Al analizar los datos se pretende descubrir patrones y
tendencias los mismos para poder interpretarlos.
El procesamiento y anlisis de datos se podra interpretar
como una manipulacin de los mismos para llegar a los resultados deseados,; la meta es aclarar los datos, no cambiarlos fundamentalmente.
Al publicar los datos y las tcnicas que usaron para
analizarlos e interpretarlos, los cientficos le dan a la comunidad la oportunidad de revisar los datos y de usarlos en investigaciones futuras.
Las interpretaciones cientficas no son verdades absolutas ni
opiniones personales: son inferencias, sugerencias, o hiptesis sobre lo que significan los datos, basadas en el conocimiento cientfico y la interpretacion individual.
Datos: incertidumbre, errores, y
confiabilidad
La incertidumbre es una estimacin cuantitativa del error que est presente en
todos los datos.
Reconocer la incertidumbre de los datos es un componente importante en la
presentacin de los resultados de la investigacin cientfica. Ignorar la fuente de un error puede conducir a la propagacin y magnificacin del mismo.
La incertidumbre se puede malinterpretar como que los cientficos no estn
seguros de sus resultados, pero el trmino especifica el grado por el cual los cientficos s estn seguros de sus datos.
Ser cuidadoso puede reducir la incertidumbre al corrergir el error sistemtico y
minimizar el error aleatorio. Sin embargo, la incertidumbre nunca puede ser reducida a cero porque es una medida cuantitativa de la variabilidad de los datos.
O sea, las medidas en s mismas, independientemente de cualquier inexactitud
humana o instrumental, exhiben dispersin. Esta gama de valores se cuantifica como incertidumbre y se expresa como la probabilidad de obtener un cierto valor. Estas probabilidades estn distribuidas alrededor de un valor central o medio.
Fuentes de error
Siempre que se hacen medidas tenemos fuentes
potenciales de error.
Si por ejemplo, el instrumento usado estaba
calibrado y la persona fue cuidadosa al tomar los datos el por ciento de error ser pequeo y estar distribuido al azar cerca a la medida verdadera. Esto se conoce como el error experimental y usualmente representa un error estadstico.
El error estadstico no puede ser eliminado, pero si
puede ser medido y reducido cuando se hacen repetidas observaciones de un evento especfico.
Error sistemtico
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.
Al contrario del error estad stico, el error
sistemtico puede ser compensado, o algunas veces eliminado, si su fuente se identifica.
Podemos minimizar errores con el/la:
Calibrado de instrumentos o medidas contra
estndares conocidos.
Reporte de todos los lmites de deteccin de
instrumentos.
Implementacin de procedimientos estndares para
minimizar el error humano.
Documentacin completa de los mtodos de
investigacin.
Duplicacin de las medidas para determinar la
presicin.
Variabilidad
La variabilidad en la ciencia es algo que
siempre se debe tener en cuenta. Por ejemplo las hojas de pinos en su madurez son de aprox. 4 pulgadas de largo pero existe variabilidad en la naturaleza debido a diferencias genticas y ambientales.
Como consecuencia del error, las medidas
cientficas no se reportan como valores sencillos, sino como gamas o promedios con barras de errores en un grfico o signos de en una tabla.
Presentacin de datos:
Las representaciones visuales de los datos son
esenciales para el anlisis e interpretacin de estos. Colocar los datos en un formato visual puede facilitar anlisis adicionales. Entender e interpretar grficos y otras formas visuales de datos es una destreza clave para cientficos y estudiantes de la ciencia. A pesar de que los datos numricos estn inicialmente recopilados en tablas o bases de datos, frecuentemente estn representados en forma grfica para ayudar a los cientficos a visualizar e interpretar la variacin, el patrn y las tendencias dentro de los datos.
Usando tablas (cuadros) para presentar los
resultados
Los datos que se obtienen durante un
experimento pueden presentarse de diversas formas; una de las alternativas ms comunes y eficientes lo es el uso de tablas. Las tablas tienen ciertas caractersticas mnimas:
1. Deben tener un ttulo y ste debe explicar
claramente el contenido de la tabla. 2. Las unidades de medida (ej. cm, ml). deben aparecer en la tabla. 3. Los smbolos deben explicarse en el ttulo o en una leyenda en el pie (base) de la tabla.
4. La tabla debe contener solamente informacin
esencial. 5. Las columnas deben identificarse mediante subttulos. 6. Las tablas se enumeran en secuencia. Por ejemplo, en un informe de laboratorio o en 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 otro instrumento valioso para
organizar y presentar datos. Hay varios tipos de grficas que 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 (Figura 2.3) que demuestra la relacin entre la variable dependiente y la independiente. 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 (Figura 2.4).
Para datos que sealan proporciones o
porcentajes puede utilizarse una grfica de pastel (pie chart) (Figura 2.5).