SEMINARIO DE POSGRADO TCNICAS AVANZADAS DE INVESTIGACIN SOCIAL

SEMINARIO DE POSGRADO TÉCNICAS AVANZADAS DE INVESTIGACIÓN SOCIAL MÓDULO 1 B TEÓRICO DISEÑO DE INVESTIGACIÓN, SISTEMA DE VARIABLES Y LEY DE LOS GRANDES NÚMEROS

SEMINARIO DE POSGRADO DISEÑO DE INVESTIGACIÓN DEFINICIÓN DE VARIABLES Y ESCALAS DE MEDIDA

LA BASE DE DATOS COMO PUNTO DE LLEGADA DADO UN DISEÑO DE INVESTIGACIÓN QUE NECESITA/UTILIZA DATOS ESTADÍSTICOS FORMULACIÓN DE HIPÓTESIS, ELABORACIÓN DE LA MUESTRA Y EL INSTRUMENTO APLICACIÓN CONTROLADA DE MEDICIONES CODIFICACIÓN, PROCESAMIENTO Y CARGA DE INFORMACIÓN BASE DE DATOS

LA BASE DE DATOS COMO PUNTO DE PARTIDA DADA UNA BASE DE DATOS EXPLORACIÓN DE HIPÓTESIS, REELABORACIÓN DE VARIABLES E ÍNDICES REFORMULACIÓN DE UNIDADES DE OBSERVACIÓN PROCESAMIENTO DE DATOS ESTADÍSTICOS INFERENCIAS

REGISTROS: UNIDADES DE OBSERVACIÓN UNIDAD DE OBSERVACIÓN DEL ESTUDIO (los registros pueden ser de diversa naturaleza, dependiendo de los objetivos del estudio) Ej: personas, familias, empresas, huelgas, palabras, avisos, muertes, etc. q El número de registros está dado por el tamaño de la muestra de la población objeto de estudio. Según las leyes de la estadística, cuanto mayor sea el número de casos de una muestra probabilística, más confianza y generalizables podrán ser nuestras estimaciones ¿Por qué…? ¿Y si la muestra no es probabilística?

VARIABLES: ATRIBUTOS DE LA POBLACIÓN Propiedades o atributos observables de una población o evento objeto de estudio que contenga, al menos, dos atributos en los que pueda clasificarse dicha población o eventos Ej: edad, nivel socio-económico, preferencias, hábitos de consumo, nivel educativo alcanzado, situación ocupacional, condición de pobreza, despidos, ascenso social, etc. q Las variables estadísticas pueden ser: explicativas o independientes, intervinientes o de control y explicadas o dependientes. Las categorías de una variable deben ser mutuamente excluyentes y exhaustivas.

VALORES DE LAS VARIABLES Representación conceptual cualitativa o cuantitativa de una propiedad o atributo objeto de medición. Ej: 54 años, joven, varón, ocupado, católico, 150$ per cápita, 12 años de instrucción, feliz, etc. q MEDIR implica poner en correspondencia una teoría o concepto explicativo y los atributos observables de un objeto a través de un lenguaje estándar cuyas reglas de sintaxis permiten realizar operaciones lógico-matemáticas entre sus valores o categorías. Ej. Masa-Peso / Nivel de Vida-Ingreso.

LAS VARIABLES ESTADÍSTICAS Escalas de medida NOMINAL O DE CLASIFICACIÓN DE ORDEN JERÁRQUICO Clase social, Sexo, ciudad, situación laboral, nivel educativo, escalas de religión, etc. actitud, etc. INTERVALOS IGUALES Fecha del calendario, factoriales, test, etc. RAZÓN Nº de hijos, ingresos, antigüedad, etc.

LAS VARIABLES ESTADÍSTICAS NIVEL DE MEDICIÓN DE LAS VARIABLES CATEGÓRICAS División en clases Operaciones básicas: moda, porcentajes, tasas, razones. VARIABLES MÉTRICAS Discretas Continuas Medidas de tendencia central y de posición, varianza, etc.

SEMINARIO DE POSGRADO LEY DE LOS GRANDES NÚMEROS TEOREMA DEL LÍMITE CENTRAL

SEMINARIO DE POSGRADO En la teoría de la probabilidad, bajo el término genérico de LEY DE LOS GRANDES NÚMEROS se describe el comportamiento del promedio de una sucesión de mediciones aleatorias conforme aumenta el número de ensayos. En la medida que aumenten estos, el promedio de las mediciones convergerá a la esperanza de la variable aleatoria involucrada (ejemplo de caras y cecas de una moneda). La frase "ley de los grandes números" es también usada ocasionalmente para referirse al principio de que la probabilidad de que cualquier evento posible (incluso uno improbable) ocurra al menos una vez en el marco de una serie, se incrementa con el número de eventos que contenga la serie. Por ejemplo, la probabilidad de que un individuo gane la lotería es bastante baja; sin embargo, la probabilidad de que alguien gane la lotería es bastante alta, suponiendo que suficientes personas comprasen boletos de lotería.

LEY DE LOS GRANDES NÚMEROS PARA SABER SI LOS RESULTADOS DE UNA MUESTRA SON REPRESENTATIVOS DE LA REALIDAD ESTUDIADA, ES IMPORTANTE SABER CÓMO SE DISTRIBUYEN LAS DIFERENTES MUESTRAS EN TORNO A LOS VALORES POBLACIONALES VERDADEROS. EL TEOREMA DE LOS GRANDES NÚMEROS INDICA QUE LAS MUESTRAS ALEATORIAS GRANDES ARROJAN RESULTADOS QUE SE DISTRIBUYEN NORMALMENTE ALREDEDOR DE LOS VALORES POBLACIONALES. LOS PARÁMETROS DE LA CURVA NORMAL SE USAN PARA ATRIBUIR PROBABILIDADES A LOS RESULTADOS MUESTRALES. LAS PRUEBAS ESTADÍSTICAS PARAMÉTRICAS SUPONEN QUE LA DISTRIBUCIÓN DE LA MUESTRA ES NORMAL. LAS PRUEBAS NO-PARAMÉTRICAS, MUCHO MÁS DÉBILES E IMPERFECTAS, SE USAN CUANDO LA DISTRIBUCIÓN DE MUESTREO NO ES CONOCIDA, O SE SABE QUE NO ES NORMAL.

TEOREMA DEL LÍMITE CENTRAL Si se obtienen de una población repetidas muestras al azar de un tamaño n, las medias de las muestras acabarán por distribuirse normalmente con una media equivalente a la de la población y con un desvío estándar menor al poblacional (dividido por la raíz cuadrada del tamaño muestral).

TEOREMA DEL LÍMITE CENTRAL Si se toman sucesivas muestras (k) de tamaño n de una población que puede o no ser normal, la distribución de probabilidad de esas muestras, conforme n se vuelve grande, se aproxima a una distribución normal con: Las diferencias estandarizadas convergen a una variable aleatoria normal estándar sin importar la distribución subyacente de las variables aleatorias.

TEOREMA DEL LÍMITE CENTRAL n n n La distribución de las medias de las muestras tiende a la normalidad independientemente de la forma de la distribución poblacional de la que sean obtenidas. Debido a lo anterior la dispersión de las medias es menor que para los datos individuales. Para las medias muestrales, el error estándar de la media se relaciona con la desviación estándar de la población como sigue:

TEOREMA DEL LÍMITE CENTRAL La distribución de las medias de las muestras tienden a distribuirse en forma normal. Por ejemplo los 300 datos (cuyo valor se encuentra entre los valores de 1 a 9 años de escolaridad) pueden estar distribuidos como sigue: 16

TEOREMA DEL LÍMITE CENTRAL Tomando muestras de 10 casos, calculando su promedio y graficando estos promedios se tiene: Conforme el tamaño n de las muestras se incrementa, las medias muestrales resultantes se distribuyen normalmente con una media de medias y una desviación estándar / n (Error Estándar de la media). 17