ANÁLISIS DE LOS DATOS.

Ahora nos abocaremos a la presentación de algunas técnicas usadas en

investigación, pero primero presentaremos algunos conceptos importantes a
la hora de elegir y construir un instrumento útil.
LA OBSERVACIÓN
Las personas estamos realizando observaciones constantemente, estamos
fijando nuestra atención a los hechos que nos circundan, pero no podemos
decir que son observaciones científicas. Lo que diferencia una de otra es que
en la primera generalmente no hay una intención y un objetivo, y no sigue
pasos que garanticen el resultado; la última es una observación más
cuidadosa en la forma y con un fin determinado: se analizan los
acontecimientos de los cuales se ocupa para concluir sobre ellos.
El investigador al observar, selecciona, reconoce y registra los datos de la
realidad observada, e implica la presencia de un sujeto, un objeto, el acto de
la observación y el registro de lo observado.
Pero no lo realiza al azar, sino que lo realiza siguiendo determinados pasos, a
saber:
1.- determinar el objeto a observar
2.- determinar los objetivos de la observación, responder al “para qué” se
realiza la observación
3.- establecer y definir las unidades de observación
4.- Establecer y definir las categorías y subcategorías de observación
5.- determinar la forma con que se van a registrar los datos
6.- seleccionar y entrenar a los observadores
7.- observar cuidadosa y críticamente
8.- registrar los datos observados
9.- analizar e interpretar los datos
10.- elaborar conclusiones
Es importante tener en cuenta a la hora de iniciar una observación los
siguientes interrogantes:
1.- ¿Qué quiero observar?
2.- ¿Cuál es la mejor forma para registrar los datos de la observación?
3.- ¿Cómo puedo hacer para que la observación sea rigurosa?
4.- ¿Qué tipo de relación debo tener con los sujetos observados?
Existen distintas modalidades de la observación científica, sin ser excluyentes:
1.- directa o indirecta
2.- participante o no participante
3.- estructurada o no estructurada
4.- de campo o de laboratorio
5.- individual o de equipo
6.- restringida o no restringida
7.- abierta o encubierta
8.- con intervención o sin intervención
Desarrollemos cada una de ellas:
1.- Directa e indirecta
En la observación directa, el investigador se relaciona directamente con el
objeto a investigar; mientras en la indirecta, el investigador utiliza
observaciones que realizó otra persona, como ser por medio de filmaciones,
fotos, etc.
2.- Participante y no participante
En la observación participante, el investigador, como su nombre lo indica,
participa, se incluye en la situación observada, observa “desde adentro”;
mientras que en la observación no participante, el investigador se mantiene al
margen, no interviene en el hecho que observa, lo hace “desde afuera”.
3.- Estructurada y no estructurada
La primera es una observación en la que se utilizan medios para la recolección
de los datos de observación, se lo realiza sistemáticamente, con registros de
observación como ser fichas, etc.; mientras que la segunda no utiliza esos
medios, sino que se la realiza más libremente.
4.- De campo y de laboratorio
En la observación de campo, el investigador se desplaza para observar el
objeto al mismo lugar donde éste habitualmente se encuentra y discurre su
historicidad. Es la forma usual en investigación educativa: el aula, el patio;
mientras que en la observación de laboratorio, la observación se realiza en
lugares preparados para tal fin, como ser una cámara de Gessell.
5.- Individual y de grupo
La observación individual la realiza un solo investigador, sea como
investigación propia o como parte de una investigación más grande, pero al
que se le asignó un segmento de ella para que lo ejecute de manera
individual; la observación de grupo la realizan varias personas en conjunto,
sea que todos observen lo mismo, que cada uno observa un aspecto particular,
o que algunos de ellos realicen otras tareas diferenciadas.
6.- Restringida y no restringida
En la observación restringida, se realizó previamente la operacionalización de
variables a observar y se las registra exhaustivamente, sin tomar en cuenta
otros elementos; en la observación no restringida se observa al objeto
libremente, sin predeterminación de los fenómenos a observar.
7.- Abierta y encubierta
En la primera, los sujetos saben que están siendo observados; en la segunda,
los sujetos no saben que están siendo observados, sea porque el observador se
oculte o porque no revele su identidad en una observación participante.
8.- Con intervención y sin intervención
En la observación con intervención el investigador modifica la situación
natural del campo, por ejemplo, incluyendo un elemento que no está presente
habitualmente; en la observación sin intervención, se estudian los hechos tal y
como se dan naturalmente, sin intervenir para modificar nada.
LA ENTREVISTA
Esta técnica consiste en una reunión de 2 ó más personas, un entrevistador y
un entrevistado, para dialogar sobre un tema específico con el fin de obtener
información de individuos o grupos, facilitar información o influir sobre su
conducta.
No sólo permite obtener información a través de las respuestas, sino que
también da lugar a captar las expresiones del entrevistado como información
adicional.
Clases
- Entrevista estructurada: se realiza sobre la base de un cuestionario, que a
todos los entrevistados se lo aplica siempre en el mismo orden y con los
mismos términos.
- Entrevista no estructurada: se compone de preguntas abiertas que son
respondidas dentro de una conversación sin una estandarización formal. A su
vez, pueden ser de 2 tipos:
- Focalizada: El encuestador, tiene una lista de cuestiones a investigar
derivadas del problema general que quiere estudiar, focalizando el
interrogatorio en esos temas. Para ello hay que saber escuchar, esclarecer sin
sugerir y crear un ambiente facilitador para alentar al entrevistado a que
hable.
- Libre: el entrevistado goza de total libertad para expresar lo que quiera del
tema en cuestión. El entrevistador lo orientará a hablar creando un clima
facilitador, suponiendo que los datos necesarios para evaluar estarán
presentes en el relato libre. Suele facilitar la expresión de opiniones y hechos
personales.
Momentos de la Entrevista
- Preentrevista: es la toma de contacto con el futuro entrevistado. Puede
hacerse personalmente, por teléfono, por correspondencia o por correo
electrónico.
- Inicio: es importante en este momento situar al entrevistado sobre lo que se
va a realizar, y lograr crear un clima de distensión y confianza.
- Desarrollo: se establece el tema y se aplica el cuestionario, los focos o la
expresión libre del entrevistado, según sea la clase de entrevista.
-Final: darle la oportunidad al entrevistado a agregar lo que crea
conveniente, y que los dos puedan sentir haber llegado a lo propuesto, en un
clima de cordialidad.
- Postentrevista: suele no ser necesario en todos los casos, tiene la finalidad
de realizar una devolución al entrevistado de las conclusiones de la entrevista.
Validez y Confiabilidad
Para que un instrumento pueda ser utilizado debemos estar seguros de que
mide realmente lo que debe medir y que es consistente en las medidas que
realiza. Si no fuera así, no confiaríamos en la exactitud de los resultados que
recoja.
Para ello debemos considerar la validez y la confiabilidad del instrumento en
cuestión.
VALIDEZ
Se refiere a si el instrumento mide realmente lo que queremos investigar.
Podemos encontrar 3 tipos:
- Validez de contenido: si el instrumento abarca todas las dimensiones de
la variable.
Suele analizarse consultando otras investigaciones relacionadas a la
variable y consultando a especialistas.
- Validez de criterio: al instrumento se lo compara con algún criterio
externo. Se denomina concurrente si el criterio es contemporáneo, o sea, si
se cuenta con los datos de éste en el mismo tiempo que los que arroja el
instrumento para correlacionarlos; ejemplo: instrumento a validar: técnica
de evaluación de rendimiento académico, criterio: evaluación integradora
anual; y se denomina predictiva cuando los datos del criterio se obtienen a
posteriori que los datos del instrumento; ejemplo: instrumento: técnica para
selección de docentes, criterio: desempeño del docente elegido a un año de
labor.
- Validez de constructo: la teoría o las investigaciones preexistentes
permiten suponer relación entre dos conceptos o constructos. Se
correlacionan ambos conceptos, si es alta y significativa, aporta evidencia
sobre la validez del constructo para el instrumento. Ejemplo: desde el
marco teórico, se hipotetiza que la variable en cuestión, rendimiento
académico, se correlaciona positivamente con la alimentación.
Se miden ambas variables y se mide la correlación, si ésta es positiva y
significativa, aporta evidencia sobre la validez del constructo para el
instrumento que mide el rendimiento académico.
CONFIABILIDAD
Se refiere a la seguridad de que si aplico el mismo instrumento al mismo
sujeto en distintas oportunidades, los resultados no tendrán variaciones
significativas.
Tipos:
- Medida según test-retest: el instrumento es aplicado en distintas
oportunidades a un mismo panel de sujetos y se correlacionan los
resultados. La correlación deberá ser positiva y significativa para que el
instrumento sea considerado confiable.
- Medida paralela: se administran dos formas del instrumento a un mismo
panel de personas, equivalentes en contenido, instrucciones, duración...,
luego se correlacionan los resultados obtenidos, debiendo arrojar una
correlación positiva y significativa para considerarse confiable al
instrumento.
- Método de mitades: se aplica el instrumento y se divide en dos partes
emparejadas en contenido y dificultad, y se correlacionan, debiendo ser
positiva y significativa para considerarse confiable el instrumento.
- Existen otros métodos que exceden a la intención de este trabajo.
ESCALAS DE ACTITUD Y OPINIÓN
Las escalas son instrumentos que permiten medir actitudes y opiniones, las
que no son directamente medibles, sino a través de otros elementos como
ser lo que dicen las personas o las conductas, por ello están estas técnicas
compuestas de afirmaciones, proposiciones y juicios que permiten inferir la
actitud.
Una actitud es un estado de disposición psicológica que incita al individuo a
comportarse de un modo característico frente a determinadas objetos o
situaciones; mientras que una opinión es una determinada postura en
relación a un determinado tema u objeto, expresada en forma verbal.
La escala se debe construir con intervalos mutuamente excluyentes y ser
exhaustiva, o sea, que los datos pertenezcan a una sola categoría de la
escala, y que contenga todas las posibilidades de variación. Si no fuera
 posible, se agregará la categoría “otros” para agrupar en ella los datos que
no pueden ser incluidos en otras categorías de la escala.
Se analizarán dos escalas, las escalas Likert y el diferencial semántico de
Osgood.
Escala de Likert

Consiste en una escala ordinal que mide el escalonamiento de actitudes que

se aplica en una entrevista o de forma autoadministrada. Se constituye de
afirmaciones de las cuales el entrevistado debe decidir su acuerdo o
desacuerdo en un rango de 5 niveles, a cada cual se le asigna un valor
numérico y sólo puede marcarse una opción, siendo el número de
categorías de respuesta el mismo para todas las afirmaciones.

Muy de acuerdo De acuerdo Ni en desacuerdo En desacuerdo

Muy en desacuerdo
ni de acuerdo
Para la codificación numérica del 1 al 5 de los niveles, debe tenerse en
cuenta la dirección positiva, o sea, que estén de acuerdo con la afirmación,
o negativa, es decir, que estén en desacuerdo con ella. Ambas se califican
de forma inversa: el mayor puntaje se otorga, en las positivas, al acuerdo,
calificando al objeto favorablemente; y en las negativas, al desacuerdo
calificando al objeto desfavorablemente.

ANÁLISIS DE DATOS CUANTITATIVOS

El método estadístico de análisis de los datos cuantitativos depende de tres

factores:
a) El nivel de medición de las variables.
b) La manera como se hayan formulado las hipótesis.
c) El interés del investigador.
El investigador busca, en primer término, describir la distribución de sus
variables en una población y posteriormente establecer, si es posible,
correlaciones. Es decir, realiza análisis de estadística descriptiva para cada
una de sus variables y luego analiza la posible relación entre éstas, o intenta
calcular un factor que le permita saber con qué error puede aceptar o
rechazar su hipótesis de investigación (estadística inferencial). Los métodos
de análisis cuantitativo o estadístico son variados, pero cada método tiene su
razón de ser y un propósito específico.
La estadística no es un fin en sí misma, y el resultado de su aplicación
no es una verdad irrefutable, sino solo una aproximación con cierto
margen de error. La estadística es solo una herramienta para analizar los
datos, dentro de una investigación, y no tendría sentido fuera de este marco.
Recuerde que siempre se tendrán mejores aproximaciones combinando el
enfoque cualitativo y el cuantitativo.
) ESTADÍSTICA DESCRIPTIVA (PARA CADA VARIABLE)

Para que un análisis estadístico descriptivo esté completo, debe incluir tres
partes, que si bien se obtienen procesando los datos de manera diferente, a la
hora de mostrar los resultados, es necesario que se interpreten de manera
conjunta. La información necesaria para el análisis está constituida por la
distribución de frecuencias, las medidas de tendencia central y las medidas de
variabilidad.

Distribución de frecuencias

Si nuestra investigación es de enfoque cuantitativo, y de alcance exploratorio

o descriptivo, la primera tarea es analizar la distribución de los valores o las
puntuaciones obtenidos, para cada variable. Una “frecuencia”, es la cantidad
de veces sobre el total de casos analizados, que aparece una categoría de una
variable.
Una “distribución de frecuencias” es un conjunto de puntuaciones de una
variable, ordenadas en sus respectivas categorías. A veces, las categorías de
las distribuciones de frecuencias son tantas que es necesario resumirlas,
agrupándolas en intervalos.
Las distribuciones de frecuencias, pueden presentarse en forma de
histogramas o gráficas circulares.

Actualmente se dispone de gran variedad de programas y paquetes

computacionales estadísticos que elaboran cualquier gráfica, a colores,
utilizando efectos de movimiento
y en tercera dimensión.
Otra forma gráfica de representar frecuencias son los polígonos de
frecuencias.
Estos relacionan las puntuaciones obtenidas por cada categoría, con sus
respectivas frecuencias. En el eje horizontal (X), se colocan las categorías o
los intervalos. En el eje vertical (Y), se colocan las frecuencias, dependiendo
de cuál es el mayor número posible de frecuencia obtenido en la recolección y
tabulación.
Medidas de tendencia central
Las medidas de tendencia central son puntajes específicos de una
distribución, que se calculan con los datos obtenidos en la tabla de
distribución de frecuencias, de acuerdo a los valores y la cantidad de datos
que contenga. Estas medidas nos ayudan a ubicarnos dentro de la escala de
medición. Las medidas de tendencia central más utilizadas son la media, la
mediana y la moda.
La moda es la categoría o puntuación que ocurre con mayor frecuencia. La
mediana es el valor que divide la distribución por la mitad. La media es la
medida de tendencia central más utilizada y puede definirse como el promedio
aritmético de una distribución. Se simboliza como, y es la suma de todos los
valores dividida entre el número de casos.
Cómo calcular, la media, la moda y la mediana
Media aritmética o promedio
Es aquella medida que se obtiene al dividir la suma de todos los valores de
una variable por la frecuencia total. En palabras más simples, corresponde
a la suma de un conjunto de datos dividida por el número total de dichos
datos.

Ejemplo 1:
En matemáticas, un alumno tiene las siguientes notas: 4, 7, 7, 2, 5, 3
n = 6 (número total de datos)

La media aritmética de las notas de esa asignatura es 4,8. Este número

representa el promedio.
Moda (Mo)
Es la medida que indica cual dato tiene la mayor frecuencia en un conjunto
de datos; o sea, cual se repite más.
Ejemplo 1:
Determinar la moda en el siguiente conjunto de datos que corresponden a las
edades de niñas de un Jardín Infantil.
5, 7, 3, 3 , 7, 8, 3 , 5, 9, 5, 3 , 4, 3
La edad que más se repite es 3, por lo tanto, la Moda es 3 (Mo = 3)
Ejemplo 2:
20, 12, 14, 23, 78, 56, 96
En este conjunto de datos no existe ningún valor que se repita, por lo tanto,
este conjunto de valores no tiene moda.
Mediana (Med)
Para reconocer la mediana, es necesario tener ordenados los valores sea de
mayor a menor o lo contrario. Usted divide el total de casos (N) entre dos, y el
valor resultante corresponde al número del caso que representa la mediana de
la distribución.
Es el valor central de un conjunto de valores ordenados en forma creciente
o decreciente. Dicho en otras palabras, la Mediana corresponde al valor que
deja igual número de valores antes y después de él en un conjunto de datos
agrupados.
Según el número de valores que se tengan se pueden presentar dos casos:
Si el número de valores es impar, la Mediana corresponderá al valor
central de dicho conjunto de datos.
Si el número de valores es par, la Mediana corresponderá al promedio de los
dos valores centrales (los valores centrales se suman y se dividen por 2).
Ejemplo 1:
Se tienen los siguientes datos: 5, 4, 8, 10, 9, 1, 2
Al ordenarlos en forma creciente, es decir de menor a mayor, se tiene: 1, 2,
4, 5 , 8, 9, 10
El 5 corresponde a la Med, porque es el valor central en este conjunto de datos
impares.
Ejemplo 2:
El siguiente conjunto de datos está ordenado en forma decreciente, de mayor a
menor, y corresponde a un conjunto de valores pares, por lo tanto, la Med será
el promedio de los valores centrales.
21, 19, 18, 15, 13, 11 , 10, 9, 5, 3

ESTADISTICA DESCRIPTIVA

La estadística descriptiva es una ciencia que analiza series de datos (por

ejemplo, edad de una población, altura de los estudiantes de una escuela,
temperatura en los meses de verano, etc) y trata de extraer conclusiones
sobre el comportamiento de estas variables.

Las variables pueden ser de dos tipos:

Variables cualitativas o atributos: no se pueden medir numéricamente (por

ejemplo: nacionalidad, color de la piel, sexo).

Variables cuantitativas: tienen valor numérico (edad, precio de un producto,

ingresos anuales).

Las variables también se pueden clasificar en:

Variables unidimensionales: sólo recogen información sobre una

característica (por ejemplo: edad de los alumnos de una clase).

Variables bidimensionales: recogen información sobre dos características

de la población (por ejemplo: edad y altura de los alumnos de una clase).

Variables pluridimensionales: recogen información sobre tres o más

características (por ejemplo: edad, altura y peso de los alumnos de una clase).

Por su parte, las variables cuantitativas se pueden clasificar en discretas y

continuas:

Discretas: sólo pueden tomar valores enteros (1, 2, 8, -4, etc.). Por ejemplo:
número de hermanos (puede ser 1, 2, 3....,etc, pero, por ejemplo, nunca podrá
ser 3,45).

Continuas: pueden tomar cualquier valor real dentro de un intervalo. Por

ejemplo, la velocidad de un vehículo puede ser 80,3 km/h, 94,57 km/h...etc.
Cuando se estudia el comportamiento de una variable hay que distinguir los
siguientes conceptos:

Individuo: cualquier elemento que porte información sobre el fenómeno que

se estudia. Así, si estudiamos la altura de los niños de una clase, cada alumno
es un individuo; si estudiamos el precio de la vivienda, cada vivienda es un
individuo.

Población: conjunto de todos los individuos (personas, objetos, animales,

etc.) que porten información sobre el fenómeno que se estudia. Por ejemplo, si
estudiamos el precio de la vivienda en una ciudad, la población será el total de
las viviendas de dicha ciudad.

Muestra: subconjunto que seleccionamos de la población. Así, si se estudia el

precio de la vivienda de una ciudad, lo normal será no recoger información
sobre todas las viviendas de la ciudad (sería una labor muy compleja), sino
que se suele seleccionar un subgrupo (muestra) que se entienda que es
suficientemente representativo.

La distribución de frecuencia es la representación estructurada, en forma

de tabla, de toda la información que se ha recogido sobre la variable que se
estudia

Variable Frecuencias absolutas Frecuencias relativas

(Valor) Simple Acumulada Simple Acumulada
x x x x x
X1 n1 n1 f1 = n1 / n f1
X2 n2 n1 + n2 f2 = n2 / n f1 + f2
... ... ... ... ...
Xn-1 nn-1 n1 + n2 +..+ nn-1 fn-1 = nn-1 / n f1 + f2 +..+fn-1
Xn nn Sn fn = nn / n Sf
Siendo X los distintos valores que puede tomar la variable.
Siendo n el número de veces que se repite cada valor.
Siendo f el porcentaje que la repetición de cada valor supone sobre el total

Veamos un ejemplo:

Medimos la altura de los niños de una clase y obtenemos los siguientes resultados (cm):

Alumno Estatura Alumno Estatura Alumno Estatura

x x x x x x
Alumno 1 1,25 Alumno 11 1,23 Alumno 21 1,21
Alumno 2 1,28 Alumno 12 1,26 Alumno 22 1,29
Alumno 3 1,27 Alumno 13 1,30 Alumno 23 1,26
Alumno 4 1,21 Alumno 14 1,21 Alumno 24 1,22
Alumno 5 1,22 Alumno 15 1,28 Alumno 25 1,28
Alumno 6 1,29 Alumno 16 1,30 Alumno 26 1,27
Alumno 7 1,30 Alumno 17 1,22 Alumno 27 1,26
Alumno 8 1,24 Alumno 18 1,25 Alumno 28 1,23
Alumno 9 1,27 Alumno 19 1,20 Alumno 29 1,22
 Alumno 10 1,29 Alumno 20 1,28 Alumno 30 1,21
Si presentamos esta información estructurada obtendríamos la siguiente
tabla de frecuencia:

valores que toma la variable son muy diversos y cada uno de ellos se repite
muy pocas veces, entonces conviene agruparlos por intervalos, ya que de otra
manera obtendríamos una tabla de frecuencia muy extensa que aportaría muy
poco valor a efectos de síntesis (tal como se verá en la siguiente lección).

Variable Frecuencias absolutas Frecuencias relativas

(Valor) Simple Acumulada Simple Acumulada
Si los
x x x x x
1,20 1 1 3,3% 3,3%
1,21 4 5 13,3% 16,6%
1,22 4 9 13,3% 30,0%
1,23 2 11 6,6% 36,6%
1,24 1 12 3,3% 40,0%
1,25 2 14 6,6% 46,6%
1,26 3 17 10,0% 56,6%
1,27 3 20 10,0% 66,6%
1,28 4 24 13,3% 80,0%
1,29 3 27 10,0% 90,0%
1,30 3 30 10,0% 100,0%
DISTRIBUCIONES DE LA FRECUENCIA AGRUPADA

Supongamos que medimos la estatura de los habitantes de una vivienda y

obtenemos los siguientes resultados (cm):

Habitante Estatura Habitante Estatura Habitante Estatura

x x x x x x
Habitante 1 1,15 Habitante 11 1,53 Habitante 21 1,21
Habitante 2 1,48 Habitante 12 1,16 Habitante 22 1,59
Habitante 3 1,57 Habitante 13 1,60 Habitante 23 1,86
Habitante 4 1,71 Habitante 14 1,81 Habitante 24 1,52
Habitante 5 1,92 Habitante 15 1,98 Habitante 25 1,48
Habitante 6 1,39 Habitante 16 1,20 Habitante 26 1,37
Habitante 7 1,40 Habitante 17 1,42 Habitante 27 1,16
Habitante 8 1,64 Habitante 18 1,45 Habitante 28 1,73
Habitante 9 1,77 Habitante 19 1,20 Habitante 29 1,62
Habitante 10 1,49 Habitante 20 1,98 Habitante 30 1,01

Si presentáramos esta información en una tabla de frecuencia obtendríamos

una tabla de 30 líneas (una para cada valor), cada uno de ellos con una
frecuencia absoluta de 1 y con una frecuencia relativa del 3,3%. Esta tabla nos
aportaría escasa información

En lugar de ello, preferimos agrupar los datos por intervalos, con lo que la
información queda más resumida (se pierde, por tanto, algo de información),
pero es más manejable e informativa:
 Estatura Frecuencias absolutas Frecuencias relativas
Cm Simple Acumulada Simple Acumulada
x x x x x
1,01 - 1,10 1 1 3,3% 3,3%
1,11 - 1,20 3 4 10,0% 13,3%
1,21 - 1,30 3 7 10,0% 23,3%
1,31 - 1,40 2 9 6,6% 30,0%
1,41 - 1,50 6 15 20,0% 50,0%
1,51 - 1,60 4 19 13,3% 63,3%
1,61 - 1,70 3 22 10,0% 73,3%
1,71 - 1,80 3 25 10,0% 83,3%
1,81 - 1,90 2 27 6,6% 90,0%
1,91 - 2,00 3 30 10,0% 100,0%

El número de tramos en los que se agrupa la información es una decisión que

debe tomar el analista: la regla es que mientras más tramos se utilicen menos
información se pierde, pero puede que menos representativa e informativa sea
la tabla.

MEDIDA DE POSICION CENTRAL : LA MEDIA, LA MODA Y LA MEDIANA

Las medidas de posición nos facilitan información sobre la serie de datos que
estamos analizando. Estas medidas permiten conocer diversas características
de esta serie de datos.

Las medidas de posición son de dos tipos:

a) Medidas de posición central: informan sobre los valores medios de la

serie de datos.

b) Medidas de posición no centrales: informan de como se distribuye el

resto de los valores de la serie.

a) Medidas de posición central

Las principales medidas de posición central son las siguientes:

1.- Media: es el valor medio ponderado de la serie de datos. Se pueden

calcular diversos tipos de media, siendo las más utilizadas:

a) Media aritmética: se calcula multiplicando cada valor por el número de

veces que se repite. La suma de todos estos productos se divide por el total de
datos de la muestra:

(X1 * n1) + (X2 * n2) + (X3 * n3) + .....+ (Xn-1 * nn-1) + (Xn * nn)
Xm --------------------------------------------------------------------------------------
= -
n
 b) Media geométrica: se eleva cada valor al número de veces que se ha
repetido. Se multiplican todo estos resultados y al producto final se le calcula
la raíz "n" (siendo "n" el total de datos de la muestra).

Según el tipo de datos que se analice

será más apropiado utilizar la media
aritmética o la media geométrica.

La media geométrica se suele utilizar en series de datos como tipos de interés

anuales, inflación, etc., donde el valor de cada año tiene un efecto
multiplicativo sobre el de los años anteriores. En todo caso, la media
aritmética es la medida de posición central más utilizada.

Lo más positivo de la media es que en su cálculo se utilizan todos los valores

de la serie, por lo que no se pierde ninguna información.

Sin embargo, presenta el problema de que su valor (tanto en el caso de la

media aritmética como geométrica) se puede ver muy influido por valores
extremos, que se aparten en exceso del resto de la serie. Estos valores
anómalos podrían condicionar en gran medida el valor de la media, perdiendo
ésta representatividad.

2.- Mediana: es el valor de la serie de datos que se sitúa justamente en el

centro de la muestra (un 50% de valores son inferiores y otro 50% son
superiores).

No presentan el problema de estar influido por los valores extremos, pero en

cambio no utiliza en su cálculo toda la información de la serie de datos (no
pondera cada valor por el número de veces que se ha repetido).

3.- Moda: es el valor que más se repite en la muestra.

Ejemplo: vamos a utilizar la tabla de distribución de frecuencias con los datos

de la estatura de los alumnos que vimos en la lección 2ª.

Variable Frecuencias absolutas Frecuencias relativas

(Valor) Simple Acumulada Simple Acumulada
x x x x x
1,20 1 1 3,3% 3,3%
1,21 4 5 13,3% 16,6%
1,22 4 9 13,3% 30,0%
1,23 2 11 6,6% 36,6%
1,24 1 12 3,3% 40,0%
1,25 2 14 6,6% 46,6%
1,26 3 17 10,0% 56,6%
1,27 3 20 10,0% 66,6%
1,28 4 24 13,3% 80,0%
1,29 3 27 10,0% 90,0%
1,30 3 30 10,0% 100,0%
Vamos a calcular los valores de las distintas posiciones centrales:

1.- Media aritmética:

(1,20*1) + (1,21*4) + (1,22 * 4) + (1,23 * 2) + ......... + (1,29 * 3) + (1,30 * 3)

Xm -------------------------------------------------------------------------------------------------
= -
30

Luego:

Xm = 1,253

Por lo tanto, la estatura media de este grupo de alumnos es de 1,253 cm.

2.- Media geométrica:

((1,20^ 1) * (1,21^4) * (1,22^ 4) * .....* (1,29^3)* (1,30^3)) ^

X=
(1/30)

Luego:

Xm = 1,253

En este ejemplo la media aritmética y la media geométrica coinciden, pero no

tiene siempre por qué ser así.

3.- Mediana:

La mediana de esta muestra es 1,26 cm, ya que por debajo está el 50% de los
valores y por arriba el otro 50%. Esto se puede ver al analizar la columna de
frecuencias relativas acumuladas.

En este ejemplo, como el valor 1,26 se repite en 3 ocasiones, la media se

situaría exactamente entre el primer y el segundo valor de este grupo, ya que
entre estos dos valores se encuentra la división entre el 50% inferior y el 50%
superior.

4.- Moda:

Hay 3 valores que se repiten en 4 ocasiones: el 1,21, el 1,22 y el 1,28, por lo

tanto esta seria cuenta con 3 modas.

MEDIDAS DE POSICION NO CENTRAL

Las medidas de posición no centrales permiten conocer otros puntos

característicos de la distribución que no son los valores centrales. Entre otros
indicadores, se suelen utilizar una serie de valores que dividen la muestra en
tramos iguales:
Cuartiles: son 3 valores que distribuyen la serie de datos, ordenada de forma
creciente o decreciente, en cuatro tramos iguales, en los que cada uno de
ellos concentra el 25% de los resultados.

Deciles: son 9 valores que distribuyen la serie de datos, ordenada de forma

creciente o decreciente, en diez tramos iguales, en los que cada uno de ellos
concentra el 10% de los resultados.

Percentiles: son 99 valores que distribuyen la serie de datos, ordenada de

forma creciente o decreciente, en cien tramos iguales, en los que cada uno de
ellos concentra el 1% de los resultados.

Ejemplo: Vamos a calcular los cuartiles de la serie de datos referidos a la

estatura de un grupo de alumnos (lección 2ª). Los deciles y centiles se
calculan de igual manera, aunque haría falta distribuciones con mayor número
de datos.

Variable Frecuencias absolutas Frecuencias relativas

(Valor) Simple Acumulada Simple Acumulada
x x x x x
1,20 1 1 3,3% 3,3%
1,21 4 5 13,3% 16,6%
1,22 4 9 13,3% 30,0%
1,23 2 11 6,6% 36,6%
1,24 1 12 3,3% 40,0%
1,25 2 14 6,6% 46,6%
1,26 3 17 10,0% 56,6%
1,27 3 20 10,0% 66,6%
1,28 4 24 13,3% 80,0%
1,29 3 27 10,0% 90,0%
1,30 3 30 10,0% 100,0%

1º cuartil: es el valor 1,22 cm, ya que por debajo suya se situa el 25% de la
frecuencia (tal como se puede ver en la columna de la frecuencia relativa
acumulada).

2º cuartil: es el valor 1,26 cm, ya que entre este valor y el 1º cuartil se situa
otro 25% de la frecuencia.

3º cuartil: es el valor 1,28 cm, ya que entre este valor y el 2º cuartil se sitúa
otro 25% de la frecuencia. Además, por encima suya queda el restante 25% de
la frecuencia.

Atención: cuando un cuartil recae en un valor que se ha repetido más de una

vez (como ocurre en el ejemplo en los tres cuartiles) la medida de posición no
central sería realmente una de las repeticiones.

Estudia la distribución de los valores de la serie, analizando si estos se

encuentran más o menos concentrados, o más o menos dispersos.
Existen diversas medidas de dispersión, entre las más utilizadas podemos
destacar las siguientes:

1.- Rango: mide la amplitud de los valores de la muestra y se calcula por

diferencia entre el valor más elevado y el valor más bajo.

2.- Varianza: Mide la distancia existente entre los valores de la serie y la

media. Se calcula como sumatorio de las diferencias al cuadrado entre cada
valor y la media, multiplicadas por el número de veces que se ha repetido
cada valor. El sumatorio obtenido se divide por el tamaño de la muestra.

La varianza siempre será mayor que cero. Mientras más se aproxima a cero,
más concentrados están los valores de la serie alrededor de la media. Por el
contrario, mientras mayor sea la varianza, más dispersos están.

3.- Desviación típica: Se calcula como raíz cuadrada de la varianza.

4.- Coeficiente de varización de Pearson: se calcula como cociente entre la

desviación típica y la media.

Ejemplo: vamos a utilizar la serie de datos de la estatura de los alumnos de

una clase (lección 2ª) y vamos a calcular sus medidas de dispersión.

Variable Frecuencias absolutas Frecuencias relativas

(Valor) Simple Acumulada Simple Acumulada
x x x x x
1,20 1 1 3,3% 3,3%
1,21 4 5 13,3% 16,6%
1,22 4 9 13,3% 30,0%
1,23 2 11 6,6% 36,6%
1,24 1 12 3,3% 40,0%
1,25 2 14 6,6% 46,6%
1,26 3 17 10,0% 56,6%
1,27 3 20 10,0% 66,6%
1,28 4 24 13,3% 80,0%
1,29 3 27 10,0% 90,0%
1,30 3 30 10,0% 100,0%

1.- Rango: Diferencia entre el mayor valor de la muestra (1,30) y el menor

valor (1,20). Luego el rango de esta muestra es 10 cm.

2.- Varianza: recordemos que la media de esta muestra es 1,253. Luego,

aplicamos la fórmula:
Por lo tanto, la varianza es 0,0010

3.- Desviación típica: es la raíz cuadrada de la varianza.

Luego:

Coeficiente de variación de
Pearson: se calcula como cociente entre la desviación típica y la media de la
muestra.

Cv = 0,0320 / 1,253

Luego,

Cv = 0,0255

El interés del coeficiente de variación es que al ser un porcentaje permite

comparar el nivel de dispersión de dos muestras. Esto no ocurre con la
desviación típica, ya que viene expresada en las mismas unidas que los datos
de la serie.

Por ejemplo, para comparar el nivel de dispersión de una serie de datos de la

altura de los alumnos de una clase y otra serie con el peso de dichos alumnos,
no se puede utilizar las desviaciones típicas (una viene vienes expresada en
cm y la otra en kg). En cambio, sus coeficientes de variación son ambos
porcentajes, por lo que sí se pueden comparar.

http://www.aulafacil.com/cursos/l11219/ciencia/estadisticas/estadisticas/
grado-de-concentracion-indice-de-gini

ANALISIS CUALITATIVO
TEORÍA FUNDAMENTADA Y MÉTODO COMPARATIVO CONTINUO

TEORÍA FUNDAMENTADA

Murcia y Jaramillo (2000). En su artículo Tendencias cualitativas de

investigación en ciencias sociales. Una posibilidad para realizar estudios
sociales en Educación Física explican que la teoría fundamentada tiene sus
inicios en 1967 con los trabajos de Glasser y Strauss. Desde los autores, esta
teoría contribuiría a cerrar la brecha entre la teoría y la investigación
empírica. Al apoyarse teóricamente en el interaccionismo simbólico y en la
sociología cualitativa, se constituiría en una alternativa a las teorías
funcionalistas y estructuralistas.

La teoría fundada se describe como un modo de hacer análisis. De la Cuesta

(1998) siguiendo a Strauss, considera que su objetivo es el de generar teoría a
partir de textos recogidos en contextos naturales y sus hallazgos son
formulaciones teóricas de la realidad. Según Sandoval (1997), la teoría
fundada:

Es una Metodología General para desarrollar teoría a partir de datos que son
sistemáticamente capturados y analizados; es una forma de pensar a cerca de
los datos y poderlos conceptualizar… . Aun cuando son muchos los puntos de
afinidad en los que la teoría fundamentada se identifica con otras
aproximaciones de investigación cualitativa, se diferencia de aquellas por su
énfasis en la construcción de teoría.

El método de la teoría fundamentada es el de Comparación Constante, que

connota, como dice Sandoval, una continua revisión y comparación de los
datos capturados para ir construyendo teoría de la realidad. En términos de
Velasco y Díaz de Rada, el método de ésta tendencia ayuda a que el
antropólogo elabore y compare nuevas categorías mentales e introduzca
nociones de espacio y tiempo, de oposición y contradicción, que pueden ser
extrañas al pensamiento tradicional.

Strauss (1970), define sus procedimientos básicos en: Recogida de datos,

codificación y reflexión analítica en notas. Para elaborar la teoría, es
fundamental que se descubran, construyan y relacionen las categorías
encontradas; estas constituyen el elemento conceptual de la teoría y muestran
las relaciones entre ellas y los datos.

Los datos se recogen con base en el muestreo teórico, el cual, a decir Glasser
y Strauss (1967), es el medio o sistema por el que el investigador decide con
base analítica, que datos buscar y registrar. Por ello, la recogida de datos en
la investigación etnográfica se debe guiar por una teoría de diseño emergente,
pues estos escenarios y medios pueden ir cambiando en la medida que va
apareciendo nueva información.

La teoría Fundamentada, establece la distinción entre la teoría formal y la

teoría sustantiva, haciendo énfasis en la teoría sustantiva.

La teoría sustantiva está relacionada con la interacción permanente que el

investigador logra en el proceso de recolección de datos; de los cuales pueden
ir surgiendo nuevas hipótesis para ser verificadas. En tal sentido, esta teoría
es el resultado del procesamiento sistemático de los datos de campo
(mediante procesos de codificación y categorización). Glasser y Strauss
(1967).

La teoría formal se identifica con el estilo de recolección de datos y el análisis

teórico, a través del cual se hace posible la construcción de hipótesis y se
compara constantemente con la teoría de los datos que van surgiendo de la
investigación .

La teoría Fundada, puede partir de teorías bien fundamentadas, donde se

extraen una serie de hipótesis, las cuales buscan ser demostradas mediante la
comparación constante con la realidad cultural; caso de las investigaciones
desarrolladas por Davis y Macintyre. En ese proceso de comparación entre las
teorías llamadas formales y las teorías sustantivas se va construyendo la
teoría sobre el fenómeno estudiado. Existe sin embargo, la posibilidad de
iniciar la investigación con un marco bibliográfico poco estructurado, en cuyo
caso, a medida que se avanza en la comprensión de los datos y la construcción
de la teoría sustantiva, se va estableciendo la comparación con la teoría
formal. Hammersley y Atkinson (1994).

MUESTRO TEORICO

Para Osses, S. , Sánchez, I. y Ibáñez, F. (2006). en su Investigación cualitativa

en educación. hacia la generación de teoría a través del proceso analítico, el
muestreo teórico se refiere a los entrevistados o hechos a observar en la
estrategia de investigación. Esto significa que los individuos que serán
entrevistados, o hechos a observar, son considerados como aquellos que, en
forma suficiente, pueden contribuir al desarrollo de la teoría para lo cual se
realiza el trabajo en terreno.

El investigador comienza con la selección de varios casos que pueden

compararse y contrastarse. Éstos se eligen por su posible relevancia para el
campo teórico que se pretende estudiar. En las primeras fases de la
recolección y análisis de datos, se seleccionan casos por sus semejanzas.
Posteriormente, se eligen por sus diferencias. Glaser y Strauss (1967)
recomiendan este proceso de minimización – maximización de las diferencias
entre los casos seleccionados, por su utilidad en la generación de teoría. Las
semejanzas permiten la identificación de una categoría, el esbozo de sus
atributos y la especificación de sus condiciones de aparición. Las diferencias
entre los casos elegidos hacen posible la elaboración de los atributos de las
categorías, la determinación de sus subvariantes y la delimitación de su
alcance.

Se inicia el proceso, seleccionando y estudiando una muestra homogénea de

individuos, hechos o situaciones, para posteriormente, cuando la teoría
empiece a perfilarse, ir a una muestra heterogénea, la cual permitirá
confirmar o descartar las condiciones que están siendo utilizadas para
desarrollar las proposiciones iniciales Mella (2003).

SATURACION TEORICA

Esta estrategia metodológica del Método de Comparación Constante (MCC),

acerca a los investigadores a la posibilidad de verificación, sin apartarlos del
objetivo central que es la generación de teoría. Valles (1997) se refiere a este
punto en los siguientes términos: “En el MCC, no hay un intento de verificar la
universalidad ni la prueba de causas sugeridas u otras propiedades. Y al no
haber prueba, este procedimiento únicamente requiere la saturación de la
información. El objetivo no es tanto la verificación como la generación de
teoría”.

Según lo afirmado en relación al muestreo teórico, si el investigador adopta el

MCC, no podrá usar otro criterio para fijar el tamaño muestral sino el de
saturación y el tamaño deberá ser incrementado hasta que se logre el nivel de
saturación. Así, el muestreo teórico no tiene un tamaño definido por cálculos
probabilísticos, sino por criterios teóricos de saturación de las categorías
investigadas, vale decir, hasta cuando el dato adicional que se recolecta, no
agrega información significativa a lo que ya se tiene.

Como lo expresa Creswell (1998), el proceso de obtener información en la

teoría fundamentada -cuya lógica de obtención de datos corresponde al
método de comparación constante- es un proceso en zigzag: ir al campo de
observación para obtener datos, analizarlos, ir nuevamente al campo, obtener
datos y analizarlos, etc. Tantas veces se va al campo como sea necesario hasta
que la categoría de información es considerada como saturada.

CODIFICACION Y CATEGORIZACION: CLARIFICACION CONCEPTUAL

Codificación y categorización son, respectivamente, los aspectos físico-

manipulativo y conceptual de una misma actividad, a las que, indistintamente
suelen referirse algunos investigadores con una u otra denominación. Según
Rodríguez (1996) hay diferencias entre estos conceptos, las cuales se señalan
a continuación.

La categorización, hace posible clasificar conceptualmente las unidades que

son cubiertas por un mismo tópico. Las categorías soportan un significado o
tipo de significado y pueden referirse a situaciones, contextos, actividades,
acontecimientos, relaciones entre personas, comportamientos, opiniones,
sentimientos, perspectivas sobre un problema, métodos, estrategias, procesos,
etc.

La codificación, en cambio, es la operación concreta por la que se asigna a

cada unidad un indicativo (código) propio de la categoría en la que se
considera incluida. Los códigos, que representan a las categorías, consisten,
por tanto, en marcas que añadimos a las unidades de datos, para indicar la
categoría a que pertenecen. Estas marcas pueden tener un carácter numérico
o visual (colores), haciendo corresponder cada número o color con una
categoría concreta, aunque es más frecuente utilizar palabras o abreviaturas
de palabras con las que se han etiquetado las categorías.

En síntesis, categorización y codificación son, por tanto, actividades que giran

en torno a una operación fundamental: la decisión sobre las asociaciones de
cada unidad a una determinada categoría.

Existen tres procesos diferentes en la elaboración del sistema de categorías:

deductivo, inductivo y deductivo-inductivo. En el primero, se parte de un
marco teórico para la conceptualización y amplitud de las categorías. En el
segundo, se parte de registros narrativos, cuadernos de campo, casettes, etc.
y, a partir de ese material, se extraen los rasgos que serán agrupados en
función de la semejanza de ciertas características, pertinentes al objeto de
investigación. En el tercer proceso a seguir para la elaboración del sistema de
categorías, se parte de un marco teórico para definir las macro categorías y,
posteriormente, se procede a la elaboración de listas de rasgos extraídos a
partir de los registros que se realizan en el contexto natural.

BIBLIOGRAFÍA

Creswell, John W. (1994). Diseño de investigación. Aproximaciones

cualitativas y cuantitativas. Sage.