Trabajo de Metodologia

DISEÑO DE INVESTIGACION UNP FII
DEDICATORIA
Este trabajo está dedicado a Dios que nos ha dado la

vida y fortaleza para terminarlo, a nuestros queridos padres por
el apoyo constante que nos brindan y a nuestro querido
profesor ING. NESTOR CASTILLO BURGOS por su motivación
constante y su gran ejemplo que nos implanta a lo largo del
desarrollo del curso, así mismo por ser nuestro guía en el
aprendizaje dándonos los conocimientos que necesitamos para
nuestro buen desenvolvimiento en la sociedad.
METODOLOGIA DE LA INVESTIGACION CIENTIFICA

1
 Introducción
El diseño de investigación es un elemento más de la metodología de la investigación científica, es

tan importante como la definición del problema y la selección de instrumentos de observación.
Los especialistas señalan una serie de definiciones, que si bien cada una de ellas enfatiza uno o
varios elementos, nos proporcionan una idea clara acerca de las consideraciones básicas para la
selección del diseño de investigación.
Arnau (1986) define a un diseño de investigación como "un procedimiento de asignación de
sujetos a las condiciones experimentales, así como la selección de las técnicas estadística de
análisis adecuadas".
Para Kerlinger (1999), ".. El diseño de investigaciones es el plan de estructura de las
investigaciones concebidas de manera que se pueden obtener respuestas a las preguntas de
investigación...". El diseño de investigacion es un plan, dado que este específica lo que investiga
hará al plantearse su o sus hipótesis y las manipulaciones necesarias o para la recolección de datos.
Asimismo es la estructura de la investigación, porque organiza p configura todos elementos del
estudio relacionándolos de manera específica es decir, entre sí. En resumen para Kerlinger (1999),
un diseño expresa la estructura del problema así como el plan de la investigación, para obtener
evidencia empírica sobre las relaciones buscadas.
Otra forma de expresar estas ideas es simplemente decir que un diseño de investigación es la
forma de arreglar las condiciones de un experimento, con el fin de poder responder a las preguntas
formuladas sobre un evento o acontecimiento. Se relaciona con la identificación de variables
importantes que determina la producción de un fenómeno, así como la evaluación de las
condiciones experimentales para alcanzar las respuestas adecuadas a las preguntas planteadas.
Una de las funciones más importantes de los diseños investigación es la de eliminar las posibles
fuentes de error para poder establecer relaciones inequívocas entre las variables identificadas, que
en este caso son: la variable independiente la variable dependiente, (Plutchick, 1975; Kratochwill,
1978 y Schmelkes, 1988). Una segunda función es la de controlar las fuentes de error que pueden
llevar erróneamente al investigador a afirmar que los defectos observados en la variable
dependiente se deben a las manipulaciones en la variable independiente.

2
 Objetivos
 Objetivo principal
 Conocer la importancia que tienen los diseños de investigación en los estudios

realizados.
 Objetivos específicos
 Conocer los diversos diseños de investigación que se usa para el control de las
variables.
 Dar respuesta a las preguntas que se originan en una investigación.
 Controlar las variables que se presentan en los estudios realizados.
 Definición
El diseño viene a constituir la estructura de cualquier trabajo científico, ya que esto brinda una
dirección y sistematiza la investigación.
El diseño de investigación es la planificación compendiada de lo que se debe realizar, de tal
manera se logre los objetivos de estudio. Además viene a ser la estrategia o el plan para responder
a la pregunta de la investigación.
Señala el camino a seguir para alcanzar los objetivos de estudio y el llegar a demostrar o rechazar
la hipótesis.
Desglosa las estrategias básicas que el investigador adopta para generar información exacta e
interpretable.
También sirve para el control de las variables y evitar la interferencia de las variables extrañas.
Podemos definirlo también como los procedimientos, métodos y técnicas utilizados para: recoger
la información, analizar los resultados e interpretarlos

3
 Tipos de diseño de investigación
 Diseño no experimental
La investigación no experimental o también conocida como investigación expost-facto es

cualquier investigación en la que resulta imposible manipular variables o asignar
aleatoriamente a los sujetos o a las condiciones.
La investigación no experimental viene a ser la búsqueda empírica y sistemática en la que el
científico no posee un control directo de las variables independientes, debido a que sus
manifestaciones ya han ocurrido o que son inherentemente no manipulables.
Es muy importante destacar que una investigación experimental la variable independiente se
manipula y por eso se le llama variable activa mientras que en la investigación expost-facto la
variable independiente no es susceptible de manipulación y por eso se le llama variable
atributiva. Existen al menos tres aspectos en los que la investigación experimental es
semejante a la investigación expos-facto:
 Por medio de estos tipos de investigación se pueden comprobar hipótesis
 Se utilizan grupos semejantes excepto en algún aspecto o característica especifica
 Se utilizan métodos estadísticos para el tratamiento y análisis de datos
 Tipos de diseño no experimental
 Diseños transeccionales exploratorios:
Su propósito es comenzar a conocer una variable o un conjunto de variables, una

comunidad, un evento, una situación. Se trata de una exploración inicial en un
momento específico.
 Diseños transeccionales descriptivos:

4
Tiene como objetivo indagar la incidencia de las variables en una población.

Consisten en ubicar en una o diversas variables a un grupo de personas, seres vivos,
objetos, situaciones, contextos, fenómenos o comunidades; y así proporcionar su
descripción.
 Diseño experimental
El diseño de investigación experimental viene a ser una estructura de investigación donde al

menos se manipula una variable y las unidades son asignadas aleatoriamente a los distintos
niveles o categoría de la variable o variables manipuladas.
Además es una técnica estadística el cual permite identificar y cuantificar las causas de un
efecto dentro de un estudio experimental. En un diseño experimental se manipula una o más
variables, vinculadas a las causas, para medir el efecto que tienen en otra variable de interés.
El diseño experimental prescribe una serie de pautas relativas en donde se denota qué
variables hay que manipular, de qué manera, cuántas veces hay que repetir el experimento y
en qué orden; y de esa manera poder establecer un grado de confianza, en donde se establece
la necesidad de una presunta relación de causa-efecto.
 Diseño factorial
Un diseño factorial generalmente es usado por los científicos los cuales desean
comprender el efecto de dos o más variables independientes con respecto de una única
variable dependiente.
Un diseño factorial completo es un experimento cuyo diseño consta de dos o más factores,
cada uno de los cuales con distintos valores o niveles, cuyas unidades experimentales
cubren todas las posibles combinaciones de esos niveles en todo los factores. Este tipo de
experimentos permiten el estudio del efecto de cada factor sobre la variable respuesta, así
como el efecto de las interacciones entre factores sobre dicha variable.
 Diseño cuasi-experimental
El diseño cuasi-experimental es una forma de investigación experimental utilizado

ampliamente en las ciencias sociales y la psicología.
Este diseño es una derivación de los estudios experimentales, en los cuales la asignación
de los pacientes no es aleatoria aunque el factor de exposición es manipulado por el
investigador.
 Métodos estadísticos de diseños experimentales
El diseño estadístico de experimentos incluye un conjunto de técnicas de análisis y un método de

construcción de modelos estadísticos que, conjuntamente, permiten llevar a cabo el proceso

5
completo de planificar un experimento para obtener datos apropiados, que puedan ser analizados
con métodos estadísticos, con objeto de obtener conclusiones válidas y objetivas.
y ij =u+t i+ uij , i=1, … , I ; j=1, … . , ni
 y ij : Variable aleatoria que representa la observación j-ésima del i-ésimo , tratamiento

(nivel i-ésimo del factor).
 u : Efecto constante, común a todos los niveles. Media global.
 t i : Efecto del tratamiento i-ésimo. Es la parte de y ij debida a la acción del nivel i-
ésimo, que será común a todos los elementos sometidos a ese nivel del factor.
 uij : Variables aleatorias que engloban un conjunto de factores, cada uno de los cuales
influye en la respuesta sólo en pequeña magnitud pero que de forma conjunta debe tenerse en
cuenta. Deben verificar las siguientes condiciones:
 La media sea cero: E [ uij ] = 0 ∀i, j.

2
 La varianza sea constante: Var [u ij ]=σ ∀i, j
 Independientes entre sí: E [ uij , urk ] = 0, i 6 = r o j
6
= k.
 Distribución sea normal.
 Análisis de varianza o ANOVA (analysis of variance)
Es un procedimiento estadístico que permite dividir la variabilidad observada en componentes

independientes que pueden atribuirse a diferentes causas de interés. Es una técnica estadística
para comparar más de dos grupos, es decir un método para comparar más de dos
tratamientos y la variable de estudio o variable respuesta es numérica.
TABLA ANOVA:
Fuentes de variación Suma de Grados de Cuadrados medios Fesp

cuadrados libertad
Entre grupos SC T r I −1 CM T r
CM T r
Dentro de grupos SCR N−I CMR
CMR
TOTAL SCT N−1 CMT
SCT =SC T r +SCR

6
I 2 I ni
yi y2 y
2
SC T r =∑ − SCT =∑ ∑ y −
2
ij
i=0 ni N i=1 j=1 N
SCR =SCT −SC T r
1) SCT : Suma de cuatrados totales

2) SCT : Suma de cuadrados entre tratamientos
3) SCR : suma de cuadrados dentro de los tratamientos o residual
4) CMT : cuadrado medio total: CMT =SCT /( N−1)
5) CM T r : cuadrado medio entre tratamiento: CM T r=SC T r /(I −1)
6) CMR : Cuadrado medio residual: CMR=SCR /(N −I )
Aceptar H 0 si Fexp ≤ F ∝ ;I −1, N− I ; Rechazar H 0 si Fexp > F ∝; I−1, N− I
 Análisis de covarianza o ANCOVA (analysis of covariance)
El análisis de la covarianza (ANCOVA) se trata de dos o más variantes medidas y donde

cualquier variable independiente mesurable no se encuentra a niveles predeterminados, como
en un experimento factorial La ANCOVA hace uso de conceptos tanto del análisis de varianza
como de la regresión. Sus objetivos son eliminar cualquier error sistemático fuera del
control del investigador que puede sesgar los resultados, y tener en cuenta las
diferencias en las respuestas debidas a las características propias de los encuestados.
Ejemplo:
Una industria química prueba tres fórmulas diferentes de un pegamento industrial. Se sabe que
la resistencia del pegamento (variable respuesta) está relacionada con el espesor de la capa
adherente (covariable).
Formulas del pegamento

1 2 3
y x y x y x
19 33 22 24 23 22
25 40 18 31 19 30
Modelo unifactorial con una variable

7
y ij =u+t ij + β ( x ij −x ) + uij ; i=1, … , I ; j=1,… , ni
 ti : El efecto producido por el tratamiento i−ésimo

 β : El coeficiente de regresión lineal
 x ij : El valor de la covariable correspondiente a la observación y ij
 x : La media de la covariable
En un diseño completamente aleatorizado la suma total de cuadrados puede descomponerse en
suma de cuadrados entre tratamientos y en suma de cuadrados residual.
Notación:
T yy= A yy+ E yy ; T xx = A xx + E xx ; T xy = A xy + E xy
 E yy (aj) : Suma de cuadrados de y dentro de los tratamientos ajustada por la

covariable.
2
E xy
E yy (aj)=E yy−
E xx
Entonces; EYY (AJ ) : es la variación de y asociada al término del error.
 A yy (aj) : Suma de cuadrados entre tratamientos ajustada
A yy (aj)=T yy (aj) −E yy (aj)
Entonces; A yy (aj) : es la variación entre los valores de la variable dependiente

debida sólo al efecto del nivel del factor.
CONTRASTES DE HIPÓTESIS
- H 0 : t i=0 ∀i
- H 1 :t i=0 por lo menos para algún i
Contraste del coeficiente de regresión
{ H 0 : β=0
H1 : β ≠ 0
El estadístico de contraste de la hipótesis nula está dado por
CMReg E2xy E xx
F= =
CM Eaj E yy (aj) (N−I −1)
Tabla ANOVA. Diseño unifactorial con una covariable

8
F.V S.C Grados C.M Fexp

Regresión E 2
xy
1 E 2
xy
CMReg
CMReg= CM Eaj
E xx E xx
Trat. (aj ) A yy (aj) I −1 A yy(aj) CM Tr (aj)
CM Tr (aj) =
I −1 CM E(aj)
Error (aj) E yy (aj) N−I −1 E yy (aj)
CM E(aj)=
N −I −1
Total T yy N−1
 Análisis multivariado de varianza
El análisis de la varianza multivariante es una generalización del análisis de la varianza

univariante para el caso de más de una variable dependiente. Se trata de contrastar la
significación de uno o más factores (variables independientes) para el conjunto de variables
independientes. El procedimiento del SAS utilizado es el MANOVA.
Es conceptualmente igual al univariante. Supongamos un caso sencillo con dos variables

dependientes, un factor de variación categórico (variable independiente) con dos categorías o
niveles y n1 y n2 observaciones por nivel. El modelo sería, en este caso:
y 1 ij =u1+ t i + ε 1ij
y 2 ij =u2+ t i +ε 2ij
O bien:
y kij=u k + t i +ε kij
Siendo k = (1,2) e y1 e y 2 son las dos variables y t el factor de variación

categórico.
La expresión matricial de este modelo será la fórmula general Y = βX + ε.
La hipótesis lineal general en este caso se escribe: LβM = 0; donde M es una matriz que
establece relaciones lineales entre las variables. Si M es la matriz diagonal identidad, se están
utilizando las variables originales.
Los contrastes de hipótesis en este caso se llevan a cabo con las matrices:

9
−¿ ¿
L ( X' X )
¿
¿−1
¿
'¿
H=M ' ( Lb )¿
 Que corresponde a la suma de cuadrados y productos cruzados de las dos variables,

y.
E=M ' ( Y ' Y −b' ( X ' X ) b ) M
 Que corresponde a la suma de cuadrados y productos cruzados de los residuos.
Se pueden utilizar cuatro criterios para determinar la significación de este contraste:
1) λ de Wilks: det ( E ) /det ⁡( H + E)
2) Traza de pellai: traza de (H ( H+ E )−1)

−1
3) Traza de hottelling-lawley: traza (E H )
4) Raíz máxima de Roy: mayor auto valor de −1

E H
Ejemplo: En el trabajo de Fisher sobre la diferenciación entre las características florales de

las especies virginica, versicolor y setosa del género Iris, se midieron cuatro variables:
longitud y anchura de los pétalos y de los sépalos, con el fin de comprobar si existen
realmente diferencias entre las especies en las medidas de estas cuatro variables.
Datos en: FISHER.DAT
Programa en FISHER.SAS
Una aplicación particular del MANOVA para comprobar si los valores de una serie de
variables permanecen constantes tras un determinado tratamiento.

10
 Optimización en el diseño de experimentos
La experimentación forma parte natural de la mayoría de las investigaciones científicas e

industriales, en muchas de las cuales, los resultados del proceso de interés se ven afectados por la
presencia de distintos factores, cuya influencia puede estar oculta por la variabilidad de los
resultados muéstrales. Es fundamental conocer los factores que influyen realmente y estimar esta
influencia. Para conseguir esto es necesario experimentar, variar las condiciones que afectan a las
unidades experimentales y observar la variable respuesta. Del análisis y estudio de la información
recogida se obtienen las conclusiones.
Las técnicas de diseño de experimentos se basan en estudiar simultáneamente los efectos de todos
los factores de interés, son más eficaces y proporcionan mejores resultados con un menor coste.
A continuación se enumeran las etapas que deben seguirse para una correcta planificación de un
diseño experimental, etapas que deben ser ejecutadas de forma secuencial. También se introducen
algunos conceptos básicos en el estudio de los modelos de diseño de experimentos
Las etapas a seguir en el desarrollo de un problema de diseño de experimentos son las

siguientes:
1. Definir los objetivos del experimento.
2. Identificar todas las posibles fuentes de variación, incluyendo:
 factores tratamiento y sus niveles.
 unidades experimentales.
 factores nuisance (molestos): factores bloque, factores ruido y covariables.
3. Elegir una regla de asignación de las unidades experimentales a las condiciones de

estudio (tratamientos).
4. Especificar las medidas con que se trabajará (la respuesta), el procedimiento experimental y
anticiparse a las posibles dificultades.
5. Ejecutar un experimento piloto.
6. Especificar el modelo.
7. Esquematizar los pasos del análisis.

11
8. Determinar el tamaño muestral.
9. Revisar las decisiones anteriores. Modificarlas si se considera necesario.
 Aplicaciones
 Diseño de experimentos en la industria
El diseño de experimentos es altamente efectivo para aquellos procesos que su rendimiento se

ve afectado por varios factores.Con esta tecnica se puede conseguir entre otras cosas,mejorar
el redimiento de un proceso, reducir la variabilidad o los costos de produccion ,asi como
aumentar la calidad de los productos o servicios.
En general experimentos se usan para estudiar el desempeño de procesos y sistemas .el

sistema o proceso puede representarse como se muestra en la figura .El proceso puede
visualizarse por lo general como una combinacion de maquinas , metodos,personas u otros
recursos que transforman entradas (con frecuencia cierto material) en una salida que tiene una
o mas respuestas observables.

12
 Diseño de investigación en electrónica
Actualmente, la formación en electrónica de potencia se fundamenta en actividades de análisis

diseño, simulación e implementación. Sin embargo, la implementación arroja generalmente
resultados y evidencias que no son realimentadas al proceso formativo, puesto que las
problemáticas y las soluciones a las problemáticas no son documentadas con el mismo rigor
con el que se documentan las evaluaciones de desempeño, eficiencia, regulación u otros. Entre
muchas publicaciones, muy pocas han dado importancia a tratar aspectos experimentales
fundamentales, como las expuestas por López, et al. (2004), en donde se presentan
recomendaciones claves para el diseño de circuitos impresos en electrónica de potencia que
probablemente brindan solución a problemáticas que sin la suficiente información tardarían
tiempo en resolverse.

13
La ausencia de un “registro de tropiezos” o mejor, de un “registro de salidas exitosas a los

tropiezos” en la experimentación con diversos convertidores de potencia que son tratados en
proyectos al interior de las universidades y la industria nacional, es una problemática que tiene
solución a través del vínculo didáctico entre la enseñanza y la investigación. Tal vínculo sólo
será posible en la actualidad con el aprovechamiento adecuado de las herramientas
tecnológicas de las que se dispone y a través del uso de metodologías concretas y específicas
que articulen los diferentes proyectos para consolidar el conocimiento en electrónica de
potencia demandado por el mundo actual.
Con base en los aspectos anteriormente mencionados, surge la iniciativa de proponer una
estructura metodológica unificada soportada en lo que se ha denominado herramienta
didáctica, para fortalecer el estudio de la electrónica de potencia y conservar un esquema
sólido de avance tanto analítico como experimenta.
 Diseño en el caso de la agroindustria
Atreves de la investigación aplicada se podrían mejorar los procesos por medio de la

apropiación de tecnologías adecuadas que minimicen los tiempos en los procesos de forma tal
que se personalizaran las soluciones dependiendo del tipo de finca,parcela,terreno u otros en
los que se trabaje.
 Diseño en el caso de una empresa manufacturera tradicional
Se pueden requerir mejoras a nivel de aplicaciones para redistribución de planta, sistemas de

costeo, programas de producción, tiempos y movimientos, que para su realización no
requerirán crear conocimientos nuevos, el objetivo básico es apropiar los conocimientos
disponibles para implementarlos de manera personalizada en un tipo específico de industria.
 Diseño a nivel de empresas de servicios
En este tipo de industria se apropiaran y personalizaran conocimientos como teoría de líneas

de espera, metodologías para asignación de cargas de trabajo, ergonomía, diseño de oficinas,
14
entre otros.

 La investigación científica en las Relaciones Públicas
La investigación científica es el procedimiento primordial para la producción de

conocimiento. Sin embargo, existe tal vez una creencia generalizada, aunque errónea, que la
investigación científica se circunscribe estrictamente al ámbito de la Academia. Es cierto que
la producción de conocimiento encuentra en el ámbito académico el espacio privilegiado; no
obstante, la práctica profesional de ciertas disciplinas que recientemente han delimitado un
campo de actuación propio requieren de los insumos provenientes de otros campos
disciplinares, algunos de ellos científicos. Tal es el caso de las Relaciones Públicas. Podría
definirse a las Relaciones Públicas como la disciplina o técnica encarga de gestionar la
comunicación entre una organización y la sociedad o el colectivo social más amplio. La
pretensión de la disciplina consiste en la construcción, administración y sostenimiento de una
imagen que pudiera ser calificada por la mayoría de la sociedad como positiva o deseable.
Por ello, se habla generalmente de la interdisciplinariedad de las Relaciones Públicas: esta
disciplina se vale de metodologías, técnicas y marcos teóricos elaborados en el seno de otras
disciplinas y ciencias, tales como la publicidad, la sociología, la psicología (social), la
comunicación social, la ciencia política y varios otros.
 Métodos de investigación en psicología
La Psicología ganó el estatus de Ciencia sólo cuando demostró que era posible cuantificar y
medir objetivamente lo mental y adoptó el método científico en su forma de trabajo:
 Fechner (1860), Wundt (1879), Ebbinghaus (1885), Wertheimer (1912) en Alemania.
 Stanley Hall (1883), William James (1890), Thorndike (1898) y Watson (1913) en USA.
 Binet y Simon (1905) en Francia .
 Pavlov (1906) en Rusia.
Desde entonces se ha hablado siempre de dos tradiciones o enfoques en la investigación

psicológica:
 El enfoque correlacional (o psicométrico) iniciado por Binet y Simon y después

Wechsler, cuyo objetivo es construir test y cuestionarios para medir lo psíquico
haciendo especial hincapié en las diferencias individuales y en el análisis de las
relaciones entre las variables medidas (correlación, regresión, análisis factorial, etc.).
 El enfoque experimental basado en la búsqueda de las leyes generales de la

conducta mediante la experimentación de laboratorio y el establecimiento de

15
relaciones causales entre variables, priorizando técnicas estadísticas inferenciales

como las pruebas t y el análisis de la varianza.
 Conclusión
 Con el presente trabajo, hemos pretendido desarrollar una visión clara y sencilla de los
métodos de investigación de enfoque experimental, analizando sus principales
características y componentes, además de las limitaciones que estos métodos puedan
presentar y los diseños más comunes y utilizados en investigación.
 Además hemos concluido sobre la importancia que tiene los diseños de investigación
en las distintas aplicaciones que se muestra, en el caso aplicado a la industria se
aprecia cómo es que se puede tener una mejora en los procesos, una reducción en los
costos y un aumento de la calidad de los productos.

16
Bibliografía
 https://es.slideshare.net/uci2c/tipo-y-diseo-de-la-investigacion
 https://explorable.com/es/diseno-factorial
 https://es.slideshare.net/conejo920/diseo-de-investigacion-no-experimental
 https://explorable.com/es/disenos-de-investigacion
 http://www.sld.cu/galerias/pdf/sitios/renacip/disenos_cuasiexperimentales.pdf
 https://es.slideshare.net/metodos251/diseo-cuasiexperimental
 http://viref.udea.edu.co/contenido/menu_alterno/apuntes/ac37-diseno_experiment.pdf
 http://tesis-investigacion-cientifica.blogspot.pe/2013/08/objetivos-de-diseno-de-
investigacion.html
 https://sites.google.com/site/researchmethodsfisiotherapy/Home/disenos-de-
investigacion
 http://www.uco.es/zootecniaygestion/img/pictorex/06_19_22_5_varianzamultivariante.
pdf
 http://www.ugr.es/~bioestad/_private/cpfund6.pdf
 https://www.gob.mx/cms/uploads/attachment/file/133491/METODOLOGIA_DE_INVE
STIGACION.pdf
 https://l.facebook.com/l.php?u=https%3A%2F%2Fportalacademico.cch.unam.mx
%2Frepositorio-de-sitios%2Fexperimentales
%2Fpsicologia1%2FPs1%2FMD1%2FMD1-L
%2FLECTURA_METODOLOGIA.pdf&h=ATOImF758zVvbq9chkcwr7YFgQ9pfC9CvIZ
mxm85LRa9T2DgEFp5KjfORZKbtT0bjbZPd10B1vgYVAK7STPPqeEY5bZ5m0ZHxVo
4Xr8u70euPt8RsrDfbkB7w383g1zpoXpZPBVeXJ0Y.
 https://l.facebook.com/l.php?u=https%3A%2F%2Fportalacademico.cch.unam.mx
%2Frepositorio-de-sitios%2Fexperimentales
%2Fpsicologia1%2FPs1%2FMD1%2FMD1-L
%2FLECTURA_METODOLOGIA.pdf&h=ATOImF758zVvbq9chkcwr7YFgQ9pfC9CvIZ
mxm85LRa9T2DgEFp5KjfORZKbtT0bjbZPd10B1vgYVAK7STPPqeEY5bZ5m0ZHxVo
4Xr8u70euPt8RsrDfbkB7w383g1zpoXpZPBVeXJ0Y.

17

Trabajo de Metodologia

Hochgeladen von

Dokumentinformationen

Originalbeschreibung:

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Trabajo de Metodologia

Hochgeladen von

Copyright:

Verfügbare Formate

DISEÑO DE INVESTIGACION UNP FII

Este trabajo está dedicado a Dios que nos ha dado la

METODOLOGIA DE LA INVESTIGACION CIENTIFICA

El diseño de investigación es un elemento más de la metodología de la investigación científica, es

METODOLOGIA DE LA INVESTIGACION CIENTIFICA

 Conocer la importancia que tienen los diseños de investigación en los estudios

 Dar respuesta a las preguntas que se originan en una investigación.

 Controlar las variables que se presentan en los estudios realizados.

METODOLOGIA DE LA INVESTIGACION CIENTIFICA

 Tipos de diseño de investigación

La investigación no experimental o también conocida como investigación expost-facto es

 Por medio de estos tipos de investigación se pueden comprobar hipótesis

 Se utilizan grupos semejantes excepto en algún aspecto o característica especifica

 Se utilizan métodos estadísticos para el tratamiento y análisis de datos

 Tipos de diseño no experimental

 Diseños transeccionales exploratorios:

Su propósito es comenzar a conocer una variable o un conjunto de variables, una

 Diseños transeccionales descriptivos:

METODOLOGIA DE LA INVESTIGACION CIENTIFICA

Tiene como objetivo indagar la incidencia de las variables en una población.

El diseño de investigación experimental viene a ser una estructura de investigación donde al

El diseño cuasi-experimental es una forma de investigación experimental utilizado

 Métodos estadísticos de diseños experimentales

El diseño estadístico de experimentos incluye un conjunto de técnicas de análisis y un método de

METODOLOGIA DE LA INVESTIGACION CIENTIFICA

y ij =u+t i+ uij , i=1, … , I ; j=1, … . , ni

 y ij : Variable aleatoria que representa la observación j-ésima del i-ésimo , tratamiento

 La media sea cero: E [ uij ] = 0 ∀i, j.

 Análisis de varianza o ANOVA (analysis of variance)

Es un procedimiento estadístico que permite dividir la variabilidad observada en componentes

Fuentes de variación Suma de Grados de Cuadrados medios Fesp

SCT =SC T r +SCR

METODOLOGIA DE LA INVESTIGACION CIENTIFICA

SCR =SCT −SC T r

1) SCT : Suma de cuatrados totales

Aceptar H 0 si Fexp ≤ F ∝ ;I −1, N− I ; Rechazar H 0 si Fexp > F ∝; I−1, N− I

 Análisis de covarianza o ANCOVA (analysis of covariance)

El análisis de la covarianza (ANCOVA) se trata de dos o más variantes medidas y donde

Formulas del pegamento

Modelo unifactorial con una variable

METODOLOGIA DE LA INVESTIGACION CIENTIFICA

y ij =u+t ij + β ( x ij −x ) + uij ; i=1, … , I ; j=1,… , ni

 ti : El efecto producido por el tratamiento i−ésimo

 E yy (aj) : Suma de cuadrados de y dentro de los tratamientos ajustada por la

Entonces; EYY (AJ ) : es la variación de y asociada al término del error.

 A yy (aj) : Suma de cuadrados entre tratamientos ajustada

A yy (aj)=T yy (aj) −E yy (aj)

Entonces; A yy (aj) : es la variación entre los valores de la variable dependiente

Contraste del coeficiente de regresión

El estadístico de contraste de la hipótesis nula está dado por

Tabla ANOVA. Diseño unifactorial con una covariable

METODOLOGIA DE LA INVESTIGACION CIENTIFICA

F.V S.C Grados C.M Fexp

 Análisis multivariado de varianza

El análisis de la varianza multivariante es una generalización del análisis de la varianza

Es conceptualmente igual al univariante. Supongamos un caso sencillo con dos variables

Siendo k = (1,2) e y1 e y 2 son las dos variables y t el factor de variación

La expresión matricial de este modelo será la fórmula general Y = βX + ε.

METODOLOGIA DE LA INVESTIGACION CIENTIFICA

 Que corresponde a la suma de cuadrados y productos cruzados de las dos variables,

E=M ' ( Y ' Y −b' ( X ' X ) b ) M

 Que corresponde a la suma de cuadrados y productos cruzados de los residuos.