ANALISIS DE DATOS 1.- Concepto 2.- Objetivos que se proponen los investigadores cuando analizan satos 3.

- Clases de anlisis de datos 4.- Uso del anlisis segn el numero de variables 5.- Importancia de la distincin de variables para usar las tcnicas estadsticas 6.-tecnicas estadsticas que se puede usar con las clases de variables. 7.- Tcnicas estadsticas del anlisis univariado que puede emplear quien elabora la tesis. 8.- Propiedades que se describen cuando se estudia una variable. 9.- Concepto de medidas de tendencia central. 10.- concepto y reglas para el uso de cada una de las medidas de tendencia central. 11.- Medidas de tendencia no central. 12.- las medias de desviacin 13.- la presentacin de datos 14.- Anlisis e interpretacin de bivariado. 15.- Anlisis de varianza. 16.Anlisis de regresin. 17.- Anlisis de regresin mltiple. 18.- prueba de hiptesis 19.- Uso de computador para utilizar tcnicas estadsticas. 1. concepto Anlisis de datos es la tcnica que consiste en el estudio de los hechos y el uso de sus expresiones en cifras para logra informacin, la cual debe ser valida y confiable. 2 objetivos que se propone los investigadores cuando analizan datos En general, el anlisis pretende hacer explicitas las propiedades, notas y rasgos de todo tipo que, en relacin a las variables estudiadas, se derivan de las tablas en las que se condensa la clasificacin2, mientras que la interpretacin intenta precisar la significacin a alcance de las propiedades u rasgos. Greenberg. goldstucker y bellenger sealaron con nfasis que pretenden los investigadores cuando analizan datos: a) b) c) d) e) f) g) Hallar lo que hay en los datos. Conocer que variaciones acurren en los datos. Como estn distribuidos los datos. Que relacin existe entre las variables. Las estimaciones que resultan de los datos Describir las diferencias entre grupos y variables Determinar variables que causan variacin en otras variables.

Para cumplir con sus objetivos, los investigadores usan tcnicas He aqu el uso especifico de estas tcnicas para cumplir con los objetivos arriba indicados:

Objetivo del anlisis

Tcnica estadstica

a) Hallar que hay en los datos b) Conocer que tanto varan los datos

Media, mediana,moda Desviacion estndar, rango, varianza y desviacin promedio Frecuencia Correlacin y medidas de asociacin Estimacin de punto e intervalor. Regresin y serie de tiempo Prueba de T,Z y anlisis de varianza Prueba de T;Z y anlisis de varianza

c) Como estn distribuidos los datos d) Que relacin existe entre variable e) Estimaciones y predicciones f) Describir las diferencias entre grupo y variable

g) Demostrar causalidad

3. clases de anlisis de datos Existen diversos ordenamientos de los anlisis de datos que dependen del criterio de clasificacin de que se disponga. En efecto, de acuerdo al numero de variables, es decir, si tenemos en cuenta cuantas variables se analizan, el anlisis de datos puede ser: univariable, bivariable y multivariable. De acuerdo al carcter del anlisis, es decir, a que pretende hallar el anlisis, puede ser: exploratorio, si se quiere encontrar nueva hiptesis; si se quiere encontrar las qua anteriormente se formularon, entonces en ese ltimo caso el anlisis ser confirmatorio. Segn la naturaleza del anlisis, este ser casual, cuando se quiere llegar a las causas; ser una anlisis de cambio si se pretende llegar a las modificaciones de los fenmenos; de decisiones si lo que se logra conocer determinados conjuntos, ordenados en relaciones determinadas. He aqu un cuadro sinttico de las clases de anlisis:

Objeto de clasificacin

Criterio Numero de variables del anlisis El carcter del anlisis

Nombre del anlisis Univariables Bivariable Multivariable Exploratorio Confirmatorio Cuantitativo Cualitativo Causal De cambios De decisiones De grupos De sistemas

Anlisis de Datos

La naturaleza del anlisis Objetivo Del Anlisis

4. Uso del anlisis segn el numero de variables En la investigacin universitaria destacamos este anlisis puesto que permite al investigador la ejecucin de las siguientes operaciones: a) b) c) d) Sintetizar lo que se observa en una variable Comparar lo que se observa en dos variables Expresar la asociacin que existe entre dos o mas variables: Inferir conocimientos a partir de los logros a), b), c).

5. Importancia de la distincin de variables para usar las tcnicas estadsticas Precisar las clases de variables es importante en la instancia del anlisis de datos, puesto que es segn el tipo de variables que se usaran las tcnicas estadisticas. Las variables pueden clasificarse entonces segn su utilidad para expresar clculos estadsticos: a) Variables nominales. Se caracterizan poruqe los numeris que se asignan a las categoras se usan como smbolos o cdigos para su anterior clasificacin. Por ejemplo, se asigna a los alumnos el numero 1 para la categora de aprobados y 2 b) Variables ordinales. Son aquellas variables cuyos nmeros se asignan a quien tienen una caracterstica determinada, lo cual permite asignan a quienes tiene una caracterstica determinada, lo cual permite el ordenamiento o el rango. As, por ejemplo, queremos establecer un orden entre los alumnos de un aula, de una lo escolar en un colegio, o entre los alumnos de todas las aulas del tercer ao de secundaria de lima metropolitana. Para

cumplir el objetivo planteado, asignamos el numero 1 entre los alumnos que obtiene las calificaciones entre 17 y 20 en sus promedios de calificacin anual 2. Para los alumnos que obtiene calificaciones entre 14 y 16, etc. Como podemos apreciar 1 y 2, y otros nmeros solo permiten establecer un rango, un orden, una clasificacin entre alumnos. c) Variables intervalores. Son aquellas variables que se caracterizan por expresar distancias iguales ente objetos que se estudian tomando como referencia una determinada propiedad, por ejemplo, un estudiante obtuvo el promedio de calificaciones 15, otro 13, otro qq y otro 9. Ls distancia entre 15 y 13 es igual a la distancia entre 11 y 9 es decir, 2. El cero (0) en las variables entervalores no es real, pues que un alumno obtenga 0 en su promedio no quiere decir que no sabe nada d) Variables proporcionales. Son variables que tienen las mismas caractersticas que las variables intervalores, pero adems poseen el cero real. Por ejemplo: la edad de las personas. En este caso existe un cero real, al igual que en los aos de estudios (escolaridad) y en los ingresos en un periodo de tiempo determinado-

6. Tcnicas estadsticas que se pueden usar con las clases de variables Insistimos en nuestra afirmacin anterior: No todas las tcnicas estadsticas se deben emplear usando cualquier variable. Guillermo estadsticas se deben emplear usando cualquier variable. Guillermo briones hizo un cuadro que resume las tcnicas estadsticas que se pueden emplear con el uso de determinadas variables.

Grupo de tcnicas estadisticas N1 Distribucion de frecuencias Coeficiente de contingencia Prueba de chi cuahro Moda

Grupo de tcnicas estadisticas N2 Coeficiente de rango Mediana Gamma

ordinales nominales

VARIABLES

Proporcionales

Intervalores

Grupo de tcnicas estadsticas N2

Grupos de tcnicas estadsticas N4

Nos hemos basado principalmente en el embozo de Guillermo briones Vase: BRIONES; Guillermo. Formacin de docentes en investigacin educativa, pp 38-39.

Al observar el cuadro anterior podemos hacer las siguientes apreciaciones: a) Que con las variables nominales solo se pueden usar las tcnicas estadsticas siguientes: distribucin de frecuencias, el coeficiente de contingencia, la prueba de chi cuadro y la moda como medida de asociacin. b) Que con las variables ordinales solo se pueden hacer las siguientes correlaciones: mediana, coeficientes de rango y mediana, coeficientes de gamma y coeficientes de rango y mediana. Quiere decir que con valores de ese tipo de variables no se pueden calcular medias aritmticas, varianza ni desviaciones estndares. c) Que las variables proporcionales se pueden emplear todas las tcnicas estadsticas. d) Con las variables intervalares se pueden aplicar todas las tcnicas estadsticas menos el coeficiente de variacin.

7. Tcnicas estadsticas del anlisis univariado que puede emplear quien elabora una tesis En el anlisis de una sola variable, tomando como recursos las tcnicas estadsticas, el investigador universitario puede ofrecer medidas de tendencia central: media aritmtica, mediana y modo. Tambin puede ofrecer medidas de variabilidad: varianza, desviacin estndar y coeficiente de variacin. La interpretacin es posible para el investigador en tanto esta puede comparar los resultados entre si o tambin compararlos con otros resultados ofrecidos en otras circunstancias. Es posible ofrecer un panorama del proceso que sigue el investigador cuando lleva a cabo el anlisis e interpretacin de datos. He aqu una presentacin de los pasos: a) El investigador toma como punto de partida los resultados estadsticos. b) Ejecuta la normalizacin de lso resultados, lo cual quiere decir que el investigador formula las pautas para realizar comparaciones. c) Hace la comparaciones entre unos valores de la variable que analiza con otros valores de la misma variable (comparacin interliza con otros valores de la misma variable ( comparacin interna), correspondiente al mismo grupo poblacional y puede tambin hacer comparaciones con valores de otras poblaciones (compracion externa). d) Enuncia los estadsticos que reflejan las conclusiones del anlisis estadstico. e) Contrasta sus hallazgos con la teora existente respecto de lo que estudia.

8. Propiedades que se describen cuando se estudia una variable Cuando se estudia una variable se describen tres propiedades, llamadas tambin caractersticas mayores:

a) Posicin b) Dispersin c) Forma

8.1 Medidas descriptivas con las que se representa las propiedades de posicin, dispersin y forma El siguiente cuadro resume que propiedades de datos se describen cuando se estudia una variable. Las medidas descriptivas que corresponden a cada una de las tres propiedades (posicin, dispersin y forma), as como sus expresiones.

Estudio de datos de una variable

Propiedad

Posicin

Tipos de medida Medidas de Tendencia Central Medida de tendencia no central Medidas de dispersin o variabilidad

Expresiones (estadsticos) Medidas aritmtica Mediana Moda o modo Cuantiles Recorrido Varianza Desviacin estndar Coeficiente de variacin Asimetra o sesgada Simetra o con sesgamiento Modos en una distribucin Razn de momento de pearson

Dispersin

Simetra Forma Modalidad Curtosis

8.2 Concepto de las propiedades o caractersticas mayores Aqu ofrecemos las definiciones que permiten precisar los conceptos de las propiedades o caractersticas mayores que corresponden al analisis de datos de una varianza. Posicin: caractersticas las mas importantesque permiten describir o resumir la ubicacin de un grupo de datos, expresndola estadsticamente con medidas de tendencia central(media aritmtica, mediana y modo) y con medidas de tendencia no central: los cuantiles.

Dispersin: Propiedad o caracterstica que expresa la cantidad de variacin o disminucin expresada en los datos. Las medidas que mas se usan para expresar la magnitud de la dispesion son: el recorrido, la varianza. La desviacin estndar y el coeficiente de variacin. Forma: Propiedad o caracterstica mayor que expresa la manera en que se distribuyen los datos, los tipos de medidas que se usa para expresar la forma de los datos son la simetra, la modalidad y la curtosis.

9. Concepto de medidas de tendencia central Se denomina medidas de tendencia central a aquellas medidas que describen la localizacin de los valores de las variables que se estudian. La media aritmtica, la mediana y el modo (o moda) son medidas de tendencia central.

10. Conceptos y reglas para el uso de cada una de las medidas de tendencia central

10.1 Media aritmtica (x) Se denomina media aritmtica (x) aquella medida que caracteriza un grupo de estudio con un solo valor y que se expresa como el coeficiente que resulta al dividir la suma todos los valores o puntajes entre el numero total del mismo El investigador sabe que para hablar la media aritmtica debe usar la siguiente formula a) Cuando se usa datos no agrupados X= xi n

Donde:

x = media aritmtica = suma Xi = valores individuales de la variable n = nmeros de valores o casos

Ejemplo: a seis estudiantes se le interroga: Cuntas veces a al semana acuden a la biblioteca de la facultad a la que pertenecen? Y ellos respondieron de la siguiente manera: 1-2-2-1-3-3 ( seis respuestas, es decir, el primero respondio que una veza la semana acude a la biblioteca de su facultad, el segundo contesto que 2, el tercero que dos, el cuarto que una, el

quinto que tres y el sexto que tres), entonces, aplicando la formula anterior, es decir, reemplezando las expresiones de la formula por sus valores respectivos, tenemos:

X= 1+2+2+1+3+3 = 12 = 2 6 6

Segn el resultado, los alumnos acuden a la biblioteca de la facultad, en promedio, dos veces a la semana. b) Cuando se usan datos agrupados

X= fi(xi)

Donde: Xi = punto medio de la clase Fi = frecuencia de la clase i de la distribucin = suma de productos fi xi El investigador tendr presente que para aplicar la formula de la media aritmtica usando datos agrupados se requiere que las categoras tengan sus limites ciaramente establecidos. No podr usar, por lo tanto, categoras abiertas. El investigador tiene presente que ha de cumplir con las siguientes exigencias: Establecer las categoras Determinar el punto medio (P.M) de cada clase de intervalo, que se obtiene sumando el intervalo y dividiendo entre dos. Precisar las frecuencias por cada una de las categoras. Multiplicar las frecuencias por cada uno de los puntos medios. Obtener la sumatoria de las multiplicaciones anteriores Lograr la media aritmtica de casos agrupados dividiendo la sumatoria lograda entre el numero de casos. Ejemplo: Se realiza una investigacin y uno de sus objetivos es el logro del promedio de escolaridad de los trabajadores de una empresa. Se tomo una muestra de 110 trabajadores. Se consiguieron por lo tanto 110 datos de escolaridad. El cuadro siguiente resume el acopio de esos datos:

Intervalos de escolaridad 1 - 3 4 - 6 7 - 9 10 - 12

Punto medio 1 5 8 11

f1 15 60 15 20

f1(x1) 30 300 120 220

X = f1(x1) = 670 N 110

6,09

El calculo que se hace nos permite afirmar que el promedio de escolaridad es 6,09 aos. Usar la medida aritmetica en la investigacion universitaria sirve para: a) b) c) d) Expersar globalmente una informacin que ofrecen los datos. Expresar una medida estable. Tener una medida consistente. Obtener un dato fundamental para otros estadsticos. Es importante observar que la primera ventaja sealada, que la media aritmetica expresa globalmente una informacin, puede convertirse en una desventaja cuando los datos estn mas cargados a un lado q a otro, lo cual seria un caso de falsa localizacionde la distribucin.

10.2. La mediana (Mdn) La mediana es la medida de tendencia central que expresa el lugar que ocupa el lugar central entre los valores ordenados segn su magnitud Ejemplo de mediana: la produccin diaria en la fbrica de calzados en la cual se trabaja los siete das de la semana, expresada en decenas de calzados y presentada ordenadamente, es como sigue: 40 42 43 47 48 50 51 Se observa fcilmente que el valor central es 47. Veamos el siguiente cuadro en el cual se expresan los aos de estudio de un grupo de trabajadores de una frabrica:

En este caso, como es un fenmeno acumulado se tiene le siguiente cuadro de frecuencias:

X1 11 6 16 18 19

F1 3 2 7 2 1

Los valores obtenidos son los siguientes: 11 11 11 6 6 16 16 16 16 16 16 16 18 18 19 Al ordenar los valores se obtiene: 6 6 11 11 11 16 16 16 16 16 16 16 18 18 19 Al apreciar el valor central, se tiene: 16

10.2.1 Proceso para obtener la mediana cuando el nmero de valores es par En el caso en que el nmero de valores ordenados sea par, se considera el promedio de los dos valores centrales. Por ejemplo, si el registro de los valores fuera: 10 42 43 47 53 55 59 60 61 63