Recoleccin de datos, anlisis y presentacin de

resultados

Datos: Anlisis e interpretacin

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).