MTODO CIENTFICO Y SUS ETAPAS

Conocimiento cientfico

Es aquel conocimiento que esta guiado por principios lgicos,

estructurado por conclusiones, fundamentos y leyes. Se caracteriza por
ser verificable, metdico, sistemtico y capaz de elaborar predicciones en
el campo de lo comprobable. En el desarrollo de Ingeniera, el
conocimiento cientfico tambin es importante, ya que si algo es
importante en este campo es la base terica. Adems las caractersticas
de este conocimiento (metdico y sistemtico) dan estructura a la solucin
de problemas.

Las caractersticas de la explicacin cientfica son:

1. Explicar es responder a la(s) pregunta(s) por qu?

2. La explicacin consta de un explanandum y un explanans, que es

necesario distinguir de los trminos explicandum y explicans, los cuales
se reservan para el mbito de la explicacin de significado y anlisis.

3. El explanandum es un enunciado que describe el fenmeno a explicar

(es una descripcin y no el fenmeno mismo).

4. El explanans consta de al menos dos conjuntos de enunciados utilizados

con el propsito de dilucidar el fenmeno.

5. El fenmeno en proceso de explicacin ser explicado demostrando que

se produjo d acuerdo con las leyes generales y en virtud de las
condiciones antecedentes especificadas.

La explicacin tambin puede formularse respecto a leyes generales. Es

decir, la explicacin de una regularidad general puede subsumirse dentro
de otra regularidad ms inclusiva (una ley ms general). Dicho de otra
manera, las leyes generales son cubrientes, ya que pueden subsumir
otras leyes o un conjunto de hechos.
1. 7.

Es un mtodo imperfecto pero lo suficientemente exitoso como para

que todos los campos lo hayan adoptado excluyendo prcticamente
cualquier otro mtodo de solucin de problemas"

Antecedentes

El mtodo cientfico fue desarrollado por Galileo para estudiar los

fenmenos naturales llevando un registro detallado de sus observaciones.
Su mtodo se basaba fundamentalmente en la observacin y en la
experimentacin; aspectos que en la actualidad para la Ingeniera son
muy importantes en la solucin de problemas.
 Mtodo cientfico
Se basa en una experimentacin sistemtica por medio de medidas y
anlisis cuidadosos. El Mtodo cientfico es una serie de pasos
ordenados que sirven para determinar todas las caractersticas de los
sucesos estudiados. A partir de los anlisis se deducen
conclusiones. Posteriormente estas conclusiones se prueban para
determinar si son vlidas.

Etapas del Mtodo cientfico

Observacin: Consiste en examinar atentamente a simple vista o con

auxilio de ciertos instrumentos y herramientas la naturaleza de los
objetos. En Ingeniera la observacin es fundamental para detectar
necesidades en un problema determinado.

Hiptesis: Consiste en hacer una serie de suposiciones y pronstico

formulando un aseveracin o bien enunciado que antecede a otros
constituyendo su fundamento. En Ingeniera la Hiptesis es parte de la
planeacin, fundamentando lo que se espera.

Experimentacin: Consiste en probar y examinar llevando a nivel de

laboratorio el problema en estudio. En Ingeniera la experimentacin es
fundamental, para dar una correcta solucin a un problema de
Ingeniera es necesario desarrollar repetidamente la propuesta de
solucin al problema, para poder llegar a conclusiones.

Comprobacin: Consiste en proponer pruebas para llegar a la respuesta

del problema con certeza y claridad, involucrando toda la informacin que
de solucin a la situacin que se desarroll a nivel de laboratorio. En
Ingeniera la comprobacin es decisiva, ya que por medio de indicadores
se evala si el proyecto procede o no.

Teora: Es el conocimiento especulativo considerado con independencia

de toda aplicacin. En Ingeniera la teora es una solucin conceptual sin
tomar en cuenta el desarrollo del proyecto en su ejecucin.
Ley: Es la regla o norma constante e invariable de las cosas. En Ingeniera
es imposible llegar a una ley, ya que siempre est abierta al cambio y se
adapta a l, por lo tanto el proyecto de ingeniera depende de muchos
factores que influyen en su desarrollo y la Ingeniera constantemente tiene
que dar soluciones.
 MUESTRA ESTADSTICA

Una muestra estadstica (o una muestra) es un subconjunto de

elementos de la poblacin estadstica.

El mejor resultado para un proceso estadstico sera estudiar a toda

la poblacin. Pero esto generalmente resulta imposible, ya sea porque
supone un coste econmico alto o porque requiere demasiado tiempo.
Frente a la dificultad de hacer un censo (estudio de toda la poblacin),
se examina una muestra estadstica que representar a la totalidad de los
sujetos. Con los resultado obtenidos mediante la muestra, se intentar
inferir las propiedades de todos los elementos, mediante la estadstica
inferencial.
La muestra elegida debe ser representativa de la poblacin. Las
muestras tienen un nivel de confianza de la bondad con la que representan
a todos los sujetos, generalmente del 95% o superior.
Ejemplo
ANUNCIOS
 Supongamos que se realiza un control de calidad en una fbrica que
produce dvds en el transcurso de un da. Esta empresa produce un milln
de dvds diarios por lo que sera imposible para los controladores
examinarlos todos. Por ello, se elige una muestra de cien elementos para
realizar dicho control.

Pero surge la siguiente pregunta: Cmo elegimos la muestra?

Existen diferentes tipos de muestreo.
 MUESTREO ALEATORIO SIMPLE
Siguiendo con nuestra serie de posts dedicados al muestreo, hoy revisaremos la primera de las
tcnicas de muestreo probabilstico: el muestreo aleatorio simple. Esta tcnica es una de las ms
populares y sirve de referencia a todas las dems aunque, como ya comentamos, en la prctica
difcilmente puede utilizarse.
Definicin
El muestreo aleatorio simple (M.A.S.) es la tcnica de muestreo en la que todos los elementos que
forman el universo y que, por lo tanto, estn descritos en el marco muestral, tienen idntica
probabilidad de ser seleccionados para la muestra. Sera algo as como hacer un sorteo justo entre
los individuos del universo: asignamos a cada persona un boleto con un nmero correlativo,
introducimos los nmeros en una urna y empezamos a extraer al azar boletos. Todos los individuos
que tengan un nmero extrado de la urna formaran la muestra. Obviamente, en la prctica estos
mtodos pueden automatizarse mediante el uso de ordenadores.

Dependiendo de si los individuos del universo pueden ser seleccionados ms de una vez en la
muestra, hablaremos de M.A.S. con reposicin o sin reposicin. Si usamos reposicin, el hecho de
que seleccione un individuo al azar para mi muestra no impedira que este mismo individuo pudiese
volver a ser seleccionado en una siguiente seleccin. Sera equivalente a decir que cada vez que
extraigo un nmero al azar de mi urna, vuelvo a colocar el nmero antes de la siguiente extraccin.
Si por el contrario no usamos reposicin, un individuo seleccionado para la muestra una vez ya no
entrara nuevamente en el sorteo.
La pregunta obvia es, qu es mejor, usar reposicin o no usar reposicin? Es un simple problema
matemtico. Csar Prez Lpez, en su libro "Muestreo Estadstico" (Pearson, 2005) desarrolla de
forma muy clara una comparacin entre ambas tcnicas. Tanto si lo miramos desde el punto de vista
de qu tcnica genera estimaciones ms precisas como desde el punto de vista de qu tcnica me
permite tener la misma precisin con menor tamao de muestra, se puede concluir que el muestreo
aleatorio simple sin reposicin siempre es ms eficiente.

Para poder observar este resultado, partimos de la siguiente expresin para el tamao de muestra en
un M.A.S. sin reposicin. La frmula relaciona el tamao de muestra necesario cuando el universo
es finito con el tamao necesario cuando el universo es infinito:

donde n0 es el tamao de muestra necesario para un universo infinito y N es el tamao del universo
finito. Es posible demostrar que el tamao de muestra cuando usamos reemplazo (nr) es siempre
igual al tamao necesario para universo infinito (nr=n0). Si eso sucede, podemos afirmar que

Por lo tanto, el tamao de muestra cuando no usamos reposicin siempre es menor al necesario
si usamos reposicin. Este resultado coincide con la intuicin: si estamos empleando reposicin y
por azar incluimos un individuo ms de una vez en la misma muestra, el efecto es similar a reducir
el tamao de la muestra ya que observo menor diversidad de individuos. Del mismo modo, si el
universo es infinito, ambos mtodos coinciden, dado que la probabilidad de seleccionar al mismo
individuo dos veces en la misma muestra tiende a ser infinitamente pequea.

Beneficios del muestreo aleatorio simple

El desarrollo de la informtica ha permitido que disear una muestra aleatoria simple sea
extremadamente rpido y fiable. La generacin de nmeros aleatorios mediante software -
estrictamente son nmeros pseudo-aleatorios - es cada vez ms fiable.

De esta forma, al usar M.A.S. nos aseguramos la obtencin de muestras representativas, de

manera que la nica fuente de error que va a afectar a mis resultados va a ser el azar. Y lo que es
ms importante, este error debido al azar puede calcularse de forma precisa (o al menos acotarse).
Puedes consultar el siguiente post para obtener ms informacin.

Inconvenientes del muestreo aleatorio simple

El nico inconveniente del M.A.S. es la dificultad de llevarlo a la prctica en investigaciones
reales. Recordemos: al ser una tcnica probabilstica, necesito un marco muestral con todos los
individuos y que todos ellos sean seleccionables para mi muestra. Un requisito que difcilmente
puede cumplirse en la mayora de estudios de mercado y opinin reales, lo que nos obligar a
emplear otras tcnicas.
MUESTREO POR AREA
Muestreo probabilstico en racimo en el que por falta de listas ordenadas se determinan reas
geogrficas a partir de planos (por ejemplo, manzanas de casas de una ciudad). Una vez
elegidas al azar las reas a muestrear, se entrevista a todos los elementos de esos grupos
(por ejemplo, hogares en esas manzanas o bien en un racimo de dos niveles) se hace un
muestreo aleatorio simple de cada uno de esos grupos, o un muestreo con probabilidad
proporcional al tamao de cada grupo (por ejemplo, cuando el nmero de hogares en cada
manzana es muy distinto). Tiene la ventaja de tener que estudiar solamente un reducido
nmero de grupos y elementos.

MUESTREO POR ETAPAS

Cuando en el muestreo por conglomerados se prosigue en el anlisis y dentro de
cada conglomerado se vuelven a seleccionar, tambin de forma aleatoria, nuevos
subconglomera-dos, y as sucesivamente hasta seleccionar las unidades ltimas, al muestreo se
le denominador etapas o polietpico. El ms frecuente de los mustreos por etapas es el
bietpico, en el que se seleccionan, en primer trmino y de forma aleatoria, los conglomerados o
reas, y en una segunda etapa, las unidades ltimas o ms elementales del conjunto
poblacional, sin necesidad de tener que seleccionar ningn otro tipo de unidad intermedia.

muestreo sistemtico
Siguiendo con nuestra serie de posts dedicados a las tcnicas de muestreo y tras
examinar el muestreo estratificado, hoy echaremos un vistazo al muestreo
sistemtico.

El muestreo sistemtico era muy popular en el pasado, antes de que la

incorporacin de la informtica hiciese trivial un problema que siempre haba
dado muchos quebraderos de cabeza a los investigadores: elegir individuos de
forma aleatoria dentro de una muestra. En la medida en que los ordenadores nos
han facilitado la tarea de generar nmeros aleatorios, este problema ha
desaparecido.

Tambin se sigue utilizando para seleccionar individuos a lo largo del tiempo.

Por ejemplo, para estudiar la satisfaccin de un servicio, podemos elegir
sistemticamente encuestar a 1 de cada n clientes que nos visitan. En estas
circunstancias, en las que puede existir diferente varianza entre individuos en
diferentes periodos de tiempo, el muestreo sistemtico puede ser incluso ms
preciso que el muestreo aleatorio puro.
En qu consiste el muestreo sistemtico?
Es una tcnica dentro de la categora de muestreos probabilsticos - y que por lo
tanto requiere tener un control preciso del marco muestral de individuos
seleccionables junto con la probabilidad de que sean seleccionados - consistente
en escoger un individuo inicial de forma aleatoria entre la poblacin y, a
continuacin, seleccionar para la muestra a cada ensimo individuo disponible en
el marco muestral.
El muestreo sistemtico es un proceso muy simple y que slo requiere la eleccin
de un individuo al azar. El resto del proceso es trivial y rpido. Los resultados
que obtenemos son representativos de la poblacin, de forma similar al muestreo
aleatorio simple, siempre y cuando no haya algn factor intrnseco en la forma en
que los individuos estn listados que haga que se reproduzcan ciertas
caractersticas poblacionales cada cierto nmero de individuos. Este suceso es
realmente poco frecuente.
El proceso

De forma concreta, el proceso que seguiramos en un muestreo sistemtico sera

el siguiente:

1. Elaboramos una lista ordenada de los N individuos de la poblacin, lo que

sera el marco muestral.
2. Dividimos el marco muestral en n fragmentos, donde n es el tamao de
muestra que deseamos. El tamao de estos fragmentos ser
K=N/n
donde K recibe el nombre de intervalo o coeficiente de elevacin.
3. Nmero de inicio: obtenemos un nmero aleatorio entero A, menor o igual al
intervalo. Este nmero corresponder al primer sujeto que seleccionaremos para
la muestra dentro del primer fragmento en que hemos dividido la poblacin.
4. Seleccin de los n-1 individuos restantes: Seleccionamos los siguientes
individuos a partir del individuo seleccionado aleatoriamente, mediante una
sucesin aritmtica, seleccionando a los individuos del resto de fragmentos en
que hemos dividido la muestra que ocupan la misma posicin que el sujeto
inicial. Esto equivale a decir que seleccionaremos los individuos

A, A + K, A + 2K, A + 3K, ...., A + (n-1)K

Ejemplo

Supongamos que tenemos un marco muestral de 5.000 individuos y deseamos

obtener una muestra de 100 de ellos. Dividimos en primer lugar el marco
muestral en 100 fragmentos de 50 individuos. A continuacin
seleccionamos un nmero aleatorio entre 1 y 50, para extraer el primer individuo
al azar del primer fragmento: por ejemplo el 24. A partir de este individuo, queda
definida la muestra extrayendo los individuos de la lista con intervalos de 50
unidades, tal y como sigue

24, 74, 124, 174, ..., 4.974

Propiedades del muestreo sistemtico
Las principales ventajas son:
o Obtiene buenas propiedades de representatividad, similares a la de un muestreo aleatorio simple
o incluso superiores, pero de forma ms rpida y simple, al evitar la necesidad de generar tantos
nmeros aleatorios como individuos en la muestra.
o Respecto al muestreo aleatorio, el muestreo sistemtico puede garantizarnos una seleccin
perfectamente equitativa de la poblacin. Esto puede ser de utilidad si se distinguen grupos
dentro de universo, lo que nos podra evitar la necesidad de usar estratos. Si existe diferente
varianza entre los individuos de los fragmentos, este muestreo puede ser mejor que el aleatorio.
Lo veremos luego.
Como desventajas, slo existe la ya mencionada posibilidad de que el orden en
que se han listado los candidatos a la muestra tenga algn tipo de periodicidad
oculta que coincida con el intervalo escogido para generar la muestra sistemtica.
En este caso, podramos generar una muestra sesgada.
Eficiencia del muestreo sistemtico

El muestreo sistemtico se ide para mejorar las propiedades del muestreo

aleatorio simple, pero el grado de mejora es variable dependiendo de las
propiedades del universo estudiado.

Para entender las propiedades de este muestreo, hay que tener en cuenta una
cosa: si fijamos el intervalo o coeficiente de elevacin segn el tamao de la
muestra que necesitamos, slo hay un elemento aleatorio dentro del proceso de
muestreo: la unidad inicial que seleccionamos del primer bloque de individuos.
El resto queda fijado de antemano. Esto equivale a decir que slo tenemos k
posibles muestras diferentes a obtener y que el muestreo es simplemente escoger
una de las k muestras disponibles.

Es posible demostrar que cuanto ms supera la varianza dentro de las k posibles

muestras que podemos generar a la varianza poblacional, ms precisin ganamos
usando el muestreo sistemtico respecto al aleatorio simple. Lo anterior puede
interpretarse diciendo que el muestreo sistemtico es ms preciso que el aleatorio
simple cuando la variabilidad dentro de las posibles muestras es superior a
la variabilidad dentro de las unidades de la poblacin. La precisin del muestreo
sistemtico coincide con la del aleatorio simple cuando ambas variabilidades
coinciden, y esto se da cuando la disposicin de los elementos en la poblacin es
totalmente aleatoria.