Resumen

captulo 9
Kerlinger
- Cristian Fredes.
- Bruno Gaete.
- Valentina Silva

Principios del anlisis e interpretacin

Es muy difcil explicar datos brutos por ende primero se deben analizar para interpretar los resultados del
anlisis.

Datos: Generalmente son resultados numricos desde los cuales se hacen inferencias y conclusiones as como
tambin puede ser material bibliogrfico. A estos datos se les asignan numerales y smbolos a las
observaciones y manipulan stos smbolos para plantearlos de forma interpretable. Posteriormente se utilizan
para hacer inferencias entre las variables del problema de investigacin

Anlisis: Categorizacin, ordenamiento, manipulacin y resumen de los datos, para responder a las preguntas
de investigacin. Para ser estudiadas y probadas las relaciones de los problemas de estadstica se deben
reducir los datos de forma entendible e interpretable. De sta manera se puede ver si los datos y su anlisis
sirven para contestar las preguntas de investigacin.

Interpretacin: Se interpretan los resultados, se hacen inferencias a las relaciones de investigacin estudiadas
y se sacan conclusiones de stas. Esto se hace de dos maneras

1) Interpretando las relaciones dentro del estudio de investigacin y sus datos. Aqu se hace inmediatamente el anlisis

2) La bsqueda del significado ms amplio de los datos de investigacin, mientras que se busca el significado y las
implicaciones de los resultados de la investigacin dentro de otras investigaciones.

Medidas de frecuencia y

medidas continuas.

Los datos cuantitativos-cuantitativos se presentan de dos formas generales:

medidas de frecuencia y medidas continuas.(asociadas a variables continuas).

Frecuencias son los nmeros de objetos en un conjunto o subconjunto. Se es

parte de ste si se cumple con la regla de correspondencia (condicin).

F= {(x,y); x es un objeto, e y es cualquier numeral}

Reglas de categorizacin

El primer paso de cualquier anlisis es la categorizacin. Categorizar es partir, hacer una fraccin bajo una regla, la
regla dice cmo asignar los objetos del conjunto a las particiones para ello se deben explicar las reglas, relacionarlas
con los propsitos bsicos del anlisis y utilizarlas en situaciones analticas prcticas. Hay 5 reglas de categorizacin

1-Las categoras se establecen de acuerdo con el problema de investigacin y sus propsitos: esta es la ms
importante ya que si las categorizaciones no se establecen de acuerdo a las demandas del problema de investigacin
no habrn respuestas adecuadas para l.

2-Las categoras son exhaustivas: Todos los individuos en el universo deben tener la posibilidad de ser asignados a las
casillas del paradigma analtico.

3-Las categoras son mutuamente excluyentes e independientes: Cada sujeto del universo de la investigacin debe
ser asignado solamente una casilla del paradigma analtico. Las definiciones de las variables deben ser claras y sin
ambigedades para que sea poco probable que un individuo quede en ms de una casilla. Independencia significa
que la asignacin de un objeto a una casilla no afecte, de ninguna forma, la asignacin de otro objeto a otra o la
misma casilla. Se cumple de mejor manera cuando la asignacin es aleatoria.

4-Cada categora (variable) se deriva de un principio de clasificacin: Cada variable ha de ser tratada separadamente
debido a que cada variable representa una dimensin separada.(cada variable debe tener su propia categora).

Tipos de anlisis estadsticos

Distribuciones de frecuencia

Tambin pueden usarse para otros propsitos, por ejemplo, para probar si dos o ms
distribuciones son lo suficiente similares para garantizar su unin

Las distribuciones observadas tambin pueden ser comparadas con distribuciones tericas

La comparacin ms conocida es la distribucin normal.

Grficos y elaboracin de grficos

Un grfico se define como una representacin bidimensional de una relacin o de varias

relaciones

Adems de mostrar las relaciones entre conjuntos, muestra su naturaleza: positiva,

negativa, lineal, cuadrtica, etc.

Son generalmente usadas con propsitos descriptivos

Exhibe grficamente grupos de pares ordenados en una forma nica

Tipos de anlisis estadsticos

En la figura 9.1 se muestran 3 relaciones hipotticas entre edad (variable independiente) y desempeo verbal (variable dependiente) de nios de
clase media (A) y nios de clase trabajadora (B)

El eje x (horizontal) o abscisa indica la variable independiente

El eje y (vertical) u ordenada indica la variable dependiente

El grfico (a) demuestra la misma relacin positiva para A y B y que el grupo A supera al B.

El grfico (b) muestra que para ambos grupo hay relacin positiva, pero conforme pas el tiempo, el desempeo de A aument ms que el
desempeo de B

Interaccin: Dos o ms variables interactan en su efecto sobre una variable dependiente. En los grficos (b) y (c) se puede apreciar cmo la
edad y el estatus del grupo afect el desempeo verbal de un grupo u otro.

El grfico (c) muestra que en una primera instancia A super a B y se mantuvo as, pero el grupo B avanz en el tiempo hasta superar al grupo A

Medidas de tendencia central y

variabilidad

Las medidas de tendencia central y variabilidad son las herramientas ms importantes en el anlisis de datos conductuales

Medidas de tendencia central:

Media
Es equivalente al promedio de los datos

Mediana

Moda

Corresponde a la medida de al medio de un conjunto de medidas, teniendo estas ltimas ordenadas

Es la medida ms frecuente

A menudo es til en investigacin calcular tanto las medias como las medianas y modas

Medidas de variabilidad:

Varianza1

Desviacin estndar2

Rango

Diferencia entre la medida ms alta y la ms baja en un conjunto de medidas

Las medias no deben reportarse sin desviaciones estndar, ya que la interpretacin de una investigacin es imposible sin los ndices de
variabilidad

Medidas de relaciones.

Todos las medidas de correlacin (p. Ej.: el coeficiente phi ()), sin importar qu tan diferentes sean
en derivacin, apariencia, clculo y uso, hacen esencia en lo mismo: expresan la extensin en que los
pares de conjuntos de pares ordenados varan concomitantemente 3 e informan al investigador la
magnitud y la direccin de la relacin

El valor de algunos vara de -1, 0, y +1, donde:

+1 es una relacin positiva

-1 es una relacin negativa

0 es una relacin no discernible

A partir de las medidas de relaciones se adquiere una idea directa del grado de co-variacin de las
variables

Las medidas de significancia estadstica indican si una relacin es o no significativa a un nivel

especfico de significancia

Idealmente, todos los anlisis de datos debe incluir medidas de significancia de una relacin y medidas
de magnitud de la relacin

Son poco usuales (por sus extensas y elaboradas formas de anlisis), pero son extremadamente tiles y
poderosas para el investigador

1 y 2: Ya se han definido y revisado en captulos anteriores, no es necesario volver a hacerlo

Anlisis de diferencias

Ocupa una parte importante en el anlisis estadstico y de la inferencia.

Cualquier diferencia puede ser analizada (frecuencias, proporciones,

porcentajes, rangos, correlaciones y varianzas) No se reduce a MTC.

Son planeados con el propsito de estudiar relaciones Ej. Entre mayor sea
la diferencia entre las medias () mayor es la correlacin entre una variable
independiente y una dependiente.

Anlisis de varianza de mtodos

correlacionados.

Mtodo para identificar, analizar y probar la significancia estadstica de

varianzas que provienen de diferentes fuentes de variacin :

Variable
Dependiente

Es la

Cantidad total
de varianza

Tratamiento
experimental
Error

Debido en parte a:

otras causas.

Es ms apropiado para datos experimentales que no experimentales.

Es la mejor forma de estudiar el diseo de la investigacin.

Anlisis de perfiles

Es la evaluacin de similitudes en los perfiles de individuos o grupos.

Perfil: Conjunto de medidas diferentes de un individuo o grupo expresadas en una misma unidad de medida.

Se utilizan con propsitos diagnsticos. (Ej. Bateras de pruebas)

Sus problemas son :

Similitud, ya que no es una caracterstica general de todos los individuos.

Sacrifica datos, qu informacin se eliminar para

calcular los ndices de similitud en los perfiles.

Anlisis multivariado

Es un trmino general usado para categorizar una familia de mtodos analticos cuya caracterstica
principal es el anlisis simultneo de k variables independientes y m variables dependientes.

Son los ms apropiados para la investigacin cientfica del comportamiento, debido a la naturaleza
multivariada de los mismos.

Son como la realidad conductual que trata de reflejar: complejos y difciles de entender.

a) Regresin mltiple: Analiza las influencias comunes y separadas de dos o ms variables

independientes sobre una variable dependiente.
b) Correlacin cannica: (expresin lgica de la regresin mltiple). Aade ms de una variable
dependiente al modelo de regresin mltiple. Maneja las relaciones entre conjuntos de variables
independientes y conjuntos de variables dependientes. Tiene capacidad limitada para probar modelos
tericos por limitaciones en la interpretacin de los resultados que produce.
c) Anlisis discriminante: Su propsito es discriminar grupos entre s con base en conjuntos de medidas
d) Anlisis factorial: Ayuda al investigador a descubrir e identificar las unidades o dimensiones llamadas
factores que subyacen a muchas medidas.
e) Anlisis de ruta: Mtodo grfico del estudio de las supuestas influencias directas e indirectas de las
variables independientes entre s y sobre las variables dependientes. Describe y prueba teoras. Debe
existir marco terico. Utiliza diagramas causales o diagramas de ruta. Ayuda a entender ms facilmente
el anlisis estructural de covarianza.
f) Anlisis estructural de covarianza: Anlisis de variacin conjunta de variables que estn en una
estructura dictada por una teora