domingo, 9 de febrero de 2020

OPERACIONALIZACION DE VARIABLES


OPERACIONALIZACION DE VARIABLES

OBJETIVO GENERAL: 

Explicar los factores que inciden en la calidad de vida de los jóvenes que se encuentran ubicados en las Riveras del Rio Esmeraldas para determinar las causas y consecuencias de sus vivezas, estudiando sus coeficientes de manera estadística. 

APLICACIÓN:

Estadística Inferencial.

HIPÓTESIS:

Se considera que la falta de recursos económicos, problemas familiares influyen en la educación y manera emocional en la calidad de vida de los jóvenes que habitan las riveras del río esmeraldas, al igual que influyen en comportamientos agresivos como : el suicidio, la depresión, el insomnio y trastornos bipolares y las drogas.



VARIABLES DEPENDIENTES Y INDEPENDIENTES


VARIABLES DEPENDIENTES Y INDEPENDIENTES

Resultado de imagen para que es variable dependiente e independiente

Las variables son símbolos que representan algún tipo de cantidad o factor indeterminado, o sea, que puede variar, que no es fijo. Es lo contrario, en ese sentido, a una constante. Cuando son símbolos matemáticos suelen representarse con letras (x, y), pero también pueden ser lógicos o de otra índole.
Las variables dependiente e independiente son las dos variables principales de cualquier experimento o investigación. La independiente (VI) es la que cambia o es controlada para estudiar sus efectos en la variable dependiente (VD). La dependiente es la variable que se investiga y se mide.

Entre las variables, las variables independientes son aquellas que pueden tomar diversos valores numéricos (o argumentos) y generalmente se representan como x. Las variables independientes afectan directamente a las variables dependientes (generalmente y).

La diferencia entre unas y otras tiene que ver con que una depende de la otra, y por lo tanto la relación entre ambas puede usarse de manera controlada para estudiar el modo en que dicha dependencia se produce. O sea, pueden comprenderse como causa (x) y efecto (y), ya que la variable independiente está en manos del investigador, mientras que la otra no.

Intentemos explicar esto con un ejemplo

Si sabemos que por cada hamburguesa que comamos deberemos hacer dos horas de ejercicio, podemos expresar la relación entre ambas cosas de manera matemática diciendo que por cada x hamburguesas comidas, obtendremos 2y horas de ejercicio, pues x = 2y.

La variable independiente son las hamburguesas, ya que podemos comer la cantidad que decidamos, libremente, mientras que la variable dependiente será siempre la cantidad de horas de ejercicio, pues se desprenden de la primera premisa.

A continuación propondremos una serie de enunciados en la que se diferencian las variables independientes (x) de las dependientes (y):
  • La capa de ozono de la atmósfera se achica en cierta cantidad (y) con cada tonelada de gases tóxicos emitidos mensualmente (x).
  • El consumo de cigarrillos (x) disminuye la resistencia física (y).
  • Se desea estudiar el impacto del consumo de yerba mate (x) en la frecuencia de cáncer de colon de la sociedad uruguaya (y).
  • Expertos afirman una relación inversamente proporcional entre la inteligencia de un individuo (x) y sus niveles de fanatismo político (y).
  • Los científicos sospechan que cierto tipo de bacteria se reproduce más fácilmente (y) estando en presencia de algunos alcaloides orgánicos (x).



LECCION ESCRITA



1. Realice un cuadro comparativo entre muestreo estratificado  y conglomerado.


El muestreo estratificado, la población está compuesta por estratos que son conjuntos cuyos elementos son muy similares entre sí, pero hay mucha diferencia entre un estrato y otro. En el muestreo por conglomerados, la población esta compuesta por conglomerados que son parecidos entre sí, pero los elementos dentro de cada conglomerado son muy distintos uno de otro.

2. Indique que elemento y cuales pueden darse en la formula de la muestra cuando de conoce la población. Realice un ejemplo.


En donde, 
N = tamaño de la población 
Z = nivel de confianza, 
P = probabilidad de éxito, o proporción esperada 
Q = probabilidad de fracaso 
D = precisión (Error máximo admisible en términos de proporción).

3. Escriba un ejemplo en el que se aplique estadística inferencial aplicando el tipo de muestreo probabilistico.

Muestreo estratificado

■Dividimos la población en diferentes grupos, o estratos, y tomamos de cada uno de ellos una muestra aleatoria simple 
■Lo hacemos cuando conocemos que la población contiene grupos o subpoblaciones que son homogéneos internamente (estratos), pero sospechamos que son muy diferentes entre ellos respecto a la característica estudiada.

Ejemplo: estudio comparativo de acceso a servicios de salud entre personas que viven en municipios pequeños, medianos y grandes 
◆El muestreo aleatorio simple: muy poca gente de municipios pequeños 
◆Muestra muy pequeña --> error muestral grande --> imposible hacer inferencia y comparación 

“Solución”: muestreo estratificado con muestras del mismo tamaño de personas que viven en municipios pequeños, medianos y grandes. 

APLICANDO LA ESTADÍSTICA INFERENCIAL, LA COMPARACIÓN DE DIFERENTES TAMAÑOS DE MUNICIPIOS.

4. En que ámbitos se pueden aplicar estadística inferencial.

LA POLÍTICA Y LA ESTADÍSTICA INFERENCIAL.

En relación con esto, cabe decir que, en ocasiones, la estadística inferencial y la política tienden a relacionarse en derivados temas o problemas en la metodología matemáticamente utilizada para obtener o procesar la información (es decir, el asunto es técnico); en otros casos, el detalle es conceptual y está en las variables: cómo se definen o interpretan, cómo se miden y de qué manera se recolectan los datos (por ejemplo, la reciente cifra oficial de pobreza nacional que no es compatible con toda la serie previa); otras veces, el punto es más sutil y se emplean algunos trucos “maliciosos”, como las gráficas con escalas ad hoc que apropiadamente disimulan o disfrazan las proporciones visuales que no son convenientes. 

OPERACIONALIZACION DE VARIABLES


OPERACIONALIZACION DE VARIABLES 

Es un proceso metodológico que consiste en descomponer deductivamente las variables que componen el problema de investigación, partiendo desde lo más general a lo más específico; es decir que estas variables se dividen (si son complejas) en dimensiones, áreas, aspectos, indicadores, índices, subíndices, ítems; mientras si son concretas solamente en indicadores, índices e ítems.
Ahora bien, una variable es operacionalizada con la finalidad de convertir un concepto abstracto en uno empírico, susceptible de ser medido a través de la aplicación de un instrumento. Dicho proceso tiene su importancia en la posibilidad que un investigador poco experimentado pueda tener la seguridad de no perderse o cometer errores que son frecuentes en un proceso de investigación, cuando no existe relación entre la variable y la forma en que se decidió medirla, perdiendo así la validez, dicho de otro modo (grado en que la medición empírica representa la medición conceptual). La precisión para definir los términos tiene la ventaja de comunicar con exactitud los resultados.

En consecuencia, la operacionalización de las variables es el proceso a través del cual el investigador explica en detalle la definición que adoptará de las categorías y/o variables de estudio, tipos de valores (cuanti o cualitativos) que podrían asumir las mismas y los cálculos que se tendrían que realizar para obtener los valores de las variables cuantitativas. La operacionalización es un proceso que variará de acuerdo al tipo de investigación y de diseño. No obstante, las variables deben estar claramente definidas y convenientemente operacionalizadas. Se consideran incompletos aquellos protocolos cuyo nivel de operacionalización es muy vago.

Con fines didácticos explicamos cada una de las columnas del cuadro que hacen parte del proceso de operacionalización de una variable de estudio.
Variable
Tipo de Variable
Operacionalización
Categorización o Dimensiones
Definición
Indicador
Nivel de Medición
Unidad de Medida
Índice
Valor
A
B
C
D
E
F
G
H
I
J
A.   Variable
 
·         Una variable es una característica que se va a medir.
·    Es una propiedad, un atributo que puede darse o no en ciertos sujetos o fenómenos en estudio, así como también con menor o mayor grado de representación en los mismos y por tanto con susceptibilidad de medición.
·         Su misma palabra define que “debe permitir rangos de variación”.
·         Es el conjunto de valores que constituyen una clasificación.
·     Debe traducirse del nivel conceptual (abstracto) al nivel operativo (concreto), dicho de otra forma, que sea observable y medible.
·         Se deriva de la unidad de análisis y están contenidas en las hipótesis y en el título del estudio. 
B.   Tipo de Variable 
Hace referencia a conceptos clasificatorios de las variables que puede ser de distinto orden a saber: 
Según el nivel de medición: nominal, ordinal, de intervalo y de razón (se explican en el numeral H). 
Según el tipo de estudio: en estudios de investigación donde se supone la determinación de una o más variables sobre otra, las investigaciones son de relación causa-efecto, y en ellos las variables son denominadas: independiente, que representa la causa eventual, dependiente o de criterio, que representa el efecto posible, e interviniente aquella que representa una tercera variable que actúa entre la independiente y la dependiente y que puede ayudar a una mejor comprensión de dicha relación.
Según el origen de la variable: activa, cuando el investigador la crea o la diseña y, atributiva o preexistente cuando ya está establecida o existe. 
Según el número de valores que representa: continua, representa valores de manera progresiva y admite fraccionamiento como la edad y, categórica o discreta cuando sólo toma algunos valores discretos o sea que no admite fraccionamiento tales como el género, la raza, el número de hijos o de embarazos; si la variable sólo toma dos valores como el sexo se denomina categórica dicotómica, pero si toma más de dos valores se denominará politómica.
Según el control de la variable por parte del investigador: la variable que tiene efecto sobre la variable dependiente requiere que sea controlada por el investigador, por ejemplo, el número de cigarrillos que consume por día un fumador y su relación con la aparición prematura de la patología pulmonar, en este caso la variable se denomina controlable o controlada. Cuando en el diseño o en el análisis la variable no se considera, será una variable no controlada. 
C.   Operacional o definición operacional 
Explica cómo se define el concepto específicamente en el estudio planteado, que puede diferir de su definición etimológica.
Equivale a hacer que la variable sea mensurable a través de la concreción de su significado, y está muy relacionada con una adecuada revisión de la literatura.
Puede omitirse cuando la definición es obvia y compartida.
D.   Categorización o dimensiones
 
Cuando el concepto tiene varias dimensiones o clasificaciones o categorías, éstas deben especificarse en el estudio; tal es el caso de la variable recursos, que puede hacer referencia a recursos técnicos, financieros, ambientales, humanos entre otros. 
E.   Definición de las categorías o dimensiones 
Cada una de las dimensiones, categorías o clasificaciones debe ser definida conceptual y etimológicamente. 
F.    Indicador
Es la señal que permite identificar las características de las variables. Se da con respecto a un punto de referencia. Son señales comparativas con respecto a contextos o a sí mismas.
Su expresión matemática se nutre de la estadística, la epidemiología y la economía.
El indicador tiene por función de señalar cómo medir cada uno de los factores o rasgos de la variable.
·         Se expresa en razones, proporciones, tasas e índices.
·         Permite hacer “medible” la variable.
Son ejemplos de indicadores: indicadores económicos (el dólar estadounidense, un kilo de café, una onza de plata).
Indicadores de pobreza (las migraciones, los desplazamientos forzados, el desempleo, los asentamientos humanos).
Indicadores de calidad de vida (tasa de fecundidad, de esperanza de vida,  de natalidad, de mortalidad).
Indicadores de desarrollo (el PIB: producto bruto interno, la inflación, tasa de desempleo, el IPC: índice de precios al consumidor). Así los indicadores pueden ser construidos por el investigador. 
G.   Nivel de medición
 
La medición de una variable se refiere a su posibilidad de cuantificación o cualificación, y éstas se clasifican según el nivel o capacidad en que permite ser medido el objeto en estudio. Según el tipo de operaciones matemáticas que se puedan realizar con los números asignados al medir la variable, se distinguen cuatro niveles de medición estadística, como son: 
·         Nominal
Este nivel sólo permite clasificar, es decir, la única relación existente entre los objetos a los cuales se les ha asignado un número es una relación de equivalencia. Por ejemplo, si en el variable sexo se ha asignado el numeral 1 para designar a los hombres y el número 2, para referirse a las mujeres, quiere decir que todos los miembros a los que se les asigne el numeral 1 son hombres, o sea, tienen una condición equivalente. La relación de equivalencia es reflexiva (a=a) , es simétrica (si a=b entonces b=a) y es transitiva (si a=b y b=c entonces a=c), de acuerdo con estas propiedades las técnicas estadísticas posibles de usar con la escala nominal son la moda y el cálculo de frecuencias también se pueden usar medidas no paramétricas como el chi cuadrado y la expresión binomial; en cuanto a medidas de asociación se puede usar el coeficiente de contingencia, Es necesario recalcar que los números asignados a las diferentes categorías de la variable cualitativa sirven para almacenamiento de datos, pero por ser de asignación arbitraria no indica que se trate de variables cuantitativas. 
·         Ordinal
Permite clasificar además ordenar, es decir, establecer una secuencia lógica que mide la intensidad del atributo. Por ejemplo, al medir el grado de satisfacción frente a un servicio de salud, se pueden establecer escalas tales como: satisfacción plena, satisfacción media, poca satisfacción, o insatisfacción; esta escala difiere de la meramente nominal que permite establecer un orden o graduación entre las observaciones. Las técnicas estadísticas apropiadas para las mediciones ordinales son: la mediana para describir las tendencias centrales, los coeficientes de Spearman, de Kendall y Gamma, para correlaciones y pruebas no paramétricas como Wilcoxon, Kolmorov-Smirnov, entre otras para pruebas de hipótesis. Al igual que el nivel nominal, los números asignados sólo indican un orden o rango entre los objetos y en ningún momento indican relación numérica, tal como el ejemplo anterior si el grado de satisfacción plena se le asigna el número 4 y 2 al grado de poca satisfacción, no indica esto que quien marcó el número 4 esté el doble de satisfecho que quien marcó el número 2. La escala ordinal además de poseer las propiedades de la relación de equivalencia del nivel nominal posee también la relación mayor que, expresada en términos como más satisfecho, más estable, de mayor tamaño, de mayor preferencia, más peligroso, más útil, de mayor riesgo etcétera. Todas las escalas socio-económicas pertenecen al nivel ordinal de medición, ya que las distancias entre clases sociales o estratos económicos no son iguales, si lo fueran pertenecerían al nivel intervalar.
·         Intervalar o Numérica

·         De Razón o Proporción
Posee las propiedades anteriores como clasificar, ordenar; los intervalos son iguales y además, existe el cero absoluto o verdadero”, lo que quiere decir que si un objeto que se está midiendo tiene el valor cero, ese objeto no posee la propiedad o atributo que se está midiendo. Esta escala constituye el nivel más alto de medición y admite para su análisis estadístico todas las técnicas y pruebas de los niveles anteriores, pero además admite la media geométrica, el cálculo del coeficiente de variación y las pruebas que requieran del conocimiento del punto cero de la escala. 
NIVEL DE MEDICIÓN DE VARIABLES
ESCALA
TIPO DE VARIABLE
PROPIEDADES MATEMÁTICAS
PRUEBA ESTADÍSTICA
TÉCNICA ESTADÍSTICA
Nominal
Cualitativa Discreta
De equivalencia
No paramétrica
Moda cálculo de frecuencias, chi cuadrado, expresión binomial, coeficiente de contingencia
Ordinal
Cualitativa Discreta
-De equivalencia
-Mayor que
No paramétrica
Las anteriores y se adiciona: la mediana (tendencia central). Coeficientes de Spearman, Kendall, Gamma, Percentilles.
Intervalo
Cuantitativa Continua
-De equivalencia
-Mayor qué
-Razón entre dos intervalos calculable.
No paramétrica y paramétrica
Las anteriores y se adiciona: media aritmética, desviación estándar, correlación de Pearson, correlación múltiple.
Razón o proporción
Cuantitativa Continua
-De equivalencia
-Mayor qué
-Razón entre dos intervalos calculable
-Razón entre dos valores de la escala calculable.
No paramétrica y paramétrica
Las anteriores y se adiciona: Media geométrica, coeficiente de variación y otras.
H.   Unidad de medida 
Se refiere a la respuesta que se espera en la medición planeada.
Puede ser cuantitativa: en kilos, en metros, en litros, en porcentajes, en proporciones, en tasas. Puede ser cualitativa: en grados de satisfacción (mucho, regular, poco), en calificaciones (excelente, regular, insuficiente), en grado de acuerdo (si y no) o (muy de acuerdo, en acuerdo, en desacuerdo) etcétera.
I.      Índice 
Es la expresión del indicador por ejemplo:
·         Índice ocupacional: porcentaje de camas ocupadas.
·         Índice de desempleo: porcentaje de desempleados.
·         Índice de transición demográfica: porcentaje de atraso o avance de una sección del país. 
J.    Valor
Es el resultado o número de resultados posibles que se obtiene de una variable. Cuando una variable puede medirse a través de varios indicadores, algunos de ellos pueden tener mayor valor que otros y por tanto se hace necesario explicitarlo. Por ejemplo: la variable “calidad docente” puede medirse a través de: la hoja de vida del docente, el grado de capacitación, o sea. El número de títulos académicos, un examen de conocimientos o una prueba pedagógica: pero es posible que se le asigne un mayor valor porcentual a la hoja de vida y al grado de capacitación que a las dos restantes.

 

viernes, 31 de enero de 2020

NIVELES DE INVESTIGACION



NIVELES DE INVESTIGACION


Resultado de imagen para niveles de investigacion

1. Exploratorio

Se plantea cuando se observa un fenómeno que debe ser analizado, por tanto es fenomenológico; su función es el reconocimiento e identificación de problemas. Desestima la estadística y los modelos matemáticos, se opone al estudio cuantitativo de los hechos, por tanto es hermenéutico. Se trata de investigación cualitativa. 

2. Descriptivo

Describe fenómenos sociales o clínicos en una circunstancia temporal y geográfica determinada. Su finalidad es describir y/o estimar parámetros. Se describen frecuencias y/o promedios; y se estiman parámetros con intervalos de confianza. 

3. Relacional

No son estudios de causa y efecto; la estadística solo demuestra dependencia entre eventos. La estadística es bivariada nos permite hacer asociaciones (Chi Cuadrado) y medidas de asociación; correlaciones y medidas de correlación (Correlación de Pearson). 

4. Explicativo

Explica el comportamiento de una variable en función de otra(s); por ser estudios de causa-efecto requieren control y debe cumplir otros criterios de causalidad. El control estadístico es multivariado a fin de descartar asociaciones aleatorias, casuales o espurias entre la variable independiente y dependiente. 

5. Predictivo

Se encarga de la estimación de eventos generalmente adversos, de ocurrencia como la enfermedad o en función al tiempo como el tiempo de vida media. Se aplican técnicas estadísticas específicas. 

6. Aplicativo

Plantea resolver problemas o intervenir en la historia natural de la enfermedad. Enmarca a la innovación técnica, artesanal e industrial como la científica. Las técnicas estadísticas apuntan a evaluar el éxito de la intervención en cuando a: proceso, resultados e impacto. Para ello debemos identificar los indicadores apropiados.

martes, 28 de enero de 2020

CAMPAÑA DE GAUSS

                                                      CAMPAÑA DE GAUSS 



Campana de Gauss , es una representación gráfica de la distribución normal de un grupo de datos. Éstos se reparten en valores bajos, medios y altos, creando un gráfico de forma acampanada y simétrica con respecto a un determinado parámetro. Se conoce como curva o campana de Gauss o distribución Normal.

La campana de Gauss es empleada en estadística probabilidad, y debe su nombre a su descubridor, el matemático, astrónomo y físico alemán Carl Friedrich Gauss.

campana de Gauss es una representación gráfica de la distribución normal de un grupo de datos. Éstos se reparten en valores bajos, medios y altos, creando un gráfico de forma acampanada y simétrica con respecto a un determinado parámetro. El punto máximo de la curva corresponde a la media, y tiene dos puntos de inflexión a ambos lados.


Campana de gauss.jpg

HISTORIA

Aunque la campana de Gauss lleva el nombre del genio de las matemáticas Carl Friedrich Gauss , realmente la distribución normal la descubrió y publico por primera vez Abraham Moivre (por eso en algunos libros se llama la distribución de Moivre – Gauss) en un artículo del año 1733, que reprodujo en la segunda edición de su obra “The Doctrine of Chance” (1738) como aproximación de la distribución normal para valores grandes de n. Este resultado fue ampliado por Pierre-Simon de Laplace en su libro “Teoría analítica de las probabilidades” (1812).
El nombre de Gauss se ha asociado a esta distribución porque la usó con profusión cuando analizaba datos astronómicos y algunos autores le atribuyen un descubrimiento independiente del de De Moivre.
El nombre de "campana" se lo dio Esprit Jouffret que uso este término (bell surface) (superficie campana) por primera vez en 1872.

ECUACIONES

La campana de Gauss está definida por la función

PROPIEDADES

  • El campo de existencia es cualquier valor real, es decir, (-∞, +∞).

  • Es simétrica respecto a la media µ.

  • Tiene un máximo en la media µ.

  • Crece hasta la media µ y decrece a partir de ella.

  • En los puntos µ − σ y µ + σ presenta puntos de inflexión.

  • El eje de abscisas es una asíntota de la curva.

  • El área del recinto determinado por la función y el eje de abscisas es igual a la unidad.

  • Al ser simétrica respecto al eje que pasa por x = µ, deja un área igual a 0.5 a la izquierda y otra igual a 0.5 a la derecha.

  • La probabilidad equivale al área encerrada bajo la curva.
p(μ - σ < X ≤ μ + σ) = 0.6826 = 68.26 %
p(μ - 2σ < X ≤ μ + 2σ) = 0.954 = 95.4 %
p(μ - 3σ < X ≤ μ + 3σ) = 0.997 = 99.7 %

APLICACIONES

Una de las mayores aportaciones al cálculo integral que realizó Gauss, fue la introducción de esta función. Este gráfico se usa en variables asociadas a fenómenos naturales que siguen el modelo de la normal.
  • Caracteres morfológicos de individuos (personasanimalesplantas,...) de una especie, p.ejm. tallas, pesos, envergaduras, diámetros, perímetros,...

  • Caracteres fisiológicos, por ejemplo: efecto de una misma dosis de un fármaco, o de una misma cantidad de abono.

  • Caracteres sociológicos, por ejemplo: consumo de cierto producto por un mismo grupo de individuos, puntuaciones de examen.

  • Caracteres [Psicología|psicológicos]], por ejemplo: cociente intelectual, grado de adaptación a un medio,...

  • Errores cometidos al medir ciertas magnitudes.

  • Valores estadísticos muestrales, por ejemplo: la media.



DISTRIBUCION DE LA POBLACION



El estudio sobre la distribución normal lo comenzó de Moivre a finales del siglo XVIII, aunque toma el nombre de Carl Friedrich Gauss (considerado por la comunidad científica como el matemático más prolífico de la historia), puesto que fue el primero que aplicó esta herramienta, concretamente, en el análisis de datos astronómicos.
La Campana de Gauss es una función con tres partes diferenciadas: la zona media, en cuyo centro se encuentra el valor de la media y es cóncava; y los dos extremos, que son convexos y tienden a aproximarse al “eje x”.
La importancia de esta distribución, reside en que aparece constantemente en la naturaleza o en la actitud de las personas, puesto que representa el comportamiento de los valores de ciertas variables, cuyas variaciones son influenciadas por fenómenos aleatorios.
Este hecho, se debe a la forma acampanada y simétrica que posee su función de densidad, que hace que los elementos más comunes son los que están más centrados, mientras que los más raros se sitúan en los extremos.
Resultado de imagen para campaña de gauss jordan en distribucion de la poblacion