You are on page 1of 24

Anlisis y presentacin de resultados

Datos: Anlisis e interpretacin

Al analizar los datos la intencin es descubrir patrones y tendencias en los


mismos para poder interpretarlos.

Las interpretaciones cientficas no son verdades absolutas ni opiniones


personales: son inferencias o hiptesis sobre lo que significan los datos,
basadas en el conocimiento cientfico previo y la interpretacin individual.

Al publicar los datos y las tcnicas que usaron para analizarlos e


interpretarlos, los investigadores dan a otros la oportunidad de revisar los
datos y de usarlos en investigaciones futuras.
Datos: incertidumbre, errores, y
confiabilidad
Todos los datos recopilados de una investigacin siempre tienen algn
grado de incertidumbre.

La incertidumbre es una estimacin cuantitativa del error que est


presente en todos los datos.

Ignorar la fuente de un error puede llevar a conclusiones equivocadas y a


propagar y magnificar el error.

Se puede reducir la incertidumbre y minimizar los errores experimentales.


Sin embargo, la incertidumbre nunca puede ser reducida a cero porque es
una medida de la variabilidad de los datos.
Fuentes de error

La variabilidad siempre est presente. Por ejemplo el tamao


adulto de las hojas de una especie x se presenta en forma de
rango (de 4-8 cm de largo, 1-2 cm de ancho) por variabilidad
debido a diferencias genticas y ambientales.
El error experimental es aquel que est distribuido al azar
cerca a la medida verdadera y representa la variabilidad real
del experimento.
Este error no puede ser eliminado, pero si puede ser medido y
reducido cuando se hacen rplicas de un evento especfico.
Fuentes de error
Otro tipo de error es el introducido humanamente.
Por ejemplo, por calibracin incorrecta o inconsistencia
al tomar datos.
Este error afecta los resultados ampliando por encima o
por debajo del valor real la variabilidad de los datos
obtenidos. O simplemente dando valores
completamente errneos y lejanos al valor real.
Este tipo de error puede ser compensado, o algunas
veces eliminado, si su fuente se identifica.
ANLISIS CUANTITATIVO DE LOS
DATOS
Segn la Muestra obtenida en la Investigacin, se decidir
el tipo de anlisis a utilizar:
Muestra es probabilstica el anlisis es estadstico
inferencial y descriptivo.
Muestra es no probabilstica el anlisis es estadstico
ANLISIS CUANTITATIVO DE LOS
DATOS
Anlisis estadstico inferencial
Es el mtodo y conjunto de tcnicas que se utilizan para
procesar datos y obtener conclusiones que sobrepasan
los lmites de los conocimientos aportados por los datos.
Para el tipo estadstico inferencial pueden realizarse dos
tipo de anlisis:
1. Paramtricos
2. No paramtricos.
Cada tipo posee sus caractersticas y presuposiciones que
los sustentan.
En una misma investigacin es posible llevar a cabo los 2
tipos de anlisis.
Los datos estadsticos se analizan
con:
Estadstica Frecuencias, tendencia central,
descriptiva. variabilidad, razones y tasas.

Estadstica Pruebas de hiptesis, nivel de


inferencial significancia, distribucin muestral.

Estadstica Coeficiente de correlacin de Pearson,


regresin lineal, Prueba t, anlisis de
paramtrica varianza.

Estadstica no Coeficientes de correlacin, Chi


paramtrica cuadrada.
Para procesar los datos podemos usar:

Programas especializados
en estadstica

Excel: tablas y grficos


dinmicos, funciones
estadsticas.

Acces integrado con


Excel
SAS
SPSS
SPAD
Stata
Software ms Statgraphics
utilizados en el Redatam
anlisis estadstico
Minitab
Matlab
S-PLUS
LISREL
WinQSB
Excel
ANLISIS PARAMTRICOS

La distribucin poblacional de la variable dependiente, es


normal. El universo tiene una distribucin normal, lo cual
constituye un indicador del lado de la curva en el que las
frecuencias se agrupan ms y el valor de la media es igual
o lo ms cercano a cero.
El nivel de medicin de la variable variable dependiente
dependiente es por intervalo o razn.
Cuando dos o ms poblaciones son estudiadas, tienen una
varianza homognea: las poblaciones en cuestin poseen
una dispersin similar en sus distribuciones.
ANLISIS PARAMTRICOS

Las pruebas estadsticas paramtricas ms utilizadas son:


Coeficiente de correlacin de Pearson.
Regresin lineal.
Prueba T.
Prueba de contraste contraste de la diferencia diferencia
de proporciones proporciones.
Anlisis de varianza unidireccional (ANOVA Oneway).
Anlisis de varianza factorial (ANOVA).
Anlisis de covarianza
Anlisis No Paramtricos
La mayora de estos anlisis no requieren de
presupuestos acerca de la forma de la distribucin
poblacional. Aceptan distribuciones no normales.
Las variables no necesariamente tienen que estar medidas
en un nivel por intervalos o de razn; pueden analizar
datos nominales u ordinales
Si se quieren aplicar anlisis no paramtricos a datos por
intervalos o razn, estos se resumen a categoras
discretas. Las variables deben ser categricas.
ANLISIS NO PARAMTRICOS

Pruebas no Paramtricas:
La ji cuadrada o x2 :
Es una prueba estadstica para evaluar hiptesis acerca de
la relacin entre 2 variables categricas.
- Se simboliza x 2 hiptesis a probar correlacinales.
- Variables involucradas 2.
- Nivel de medicin de las variables es nominal u ordinal.
ANALISIS NO PARAMETRICOS
Esta prueba se calcula por medio de una tabla de
contingencia o tabulacin cruzada, que es un cuadro de 2
dimensiones, y cada dimensin contiene una variable. A su
vez, cada variable se subdivide en 2 o ms categoras
Anlisis No Paramtricos
Coeficientes de correlacin por rangos ordenados
Spearman y Kendall: Rho de spearman, simbolizado como
rs, y TAU simbolizados como t.
Son medidas de correlacin para variables en un nivel de
medicin ordinal, de tal modo que los individuos u
objetos de la muestra puedan ordenarse por rangos
(jerarqua).
Presentacin de datos:
Poder preparar e interpretar grficas y tablas es una destreza
clave en la investigacin.

Tener los datos en una grfica nos puede ayudar a visualizar e


interpretar la variacin, el patrn y las tendencias presentes.
Usando tablas (cuadros) para presentar los
resultados
Una de las alternativas ms comunes y eficientes de
presentar los datos es usando tablas.
Las tablas tienen ciertas caractersticas mnimas:
1. Deben tener un ttulo y ste debe explicar claramente el
contenido de la tabla.
2. La tabla debe contener solamente informacin esencial.
3. Las unidades de medida (ej. cm, ml). deben aparecer en la
tabla.
4. Los smbolos deben explicarse en el ttulo o en una leyenda
en el pie (base) de la tabla.
5. Las columnas deben identificarse mediante subttulos.
6. Las tablas se enumeran en secuencia. Por ejemplo, en un
informe o un artculo cientfico, el ttulo de la cuarta tabla
comienza con Tabla 4.

Nota: Esta tabla no sera aceptable en un artculo cientfico porque contiene


muy poca informacin; los pocos datos podran presentarse en una oracin
en la seccin de resultados.
Grficas discretas vs. Grficas continuas
Las grficas son otra forma para organizar y presentar
datos. Los tipos de grficas se clasifican principalmente
como grficas continuas o grficas discretas.
Los datos continuos son aquellos que involucran medidas
(ej. 1.234, 2.234, 5.432, 10.227). Estos datos se presentan a
menudo mediante una grfica de lnea que demuestra la
relacin entre la variable dependiente y la independiente.
Generalmente la variable independiente se coloca en
el eje X (eje horizontal) de la grfica y la variable
dependiente en el eje Y (eje vertical).
Los datos discretos presentan nmeros enteros (ej.
nmero de animales en un cuadrante, nmero de
personas en una encuesta, etc.). Estos datos se presentan
a menudo mediante grficas de barra.
Para datos que sealan proporciones o porcentajes puede
utilizarse una grfica de pastel (pie chart).
CONCLUSIONES
En esta seccin se derivan las conclusiones, se hacen
recomendaciones para otras investigaciones, se analizan
las implicaciones de la investigacin y se establece como
se respondieron las preguntas de investigacin, as como
si se cumplieron o no, los objetivos.
Esta parte debe redactarse de tal manera que se facilite la
toma de decisiones respecto de una teora, curso de
accin o problemtica.