1) ANALISIS DE DATOS CUANTITATIVO ANALISIS UNIVARIADO - DISTRIBUCIN DE FRECUENCIAS - MEDIDAS DE TENDENCIA CENTRAL - DISPERSION FORMA DE UNA DISTRIBUCIN CURVA

VA NORMAL Siguiendo el proceso de investigacin cuantitativa y una vez concluida la fase de recoleccin de datos, realizada por ejemplo a partir de uno de los instrumentos ms utilizados (la encuesta), comienza la etapa de anlisis e interpretacin de los datos. Una de las primeras tareas en qu consiste este proceso es ordenar los datos que tenemos recolectados, esto se puede hacer a travs de diversos tipos de distribuciones: de frecuencias (cuantas veces se repiten los valores en cada unidad de anlisis); de frecuencias acumuladas, relativas o porcentuales; o de porcentajes (la ms utilizada por los socilogos porque es la que permite el mejor tipo de comparaciones)

Tambin, en esta fase de ordenamiento de los datos aparece la cuestin de decidir agrupar los datos en intervalos o no. Una de las categoras que ms comnmente se encuentra agrupada es EDAD, con el fin de poder facilitar el trabajo con los datos. Si lo que decidimos fue trabajar con distribucin de frecuencias, de ella podemos extraer informacin acerca de su posicin, su dispersin o variacin y su forma: a) Su posicin (o tendencia central): datos que pueden obtenerse a partir de las siguientes medidas: Media (el valor promedio; para variables intervalares; se infla con valores extremos) Moda (el valor ms frecuente, que ms veces aparece en la distribucin; para todo tipo de variables; puede no necesariamente haber una o haber ms de una) Mediana (puntuacin que divide a la poblacin por la mitad en dos partes iguales, no es otra cosa que el Percentil 50; para variables de tipo ordinal e Intervalar no nominal-; no se altera por valores extremos pero no permite tratamiento matemtico)

b) Su dispersin o variacin; a partir de medidas que buscan dar cuenta cuan homognea e heterognea es una distribucin, entre las cuales se encuentran las siguientes: Rango (val mximo valor mnimo) Rango intercuartilico (Q3 Q1) Mejora al rango ordinario porque no depende solo de los valores extremos. Desviacin estndar (la sumatoria de todas las desviaciones respecto a la media) Varianza (cuadrado del desvo estndar) Coeficiente de variacin (comparar heterogeneidad u homogeneidad entre dos muestras)

c) Su forma; visible a partir de los siguientes tres elementos:

Grado de simetra (curva normal, asimetra positiva, asimetra negativa) Cantidad de picos o modas que tiene una distribucin (unimodal, bimodal o multimodal) El grado de apilamiento de de los casos alrededor de un punto en la distribucin

Existe dentro del anlisis estadstico un modelo matemtico (ideal) de distribucin: la curva normal. Tres son las principales caractersticas que posee: a) es perfectamente simtrica; b) tiene forma acampanada; y c) unimodal. Su uso est circunscripto tanto a la estadstica descriptiva como a la estadstica inferencial (probabidades, por ejemplo). 2) TABLAS DE CONTINGENCIA O CUADROS BIVARIADOS + D% + CHI CUADRADO + COEFICIENTES DE ASOCIACION Y CORRELACIN (ANALISIS BIVARIADO) Si bien estos elementos resultan importantes, en la mayora de casos el investigador no se queda solo con una lectura univariada de los datos sino que se centra ms en la relacin que puede tener una variable con otra, y de ah la idea de cruzar variables en tablas de contingencia o cuadros bivariados. Poner en juego dos variables, en pocas palabras. Importancia de la comparacin. Una de las principales cuestiones que aparecen a la hora de analizar un cuadro bivariado es si existe relacin entre las variables o si lo que hay es, por el contrario, independencia estadstica. Con el fin de resolver esto es preciso calcular el coeficiente psilon o d% (diferencia porcentual). Este se calcula en el sentido en el cual comparamos los datos, es decir, en el sentido de la variable dependiente. Si observamos, a partir de la lectura de las diferencias porcentuales, que existe relacin entre las variables, conviene preguntarse si esta relacin es estadsticamente significativa o no. Con el fin de dar cuenta de ello recurrimos a la prueba de significacin (chi cuadrado) de Pearson. Una de las maneras de dar cuenta de ello es comparar el chi emprico (a partir de una particular formula) con el chi terico (extrado de una tabla a partir del grado de significacin y de los grados de libertad). En caso de ser mayor el chi emprico, estamos en condiciones de rechazar la hiptesis nula, y de esta manera, de concluir que la relacin es estadsticamente significativa. Sin embargo, el es ms utilizado en prueba de hiptesis (estadstica inferencial) que como coeficiente de asociacin, esto se debe a que no mide la fuerza o el grado de una asociacin, ya que su valor vara en funcin de N (total de casos). Con el fin de remediar este inconveniente es que se derivaron algunos coeficientes de asociacin que miden la fuerza o el grado y, en casos de ordinalidad, la direccin de la asociacin. La eleccin de un coeficiente de asociacin responde a las siguientes caractersticas: Tamao del cuadro (2x2, 3x3, 3x2) Tipo de hiptesis (diagonal o lineal -0,20 para que haya asociacin- y curvilineal o rinconal 0,40 para que haya asociacin) Relacin entre las variables (simtrica o asimtrica d%) 2

Nivel de medicin de las variables (ordinal o nominal)

Los denominados coeficientes de asociacin son aplicados a variables medidas a nivel nominal y ordinal. En el caso de las variables de tipo Intervalar, el coeficiente que mide la fuerza o intensidad y el sentido de la relacin entre dos variables es el denominado coeficiente de correlacin R de Pearson (que va de -1 a +1, pasando por el 0) Asimismo, este coeficiente es utilizado para expresar el grado de exactitud de la ecuacin de prediccin (estimador de la calidad de prediccin realizada). 3) ANALISIS MULTIVARIADO CORRELACIN PARCIAL En otros casos, no solo interesa al investigador la relacin que puede haber entre dos variables sino que se ve interesado en agregarle a esta relacin originaria, una tercer variable (de control t) con el fin de elaborar y clarificar la relacin original. Esto es lo propio del denominado anlisis multivariado (que inicio Durkheim en El Suicidio y que formalizo Lazarfeld en la dcada del 40) RELACIN ORIGINARIA CONTROLADA POR T DOS VARIABLES ANALIZADAS A LA LUZ DE UNA TERCERA CUATRO CASOS / PAPELES LGICOS DE LA VARIABLE DE CONTROL Elaboraciones por parciales: Ajenidad (cuando los parciales son iguales entre s e iguales a la RO es preciso concluir que t es totalmente ajena a la RO en s) Especificacin (se fortalece uno de los parciales a expensas de los otros, cuando esto llega al punto en que el otro desaparece llega al 0- es preciso hablar de condicin)

Elaboraciones por marginales: Intermediacin (la variable de control t es una variable interviniente que est situada en la secuencia entre x e y; para que se pueda hablar de ello es preciso que cada uno de los marginales /xt ty/ sean iguales a la RO) Espuridad (la relacin desaparece al quitar la variable t, la RO es un efecto de ella, que se encuentra antecedindola, es decir, como variable antecedente)

Este tipo de anlisis es conceptualmente anlogo a la correlacin parcial (variables medidas a nivel Intervalar). La correlacin entre dos variables cualesquiera cuando los efectos de otras se han controlado. Tcnica que sirve principalmente para descubrir relaciones espureas y para localizar variables intervinientes.

4) ANALISIS CUALITATIVO - CARACTER Si en cambio, nos interesamos en seguir un proceso de investigacin cualitativa, este carcter lineal (a una etapa le sucede otra) propio de la investigacin cuantitativa se pierde, lo que tenemos es un proceso en el cual las fases se reiteran, se entrecruzan, se mezclan, un proceso ms bien de carcter circular. Pudindose encontrar de esta manera la fase de anlisis de los datos en simultaneidad con otras etapas de la investigacin, ya sea con la recoleccin de datos (ya las notas de campo son un primer tipo de anlisis de los datos) o con la elaboracin del informe.