Académique Documents
Professionnel Documents
Culture Documents
NACIONES
RESUMEN
Metodologa de la Investigacin II
PRESENTA:
NDICE
EL CONOCIMIENTO COMO PROBLEMA
Pgina
MTODO CIENTFICO
Pgina
LAS HIPTESIS
Pgina
10
POBLACIN Y MUESTRA
Pgina
15
LAS VARIABLES
Pgina
18
LA OBSERVACIN
Pgina
20
Pgina
26
Pgina
29
Pgina
32
PROBABILIDAD
Pgina
38
VARIABLE ALEATORIA
Pgina
41
DISTRIBUCIONES DE PROBABILIDAD
Pgina
48
INFERENCIA ESTADSTICA
Pgina
56
NMEROS NDICES
Pgina
57
Bibliografa
Pgina
60
MTODO CIENTFICO
El mtodo cientfico: sus etapas
Los conocimientos que la humanidad posee actualmente sobre las diversas ciencias de
la naturaleza se deben, sobre todo, al trabajo de investigacin de los cientficos. El
procedimiento que stos emplean en su trabajo es lo que se llamar MTODO
CIENTFICO.
El mtodo cientfico consta de las siguientes fases:
Observacin
Formulacin de hiptesis
Experimentacin
Emisin de conclusiones
Observacin
Los cientficos se caracterizan por una gran curiosidad y el deseo de conocer la
naturaleza. Cuando un cientfico encuentra un hecho o fenmeno interesante lo primero
que hace es observarlo con atencin.
Experimentacin
Una vez formulada la hiptesis, el cientfico debe comprobar si es cierta. Para ello
realizar mltiples experimentos modificando las variables que intervienen en el
proceso y comprobar si se cumple su hiptesis.
Experimentar consiste en reproducir y observar varias veces el hecho o fenmeno que
se quiere estudiar, modificando las circunstancias que se consideren convenientes.
Ejemplo: Si lanzamos la tiza junto a una hoja de papel arrugada, vemos que
llegan al suelo prcticamente al mismo tiempo. Si seguimos esta lnea de
investigacin y lanzamos una hoja de papel arrugada y otra hoja sin arrugar
desde la misma altura, vemos que la hoja arrugada llega mucho antes al suelo.
Emisin de conclusiones
El anlisis de los datos experimentales permite al cientfico comprobar si su hiptesis
era correcta y dar una explicacin cientfica al hecho o fenmeno observado.
La emisin de conclusiones consiste en la interpretacin de los hechos observados
de acuerdo con los datos experimentales.
A veces se repiten ciertas pautas en todos los hechos y fenmenos observados. En
este caso puede enunciarse una ley. Una ley cientfica es la formulacin de las
regularidades observadas en un hecho o fenmeno natural. Por lo general, se expresa
matemticamente.
Las leyes cientficas se integran en teoras. Una teora cientfica es una explicacin
global de una serie de observaciones y leyes interrelacionadas.
LAS HIPTESIS
Una hiptesis (del latn hypothsis y este del griego ) es una suposicin de
algo posible o imposible para sacar de ello una o ms consecuencias. 1 Es una idea
que puede no ser verdadera, basada en informacin previa. Su valor reside en la
capacidad para establecer ms relaciones entre los hechos y explicar por qu se
producen. Normalmente se plantean primero las razones claras por las que uno cree
que algo es posible. Y finalmente ponemos: en conclusin. Este mtodo se usa en el
mtodo cientfico, para luego comprobar las hiptesis a travs de los experimentos.
Una hiptesis cientfica es una proposicin aceptable que ha sido formulada a travs
de la recoleccin de informacin y datos, aunque no est confirmada, sirve para
responder de forma alternativa a un problema con base cientfica.
Una hiptesis puede usarse como una propuesta provisional que no se pretende
demostrar estrictamente, o puede ser una prediccin que debe ser verificada por
el mtodo cientfico. En el primer caso, el nivel de veracidad que se otorga a una
hiptesis depender de la medida en que los datos empricos apoyan lo afirmado en la
hiptesis. Esto es lo que se conoce como contrastacin emprica de la hiptesis o
bien proceso de validacin de la hiptesis. Este proceso puede realizarse
mediante confirmacin (para las hiptesis universales) o mediante verificacin (para
las hiptesis existenciales).
Formulacin de hiptesis
Aspecto de la hiptesis
Como se ha dicho, una hiptesis es una conjetura posible que se establece en forma de
proposicin afirmativa, en futuro simple o en condicional. Una hiptesis no se establece
en forma de pregunta, como por ejemplo: pueden los gansos sobrepasar los 85 km/h
volando? sino que de una suposicin, de la que se cree que es algo viable y veraz, se
afirma por ejemplo que: los gansos pueden sobrepasar volando los 85 km/h; o bien se
10
asegura que: los gansos sobrepasarn volando los 85 km/h; o bien: si un grupo de
gansos escogido puede superar los 85 km/h, entonces podremos concluir que los
gansos pueden sobrepasar volando los 85 km/h.
Adems, especialmente desde Karl Popper, se ha insistido en que las hiptesis
formuladas deben ser falsables, es decir, deben estar formuladas de una forma clara
que permita construir un experimento que potencialmente pueda corroborar o
contradecir la hiptesis. Si bien, diversas crticas al falsacionismo ms simplista, han
sealado que la falsabilidad no es una condicin suficiente, aunque generalmente
necesaria.
Pasos de la hiptesis
Los pasos de la hiptesis son: reunir informacin, compararla, dar posibles
explicaciones, escoger la explicacin ms probable y formular una o ms hiptesis.
Despus de hacer todos estos pasos (en la ciencia) se realiza una experimentacin, en
la que se confirma la hiptesis o no. Si la hiptesis es confirmada, entonces lo
planteado como hiptesis es verdadero. En caso de que no sea confirmada, la hiptesis
es falsa.
Hiptesis de investigacin
Una hiptesis de investigacin representa un elemento fundamental en el proceso de
investigacin. Despus de formular un problema, el investigador enuncia la hiptesis,
que orientar el proceso y permitir llegar a conclusiones concretas del proyecto que
recin comienza.
Toda hiptesis constituye un juicio o proposicin, una afirmacin o una negacin de
algo. Sin embargo, es un juicio de carcter especial. Las hiptesis son proposiciones
provisionales y exploratorias y, por tanto, su valor de veracidad o falsedad depende
crticamente de las pruebas empricas disponibles. En este sentido, la replicabilidad o
repetibilidad de los resultados es fundamental para confirmar una hiptesis como
solucin de un problema.Nota 1
La hiptesis de investigacin es el elemento que condiciona el diseo de la
investigacin y responde provisionalmente al problema, verdadero motor de la
investigacin. Como se ha dicho, esta hiptesis es una aseveracin que puede
validarse estadsticamente. Una hiptesis explcita es la gua de la investigacin, puesto
que establece los lmites, enfoca el problema y ayuda a organizar el pensamiento.
Una hiptesis se considera explicacin y por tanto toma cuerpo como elemento
fundamental de una teora cientfica, cuando el conocimiento existente en el rea
11
Para que sea admitida como cuerpo de conocimiento cientfico, la hiptesis tiene que
poder establecer una cuantificacin determinada o una proporcin matemtica que
permita su verificacin estadstica, pues el argumento meramenteinductivo no es
cientficamente concluyente.2
Importancia de la hiptesis
Las hiptesis son el punto de enlace entre la teora y la observacin. Su importancia es
que dan rumbo a la investigacin al sugerir los pasos y procedimientos que deben
darse en la bsqueda del conocimiento.
Cuando la hiptesis de investigacin ha sido bien elaborada, y en ella se observa
claramente la relacin o vnculo entre dos o ms variables, es factible que el
investigador pueda:
Caractersticas de la hiptesis
12
Las variables de la hiptesis tienen que ser comprensibles, estar bien definidas
y ser lo ms concretas posible.
La relacin entre variables propuesta por una hiptesis debe ser clara y
verosmil.
Los trminos de la hiptesis y la relacin planteada entre ellos, deben poder ser
observados y medidos.
Las hiptesis deben estar relacionadas con tcnicas disponibles para probarlas.
13
observacin sobre unas variables y sobre otras no, en estas dimensiones las variables
involucradas pueden clasificarse en:
Ejemplos
En esta seccin se proponen algunos ejemplos de las diferentes tipologas de hiptesis
que se pueden hacer:
Hiptesis nula: No existe diferencia en los niveles de ansiedad entre nios con
coeficientes intelectuales altos y aquellos que tienen coeficientes intelectuales
bajos.
Tipos de hiptesis
14
POBLACIN Y MUESTRA
Las estadsticas de por s no tienen sentido si no se consideran o se relacionan dentro
del contexto con que se trabajan. Por lo tanto es necesario entender los conceptos de
poblacin y de muestra para lograr comprender mejor su significado en la investigacin
educativa o social que se lleva a cabo.
15
no puede ser muy abarcador y por falta de tiempo y recursos hay que limitarlo a un rea
o comunidad en especfico.
4.
16
2.
muestra. Ejemplo: se entrevistar una familia por cada diez que se detecten.
El muestreo es indispensable para el investigador ya que es imposible entrevistar a
todos los miembros de una poblacin debido a problemas de tiempo, recursos y
esfuerzo. Al seleccionar una muestra lo que se hace es estudiar una parte o un
subconjunto de la poblacin, pero que la misma sea lo suficientemente representativa
de sta para que luego pueda generalizarse con seguridad de ellas a la poblacin.
El tamao de la muestra depende de la precisin con que el investigador desea llevar a
cabo su estudio, pero por regla general se debe usar una muestra tan grande como sea
posible de acuerdo a los recursos que haya disponibles. Entre ms grande la muestra
mayor posibilidad de ser ms representativa de la poblacin.
En la investigacin experimental, por su naturaleza y por la necesidad de tener
control sobre las variables, se recomienda muestras pequeas que suelen ser de por lo
menos 30 sujetos.
En la investigacin descriptiva se emplean muestras grandes y algunas veces se
recomienda seleccionar de un 10 a un 20 por ciento de la poblacin accesible.
Las razones para estudiar muestras en lugar de poblaciones son diversas y entre
ellas podemos sealar
a.
tiempo.
b.
c.
17
LAS VARIABLES
Definicin.
Son atributos, cualidades, caractersticas observables que poseen las personas,
objetos, instituciones que expresan magnitudes que varan discretamente o en forma
continua. Ejemplo: son variables de las personas: la edad, sexo, talla, peso, contextura,
color del cabello, color de ojos, grado de atencin, conocimientos previos, confesin
religiosa, procedencia, clase social, etc.
Son variables de las cosas, objetos: forma, color, tamao, peso, conservacin,
antigedad, etc. Las instituciones tambin poseen variables como: antigedad,
organizacin, eficiencia, magnitud, productividad, etc.
18
a.
Variables Tericas: Son aquellas que son abstractas que no se entienden
porque no son observables o medibles sino se definen. Ejemplos: estatus
socioeconmico, rendimiento acadmico, imperialismo, dependencia, dominacin,
infraestructura, etc.
b.
Variables Intermedias: Son aquellas que permiten comprender a las variables
tericas. Ejemplo El rendimiento acadmico no se entiende sino est referida a los
calificativos, a la asistencia, a la dedicacin al estudio, puntualidad del estudiante.
c.
Variables empricas: Indicadores, son aquellas que permiten entender mejor a
las variables intermedias y por tanto a las variables tericas. No necesitan definirse por
cuanto son fcilmente entendibles, medibles u observables. Ejemplos: la variable
calificativa puede ser muy buena, buena, regular, mala y psima. Las variables
empricas pueden expresarse cuantitativamente.
a.
Variable Dependiente: Es aquella que dentro de una hiptesis representa
la consecuencia, el efecto, el fenmeno que se estudia. Se simboliza con la letra Y.
Ejemplo: entre las variables rendimiento acadmico y aplicacin de mtodos, la variable
dependiente es rendimiento acadmico. En una funcin matemtica como la tpica: Y=
(f) X (Se lee Y est en funcin de X; Y depende de X)
b.
Variable Independiente: Es aquella que influye en la variable dependiente y
no de depende de otra variable, dentro de una hiptesis. Se simboliza con la letra X.
Ejemplo: entre las variables hiperactividad y falta de autoestima, la variable autoestima
es independiente, ya que explica o influye en la hiperactividad del nio.
c.
Variable Extraas: Externas son aquellas que provienen del exterior al
campo de investigacin y por ello se denominan tambin intervinientes. Son de varias
clases pero lo que ahora nos interesa son las variables conexas, o variables sujeto y
orgnicas, como son las cualidades del sujeto que se investiga por ejemplo: edad, sexo,
inteligencia, conocimientos previos, procedencia, etc. y que pueden influir en la variable
dependiente, por ejemplo rendimiento acadmico. En otras hiptesis las variables
extraas pueden provenir de fuera del sujeto de estudio. Se simbolizan con la letra Z.
19
a.
Variables Cualitativas: son aquellas que nominan o sealan cualidades.
Ejemplo: La variable talla puede expresarse: muy alto, alto, mediano, bajo, muy bajo.
b.
Variables Ordinales: son las que expresan una clasificacin jerarquizada,
en orden de importancia. Ejemplo: la variable nivel de instruccin comprende: iletrado,
primaria, secundaria, superior.
c.
Variables Discretas: son las que expresan nmeros enteros, por tanto
pueden ser contados. Ejemplo poblacin escolar, produccin de petrleo,
nacimientos, muerto, etc.
Variables Continuas: son las que expresan en nmeros decimales, por tanto
pueden ser medidos con mayor exactitud. Ejemplo: el peso, edad talla de una
persona.
Operacionalizacin de variables:
Es una operacin que consiste en transformar las variables tericas en variables
intermedias y luego en variables empricas o indicadores.
20
LA OBSERVACIN
"Ob-servar es ponerse delante (eso significa el prefijo ob.) de un objeto, a la vez como
esclavo (que ste es el primer significado de la raz serv.) para serle fiel; y como
maestro para poseerlo o conservarlo (que es el segundo significado de la raz serv.).
Observar a uno es poner la mirada en l, considerarlo como objeto."
Es un procedimiento emprico por excelencia, el ms primitivo y a la vez el ms usado.
Es el mtodo por el cual se establece una relacin concreta e intensiva entre el
investigador y el hecho social o los actores sociales, de los que se obtienen datos que
luego se sintetizan para desarrollar la investigacin.
Este mtodo es una "lectura lgica de las formas" y supone el ejercicio y "metodologa
de la mirada" (deconstruccin y produccin de nueva realidad).
Desde fines del siglo pasado y comienzos de ste, se fue recurriendo a esta tcnica de
manera cada vez ms sistemtica, llegando a constituirse como el instrumento
metodolgico por excelencia en la antropologa, si bien hoy cabe reconocer que su uso
es mucho ms amplio.
La observacin es un proceso cuya funcin primera e inmediata es recoger informacin
sobre el objeto que se toma en consideracin. Esta recogida implica una actividad de
codificacin: la informacin bruta seleccionada se traduce mediante un cdigo para ser
transmitida a alguien (uno mismo u otros). Los numerosos sistemas de codificacin que
existen, podran agruparse en dos categoras: los sistemas de seleccin, en los que la
informacin se codifica de un modo sistematizado mediante unas cuadrculas o parrillas
preestablecidas, y los sistemas de produccin, en los que el observador confecciona l
mismo su sistema de codificacin.
En su origen la palabra "observar" significaba "ajustarse a lo que est prescripto"
(ponerse en actitud de siervo ante la ley): "observar los mandamientos", "observar la
Ley". En este sentido se habla de observancia: se vigila, se observa tambin, a
21
cualquiera que infringe la norma para hacerle una observacin o una indicacin.
Aunque nosotros nunca utilizaremos este significado, es interesante con todo subrayarlo
para acotar el campo connotativo de la nocin de observacin.
Desde este punto de vista de las tcnicas de investigacin social, la observacin es un
procedimiento de recoleccin de datos e informacin que consiste en utilizar los
sentidos para observar hechos y realidades sociales presentes y a la gente donde
desarrolla normalmente sus actividades.
En los contextos experimentales, clnico y educativo, la observacin conlleva
alternativamente varias significaciones ms especficas, derivadas de su primer sentido
(la observacin considerada como un proceso).
La observacin es un objetivo que hay que conseguir o una aptitud que hay que
desarrollar: aprender a observar; desarrollar el sentido de la observacin.
El investigador hablar ms de tcnica de observacin que de mtodo de observacin.
Con ello pretende significar una tcnica de recogida de datos sirvindose de uno de
varios observadores (sentido estricto) o de cuestionario de encuesta (sentido amplio).
El investigador hablar tambin de observacin en oposicin a experimentacin. En tal
caso, la observacin designa esa fase de la investigacin, consistente en familiarizarse
con una situacin o fenmeno determinado, en describirlo, en analizarlo con el fin de
establecer una hiptesis coherente con el cuerpo de conocimientos anteriores ya
establecidos.
La observacin es el resultado codificado del acto de observar seguido del acto de
interpretar. Para el investigador, ello supone la referencia a un marco terico.
OBSERVAR ES UN PROCESO, SITUADO MAS ALLA DE LA PERCEPCION QUE, NO
SOLAMENTE
HACE
CONSCIENTES
LAS
SENSACIONES,
SINO
QUE
LAS
ORGANIZA.
La observacin organiza las percepciones. Ello implica toda una serie de operaciones
de sensibilizacin y de concentracin de la atencin, de comparacin, de
discernimiento, todo ello dirigido por una intencin. Observar es un acto promovido a la
vez por disposiciones de orden cognitivo y afectivo, cuyo producto es una creacin del
espritu. Al final el producto de una observacin puede ser que no tenga ninguna
existencia real, es una representacin interiorizada, seguida de una expresin
exteriorizada en lenguajes muy distintos (verbal, grfico, formal, etc.) de una realidad
22
23
observador
desempea
roles
efectivos
que
pueden
llegar
modificar
24
25
26
27
Justificacin
Objetivos de la investigacin
28
4.- Inicia la etapa de investigacin. Esta etapa requiere la revisin minuciosa del
material bibliogrfico. Para no caer en el problema de exceso de informacin debes
delimitar tu bsqueda en los siguientes aspectos: conceptos ligados al tema o problema
investigado, trabajos preexistentes sobre la temtica, diferentes mtodos que se han
usado para resolverlo y autores que lo han tratado.
5.- Organiza la informacin para que su manipulacin sea ms fcil. La forma de
organizacin puede ser fsica o lgica. Si hablamos de un mtodo fsico, hacemos
referencia a un archivo basado en fotocopias, manuscritos, fotografas, etc. Cuando
hablamos de un archivo lgico, nos referimos a la toma de citas o puntos claves de las
bases bibliogrficas, estas pueden ser recopiladas en medio magntico o en la
elaboracin de fichas.
6.- Empieza la redaccin. No olvides que la redaccin debe ser muy prolija, pues tu
documento se convertir en un material de investigacin para otras personas. La
coherencia en la redaccin, la claridad y buena ortografa son de mucha importancia.
A lo largo de la redaccin debes conservar el estilo, no olvides que ayuda
Cuando una frase sea larga o complicada, porque la idea que refleja es larga y
complicada, debes tratar de aclararla. Ten presente que la ciencia debe ser escrita en
voz activa y de modo impersonal, por lo tanto evita juicios de valor
7.- Aplica diferentes tcnicas dentro de la estructura de la tesis. Puedes desarrollar
el tema de formas diversas, como por medio de cuadros sinpticos y mapas
conceptuales. Estos ayudan a exponer de forma ms especfica y directa los conceptos
que ests desarrollando.
8.- Elabora cada seccin de la tesis. La tesis debe estar compuesta por una serie de
divisiones dan orden y sentido al contenido de la misma. Una tesis bien expuesta y
completa debe contar con las siguientes secciones:
Contraportada
Dedicatorias
Agradecimientos
29
expresando el objetivo de tal investigacin, las razones que te llevaron a realizarla y las
bases que la sustentan. En la introduccin puedes incluir:
Prlogo: donde preparas al lector acerca de lo que va a encontrar
o
tesis.
o
la misma.
tu investigacin.
o
derivadas de la experimentacin.
Conclusiones: es donde manifiestas lo ms importante de la
30
por
estratos.
Estas
clasificaciones
se
basan
habitualmente
en
31
Cuestionarios
A diferencia de las entrevistas, en las que un encuestador plantea preguntas
directamente, los cuestionarios son formularios que rellenan los encuestados solos. Los
cuestionarios pueden entregarse en mano o enviarse por correo y recogerse
posteriormente o devolverse en un sobre prefranqueado. Este mtodo puede adoptarse
para toda la poblacin o para sectores escogidos.
Los cuestionarios pueden utilizarse para recopilar datos sistemticos habituales o poco
frecuentes, y datos para estudios especializados. Si bien la informacin de esta seccin
se aplica a los cuestionarios para todos estos usos, los ejemplos se refieren slo a
datos sistemticos, tanto si son habituales como poco frecuentes. Algunos de los datos
que suelen obtenerse a travs de cuestionarios son: caractersticas demogrficas, artes
de pesca, opiniones de las partes involucradas en la actividad o la ordenacin
pesquera, informacin general sobre los pescadores y presupuestos de alimentacin de
las unidades familiares.
Los cuestionarios prevn que los encuestados rellenen el formulario ellos mismos, para
lo que tambin se requiere un alto nivel de alfabetizacin. Cuando son habituales varios
idiomas, los cuestionarios deben prepararse utilizando los idiomas principales del grupo
destinatario. Debe prestarse especial atencin a estos casos para asegurar la precisin
de las traducciones.
Para maximizar los ndices de respuesta, los cuestionarios deben disearse de forma
que sean lo ms sencillos y claros posible, con secciones y preguntas dirigidas. Lo que
es ms importante, los cuestionarios deben ser tambin lo ms cortos posible. Si el
cuestionario se va a entregar a una poblacin de muestra, puede ser preferible preparar
varios cuestionarios ms pequeos y ms orientados, uno para cada submuestra. Si el
cuestionario va a utilizarse para realizar una encuesta completa, debe prestarse
especial atencin para evitar sobrecargar al encuestado. Si, por ejemplo, varios
organismos necesitan los mismo datos, deben tratar de coordinar su recopilacin para
evitar las duplicaciones.
La informacin que puede obtenerse a travs de los cuestionarios atae a
prcticamente todas las variables. Por ejemplo, la informacin acerca de las capturas o
los desembarques puede recopilarse a travs de cuestionarios dirigidos a los
pescadores, los intermediarios del mercado, los vendedores y los compradores en el
mercado, los elaboradores, etc. De igual forma, los datos socioeconmicos pueden
obtenerse tambin a travs de cuestionarios destinados a distintas fuentes. Sin
32
embargo, en todos los casos, las variables obtenidas son una opinin y no una
medicin directa, y por lo tanto pueden contener errores de bulto. Es ms fiable para
este tipo de datos la utilizacin de observaciones directas o de sistemas de
presentacin de informes.
Los cuestionarios, al igual que las entrevistas, pueden contener preguntas
estructuradas con espacios en blanco para rellenar, preguntas con opciones mltiples o
pueden incluir preguntas abiertas en las que se invita al encuestado a contestar de
forma amplia y en cierta medida elegir su propio enfoque.
Para facilitar la cumplimentacin de los formularios y la introduccin de datos en un
formato estructurado, ste debera ser preferiblemente de lectura automtica o al menos
presentar una disposicin en la que los campos de datos sean claramente identificables
y las respuestas estn previamente codificadas. En general, la escritura debera
limitarse al mximo (por ejemplo, casillas para marcar, opciones mltiples),
reservndose sta preferiblemente a los nmeros. En un formato abierto, deben
imponerse posteriormente palabras clave y otros procedimientos de estructuracin para
facilitar la introduccin en la base de datos y el anlisis, llegado el caso.
Entrevistas
En las entrevistas, la informacin se obtiene a travs de una encuesta y es registrada
por encuestadores. Las entrevistas estructuradas se llevan a cabo utilizando formularios
de encuesta, mientras que en las entrevistas abiertas se toman notas mientras se habla
con los encuestados. Las notas se estructuran (interpretan) luego para su posterior
anlisis. Las entrevistas abiertas, que deben interpretarse y analizarse incluso durante
la entrevista, deben realizarlas observadores y/o encuestadores bien formados.
Al igual que al preparar un cuestionario, es importante experimentar con formularios de
prueba diseados para las entrevistas. El mximo esfuerzo por aclarar y centrar por
parte del diseador no puede anticipar todas las posibles interpretaciones de los
encuestados. Una prueba a pequea escala antes de utilizarlos para recopilar
realmente datos asegurar unos datos mejores y evitar que se pierda tiempo y dinero.
Aunque las entrevistas estructuradas pueden utilizarse para obtener casi cualquier
informacin, al igual que en los cuestionarios, la informacin se basa en una opinin
personal. Los datos basados en variables como las capturas o el esfuerzo son
potencialmente objeto de errores de bulto, debido a clculos errneos o a errores
intencionados en la informacin delicada.
33
Entrevistas abiertas
Las entrevistas abiertas cubren una serie de actividades de recopilacin de datos que
incluyen varios mtodos de investigacin de las ciencias sociales.
Los grupos de muestra son pequeos (5-15 personas) y estn compuestos por
miembros representativos de un grupo cuyas apreciaciones, prcticas u opiniones se
estn buscando. Al hacer las preguntas iniciales y estructurar el examen posterior, el
facilitador/entrevistador puede obtener, por ejemplo, informacin sobre prcticas de uso
de artes comunes, respuestas a las normativas de ordenacin u opiniones sobre la
pesca.
Las encuestas de grupo comportan la seleccin aleatoria de un reducido nmero de
personas que representan a un grupo y que se prestan a estar disponibles durante un
perodo de tiempo prolongado, a menudo de uno a tres aos. Durante ese perodo,
sirven como muestra aleatoria estratificada de personas de las que pueden extraerse
datos sobre una serie de temas.
Entrevistas estructuradas
En general, las entrevistas estructuradas se llevan a cabo con un formulario bien
diseado previamente establecido. Se diferencian de los cuestionarios en que son los
investigadores quienes rellenan los formularios en lugar de los encuestados. Aunque
esta solucin resulta ms costosa, pueden hacerse preguntas ms complejas y los
datos pueden validarse en el momento de recopilarlos, mejorando as la calidad de los
mismos. Las entrevistas pueden llevarse a cabo con varias fuentes de datos (desde los
pescadores a los consumidores), y a travs de medios alternativos, como por telfono o
en persona.
Observaciones directas
Observadores
Los observadores pueden realizar mediciones directas en las embarcaciones
pesqueras, en los puntos de desembarque, en las instalaciones de elaboracin o en los
mercados. Las variables que los encuestadores pueden recopilar incluyen las capturas
(desembarques y descartes), el esfuerzo, los buques/artes, las actividades, variables
34
35
Investigacin cientfica
Los mtodos de investigacin ecolgica pueden llevarse a cabo de manera
independiente de las actividades pesqueras comerciales para medir variables relativas
a la poblacin de peces o el medio ambiente. Este tipo de investigacin puede correr a
cargo de embarcaciones de investigacin institucionales, o por parte del sector o de
instituciones mediante buques pesqueros comerciales. El objetivo es obtener
observaciones sobre variables biolgicas (por ejemplo, abundancia de poblaciones o
distribucin espacial y tamao de los peces, madurez y actividades de desove) y
medioambientales (por ejemplo, salinidad y temperatura). Es importante que este tipo
de investigaciones se lleven a cabo peridicamente para obtener series cronolgicas de
datos.
Del mismo modo, los mtodos de investigacin sociocultural pueden utilizarse para
obtener informacin especfica til con fines de ordenacin. Aunque estos mtodos no
puedan considerarse con frecuencia como rutinarios, ofrecen datos importantes y
deberan tenerse en cuenta en las recopilaciones de datos poco frecuentes, cuando
esto sea posible.
Los informadores selectos son personas con conocimientos especializados en un
tema concreto. Pueden incluir a especialistas acadmicos, lderes de la comunidad o
pescadores de especial cualificacin. Las entrevistas suelen comenzar con un conjunto
de preguntas bsicas, pero el entrevistador espera obtener informacin nueva y quizs
imprevista pidiendo al informador clave que ample sus respuestas a dichas preguntas
iniciales. Este mtodo es ideal para obtener datos descriptivos en profundidad sobre las
convicciones y las prcticas, incluidas las prcticas histricas.
La observacin por participacin es una tcnica en la que el investigador dedica un
amplio perodo de tiempo (puede ir desde semanas hasta aos, dependiendo del
objetivo y del contexto) viviendo con una comunidad objetivo, observando su
comportamiento y participando en sus prcticas. Durante este tiempo, el investigador
llevar a cabo entrevistas oficiales y oficiosas abiertas acerca de diversos temas. Este
es un buen mtodo para aprender acerca de los procesos reales de toma de
decisiones, frente a los procedimientos oficiales. Las normas culturales e institucionales
apenas se siguen al pie de la letra, y suelen existir normas oficiosas para una libertad
de accin aceptable. Sin embargo, suele ocurrir que la informacin acerca de estas
normas slo pueda obtenerse a travs de la observacin por participacin.
36
37
38
LA DISPERSIN.
Al igual que sucede con cualquier conjunto de datos, la media, la mediana y la moda
slo nos revelan una parte de la informacin que necesitamos acerca de las
caractersticas de los datos. Para aumentar nuestro entendimiento del patrn de los
datos, debemos medir tambin su dispersin, extensin o variabilidad.
La dispersin es importante porque:
prenatales
que
tiene
una
gestante.
39
consultorio.
MODA: Valor o (valores) que aparece(n) con mayor frecuencia. Una distribucin
unimodal tiene una sola moda y una distribucin bimodal tiene dos. til como medida
resumen para las variables nominales. Por ejemplo, el color del uniforme quirrgico en
sala de operaciones es el verde; por lo tanto es la moda en colores del uniforme
quirrgico.
MEDIDAS DE DISPERSIN
DESVIACIN ESTNDAR: Llamada tambin desviacin tpica; es una medida que
informa sobre la media de distancias que tienen los datos respecto de su
media Aritmtica,
expresada
en
las
mismas
unidades
que
la
variable.
su
valor
es
requerido
para
todos
los
procedimientos
estadstico.
PROBABILIDAD
La probabilidad mide la mayor o menor posibilidad de que se d un determinado
resultado (suceso o evento) cuando se realiza un experimento aleatorio.
Para calcular la probabilidad de un evento se toma en cuenta todos los casos posibles
de ocurrencia del mismo; es decir, de cuntas formas puede ocurrir determinada
situacin.
Los casos favorables de ocurrencia de un evento sern los que cumplan con la
condicin que estamos buscando.
La probabilidad toma valores entre 0 y 1 (o expresados en tanto por ciento, entre 0% y
100%):
40
Ejemplos:
a) Probabilidad de que al lanzar un dado salga el nmero 2: el caso favorable (f) es tan
slo uno (que salga el dos), mientras que los casos posibles (n) son seis (puede salir
cualquier nmero del uno al seis).
Por lo tanto:
41
Por
lo
tanto:
d) Probabilidad al lanzar una moneda, con un guila en una cara y un sol en la otra.
Hay dos casos posibles (n) de ocurrencia (o cae guila o cae sol) y slo un caso
favorable (f) de que pueda caer guila (pues slo hay un guila en la moneda).
Por lo tanto:
(o,
lo
que
es
lo
mismo,
50
%)
Existe una probabilidad del 50% de obtener un guila al tirar una moneda.
e) Probabilidad de elegir tal o cual fruta. Si en una canasta hay 20 peras y 10
manzanas. Qu fruta es ms probable que saque al azar de la canasta?
Para este ejemplo tenemos que 30 es el total de frutas en la canasta; es decir los casos
posibles (n). Para calcular la probabilidad de sacar una manzana los casos favorables
(f) son 10 puesto que existen slo 10 manzanas.
Por lo tanto:
42
Fjate bien que 33,3% + 66,7% es igual al 100% porque siempre que saquemos algo de
la canasta es seguro que ser una fruta.
Condiciones importantes
Para poder aplicar la Regla de Laplace el experimento aleatorio tiene que cumplir dos
requisitos:
a) El nmero de resultados posibles (sucesos o eventos) tiene que ser finito. Si hubiera
infinitos resultados, al aplicar la regla "casos favorables dividido por casos posibles" el
cociente siempre sera cero.
b) Todos los sucesos o eventos tienen que tener la misma probabilidad. Si al lanzar un
dado, algunas caras tuvieran mayor probabilidad de salir que otras, no podramos
aplicar esta regla.
A la regla de Laplace tambin se le denomina "probabilidad a priori", ya que para
aplicarla hay que conocer antes de realizar el experimento cuales son los posibles
resultados y saber que todos tienen las mismas probabilidades.
Cuando se realiza un experimento aleatorio un nmero muy elevado de veces, las
probabilidades de los diversos posibles sucesos empiezan a converger hacia valores
determinados, que son sus respectivas probabilidades.
Ejemplo:
si lanzo una vez una moneda al aire y sale "cara", quiere decir que el suceso "cara" ha
aparecido el 100% de las veces y el suceso "cruz" el 0%.
Si lanzo diez veces la moneda al aire, es posible que el suceso "cara" salga 7 veces y el
suceso "cruz" las 3 restantes. En este caso, la probabilidad del suceso "cara" ya no
sera del 100%, sino que se habra reducido al 70%.
Si repito este experimento un nmero elevado de veces, lo normal es que las
probabilidades de los sucesos "cara" y "cruz" se vayan aproximando al 50% cada una.
Este 50% ser la probabilidad de estos sucesos segn el modelo frecuentista.
43
VARIABLE ALEATORIA
Una variable aleatoria o variable estocstica es una funcin que asigna un valor,
usualmente numrico, al resultado de un experimento aleatorio. Por ejemplo, los
posibles resultados de tirar un dado dos veces: (1, 1), (1, 2), etc. o un nmero real (p.e.,
la temperatura mxima medida a lo largo del da en una ciudad concreta).
Los valores posibles de una variable aleatoria pueden representar los posibles
resultados de un experimento an no realizado, o los posibles valores de una cantidad
cuyo valor actualmente existente es incierto (p.e., como resultado de medicin
incompleta o imprecisa). Intuitivamente, una variable aleatoria puede tomarse como una
cantidad cuyo valor no es fijo pero puede tomar diferentes valores; una distribucin de
probabilidad se usa para describir la probabilidad de que se den los diferentes valores.
En trminos formales una variable aleatoria es una funcin definida sobre un espacio de
probabilidad.
Las variables aleatorias suelen tomar valores reales, pero se pueden considerar valores
aleatorios como valores lgicos, funciones o cualquier tipo de elementos (de un espacio
medible). El trmino elemento aleatorio se utiliza para englobar todo ese tipo de
conceptos relacionados. Un concepto relacionado es el de proceso estocstico, un
conjunto de variables aleatorias ordenadas (habitualmente por orden o tiempo).
Definicin de variable aleatoria
Concepto intuitivo
Una variable aleatoria puede concebirse como un valor numrico que est afectado por
el azar. Dada una variable aleatoria no es posible conocer con certeza el valor que
tomar est al ser medida o determinada, aunque s se conoce que existe
una distribucin de probabilidad asociada al conjunto de valores posibles. Por ejemplo,
en una epidemia de clera, se sabe que una persona cualquiera puede enfermar o no
(suceso), pero no se sabe cul de los dos sucesos va a ocurrir. Solamente se puede
decir que existe una probabilidad de que la persona enferme.
Para trabajar de manera slida con variables aleatorias en general es necesario
considerar un gran nmero de experimentos aleatorios, para su tratamiento estadstico,
cuantificar los resultados de modo que se asigne un nmero real a cada uno de
los resultados posibles del experimento. De este modo se establece una relacin
funcional entre elementos del espacio muestral asociado al experimento y nmeros
reales.
44
Definicin formal
Una variable aleatoria (v.a.) X es una funcin real definida en el espacio de
probabilidad, asociado a un experimento aleatorio.
La definicin formal anterior involucra conceptos matemticos sofisticados procedentes
de la teora de la medida, concretamente la nocin -lgebra o la de medida de
probabilidad
Caracterizacin de variables aleatorias
Tipos de variables aleatorias
Para comprender de una manera ms amplia y rigurosa los tipos de variables, es
necesario conocer la definicin de conjunto discreto. Un conjunto es discreto si est
formado por un nmero finito de elementos, o si sus elementos se pueden enumerar en
secuencia de modo que haya un primer elemento, un segundo elemento, un tercer
elemento, y as sucesivamente (es decir, un conjunto infinito numerable sin puntos de
acumulacin). Para variables con valores en las variables aleatorias se clasifican
usualmente en:
45
DISTRIBUCIONES DE PROBABILIDAD
Definicin
46
PROBABILIDAD
DE
LOS
4
RESULTADOS
POSIBLES
PRIMER
LANZAMIENTO
SEGUNDO
LANZAMIENTO
NUMERO DE CARAS
EN
2
LANZAMIENTOS
CARA
CARA
CARA
CRUZ
CRUZ
CARA
CRUZ
CRUZ
47
NMERO
CARAS
DE
LANZAMIENTOS
PROBABILIDAD
ESTE RESULTADO
DE
P(CARA)
(CRUZ, CRUZ)
0.25
(CARA, CRUZ)
1
0.50
(CRUZ, CARA)
2
(CARA, CARA)
0.25
NOTA: Esta tabla no representa el resultado real de lanzar una moneda dos
veces sino la del resultado terico es decir representa la forma en que se espera
se comporte el experimento de lanzar dos veces una moneda.
2. Variable aleatoria continua (x). Porque puede tomar tanto valores enteros como
fraccionarios y un nmero infinito de ellos dentro de un mismo intervalo.
Por ejemplo:
48
Distribucin Binomial
Distribucin de Poisson
Distribucin Normal
DISTRIBUCIN BINOMIAL
La distribucin Binomial es un caso particular de probabilidad de variable aleatoria
discreta, y por sus aplicaciones, es posiblemente la ms importante.
Esta distribucin corresponde a la realizacin de un experimento aleatorio que cumple
con las siguientes condiciones:
* Al realizar el experimento slo son posible dos resultados: el suceso A,
llamado xito, o su contrario A, llamado fracaso.
* Al repetir el experimento, el resultado obtenido es independiente de los
resultados obtenidos anteriormente.
* La probabilidad del suceso A es constante, es decir, no vara de una prueba
del experimento a otra. Si llamamos p a la probabilidad de A, p(A) = P, entonces p(A) =
1p=q
* En cada experimento se realizan n pruebas idnticas.
Todo experimento que tenga estas caractersticas se dice que sigue el modelo de la
distribucin Binomial o distribucin de Bernoulli.
En general, si se tienen n ensayos Bernoulli con probabilidad de xito p y de fracaso q,
entonces la distribucin de probabilidad que la modela es la distribucin de
probabilidad binomial y su regla de correspondencia es:
n!
pX qn - X
P(X=x) =
x!(n x)!
Como el clculo de estas probabilidades puede resultar algo tedioso se han construido
tablas para algunos valores de n y p que facilitan el trabajo.
49
a) Utilizacin de la frmula
n!
pX qn - X
P(X=x) =
x!(n x)!
Por ejemplo:
Donde:
50
Resolviendo:
51
Tabla Binomial
Resolviendo el mismo ejemplo pero utilizando las tablas binomiales se tiene que:
p = 0.50, n = 6 y r = 2
Obteniendo resultado directo de tablas
NOTA: Para este caso en particular donde p = 0.50 se puede obtener el resultado de las
tablas trabajando como si p0.50 (encerrado en azul) o como si p0.50 (encerrado en
rojo)
DISTRIBUCIN DE POISSON
La distribucin de POISSON es tambin un caso particular de probabilidad de variable
aleatoria discreta, el cual debe su nombre a Simon Denis Poisson (1781-1840), un
52
francs que la desarroll a partir de los estudios que realiz durante la ltima etapa de
su vida.
Esta distribucin se utiliza para describir ciertos procesos.
Caractersticas:
En este tipo de experimentos los xitos buscados son expresados por unidad de rea,
tiempo, pieza, etc:
- # de defectos de una tela por m2
- # de aviones que aterrizan en un aeropuerto por da, hora, minuto, etc.
- # de bacterias por c m2 de cultivo
- # de llamadas telefnicas a un conmutador por hora, minuto, etc, etc.
- # de llegadas de embarcaciones a un puerto por da, mes, etc, etc.
Para determinar la probabilidad de que ocurran x xitos por unidad de tiempo, rea, o
producto, la frmula a utilizar es:
donde:
p(X) = probabilidad de que ocurran x xitos, cuando el nmero promedio de ocurrencia
de ellos es l.
l = media o promedio de xitos por unidad de tiempo, rea o producto
e = 2.718 (base de logaritmo neperiano o natural)
X = variable que nos denota el nmero de xitos que se desea que ocurra
Hay que hacer notar que en esta distribucin el nmero de xitos que ocurren por
unidad de tiempo, rea o producto es totalmente al azar y que cada intervalo de tiempo
es independiente de otro intervalo dado, as como cada rea es independiente de otra
rea dada y cada producto es independiente de otro producto dado.
Clculo de la distribucin de probabilidad de Poisson por dos mtodos:
a) Utilizacin de la frmula
b) Utilizacin de las tablas de Poisson
53
Por ejemplo:
Si un banco recibe en promedio (l=) 6 cheques sin fondo por da, cules son las
probabilidades de que reciba:
a) cuatro cheques sin fondo en un da dado (x),
b) 10 cheques sin fondos en cualquiera de dos das consecutivos?
(e= 2.718281828)
c) Clculo de la distribucin de probabilidad de Poisson utilizando las tablas de
Poisson
Valores directos para determinar probabilidades de Poisson.
Para un valor dado de , la entrada indica la probabilidad de obtener un valor
especfico de X
Para el mismo ejemplo, resolviendo para:
Se tiene x = 4; l = 6 cheques sin fondo por da; obteniendo resultado directo de tablas :
54
55
DISTRIBUCIN NORMAL
La distribucin normal es tambin un caso particular de probabilidad de variable
aleatoria contnua, fue reconocida por primera vez por el francs Abraham de Moivre
(1667-1754). Posteriormente, Carl Friedrich Gauss (1777-1855) elabor desarrollos
ms profundos y formul la ecuacin de la curva; de ah que tambin se le conozca,
ms comnmente, como la "campana de Gauss". La distribucin de una variable
normal est completamente determinada por dos parmetros, su media () y su
desviacin estndar (). Con esta notacin, la densidad de la normal viene dada por la
ecuacin:
Propiedad:
No importa cules sean los valores de y para una distribucin de probabilidad
normal, el rea total bajo la curva siempre es 1, de manera que podemos pensar en
reas bajo la curva como si fueran probabilidades. Matemticamente es verdad que:
1. Aproximadamente el 68% de todos los valores de una poblacin normalmente
distribuida se encuentra dentro de 1 desviacin estndar de la media.
2. Aproximadamente el 95.5% de todos los valores de una poblacin normalmente
distribuida se encuentra dentro de 2 desviaciones estndar de la media.
3. Aproximadamente el 99.7% de todos los valores de una poblacin normalmente
distribuida se encuentra dentro de 3 desviaciones estndar de la media.
56
57
est dentro de ciertas distancias a partir de la media. Estas distancias estn definidas
en trminos de desviaciones estndar.
Para cualquier distribucin normal de probabilidad, todos los intervalos que contienen el
mismo nmero de desviaciones estndar a partir de la media contendrn la misma
fraccin del rea total bajo la curva para cualquier distribucin de probabilidad normal.
Esto hace que sea posible usar solamente una tabla de la distribucin de probabilidad
normal estndar.
El valor de z est derivado de la frmula:
En la que:
58
INFERENCIA ESTADSTICA
La inferencia estadstica es el conjunto de mtodos y tcnicas que permiten inducir, a
partir de la informacin emprica proporcionada por una muestra, cual es el
comportamiento de una determinada poblacin con un riesgo de error medible en
trminos de probabilidad.
Los mtodos paramtricos de la inferencia estadstica se pueden dividir, bsicamente,
en dos: mtodos de estimacin de parmetros y mtodos de contraste de hiptesis.
Ambos mtodos se basan en el conocimiento terico de la distribucin de probabilidad
del estadstico muestral que se utiliza como estimador de un parmetro.
La estimacin de parmetros consiste en asignar un valor concreto al parmetro o
parmetros que caracterizan la distribucin de probabilidad de la poblacin. Cuando se
estima un parmetro poblacional, aunque el estimador que se utiliza posea todas las
propiedades deseables, se comete un error de estimacin que es la diferencia entre la
estimacin y el verdadero valor del parmetro. El error de estimacin es desconocido
por lo cual es imposible saber en cada caso cual ha sido la magnitud o el signo del
error; para valorar el grado de precisin asociado con una estimacin puntual se parte
de dicha estimacin para construir un intervalo de confianza. En sntesis, un intervalo
de confianza est formado por un conjunto de valores numricos tal que la probabilidad
de que ste contenga al verdadero valor del parmetro puede fijarse tan grande como
se quiera. Esta probabilidad se denomina grado de confianza del intervalo, y la amplitud
de ste constituye una medida del grado de precisin con el que se estima el
parmetro.
Los mtodos de contraste de hiptesis tienen como objetivo comprobar si determinado
supuesto referido a un parmetro poblacional, o a parmetros anlogos de dos o ms
poblaciones, es compatible con la evidencia emprica contenida en la muestra. Los
supuestos que se establecen respecto a los parmetros se llaman hiptesis
paramtricas. Para cualquier hiptesis paramtrica, el contraste se basa en establecer
un criterio de decisin, que depende en cada caso de la naturaleza de la poblacin, de
la distribucin de probabilidad del estimador de dicho parmetro y del control que se
desea fijar a priori sobre la probabilidad de rechazar la hiptesis contrastada en el caso
de ser sta cierta.
59
En todo contraste intervienen dos hiptesis. La hiptesis nula (Ho) es aquella que
recoge el supuesto de que el parmetro toma un valor determinado y es la que soporta
la carga de la prueba. La decisin de rechazar la hiptesis nula, que en principio se
considera cierta, est en funcin de que sea o no compatible con la evidencia emprica
contenida en la muestra. El contraste clsico permite controlar a priori la probabilidad de
cometer el error de rechazar la hiptesis nula siendo sta cierta; dicha probabilidad se
llama nivel de significacin del contraste (
60
NMEROS NDICES
En general, las magnitudes socioeconmicas varan en el tiempo y en el espacio. Con
frecuencia estaremos interesados en hacer comparaciones de dichas magnitudes en
dos o ms periodos de tiempo o en dos o ms zonas geogrficas. Por ejemplo, analizar
la evolucin del PIB espaol en los ltimos aos, comparar el PIB de los pases
europeos o, lo que es de ms inters, estudiar la evolucin de los precios de los
productos de consumo a lo largo del tiempo o comparar el nivel de desarrollo de los
pases del mundo.
Un nmero ndice,
, es una medida estadstica que recoge la evolucin relativa en el
periodo t de una magnitud econmica (precios, producciones, ) de un conjunto de
bienes o productos respecto de un periodo base o de referencia 0. Tambin permite
comparar una magnitud econmica en una zona geogrfica respecto de una zona de
referencia. Por tanto, permiten comparar el estado de un fenmeno econmico (precios,
produccin,...) en dos situaciones y es una herramienta imprescindible en los estudios
de coyuntura. Utilizaremos la notacin de los ndices temporales, cuyo uso es ms
habitual que los espaciales, si bien los desarrollos se pueden generalizar en gran
medida a estos ltimos.
61
Nmeros
ndices
Compuestos
complejos
Sin
o ponderar
Ponderados
Sauerbeck,
Dtot,
Brandstreet-
Laspeyres,
Paasche,
Edgeworth, Fisher,
de
62
bienes.
de
un
bien
de
un
conjunto
de
bienes.
Cantidades
Valores
Bibliografa
Tenorio Bahena, Jorge. INVESTIGACIN DOCUMENTAL. 3 ed. Mxico (1988).
Ed. Mac Graw - Hill.
Pick, Susan y Lpez, Ana Luisa. CMO INVESTIGAR EN CIENCIAS SOCIALES. 5
ed. Mxico (1994). Ed. Trillas S.A.
Tamayo y Tamayo, Mario. EL PROCESO DE LA INVESTIGACIN CIENTFICA. 3
ed.
Mxico (1998). Ed. Limusa S.A.
Sabino, Carlos A. EL PROCESO DE INVESTIGACIN. Argentina (1996). Ed.
Lumen Humanitas.
Tenorio Bahena, Jorge. INVESTIGACIN DOCUMENTAL. 3 ed. Mxico (1988).
Ed. Mac Graw-Hill.
Pick, Susan y Lpez, Ana Luisa. CMO INVESTIGAR EN CIENCIAS SOCIALES. 5
ed. Mxico(1994).Ed.TrillasS.A.
Tamayo y Tamayo, Mario. EL PROCESO DE LA INVESTIGACIN CIENTFICA. 3
ed.
Mxico(1998).Ed.LimusaS.A.
Sabino, Carlos A. EL PROCESO DE INVESTIGACIN. Argentina (1996). Ed.
Lumen Humanitas.
Susan Pick y Ana Luisa Lpez -CMO INVESTIGAR EN CIENCIAS SOCIALES Ed.
63
Trillas - 1998
RICHARD I. LEVIN - DAVID S. RUBIN, ESTADSTICA PARA ADMINISTRADORES,
ED. PRENTICE HALL, SEXTA ED., 1996
RICHARD I. LEVIN - DAVID S. RUBIN, ESTADSTICA PARA ADMINISTRADORES,
ED. PRENTICE HALL, SEXTA ED., 1996
Klimovsky, Gregorio - Las desventuras del conocimiento cientfico - AZ
Editores - Bs. As. - 1995
TENORIO BAHENA, JORGE - TCNICAS DE INVESTIGACIN DOCUMENTAL - 3
edicin - ED.MC GRAW HILL - Mxico - 1988
CARLOS A. SABINO. El proceso de investigacin. Buenos Aires, Editorial
Lumen Humanitas, 1996
TENORIO BAHENA, JORGE, Tcnicas de investigacin documental, 3ra.
edicin, Mxico, Ed.Mc.GrawHill,1998
PICK, Susan (et. al.), Cmo investigar en ciencias sociales, 3ra edicin,
Mxico, Editorial Trillas, 1998.
Tenorio Bahena, Jorge. INVESTIGACIN DOCUMENTAL. 3 ed. Mxico (1988).
Ed. Mac Graw - Hill.
Pick, Susan y Lpez, Ana Luisa. CMO INVESTIGAR EN CIENCIAS SOCIALES. 5
ed. Mxico (1994). Ed. Trillas S.A.
Tamayo y Tamayo, Mario. EL PROCESO DE LA INVESTIGACIN CIENTFICA. 3
ed.
Mxico (1998). Ed. Limusa S.A.
Sabino, Carlos A. EL PROCESO DE INVESTIGACIN. Argentina (1996). Ed.
Lumen Humanitas.
Sabino, Carlos A. EL PROCESO DE INVESTIGACIN. Argentina (199
Bibliografa:
Sabino, Carlos A. EL PROCESO DE INVESTIGACIN. Argentina (1996). Ed.
Lumen Humanitas.
Pick, Susan y Lpez, Ana Luisa. CMO INVESTIGAR EN CIENCIAS SOCIALES. 5
ed. Mxico(1994).Ed.TrillasS.A.
Tamayo y Tamayo, Mario. EL PROCESO DE LA INVESTIGACIN CIENTFICA. 3
ed.
Mxico (1998). Ed. Limusa S.A.
64
65