Modulo de metodologia y estadistica agronomia

on

  • 2,440 views

Estadistica y Metodologia Agronomia marzo 2013

Estadistica y Metodologia Agronomia marzo 2013

Statistics

Views

Total Views
2,440
Views on SlideShare
2,440
Embed Views
0

Actions

Likes
2
Downloads
84
Comments
1

0 Embeds 0

No embeds

Accessibility

Categories

Upload Details

Uploaded via as Microsoft PowerPoint

Usage Rights

© All Rights Reserved

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Processing…
  • descargando..
    Are you sure you want to
    Your message goes here
    Processing…
Post Comment
Edit your comment

Modulo de metodologia y estadistica agronomia Modulo de metodologia y estadistica agronomia Presentation Transcript

  • UNIVERSIDAD AUTONOMA “GABRIEL RENE MORENO”FACULTAD DE CIENCIAS AGRICOLASUNIDAD DE POSTGRADOMETODOLOGIA DE LA INVESTIGACIÓN YESTADISTICA 27 de Marzo al 19 de Abril del2013Por: Ing. M.Sc. Francisco Martínez SolarisMgs. En Educación Superiormartinezsolaris@cotas.com.bofmartinezsolaris skype.
  • METODOLOGIA DE LA INVESTIGACION Programa General a DesarrollarPor: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • METODOLOGIA DE LA INVESTIGACION Evaluación • Evaluación continua (participación, responsabilidad, puntualidad, comportamiento dentro del aula) • Evaluación escrita • Trabajo Individual de Investigación con todos los elementos metodológicos sobre un tema dentro del contexto de Educación Superior. Copia impresa y digitalizadaPor: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • METODOLOGIA DE LA INVESTIGACION Para tomar en cuenta • “Todo investigador debe conocer el problema, enamorarse del problema y casarse con el problema” (K. R. Popper) • "La verdadera ignorancia no es la ausencia de conocimientos, sino el hecho de rehusarse a adquirirlos" (Karl R. Popper)Por: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • METODOLOGIA DE LA INVESTIGACION Metodología de Trabajo • Avance teórico, desarrollo práctico por parte del maestrante • Retroalimentación en aula • Retroalimentación vía Skype • fmartinezsolaris…, cuenta de SkypePor: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • ESTADISTICA Nociones Generales¿Por qué se tiene que estudiarEstadística?
  • POR QUÉ ESTUDIAR ESTADÍSTICA• Porque los datos estadísticos y las conclusiones obtenidas aplicando metodología estadística ejercen una profunda influencia en casi todos los campos de la actividad humana. 7
  • POR QUÉ ESTUDIAR ESTADÍSTICA• Variedades/Híbridos que tienen mejor comportamiento agronómico en una determinada zona agrícola, pero no en otra zona agrícola• Agroquímicoque ejercer más efectos negativos en el medio ambiente. 8
  • POR QUÉ ESTUDIAR ESTADÍSTICA• Todos los puntos expuestos anteriormente indican que la Estadística es una herramienta que ayuda a conocer la realidad. Sin embargo, también puede servir para distorsionar la verdad si no se tiene cuidado al usar los métodos estadísticos adecuadamente y si la interpretación de los resultados lo hacen incorrectamente.• La mayor parte toma decisiones con información parcial. 9
  • POR QUÉ ESTUDIAR ESTADÍSTICA Según Mark Twain hay tres clases de mentiras: • La mentira • La maldita mentira • Las Estadísticas 10
  • ESTADISTICA Nociones Generales ESTADÍSTICA ¿Qué es?... DESCRIPTIVA INFERENCIAL PROPOSITO PROPOSITO METODOS METODO • TABULARES PROBABILISTICOCaracterísticas • GRAFICOS • NUMERICOS
  • ESTADISTICA Nociones GeneralesCiencia encargada de laRecolección, Manipulación, Organización y Presentación de información demanera tal que ésta tenga unaConfiabilidad determinada
  • ESTADISTICA Nociones GeneralesCENSO INFERENCIA ESTIMACION Población N MuestraParámetros Deducción n=?µ, σ2, p, Estadísticosetc Estadígrafos TECNICAS DE MUESTREO MUESTREO
  • Nociones Generales Probabilístico MAS, MAP y MAEMUESTREO No Probabilística Probabilístico AzarMUESTRA Tipos No Probabilística Arbitraria
  • ESTADISTICA Nociones GeneralesPOBLACION MUESTRA • Nombre • Definición Atributo • Rango de Valores • ClasificaciónCambiar Variable Elementos Cualitativas Categorías Tipos Discretas Cuantitativas Continuas
  • ESTADISTICA Nociones Generales • NombreVariable Elementos • Definición • Rango de Valores + • Clasificación Nominal Medirse Ordinal Escalas de De Intervalo Medición De Razón
  • ESTADISTICA Métodos TabularesDESCRIPTIVA Sea X y Y dos variables y sea x1, x2, … xn y y1, y2, … yn, valores que toman las variables METODOS X y Y, y sean “a” y “b” dos constantes. Entonces: TABULARES x1 + x2 + x3 + …xn y1 + y2 + y3 + …yn n n xi yi Sumatoria i 1 i 1 Propiedades
  • ESTADISTICAPropiedades de Sumatoria
  • ESTADISTICA Métodos Tabulares/OrdenamientoEdad (años) Edad (años) Valores 17 15 extremos 18 16 18 16 16 17 21 17 15 Ordenándolo 18 17 18 Valores mas 19 18 frecuente Desventaja 20 18 18 19 16 20 Valores 18 21 extremos
  • ESTADISTICA Cuadro de Frecuencia Edad fi fr Fia FraCuadros de (años)Frecuencia 15 1 8.3 1 8.3 16 2 16.7 3 25.0 17 2 16.7 5 41.7 18 4 33.3 9 75.0 19 1 8.3 10 83.3 20 1 8.3 11 91.7 21 1 8.3 12 100 Total 12 100
  • ESTADISTICA Cuadro de FrecuenciaLugar de realización del n %DiplomadoExtranjero 19 13.87Universidad Objeto de Estudio 87 63.50Otras universidades bolivianas 31 22.63Total 137 100
  • ESTADISTICA Cuadro de Frecuencia67.7 39.2 52.5 42.3 69.8 61.263.9 37.2 45.7 41.7 69.1 55.564.9 38.9 52.4 41.9 69.2 58.968.3 39.2 52.6 42.7 70.0 61.968.3 39.2 53.3 45.5 70.1 63.2 La Estadística ofrece otra Cuadro de alternativa Tablas de Frecuencias Frecuencia Absolutas y Relativas
  • ESTADISTICA Tabla de Frecuencia Procedimiento Definir el Número de ≥ 5 ó ≤ 20 ó 25 Intervalos SturgesAc = A/kA = Valor Máx.- Valor Mín. K = 1 + 3.33* log n Tipo de Intervalos (Li - LS] Ac = Ajustada RI = Ac*K > A MD = (RI – A)/2
  • ESTADISTICA Tabla de FrecuenciaIntervalos de Clases PMC fi fr Fia Fra 37.1 a 42.6 39.85 8 0.27 8 0.27 42.6 a 48.1 45.35 3 0.10 11 0.37 48.1 a 53.6 50.85 4 0.13 15 0.50 53.6 a 59.1 56.35 2 0.07 17 0.57 59.1 a 64.6 61.85 4 0.13 21 0.70 64.6 a 70.1 67.35 9 0.30 30 1 30 1
  • ESTADISTICA Métodos Gráficos Diagrama de Puntos HistogramaMétodos Gráficos Clásicos Polígono de Frecuencias Ojiva Diagrama de Sectores
  • ESTADISTICA Diagrama de Puntos15 16 17 18 19 20 21 Edad (años)
  • ESTADISTICA Histograma
  • ESTADISTICAPolígono de Frecuencias
  • ESTADISTICA Ojiva
  • ESTADISTICA Diagrama de Sectores (19*360)137-------360 X= = 49.919 ------- x 137 Lugar de realización de n Grados estudios Postgraduales Extranjero 19 49.927 Universidad de Interés 87 228.613 Otras universidades bolivianas 31 81.460 Total 137 360
  • ESTADISTICADiagrama de Sectores
  • ESTADISTICAMétodos Numéricos (Medidas de Tendencia Central) Cuando se desea comparar dos o más poblaciones o bien muestras, y si las variables de interés son de carácter numérico … Los métodos tabulares no son los más recomendables La Estadística oferta otra herramienta llamada Métodos Numéricos
  • ESTADISTICA Medidas de Tendencia Central Localizan el centro de una base de datos numéricas Medidas de Tendencia Central Cuantifican cuánto se dispersan los datos de unaMétodos Numéricos medida de tendencia central Medidas de Dispersión
  • ESTADISTICA Medidas de Tendencia Central Promedio Media PonderadaMedidas de TendenciaCentral Mediana Moda
  • ESTADISTICA Medidas de Tendencia Central/Promedio Media µ Población Poblacional Es la sumatoria de las observaciones quePromedio toma una variable dividido entre el total de éstas Media Muestral x Muestra Se interpreta como el punto de equilibrio de una base de datos numéricas
  • ESTADISTICA Medidas de Tendencia Central Tiempo Desviaciones (minutos) xi x 52.6 -4.15 38.9 -17.85 68.3 11.55 67.2 10.45 63.9 7.15 64.9 Propiedad n 8.15 xi x 0 68.3 i 1 11.55 39.2 -17.55 42.3 -14.45 61.9Suma 5.15 567.5 Suma 0 56.75Promedio
  • ESTADISTICA APLICADA Medidas de Tendencia Central Media en datos tabulados Si la tabla no presenta clases abierta es posible hacer una estimación de la media tomando en cuenta lo siguiente:• PMC es el promedio de las observaciones de lasobservaciones que caben dentro del intervalos.• PMC*fi proporciona una estimación de la suma de lasobservaciones que caben en el intervalo y como una tablatiene k-ésimo intervalos entonces:
  • ESTADISTICA APLICADA Medidas de Tendencia CentralIntervalos PMC*fi PMC fide Clases37.1 a 42.6 39.85 8 318.842.6 a 48.1 45.35 3 136.0548.1 a 53.6 50.85 4 203.4 1624.553.6 a 59.1 56.35 2 112.7 x= 30 = 54.1559.1 a 64.6 61.85 4 247.464.6 a 70.1 67.35 9 606.15 30 1624.5
  • ESTADISTICA Medidas de Tendencia CentralCuando los datos tienen diferente peso dentro de labase de datos, si desea obtener el promedio, la mediaaritmética no es la más indicadaCargo fi SalarioRector 1 2000Asesores 2 1200Vic. Académico 1 1150Vic. Administrativo 1 1250Jefe de Carrera C.S 2 1000Jefe de Carrera 5 800Administrativo 2 600Secretarias 9 120
  • ESTADISTICA Medidas de Tendencia Central Salario XiwiCargo fi (wi) (xi)Rector 1 2000 2000Asesores 2 1200 2400Vic. Académico 1 1150 1150 15080Vic. Administrativo 1 1250 1250 xw = = 655.65 23Jefe de Carrera C.S 2 1000 2000Jefe de Carrera 5 800 4000Administrativo 2 600 1200Secretarias 9 120 1080 15080
  • ESTADISTICA Medidas de Tendencia Central Si los datos no se distribuyen simétricamente (curva simétrica) el promedio no es la mejor medida para •Ordenar localizar el centro de los mismos Impar n Me = xn/2 + 0.5 Datos sin tabular Par Me = (xn/2 + x n/2 + 1 )/2Mediana (Me) (b-a)(0.5- c) Me = a + Datos tabulados d
  • ESTADISTICA Medidas de Tendencia Central Tiempo Tiempo (minutos) (minutos) 38.9 38.9 Me = xn/2 + 0.5 39.2 39.2 42.3 42.3 52.6n es impar 52.6 61.9 61.9 Me 63.9 63.9 64.9 64.9 67.2 67.2 68.3 68.3
  • ESTADISTICA Medidas de Tendencia Central Tiempo Tiempo (minutos) (minutos) 38.9 38.9 Me = (xn/2 + x n/2 + 1 )/2 39.2 39.2 42.3 42.3 61.9 + 63.9n es par 52.6 52.6 Me = = 62.9 61.9 61.9 2 62.9 63.9 63.9 64.9 64.9 67.2 67.2 Mediana es aquella medida de tendencia central que antes y 68.3 68.3 después de ella no existe más 68.3 68.3 del 50% de la información
  • ESTADISTICA Medidas de Tendencia Central (b-a)(0.5- c)Me = a + da = Límite inferior de la Clase de la Medianaclase de la Me • Complete la columna Fiab = Límite superior de la clase • Localice la menor Fia > n/2de la Me • La clase a la que pertenecec = Fra una clase antes de la esta frecuencia es la claseclase de la Me (Nj-1) de la mediana (Nj)d = fr de la clase de la Me • La Clase antes de Nj es Nj -1
  • ESTADISTICA Medidas de Tendencia Central (b-a)(0.5- c) a = Límite inferior de la Me = a + clase de la Me d b = Límite superior de la clase de la Me (59.1-53.6)*(0.5- 0.5) c = Fra una clase antes de laMe = 53.6 + = 53.6 clase de la Me (Nj-1) 0.07 d = fr de la clase de la Me Intervalos PMC fi fr Fia Fra de Clases Ubicación de la37.1 a 42.6 39.85 8 0.27 8 0.27 clase de la Me42.6 a 48.1 45.35 3 0.10 11 0.37 n = 3048.1 a 53.6 50.85 4 0.13 15 0.50 n/2 = 1553.6 a 59.1 56.35 2 0.07 17 0.57 Nj = 17… (53.6 – 59.1)59.1 a 64.6 61.85 4 0.13 21 0.70 Nj- 1 = (48.1 – 53.6)64.6 a 70.1 67.35 9 0.30 30 1
  • ESTADISTICA Medidas de Tendencia CentralConnotancia de Moda (Mo) Tiempoen Estadística (minutos) 38.9 39.2En caso de existir es la 42.3(s) observación (nes) que 52.6más se repiten en una 61.9base de datos 63.9 64.9Distribuciones: 67.2Unimodales 68.3 68.3 MoBimodalesEtc.
  • ESTADISTICA Medidas de Tendencia Central (ficmo- ficpremo)Mo = Licmo + Acmo (ficmo-ficpremo) + (ficmo – ficpostmo)Donde:Licmo: Límite inferior de la Clase ModalAcmo: Ancho de clase de la Clase ModalFicmo: Frecuencia absoluta de la Clase ModalFicpremo: Frecuencia absoluta de la Clase PremodalFicpostmo: Frecuencia absoluta de la Clase Postmodal Clase Modal es la (s) que tiene(n) la mayor (es) fi
  • ESTADISTICA Medidas de Tendencia Central (ficmo- ficpremo)Mo = Licmo + Acmo (ficmo-ficpremo) + (ficmo – ficpostmo) Intervalos PMC fi de Clases 37.1 a 42.6 39.85 8 (9 - 4) 42.6 a 48.1 45.35 3 Mo = 64.6 + 5.5 = 66.56 48.1 a 53.6 50.85 4 (9 - 4) + (9 – 0) 53.6 a 59.1 56.35 2 59.1 a 64.6 61.85 4 64.6 a 70.1 67.35 9
  • ESTADISTICA Medidas de Dispersión Una medida de tendencia central por si sola no es tan importante. Por esta razón debe estar acompañada de una medida de dispersión Rango/Distancia/Amplitud o Recorrido Varianza (Variancia)Medidas de Dispersión Desviación Típica o Estándar Coeficiente de Variación
  • ESTADISTICA Medidas de DispersiónRango Rango = Valor Máximo – Valor Mínimo N 2 Población ( σ²) 2 i 1 xi N Es el promedio de las desviaciones alVarianza cuadrado de las observaciones que toma una variable respecto a su media Muestra (S²)
  • ESTADISTICA Medidas de Dispersión xi (Desviaciones)2 52.6 17.2225 38.9 318.6225 1372.725 68.3 133.4025 S² = = 152.525mi²/est² 67.2 109.2025 63.9 51.1225 10 - 1 64.9 66.4225 Desventaja 68.3 133.4025 39.2 308.0025 Desviación Típica S = √S² 42.3 208.8025 61.9 26.5225 S = √152.525 = 12.35 min/estSumatoria 567.5 1372.725Promedio 56.75 Interpretación x S 56.75 12.35 min/est.
  • ESTADISTICASi la tabla no presenta clases abierta es posiblehacer una estimación de la varianza de la siguienteforma: Intervalos de PMC fi Clases 37.1 a 42.6 39.85 8 42.6 a 48.1 45.35 3 48.1 a 53.6 50.85 4 53.6 a 59.1 56.35 2 59.1 a 64.6 61.85 4 64.6 a 70.1 67.35 9
  • ESTADISTICA Medidas de DispersiónIntervalos de PMC*fi PMC2*fi PMC fiClases37.1 a 42.6 39.85 8 318.8 12704.1842.6 a 48.1 45.35 3 136.05 6169.867548.1 a 53.6 50.85 4 203.4 10342.8953.6 a 59.1 56.35 2 112.7 6350.64559.1 a 64.6 61.85 4 247.4 15301.6964.6 a 70.1 67.35 9 606.15 40824.203 1624.5 91693.475 2 1624.5 91693.475 S2 30 128.5103448 30 1 S 128 .5103448 11 .33624033
  • ESTADISTICA Medidas de DispersiónTodas las medidas de dispersión expuestas anteriormenteson dimensionales (toman las unidades de medidas de lasvariables)Existe otra medida de dispersión pero adimensional llamadasCoeficiente de Variación o Dispersión Relativa S S C.V C.V *100 x x
  • ESTADISTICA Medidas de DispersiónLas medidas de dispersión cuantifican cuánto se dispersanlos datos alrededor de una medida de tendencia central,pero, ¿Para donde se desvían los datos?, a la izquierda de lamedia, a la derecha o se distribuyen simétricamente.Existen otras medidas aplicable solo a curvas unimodales quetratan de las deformación de curvas tanto de formahorizontal como vertical
  • ESTADISTICA Deformación de Curvas Unimodales Asimetría Positiva x > Me > Mo Curvas Simétricas x = Me = MoAsimetría Asimetría Negativa x < Me < Mo
  • ESTADISTICADeformación de Curvas Unimodales
  • ESTADISTICA Deformación de Curvas Unimodales Curva Leptocúrtica Kur > 3 Curva Mesocúrtica Kur = 3Curtosis Curva Platicúrtica Kur < 3
  • ESTADISTICA Regresión Lineal Simple En el desarrollo de los eventos, puede X1 ser que una variable sea afectada por Y X2 el comportamiento de otra (s) variable . (s) . . Xi Es de interés poder cuantificar este tipo de relación de manera que se pueda predecir una variable en función de otraY: Variable Dependiente En Regresión Lineal Simple es de interés cuando una variable afecta elX: Variable Independiente comportamiento de otra variableY = f(X) Propósito de la R.L.S: Predicción
  • ESTADISTICA Regresión Lineal SimplePor análisis de regresión se entiende al conjunto de métodosestadísticos que tratan con la formulación de modelos matemáticosque describen la relación entre variables y el uso de estasrelaciones modeladas con el propósito de predecir e inferir.Por Regresión Lineal Simple se entiende … “Y” es una variable aleatoria cuya distribución probabilística depende de “X” Supuestos del Análisis Modelo de la Línea Recta de Regresión Lineal Homogeneidad de Varianza Simple Normalidad Independencia
  • ESTADISTICA Regresión Lineal Simple/Diagrama de DispersiónLlamado también Ploteo de Datos, tiene como propósito mostrar laposible tendencia (en caso de existir) entre las variables “X” y “Y”.Consiste en llevar los pares de valores “x, y” a un sistema decoordenadas (bidimensional) Y (x, y) X
  • Rango de Sueldo (X) Inasistencias (Y) 11 18 10 17 8 29 5 36 9 11 9 26 7 28 3 35 11 14 8 20 7 32 2 39 9 16 8 26 6 31 3 40
  • ESTADISTICARegresión Lineal Simple/Diagrama de Dispersión 45 40 35 30 Inasistencia 25 20 15 10 5 0 0 2 4 6 8 10 12 Rango de Salario
  • ESTADISTICA Regresión Lineal Simple/Métodos de Mínimos CuadradosEl supuesto No 2 de RLS plantea que de existir una relación entre“X” y “Y”, ésta es una línea recta, por lo tanto se puede pensar enuna ecuación de la siguiente forma: Parámetros EstimaciónDe tal manera que se llegue a obtener una ecuación de la siguientenaturaleza:
  • ESTADISTICA Regresión Lineal Simple/Métodos de Mínimos Cuadrados Uso de la Técnica de Mínimos Cuadrados (Carl Gauss)A partir de muestras (x1, y1), (x2, y2), …(xi, yi) de las variables “X” y“Y”, se trata de obtener los estimadores . Para ello la Técnica deMínimos Cuadrados minimiza la suma de cuadrado de las distanciasentre los valores observados y los estimados de tal manera que :
  • Y X
  • ESTADISTICA Regresión Lineal Simple/Recta de EstimaciónEstimada una vez la recta de Predicción y teniendo en cuenta que elpropósito de la R.L.S es la predicción, se hace necesario estarseguro que la ecuación estimada es capaz de predecir.Por esta razón es necesario validar la ecuación estimada
  • ESTADISTICA Regresión Lineal Simple/Validación de la Recta de Estimación ValidaciónCálculo de Coeficiente Análisis de Varianzade Determinación R² de la Regresión “ANARE”Cuantifica la cantidad de lavariabilidad de “Y” que puedeser explicada por “X”R² ≥ 70%
  • ESTADISTICA Regresión Lineal Simple/Validación de la Recta de Estimación/ANARE Por análisis de Varianza se entiende, de forma general, a la partición de la variación total en fuente de variación conocida que en el caso de R.L.S son de acuerdo al siguiente modelo aditivo lineal: xi= Variación debida a Regresiónεi = Variación debida al ErrorFV gl SC CM Fc Ft (Pr>F) CMRegresiónRegresión 1 SCRegresión CMRegresión /CMErrorError n-2 SCError CMErrorTotal n.1 SCTotales Regla de Decisión NRHo : Fc ≤ Ft RHo : Fc > Ft
  • ESTADISTICA Regresión Lineal/Dibujo de la Recta de EstimaciónLa Recta de Estimación debe pasar por dos puntos obligados dentrodel área de exploración, Las coordenadas de estos puntos son lassiguientes: Diagrama de Dispersión y Recta de Estimación 50 y = -2.927x + 47.34 40 R² = 0.789 Inasistencia 30 20 Dispersión 10 Linear (Dispersión) 0 0 5 10 15 Nivel Salarial
  • ESTADISTICA Regresión Lineal Simple/Bandas de Predicción¿Hasta dónde es capaz de predecir la recta de predicción estimada? Diagrama de dispersión, recta de estimación y bandas de confianza 60 50 Diagrama de Inasistencia 40 Dispersión 30 Recta de Estimación 20 10 Banda Inferior 0 0 5 10 15 Banda Superior Nivel Salarial
  • ESTADISTICA Correlación Lineal SimpleAsí como existen técnicas que cuantifican los cambios de unavariable dependiente por un único cambio de la variableindependiente, existen técnicas que cuantifican la asociación linealentre dos variables, esta técnica es llamada Correlación LinealSimple que se exprese como el coeficiente de correlación (r)Este coeficiente indica el sentido de la asociación como también lamagnitud de ésta, partiendo del hecho que el coeficiente decorrelación lineal simple toma valores en el rango de: r es -1 ≤ r ≤ 1.Entre más se acerca a 1 el valor de r mayor es la asociación entredichas variables.
  • ESTADISTICA Correlación Lineal Simple-1 ≤ r < -0.8 Asociación 0 ≤ r < 0.4 No hay fuerte y asociación negativa-0.8 ≤ r < -0.4 Asociación 0.4 ≤ r < 0.8 Asociación débil y débil y negativa positiva-0.4 ≤ r ≤ 0 No hay 0.8 ≤ r ≤ 1 Asociación asociación fuerte y positiva
  • ESTADISTICACorrelación Lineal Simple
  • ESTADISTICA Correlación Lineal SimpleRegresión Lineal Simple Correlación Lineal SimpleMide la cantidad de cambios en “Y” Mide asociación linealpor un único cambio en “X”. entre dos variablesExiste una variable dependiente y Es indistinto x, y ó y, xotra independienteβ1 puede tomar cualquier valor en la El coeficiente derecta numérica correlación toma valores en el intervalo -1 ≤ r ≤ 1
  • PROBABILIDADES Experimentos Aleatorios Espacio Muestral,Eventos y Sucesos Tipos de Experimentos AleatoriosProbabilidad Relaciones entre Eventos Enfoques de Probabilidad/Teoremas Básicos de Probabilidad Eventos Dependientes/Independientes Probabilidad Total/Teorema de Bayes
  • PROBABILIDADES Sus resultados se conocen con Determinísticos anticipación sin necesidad de realizar el experimentoExperimentos Sus resultados se conocen una vez que el experimento ha finalizado No Determinísticos Se pueden describir losEs un proceso planificado a posibles resultados pero no setravés del cual se obtiene puede decir cuál de ellosuna observación (o una ocurrirámedición) de un fenómeno Son experimentos no Experimentos Aleatorios determinísticos cuyos resultados están regidos por el azar
  • PROBABILIDADES Supóngase que se lanzan dos monedas legales al mismo tiempo y que a una cara de cada moneda se la llama “Cara” a la otra “Sol” entonces: ={CC, CS, SC, SS} ExperimentosSupóngase ahora que se lanza un Aleatoriosdado legal. Entonces: ={1, 2, 3, 4, 5, 6,} Son aquellos experimentos no determinísticos cuyos resultados están regidos por la casualidad (azar)
  • PROBABILIDADES Retomando el caso del lanzamiento de las dos monedas, ¿hay otro posible resultado en este experimento?. O bien en el caso del lanzamiento del dado Espacio Muestral M = {CC, CS, SC, SS} Son todos los resultados M = {1, 2, 3, 4, 5, 6,} que están asociados a un experimento aleatorioSupóngase que el lanzamiento del Es subconjunto del espaciodado se está interesado en la muestral, es decir, susocurrencia de una cara impar resultados pertenecen al A = {1,3,5} Evento espacio muestral
  • PROBABILIDADES Espacio Muestral M2 A Evento 1 3 5 Suceso (wi) Letras4 6 Mayúsculas del Alfabeto A= (wiεA /wi ε M
  • PROBABILIDADES Simples Un solo experimento aleatorioExperimentos Cuando ocurren dos o másAleatorios experimentos simples al mismo tiempo o bien uno después del Compuestos otro Unidos por la Unidos por la partícula “ó” (v) partícula “y” ( )Los experimentos simples que Los experimentos simples quelo componen ocurren de lo componen ocurren al mismoforma sucesiva tiempo M = {M1UM2U…Mi} M = {M1∩M2…Mi}
  • PROBABILIDADES Simples Un solo experimento aleatorioExperimentos M = {1, 2, 3, 4, 5, 6,}Aleatorios Cuando ocurren dos o más experimentos simples al mismo Compuestos tiempo o bien uno después del otro M = {CC, CS, SC, SS}
  • PROBABILIDADESExperimentos compuestos El espacio muestral es elunidos por la partícula “y” producto cartesiano de los espacios muestrales simples que lo conforman M3 M2 M1*M2 C S M1 C S CC CCC CCS C CC CS CS CSC CSS S SC SS SC SCC SCS SS SSC SSS
  • PROBABILIDADES 3era Moneda Experimentos compuestos C CCC unidos por la partícula “y” 2da Moneda C S CCS Diagrama del Árbol1ra Moneda CSC Diagrama de Senderos C S C S CSS C C SCCM S SCS S C SSC S S SSS
  • PROBABILIDADESDe acuerdo a cómo ocurren los eventos se pueden estableceralgunas relaciones entre ellos tales como: A B M A B M AUB AUB A B M M A A AΠB
  • PROBABILIDADES Probabilidad A priori. Llamada Clásico También Probabilidad de LaplaceEnfoques de SubjetivoProbabilidades Frecuencia Probabilidad A posteriore Relativa
  • PROBABILIDADES Todos los sucesos de un Supuesto experimento aleatorio tienen la misma posibilidad de ocurrir, entonces:Probabilidad Subjetivo naClásica P A M 0 P A 1 Frecuencia Probabilidad A posteriore Relativa Si en la realización de n experimento aleatorio aparece P A un evento A “n veces ≤ N N”,entonces:
  • PROBABILIDADES P[AUB] = P [A] + P [B] P[AUB] = P [A] + P [B] – P[AΠB]Teoremas Básicos de P[Ø] = 0Probabilidades P[M] = 1 P Ac 1 PA 0 P A 1/ 0 P A 100 %
  • PROBABILIDADES Eventos DependientesCuando la ocurrencia de un evento está en dependencia de otroevento, se dice que éste es dependiente. Sea A y B dos eventos en el espacio muestral “M”, se dice que A es un evento dependiente de B sí; PA B PB A PA P A ;P B 0 PB P B ;P A 0 B PB A PAEstas probabilidades se pueden calcular de dos formas:• Respecto al espacio muestral original• Respecto al espacio muestral del evento condicionante
  • PROBABILIDADESEn una institución de Educación Superior se tiene 300 docentes, delos cuales 100 son casados y 30 divorciados. En dicha institución hay200 hombres, 85 de los cuales son casados y 95 son solteros.Determinar cual es la probabilidad de seleccionar un docente al azar:a. Que sea mujerb. Que sea soltero (a)c. Que sea un hombre y esté casado (a)d. Que sea una mujer divorciadae. Dado que el docente es casado (a), ¿cuál es la probabilidad que sea hombre?f. Si el docente seleccionado es hombre, ¿cuál es la probabilidad que sea casado?
  • PROBABILIDADESEn una universidad el 70% de los estudiantes son de Ciencias, 30% deLetras. De los estudiantes de Ciencias el 60% son varones y los deLetras son varones el 40%. Si se elige al azar un estudiante, calculela probabilidad que:a. Sea mujerb. Se estudiante varón dado si es de Cienciasc. Sea estudiante de Ciencias dado que es varónd. Sea estudiante de Ciencias y varón.
  • PROBABILIDADES Eventos IndependientesCuando la ocurrencia de un evento no está en dependencia de laocurrencia de otro evento, se dice que éstos son independientes.Sea A y B dos eventos en el espacio muestral “M”, se dice que Aes un evento independiente de B sí se cumple con cualquiera delas siguientes condiciones: PA BPA P A ;P B 0 B PB PB APB P B ;P A 0 A PAPA B P A *P B
  • PROBABILIDADES Probabilidad TotalSea A1, A2, …, Ak, eventos que forman una partición del espaciomuestral M y sea B, un evento en M. Si las probabilidadesP[A1], P[A2], P[A3]…, P[Ak], siP[B/A1], P[B/A2], P[B/A3]…, P[B/Ak] son probabilidadesconocidas entonces: PB P A1 P B / A1 P[ A2]P[ B / A2] ... P[ Ak ]P[ B / Ak ] Probabilidad Total = k PB i 1 P Ak P B / Ak
  • PROBABILIDADES Teorema de BayesSea A1, A2, …, Ak, eventos que forman una partición del espaciomuestral M y sea B, un evento en M. Si las probabilidadesP[A1], P[A2], P[A3]…, P[Ak], siP[B/A1], P[B/A2], P[B/A3]…, P[B/Ak]. Si B ya ha ocurrido y seestá interesado en saber a cual de los eventos que forman lapartición muestral se ha debido su ocurrencia, entonces se usa eldenominado Teorema de Bayes P Ak P B P Ak Ak B k P Ak P B i 1 Ak
  • CIENCIA. LA INVESTIGACION CIENTÍFICA.METODO CIENTÍFICO Conocimiento: •Es enfrentar la realidad. •Todo conocimiento es forzosamente una relación en la cual aparecen dos elementos: Sujeto (parte cognoscente) y Objeto Dejarse AprehenderSujeto Objeto Relación Aprehender
  • CIENCIA. LA INVESTIGACION CIENTÍFICA. METODO CIENTÍFICO VulgarTipos de ConocimientoFunciones del CientíficoConocimiento CientíficoObservarDescubrir REALIDADExplicarPredecir MODIFICA
  • Por: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • Por: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • CIENCIA. LA INVESTIGACION CIENTÍFICA.METODO CIENTÍFICO *Ciencia;(James Conatt) dos puntos generalizados sobre Ciencia *Punto de Vista Estático *Cuerpo sistematizado de información que incluye principios, teorías y normas. *Enfatiza los resultados acumulativos de la investigación. Define la totalidad de nuestro conocimiento.Por: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • CIENCIA. LA INVESTIGACION CIENTÍFICA.METODO CIENTÍFICO * Punto de Vista Dinámico *Considera a la Ciencia como un proceso, quienes están de acuerdo con este punto de vista, dicen que las teorías y procedimientos pronto se convertirán en dogmas sino se someten a investigación y desarrollo continuo.Por: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • CIENCIA. LA INVESTIGACION CIENTÍFICA.METODO CIENTÍFICO • Cuerpo ..... ...Unidad coherente interrelacionada • De conocimientos .... ... Racionales (conceptos, juicios) • Organizados ... ... Sistematizados • Objetivos ... ... Contrastables con lo real • Ampliados ... ... Se renuevan continuamente • De lo real ... ... De la naturaleza y hechos sociales • En el que se indica... ... Precisan • Las pautas generales ... ....Leyes • De los fenómenos naturales y .... De lo real socialesPor: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • CIENCIA. LA INVESTIGACION CIENTÍFICA.METODO CIENTÍFICO * Tipos de Ciencias * Ciencias Formales * Ciencias Factuales o FácticasPor: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • Diferencias entre Ciencias Formales y Ciencias Factuales o Fácticas Ciencia formal Ciencia factual*Objeto de estudio: Ideas *Objeto de estudio: Hechos*Representación: Símbolos, signos *Representación: Palabras*Método de análisis: Inducción, deducción, *Método del análisis: lógica Método científico*Comprobación: *Comprobación: En la Razonamiento prácticaPor: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • Ciencias Formales/Ciencias Factuales o Fácticas Ciencia formal Ciencia factual * Lógica • Ciencias Naturales * Matemática • Física • Química • Medicina • Ciencias Culturales • Psicología, Sociología • Ciencias Políticas, EconomíaPor: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • CIENCIA. LA INVESTIGACION CIENTÍFICA. METODO CIENTÍFICO INVESTIGACIÓN CIENTIFICA… ¿Qué es? Características de la Investigación Científica *Empírica *Sistemática y controlada *CríticaPor: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • CIENCIA. LA INVESTIGACION CIENTÍFICA. METODO CIENTÍFICO Investigación Científica Investigación Realidad Ciencia CientíficaPor: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • CIENCIA. LA INVESTIGACION CIENTÍFICA. METODO CIENTÍFICO Tipos de Investigación Científica Pura Innovación Tipos Tecnológica AplicadaPor: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • CIENCIA. LA INVESTIGACION CIENTÍFICA. METODO CIENTÍFICO Método Científico *Etimológicamente “Método” proviene de raíces griegas “metá” (hacia, a lo largo) y “odos” (camino), entonces: *Método: camino hacia algo, persecución, o sea, esfuerzo para alcanza un finPor: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • CIENCIA. LA INVESTIGACION CIENTÍFICA. METODO CIENTÍFICO Método Científico *Método es el camino a seguir mediante una serie de operaciones, reglas y procedimientos fijados de antemano de manera voluntaria y reflexiva, para alcanzar un determinado fin que puede ser material o conceptual.Por: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • CIENCIA. LA INVESTIGACION CIENTÍFICA. METODO CIENTÍFICO Método Científico *Se entiende por Método a un orden epistemológico, a partir de la lógica del pensamiento científico que surge de la teoría, teoría y método van siempre junto, mientras que la metodología es la parte instrumental de la investigación que nos lleva al objeto.Por: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • CIENCIA. LA INVESTIGACION CIENTÍFICA. METODO CIENTÍFICO Método Científico. Características: *Fáctico *Trasciende los hechos: Si bien es cierto que parte de los hechos particulares, no se detiene en ellos. Se trata de conocer, comprender y explicar los hechos, no de describirlos (problematiza). *Se atiene a reglas metodológicas *Se vale de la verificación empírica *Es autocorrectivo y progresivo *Es objetivoPor: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • CIENCIA. LA INVESTIGACION CIENTÍFICA. METODO CIENTÍFICO Método Científico Revisión Observación Hipótesis Aporte Replanteo de Toma de Información Hipótesis Conclusiones Análisis de InformaciónPor: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • CIENCIA. LA INVESTIGACION CIENTÍFICA. METODO CIENTÍFICO Método Científico. Definición: * Es un procedimiento para descubrir las condiciones en que se presentan los sucesos específicos, caracterizados generalmente por ser tentativo, variable, de razonamiento riguroso y observación empírica. * No es otra cosa que aplicar la lógica a las realidades o hechos observados.Por: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • CIENCIA. LA INVESTIGACION CIENTÍFICA. METODO CIENTÍFICO Método Científico. Definición: * Es el procedimiento a través del cual se estructura el conocimiento en las Ciencias Fácticas.Por: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • El PLANTEAMIENTO DEL PROBLEMA CIENTIFICO IDEA DE INVESTIGACION INTRODUCCION IDENTIFICACION FORMULACION ANTECEDENTES OBJETIVOS PLANTEAMIENTO DEL PROBLEMA PREGUNTAS MARCO TEORICO JUSTIFICACION FORMULACION DE HIPOTESIS VIABILIDAD DISEÑO DE LA INVESTIGACION RESULTADOSPor: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • El PLANTEAMIENTO DEL PROBLEMA CIENTIFICO TITULO DE LA INVESTIGACION INTRODUCCION IDENTIFICACION FORMULACION ANTECEDENTES OBJETIVOS PLANTEAMIENTO DEL PROBLEMA PREGUNTAS MARCO TEORICO JUSTIFICACION FORMULACION DE HIPOTESIS VIABILIDAD DISEÑO DE LA INVESTIGACIONPor: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • El PLANTEAMIENTO DEL PROBLEMA CIENTIFICO Idea de Investigación Análisis de Información (Fase de Gabinete)/Redacción Comité Científico Primer Borrador No Sí Comité Científico Perfil No Sí Comité Científico Documento Aprobado No Sí Exposición y Defensa Proyecto de investigación No Sí Ejecución (Fase de Campo) Trámites de LegalesPor: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • El PLANTEAMIENTO DEL PROBLEMA CIENTIFICO/La Idea de Investigación* Concebir la idea de investigación* Las investigaciones se originan en ideas. Para iniciar una investigación siempre se necesita una idea; todavía no se conoce un sustituto de una buena idea.* La ideas constituyen el primer paso de acercamiento a la realidad que habrá de investigarsePor: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • El PLANTEAMIENTO DEL PROBLEMA CIENTIFICO/La Idea de Investigación Atención La SensaciónCondiciones deObservación La Percepción La ReflexiónPor: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • El PLANTEAMIENTO DEL PROBLEMA CIENTIFICO/La Idea de Investigación* Fuentes de Ideas de Investigación* Hay una gran cantidad de fuentes que pueden generar ideas para una investigación entre las que se pueden mencionar:* Experiencias individuales, materiales escritos (libros, revistas, periódicos, tesis, etc.).Por: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • El PLANTEAMIENTO DEL PROBLEMA CIENTIFICO/La Idea de Investigación* Fuentes de Ideas de Investigación* Conferencias, conversaciones personales, observaciones, creencias e incluso presentimientos, sin que la fuente determine la calidad de la idea.Por: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • El PLANTEAMIENTO DEL PROBLEMA CIENTIFICO/Introducción • Se presentan los aspectos generales del tema, su relevancia, actualidad e impacto en el conocimiento (Aporte Teórico/Práctico). • “Se sugiere que finalice con el propósito del estudio”. • Manejar el Concepto de Encuadre o estrechezPor: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • El PLANTEAMIENTO DEL PROBLEMA CIENTIFICO/Antecedentes • Mostrar la información de los hechos relacionados documentados por lo que es preciso referir las fuentes de donde se obtiene esta información. • “Se sugiere finalizar con el problema de investigación propiamente dicho”. • Manejar el Concepto de Encuadre o estrechez.Por: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • El PLANTEAMIENTO DEL PROBLEMA CIENTIFICO • Este es el punto lógico de partida de una investigación. Algunos autores plantean que es la primera etapa del método científico era la admisión de una incongruencia que desconcierta a los investigadores. • La selección y formulación de un problema constituye uno de los aspectos más importantes de una investigación para cualquier tipo de investigación, sin importar la disciplina de que se trate.Por: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • El PLANTEAMIENTO DEL PROBLEMA CIENTIFICO • Un problema de investigación es una dificultad que no puede resolverse automáticamente (realidad atípica que necesita ser explicada). El problema es inherente a la naturaleza humana, el hombre es el único ser (animal) problematizado. • No se plantea un problema cuando no se sabe nada, por el contrario, cuando más se sabe, más problemas surgen.Por: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • El PLANTEAMIENTO DEL PROBLEMA CIENTIFICO • La selección del tema no posibilita al investigador poder comenzar inmediatamente la investigación. • Antes se necesita formular un problema específico y susceptible de ser investigado por procedimientos científicos (Raminger, L).Por: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • El PLANTEAMIENTO DEL PROBLEMA CIENTIFICO/Componentes del Problema IDENTIFICACION FORMULACION OBJETIVOS PLANTEAMIENTO DEL PROBLEMA PREGUNTAS JUSTIFICACION VIABILIDADPor: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • El PLANTEAMIENTO DEL PROBLEMA CIENTIFICO/Identificación del Problema • Significa ubicar dentro de un contexto un problema de Investigación. La realidad atípica que necesita ser explicada. • Implica especificar lo que se ha de investigar y restringir el campo de estudio, es decir, delimitar el problema de investigación. • Un problema supone una discrepancia entre: Un modelo real Un modelo ideal o normativo • Pueden ser extraído de los antecedentesPor: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • El PLANTEAMIENTO DEL PROBLEMA CIENTIFICO/Formulación del Problema Puede hacerse de dos maneras: • Como una gran pregunta de investigación que no tiene respuesta de inmediato, ésta se da en el transcurso de la investigación. Debe ser formulado claramente y sin ambigüedades como preguntas tales como: ¿qué efecto?, en qué condiciones..,?, ¿cómo se relaciona?, etc. Estas preguntas no tienen respuesta. • Como el estado ideal si estuviese resuelto el problema.Por: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • El PLANTEAMIENTO DEL PROBLEMA CIENTIFICO/Objetivos • ¿Para qué se hace la investigación? • ¿Qué busca al realizarla?. • Los objetivos representan lo que se pretende con el estudio • Responden a la pregunta ¿para qué? • Los objetivos deben de expresarse con claridad para evitar posibles desviaciones en el proceso de investigación y deben ser susceptibles de alcanzarse (Objetividad ante la Dificultad)Por: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • El PLANTEAMIENTO DEL PROBLEMA CIENTIFICO/Objetivos • Presentación de los objetivos mediante el infinitivo del verbo que señale la acción que ejecuta el investigador como: Identificar, planear, encontrar, analizar, comprob ar, demostrar, conocer, describir, señalar, somete r, redactar, contestar, etc.Por: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • El PLANTEAMIENTO DEL PROBLEMA CIENTIFICO/Tipos de Objetivos Objetivos Objetivo General Objetivo EspecíficoLo que pretende en la Son desagregaciones delinvestigación; las “metas” objetivo generalque se persiguen en lainvestigación a realizar Redacción del verbo que denota la acción delNo son tangibles Debe objetivo en infinitivoestar contenido en el títulode la investigación Por: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • El PLANTEAMIENTO DEL PROBLEMA CIENTIFICO/Preguntas de Investigación • Las preguntas de investigación son declaraciones depuradas de los objetivos concretos (específicos) de la investigación y detalle de las informaciones que se deben captar con la realización de la misma. Objetivos Específicos Acciones Objetivo 1 Acción 1, 2, …,i Objetivo 2 Acción 1, 2, …,i Objetivo 3 Acción 1, 2, …,i Objetivo i Acción 1, 2, …,iPor: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • El PLANTEAMIENTO DEL PROBLEMA CIENTIFICO/Justificación • Responde a la pregunta ¿por qué?. • La mayoría de las investigaciones se efectúan con un propósito definido, ese propósito debe ser lo suficientemente fuerte para que se justifique la realización (por qué).Por: Ing. M.Sc. Francisco Martínez Solaris 26/03/201326/03/2013
  • El PLANTEAMIENTO DEL PROBLEMA CIENTIFICO Justificación/Criterios • Conveniencia: ¿Qué tan conveniente es la investigación?, esto es ¿para qué sirve? • Relevancia social: ¿Cuál es su relevancia para la sociedad?, ¿quiénes se beneficiarán con los resultados de la investigación?, ¿de qué modo? En resumen, ¿qué proyección social tiene?Por: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • El PLANTEAMIENTO DEL PROBLEMA CIENTIFICO/Justificación/Criterios • Implicaciones prácticas: ¿Ayudará a resolver algún problema práctico?, ¿tiene implicaciones trascendentales para una amplia gama de problemas prácticos? • Valor teórico: Con la investigación, ¿se logrará llenar el vacío de conocimiento?, ¿se podrán generalizar los resultados a principios más amplios?. • Utilidad metodológica: La investigación, ¿puede ayudar a crear un nuevo instrumento para recolectar y/ o analizar datos?Por: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • El PLANTEAMIENTO DEL PROBLEMA CIENTIFICO/Justificación/Tipos Tipos de Justificación: • Teórica • Práctica • MetodológicaPor: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • El PLANTEAMIENTO DEL PROBLEMA CIENTIFICO/Viabilidad ¿Existe la disponibilidad de recursos humanos y materiales que determinarán en última instancia los alcances de la investigación.? ¿El tiempo que se tiene es el suficiente para la investigación?Por: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • TEMA PROPUESTO Sí ¿Hay profesionales con experiencia No Buscar otro Asesor en el tema y con disponibilidad? Sí No ¿Existe información sobre el tema a Replantear la búsqueda desarrollar? de informaciónOtro Tema Sí ¿Existe disponibilidad de equipos y No Replantear la herramientas de trabajo que se metodología de trabajo requerirán? Sí No ¿Existe disponibilidad financiamiento Replantear costos para el trabajo? del proyecto Sí Asesor Calificado ¿Es factible el tema a ser Información disponibleNo investigado? Equipos disponibles Sí Financiamiento Estructurar el Perfil de acuerdo a norma 26/03/2013 Por: Ing. M.Sc. Francisco Martínez Solaris
  • DISEÑO DEL MARCO TEÓRICO ¿Por qué hacer un Marco Teórico? Todo investigador debe tomar en cuenta lo que ya se conoce de su objeto de investigación. Esto hace necesario la elaboración de un marco de referencia que es de tipo tanto teórico como conceptualPor: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • DISEÑO DEL MARCO TEÓRICO La elaboración del Marco Teórico implica analizar y exponer las teorías, los enfoques teóricos, las investigaciones y los antecedentes que se consideren válidos para el correcto encuadre del estudioPor: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • DISEÑO DEL MARCO TEÓRICO Funciones del Marco Teórico * Indica qué datos deben recolectarse y cuáles son las técnicas de recolección adecuadas (Indica variables). * Orienta al investigador en la descripción y análisis de la realidad observada. * Homogeniza el lenguaje técnico empleado, unificando criterios y conceptos básicos de quienes investigan y de quienes la consultanPor: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • DISEÑO DEL MARCO TEÓRICO Funciones del Marco Teórico * Ayuda a prevenir los errores que se han cometido en otros estudios. * Amplía el horizonte del estudio y guía al investigador para que se centre en su problema evitando desviaciones del planteamiento originalPor: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • DISEÑO DEL MARCO TEÓRICO Funciones del Marco Teórico * Conduce al establecimiento de hipótesis o afirmaciones que más tarde habrán de someterse a prueba en la realidad * Provee de un marco de referencia para interpretar los resultados del estudio (El investigador debe explicar la naturaleza de los resultados de su investigación)Por: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • DISEÑO DEL MARCO TEÓRICO Etapa para la Construcción del Marco Teórico Revisión de Adopción Teórica. Literatura Perspectiva Teórica Detección de la Literatura Selección de la Literatura Consultar la bibliografía PertinentePor: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • DISEÑO DEL MARCO TEÓRICO Partiendo del hecho que es ilógico hacer un planteamiento científico a espalda del conocimiento existente Marco Teórico Pertinente Revisión Observación HipótesisPor: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • DISEÑO DEL MARCO TEÓRICO ¿Cómo darle Pertinencia al Marco Teórico? Se debe tener en cuenta dos aspectos que facilitan este proceso de elaboración: *Construir un índice (ayuda de guía para la redacción): *Aplicar el Concepto de Encuadre (contexto general, intermedio y específico)Por: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • DISEÑO DEL MARCO TEÓRICO Construcción del Índice Objetivos ¿Quién dice cómo se hace Índice del Acciones Específicos la acción? M.T Objetivo 1 Acción 1, 2, i Ciencia 1, Ciencia 2, Ciencia i Tema 1, 2, i Objetivo 2 Acción 1, 2, i Ciencia 1, Ciencia 2, Ciencia i Tema 1, 2, i Objetivo 3 Acción 1, 2, i Ciencia 1, Ciencia 2, Ciencia i Tema 1, 2, i Objetivo i Acción 1, 2, i Ciencia 1, Ciencia 2, Ciencia i Tema 1, 2, iPor: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • DISEÑO DEL MARCO TEÓRICO OBJETIVOS GENERALES OBJETIVOS ESPECIFICOS ACCIONES MATERIAS, DOCUMENTOS, INVESTIGACIONES PERTINENCIA MARCO TEORICOPor: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • DISEÑO DEL MARCO TEÓRICO1. Estudio de Realizar un estudio de mercado para Mercado identificar las características del mercado hotelero de …2. Demanda3. Tipos de 1. Estimar la demanda a partir del flujo de Demandas turistas que llegan de …4. Estimación de la 2. Calcular la oferta del sector hotelero de Demanda en … proyectos de servicios 3. Estimar los precios establecidos en el mercado hotelero de ..5. Oferta. Tipos de Oferta.6. Determinación de Mercadotecnia la Oferta Diseño y Preparación de Proyectos7. La Oferta en Estadística y Probabilidad proyectos de Por: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013 servicios
  • DISEÑO DEL MARCO TEÓRICOTITULO OBJETIVOS GENERALES OBJETIVOS ESPECIFICOS ACCIONES CIENCIA QUE CORRESPONDE INDICE MARCO TEORICOPor: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • FORMULACION DE HIPOTESIS Y LAS VARIABLES Existe un momento en el proceso de Investigación que el investigador debe proponer una explicación tentativa al problema de investigación. Es decir, realizar ciertas conjeturas sobre el problema de investigación. A estas conjeturas se le llama Hipótesis.Por: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • FORMULACION DE HIPOTESIS Y LAS VARIABLES Método Científico Revisión Observación Hipótesis Aporte Replanteo de Toma de Información Hipótesis Conclusiones Análisis de InformaciónPor: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • FORMULACION DE HIPOTESIS Y LAS VARIABLES Las hipótesis se plantean con el propósito de explicar hechos o fenómenos que caracterizan el objeto de investigación. Para su formulación se requiere un pleno conocimiento del problema y un buen manejo del marco teórico.Por: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • FORMULACION DE HIPOTESIS Y LAS VARIABLES ¿Qué es una Hipótesis? Enunciado de una relación causa- efecto bajo una forma que permite la verificación empírica. Son proposiciones en las que se plantean explicaciones o soluciones tentativas a un problema u objeto de investigación.Por: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • FORMULACION DE HIPOTESIS Y LAS VARIABLES Características de una Hipótesis La hipótesis debe referirse a una situación real. La relación entre variables propuesta por una hipótesis debe ser claras y verosímil, además deben ser comprensibles, precisos y lo más concreto posible.Por: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • FORMULACION DE HIPOTESIS Y LAS VARIABLES Características de una Hipótesis Los términos de la hipótesis y la relación planteada entre ellos, deben ser observables y medibles, es decir, tener un referente en la realidad. Las hipótesis deben estar relacionadas con técnicas disponibles para probarlas.Por: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • FORMULACION DE HIPOTESIS Y LAS VARIABLES Funciones de una Hipótesis • Tienen una función descriptiva y explicativa según sea el caso. • Probar teorías. • Sugerir Teorías. • Son las guías en el proceso de investigación.Por: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • FORMULACION DE HIPOTESIS Y LAS VARIABLES TIPO DE HIPOTESIS Hipótesis de Hipótesis Hipótesis Hipótesis Investigación Nula Alternativa Estadística Es la principal Contradice a la Otra Traducción de respuesta o Hipótesis de explicación o las hipótesis explicación que Investigación respuesta al anteriores en propone el problema de símbolos investigador al identificación estadísticos problema de investigación Estimación, Descriptivas, Correlacionales, Correlación Diferencia entre grupos y Diferencias de Relaciones de causalidad medias, etcPor: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • FORMULACION DE HIPOTESIS Y LAS VARIABLES Operacionalización de Variables • Variable: Es una característica que tiende a cambiar de una unidad de análisis a otra. • Tipos de Variables: • Independiente. • (Variables Explicativas) Estas relaciones tienen que estar definidas en la • Dependientes. hipótesis • (Variables a explicar)Por: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • FORMULACION DE HIPOTESIS Y LAS VARIABLES Operacionalización de Variables Definirla Definirla Conceptualmente OperacionalmenteSon en el fondo las Simplemente son lasdefiniciones de “libros” actividades u operaciones que deben realizarse para medir la variable Cómo la puede percibirPor: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • FORMULACION DE HIPOTESIS Y LAS VARIABLES Operacionalización Variable Definición Definición Indicadores Conceptual Operacional Independiente DependientePor: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • Diseño de Investigación Después de la formulación de hipótesis y de la sistematización de variables, el investigador debe concebir la manera práctica y concreta de responder a las preguntas de investigación. Esto indica seleccionar y desarrollar un diseño de investigación y aplicarlo al contexto propio de su estudio.Por: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • Diseño de Investigación El diseño de investigación seleccionado debe ser capaz de proporcionar la información de las variables que se han identificado en la hipótesis. Por tal razón, debe ser pertinente a las necesidades del estudio.Por: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • DISEÑO DE LA INVESTIGACIÓN Tipología de Dankhe (1986) Tipo de Esquema Propósitos investigación X ---- Y Identifican variables promisorias Exploratoria Sugieren relaciones potenciales entre X ---- Y variables Describen -miden- las variables X---- Y identificadas Descriptiva Pueden sugerir relaciones potenciales entre variables (predicciones X ---- Y rudimentarias) Determinan correlación entre variables Correlacional X ---- Y (predicciones más firmes) Sugieren vínculos causas entre las variables. O sea, buscan explicar por Explicativa X ----- Y qué están correlacionadas (explican una variable a partir de otra/s)Por: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • DISEÑO DE LA INVESTIGACIÓN Méndez et al. (1984) RetrospectivosDe acuerdo alperiodo de toma de Retrospectivos Parcialesinformación ProspectivosEvolución del Fenómeno Longitudinales TransversalesNúmero de Poblaciones DescriptivosComparadas Comparativos ObservacionalesDe acuerdo a la Intervención Experimentalesdel Investigador Cuasi-Experimentales Por: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • Diseño de Investigación El diseño de investigación seleccionado depende de: Los objetivos de investigación trazados. Las hipótesis formuladas. Tipos de Diseño de Investigación Diseños Experimentales. Diseños No ExperimentalesPor: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • Diseño de Investigación Censo No Experimental No Probabilístico Muestreo ProbabilísticoDiseño de Investigación Cuasi experimental Experimental Experimento Puro Por: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • Por: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • Por: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • CENSO INFERENCIA ESTIMACION Población N MuestraParámetros Deducción n=?µ, σ2, p, Estadísticosetc Estadígrafos TECNICAS DE MUESTREO MUESTREO
  • Probabilístico MAS, MAP y MAEMUESTREO No Probabilística Probabilístico Azar MUESTRA Tipos No Probabilística ArbitrariaPor: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • Por: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • Por: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • Por: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • Por: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • Por: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • Por: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • Por: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • Por: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • Por: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • * Muestreo Aleatorio Proporcional (MAP). Muestreo cualitativo * Tamaño de muestra para población infinita y “p” y “q” conocido:Por: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • * Muestreo Aleatorio Proporcional (MAP). Muestreo cualitativo * Tamaño de muestra para población infinita y “p” y “q” desconocido:Por: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • * Muestreo Aleatorio Proporcional (MAP). Muestreo cualitativo * Tamaño de muestra para población infinita y criterio de varianza máxima:Por: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • * Muestreo Aleatorio Proporcional (MAP). Muestreo cualitativo * Tamaño de muestra con población finita y “p” y “q” conocido.Por: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • * Muestreo Aleatorio Proporcional (MAP). Muestreo cualitativo * Tamaño de muestra con población finita y “p” y “q” conocido.Por: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • * Muestreo Aleatorio Proporcional (MAP). Muestreo cualitativo * Tamaño de muestra con población finita y criterio de varianza máxima.Por: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • Por: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • Por: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • Por: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • Definir Muestra por Estrato (MASE, MAPE) Muestra por Estrato Muestra EstratificadaTamaño de Muestra nk = n1 + n2 + …nk Asignación Proporcional Asignación Muestra General De Muestra Criterio de Neyman Por: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • Estratos Nk fr fr*n K1 Nk1 Nk1/N (Nk1/N)*n K2 Nk2 Nk2/N (Nk2/N)*n K3 Nk3 Nk3/N (Nk3/N)*n . . . . . . . . . . . . Ki Nki Nki/N (Nki/N)*n Total N 1 nkPor: Ing. M.Sc. Francisco Martínez Solaris 26/03/2013
  • Estratos Nk Wk Sk2 Sk WkSk2 WkSk K1 Nk1 Nk1/N S 21 S1 W1S21 W1S1 K2 Nk2 Nk2/N S 22 S2 W2S22 W2S2 K3 Nk3 Nk3/N S23 S3 W3S23 W3S3 . . . . . . . . . . . . . . . Ki Nki Nki/N S2k Sk WkS2 WkSk Total N 1 ΣWkS2k ΣWkSk 26/03/2013Por: Ing. M.Sc. Francisco Martínez Solaris