O slideshow foi denunciado.
Utilizamos seu perfil e dados de atividades no LinkedIn para personalizar e exibir anúncios mais relevantes. Altere suas preferências de anúncios quando desejar.
Universidad Nacional Autónoma de México
Instituto de Investigaciones en Matemáticas
Aplicadas y en Sistemas (IIMAS)
Filoso...
2
1.- Hacer ciencia es ser totalmente
objetivo
3
2.- Las estaturas de los seres
humanos tienen distribución
normal
4
3.- En una investigación se tienen dos grupos de
personas, uno realizó ejercicio físico vigoroso EFV,
durante un año y el ...
 Es necesario evaluarlas a la luz de
consideraciones filosóficas,
metodológicas y estadísticas.
6
En todo trabajo de Investigación, se
tiene un marco epistémico.
En muchas áreas de investigación
“tradicionales” como la B...
Además es muy común que sea un marco
totalmente erróneo,a partir de la filosofía del
Positivismo o Empirísmo Lógico.
El us...
<Positivismo>
*Objetivo
*Empírico
*Racionalidad en el método
*Reduccionista
*Certeza.
*La Matemática es la realidad
*Causa...
10
Mario Bunge “ Crisis y
reconstrucción de la filosofía”
Gedisa 2002
Los seres humanos y sus subsistemas y supersistemas
...
11
Un nivel de organización es una colección compuesta por
todas las cosas materiales caracterizadas por propiedades
pecul...
12
Durante mucho tiempo, desde el renacimiento hasta mediados
del siglo xx, prevaleció la idea de que la ciencia es empíri...
 Todos los Hechos
tienen carga
teórica.
Constructivismo.
 Formas “ Humanas “
de pensar y percibir.
 Se capta lo que se
...
 Se postulan conceptos
y ligas entre ellos.
 Se obtienen
consecuencias
verificables.
 Se contrastan las
deducciones con...
15
Elementos : Células,
familias, personas,
árboles, etc...
Propiedades: Descubrir,
Conceptuar y medir.
Asociación o
causa...
16
Epistemología, Metodología científica
17
Sean ni observaciones iid de una variable binaria (Bernoulli),
tomadas de poblaciones con parametros Pi la probabilidad...
18
Sea el conjunto de elementos (X1, X2, X3, ...,Xn), con
  nipXi ,...2,1;1,..2,1,0 
n
p
Una partición del conjunto e...
La estadística cuando se aplica a otra disciplina, lo
que pretende es contribuir a que el conocimiento
que se adquiere sob...
20
El uso de los modelos en el trabajo de investigación se da de
acuerdo al esquema siguiente:
Epistemología, Metodología
Estadística y las Ciencias Fácticas
Para contribuir al objetivo de tener conocimiento
válido (l...
Cita
"Modern statistics--concerned with discovering
patterns and structures in nature, with unearthing
relationships which...
“La estadística moderna  encargada de descubrir
patrones y estructuras en la naturaleza, de
desenterrar relaciones que de...
Los razonamientos con consideraciones
estadísticas intervienen en todas las
etapas del proceso investigativo.
El estadísti...
ASPECTOS EPISTEMOLÓGICOS
.- Interesa principalmente cómo es el mundo y no
tanto por qué es así.
.- El encontrar, cómo es...
26
METODOCIENTIFICOUna visiónoperacional
Guias generales,retroalimentación , busqueda de
coherencia entre etapas
•Problema...
27
28
DISEÑO
•Elementos por estudiarse (sujetos, unidades)
•Criterios de inclusión y de eliminación.
•Forma de obtener los el...
29
MEDICION
Medir es tipificar o caracterizar un propiedad en un elemento
de estudio. Previamente se debe conceptualizar l...
30
Análsis de Factores
Es una técnica estadística que postula conceptos inferidos a
partir de las observaciones en varias ...
31
Elaboración de proyectos
 -- Se pueden considerar dos ciclos ligados
en el proceso de elaboración de un proyecto
(prot...
32
METODO CIENTIFICO.
GUIA, PASOS, REALIMENTACIÓN
PRIMER CICLO : PROBLEMATIZACIÓN , HIPÓTESIS
PROBLEMA
OBJETIVOS
HIPOTESIS...
33
METODO CIENTIFICO.
GUIA, PASOS, REALIMENTACIÓN
SEGUNDO CICLO
DISEÑO
HIPOTESIS
VARIABLES
RECURSOS
DISEÑO
34
El ser humano esta programado (hard -wired) para ver un patrón
aun que no sea real. Es una característica de los sobrev...
35
POBLACION
MUESTRA
La distribución de las
variables de interés en el
estudio es aproximadamente
la misma en la población...
36
VALIDEZ EXTERNA.
Muestreo de la Población. Se toman al azar n
elementos de la población
POBLACION
MUESTRA
La distribuci...
37
POBLACION
MUESTRA
La distribución de las
variables de interés en el
estudio es aproximadamente
la misma en la población...
Tipos de diseños, mediciones,
modelos, supuestos, análisis,
etc..
Problema, marco teórico,
hipótesis. Conceptos, objetivos...
Realización de la investigación
Conducción – Obtención de Información- Análisis
Exploratorio – Construcción, verificación...
La visón rígida de la ciencia positiva y su
adhesión en forma acrítica produce:
.- Poca creatividad en la metodología.
....
Enfoque dogmático en Agronomía:
n=4 es parte del método científico.
Un experimento busca minimizar el error experimental...
42
Guias generales,retroalimentación , busqueda de
coherencia entre etapas
•Problema preliminar
•Objetivos, justificación
...
2. Las estaturas de los seres humanos tienen distribución
normal
Con elevada frecuencia biólogos, matemáticos, médicos,
ag...
)/()/( noXYPXYP 
X1
X2
X3
Xk
Y2
Y1
Y3
Yp
44
45
H ~ Hipótesis
D ~ Diseño
E ~ Esperado
SA ~ Supuestos Adicionales para el funcionamiento de H
con diseño D. 46
Práctica: D: ocurre O (Resultado Observado)
¿Concordancia (contrastación) E con O?
*
a).- Concuerdan E con O : se apoya H
...
3. En una investigación se tienen dos grupos de
personas, uno realizó ejercicio físico vigoroso EFV,
durante un año y el o...
Con elevada frecuencia biólogos, matemáticos,
médicos, agrónomos, etc. ; con menor frecuencia
sicólogos, sociólogos, etc.,...
3. En una investigación se tienen dos grupos de personas, uno
realizó ejercicio físico vigoroso EFV, durante un año y el o...
51
Grupo Media
EFV 12.3
Control 18.6
P <0.001
Observado después del diseño D.
O
?52
Grupo Media
EFV 12.3
Control 18.6
P <0.001
53
¿ qué
papel
juega?
Explicaciones alternativas A, B,...Q. Niegan
H, y explican la cercanía de E con O de otro
modo. Son “de Nulidad”
Teoría:
H...
Explicaciones alternativas A, B,...Q. Niegan H, y explican
la cercanía de E con O de otro modo. Son “de Nulidad”
Grupo Eda...
56
Etapa de planeación: Cambiar el diseño D o
cambiar la hipótesis empírica H, de manera
que los SA de las explicaciones alte...
58
1. Homogeneización.- Que los factores de confusión
no varíen en todos los elementos del estudio.
2. Formación de bloque...
3.En una investigación se tienen 200 hombres de 25-
50 años, se asignan al azar 100 de ellos para que
se sometan a ejercic...
Con elevada frecuencia biólogos, matemáticos,
médicos, agrónomos, etc. ; con menor frecuencia
sicólogos, sociólogos, etc.,...
Explicación alternativa A.-
Hipótesis de Nulidad Estadística
No es cierta H y ocurre O “cercano” a E por azar.
SAA hay var...
.....
EFVμ
Explicación alternativa A: noEFVEFV μμ 
Se espera que los promedios muestrales sean iguales, EA
noEFVEFV YY 
...
¿La discrepancia entre O y EA, Dif, es compatible
con la hipótesis alternativa del Azar , A?
¿La discrepancia entre YEFV y...
De las posibles Explicaciones alternativas A,
B,...Q. Niegan H, y esperan E de otro modo.
Son “de Nulidad”, si hay signifi...
65
Se considera que la diferencia entre O y EA no puede
ocurrir fácilmente (es Improbable) si es cierta la
explicación alt...
Teoría:
H, D, SAH E
Q, D, SAQ E
B, D, SAB E
A, D, SAA E Improbable
..........
La significancia estadística sólo eliminó un...
67
POSITIVISMO
 Objetivo
 Empírico
 Racionalidad en el
Método
 Reduccionista
 Certeza
 La Matemática está en
la realida...
Paradigmas
Cuantitativo Cualitativo
Ontológico
Realidad Objetiva y
Singular
Realidad Subjetiva y
Múltiple, según los
parti...
Paradigmas
Cuantitativo Cualitativo
Lenguaje
•Formal
•Definiciones previas
•Impersonal
•Informal
•Decisiones por desarroll...
Paradigmas
Cuantitativo Cualitativo
Experiencia y
entrenamiento
del Investigador
Habilidad técnica,
computación estadístic...
Paradigmas
Cuantitativo Cualitativo
Naturaleza
del problema
• Confirmar teoría
• Estudiado previamente
• Variables conocid...
Paradigmas
Cuantitativo Cualitativo
Aspectos
Metodológicos
• Experimentos:
Aleatorización,
Homogeneización,
Bloques
• Estu...
SINTESIS DE PARADIGMAS
(complementariedad)
Cuantitativo Cualitativo
• Las conclusiones
estadísticas son para
promedios o p...
Dra. Ana Moreno Coutiño
Tashakkori Abbas and Charles Teddlie “Mixed methodology. Combining
Qualitative and Quantitative Approaches”. Applied Socia...
SINTESIS DE PARADIGMAS
(complementariedad)
Cuantitativo Cualitativo
• La presencia de
interacciones múltiples , y
entre di...
Síntesis de Paradigmas Cualitativo y
Cuantitativo Cualitativo
Ante las características de las epistemologías
aceptadas act...
 Todos los Hechos tienen carga
teórica.
 Constructivismo.
 Formas “ Humanas “ de pensar y
percibir
 Se capta lo que se...
 Se postulan
conceptos y ligas
entre ellos.
 Se obtienen
consecuencias
verificables.
 Se contrastan las
deducciones con...
f(x)= [1/(2ps2)]1/2 exp[(x-)2/(2s2)]
Estaturas negativas?
Para un grupo de personas homogéneo en
edad, sexo, raza y alime...
Elementos : Células,
familias, personas, arboles,
etc...
Propiedades :
Conceptualizar y medir.
Asociación o causalidad: a
...
METODO CIENTIFICO
GUIA, PASOS, REALIMENTACIÓN
PRIMER CICLO : PROBLEMATIZACIÓN, HIPOTESIS
Fase de tormenta de ideas
Para ge...
HIPOTESIS
VARIABLES
RECURSOS
DISEÑO
METODO CIENTIFICO
GUIA, PASOS, REALIMENTACIÓN
SEGUNDO CICLO
DISEÑO
ESTRUCTURA
MEDICIONES
CÓMO, CUÁNDO, DÓNDE
SEGUIMIENTO?
CONTROL DE
FACTORES DE
CONFUSION
POBLACIONES
ELEMENTOS
A, B, C,...
...
POBLACION
MUESTRA
La distribución de las variables de
interés en el estudio es
aproximadamente la misma en la
población y ...
VALIDEZ EXTERNA
Muestreo de la Población. Se toman al azar
n elementos de la población
MUESTRA
La distribución de las vari...
La distribución de las variables de
interés en el estudio es
aproximadamente la misma en la
población y en la muestra
e.g....
VALIDEZ EXTERNA
REPRESENTATIVIDAD DE LAS MUESTRAS
MUESTRA
¿En qué
difieren las
poblaciones?
POBLACION
ABCD/EFG
Xi
f(Xi)
Xi...
yx
Hipótesis Teórica.
Conceptos o
“Constructos”
X1
X2
X3
X4
...
Xk
Y1
Y2
Y3
Y4
...
Ym
Hipótesis Empírica (s)
Entre Indicad...
X Y
Causalidad determinística
La causa es necesaria y suficiente para el
efecto. La configuración del mundo está
determina...
X Y
Causalidad probabilística
•Causa no necesaria ni suficiente
•Asociación estadística
•Las probabilidades de Y cambian a...
CONTRASTACIÓN DE HIPOTESIS
Comparación de lo O observado con lo E esperado según hipótesis
H: la Hipótesis
D: el Diseño
SA...
APOYO CONDICIONADO
TEORIA H, D, SAH E
PRACTICA
Se efectúa la
investigación
con diseño D
Ocurre O cercano a E
, discrepanci...
RECHAZO CONDICIONADO
TEORIA H, D, SAH E
PRACTICA
Se efectúa la
investigación
con diseño D
CONCLUSION
No se apoya H, condic...
B, D, SAB E
EXPLICACIONES ALTERNATIVAS
…………….
Se efectúa el diseño D, y ocurre O cercano a E
Formalmente tanto H como las ...
EXPLICACIONES ALTERNATIVAS
 Falta de Validez Externa
 El azar. Nulidad
Estadística
 Errores de medición
 Endogenicidad...
SIGNIFICANCIA ESTADÍSTICA
…………….
Se efectúa el diseño D, y ocurre O cercano a E
Si en modelos estadísticos se supone ciert...
SIGNIFICANCIA ESTADÍSTICA
…………….
Se efectúa el diseño D, y ocurre O cercano a E
Se considera que se ha eliminado por
impro...
VALIDEZ INTERNA
CONTROL DE FACTORES DE CONFUSION
En la hipótesis de que X causa Y, es necesario
eliminar explicaciones alt...
1. Según el propósito son Descriptivos o
Comparativos
2. Según la evolución son Transversales o
Longitudinales
3. Según la...
 Una sola población.
 Describir
características.
 Estimar promedios,
totales, etc.
 Conocer evolución.
 Distribución ...
RETROSPECTIVO
› La información
fundamental, o parte de
ella, ya ha sido captada
en otras fuentes. El
investigador no estu...
EXPERIMENTO
› Se tienen dos o más
poblaciones.
› Hay seguimiento.
› Se eligen o inventan las
variantes del factor causal ...
LONGITUDINAL
› Se mide en dos o más
ocasiones la o las
variables de interés.
› La comparación de los
valores en épocas
di...
A
Y
Tiempo
Tiempo
Tiempo
Tiempo
Ocurre X
Ocurre X Ocurre X
Ocurre X
B
C D
Maduración,
evolución
natural, etc..?
Características Nombre
Observacional
Retrospectivo o
Prospectivo
Transversal
Descriptivo
Encuesta
descriptiva
Comparativo
...
Tipos de Errores
1-- Errores sistemáticos, sesgo (Bias)
2.- Errores aleatorios.
Control:
(Sistemáticos) 1.- Cambiar diseño...
P
m
m
Extrapolación
Pasado Presente Futuro
P = población
m = muestra
ENCUESTA DESCRIPTIVA
Observacional, transversal, desc...
P2
m2
m2
Extrapolación
Pasado Presente Futuro
P1 y P2 = poblaciones
m1 y m2 = muestras
ENCUESTA COMPARATIVA
P1
m1
m1
Obser...
P1
m1
m1
Extrapolación
enelpasado
Pasado Presente Futuro
P = poblaciones
m = muestras
REVISION DE CASOS
P1
m1
m1
Extrapola...
P1 = población de casos con efecto
m1 = muestra de casos
P2 = población de controles, sin efecto
m2 = muestra de controles...
Pasado Presente Futuro
P1 y P2 = poblaciones
m1 y m2 = muestras
PERSPECTIVA HISTORICA
m1
P1
Evolución
seguimiento
retrospe...
Características Nombre
Observacional
Retrospectivo o
Prospectivo
Transversal
Descriptivo
Encuesta
descriptiva
Comparativo
...
Pasado Presente Futuro
P1 = población
m1 = muestra
ESTUDIO DE UNA COHORTE
m1
P1
seguimiento
P1P1
mediciones
m1m1
Observaci...
Longitudinales con dos poblaciones
Evidencia de Causalidad? Mayor en A, luego D, B y
nada en C
Tiempo
Tiempo
Tiempo
Tiempo...
Pasado Presente Futuro
P1 y P2 = poblaciones
m1 y m2 = muestras
ESTUDIO DE VARIAS COHORTES
m1
seguimiento
P1P1
mediciones
...
Características Nombre
Observacional
Retrospectivo o
Prospectivo
Transversal
Descriptivo
Encuesta
descriptiva
Comparativo
...
Pasado Presente Futuro
EXPERIMENTO
m1
Mediciones
Tratamientos Evaluación
final
Asignación aleatoria
a los tratamientos
Seg...
Uam x 2-3 junio 2014
Uam x 2-3 junio 2014
Uam x 2-3 junio 2014
Uam x 2-3 junio 2014
Próximos SlideShares
Carregando em…5
×

Uam x 2-3 junio 2014

Seminario metodología de la investigación científica

  • Seja o primeiro a comentar

  • Seja a primeira pessoa a gostar disto

Uam x 2-3 junio 2014

  1. 1. Universidad Nacional Autónoma de México Instituto de Investigaciones en Matemáticas Aplicadas y en Sistemas (IIMAS) Filosofía, Metodología de Investigación y Estadística Dr. Ignacio Méndez Ramírez 1 Reunión en La Universidad Autónoma Metropolitana Xochimilco 2 y 3 de junio 2014
  2. 2. 2
  3. 3. 1.- Hacer ciencia es ser totalmente objetivo 3
  4. 4. 2.- Las estaturas de los seres humanos tienen distribución normal 4
  5. 5. 3.- En una investigación se tienen dos grupos de personas, uno realizó ejercicio físico vigoroso EFV, durante un año y el otro (testigo o control) no lo hizo. Al término del año se midieron los ácidos grasos en suero. Los resultados son: Se efectúa una prueba de “t” y se tiene P <0.001. Se concluye “el EFV disminuye los valores de ácidos grasos”. Grupo n Media Desv. Est. EFV 100 12.3 2.8 Control 100 18.6 3.1 5
  6. 6.  Es necesario evaluarlas a la luz de consideraciones filosóficas, metodológicas y estadísticas. 6
  7. 7. En todo trabajo de Investigación, se tiene un marco epistémico. En muchas áreas de investigación “tradicionales” como la Biología, Medicina, Agronomía, etc., este marco es tácito, es decir, se asume inconscientemente. 7
  8. 8. Además es muy común que sea un marco totalmente erróneo,a partir de la filosofía del Positivismo o Empirísmo Lógico. El uso de este marco hace que la investigación sea muy rígida, pretendiendo ser totalmente objetiva y racional. Los filósofos modernos han rechazado unánimemente este marco epistémico, y han postulado entre otras cosas, que la ciencia no es totalmente objetiva, que hay actos en el proceso de investigación científica, que no pueden ser justificados totalmente de forma racional. 8
  9. 9. <Positivismo> *Objetivo *Empírico *Racionalidad en el método *Reduccionista *Certeza. *La Matemática es la realidad *Causalidad Determinística Realismo Crítico. *Objetividad intersubjetiva *Constructivismo *Racionalidad en el científico *Sistémico *Minimizar errores *La matemática aproxima la realidad *Causalidad Probabilística ¡Ya sé como es! ¡Así se debe hacer! Tengo una teoría que funciona bien. Este método funciona 9
  10. 10. 10 Mario Bunge “ Crisis y reconstrucción de la filosofía” Gedisa 2002 Los seres humanos y sus subsistemas y supersistemas Sistema mundial Grupos Sociales Individuos Supersistemas pe. SNC Organos pe. hipotálamo Microsistemas pe. minicolumnas corticales Células pe. Neuronas Orgánulos pe. cromosomas Moléculas pe. ADN átomos, pe. Ca Particulas Elementales y campos Sociedades Niveles sociales Niveles Biológicos Niveles Químicos Niveles físicos
  11. 11. 11 Un nivel de organización es una colección compuesta por todas las cosas materiales caracterizadas por propiedades peculiares ( en especial leyes) Decimos que las propiedades de las cosas del enésimo nivel que no están presentes en los niveles inferiores son propiedades emergentes específicas del enésimo nivel Cualquier cosa perteneciente a un nivel determinado, esta compuesta por cosas que pertenecen a niveles inferiores. Moraleja Metodólogica : 1.- Identificar el nivel o niveles atravesados por su objeto de estudio. 2.- No saltear niveles. 3.- Reconocer la genealogía de los nivles superiores Holismo, Análisis, Síntesis y Enfoque multinivel
  12. 12. 12 Durante mucho tiempo, desde el renacimiento hasta mediados del siglo xx, prevaleció la idea de que la ciencia es empírica, objetiva y racional. Ahora se reconoce que el juicio personal es muy importante durante todas las fases del proceso investigativo. Sean estas las de construcción de teoría, formulación de hipótesis, diseño, análisis o interpretación de resultados.
  13. 13.  Todos los Hechos tienen carga teórica. Constructivismo.  Formas “ Humanas “ de pensar y percibir.  Se capta lo que se conceptualiza.  Hay que creer para ver. Primero la teoría  Hay que ver para creer, los creadores de nuevas teorías. 13
  14. 14.  Se postulan conceptos y ligas entre ellos.  Se obtienen consecuencias verificables.  Se contrastan las deducciones con las observaciones.  La estadística compara resultados esperados según un modelo, con los observados 14
  15. 15. 15 Elementos : Células, familias, personas, árboles, etc... Propiedades: Descubrir, Conceptuar y medir. Asociación o causalidad: a una propiedad se acompañan otra(s) Elementos : Puntos, espacios, vectores, funciones, etc... Propiedades: Definirlas, son los axiomas. Teoría: consecuencias lógicas de los axiomas. Modelos Matemáticos CORRESPONDENCIA
  16. 16. 16 Epistemología, Metodología científica
  17. 17. 17 Sean ni observaciones iid de una variable binaria (Bernoulli), tomadas de poblaciones con parametros Pi la probabilidad de 1. Las poblaciones indexadas con i , quedan definidas por X1i, X2i, ...Xpi pijpijij i i XXX P P    ... 1 ln 22110 .  pijpijij XXXi e P     ...22110 1 1     Yini i Yi i n i Yi ni PPL     1)( 1  2 . 1 1 1 ˆ1 ln)1( ˆ ln2 pn ij i ij ij i ij t i n j Y P Y Y P YD i                          Función de verosimilitud  pijpijij XXXi e P  ˆ...ˆˆˆ 22110 1 1ˆ    ni son muestras de poblaciones de pacientes de cáncer de próstata definidas por: X1: Rx +, X2 :Etapa del Cáncer , X3: Grado del cáncer , X4: Edad del paciente, X5 : fosfatasa ácida ; Pi probabilidad de que un paciente desarrolle metástasis. La fosfatasa X5 ,es un buen predictor de metástasis. Modelo para Pi Estimadores Medida del ajuste de los datos al modelo APLICACION
  18. 18. 18 Sea el conjunto de elementos (X1, X2, X3, ...,Xn), con   nipXi ,...2,1;1,..2,1,0  n p Una partición del conjunto en p subconjuntos de elementos c/u, se obtiene con: 1n p )mod(0...332211 pXXXX nn   )mod(1...332211 pXXXX nn   )mod(1...332211 ppXXXX nn   ......... )1...2,1,0(  pcon i Al menos una diferente de cero y la primera igual a 1 i Al hacer variar las sobre todos sus posibles valores, se obtieneni    1 1   p pn particiones. Además éstas son ortogonales entre si; es decir cualesquiera dos particiones de manera simultanea generan una nueva partición en subconjuntos cada uno con elementos. 2 p2n p Una aplicación es para formar diseños en cuadros latinos y grecolatinos. Otra es cuando se refiere a experimentos factoriales con n factores con p niveles cada uno, poder descomponer los -1 grados de libertad y sumas de cuadrados en efectos ortogonales. A partir de ésto se planean esquemas de confusión y experimentos factoriales fraccionales. Esto ha tenido y tiene un gran uso en experimentación agronómica e industrial n p    1 1   p pn APLICACION Con p un número primo
  19. 19. La estadística cuando se aplica a otra disciplina, lo que pretende es contribuir a que el conocimiento que se adquiere sobre un aspecto de la realidad, esté en la medida de lo posible libre de errores, o que éstos sean pequeños. Representación 19
  20. 20. 20 El uso de los modelos en el trabajo de investigación se da de acuerdo al esquema siguiente:
  21. 21. Epistemología, Metodología Estadística y las Ciencias Fácticas Para contribuir al objetivo de tener conocimiento válido (libre de errores y sancionado por la comunidad de científicos), es necesario contemplar los aspectos epistemológicos de las disciplinas involucradas, diseñar la forma de captar la información más económica, factible y además que sea “científica” en el sentido de minimizar errores. 21
  22. 22. Cita "Modern statistics--concerned with discovering patterns and structures in nature, with unearthing relationships which defy unaided perception and with providing powerful tools for us to improve our understanding of the world around us-- ought to be regarded by the general public as one of the most exciting of disciplines." David J. Hand. ”Breaking misconceptions-- statistics and its relationship to mathematics” The Statistician, 1998: 47, pert2, pp. 245-250 22
  23. 23. “La estadística moderna  encargada de descubrir patrones y estructuras en la naturaleza, de desenterrar relaciones que desafían la percepción normal y de proveernos con herramientas poderosas para que mejorar el entendimiento del mundo que nos rodea  debería ser considerada por el público en general como la más excitante de las disciplinas” 23
  24. 24. Los razonamientos con consideraciones estadísticas intervienen en todas las etapas del proceso investigativo. El estadístico debe entender y colaborar en todos los aspectos de la investigación. Es un científico más de un grupo de trabajo 24
  25. 25. ASPECTOS EPISTEMOLÓGICOS .- Interesa principalmente cómo es el mundo y no tanto por qué es así. .- El encontrar, cómo es el mundo, tiene relación con la explicación de por qué es así. .- En la medida de tener mejores explicaciones, se pueden encontrar nuevas regularidades, esto constituye el complejo teórico metodológico con el que construimos el conocimiento. .- No hay objetividad Absoluta. Hay Objetividad intersubjetiva. .- La matemática está en la mente, no en la realidad. Ningún modelo es “verdadero”, pero hay algunos muy útiles. 25
  26. 26. 26 METODOCIENTIFICOUna visiónoperacional Guias generales,retroalimentación , busqueda de coherencia entre etapas •Problema preliminar •Objetivos, justificación •Definición de variables •Hipótesis preliminar •Revisión conceptual •Problema •Redefinición de variables •Hipótesis •Revisión de métodos •Diseño •Conducción •Análisis y síntesis •Interpretación y discusión •Conclusiones y recomendaciones •Reporte.
  27. 27. 27
  28. 28. 28 DISEÑO •Elementos por estudiarse (sujetos, unidades) •Criterios de inclusión y de eliminación. •Forma de obtener los elementos (muestreo) •Estructura de la investigación: •Experimental u observacional •Prospectivo o retrospectivo •Longitudinal o transversal •Descriptivo o comparativo •¿Qué, cómo, cuándo, con qué medir? •Formas de captación •Tamaño de muestra •Validez externa (extrapolación) •Validez interna (control factores confusores) •¿Estudio piloto? Objetivo •Logística Libro. “Protocolo de Investigación”. Méndez y cols. Trillas. Mexico
  29. 29. 29 MEDICION Medir es tipificar o caracterizar un propiedad en un elemento de estudio. Previamente se debe conceptualizar la propiedad por medirse y obtener un indicador mediante una operacionalización X X1 X2 ... Xn CONCEPTO INDICADORES VALIDEZ O EXACTITUD Es el hecho de que el indicador refleje la riqueza del concepto, que lo represente sin error CONFIABILIDAD O PRECISION Es que en diferentes circunstancias las mediciones de un mismo elemento no cambien, o lo hagan poco. Primero los conceptos y luego las variables a medir Deductivo (Válido Popper)
  30. 30. 30 Análsis de Factores Es una técnica estadística que postula conceptos inferidos a partir de las observaciones en varias variables. Las llamadas variables latentes. X Y Z X1 X2 ... Xn CONCEPTOS INDICADORES Primero las variables y luego los conceptos Inductivo (Inválido Popper)
  31. 31. 31 Elaboración de proyectos  -- Se pueden considerar dos ciclos ligados en el proceso de elaboración de un proyecto (protocolo).  Ciclo 1.- Problema – Marco Teórico – Hipótesis – Variables.  Ciclo 2.- Hipótesis – Diseño - Poblaciones, métodos de muestreo, mediciones, intervenciones, seguimiento. -- Antes de realizar una investigación, se debe efectuar una crítica fuerte a todo el proyecto. Se busca coherencia entre las partes y la minimización de errores
  32. 32. 32 METODO CIENTIFICO. GUIA, PASOS, REALIMENTACIÓN PRIMER CICLO : PROBLEMATIZACIÓN , HIPÓTESIS PROBLEMA OBJETIVOS HIPOTESIS CONCEPTOS Y VARIABLES
  33. 33. 33 METODO CIENTIFICO. GUIA, PASOS, REALIMENTACIÓN SEGUNDO CICLO DISEÑO HIPOTESIS VARIABLES RECURSOS DISEÑO
  34. 34. 34 El ser humano esta programado (hard -wired) para ver un patrón aun que no sea real. Es una característica de los sobrevivientes. Vemos tigres en la floresta. Y también los niños ven tigres en las sombras en la pared. Aparecen patrones en fenómenos puramente aleatorios. Esos patrones son reales para el cerebro en el sentido que se pueden reconocer sus características y se pueden reproducir. Sin embargo, esos patrones son (i) efímeros, y (ii) no nos dicen nada útil sobre el problema en estudio. En otras palabras. No tienen sentido. Parte de nuestro razonamiento con los modelos aleatorios es que decimos que no clasificamos ningún comportamiento de los datos como “permanente” si se parece mucho a algo que puede ocurrir frecuentemente bajo un modelo puramente aleatorio. Pretendemos modelar lo que no es aleatorio, lo que se dará de la misma manera o casi, de una muestra a otra, por que consideramos que refleja la población y con ella la realidad en otros casos semejantes al estudiado.
  35. 35. 35 POBLACION MUESTRA La distribución de las variables de interés en el estudio es aproximadamente la misma en la población y en la muestra Xi Xi f(Xi) f(Xi)
  36. 36. 36 VALIDEZ EXTERNA. Muestreo de la Población. Se toman al azar n elementos de la población POBLACION MUESTRA La distribución de las variables de interés en el estudio es aproximadamente la misma en la población y en la muestra Xi Xi f(Xi) f(Xi) Ajustes analíticos para acercar a la representatividad. Factores de expansión, razones, postestratificación P limn p P  p
  37. 37. 37 POBLACION MUESTRA La distribución de las variables de interés en el estudio es aproximadamente la misma en la población y en la muestra Xi Xi f(Xi) f(Xi) Criterios de inclusión, exclusión, eliminación, variables básicas
  38. 38. Tipos de diseños, mediciones, modelos, supuestos, análisis, etc.. Problema, marco teórico, hipótesis. Conceptos, objetivos, poblaciones, elementos, etc. Encuestas, cohortes, experimentos, etapas, estratos, bloques, apareamiento, modelos de regresión logísticos, generalizados, discriminante, factores, ecuaciones estructurales, etc Instrumentos, limitaciones prácticas, trabajo de campo, tiempo, dinero, etc. 38
  39. 39. Realización de la investigación Conducción – Obtención de Información- Análisis Exploratorio – Construcción, verificación y selección de modelos – Interpretación – Discusión – Conclusiones y recomendaciones – Reporte. Hay indivisibilidad del método de estudio con las explicaciones (teoría) que se tienen sobre el propio objeto estudiado. Método Teoría Objeto Teoría Interpretación39
  40. 40. La visón rígida de la ciencia positiva y su adhesión en forma acrítica produce: .- Poca creatividad en la metodología. .- Se copian diseños y procedimientos. .- Búsqueda de objetividad, que puede paralizar. .- Fe ciega en la matemática. logP/(1-P) = XB 40
  41. 41. Enfoque dogmático en Agronomía: n=4 es parte del método científico. Un experimento busca minimizar el error experimental Uso de bloques frecuentemente inadecuado Para cualquier experimento un coeficiente de variación mayor a 20% indica que está mal el estudio. Un tamaño óptimo de parcela experimental para un cultivo, válido para todo tipo de tratamientos y condiciones de experimentación. Pseudorepetición Uso dogmático (mágico) del 5% de significación No hay crítica para los diseños y los análisis La distribución normal existe en la naturaleza ¡Buen Experimento! 41
  42. 42. 42 Guias generales,retroalimentación , busqueda de coherencia entre etapas •Problema preliminar •Objetivos, justificación •Definición de variables •Hipótesis preliminar •Revisión conceptual •Problema •Redefinición de variables •Hipótesis •Revisión de métodos •Diseño •Conducción •Análisis y síntesis •Interpretación y discusión •Conclusiones y recomendaciones •Reporte. MÉTODOCIENTÍFICO Una visión operacional
  43. 43. 2. Las estaturas de los seres humanos tienen distribución normal Con elevada frecuencia biólogos, matemáticos, médicos, agrónomos, etc. ; con menor frecuencia sicólogos, sociólogos, etc., contestan Verdadero 0)0( YP Niños Hombres Mujeres La Normal es una propiedad objetiva de la naturaleza, existe por si sola. Sólo hay que descubrirla. ¡Existe una estatura negativa! Se ignora el diseño, ¿a qué población de humanos se refiere? ¿todos los que existen? ¿a mujeres de 30 a 50 años , clase media, que viven en México, D.F.? Basquetbolistas 43
  44. 44. )/()/( noXYPXYP  X1 X2 X3 Xk Y2 Y1 Y3 Yp 44
  45. 45. 45
  46. 46. H ~ Hipótesis D ~ Diseño E ~ Esperado SA ~ Supuestos Adicionales para el funcionamiento de H con diseño D. 46
  47. 47. Práctica: D: ocurre O (Resultado Observado) ¿Concordancia (contrastación) E con O? * a).- Concuerdan E con O : se apoya H b).- No concuerdan E con O : No se apoya H ¿Cómo se define la concordancia? Teoría: H, D, SA E* 47
  48. 48. 3. En una investigación se tienen dos grupos de personas, uno realizó ejercicio físico vigoroso EFV, durante un año y el otro (testigo o control) no lo hizo. Al término del año se midieron los ácidos grasos en suero. Los resultados son: Se efectúa una prueba de “t” y se tiene P <0.001. Se concluye “el EFV disminuye los valores de ácidos grasos Grupo n Media Desv. Est. EFV 100 12.3 2.8 Control 100 18.6 3.1 48
  49. 49. Con elevada frecuencia biólogos, matemáticos, médicos, agrónomos, etc. ; con menor frecuencia sicólogos, sociólogos, etc., contestan : Verdadero 49
  50. 50. 3. En una investigación se tienen dos grupos de personas, uno realizó ejercicio físico vigoroso EFV, durante un año y el otro (testigo o control) no lo hizo. Al término del año se midieron los ácidos grasos en suero. Preguntas Básicas ¿ Cómo eran las personas en características inherentes a ellas, tales como sexo, edad, tipo de alimentación, raza, estado de salud, etc.? ¿Cómo se asignó el EFV? ¿Lo eligieron las personas, fue con incentivos, fue al azar, etc.? ¿Cómo se define EFV y NoEFV? ¿En qué condiciones se realizó el EFV y el noEFV, cambios climáticos, de salud, de organización, sociales, alimenticios, etc? ¿Cómo se midieron los ácidos grasos, fue igual para ambos grupos? 50
  51. 51. 51
  52. 52. Grupo Media EFV 12.3 Control 18.6 P <0.001 Observado después del diseño D. O ?52
  53. 53. Grupo Media EFV 12.3 Control 18.6 P <0.001 53 ¿ qué papel juega?
  54. 54. Explicaciones alternativas A, B,...Q. Niegan H, y explican la cercanía de E con O de otro modo. Son “de Nulidad” Teoría: H, D, SAH E Q, D, SAQ E B, D, SAB E A, D, SAA E ................. Práctica: D ocurre O a) Concuerdan O con E. Se apoyan H, A, B, ... Q b) No concuerdan O con E. No se apoyan H, A, B, ... Q. 54
  55. 55. Explicaciones alternativas A, B,...Q. Niegan H, y explican la cercanía de E con O de otro modo. Son “de Nulidad” Grupo Edad Media EFV 20-25 años 12.3 Control 47-68 años 18.6 Ac. grasos edad EFV o no SA: Supuestos adicionales: La edad y el EFV están asociados. La edad produce cambios en ác. Grasos. La edad es un Factor de Confusión en la relación EFV Ac grasos 55 Explicación alternativa: Las diferencias en ac. grasos de deben a la edad y no al EFV
  56. 56. 56
  57. 57. Etapa de planeación: Cambiar el diseño D o cambiar la hipótesis empírica H, de manera que los SA de las explicaciones alternativas, no operen, o sean improbables. Etapa de análisis y discusión: Mostrar debilidad teórica, poca plausibilidad o imposibilidad de los SA de las explicaciones alternativas. 57
  58. 58. 58 1. Homogeneización.- Que los factores de confusión no varíen en todos los elementos del estudio. 2. Formación de bloques o estratos homogéneos.- Comparaciones dentro de los bloques y sus promedios. No interacción. 3. Aleatorización.- Se asignan al azar a los elementos de estudio las variantes del posible factor causal o tratamientos. Tiende a homogenizar la distribución de todas las variables presentes en los elementos de estudio. 4. Análisis estadístico:- Se modela la influencia conjunta de tratamientos y factores de confusión. Se obtienen los “Efectos ajustados”
  59. 59. 3.En una investigación se tienen 200 hombres de 25- 50 años, se asignan al azar 100 de ellos para que se sometan a ejercicio físico vigoroso (EFV), durante un año y el resto (testigo o control) no lo haga (noEFV). Se vigila que las condiciones de vida sean semejantes en ambos grupos durante el año. Al término del año, de cada individuo se toma una muestra de sangre y se congela de inmediato, para que en todas después del mismo tiempo de frío y con los mismos instrumentos se miden los ácidos grasos en suero. 59
  60. 60. Con elevada frecuencia biólogos, matemáticos, médicos, agrónomos, etc. ; con menor frecuencia sicólogos, sociólogos, etc., contestan : Verdadero 60
  61. 61. Explicación alternativa A.- Hipótesis de Nulidad Estadística No es cierta H y ocurre O “cercano” a E por azar. SAA hay variación natural en ác. grasos en los humanos, aunque sean semejantes (la misma población), pueden darse por azar promedios bajos en los de EFV y altos en los de noEFV. Ambos grupos son muestras de la misma población de sujetos. 61
  62. 62. ..... EFVμ Explicación alternativa A: noEFVEFV μμ  Se espera que los promedios muestrales sean iguales, EA noEFVEFV YY  Se efectúa el diseño, D y se obtiene O (observado): )()( EODifEODifYY AnoEFVEFV  ..... noEFVμ 62 Se mide Yi Ac graso Se mide Yi Ac graso(Riqueza conceptual: poblaciones, medias poblacionales, etc.) [Y1,Y2, ….Yi….Yn....] [Y1,Y2, ….Yi….Yn....]
  63. 63. ¿La discrepancia entre O y EA, Dif, es compatible con la hipótesis alternativa del Azar , A? ¿La discrepancia entre YEFV y YnoEFV es factible o probable por azar o es improbable.? Fisher: 0.05 o 0,01 63
  64. 64. De las posibles Explicaciones alternativas A, B,...Q. Niegan H, y esperan E de otro modo. Son “de Nulidad”, si hay significancia estadistica, se considera que A: “El azar produce E” esta eliminada, pero subsisten B,...Q 64
  65. 65. 65 Se considera que la diferencia entre O y EA no puede ocurrir fácilmente (es Improbable) si es cierta la explicación alternativa; que el azar opera para producir O cercano a E , sin que sea cierta H. Hay incompatibilidad de O con EA , se considera que A no es factible. Esto de ninguna manera implica que se apoya H, y mucho menos que ”H es cierta”. Simplemente se eliminó una explicación alternativa, (el azar) pero puede haber otras muchas. noEFVEFV  Se considera que : Pero no se sabe a qué se debe la diferencia
  66. 66. Teoría: H, D, SAH E Q, D, SAQ E B, D, SAB E A, D, SAA E Improbable .......... La significancia estadística sólo eliminó una explicación alternativa, el azar. ¡Sólo esto! Subsisten explicaciones alternativas (B, …, Q) 66
  67. 67. 67
  68. 68. POSITIVISMO  Objetivo  Empírico  Racionalidad en el Método  Reduccionista  Certeza  La Matemática está en la realidad  Causalidad determinista NUEVA FILOSOFIA  Objetividad Intersubjetiva  Constructivismo  Racionalidad en el científico  Sistémico  Minimizar errores  La Matemática aproxima la realidad  Causalidad Probabilística
  69. 69. Paradigmas Cuantitativo Cualitativo Ontológico Realidad Objetiva y Singular Realidad Subjetiva y Múltiple, según los participantes Epistemológico El investigador es independiente del objeto El investigador interactúa con el objeto Axiológico Insesgado y sin valores Sesgado y con carga valorativa
  70. 70. Paradigmas Cuantitativo Cualitativo Lenguaje •Formal •Definiciones previas •Impersonal •Informal •Decisiones por desarrollar •Personal Proceso de Investigación •Deductivo •Causa y Efecto •Diseño Estático •Libre de Contexto •Generalizaciones para predicción, explicación y entendimiento •Confiabilidad •Casos múltiples •Inductivo •Multifactorial y simultáneo •Diseño emergente •Categorías que surgen en Contexto •Patrones y teorías para entender •Validez •Estudio de Caso
  71. 71. Paradigmas Cuantitativo Cualitativo Experiencia y entrenamiento del Investigador Habilidad técnica, computación estadística Habilidad literaria, Computación para análisis de textos Aptitudes psicológicas • Adaptado a reglas y guías • Baja tolerancia a la ambigüedad • Adaptado a falta de reglas o guías • Alta tolerancia a la ambigüedad
  72. 72. Paradigmas Cuantitativo Cualitativo Naturaleza del problema • Confirmar teoría • Estudiado previamente • Variables conocidas • Teorías existentes • Investigación exploratoria • Variables desconocidas • El contexto es importante • Puede no existir teoría básica
  73. 73. Paradigmas Cuantitativo Cualitativo Aspectos Metodológicos • Experimentos: Aleatorización, Homogeneización, Bloques • Estudios Observacionales: Modelos, Efectos ajustados • Causalidad Probabilística • Inferencia sobre poblaciones • Grupos de enfoque • Entrevistas a profundidad • Observación participante • Interpretación de textos • Motivaciones, deseos • Variables relevantes por descubrirse • Casos particulares
  74. 74. SINTESIS DE PARADIGMAS (complementariedad) Cuantitativo Cualitativo • Las conclusiones estadísticas son para promedios o proporciones • Se detectan las tendencias generales • Se aplican a un individuo o elemento, las conclusiones de la población a la que pertenece • Se descubren las particularidades de un elemento • Se interpretan dentro de la tendencia general los aspectos particulares o la forma, y quizá el porqué de las desviaciones de la tendencia
  75. 75. Dra. Ana Moreno Coutiño
  76. 76. Tashakkori Abbas and Charles Teddlie “Mixed methodology. Combining Qualitative and Quantitative Approaches”. Applied Social Research Methods Series. Volume 46. . Sage Publications 1998 Isadore Newman and Carolyn R. Benz. “Qualitative-Quantitative. Research Methodology. Exploring de Interactive Continuum”. Southern Illinois University Press. 1998 John W. Creswell “ Research Design. Qualitative, Quantitative and Mixed Methods Approaches”. Sage Publications 2003
  77. 77. SINTESIS DE PARADIGMAS (complementariedad) Cuantitativo Cualitativo • La presencia de interacciones múltiples , y entre diversos conceptos e indicadores, es difícil de determinar • Modelos gráficos, ecuaciones simultaneas, análisis de factores, correspondencia, conglomerados, etc. • Se descubren las particularidades de un elemento. Se interpretan sus características en el contexto especifico • Se pueden tener unos pocos elementos estudiados a profundidad, y describir e interpretar semejanzas y diferencias
  78. 78. Síntesis de Paradigmas Cualitativo y Cuantitativo Cualitativo Ante las características de las epistemologías aceptadas actualmente para todas las ciencias; las diferencias básicas desaparecen, por lo que se puede y debe buscar una síntesis de los dos paradigmas.
  79. 79.  Todos los Hechos tienen carga teórica.  Constructivismo.  Formas “ Humanas “ de pensar y percibir  Se capta lo que se conceptualiza.  Hay que creer para ver.  Hay que ver para creer.
  80. 80.  Se postulan conceptos y ligas entre ellos.  Se obtienen consecuencias verificables.  Se contrastan las deducciones con las observaciones.
  81. 81. f(x)= [1/(2ps2)]1/2 exp[(x-)2/(2s2)] Estaturas negativas? Para un grupo de personas homogéneo en edad, sexo, raza y alimentación; el modelo normal puede representar la distribución de frecuencias de las estaturas en forma aproximada. ABCD/EFG Factores NO comunes Factores comunes
  82. 82. Elementos : Células, familias, personas, arboles, etc... Propiedades : Conceptualizar y medir. Asociación o causalidad: a una propiedad se acompañan otra (s) Elementos : Puntos, espacios, vectores, funciones, etc... Propiedades: Definirlas, son los axiomas. Teoría: consecuencias lógicas de los axiomas. Modelos CORRESPONDENCIA
  83. 83. METODO CIENTIFICO GUIA, PASOS, REALIMENTACIÓN PRIMER CICLO : PROBLEMATIZACIÓN, HIPOTESIS Fase de tormenta de ideas Para generar la hipótesis de la investigación, elaborar la lista de hipótesis (candidatos) No se deben limitar las ideas PROBLEMA OBJETIVOS HIPOTESIS CONCEPTOS Y VARIABLES
  84. 84. HIPOTESIS VARIABLES RECURSOS DISEÑO METODO CIENTIFICO GUIA, PASOS, REALIMENTACIÓN SEGUNDO CICLO DISEÑO
  85. 85. ESTRUCTURA MEDICIONES CÓMO, CUÁNDO, DÓNDE SEGUIMIENTO? CONTROL DE FACTORES DE CONFUSION POBLACIONES ELEMENTOS A, B, C,... MUESTRAS REPRESENTATIVIDAD CÓMO , CUÁNTOS?
  86. 86. POBLACION MUESTRA La distribución de las variables de interés en el estudio es aproximadamente la misma en la población y en la muestra Xi f(Xi) Xi f(Xi)
  87. 87. VALIDEZ EXTERNA Muestreo de la Población. Se toman al azar n elementos de la población MUESTRA La distribución de las variables de interés en el estudio es aproximadamente la misma en la población y en la muestraPOBLACION Mientras que sea autoponderada, la muestra es representativa Xi f(Xi) Xi f(Xi)
  88. 88. La distribución de las variables de interés en el estudio es aproximadamente la misma en la población y en la muestra e.g.: toma como la muestra los pacientes con la patología de interés de acuerdo con el orden de la llegada Xi f(Xi) Xi f(Xi) POBLACION MUESTRA
  89. 89. VALIDEZ EXTERNA REPRESENTATIVIDAD DE LAS MUESTRAS MUESTRA ¿En qué difieren las poblaciones? POBLACION ABCD/EFG Xi f(Xi) Xi f(Xi) POBLACION ¿Las diferencias modifican las conclusiones?
  90. 90. yx Hipótesis Teórica. Conceptos o “Constructos” X1 X2 X3 X4 ... Xk Y1 Y2 Y3 Y4 ... Ym Hipótesis Empírica (s) Entre Indicadores de los conceptos.
  91. 91. X Y Causalidad determinística La causa es necesaria y suficiente para el efecto. La configuración del mundo está determinada por la configuración anterior. X Y X Y Causa necesaria pero no suficiente Causa suficiente pero no necesaria Trisomía 21 Sx. Down Amiba Amibiasis AnemiaDeficiencia Fe
  92. 92. X Y Causalidad probabilística •Causa no necesaria ni suficiente •Asociación estadística •Las probabilidades de Y cambian al cambiar X Tabaquismo Cáncer pulmonar
  93. 93. CONTRASTACIÓN DE HIPOTESIS Comparación de lo O observado con lo E esperado según hipótesis H: la Hipótesis D: el Diseño SA: Supuestos Adicionales E: lo que se espera si H, es cierto, y también SAH Se efectúa el Diseño, D, y se observa O, Cuando hay aleatoriedad, se cuantifican las discrepancias entre Observado y Esperado H, D, SAH E TEORIA Esperado PRACTICA D O, Observado
  94. 94. APOYO CONDICIONADO TEORIA H, D, SAH E PRACTICA Se efectúa la investigación con diseño D Ocurre O cercano a E , discrepancias pequeñas CONCLUSION Se apoya H, condicionado a la validez de D y la operación de los SAH
  95. 95. RECHAZO CONDICIONADO TEORIA H, D, SAH E PRACTICA Se efectúa la investigación con diseño D CONCLUSION No se apoya H, condicionado a la validez de D y la operación de los SAH Ocurre O alejado, discrepa mucho de E
  96. 96. B, D, SAB E EXPLICACIONES ALTERNATIVAS ……………. Se efectúa el diseño D, y ocurre O cercano a E Formalmente tanto H como las explicaciones alternativas son apoyadas. Condicionadas a la validez del diseño D, y de cada uno de los SA TEORIA H, D, SAH E A, D, SAA E R, D, SAR E
  97. 97. EXPLICACIONES ALTERNATIVAS  Falta de Validez Externa  El azar. Nulidad Estadística  Errores de medición  Endogenicidad. En realidad Y causa X  Teorías plausibles y competitivas  Factores de Confusión › Presentes de modo diferente en los grupos con variantes de X. › Afectan también la Y. Control: › Homogeneizarlos › Formar Bloques › Aleatorización › Análisis Estadístico
  98. 98. SIGNIFICANCIA ESTADÍSTICA ……………. Se efectúa el diseño D, y ocurre O cercano a E Si en modelos estadísticos se supone cierta la explicación alternativa “No es cierta H”, y SAA es que “ocurre O cercano a E por azar”, se demuestra que es improbable la ocurrencia de O. Se considera que se ha eliminado por improbable esa explicación, el azar. Nótese que quedan otras posibles explicaciones alternativas. TEORIA H, D, SAH E Azar, D, SAA E B, D, SAB E R, D, SAR E PRACTICA
  99. 99. SIGNIFICANCIA ESTADÍSTICA ……………. Se efectúa el diseño D, y ocurre O cercano a E Se considera que se ha eliminado por improbable esa explicación, el azar. Nótese que quedan otras posibles explicaciones alternativas. B, …R TEORIA H, D, SAH E Azar, D, SAA E B, D, SAB E R, D, SAR E PRACTICA
  100. 100. VALIDEZ INTERNA CONTROL DE FACTORES DE CONFUSION En la hipótesis de que X causa Y, es necesario eliminar explicaciones alternativas y factores de confusión, para que si al cambiar X se producen cambios en Y, estos puedan ser atribuidos a X. Metodología Estadística: La asociación entre X y Y, persiste cuando se condiciona con variables A1, A2, A3, …An. El condicionamiento se logra: 1. Por diseño (homogeneización, bloques o aleatorizacion) y/o 2. Por análisis; así, se dice que se evalúa el efecto de X sobre Y, “corregido” o “ajustado” por A1, A2, A3,
  101. 101. 1. Según el propósito son Descriptivos o Comparativos 2. Según la evolución son Transversales o Longitudinales 3. Según la fuente de información son Retrospectivos o Prospectivos 4.- Según el control del investigador son Observacionales o Experimentales
  102. 102.  Una sola población.  Describir características.  Estimar promedios, totales, etc.  Conocer evolución.  Distribución espacial  Búsqueda sistemática de asociaciones  Dos o mas poblaciones.  Hay una hipótesis de causalidad.  Control de factores de confusión.  Se definen las poblaciones por la causa, o...  Se definen las poblaciones por el efecto. (Casos y controles) DESCRIPTIVO COMPARATIVO
  103. 103. RETROSPECTIVO › La información fundamental, o parte de ella, ya ha sido captada en otras fuentes. El investigador no estudia los elementos, sino registros, expedientes, fichas, etc.., donde esta la información. › Es rápido y barato. › La información puede ser de mala calidad. PROSPECTIVO › Toda la información fundamental se obtiene directamente aplicando instrumentos de medición a los elementos de estudio. La información no existe en fuentes secundarias, o es de muy mala calidad. › Es caro y lento › La información es de buena calidad.
  104. 104. EXPERIMENTO › Se tienen dos o más poblaciones. › Hay seguimiento. › Se eligen o inventan las variantes del factor causal la X. › Se aleatoriza la asignación de esas variantes a las unidades experimentales. › Se pueden formar bloques. OBSERVACIONAL › Una o mas poblaciones. › Dos poblaciones: Los elementos se eligen ya con las variantes del factor causal. Se pueden formar bloques. Comparativo. › Una población: Se estudia una muestra de ella. Descriptivo Estudio observacional comparativo = Pseudoexperimento
  105. 105. LONGITUDINAL › Se mide en dos o más ocasiones la o las variables de interés. › La comparación de los valores en épocas distintas nos informa de la evolución de los elementos. › Se conserva la identidad de los elementos durante el seguimiento. TRANSVERSAL › Se mide una o más variables en una sola ocasión en cada unidad. › No hay seguimiento y no se requiere mantener la identidad de los elementos. Hay estudios longitudinales en los que las mediciones se realizan en un sólo día, mientras que hay estudios transversales en los que se requieren tres meses para las mediciones.
  106. 106. A Y Tiempo Tiempo Tiempo Tiempo Ocurre X Ocurre X Ocurre X Ocurre X B C D Maduración, evolución natural, etc..?
  107. 107. Características Nombre Observacional Retrospectivo o Prospectivo Transversal Descriptivo Encuesta descriptiva Comparativo Encuesta comparativa Retrospectivo Longitudinal Descriptivo Revisión de casos Comparativo de efecto a causa Casos y controles Comparativo de causa a efecto Perspectiva histórica Prospectivo Descriptivo Estudio de una cohorte Comparativo Estudio de varias cohortes Experimental Experimento Matriz de clasificación de diferentes tipos de estudio
  108. 108. Tipos de Errores 1-- Errores sistemáticos, sesgo (Bias) 2.- Errores aleatorios. Control: (Sistemáticos) 1.- Cambiar diseño: cambiar definiciones operacionales, poblaciones , mediciones, procedimientos de selección, etc. (Aleatorios) 2.- Repeticiones, regularidad estadística. Tamaño de muestra, errores estándar, valoración estadística
  109. 109. P m m Extrapolación Pasado Presente Futuro P = población m = muestra ENCUESTA DESCRIPTIVA Observacional, transversal, descriptivo, Prospectivo o retrospectivo
  110. 110. P2 m2 m2 Extrapolación Pasado Presente Futuro P1 y P2 = poblaciones m1 y m2 = muestras ENCUESTA COMPARATIVA P1 m1 m1 Observacional, transversal, comparativo, Prospectivo o retrospectivo Comparabilidad: Control de F. de Confusión
  111. 111. P1 m1 m1 Extrapolación enelpasado Pasado Presente Futuro P = poblaciones m = muestras REVISION DE CASOS P1 m1 m1 Extrapolación enelpresente Evolución Posible seguimiento Captación de información de aspectos en el pasado Observacional, longitudinal, descriptivo y retrospectivo
  112. 112. P1 = población de casos con efecto m1 = muestra de casos P2 = población de controles, sin efecto m2 = muestra de controles, sin efecto CASOS Y CONTROLES m1 m1 P1 Casos Controles Búsqueda del factor causal No expuestos Evolución seguimiento retrospectivo Se supone que en el pasado no está presente el efecto Pasado Presente Futuro Evolución m2 P2m1 Expuestos Expuestos Observacional, longitudinal, comparativo (efecto a causa) y retrospectivo Control de F. de Confusión
  113. 113. Pasado Presente Futuro P1 y P2 = poblaciones m1 y m2 = muestras PERSPECTIVA HISTORICA m1 P1 Evolución seguimiento retrospectivo P1 m1 posible seguimiento prospectivo m1 Evolución m2P2 m2 m2 P2 Observacional, longitudinal, comparativo (causa a efecto) y retrospectivo Se supone que en el pasado no está presente el efecto Control de F. de Confusión
  114. 114. Características Nombre Observacional Retrospectivo o Prospectivo Transversal Descriptivo Encuesta descriptiva Comparativo Encuesta comparativa Retrospectivo Longitudinal Descriptivo Revisión de casos Comparativo de efecto a causa Casos y controles Comparativo de causa a efecto Perspectiva histórica Prospectivo Descriptivo Estudio de una cohorte Comparativo Estudio de varias cohortes Experimental Experimento Matriz de clasificación de diferentes tipos de estudio
  115. 115. Pasado Presente Futuro P1 = población m1 = muestra ESTUDIO DE UNA COHORTE m1 P1 seguimiento P1P1 mediciones m1m1 Observacional, longitudinal, descriptivo y prospectivo
  116. 116. Longitudinales con dos poblaciones Evidencia de Causalidad? Mayor en A, luego D, B y nada en C Tiempo Tiempo Tiempo Tiempo Ocurre X Ocurre X Ocurre X Ocurre X A B C D Control de Factores de confusión Control Expuest o Y
  117. 117. Pasado Presente Futuro P1 y P2 = poblaciones m1 y m2 = muestras ESTUDIO DE VARIAS COHORTES m1 seguimiento P1P1 mediciones m1m1 P1 m2 seguimiento P2P2 mediciones m2m2 P2 Observacional, longitudinal, comparativo y prospectivo Se supone que en el inicio no está presente el efecto o se evalúa Control de F. de Confusión
  118. 118. Características Nombre Observacional Retrospectivo o Prospectivo Transversal Descriptivo Encuesta descriptiva Comparativo Encuesta comparativa Retrospectivo Longitudinal Descriptivo Revisión de casos Comparativo de efecto a causa Casos y controles Comparativo de causa a efecto Perspectiva histórica Prospectivo Descriptivo Estudio de una cohorte Comparativo Estudio de varias cohortes Experimental Experimento Matriz de clasificación de diferentes tipos de estudio
  119. 119. Pasado Presente Futuro EXPERIMENTO m1 Mediciones Tratamientos Evaluación final Asignación aleatoria a los tratamientos Seguimiento Pi = población inicial m = muestras T = tratamientos extrapolación P con T2 P con T3 P con T1 m2 m3 m1 m2 m3 P con T1 P con T2 P con T3 mP Experimental, longitudinal, comparativo y prospectivo Control de F. de Confusión

×