Analisis de datos

908 views

Published on

0 Comments
1 Like
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total views
908
On SlideShare
0
From Embeds
0
Number of Embeds
1
Actions
Shares
0
Downloads
33
Comments
0
Likes
1
Embeds 0
No embeds

No notes for slide

Analisis de datos

  1. 1. Metodología de la Investigación Análisis de datos Mg. Wilfredo Bulege Gutiérrez wbulege@hotmail.com wbulege.blogspot.com Análisis de datos cuantitativos  En primer término, se describe los datos; posteriormente se efectúa análisis estadísticos para relacionar las variables; es decir, realizar análisis de estadística descriptiva para cada una de las variables, luego se describe la relación entre éstas. 2 1
  2. 2. Estadística descriptiva   Recolecta, ordena, analiza y representa un conjunto de datos, con el fin de describir apropiadamente las características de ese conjunto. Este análisis es básico. Aunque hay tendencia a generalizar a toda la población, las primeras conclusiones obtenidas tras un análisis descriptivo, es un estudio calculando una serie de medidas de tendencia central, para ver en qué medida los datos se agrupan o dispersan en torno a un valor central. 3 Estadígrafos más utilizados  Distribución de frecuencias y representaciones gráficas:  4 Histograma de frecuencia: es una representación gráfica de una variable en forma de barras, donde la superficie de cada barra es proporcional a la frecuencia de los valores representados. 2
  3. 3.  Polígono de frecuencia: es un gráfico de líneas de las frecuencias absolutas de los valores de una distribución en el cual la altura del punto asociado a un valor de las variables es proporcional a la frecuencia de dicho valor. 5  Medidas de tendencia central:    La moda: es el valor más común en nuestro conjunto de datos. La mediana: es el valor en el medio de la selección, si todos los valores están dispuestos de menor a mayor. La media aritmética: es la suma de todos los valores dividido por su número. 6 3
  4. 4.  Medidas de variabilidad:     Rango Desviación estándar Varianza Otros:   Asimetría Curtosis 7 Estadística inferencial   Son métodos y procedimientos que por medio de la inducción determinan propiedades de una población estadística, a partir de una pequeña parte de la misma. La estadística inferencial se utiliza para probar hipótesis y estimar parámetros. 8 4
  5. 5. Distribución muestral  Es un conjunto de valores sobre una estadística calculada de todas las muestras posibles de determinado tamaño. 9 Nivel de significancia  El nivel de significancia y el intervalo de confianza son niveles de probabilidad de cometer un error o equivocarse en la prueba de hipótesis o la estimación de parámetros. 10 5
  6. 6. Distribución muestral y nivel de significancia  El nivel de significancia se expresa en términos de probabilidad (0.5 y 0.1) y la distribución muestral también se expresa como probabilidad (el área total de ésta como 1.00). Así, el nivel de significancia representa áreas de riesgo o confianza en la distribución muestral. 11 Prueba de hipótesis  Una hipótesis en el contexto de la estadística inferencial es una proposición respecto a uno o varios parámetros, y lo que el investigador hace a través de la prueba de hipótesis es determinar si la hipótesis es congruente con los datos obtenidos en la muestra. 12 6
  7. 7. Análisis paramétrico     Para realizar análisis paramétricos debe partirse de los siguientes supuestos: La distribución poblacional de la variable dependiente es normal: el universo tiene una distribución normal. El nivel de medición de la variable dependiente es por intervalos o razón. Cuando dos o más poblaciones son estudiadas, tienen una varianza homogénea: las poblaciones en cuestión tienen una dispersión similar en sus distribuciones. 13 Pruebas estadísticas paramétricas más utilizadas Prueba Coeficiente de correlación de Pearson Regresión lineal Prueba t Prueba de contraste de la diferencia de proporciones Análisis de varianza unidireccional (ANOVA one way) Análisis de varianza factorial (ANOVA) Análisis de covarianza (ANOVA) Tipo de hipótesis Correlacional Correlacional / causal Diferencia de grupos Diferencia de grupos Diferencia de grupos / causal Diferencia de grupos / causal Correlacional / causal 14 7
  8. 8. Análisis no paramétrico    Para realizar análisis no paramétricos debe partirse de los siguientes supuestos: La mayoría de estos análisis no requieren de presupuestos acerca de la forma de la distribución poblacional. Aceptan distribuciones no normales. Las variables no necesariamente tienen que estar medidas en un nivel de intervalos o de razón; pueden analizar datos nominales u ordinales. De hecho, si se requieren aplicar análisis no paramétricos a datos por intervalos o razón, éstos se resumen a categorías discretas. Las variables deben ser categóricas. 15 Pruebas estadísticas no paramétricas más utilizadas Prueba Chi cuadrada o X2. Tipo de hipótesis Diferencia de grupos para establecer correlación Correlacional Coeficientes de correlación e independencia para tabulaciones cruzadas: phi, C de Pearson, V de Cramer, lambda, gamma, tau, somers, etc. Coeficientes de correlación por Correlacional rangos ordenados de Spearman y Kendall. Coeficiente eta para relaciones no Correlacional lineales. 16 8
  9. 9. Herramientas para el Análisis de datos cuantitativos   SPSS: es un sistema amplio y flexible de análisis estadístico y gestión de información, capaz de trabajar con datos procedentes de distintos formatos generando, desde sencillos gráficos de distribuciones y estadísticos descriptivos hasta análisis estadísticos complejos que nos permitirán descubrir relaciones de dependencia e interdependencia, establecer clasificaciones de sujetos y variables, predecir comportamientos, etc. Su aplicación fundamental está orientada al análisis multivariante de datos experimentales. 17 Análisis de datos cualitativos       Los datos cualitativos son variados en naturaleza y características, aunque por lo general son narraciones de los participantes que se presentan en diferentes tipos de soporte como: Material audiovisual: fotografías, videos, pinturas, cuadros, etc. Material de audio: grabaciones. Material escrito: documentos, cartas, etc. Expresiones verbales y no verbales. Narraciones del propio investigador. 18 9
  10. 10.  A lo largo del proceso de análisis de los datos el investigador debe contar con una especie de bitácora donde se plasmen todas las interpretaciones que éste haga del material arriba indicado. Un buen cuaderno o bitácora permitirá una reflexión más profunda sobre ellos y sobre las relaciones con las unidades de análisis identificadas y que van emergiendo del estudio. A partir de esta actividad se puede empezar con la codificación pues desde las unidades de análisis que acabamos de señalar se extraen categorías, las mismas que son comparadas y agrupadas en temas. 19 Calidad del análisis de datos   Dependencia: llamada también confiabilidad cualitativa, se refiere a la similitud que tengan nuestros resultados con los de otros investigadores pero en base a la recolección de datos similares en el campo y al desarrollo de los mismos análisis. Credibilidad: denominada también validez interna cualitativa, se refiere al nivel en el que el investigador ha captado el significado completo y profundo de las experiencias de los participantes en relación al planteamiento del problema. 20 10
  11. 11.   Transferencia: que recibe también el nombre de validez externa cualitativa o aplicabilidad de los resultados, se refiere al nivel en el que parte de los resultados obtenidos por la investigación o sus aspectos centrales puedan aplicarse en otros contextos. Confirmabilidad: se refiere al nivel en el que se puede demostrar que se han minimizado los prejuicios del investigador. 21 Herramientas para el Análisis de datos cualitativos   Atlas.ti: es una herramienta que permite el procesamiento de datos cualitativos (texto y datos multimedia), no realiza análisis. Su proyecto típico se enfrenta a un examen cuidadoso de grandes cantidades de diversos documentos, notas, y archivos multimedia, y a 22 11
  12. 12. examinar y comparar esas fuentes en relación a una línea específica de investigación. Mientras que la parte técnica de la selección y organización de pasajes útiles de sus datos puede parecer manejable cuando se enfrente con un puñado de documentos fuente, esto suele convertirse en agobiante a medida que la cantidad de fuentes aumente. Introducirse en un programa informático como ATLAS.ti le permitirá extraer, categorizar, y entrelazar segmentos de datos de una gran variedad y volumen de fuentes documentales. 23 En base a su análisis, el programa le apoya en el descubrimiento de patrones y contraste de hipótesis. Con numerosas funciones de salida de datos y herramientas para el trabajo en equipo, su análisis resultará fácilmente accesible. www.atlasti.com 24 12

×