Mtodo cientfico: Caractersticas: Etapas: Fctico (se remite a la experiencia y los hechos) Objetivo (el conocimiento se corresponde con

ponde con la realidad del objeto y lo describe tal cual es, no como deseamos que sea) Racional (utiliza la razn para obtener resultados) Contrastable (al ser comprobado por diferentes personas en diferentes circunstancias permite mayor fiabilidad) Sistemtico (organizado, estructurado y armnico) Metdico (procedimientos y estrategias rigurosos y fiables) Comunicable (en lenguaje apropiado y aceptado por la comunidad cientfica) Analtico (secciona la realidad para abordarla mejor) Progresivo (abierto a nuevos aportes y tecnologas)

PLANIFICACION

DISEO INSTRUMENTO

PLANTEAMIENTO DEL PROBLEMA

EJECUCION PLANTEAMIENTO OBJETIVOS DETERMINACIN UNIDAD DE ANALISIS RECOLECCION DATOS

PROCESAMIENTO DE DATOS

DELIMITACION DE POBLACION

ANALISIS DE DATOS

SELECCIN FORMA OBTENCION DATOS

Tipos de investigaciones: * Descriptiva y analticas o explicativas: la descriptiva tiene como objeto mostrar una situacin; la explicativa pretende averiguar la veracidad de una hiptesis. Los resultados de la investigacin descriptiva pueden dar origen a una hiptesis. El principal desafo de la descriptiva es disearla para obtener datos para resultados que puedan inferirse al universo del cual se requiere informacin Para que los resultados puedan inferirse a la poblacin se necesita que la muestra sea probabilstica (que todo elemento de la muestra tenga una probabilidad conocida, distinta de cero, de entrar en la muestra) Error de muestreo: es la variabilidad que tienen las estimaciones de promedios, porcentajes u otras medidas cuando se extraen repetidas muestras probabilsticas de un determinado universo. Las investigaciones explicativas consisten en la comparacin entre grupos con y sin l o los factores definidos como presumiblemente causales o bien con y sin el fenmeno definido presumiblemente como consecuencia. Ejemplos: El estudio del crecimiento ponderal del nio sano (descriptiva) y la relacin entre cncer de pulmn y el hbito de fumar (explicativa) * Experimental y no experimental: la experimental tiene como caracterstica que las unidades experimentales son adjudicadas en forma aleatoria a las diferentes categoras del factor presumiblemente causal, estudindose los efectos que se producen en cada categora. Las no experimentales clasifican el material de estudio en categoras de factor causal o del efecto, estudiando la relacin entre ambos. Ejemplos: Efectos de la dieta sobre el desarrollo intelectual (con experimento con dos grupos blablabl) (experimental) Estudio de la capacidad intelectual de nios desnutridos en comparacin con los bien nutridos. (no experimental) La experimental siempre ser prospectiva, investigando el efecto de la variable independiente, manejada sobre la variable dependiente. Las no experimentales pueden ser prospectivas o retrospectivas * Transversal y longitudinal: la transversal estudia las diversas variables en determinado momento, la longitudinal estudia las variables a travs del tiempo. (foto y pelcula) Ejemplos: conocer el crecimiento ponderal de nios normales pensando nios de diferentes edades (transversal) pesar o medir a los mismos nios a lo largo de su crecimiento (longitudinal) * Retrospectiva y prospectiva: en los retrospectivos se clasifican las unidades de observacin segn la variable dependiente: presencia o ausencia del efecto y se registra la frecuencia con que se observan las variables independientes. Los estudios prospectivos (de cohorte o seguimiento) consisten en seleccionar individuos por la presencia o ausencia de la caracterstica presumiblemente causal y registrar la frecuencia del efecto. Ejemplos: conocer en nios desnutridos la frecuencia de algunas caractersticas de sus madres (retrospectivo). En individuos clasificados por su ingesta de alcohol observar frecuencia de cirrosis (prospectivo) * Investigaciones caso-control y cohorte: el caso-control combina ventajas del diseo retrospectivo y prospectivo. Es retrospectivo porque las unidades de observacin se eligen de acuerdo al efecto. Se compara frecuencia de antecedente caracterstica o atributo en dos grupos:

Presenta condicin o enfermedad: CASOS. Y No presenta la condicin o enfermedad: CONTROLES. Se busca determinar factores que contribuyeron a la presencia de enfermedad o condicin. Es retrospectivo, va de la consecuencia a la causa. Los estudios de cohorte seleccionan un grupo y se realizan mediciones a lo largo del tiempo. Mismo grupo se va clasificando para describir variables o relaciones entre ellas. Grupos segn presencia o ausencia de factor causal y se compara frecuencia o magnitud con que se observa consecuencia. Es prospectivo aun cuando los hechos ya hayan ocurrido.

Marco terico: Es la etapa en que se rene informacin documental para confeccionar el diseo metodolgico de la investigacin, se establece cmo y qu informacin se recoger y de qu manera se analizara. La informacin recogida para el Marco Terico proporciona un conocimiento profundo de la teora que le da significado a la investigacin. Es a partir de las teoras existentes sobre el objeto de estudio, como pueden generarse nuevos conocimientos. Funciones: Delimita el rea de la investigacin Sugiere guas de investigacin Compendia conocimientos existentes en el rea que se va a investigar

 Permite plantear con propiedad las hiptesis a comprobar y operacionalizar las variables a estudiar Contiene tres partes: El marco terico es la etapa del proceso de investigacin en que se establece y se deja en claro a la teora que ordena la investigacin, es decir, la teora que se est siguiendo como modelo de la realidad que se investiga. El Marco referencial. Es necesario revisar publicaciones recientes en busca de alguna investigacin hecha en otra parte o en otro momento que se parezca a la que se est planteando y as examinar los resultados y forma de enfocarla, de manera que no cometer los mismos errores, o simplemente aprovechar de ellos lo que sirva y oriente en la investigacin. El Marco Conceptual elaboracin conceptual del contexto en el cual se considera el problema. Est compuesto de referencias a sucesos y situaciones pertinentes, a resultados de investigacin incluye, por tanto, un marco de antecedentes--, definiciones, supuestos, etc.

Niveles de medicin: Las variables son propiedades, atributos o caractersticas que: Pueden ser descritas, enumeradas o medidas, Cambian de un sujeto a otro y/o dentro del mismo individuo, son de inters medir en una poblacin Variables y atributos: una variable describe una caracterstica en trminos de un valor numrico; el valor puede variar de un sujeto a otro o de un momento a otro en el mismo sujeto, Ejemplos: estatura en metros, peso en kilos. Un atributo descriptivo es una categora de una caracterstica a la que un sujeto pertenece o no, una cualidad que un sujeto posee o no. Ejemplos: enfermedad, tipo de sangre. Algunas caractersticas pueden ser tratadas solo de una manera, mientras que otras pueden ser tratadas de ambas (peso como variable en kg que es una variable y como obeso/normal, que es un atributo) Variable Independiente: es antecedente, causa o factor causal, determina un efecto o consecuencia Variable Dependiente: es la consecuencia o efecto de la variable independiente, se produce en secuencia posterior Simples. Hay acceso directo a su dimensin: peso, estatura, nmero de hijos Complejas. Integradas por otras variables estado nutricional, nivel socio econmico, estado de salud Cualitativas o categricas: Propiedades o cualidades (presentes o no). No pueden ser medidas en trminos de cantidad de la propiedad presente, sus valores son categoras. Los sujetos solo se clasifican o enumeran. Numricas o cuantitativas: Su valor es un nmero o cantidad producto de una enumeracin o recuento. Describen al sujeto en trminos de un valor numrico. Pueden variar en forma: Continua: su unidad de medicin puede asumir nmero infinito de valores entre unidades adyacentes. Discontinua: la unidad de medida no puede ser fraccionada.

Variables continuas y discretas: las continuas tienen potencialmente un nmero infinito de valores posibles en cualquier intervalo. (peso, estatura, edad, etc.). Las discretas slo tienen un nmero finito de valores en cualquier intervalo dado. Estos son casi siempre nmeros enteros (nmero de hijos en una familia, recuento de leucocitos, etc Escalas: Nominal solo distingue categoras que se diferencian por el nombre, clasifica atributos o cualidades, no hay jerarqua entre las categoras, su ordenacin es arbitraria. Ordinal las categoras son nombres o nmeros, se establece jerarqua u orden, la posicin es relativa, puede resultar de evaluar uno o ms atributos Numricas o de intervalos, expresan cantidad de algo; los nmero tienen un significado cuantitativo claro; se conoce la distancia entre dos categoras; el punto cero puede ser arbitrario, pueden ser continuas, discretas o de razn Numrica continua se aplica a variables medibles o cuocientes, existe posibilidad de infinitos valores intermedios, continuidad perfecta depende de precisin del instrumento y necesidades del usuario Discreta o discontinua, sus categoras corresponden a la serie de nmeros naturales ms el cero, se originan en el recuento de elementos, lleva implcita la idea de orden

Tipos de muestra: Poblacin o universo: Total o conjunto de elementos u objetos de los cuales se quiere obtener informacin. Son las personas de referencia para la muestra de mi estudio. Muestra: Subconjunto de unidades de anlisis de una poblacin dada, destinado a suministrar informacin sobre la poblacin. Para que este subconjunto de unidades de anlisis sea de utilidad estadstica, deben reunirse ciertos requisitos en la seleccin de los elementos. Unidad de anlisis o elementos: Objeto del cual se desea obtener informacin. La muestra debe ser representativa de la poblacin, esto quiere decir que sean iguales. La nica manera de saberlo es con la forma de seleccin de muestra que puede ser aleatoria, azar o randomizado. Muestra aleatoria simple: Si se selecciona una muestra de tamao n de una poblacin de N unidades, cada elemento tiene una probabilidad de inclusin igual y conocida de n/N. Ejemplo: poblacin total de 500 habitantes, saco una muestra al azar la probabilidad es 1/500, por lo que todos tienen el mismo chance de estar en la muestra. Ventajas: Sencillo y fcil comprensin, clculo rpido de medias y varianzas. Desventajas: cuando son muestras pequeas es posible que no represente a la poblacin adecuadamente. - Muestreo aleatorio estratificado: El azar no es una garanta de representatividad. Ciertas poblaciones se dividen en estratos o niveles. Por lo que de un total de 40 hay 10 estratos y de esos 10 se saca una muestra de manera aleatoria, as garantiza representatividad. Ventajas: asegura que la muestra represente adecuadamente a la poblacin en funcin de las variables, se obtienen estimaciones ms precisas. Desventajas: los anlisis son complicados. -

Muestreo por conglomerados/cluster: se sortea un grupo o subconjunto de elementos llamados conglomerados, es til cuando no es posible o no se dispone previamente de un listado de unidades de anlisis. Una vez seleccionado el conglo-merado se sortean internamente ya sea en forma sistemtica o aleatoria simple. Tiene sentido cuando la unidad de muestreo representa un grupo de sujetos (comunas, colegios, familias). Ventajas: es muy eficiente cuando la poblacin es muy grande y dispersa. Desventajas: el error estndar es mayor que en el muestreo aleatorio simple o estratificado. - Muestreo por etapas o sistemtico: aplicar diversas tcnicas de muestreo para analizar a la unidad de muestreo (un individuo). Ejemplo: prevalencia de LME en la poblacin de Santiago. Sujetos entre 14-25 aos, hombres y mujeres. Primero voy por comuna, como lo hago? Por conglomerados y la seleccin de comunas por MAS, etc. Al final es, conglomerados, MAS, conglomerados, MAS. Clculo del tamao muestral: Tamao de la poblacin desconocida: Tamao muestral= z2pq/i2 Tamao de la poblacin conocida: Tamao muestral=N z2pq/(i2(n-1)+z2pq)

Calidad de la informacin estadstica: Confiabilidad: Grado en que su aplicacin, repetida al mismo sujeto u objeto, produce iguales resultados. Se mide con el coeficiente de confiabilidad que oscila entre 0 y 1. que se puede obtener por varios procedimientos: Medida de estabilidad: el instrumento se aplica 2 veces al mismo grupo. Si la correlacin es positiva el instrumento es confiable . Es importante considerar el tiempo entre cada aplicacin. Este es el ms utilizado. Segn tipo de escala de medicin se puede calcular correlacin de Pearson o Spearman, t de Student o prueba de Fisher. Aplicando formas alternativas o paralelas, dos versiones equivalentes. Aplicando una sola vez comparando resultados de ambas mitades Coeficiente de Cronbach Coeficiente KR-20 Validez: grado en que el instrumento realmente mide la variable que se pretende medir. Concordancia entre las variables establecidas para el estudio y las preguntas que incluye el instrumento de recoleccin de datos Cuando se estudia a una muestra de pacientes, los datos obtenidos permiten clasificar a los sujetos en cuatro grupos segn una tabla 2x2. En las columnas va la presencia o ausencia de la enfermedad y en las filas el positivo o negativo. Sensibilidad o verdadero positivo: sujetos que aparecen + en la prueba cuando realmente estn enfermos.

Especificidad o verdadero negativo: sujetos que aparecen como en la prueba cuando realmente no estn enfermos. Falsos positivos: Sujetos que aparecen como + en la prueba cuando realmente no lo estn. Falsos negativos: Sujetos que aparecen como en la prueba cuando realmente lo estn. Cmo calcular la sensibilidad y la especificidad? Sensibilidad = VP/VP+FN Especificidad = VN/VN+FP VPP: probabilidad de padecer la enfermedad si se obtiene un resultado positivo en el test. (TODOS LOS POSITIVOS) VPP = VP/VP+FP VPN: Probabilidad de que un sujeto con un resultado negativo en la prueba est realmente sano. (TODOS LOS NEGATIVOS) VPN = VN/VN+FN Ejemplo: Prueba positiva Enfermo 200 No enfermo 28 Sensibilidad: 86% Especificidad: 82% Valor predictivo positivo: 88% Prueba negativa 32 130

P value Est basado en la asuncin de la hiptesis nula. Se rechaza la hiptesis nula o Ho si el p-value asociado al resultado observado es menor que el nivel de significacin establecido, convencionalmente 0,05 o 0,01, punto que se llama potencia de contraste. Es decir, el p-value nos muestra la probabilidad de haber obtenido el resultado que hemos obtenido si suponemos que la hiptesis nula es cierta. Si es p-value es inferior que a la potencia de contraste nos indica que lo ms probable es que la hiptesis nula sea falsa. El valor de 0,05 es usado en investigaciones habituales sociolgicas, mientras que el valor de 0,01 es usado en investigaciones mdicas en las que cometer un error puede acarrear consecuencias graves. Tambin se puede tratar de subsanar ese error aumentando el tamao de la muestra. El p-value es un valor de probabilidad por lo que oscila entre 0 y 1. Valores altos de p-value no rechazan la Hiptesis nula, por otro lado los valores bajos de p-value rechazan la Ho. Error: diferencia entre la medida asignada a un objeto y su valor veradero Fuentes de error: Planificacin defectuosa Errores de observador Unidades de observacin Errores de instrumento

Pueden ser sistemticos o aleatorios: son sistemticos cuando una serie de observaciones tiene desviacin en una direccin, se deben a la falta de definiciones precisas, diversidad de criterios o mala calibracin de instrumentos. Los aleatorios se deben a mltiples factores que generalmente no identificados que producen variacin en el valor verdadero Tipos de errores Tipo I: tambin mal llamado error de tipo alfa, es el error que se comete cuando el investigador rechaza la hiptesis nula, siendo esta verdadera en la poblacin. Es equivalente a encontrar un resultado falso positivo, porque el investigador llega a la conclusin de que existe una diferencia entre las hiptesis cuando en realidad no existe, es tambin conocido como nivel de significancia. Tipo II: tambin mal llamado error tipo beta, se comete cuando el investigador no rechaza la hiptesis nula sendo esta falsa en la poblacin. Es equivalente al resultado falso negativo. Decisin Realidad de Ho Verdadera No rechazar Ho Rechazar Ho Decisin correcta Error alfa Falsa Error beta Decisin correcta

Tablas estadsticas: Definir propsito de la tabla Colocar un ttulo (qu, cmo, dnde y cundo) Asignar escalas de clasificacin en filas y columnas Colocar datos numricos y completarlos con porcentajes si es necesario.

Grficos: Tipos: - Barras simples: para presentar la distribucin de frecuencias de variables en escalas nominal, ordinal y de intervalos discontinua Deben ser sencillos y autoexplicativos Deben presentar fielmente los hechos Deben ser agradables a la vista

- Barras agrupadas: para mostrar asociacin o relacin entre dos o ms variables en escalas nominal y ordinal y en algunos casos de escalas de intervalos discretas

Barras subdivididas: para mostrar la composicin proporcional de distintas categoras. No conviene hacer ms de 3 subdivisiones por barra.

Grficos sectoriales: adecuados para presentacin a pblico, se usan en los mismos casos que los grficos de barras. Toda frecuencia debe expresarse como proporcin del total.

Histogramas: se usan para presentar datos en escalas de intervalos continuas.

Polgonos de frecuencia: para comparar distribuciones de frecuencias en escalas de intervalos continuas.

Grficos lineales: para representar la relacin entre dos variables continuas.

Grfico de correlacin o diagrama de dispersin: Analizar la asociacin entre dos o ms variables continuas (x,y) con nivel de medicin de intervalos o de razn evaluadas sobre la misma unidad de observacin. El conjunto de valores (x,y) nos indican sobre el grado y tipo de asociacin existente entre las variables.

Grficos de cajas con bigotes: Permite estudiar la asimetra de una variable continua. Este grfico da la informacin sobre: localizacin del centro de los datos, dispersin de los datos, simetra, colas de distribucin, existencia de outliers. 1 Lmite superior: Es el extremo superior del bigote. Las opiniones por encima de este lmite se consideran atpicas. 2 Tercer cuartil (Q3): Por debajo de este valor se encentran como mximo el 75% de las opiniones de los estudiantes. 3 Mediana: Coincide con el segundo cuartil. Divide a la distribucin en dos partes iguales. De este modo, 50% de las observaciones estn por debajo de la mediana y 50% est por encima. 4 Primer cuartil (Q1): Por debajo de este valor se encuentra como mximo el 25% de las opiniones de los estudiantes 5 Lmite inferior: Es el extremo inferior del bigote. Las opiniones por debajo de este valor se consideran atpicas. 6 Valores atpicos: Opiniones que estn apartadas del cuerpo principal de datos. Pueden representar efectos de causas extraas, opiniones extremas o en el caso de la tabulacin manual, errores de medicin o registro. 7 es el promedio

Diagrama de tallo y hoja: Cumplen la misma finalidad que los histogramas pero son ms sencillos de construir. Para su construccin se debe separar cada valor en la componente tallo y hoja. Tallo: n formado por el valor de la observacin menos el dgito de la derecha. Hoja dgito de la derecha Tipos de anlisis: ANALISIS PARAMETRICO. Se basa en los supuestos de que: La distribucin poblacional de la variable dependiente es normal, el nivel de medicin de la variable dependiente es de intervalo. Al estudiar dos o ms poblaciones stas tienen varianzas homogneas o dispersin similar Mtodos paramtricos ms utilizados son: PRUEBA t: evala si una medida muestral difiere de un valor conocido del universo o dos grupos difieren entre s respecto de sus medias: dos grupos independientes con estmulos diferentes dos muestras pareadas: antes y despus.

Para sintetizar, podemos decir que la prueba t de Student es la indicada para medir una hiptesis nula, cuando sta tiene las siguientes caractersticas: 1. Es una hiptesis nula comparando solo dos medias. 2. La variable, en cada uno de los grupos que se comparan, tiene distribucin normal, o por lo menos es simtrica.

3. Las varianzas de la variable en cada uno de los grupos que se comparan son iguales, o por lo menos no muy diferentes (no ms de dos veces una mayor que otra). 4. Las muestras son independientes. PRUEBA Z: evala si una proporcin (p) difiere de valor conocido (P) o dos grupos difieren respecto a sus proporciones. ANOVA: analiza si dos o ms grupos difieren en cuanto a sus medias o promedios. ANALISIS FACTORIAL DE VARIANZA: evala efecto de dos o ms variables independientes sobre otra dependiente.

ANALISIS DE COVARIANZA: analiza relacin entre una variable dependiente y dos o ms variables, y removiendo y controlando efecto de al menos una de las variables independientes. ANALISIS MULTIVARIADO: analiza efecto de dos o ms variables independiente sobre una variable dependiente. Predice valor de una variable dependiente (en escala de intervalo o razn) conociendo valor e influencia de variables independientes.

ANALISIS NO PARAMETRICO. Se basa en los supuestos que: No se conoce distribucin muestral, Acepta distribuciones no normales, Analiza variables en escala nominal y ordinal, Las muestras son pequeas Mtodos no paramtricos ms utilizados: Basadas en distribucin ji cuadrada : Bondad de ajuste para una muestra; Asociacin para dos variables nominales en una muestra; Homogeneidad para variable nominal en tres o ms muestras Coeficiente de correlacin por rangos de Spearman para variables discretas y de Kendall. Mc Nemmar: antes y despus en tablas 2 x 2 Mann Whitney: para dos muestras independientes, variables en escala al menos ordinal el supuesto es que si hay diferencias se refieren a la mediana. Prueba del Signo para la diferencia de cambios en una o dos muestras pareadas y variable continua. Wilcoxon de calificacin con signo. Kruskall Wallis para anlisis univariado de varianza por rangos para k muestras.

 Friedman para anlisis bigarrado de varianza cuando los datos estn en escala ordinal y dispuestos en grupos homogneos o bloques. Kolmogorov, bondad de ajuste para una sola muestra.