Professional Documents
Culture Documents
Profesor:
CAPTULO - I
Introduccin
En el caso de la investigacin emprica, sta puede tener como propsito profundizar en una
situacin particular sin pretender generalizar las conclusiones obtenidas, a lo cual se le denomina
estudio de casos, o bien intentar obtener conocimiento de una situacin global a travs del
estudio de todas las entidades que forman parte del problema lo que se denomina investigacin
censal.
Pero debido a que en la mayora de los casos existen restricciones econmicas o fsicas
solamente se puede realizar la investigacin emprica sobre algunas de las entidades, lo que se
denomina investigacin muestral, la que dependiendo del tipo de muestra puede ser
denominada muestra probabilstica la cual intenta proporcionar una representatividad de la
situacin global, y muestra no-probabilstica la cual no asegura que los resultados obtenidos
sean representativos de la situacin global o universo.
En algunos casos el investigador necesitar evaluar la magnitud y significancia del cambio que se
produce en las variables aleatorias analizadas como resultado del efecto de variables controladas
en las cuales se fijan determinadas intensidades en las unidades estudiadas lo que se denomina
investigacin experimental, en cambio pueden haber situaciones en las cuales no es posible
intervenir sobre las entidades o situaciones estudiadas y por lo tanto la totalidad de las variables o
atributos investigados presentan sus valores en forma aleatoria o al azar lo que se denomina
investigacin no-experimental.
Denominacin de variables.
En el caso de la investigacin experimental la variable aleatoria analizada se denomina variable
dependiente (y), y la o las variables fijas o controladas se denominan variables independientes
2
(x). En el caso de la investigacin no-experimental la variable aleatoria estudiada se denomina
simplemente variable analizada, y la o las variables relacionadas se denominan variables
asociadas. Un caso especial de investigacin no-experimental que tiene como propsito verificar
la causalidad entre variables se sugiere denominar a la variable analizada como variable de
respuesta y a la(s) variables relacionadas como variables influyentes.
Adems se pueden relacionar dos variables diferentes a travs de anlisis bivariado lo que
tambin se denomina anlisis univariado simple o bidimensional. A su vez se puede relacionar una
variable de anlisis con varias otras lo que se denomina anlisis univariado mltiple o
multivariable, y finalmente se puede realizar un estudio de varias variables de respuesta
incorporando la covariacin presente entre ellas o con otras variables relacionadas, lo que se
denomina anlisis multivariado o multivariante (anlisis multidimensional).
X X1
En la mayora de los casos los anlisis de los datos se realizan a travs de mtodos estadsticos
y en algunos casos se recurre a tcnicas pertenecientes a los mtodos numricos los cuales no
cuentan con funciones de distribucin para el trmino de error residual de los datos.
Metodologa
Estadstica
Muestra Distribucin Poblacional
Estadstica Inferencia
Estadstica
Descriptiva
Pruebas de
Hiptesis
Barras-Error
La estadstica descriptiva presenta una serie de mtodos que deben seguir una relacin con la
escala de medida de cada variable analizada, pudindose emplear mtodos correspondientes a
las variables de menor informacin en variables de mayor contenido de informacin, pero no en
sentido contrario.
Prueba Chi-cuadrado de
Homogeneidad
Comparacin de Promedios: Modelos Predictivos:
Prueba T de Student 2 muestras,
Cuantitativa Anlisis de regresin simple-
ANOVA, ANCOVA (Anova con
mltiple, lineal, no lineal, ridge.
covariable cuantitativa)
Anlisis de Series de tiempo.
Variable independiente (X) Cualitativa Cuantitativa
(siempre es var. Fija)
Finalmente, dependiendo del grado de explicacin de los resultados obtenidos de los anlisis se
pueden indicar las siguientes categoras:
Se debe hacer notar que la exposicin de los temas planteados corresponde a una visin
simplificada de los mtodos disponibles en la actualidad, ya que en los contenidos no estn
referidos aspectos como mtodos para datos pareados, mtodos de estadstica no paramtrica,
mtodos de submuestreo, mtodos numricos, algoritmos genticos, geoestadstica, anlisis
espacial de datos, mtodos de segmentacin, Data Mining, entre otros actualmente en uso.
Anlisis Factorial:
Componentes Algoritmos
Identificacin
Principales, A. Fac. Genticos
Comn
Ecuac.
Modelo Causal Regresion Paso a Paso Estructurales-
Modelo Causal
Redes Neuronales
Tipologizacin A. Conglomerados
No-Supervisadas
Escalamiento
Posicionamiento
Multidimensional
Redes Neuronales
Clasificacin A. Discriminante
Supervisadas
Bibliografa.
8
J.J. Hair, R.E. Anderson, R.L. Tatham, and W.C. Black. Anlisis Multivariante de Datos. Ed.
Prentice-Hall. Pearson de Mxico, 2004