Día del Estadístico

A propósito de estar próximo a celebrarse el día del estadístico (5 de diciembre), vale recordar que en noviembre de 2013, como parte de la celebración del Año Internacional de Estadística, se realizó un Taller sobre el Futuro de Estadística y al final se presentaron las siguientes observaciones: (www.statisticsviews.com).

• El análisis de los datos mediante los métodos estadísticos es de fundamental importancia para la sociedad. Lo sustenta la ciencia, guías decisiones de negocios, y permite a los funcionarios públicos para hacer su trabajo.
• Todos los datos vienen con algún grado de incertidumbre, y la correcta interpretación de los datos en el contexto de incertidumbre no es simple rutina. Este es uno de los más importantes servicios que prestan a la sociedad los estadísticos.
• La Sociedad esta generando datos a un nivel sin precedentes y a cada vez mayores tasas. Los Estadísticos deben participar en el análisis de estos datos.
• Los estadísticos deben ser conscientes de la amenazas a la privacidad y confidencialidad que plantean la gran cantidad de datos. Seguirá siendo un reto el problema de equilibrar los beneficios sociales de mejora de la información con el costo potencial a la privacidad individual.
• Los nuevos datos vienen de formas no tradicionales, como imágenes y las redes sociales. La Continua evolución de los métodos estadísticos será necesaria para manejar estos nuevos tipos de datos.
• Los Estadísticos están en la necesidad de volver a evaluar la capacitación de los estudiantes y el sistema de recompensas dentro su propia profesión para asegurarse de que estos todavía están funcionando apropiadamente en un cambiante mundo.
• En particular, los estadísticos están lidiando con la cuestión de lo que es un "científico de datos", si es diferente de un estadístico, y cómo asegurarse de que los científicos de datos no tienen que "reinventar la rueda", cuando se enfrentan a cuestiones de incertidumbre y calidad de los datos.
• En un mundo donde el público todavía tiene muchas percepciones erróneas acerca de las estadísticas, el riesgo y la incertidumbre, la comunicación es parte importante de los trabajos estadísticos. Soluciones creativas para la visualización de datos y la comunicación de masas tienen para recorrer un largo camino.

En los Estados Unidos, el número de graduados en estadística y la inscripción en cursos de introducción a la estadística, está aumentando fuertemente. Las licenciaturas y maestrías otorgadas en estadísticas casi se han duplicado en los últimos 10 años. La representación de las mujeres en los programas de estadísticas es mucho mejor de lo que es en disciplinas comparables tales como las matemáticas, la física y la ingeniería. Al nivel de pregrado, la matrícula en cursos de introducción a la estadística ha aumentado en un 90 por ciento desde 1995 para el año 2010.

Los departamentos de estadística tienen que hacer un mejor trabajo de preparar a los estadísticos para los futuros puestos de trabajo que están realmente disponibles y no necesariamente para convertirse en copias de sus profesores. Algunas sugerencias incluyen las siguientes:

• Trabajar en las habilidades de comunicación. Los Estadísticos deben tener un profundo conocimiento y familiaridad con el concepto de incertidumbre, que muchos otros científicos carecen. Sólo estarán capaz de difundir su conocimiento de este concepto crítico si pueden transportarlo fácilmente y con facilidad.
• Formación en habilidades de liderazgo. Hay un fuerte sentimiento, entre algunos estadísticos, que se encasillan como personas que apoyan la investigación de otros, en lugar de subir con originales ideas mismas.
• Formación fuerte en un campo de aplicación. Este aspecto, puede ayudar a preparar a los estudiantes para dirigir la dirección de la investigación, en lugar de solo ser parte de ella.
• Más de la exposición a los datos "en vivo" de verdad. Muchos estudiantes aprenderán mejor si pueden ver la aplicabilidad a los problemas del mundo real.
• Más exposición a grandes volúmenes de datos (BigData) que no puede ser analizada utilizando otros métodos estadísticos tradicionales o en un solo ordenador. Los estudiantes deben estar preparados para el mundo que van a estar entrando y BigData parece haber llegado para quedarse.
• Mayor énfasis en algoritmos informáticos, simulación, etc. Prepararse para la ingeniería y escribir trabajos, los estudiantes necesitan aprender a pensar como ingenieros.

Existe una enorme responsabilidad para los estadísticos. Si los estadísticos han de ser los futuros protagonistas, deben mantenerse humildes, la incertidumbre siempre se presenta como una parte integral de sus previsiones. Tienen que estar dispuestos a decir verdades impopulares. Tienen que ser ingeniosos e innovadores en el aprovechamiento de las nuevas tecnologías y nuevas fuentes de información. Todo lo mencionado, quizás es parte de la historia de la estadística, y, con un poco de suerte, también será parte del futuro.

!!! FELIZ DÍA A LOS ESTADÍSTICOS !!!

Precisión y Exactitud

Precisión y exactitud, son dos condiciones que deben reunir los datos y las conclusiones para dar como válido un estudio. Existen dos amenazas para la validez: el error aleatorio y el error sistemático.

El error aleatorio, se expresa en la diferencia que existe entre una medición y la media de todas las mediciones, y es que cada vez que se realiza una medida de la población a partir de una muestra, se encuentra un resultado distinto, mientras menor sea la distancia entre una medición y otra, se verificará que los resultados son más precisos.

La única forma de acercar estos resultados de cada medición es incrementando el tamaño de la muestra; la única forma de reducir el error aleatorio es incrementando el número de los elementos muestrales, incluso se puede eliminar el error aleatorio, si es que se estudia a toda la población.

La estimación de parámetros, que son características de la población, a partir de muestras requiere de identificar los límites donde se encontraría el valor verdadero. A esto se le conoce como intervalo de confianza, la distancia entre los límites del intervalo de confianza es más corta, si es que se incrementa el tamaño de la muestra y está distancia es puntual, es decir, es un valor único si es que se estudia a toda la población.

La precisión, es un atributo deseable, tanto en la medición puntual, como en la estimación de parámetros a partir de muestras. El error aleatorio de la estimación desaparece sólo en los casos en que se puede estudiar a toda la población.

El error sistemático, se expresa en la diferencia que existe entre la media de todas las mediciones y el verdadero valor, no porque todas las mediciones coincidan significa que se ha encontrado el verdadero valor, existe una distancia entre el valor real y la media de todas las mediciones. Esta distancia, es evaluada por el error sistemático.

Mientras más grande sea la distancia hay mayor error sistemático, mientras más corta sea la distancia, se dice que hay más exactitud. Pero para ello se requiere de antes haber contado con la precisión, no se puede hablar de que se está cerca al valor real, en términos de exactitud, si es que antes no se cuenta con el pre-requisito de la precisión. La reducción del error sistemático se logra mediante el método, controlando los sesgos de selección y de medición.

Sólo es posible estimar los límites donde se encontraría el valor verdadero, a partir de una medición, si se ha controlado el error sistemático, al cual se le denomina también como sesgo. Se ha generalizado al término “validez”, como la carencia de error sistemático, aunque esta no se pueda eliminar y que requiere de contar con la precisión antes de evaluar la exactitud.

Si las conclusiones obtenidas a partir de los sujetos que conforman la muestra, se pueda trasladar hacia los sujetos que pertenecen a la misma población pero que no fueron incluidos en la muestra, entonces el estudio tiene validez de inferencia, conocido también como validez interna.

Para asegurar la validez interna en un estudio, se debe realizar control y el control se plantea desde el punto de vista metodológico y desde el punto de vista estadístico; en un primer momento, el método trata de controlar el error sistemático, pero si no es posible identificar los elementos que integran el sesgo o no es posible eliminar aquellas características que están generando sesgo en las mediciones, entonces se incluyen al análisis estadístico, para ello se debe recolectar estas variables que interfieren con el estudio e incluirlas para realizar un análisis multivariado o de acuerdo a la naturaleza de las variables a las que correspondan los datos.

La relación entre variables

En la relación entre las variables, por lo menos se debe contar con dos de ellas, para realizar un estudio analítico.

De acuerdo a los niveles de la investigación, en el nivel descriptivo, se realiza un análisis estadístico univariado, en el nivel investigativo relacional un análisis bivariado, es decir, de dos variables y en el nivel investigativo explicativo se realiza el análisis multivariado o más de dos variables, es aquí donde surge la necesidad de clasificar a las variables según su relación; recordando que dentro del nivel explicativo se puede realizar estudios observacionales y experimentales. La estadística cumplirá el papel de realizar el control estadístico, agregando al control metodológico los criterios de causalidad.

Las variables según su relación son la variable independiente, la variable dependiente, la variable de confusión, la variable intermedia, la variable control, estas tres últimas son consideradas como variables intervinientes.

La variable independiente, representa los factores que constituirían la causa, debido a que previamente se ha demostrado ser factores de riesgo para el problema que se está estudiando en el nivel investigativo relacional. En los estudios observacionales se plantea solamente una variable independiente como estrategia para demostrar la relación de causalidad.

La variable dependiente, representa a la variable de estudio, mide o describe el problema que se está estudiando, para su existencia y desenvolvimiento depende de otra u otras variables independientes, pero su variabilidad está condicionada no solamente por la variable independiente, sino por el resto de las variables intervinientes.

La variable dependiente es la variable más importante del estudio, porque determina la línea de investigación.

La variable de confusión, aparece en los estudios observacionales, su aparición puede intensificar o antagonizar la relación aparente entre el problema y una posible causa, es decir, entre la variable independiente y la variable dependiente. Su influencia se percibe tanto sobre la variable independiente como en la variable dependiente, el control que debemos realizar en este caso es el análisis estadístico estratificado.

La variable intermedia, aparece de manera inesperada y por tanto es metodológicamente incontrolable entre el factor causal y el efecto, su naturaleza es aleatoria, es imposible conocer su distribución antes de ejecutar la recolección de datos, en los estudios observacionales se neutraliza su participación mediante el análisis multivariado y en los estudios experimentales mediante el análisis de la covarianza. En la mayoría de los casos la variable intermedia suele ser numérica.

La variable de control, posee fuerte influencia sobre la variable dependiente y ningún efecto reconocido sobre la variable independiente, se la identifica en el momento de la planeación. En los estudios observacionales su control se realiza mediante los criterios de elegibilidad, es decir, criterios de inclusión y criterios de exclusión. En los estudios experimentales el control se realiza mediante la construcción de bloques, es decir, se le Integra al análisis estadístico, pero en ningún caso se busca su interacción con la variable independiente, y aunque tiene influencia sobre la variable dependiente no se le estudia como factor causal.

Minería de Datos

El concepto “Minería de Datos” es un término que engloba resultados de investigación, técnicas y herramientas usadas para extraer información de grandes bases de datos. La Minería de Datos es una parte del proceso completo de Knowledge Discovery in Databases (KDD, en español Proceso no trivial de identificación en los datos de patrones válidos), en mucha bibliografía los términos Minería de Datos y KDD se identifican como si fueran lo mismo. 

Concretamente, el término Minería de Datos es usado comúnmente por los estadísticos, analistas de datos, y por la comunidad de administradores de sistemas informáticos, mientras que el término KDD es utilizado más por los especialistas en Inteligencia Artificial.

El análisis de la información es habitual que sea un proceso manual, basado en técnicas estadísticas. Sin embargo, cuando la cantidad de datos que disponemos, dificulta el tratamiento manual, aquí entra en juego el conjunto de técnicas KDD de análisis automático al que nos referimos al hablar de Minería de Datos.

Los mayores éxitos en Minería de Datos se pueden atribuir directa o indirectamente a avances en bases de datos. No obstante, muchos problemas de representación del conocimiento y de reducción de la complejidad de la búsqueda necesaria (con conocimiento a priori) están aún por resolver.

Otras definiciones de Minería de Datos:

• “La Minería de Datos es la extracción no trivial de información implícita, desconocida previamente, y potencialmente útil desde los datos”.
• “La Minería de Datos es el proceso de extracción y refinamiento de conocimiento útil desde grandes bases de datos”.
• “La Minería de Datos es el proceso de extracción de información previamente desconocida, válida y procesable desde grandes bases de datos para luego ser utilizada en la toma de decisiones”.
• "La Minería de Datos es la exploración y análisis, a través de medios automáticos y semiautomáticos, de grandes cantidades de datos con el fin de descubrir patrones y reglas significativos".
• "La Minería de Datos es el proceso de planteamiento de distintas consultas y extracción de información útil, patrones y tendencias previamente desconocidas desde grandes cantidades de datos posiblemente almacenados en bases de datos”.
• “La Minería de Datos es el proceso de descubrir modelos en los datos”.

¿Media aritmética o Mediana?

La media aritmética y la mediana son las medidas de tendencia central más utilizadas que se conoce y que se obtienen de un conjunto de datos numéricos.

La media aritmética, es fácil de entender, de calcular y es muy utilizada. La mediana, es menos usada, pero tiene propiedades de las que carece la media, por lo que es un buen complemento para analizar los datos y en algunos casos puede ser más útil que la media. Estas propiedades son:

• Es más robusta que la media aritmética frente a la presencia de anomalías, ya que no depende de los valores, sino de su posición, por tanto no interesa que existan valores extremos o anómalos.
• La mediana divide al conjunto de datos en 50% de las observaciones por encima y otro 50% por debajo y esto le da unas ventajas que la media no tiene.

Si la distribución de los datos es simétrica, la media y la mediana coincidirán, entonces todo es ventaja.

Hoy en día se dispone de herramientas que permiten el cálculo fácil de los estadígrafos, de un conjunto de datos, debemos aprovechar esta ventaja y analizar las dos mediciones y tendremos un mejor análisis de los datos.

Estadística y Vida

Aprender y Enseñar Estadística

La enseñanza de la Estadística en el mundo se desarrolla en un contexto de nuevos enfoques que intentan aportar a las concepciones existentes y por el reconocimiento de las limitaciones que presentan los alumnos y profesores antes, durante y al terminar un curso de estadística.

Uno de los aspectos de la enseñanza de la Estadística es precisamente su base Matemática y de cálculo. A pesar del desarrollo tecnológico alcanzado en los últimos años, el enfoque que se le da a la enseñanza de la Estadística ha evolucionado poco, manteniendo el énfasis en muchos casos en los procedimientos utilizados cuando no existían las computadoras personales e incluso antes de que existieran las calculadoras. Sin embargo, la Estadística como ciencia, se aleja cada vez más de la Matemática pura y se convierte en una "ciencia de los datos" (Batanero).

Autores, como Garfield, Godino y Batanero, han coincidido en que los cursos de Estadística han sobrevalorado y hasta abusado de los algoritmos de cálculos y expresiones matemáticas.  Esto implica que se le ha dedicado la mayor parte del tiempo y de los esfuerzos a los cálculos, dejando poco tiempo para el tratamiento de los conceptos de manera empírica y teniendo en cuenta su comprensión, significado y aplicación a situaciones prácticas concretas.

Admitimos la importancia de los símbolos en el aprendizaje. El lenguaje matemático es un instrumento indispensable, sin embargo, el uso apropiado de la notación Matemática reviste especial dificultad constituyendo uno de los obstáculos importantes para el razonamiento, y estas dificultades tienen repercusiones, tanto en el plano del aprendizaje como en el afectivo.

Varios autores, como Batanero, Garfield y Benzvi, señalan otras dificultades en relación al tratamiento de los conceptos. Se ha reconocido que en algunas ocasiones los conceptos son tratados de manera aislada sin tener en cuenta la relación que debe establecerse entre ellos, ni la relación de los conceptos propios de la Estadística y la investigación con los de las otras materias.

Por otro lado, es interesante y necesario utilizar datos reales y casos prácticos para conseguir un aprendizaje significativo de la Estadística, ya que esa estrategia favorece una mayor implicación del estudiante en el proceso de enseñanza-aprendizaje. Asimismo, es conveniente generar situaciones de aprendizaje referidas a temas de interés al alumno y trabajar con datos elaborados previamente, para analizarlos mediante las técnicas y procedimientos estudiados. El mundo se dirige rápidamente hacia una sociedad cada vez más informatizada. Cada día es más importante la comprensión de las técnicas básicas de análisis de datos y su interpretación adecuada.

Un elemento a destacar en la enseñanza actual de la Estadística consiste en atribuir importancia a las ideas previas que poseen los alumnos acerca de aleatoriedad, variable aleatoria, medidas de tendencia central, medidas de dispersión, estimación y tamaño muestral, independencia y probabilidad condicional, relación, asociación, la determinación de la veracidad de las hipótesis estadísticas y causalidad, etc.

La Didáctica Estadística tiende a ocuparse más de las ideas de los estudiantes que ignorar, subvalorar o desaprobar sus ideas, ya que solo se consigue dejarlas esencialmente intactas. En lugar de suplantar unas nociones por otras, se debe proceder a una búsqueda creativa por parte de cada alumno, para que se instalen en su mentalidad.

Se puede deducir, según estos planteamientos, la individualidad en la apropiación del conocimiento, no da lugar a la existencia de una única dimensión óptima para el aprendizaje. Sugerimos un modelo en el cual el profesor es un facilitador y el estudiante es el protagonista, que puede elegir entre una gama amplia de oportunidades disponibles de aprendizaje, de acuerdo con sus condiciones particulares. Existen una variedad de actividades, asociados con los distintos estilos de aprendizaje: lecturas, conferencias, ejercicios, resúmenes, videos, metáforas, experimentos, proyectos, discusiones y otras.

La Estadística y la Corrupción

Tenia pensado agregar un post referido a la Estadística y la Corrupción, pero me di cuenta que la corrupción esta en todo, desde lo más simple de las cosas que hacemos hasta lo más complejo.  De repente no iba poder terminar el post por la cantidad de información o detalles que tendría que haber considerado. Por eso decidí mejor presentar el siguiente video.

Análisis Multivarial (II)

Las técnicas multivariadas más utilizadas son las siguientes:

Componentes Principales

Este método permite obtener componentes o combinaciones lineales de las variables originales y permiten simplificar el universo de estudio, centrándose en las componentes que sintetizan la máxima variabilidad residual. Los objetivos más importantes son:

• Generar nuevas variables que expresen la información contenida en el conjunto original de datos.
• Reducir las dimensiones o factores del problema que se está tratando, como paso previo para futuros análisis.
• Eliminar algunas de las variables originales que aportan poca información o variables que contiene parte de información ya suministrada por otras variables.

El análisis por componentes principales debe ser aplicado cuando se desea conocer la relación entre los elementos de una población y se sospeche que en dicha relación influye de manera desconocida variables subyacentes o características de los elementos.

Análisis factorial

Este término engloba varias técnicas que buscan explicar la correlación de un conjunto grande de variables en términos de un conjunto reducido de variables subyacentes denominadas factores. Al reducir el número de variables, los procedimientos tratan de retener la mayor cantidad de información posible y de hacer de las variables restantes tan significativas y tan fáciles de manipular como sea posible. El propósito del análisis factorial es generar una comprensión de la estructura fundamental de las preguntas, variables u objetos y combinarlos en nuevas variables.

El análisis factorial permite generar varias soluciones para un mismo conjunto de datos, cada solución es generada por un esquema de rotación de factores, es decir, cada rotación tiene una interpretación diferente y esto se lo hace en términos de cargas o puntajes de factores.

Análisis Discriminante

Si el objetivo del análisis factorial es generar dimensiones que maximicen la interpretación y expliquen la varianza, el objetivo del análisis discriminante es generar dimensiones que discriminen o separen los objetos tanto como sea posible, es decir, identificar grupos o conglomerados de atributos sobre los cuales difieren los objetos. Al igual que en el análisis factorial, cada dimensión se basa en una combinación de los atributos fundamentales.

Clasificación

Una opción de analizar y estudiar un conjunto de individuos es clasificándolos en subconjuntos de acuerdo con algún objetivo predeterminado. La clasificación trata el problema de dividir un conjunto en subconjuntos, de tal modo que la diferencia entre elementos de un mismo subconjunto sea mínima y sea máxima para los elementos de diferentes subconjuntos. La formulación matemática y estadística se realiza mediante métodos como: modelos probabilísticos, teoría de grafos o criterios de optimización y algoritmos.

El uso de las técnicas de clasificación se basa en ideas generales concernientes a las observaciones. Busca revelar una partición que realmente exista (esta existencia es conjeturada antes del análisis estadístico o es revelada después del análisis). De modo inverso, la partición se emplea como instrumento para explorar los datos. Este último caso, es una generalización de histogramas unidimensionales, que con el objeto de facilitar el análisis, las observaciones se agrupan en clases homogéneas.

Las técnicas de clasificación recurren a métodos algorítmicos. Se consideran dos tipos de métodos de clasificación: los métodos jerárquicos y los métodos no jerárquicos.

Las técnicas de clasificación jerárquica presentan una estructura de árbol. Todos los individuos forman una clase, luego dos, tres, etc. clases y finalmente cada individuo forma una clase. Si se parte de “n” clases, con un individuo cada una y se van agrupando por pasos sucesivos hasta formar una sola clase, la técnica es aglomerativa, en caso contrario es divisiva.

En el caso de los métodos de clasificación no jerárquicos el número de clases se establece a priori y el algoritmo de clasificación asigna los individuos a las clases, partiendo de algunos valores iniciales y buscando optimizar algún criterio establecido previamente.

Correlación Canónica

Esta técnica consiste en buscar las máximas correlaciones posibles en un conjunto de variables.

El análisis de correlación canónica tiene ciertas propiedades similares al análisis de componentes principales, sin embargo, éste considera relaciones dentro de un conjunto de variables, la correlación canónica lo hace entre dos conjuntos de variables. El análisis de correlación canónica es una extensión de la técnica de regresión múltiple, que busca estimar las relaciones entre las variables independientes y la variable dependiente.

Actualmente existen otras técnicas multivariadas que se han desarrollado paralelo a la evolución de las TICs. Algunos de estas técnicas son: Escala Multidimensional, Análisis Path, Análisis de Series Cronológicas, Mapas Multidimensionales, Correspondencia Binaria y Múltiple.

El Idioma y la Estadística

Cada vez es mayor la influencia de la estadística, no existe profesión o actividad humana que no reciba los beneficios de su aplicación, hasta el extremo de que rara es la actividad humana moderna, en que no se utilice. En economía, en biología, en sociología, en urbanística, en derecho, en astronáutica, en las más diversas fases de la tecnología, e inclusive en ciencia militar, la estadística realiza una labor sumamente útil, proporcionando una base real y altamente eficiente para sus estimaciones a un corto, mediano y largo plazo.

Puede afirmarse hoy, en virtud de tal circunstancia, que la estadística es el pilar en que se apoya el normal y correcto desarrollo de las actividades humanas de este siglo de progreso, y que todo lo que a ella se refiere es de suma utilidad para el hombre moderno, en cualquier faceta.

Por otra parte, no se puede negar que los mayores progresos en estadística, y consecuentemente las obras y estudios más útiles, provienen de Inglaterra, Estados Unidos y los países europeos, así como las técnicas estadísticas más modernas y fehacientes, de donde se desprende que el idioma más empleado en dichos trabajos, y el que más se utiliza como medio de consulta, es el inglés.

La excepcional importancia que ha adquirido la estadística, que crece de día en día, en países cuyo idioma es diferente al español, es una poderosa razón para que al usar y aplicar dichos avances y al realizar la traducción de los conceptos y términos, se creen muchos anglicismos o se utiliza combinando los conceptos en el idioma nativo y el inglés indistintamente.

Igualmente al utilizar libros y literatura estadística producida, traducida y desarrollada en México, Colombia o Argentina, el vocabulario y por ende los conceptos, sean más afines al entendimiento de los profesionales de esos países, luego se crean palabras diferentes para un mismo concepto o palabras parecidas para conceptos diferentes.

Por tal razón se debe recurrir a los glosarios o diccionarios de los textos de estadística, o a aplicaciones que aparecen en la Internet (p.e. Divestadistica, Comunidad Andina), para precisar algún concepto, pero es necesario revisar dos o más fuentes.

Conforme vamos aplicando las técnicas estadísticas, vamos a encontrar dificultades en entender en aplicar los conceptos, y seguramente revisando varios textos o artículos, vamos a lograr entender las razones y muchas veces están se deben al concepto no ha sido traducido (Bootstrapping o Simular muestreo, skewness o Asimetría).

El reto esta entonces de leer en inglés y revisar trabajos donde se aplique las técnicas estadísticas que no tienen traducción o esta traducción nos parece que no tiene correlato con lo que hacemos.

La Tesis y la Ciencia

En el momento de hacer la tesis, los estudian­tes de pre y postgrado se desenvuelven con co­modidad en el nivel técnico e instrumental, debido a que es la parte más cercana a la racionalidad instrumental.

Dicha situación, es la que se puede encontrar en diver­sos manuales de meto­dología de la investigación de manera uniforme: poco creativos e innova­dores, y buscan que su fortaleza sea la simplicidad. No se busca que se desarrollen competencias para desempeñarse como investigador científico.

Se pueden encontrar en ellos algunas respuestas o apoyos para avanzar en el diseño de un proyecto de investigación o en su ejecución, pero hasta allí llega su aporte.

Los manuales de metodología de la investigación siguen la ruta de la simplicidad: de lo concreto a lo abstracto, de lo fácil a lo difícil, de la práctica a la teoría, de la parte al todo. Siguiendo esta ruta, no habrá solución al problema de la in­competencia que tiene la mayoría de los egresados, para elaborar y sustentar exitosamente su tesis de grado.

Siendo la Universidad, la institución guía del conocimiento, es necesario se activen foros dentro de su ámbito de acción, para reflexionar y establecer el dialogo de esta problemática, como diario quehacer de docentes y autoridades.

Sabemos que en nuestro país la ciencia está dando sus primeros pasos, y nos falta aún largo trecho para cimentar sus bases, entonces el camino que le falta recorrer a la enseñanza de la investigación científica se vuelve una encrucijada; que nos obliga a asumir la necesidad de buscar la verdad de acuerdo a lo que nos exige el rigor de la ciencia.

Formulación de Hipótesis

Las hipótesis son conjeturas que deben de someterse a prueba empírica, por lo tanto, son guías para una investigación.

Las hipótesis indican lo que se está buscando o tratando de probar y se definen como explicaciones tentativas del fenómeno investigado, formuladas a manera de proposiciones.

Pero no deben formularse de manera superficial, sin análisis previo del conocimientos preexistente, las hipótesis deben surgir con algún tipo de sustento.

Es natural que las hipótesis surjan de la revisión misma de los antecedentes, es decir, afloren cuando el investigador se haya planteado un problema que desea investigar, entonces debe existir, una relación entre el planteamiento del problema, la revisión de antecedentes y teorías, y la formulación de las hipótesis.

La revisión de la bibliografía para determinar el problema que pretendemos investigar, lleva a su planteamiento, después de revisar la literatura y precisar el planteamiento, se definen conceptos, se revisa antecedentes científicos del problema, y de todo ello se derivan las hipótesis.

Los requisitos que deben tener una hipótesis son los siguientes:

• Las hipótesis deben referirse a una situación real, dentro de un contexto bien definido.
• Los términos de la hipótesis deben ser precisos y lo más concretos posibles. Términos vagos o confusos no deben utilizarse en una hipótesis.
• Si es una hipótesis correlacional, debe quedar claro cómo se están relacionando los conceptos. La relación entre variables en una hipótesis debe ser clara y lógica.
• Los términos de la hipótesis y la relación planteada entre ellos deben ser observables y medibles, se debe tener referentes empíricos en la realidad.
• Las hipótesis deben estar relacionadas con técnicas disponibles para probarlas.

Las Hipótesis de investigación pueden clasificarse de la manera siguiente:

• Hipótesis descriptivas
• Hipótesis correlacionales
• Hipótesis de diferencia entre grupos
• Hipótesis de causalidad

Las Hipótesis estadísticas pueden clasificarse de la manera siguiente:

• Hipótesis estadísticas de estimación (descriptivas)
• Hipótesis estadísticas de correlación (correlacional)
• Hipótesis estadísticas de la diferencia de estadísticos (diferencia de grupos)

Las Conclusiones de la Tesis

Cuando alguien se dirige de un lugar a otro, mentalmente lleva ese otro lugar al que se dirige, entonces ¿cómo sabe que ya llego al lugar que se dirigía?; razonando, se puede saber que ya se llegó, por tres razones:

• porque la información que se obtiene se corresponde,
• porque lo que se observa en ese lugar se corresponde; o
• porque lo que se esperaba de ese lugar se corresponde.

Con qué se corresponde?, con la imagen que se ha construido, se corresponde con el deseo que se tenía en términos de cuando llegué a ese lugar voy a .…

Y entonces vendría todo lo demás, a sentir, a localizar, a saber, a cerciorarse, etcétera. Se sabe que se llegó a un lugar, porque hay una correspondencia entre aquello que se tiene enfrente en ese momento y lo que se tenía en la mente una hora antes o varios meses antes; por ejemplo, tu tesis.

Una persona se pone a redactar su tesis y un tiempo después se da cuenta que tiene una gran cantidad de texto elaborado, y se pregunta ¿Cómo saber que ya se terminó de redactar la tesis? Existen tres posibles elementos que ayudan a saber que ya se terminó la redacción de la tesis:

• porque se obtuvo la respuesta a una pregunta que se planteaba al inicio de la tesis, 
• porque se pretendía un producto, el desarrollo de una tecnología, un método, un dispositivo “X” y ya se logró, y se redactó lo que se corresponde con el desarrollo del producto,
• porque entre lo que se pretendía o  se escribió como objetivo al inicio y lo que se ha logrado, establecido o ejecutado, se llevó el camino adecuado, y está escrito; entonces la redacción de la tesis ha terminado.

La redacción de una tesis debe terminar en las conclusiones y las conclusiones deben responder al objetivo.

¿Qué significa la palabra conclusión?, “conclusión” se compone de dos partes “con” y “clusion”; “con” significa “juntos” y para que algo sea junto se necesita dos o más elementos, “con” es un pequeño grupo o un gran grupo. “Clusion” viene del griego “Clóset” qué significa “cierre”. Entonces conclusión es juntos en el cierre o final del discurso o del proceso de razonamiento.

¿“Juntos” qué', juntos los elementos que construyen la idea más importante de ese discurso o la tesis; la redacción de la tesis se termina cuando se logra poner en el sector o capítulo de conclusión todo aquello llevado a cabo, juntos todos los elementos en una sola idea.

¿Cuál idea', la idea más importante que se está aportando, esto será la conclusión, el significado de la palabra conclusión todo esto junto en el cierre o en el final.

La conclusión de una tesis, estará al final de la redacción del informe de tesis y en ese final se estará reuniendo todo lo que construye la idea principal que se está aportando con la tesis, a la idea más valiosa, a la idea que se considera más original, a la idea que se va a defender.

Momentos de la Investigación Científica

La tesis constituye un requisito fundamental y es una exigencia para titularse u obtener un grado académico, pero también es una oportunidad para que el estudiante aplique en forma sistemática y ordenada sus conocimientos, habilidades y destrezas adquiridos en su formación.

La tesis, como trabajo intelectual es una forma de investigación, esto es, un proceso sistemático de ejercicios analíticos que se dan entre un sujeto y un objeto en cuya relación se busca alcanzar un producto científico.

Para comprender el que significa hacer una tesis, se debe revisar los momentos que sigue toda investigación científica. Ellos son: Curiosidad, observación, abstracción, comprobación y producto científico (tesis).

Curiosidad, es el primer momento en la relación sujeto-objeto y que opera en el área cognoscitiva del sujeto cuando entra en contacto con los diversos objetos de estudio. La curiosidad es una luz que surge en el estudiante y que lo predispone para fijar su mente en algún atributo, característica o institución de un objeto determinado. La curiosidad, es consecuencia de varios factores, generalmente, derivados del medio socio-cultural del estudiante y del contacto positivo y orientador de maestros o docentes que innatamente trasmiten entusiasmo y creatividad en los grupos.

Observación, es el momento siguiente y supone una revisión general de la bibliografía sobre el objeto que ha despertado curiosidad o discusiones preliminares con docentes especializados en el tema, con lo cual se va sometiendo una fijación mental el objeto posible, siempre que se inscriba en campos temáticos de interés y que denoten ciertos conocimientos previos.  Se trata de fijar la mente en algo y observarlo detenidamente.

Abstracción, es el momento clave de toda tesis, pues en ella el investigador, conocedor de los principales aspectos del objeto observado, comienza a plantea interrogantes, a elaborar hipótesis de trabajo, es decir, a proyectar senderos posibles, variables a comprobar, pistas de acercamientos que serán la base de toda la investigación y sus posibles productos o metas científicas. En esta etapa, el asesor de la tesis debe jugar un papel sustancial, ya que su conocimiento en el tema, serán la mejor ayuda al estudiante que se inicia en la dura tarea de saber elaborar las hipótesis, pues de ellas depende el resultado final de la tesis.

Comprobación, este momento, denominada por algunos como la parte artesanal de la tesis, supone el someter a comprobación o descarte los elementos o variables contemplados en las hipótesis de trabajo. Aquí se va a trabajar con las técnicas de investigación, que estará determinada por la composición y estructura de las hipótesis o preguntas que se han planteado en la etapa anterior. El estudiante debe recolectar la información pertinente para validar las conjeturas que se planteó en relación con el objeto, materia de su investigación o tesis.

Producto científico (Tesis), es el momento de destino al que se desea llegar en la aventura del trabajo intelectual de una investigación o tesis. La variedad de resultados científicos a alcanzar es ilimitada.

En síntesis, toda tesis recorre los cinco momentos que implica todo proceso científico. 

Criterio 5: El Objetivo de Investigación

El quinto criterio para elegir un procedimiento estadístico para el análisis de datos es el objetivo de investigación. El objetivo de investigación es la traducción operativa del propósito del estudio. El propósito es la intención del investigador, es lo que el investigador desea conocer. Pero cómo se traduce a términos operativos, cómo se va trabajar.

En el nivel exploratorio no se utiliza estadística. Existen diferentes métodos cualitativos para desarrollar el objetivo del estudio. Objetivos que buscan determinar o diagnosticar, no está apoyado en métodos estadísticos.

En el nivel descriptivo aparece la estadística, por eso todos los niveles de investigación desde el descriptivo hacia arriba se denominan cuantitativos. Los objetivos a partir del descriptivo son objetivos estadísticos, porque requieren de herramientas estadísticas para poder ser alcanzado.

Los objetivos de nivel descriptivo son describir y estimar, estos objetivos son univariados, solamente participa una variable en el análisis estadístico.

Los objetivos del nivel relacional, son asociar, correlacionar y comparar, y participan dos variables.

Los objetivos del nivel explicativo son evidenciar, demostrar y comprobar, están enfocados en la relación causa-efecto.

En el nivel predictivo los objetivos son predecir, pronosticar y prever; son objetivos netamente relacionados a nivel predictivo.

En el nivel aplicativo los objetivos son monitorizar o supervisar, que es lo mismo que controlar y calibrar.

Entonces el objetivo va a hacer que el procedimiento sea distinto en cada caso. Pensemos en el objetivo asociar y comparar, y vamos a utilizar la prueba Chi Cuadrado. Existen dos variantes de Chi Cuadrado, se tiene Chi Cuadrado de homogeneidad y Chi Cuadrado de Independencia. ¿Qué diferencia hay entre estas dos pruebas?

El Chi cuadrado de homogeneidad compara dos grupos, por ejemplo dos salones de clases para comparar el rendimiento académico o para ver cuántos aprobados hay en el salón A y cuántos aprobados hay en el salón B, lo comparamos con el Chi Cuadrado de homogeneidad.

En el Chi cuadrado de homogeneidad, hay dos variables participantes hay una variable fija y una variable aleatoria, cuáles son esas variables, el rendimiento académico o el número de aprobados en cada salón, estas variables son de resultado; la conocemos después de que se realiza la recolección de datos; es una variable aleatoria. Pero la variable salón de clases, cuyas categorías son salón A y B, se conoce desde antes.

Si se supone que hay 40 alumnos en cada salón, eso se conoce desde antes, se termina la investigación y sigue los 40 alumnos en cada salón, eso no cambia, porque es una variable fija. Entonces en la comparación con Chi cuadrado de homogeneidad hay una variable fija y una variable aleatoria.

El Chi Cuadrado de independencia es distinto, el Chi Cuadrado de Independencia tiene dos variables aleatorias, entonces esto es como asociar el hábito de fumar con el consumo de alcohol, no se sabe si de 200 personas que voy a visitar, no se sabe cuántas fuman, recién se va a conocer cuando sean visitadas. No se sabe cuántas consumen alcohol, se va a conocer cuando las visite. Entonces las dos variables son aleatorias, porque todavía no se conoce el resultado de ninguna de estas dos mediciones que recién se van hacer, en cambio en la comparación de aprobados en los dos salones de clases se sabía que habían 40 alumnos en cada salón, desde antes de ejecutar la investigación. El porcentaje de aprobados eso no se sabe, es una variable aleatoria.

El algoritmo de Chi cuadrado de homogeneidad y el Chi cuadrado de Independencia, es el mismo; los objetivos de las investigaciones son distintos y las interpretaciones son distintas, el nivel de investigación es el mismo, es la relación entre variables. Se habla de dependencia probabilística entre dos variables pero la interpretación ciertamente va a ser distinta, porque por el objetivo estadístico de la investigación no es lo mismo, comparar y asociar.

Criterio 3: El Diseño de Investigación

El tercer criterio para elegir un procedimiento estadístico para el análisis de datos es el diseño de investigación. Un diseño de investigación requiere un plan, este plan debe ser específico y sólo sirve para la investigación que se estudia. Por tanto habrá tantos diseños como estudios de investigación se realicen. Sin embargo, hay esquemas y formatos que se pueden adaptar realizando ajustes convenientes.

Si se quiere utilizar el diseño de casos y controles, pero no como está descrito en un libro, se realiza los ajustes necesarios para cumplir con el propósito del estudio que se realiza. Al aplicar un diseño de cohortes o un diseño de Focus Group, cualquiera que sea el diseño que se elija, se tienen que hacer ajustes, porque cada diseño responde a una idea específica. En realidad diseñar significa elaborar un plan para una idea de investigación, los diseños de investigación no se eligen, se crean; casi siempre se parte de esquemas que ya existen.

Los diseños en investigación más conocidos que existen dependen de su origen, tenemos a los diseños epidemiológicos, comunitarios o ecológicos, los diseños experimentales y los diseños de validación instrumentos.

Los diseños epidemiológicos se originaron en las ciencias de la salud, pero no son exclusivos para el uso en el campo de la Salud, si un diseño epidemiológico se acomoda a una idea de investigación, se puede utilizar, aunque no estemos investigando en el campo de la salud.

En los diseños epidemiológicos se tienen los estudios descriptivos de prevalencia e incidencia, estos son términos epidemiológicos, pero aplicables a otros campos de las ciencias. Investigar la prevalencia de una enfermedad implica diseñar un estudio de manera observacional, retrospectiva, transversal y descriptivo; se puede hacer uso de los diseños de acuerdo al propósito del estudio. El diseño de incidencia es un estudio observacional, prospectivo, longitudinal y descriptivo.

El diseño epidemiológico de casos y controles es observacional, retrospectivo, transversal y analítico. El diseño de cohortes es muy similar, pero es transversal y prospectivo. Lo que tienen en común es que son estudios analíticos y observacionales, no se realiza experimento.

En los casos mencionados, cómo interviene el análisis estadístico? El riesgo relativo se calcula para el diseño de cohortes y el odds-ratio para el diseño de casos y controles, ya que para estudiar a los factores de riesgo se debe hacer un diseño de cohortes. Pero si no se puede hacer un estudio prospectivo, se puede hacer un estudio retrospectivo de casos y controles, los resultados que se van a encontrar serán muy similares al diseño de cohortes.

Dentro de los diseños epidemiológicos, también se tiene a los estudios experimentales, que en salud se le denomina el ensayo clínico, el ensayo clínico es un conjunto de diseños que tiene cuatro fases: la primera y la segunda pertenecen al nivel explicativo, la tercera al nivel predictivo y la cuarta pertenece al nivel aplicativo. El ensayo clínico es en cierta manera un diseño complejo.

Los diseños comunitarios o ecológicos surgen en el campo de las ciencias sociales, ya que en las ciencias sociales se investiga y analiza el conjunto o la comunidad. En las ciencias sociales se habla de sociología y de antropología, la sociología estudia la comunidad y la antropología estudia el individuo.

En los diseños comunitarios o ecológicos, se tiene la experiencia de estudios y conocimiento sobre investigación cualitativa de nivel exploratorio, cuando se realiza estudios de esa naturaleza, los procedimientos analíticos empiezan a cambiar de una y otra forma.

Por ejemplo, si se realiza el estudio acerca del nivel de conocimientos que tiene una población sobre la prevención de una enfermedad, entonces se toma una muestra de 80 personas, se les aplica una evaluación pretest, luego se desarrolla una campaña sobre la población para educarlos acerca de la prevención de la enfermedad. Luego se vuelve a tomar una muestra de esa población de 80 personas, y se realiza una medición posterior.

En la situación descrita, cuál es la procedimiento estadístico que se debe desarrollar, teniendo en cuenta que la variable evaluada es categórica? Se piensa que el procedimiento es la prueba de Mc Nemar, es el antes y después. Si la variable fuera numérica, se aplica t de Student, para muestras relacionadas, pero sólo funciona cuando la unidad de estudio es el individuo. La prueba Mc Nemar y t de Student para muestras relacionadas, mide la variación del mismo individuo; en cambio cuando se estudia toda la población, se toma una muestra de esta población, se hace una intervención, se vuelve a tomar una muestra de la misma población, pero no son los mismos individuos; entonces, no se puede aplicar Mc Nemar, ni tampoco t Student para muestras relacionadas. Se tendría que aplicar una comparación con Chi cuadrado de homogeneidad o la t de Student para muestras independientes y se asume que la diferencia se debe a la intervención, ya que la unidad de estudio es todo el conjunto de la población.

Los procedimientos analíticos de Mc Nemar y t de Student para muestras relacionadas, se aplican única y exclusivamente cuando la unidad de estudio es un individuo y aquí debemos remarcar que todos los diseños experimentales son estudios a nivel individual.

Los diseños experimentales se caracterizan por la intervención y el control. El análisis estadístico tiene lugar sí se tiene dos controles, es decir el grupo de casos (grupo experimental) y el grupo Control; o si se tiene dos mediciones, la medición antes y la medición después. Si se tiene ambas situaciones se está frente a un experimento verdadero.

Si no se tiene el grupo Control, entonces se está frente a un cuasi experimento y si no se tiene la medición antes, se está frente a un pre-experimento. Estas situaciones hacen que el análisis estadístico sea ciertamente distinto en cada caso. Porque si se tiene un grupo experimental, se tiene un grupo blanco o grupo control y luego se realiza una medida basal y luego se realiza una medida después de la intervención; entonces el análisis estadístico consiste en hacer una diferencia entre la medida final y la medida inicial en cada grupo y comparar esas diferencias con t de Student para muestras independientes.

Pero si se elimina un grupo y solamente se tiene el grupo experimental, es cuasi experimento, entonces se aplicará t de Student para medidas (o muestras) relacionadas, o medidas repetidas. Qué pasa si se tiene los dos grupos, el grupo experimental y el grupo blanco, pero no se tiene la medida previa, sólo se tiene una medida, el experimento es transversal; entonces sólo queda comparar estos dos grupos, con t de Student para muestras independientes.

Pero qué sucede si se tiene tres grupos, dos grupos experimentales y un control o un grupo experimental y dos controles, entonces se aplica el análisis de la varianza, si sólo se tuviera un factor, análisis de la varianza unifactorial. Todos estos procedimientos corresponden a los diseños experimentales.

Se puede utilizar estos procedimientos analíticos en datos que no corresponda a un experimento, por supuesto que sí. Estas herramientas surgieron en el campo de las ciencias experimentales, pero no son de uso exclusivo. Se puede realizar el análisis factorial univariante, multivariante, el análisis de la covarianza, el análisis en bloques; todos estos procedimientos, en un estudio que no sea experimental, si se hace los ajustes convenientes

Utilizar un diseño experimental no significa que el estudio es experimental, se puede hacer un estudio observacional y se puede aplicar este esquema del análisis de la varianza con un factor o factorial, si se acomoda a lo datos y al propósito del estudio que no es experimental. Un estudio experimental y un diseño experimental no es lo mismo, no son sinónimos. Los diseños experimentales son esquemas metodológicos y analíticos que se pueden utilizar donde se requiera, ya que son esquemas metodológicos y analíticos.

El diseño de validación de instrumentos estudia la creación y validación de un instrumento de medición documental. Cuando se elabora un instrumento, se estudia el instrumento no a los individuos se toma a los individuos nada más para evaluar las propiedades métricas del instrumento, lo que se valida es el constructo, el concepto, el contenido, no el individuo, usuario o cliente. Por eso, cuando se hace la prueba piloto, el muestreo es según criterio, muestreo no probabilístico. Igual, cuando se busca jueces para juicio de expertos, se elige el número de jueces que se crea conveniente.

Entonces en la validación de instrumentos tiene que ver más con el concepto que se está tratando de evaluar, no es lo mismo evaluar la depresión que el estrés laboral, la felicidad o el rendimiento académico, son las variables subjetivas que se estudian con la validación de instrumentos.

Los instrumentos en investigación científica son de dos tipos de instrumentos: mecánicos y documentales los instrumentos mecánicos sirven para medir variables objetivas, como peso, talla, longitud, masa tiempo, es decir dimensiones físicas y los instrumentos documentales están destinados a medir magnitudes lógicas de las unidades de estudio, que se supone que las poseen, como rendimiento académico, estrés laboral, calidad. No se miden con un aparato, se debe construir un instrumento, este instrumento se construye y queda un documento o instrumento y luego este instrumento se valida, evaluando sus propiedades métricas.

Entonces para medir una variable subjetiva a lo largo de nuestra línea de investigación, se debe crear un instrumento y validarlo; de eso trata el diseño de la validación de instrumentos. Por eso para validar los instrumentos, se toma una muestra no probabilística, y todos los procedimientos analíticos necesarios son distintos.