables Hipótesis Revisión de métodos Diseño

Download Presentation

Guías generales, retroalimentación, búsqueda de coherencia entre etapas

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. METODO CIENTIFICO Guías generales, retroalimentación, búsqueda de coherencia entre etapas • Problema preliminar • Objetivos, justificación • Definición de variables • Hipótesis preliminar • Revisión conceptual • Problema • Redefinición de variables • Hipótesis • Revisión de métodos • Diseño • Conducción • Análisis y síntesis • Interpretación y discusión • Conclusiones y recomendaciones • Reporte.

  2. DISEÑO • Elementos por estudiarse (sujetos, unidades) • Criterios de inclusión y de eliminación. • Forma de obtener los elementos (muestreo) • Estructura de la investigación : • Experimental u observacional • Prospectivo o retrospectivo • Longitudinal o transversal • Descriptivo o comparativo

  3. DISEÑO • ¿Qué , cómo, cuándo, con qué medir? • Formas de captación • Tamaño de muestra • Validez externa (extrapolación ) • Validez interna (control factores confusores) • ¿Estudio piloto? • Logística

  4. MEDICION Medir es tipificar o caracterizar un propiedad en un elemento de estudio. Previamente se debe conceptualizar la propiedad por medirse y obtener un indicador mediante una operacionalización. X CONCEPTO X1 X2 ... Xn INDICADORES Validez o Exactitud: el grado de que el indicador refleje la riqueza del concepto, que lo represente sin error. Confiabilidad o Precisión: la consistencia la medición con la cual un mismo elemento se mide sin o con poco cambio en diferentes circunstancias.

  5. Escala de medición Variables Ejemplos nominal Sexo: masculino, femenino Categóricas Nivel socioeconómico: Bajo, Medio y Alto ordinal de intervalo Temperatura, calificación de examen, etc. de razón o relación Numéricas Estatura, peso, distancia, etc. Número de hijos por familia, etc. absoluta

  6. VARIABLES Como al medir, es decir obtener el indicador con las operaciones establecidas en diferentes elementos o en uno solo en diferentes épocas, se tienen generalmente resultados distintos; se le llama variable al conjunto de posibles resultados. Ejemplos: • Peso de una persona en kilogramos • Temperatura rectal de un paciente en centígrados • Numero de episodios asmáticos por semana • Sexo de una persona • Grado de dolor en la región lumbar

  7. MEDICION NUMERICA Cuando el resultado de la medición se expresa con números, se llama medición numérica. También se dice que tenemos una escala numérica. Con esta forma o escala de medición se pueden calcular promedios o medias, desviaciones estándar, modas, correlaciones y en general aplicar las llamadas pruebas paramétricas. Ejemplos: • Temperatura en grados centígrados • Peso en Kg. , estatura en cm. • Número de episodios gripales • Bilirrubina en suero mg. por litro. • Número de leucocitos por mm. cúbico.

  8. ESCALAS ORDINALES Cuando el resultado de la medición se expresa en grados de intensidad, pero sin poder precisar el incremento de un grado a otro, únicamente se puede establecer un orden entre esos grados, se llama escala ordinal. En este caso sólo es válido en sentido estricto, la obtención de la moda, la mediana o los porcentiles. Aunque con muestras grandes y aplicándolo a conjuntos de resultados, se pueden manejar como variables numéricas y aplicar pruebas paramétricas.

  9. Ejemplos: • Grado de dolor en artrosis • Grado en hepatomegalia + ,++ ,+++ • Posición jerárquica en el trabajo

  10. ESCALAS NOMINALES Cuando el resultado de la medición es la ubicación o clasificación de un elemento a una categoría, y si estas no tienen un orden, se tiene una medición en escala nominal, con la cual sólo se le dan nombres a las categorías. En este caso no se pueden obtener medias o varianzas, solo modas. Se estudia la frecuencia de ocurrencia de los casos en cada una de las categorías. Las categorías deben ser mutuamente exclusivas y exhaustivas.

  11. Ejemplos: • Carrera de procedencia de un técnico. • Servicio de un hospital • Órgano afectado por un padecimiento. Se pueden usar k-1 variables indicadoras para obtener una representación numérica de la pertenencia a k categorías.

  12. El uso de los modelos en el trabajo de investigación se da de acuerdo al esquema siguiente: Estadística Realidad Diseño Análisis Modelo Epistemologia

  13. Estadística Descriptiva Cuando se tiene un conjunto de datos, se puede explorar que representan dichos datos de manera numérica o de manera gráfica Medidas de Tendencia Central Media Mediana Moda Valor tal que el 50% de los datos son menores que él y el 50% son mayores Valor o categoría más frecuente ......... 50% 50%

  14. .... Yq, Yl , .... Y1, Y2, .............. Yq+1, Yr, .. ....... Yk-1, Yk , Ym , ............. Yn-1, Yn Cuantiles o Porcentiles Un cuantil o porcentil de a%, Pa%, es aquel valor tal que un a% de los datos es menor o igual a él y un (1-a)% de ellos es mayor a él. Preimer cuartil: P25% 25% 25% 35% 25% Segundo cuartil: P50% (mediana) 50% P95% 67% Tercer cuartil: P75% 5% 75%

  15. Rango, Amplitud , Ámbito o Recorrido Rango Intercuartilar : Medidas de Dispersión o de Variabilidad

  16. S C. V. = 100 * X Medidas de Dispersión o de Variabilidad Varianza: Desviación Estándar: Coeficiente de variación:

  17. Histograma de valores de pulsaciones por minuto en 20 jóvenes. (JMP) Dos posiciones de intervalos y número de ellos. Representaciones gráficas de datos. Caso univariado 56.10000 Mean Std Dev 7.21037 20.00000 N

  18. Distribución acumulada Diagrama de" Tallo y hoja" (también se le llama Ojiva)

  19. Estadística Descriptiva. Caso bivariado Covarianza medida de variabilidad conjunta Coeficiente de Correlación (Pearson)

  20. Estadística Descriptiva. Caso bivariado Para la población: ρ Para la muestra: r Asociación negativa Asociación positiva

  21. Y Elemento con valores yiy xi yi Corr =0.8501453782 xi X

  22. Y Y Corr = 0.9501230299 X X

  23. Y La correlación : ¿Qué tan cerca esta el conjunto de datos a una línea recta? Corr = 0.9504744531 La correlación no da la pendiente de la recta → regresión X

  24. Y Corr = -0.894215855 X

  25. Y Pulsaciones después de correr X 5 Pulsaciones en descanso

  26. ¿Libre albedrío o fatalismo? La palabra riesgo deriva del latín risicare, que significa “atreverse”. En este sentido, es una elección, antes que una suerte. Las acciones que nos atrevemos a tomar, dependen de que tan libres somos para efectuar la elección.

  27. Aleatoriedad El concepto de predecir posibles evoluciones de un fenómeno, para escoger entre alternativas es inherente al ser humano. ¿En qué medida el pasado determina el futuro? La expresión de la visión determinística: si conocemos perfectamente el comportamiento de todas las partículas que existe en el universo, podremos predecir el futuro (Laplace)

  28. ¿Me enfermaré si como el fruto rojo? Fortuna y Ciencia

  29. ¿Me enfermaré si como el fruto rojo? Fortuna y Ciencia ¿Qué tiene el fruto adentro, cómo crece? ¿A qué se debe la enfermedad? Es la voluntad de los dioses. Es un castigo por portarme mal

  30. Extrapolación Estudio unos pocos frutos “iguales”, se los doy a comer a ratones, si se mueren todos, concluyo “Todos los frutos rojos son dañinos”

  31. Extrapolación Estudio unos pocos frutos “iguales”, se los doy a comer a ratones, se mueren 14% de ellos, concluyo “Es poco probable que me enferme si como el fruto rojo”

  32. Extrapolación en base a causalidad Estudio unos pocos frutos “iguales”, se extrae un compuesto que interfiere con la digestión en ratones. Concluyo “Esos frutos rojos son dañinos”

  33. Extrapolación Estadística Estudio unos pocos frutos “iguales”, se los doy a comer a ratones, se mueren 92% de ellos, concluyo “Es probable que me enferme, si como el fruto rojo”

  34. Conocimiento ¿Me enfermo, si como un fruto como ese?

  35. Conocimiento Determinismo Indeterminismo Leyes probabílisticas Leyes causales La sustancia A (que contienen esos frutos) modifica de tal manera las reacciones químicas en el proceso digestivo Al estudiar grupos “grandes” de personas que comen esos frutos, el porcentaje de personas enfermas, oscila alrededor de 80%. Se debe especificar: ¿cómo se determina la sustancia A?, ¿Qué tipo digestión?, ¿En qué condiciones?, etc. Se debe especificar: ¿cómo se determina qué es “grande”?, ¿Qué tipo de frutos?, ¿En qué condiciones están las personas?, etc.

  36. H, SA, D, P METODOLOGÍA PROBLEMA: es una AUSENCIA DE CONOCIMIENTO [qué, cómo, cuándo, dónde, por qué, etc...] MARCO TEÓRICO: conceptos, relaciones., teoría aceptada, ANÁLISIS HIPÓTESIS: propuesta tentativa de solución. MODELOS, Supuestos REALIZACIÓN O EJECUCIÓN DISEÑO: todo lo que se hace para tener información empírica, que apoye o no la hipótesis y responda al problema.

  37. El concepto de predecir posibles evoluciones de un fenómeno, para escoger entre alternativas es inherente al ser humano. ¿En qué medida el pasado determina el futuro? La expresión de la visión determinística: si conocemos perfectamente el comportamiento de todas las partículas que existe en el universo, podremos predecir el futuro (Laplace)

  38. Extrapolación La Ciencia hace extrapolaciones y con ellas predicciones. Ejemplo de ello son las investigaciones que se llevan a cabo con ciertos elementos (enfermos de amibiasis, fumadores empedernidos, plantas de maíz, cajas de Petri con un medio para crecer bacterias, etcétera), cuyas conclusiones se aplican a otros elementos semejantes a los estudiados.

  39. Extrapolación Elementos estudiados • Elementos • semejantes • a los • estudiados Extrapolación Predicción

  40. Poblaciones y Muestras Se puede considerar que lo estudiado, o experiencia previa, es una muestra de todo un conjunto de otros elementos o nuevas experiencias semejantes a los estudiados. Este conjunto no estudiado es la población.

  41. Poblaciones y Muestras Muestra Población Extrapolación

  42. Poblaciones y Muestras ¿ Es la Extrapolación (predicción) Válida? Nos preguntamos: ¿la extrapolación no se equivoca?, ¿cómo hacer que no se equivoque? La respuesta es sí, se puede equivocar, pero frecuentemente no se equivoca.

  43. Poblaciones y Muestras Si se pueden encontrar leyes deterministas que expresen relaciones (necesarias y suficientes) entre propiedades de las instancias estudiadas (muestras), entonces: se pueden aplicar los resultados o conclusiones a todas las instancias (población) no estudiadas aún, que cumplan con las propiedades requeridas.

  44. Poblaciones y Muestras Aquí están muchas leyes de la naturaleza, principalmente inorgánicas, como la física clásica, termodinámica (macroscópica), etcétera. Así la experiencia (traducida en leyes) con ciertos planetas, se aplica a otros; con ciertos gases se aplica a otros; con ciertas moléculas se aplica a otras; etcétera.

  45. Determinismo ¿Leyes de la naturaleza? Regularidades. Aristóteles : *Material *Formal *Final *Eficiente Causas

  46. ALEATORIEDAD No se puede predecir con certeza el resultado de unestudio o evento No hay modelos matemáticos que liguen todos los elementos del fenómeno • ¿Por que hay aleatoriedad? • Complejidad de los fenómenos y no se conoce todos los aspectos y leyes involucradas, pero el mundo es determinado. • Hay aleatoriedad intrínseca. • Pequeños cambios de condiciones iniciales tienen efectos muy grandes (t. Caos) Rechazar la aleatoriedad. Einstein: “Diós no juega dados” Admitir la aleatoriedad. Werner Heisenberg Bifurcaciones, atractores Para estudiar fenómenos aleatorios se usa la probabilidad

  47. Ciencia: Búsqueda de Relaciones Causales Configuración del mundo Causas Efecto tiempo Predicción: si se da esa configuración va a ocurrir el efecto. La causalidad determínística

More Related