123
Universidad Nacional Autónoma de México Instituto de Investigaciones en Matemáticas Aplicadas y en Sistemas (IIMAS) Filosofía, Metodología de Investigación y Estadística Dr. Ignacio Méndez Ramírez 1 Reunión en La Universidad Autónoma Metropolitana Xochimilco 2 y 3 de junio 2014

Seminario metodología de la investigación científica

Embed Size (px)

Citation preview

Universidad Nacional Autónoma de México

Instituto de Investigaciones en Matemáticas Aplicadas y en Sistemas

(IIMAS) Filosofía, Metodología de Investigación y Estadística

Dr. Ignacio Méndez Ramírez

1

Reunión en La Universidad Autónoma Metropolitana Xochimilco

2 y 3 de junio 2014

2

1.- Hacer ciencia es ser totalmente objetivo

3

2.- Las estaturas de los seres humanos tienen distribución

normal

4

3.- En una investigación se tienen dos grupos de personas, uno realizó ejercicio físico vigoroso EFV, durante un año y el otro (testigo o control) no lo hizo. Al término del año se midieron los ácidos grasos en suero.

Los resultados son:

Se efectúa una prueba de “t” y se tiene P <0.001.

Se concluye “el EFV disminuye los valores de ácidos grasos”.

Grupo n Media Desv. Est.

EFV 100 12.3 2.8

Control 100 18.6 3.1

5

La respuesta en las tres preguntas es . NO

Es necesario evaluarlas a la luz de consideraciones filosóficas, metodológicas y estadísticas.

6

En todo trabajo de Investigación, se tiene un marco epistémico.

En muchas áreas de investigación “tradicionales” como la Biología, Medicina, Agronomía, etc., este marco es tácito, es decir, se asume inconscientemente.

7

Además es muy común que sea un marco totalmente erróneo,a partir de la filosofía del Positivismo o Empirísmo Lógico.

El uso de este marco hace que la investigación sea muy rígida, pretendiendo ser totalmente objetiva y racional.

Los filósofos modernos han rechazado unánimemente este marco epistémico, y han postulado entre otras cosas, que la ciencia no es totalmente objetiva, que hay actos en el proceso de investigación científica, que no pueden ser justificados totalmente de forma racional.

8

<Positivismo>

*Objetivo

*Empírico

*Racionalidad en el método

*Reduccionista

*Certeza.

*La Matemática es la realidad

*Causalidad Determinística

Realismo Crítico.

*Objetividad intersubjetiva

*Constructivismo

*Racionalidad en el científico

*Sistémico

*Minimizar errores

*La matemática aproxima la realidad

*Causalidad Probabilística

¡Ya sé como

es!

¡Así se debe

hacer!

Tengo una teoría que funciona

bien.

Este método

funciona

9

10

Mario Bunge “ Crisis y reconstrucción de la filosofía” Gedisa 2002

Los seres humanos y sus subsistemas y supersistemas

Sistema mundial

Grupos Sociales

Individuos

Supersistemas pe. SNC

Organos pe. hipotálamo

Microsistemas pe. minicolumnas corticales

Células pe. Neuronas

Orgánulos pe. cromosomas

Moléculas pe. ADN

átomos, pe. Ca

Particulas Elementales y campos

Sociedades Niveles sociales

Niveles Biológicos

Niveles Químicos

Niveles físicos

11

Un nivel de organización es una colección compuesta por todas las cosas materiales caracterizadas por propiedades peculiares ( en especial leyes)

Decimos que las propiedades de las cosas del enésimo nivel que no están presentes en los niveles inferiores son propiedades emergentes específicas del enésimo nivel

Cualquier cosa perteneciente a un nivel determinado, esta compuesta por cosas que pertenecen a niveles inferiores.

Moraleja Metodólogica :

1.- Identificar el nivel o niveles atravesados por su objeto de estudio.

2.- No saltear niveles.

3.- Reconocer la genealogía de los nivles superiores

Holismo, Análisis, Síntesis y Enfoque multinivel

12

Durante mucho tiempo, desde el renacimiento hasta mediados del siglo xx, prevaleció la idea de que la ciencia es empírica, objetiva y racional. Ahora se reconoce que el juicio personal es muy importante durante todas las fases del proceso investigativo. Sean estas las de construcción de teoría, formulación de hipótesis, diseño, análisis o interpretación de resultados.

No se puede ser totalmente objetivo Todos los Hechos

tienen carga teórica. Constructivismo.

Formas “ Humanas “ de pensar y percibir.

Se capta lo que se conceptualiza.

Hay que creer para ver. Primero la teoría

Hay que ver para creer, los creadores de nuevas teorías.

13

Construcción de teoría.

Se postulan conceptos y ligas entre ellos.

Se obtienen consecuencias verificables.

Se contrastan las deducciones con las observaciones.

La estadística compara resultados esperados según un modelo, con los observados

14O vs E

CienciasFácticas Formales

15

Elementos : Células, familias, personas,

árboles, etc...

Propiedades: Descubrir, Conceptuar y medir.

Asociación o causalidad: a una

propiedad se acompañan otra(s)

Elementos : Puntos, espacios, vectores,

funciones, etc...

Propiedades: Definirlas, son los axiomas.

Teoría: consecuencias lógicas de los axiomas.

Modelos Matemáticos

CORRESPONDENCIA

16

Epistemología, Metodología científica

Ciencia Formal

17

Sean ni observaciones iid de una variable binaria (Bernoulli),

tomadas de poblaciones con parametros Pi la probabilidad de 1. Las

poblaciones indexadas con i , quedan definidas por X1i, X2i, ...Xpi

pijpijiji

i XXXP

P

...1

ln 22110.

pijpijij XXXie

P ...221101

1

Yinii

Yii

n

i

Yini PPL

1)(1

2.

1 1 1

ˆ1ln)1(

ˆln2 pn

ij

iij

ij

iij

t

i

n

j Y

PY

Y

PYD

i

Función de verosimilitud

pijpijij XXXie

P ˆ...ˆˆˆ221101

ni son muestras de poblaciones de pacientes de cáncer de próstata

definidas por: X1: Rx +, X2 :Etapa del Cáncer , X3: Grado del cáncer , X4: Edad del paciente, X5 : fosfatasa ácida ; Pi probabilidad de que un

paciente desarrolle metástasis. La fosfatasa X5 ,es un buen predictor de metástasis.

Modelo para Pi

Estimadores

Medida del ajuste de los datos al modelo

APLICACION

Modelo Logístico

18

Sea el conjunto de elementos (X1, X2, X3, ...,Xn), con

nipX i ,...2,1;1,..2,1,0

np

Una partición del conjunto en p subconjuntos de elementos c/u, se obtiene con:

1np

)mod(0...332211 pXXXX nn )mod(1...332211 pXXXX nn

)mod(1...332211 ppXXXX nn .........

)1...2,1,0( pcon iAl menos una diferente de cero y la primera igual a 1

i

Al hacer variar las sobre todos sus posibles valores, se obtienen i

11

ppn

particiones. Además éstas son ortogonales entre si; es decir cualesquiera dos particiones de manera simultanea generan una nueva partición en subconjuntos cada uno con elementos.

2p2np

Una aplicación es para formar diseños en cuadros latinos y grecolatinos. Otra es cuando se refiere a experimentos factoriales con n factores con p niveles cada uno, poder descomponer los -1 grados de libertad y sumas de cuadrados en efectos ortogonales. A partir de ésto se planean esquemas de confusión y experimentos factoriales fraccionales. Esto ha tenido y tiene un gran uso en experimentación agronómica e industrial

np 1

1

p

pn

APLICACION

Con p un número primo

Teoría de Grupos. Campos de Galois

La estadística cuando se aplica a otra disciplina, lo que pretende es contribuir a que el conocimiento que se adquiere sobre un aspecto de la realidad, esté en la medida de lo posible libre de errores, o que éstos sean pequeños.

Representación

19

20

El uso de los modelos en el trabajo de investigación se da de acuerdo al esquema siguiente:

Epistemología, Metodología Estadística y las Ciencias Fácticas

Para contribuir al objetivo de tener conocimiento válido (libre de errores y sancionado por la comunidad de científicos), es necesario contemplar los aspectos epistemológicos de las disciplinas involucradas, diseñar la forma de captar la información más económica, factible y además que sea “científica” en el sentido de minimizar errores.

21

Cita

"Modern statistics--concerned with discovering patterns and structures in nature, with unearthing relationships which defy unaided perception and with providing powerful tools for us to improve our understanding of the world around us-- ought to be regarded by the general public as one of the most exciting of disciplines."

David J. Hand. ”Breaking misconceptions-- statistics and its relationship to mathematics”

The Statistician, 1998: 47, pert2, pp. 245-250

22

“La estadística moderna encargada de descubrir patrones y estructuras en la naturaleza, de desenterrar relaciones que desafían la percepción normal y de proveernos con herramientas poderosas para que mejorar el entendimiento del mundo que nos rodea debería ser considerada por el público en general como la más excitante de las disciplinas”

23

Los razonamientos con consideraciones estadísticas intervienen en todas las etapas del proceso investigativo.

El estadístico debe entender y colaborar en todos los aspectos de la investigación.

Es un científico más de un grupo de trabajo

24

ASPECTOS EPISTEMOLÓGICOS .- Interesa principalmente cómo es el mundo y no

tanto por qué es así..- El encontrar, cómo es el mundo, tiene relación

con la explicación de por qué es así..- En la medida de tener mejores explicaciones, se

pueden encontrar nuevas regularidades, esto constituye el complejo teórico metodológico con el que construimos el conocimiento.

.- No hay objetividad Absoluta. Hay Objetividad intersubjetiva.

.- La matemática está en la mente, no en la realidad. Ningún modelo es “verdadero”, pero hay algunos muy útiles.

25

26

METODO CIENTIFICO Una visión operacionalGuias generales,retroalimentación , busqueda de

coherencia entre etapas• Problema preliminar• Objetivos, justificación • Definición de variables• Hipótesis preliminar• Revisión conceptual • Problema • Redefinición de variables• Hipótesis• Revisión de métodos• Diseño• Conducción• Análisis y síntesis• Interpretación y discusión• Conclusiones y recomendaciones• Reporte.

27

28

DISEÑO• Elementos por estudiarse (sujetos, unidades)• Criterios de inclusión y de eliminación.• Forma de obtener los elementos (muestreo)• Estructura de la investigación:• Experimental u observacional• Prospectivo o retrospectivo• Longitudinal o transversal• Descriptivo o comparativo• ¿Qué, cómo, cuándo, con qué medir?• Formas de captación• Tamaño de muestra• Validez externa (extrapolación)• Validez interna (control factores confusores)• ¿Estudio piloto? Objetivo• Logística

Libro. “Protocolo de

Investigación”.Méndez y cols.Trillas. Mexico

29

MEDICIONMedir es tipificar o caracterizar un propiedad en un elemento de estudio. Previamente se debe conceptualizar la propiedad por medirse y obtener un indicador mediante una operacionalización

XX1 X2 ... Xn

CONCEPTO

INDICADORES

VALIDEZ O EXACTITUD Es el hecho de que el indicador refleje la riqueza del concepto, que lo represente sin error

CONFIABILIDAD O PRECISION Es que en diferentes circunstancias las mediciones de un mismo elemento no cambien, o lo hagan poco.

Primero los conceptos y luego las variables a

medir

Deductivo (Válido Popper)

30

Análsis de Factores Es una técnica estadística que postula conceptos inferidos a partir de las observaciones en varias variables. Las llamadas variables latentes.

X Y ZX1 X2 ... Xn

CONCEPTOS

INDICADORES

Primero las

variables y luego los conceptos

Inductivo (Inválido Popper)

31

Elaboración de proyectos

n -- Se pueden considerar dos ciclos ligados en el proceso de elaboración de un proyecto (protocolo).

n Ciclo 1.- Problema – Marco Teórico – Hipótesis – Variables.

n  Ciclo 2.- Hipótesis – Diseño - Poblaciones, métodos de muestreo, mediciones, intervenciones, seguimiento.

-- Antes de realizar una investigación, se debe efectuar una crítica fuerte a todo el proyecto. Se busca coherencia entre las partes y la minimización de errores

32

METODO CIENTIFICO.GUIA, PASOS, REALIMENTACIÓN

PRIMER CICLO : PROBLEMATIZACIÓN , HIPÓTESIS

PROBLEMA

OBJETIVOS

HIPOTESIS

CONCEPTOS Y

VARIABLES

33

METODO CIENTIFICO.GUIA, PASOS, REALIMENTACIÓN

SEGUNDO CICLODISEÑO

HIPOTESIS

VARIABLES

RECURSOS

DISEÑO

34

El ser humano esta programado (hard -wired) para ver un patrón aun que no sea real. Es una característica de los sobrevivientes. Vemos tigres en la floresta. Y también los niños ven tigres en las sombras en la pared. Aparecen patrones en fenómenos puramente aleatorios. Esos patrones son reales para el cerebro en el sentido que se pueden reconocer sus características y se pueden reproducir. Sin embargo, esos patrones son (i) efímeros, y (ii) no nos dicen nada útil sobre el problema en estudio. En otras palabras. No tienen sentido. Parte de nuestro razonamiento con los modelos aleatorios es que decimos que no clasificamos ningún comportamiento de los datos como “permanente” si se parece mucho a algo que puede ocurrir frecuentemente bajo un modelo puramente aleatorio. Pretendemos modelar lo que no es aleatorio, lo que se dará de la misma manera o casi, de una muestra a otra, por que consideramos que refleja la población y con ella la realidad en otros casos semejantes al estudiado.

VALIDEZ EXTERNA.REPRESENTATIVIDAD DE LAS MUESTRAS

35

POBLACION

MUESTRA

La distribución de las variables de interés en el estudio es aproximadamente la misma en la población y en la muestra

Xi

Xi

f(Xi)

f(Xi)

36

VALIDEZ EXTERNA.Muestreo de la Población. Se toman al azar n

elementos de la población

POBLACION

MUESTRA

La distribución de las variables de interés en el estudio es aproximadamente la misma en la población y en la muestra

Xi

Xi

f(Xi)

f(Xi)

Ajustes analíticos para acercar a la representatividad. Factores de expansión, razones, postestratificación

P

limn p P

p

VALIDEZ EXTERNA.Muestras disponibles. A partir de un grupo

de n elementos disponibles se define la población.

37

POBLACION

MUESTRA

La distribución de las variables de interés en el estudio es aproximadamente la misma en la población y en la muestra

Xi

Xi

f(Xi)

f(Xi)

Criterios de inclusión, exclusión, eliminación, variables básicas

Tipos de diseños, mediciones, modelos, supuestos, análisis,

etc..

Problema, marco teórico, hipótesis. Conceptos, objetivos,

poblaciones, elementos, etc.Encuestas, cohortes, experimentos, etapas,

estratos, bloques, apareamiento, modelos de

regresión logísticos, generalizados, discriminante,

factores, ecuaciones estructurales, etc

Instrumentos, limitaciones prácticas, trabajo de campo,

tiempo, dinero, etc.

38

Realización de la investigaciónConducción – Obtención de Información- Análisis

Exploratorio – Construcción, verificación y selección de modelos – Interpretación – Discusión – Conclusiones y recomendaciones – Reporte.

Hay indivisibilidad del método de estudio con las explicaciones (teoría) que se tienen sobre el propio objeto estudiado.

Método Teoría

Objeto Teoría

Interpretación 39

La visón rígida de la ciencia positiva y su adhesión en forma acrítica produce:

.- Poca creatividad en la metodología.

.- Se copian diseños y procedimientos.

.- Búsqueda de objetividad, que puede paralizar.

.- Fe ciega en la matemática.

logP/(1-P) = XB40

Enfoque dogmático en Agronomía:n=4 es parte del método científico.Un experimento busca minimizar el error experimentalUso de bloques frecuentemente inadecuadoPara cualquier experimento un coeficiente de

variación mayor a 20% indica que está mal el estudio.Un tamaño óptimo de parcela experimental para un

cultivo, válido para todo tipo de tratamientos y condiciones de experimentación. Pseudorepetición

Uso dogmático (mágico) del 5% de significaciónNo hay crítica para los diseños y los análisisLa distribución normal existe en la naturaleza

¡Buen Experimento!

41

42

Guias generales,retroalimentación , busqueda de coherencia entre etapas

• Problema preliminar• Objetivos, justificación • Definición de variables• Hipótesis preliminar• Revisión conceptual • Problema • Redefinición de variables• Hipótesis• Revisión de métodos• Diseño• Conducción• Análisis y síntesis• Interpretación y discusión• Conclusiones y recomendaciones• Reporte.

MÉTODO CIENTÍFICO Una visión operacional

2. Las estaturas de los seres humanos tienen distribución normal

Con elevada frecuencia biólogos, matemáticos, médicos, agrónomos, etc. ; con menor frecuencia sicólogos, sociólogos, etc., contestan Verdadero

0)0( YP

Niños

HombresMujeres

La Normal es una propiedad objetiva de la naturaleza,

existe por si sola. Sólo hay que descubrirla.

¡Existe una estatura negativa! Se ignora el diseño, ¿a qué población de humanos se

refiere? ¿todos los que existen? ¿a mujeres de 30 a

50 años , clase media, que viven en México, D.F.?

Basquetbolistas 43

)/()/( noXYPXYP

X1

X2

X3

Xk

Y2

Y1

Y3

Yp

44

45

H ~ Hipótesis

D ~ Diseño

E ~ Esperado

SA ~ Supuestos Adicionales para el funcionamiento de H con diseño D. 46

Práctica: D: ocurre O (Resultado Observado)

¿Concordancia (contrastación) E con O?

*

a).- Concuerdan E con O : se apoya H

b).- No concuerdan E con O : No se apoya H

¿Cómo se define la concordancia?

Teoría: H, D, SA E*

47

3. En una investigación se tienen dos grupos de personas, uno realizó ejercicio físico vigoroso EFV, durante un año y el otro (testigo o control) no lo hizo. Al término del año se midieron los ácidos grasos en suero.

Los resultados son:

Se efectúa una prueba de “t” y se tiene P <0.001.

Se concluye “el EFV disminuye los valores de ácidos grasos

Grupo n Media Desv. Est.

EFV 100 12.3 2.8

Control 100 18.6 3.1

48

Con elevada frecuencia biólogos, matemáticos, médicos, agrónomos, etc. ; con menor frecuencia

sicólogos, sociólogos, etc., contestan : Verdadero

49

3. En una investigación se tienen dos grupos de personas, uno realizó ejercicio físico vigoroso EFV, durante un año y el otro (testigo o control) no lo hizo. Al término del año se midieron los ácidos grasos en suero. Preguntas Básicas

¿ Cómo eran las personas en características inherentes a ellas, tales como sexo, edad, tipo de alimentación, raza, estado de salud, etc.?

¿Cómo se asignó el EFV? ¿Lo eligieron las personas, fue con incentivos, fue al azar, etc.?

¿Cómo se define EFV y NoEFV?

¿En qué condiciones se realizó el EFV y el noEFV, cambios climáticos, de salud, de organización, sociales, alimenticios, etc?

¿Cómo se midieron los ácidos grasos, fue igual para ambos grupos? 50

Deducción:

51

Grupo Media

EFV 12.3

Control 18.6

P <0.001

Observado después del diseño D.

O?

52

Grupo Media

EFV 12.3

Control 18.6

P <0.001

53

Ocurrió lo esperado, O cercano a E

¿ se acepta o apoya H??

No tan rápido

¿ qué papel juega?

Explicaciones alternativas A, B,...Q. Niegan H, y explican la cercanía de E con O de otro modo. Son “de Nulidad”

Teoría:

H, D, SAH E

Q, D, SAQ E

B, D, SAB EA, D, SAA E

.................

Práctica: D ocurre O

a) Concuerdan O con E. Se apoyan H, A, B, ... Q

b) No concuerdan O con E. No se apoyan H, A, B, ... Q.54

Explicaciones alternativas A, B,...Q. Niegan H, y explican la cercanía de E con O de otro modo. Son “de Nulidad”

Grupo Edad Media

EFV 20-25 años 12.3

Control 47-68 años 18.6

Ac. grasos

edad

EFV o no

SA: Supuestos adicionales: La edad y el EFV están asociados. La edad produce cambios en ác. Grasos. La edad es un Factor de Confusión en la relación EFV Ac grasos

55

Explicación alternativa: Las diferencias en ac. grasos de deben a la edad y no al EFV

56

Hipótesis de Causalidad:X produce cambios en Y

Y x C es Factor de Confusión,

si cumple: 1).- C se asocia con X,además 2).- C produce cambios en Y

y x

C

Etapa de planeación: Cambiar el diseño D o cambiar la hipótesis empírica H, de manera que los SA de las explicaciones alternativas, no operen, o sean improbables.

Etapa de análisis y discusión: Mostrar debilidad teórica, poca plausibilidad o imposibilidad de los SA de las explicaciones alternativas.

57

“Control” de factores de confusión

58

1. Homogeneización.- Que los factores de confusión no varíen en todos los elementos del estudio.

2. Formación de bloques o estratos homogéneos.- Comparaciones dentro de los bloques y sus promedios. No interacción.

3. Aleatorización.- Se asignan al azar a los elementos de estudio las variantes del posible factor causal o tratamientos. Tiende a homogenizar la distribución de todas las variables presentes en los elementos de estudio.

4. Análisis estadístico:- Se modela la influencia conjunta de tratamientos y factores de confusión. Se obtienen los “Efectos ajustados”

3.En una investigación se tienen 200 hombres de 25-50 años, se asignan al azar 100 de ellos para que se sometan a ejercicio físico vigoroso (EFV), durante un año y el resto (testigo o control) no lo haga (noEFV).

Se vigila que las condiciones de vida sean semejantes en ambos grupos durante el año.

Al término del año, de cada individuo se toma una muestra de sangre y se congela de inmediato, para que en todas después del mismo tiempo de frío y con los mismos instrumentos se miden los ácidos grasos en suero.

59

Con elevada frecuencia biólogos, matemáticos, médicos, agrónomos, etc. ; con menor frecuencia sicólogos, sociólogos, etc., contestan : Verdadero

60

Explicación alternativa A.- Hipótesis de Nulidad Estadística

No es cierta H y ocurre O “cercano” a E por azar.

SAA hay variación natural en ác. grasos en los humanos, aunque sean semejantes (la misma población), pueden darse por azar promedios bajos en los de EFV y altos en los de noEFV. Ambos grupos son muestras de la misma población de sujetos.

61

.....

EFVμ

Explicación alternativa A: noEFVEFV μμ Se espera que los promedios muestrales sean iguales, EA

noEFVEFV YY Se efectúa el diseño, D y se obtiene O (observado):

)()( EODifEODifYY AnoEFVEFV

.....noEFVμ

62

Se mide

Yi

Ac graso Se mide

Yi

Ac graso (Riqueza conceptual: poblaciones, medias poblacionales, etc.)

[Y1,Y2, ….Yi….Yn....][Y1,Y2, ….Yi….Yn....]

¿La discrepancia entre O y EA, Dif, es compatible con la hipótesis alternativa del Azar , A?

¿La discrepancia entre YEFV y YnoEFV es factible o probable por azar o es improbable.?

Fisher: 0.05 o 0,01

63

De las posibles Explicaciones alternativas A, B,...Q. Niegan H, y esperan E de otro modo.

Son “de Nulidad”, si hay significancia estadistica, se considera que A: “El azar produce E” esta eliminada, pero subsisten B,...Q

64

65

Se considera que la diferencia entre O y EA no puede

ocurrir fácilmente (es Improbable) si es cierta la explicación alternativa; que el azar opera para producir O cercano a E , sin que sea cierta H.

Hay incompatibilidad de O con EA , se considera que A no

es factible. Esto de ninguna manera implica que se apoya H, y mucho menos que ”H es cierta”. Simplemente se eliminó una explicación alternativa, (el azar) pero puede haber otras muchas.

noEFVEFV Se considera que :

Pero no se sabe a qué se debe la diferencia

Teoría:

H, D, SAH E

Q, D, SAQ E

B, D, SAB E

A, D, SAA E Improbable

..........

La significancia estadística sólo eliminó una explicación alternativa, el azar.

¡Sólo esto!

Subsisten explicaciones alternativas (B, …, Q) 66

67

Comparación de Paradigmas Epistemológicos

POSITIVISMO Objetivo Empírico Racionalidad en el

Método Reduccionista Certeza La Matemática está en

la realidad Causalidad

determinista

NUEVA FILOSOFIA Objetividad

Intersubjetiva Constructivismo Racionalidad en el

científico Sistémico Minimizar errores La Matemática aproxima

la realidad Causalidad Probabilística

Paradigmas

Cuantitativo Cualitativo

OntológicoRealidad Objetiva y Singular

Realidad Subjetiva y Múltiple, según los participantes

EpistemológicoEl investigador es independiente del objeto

El investigador interactúa con el objeto

AxiológicoInsesgado y sinvalores

Sesgado y con carga valorativa

Paradigmas

Cuantitativo Cualitativo

Lenguaje

•Formal•Definiciones previas•Impersonal

•Informal•Decisiones por desarrollar•Personal

Proceso de Investigación

•Deductivo•Causa y Efecto•Diseño Estático•Libre de Contexto•Generalizaciones para predicción, explicación y entendimiento•Confiabilidad•Casos múltiples

•Inductivo•Multifactorial y simultáneo•Diseño emergente•Categorías que surgen en Contexto•Patrones y teorías para entender •Validez•Estudio de Caso

Paradigmas

Cuantitativo Cualitativo

Experiencia y entrenamiento del Investigador

Habilidad técnica, computación estadística

Habilidad literaria, Computación para análisis de textos

Aptitudes psicológicas

• Adaptado a reglas y guías

• Baja tolerancia a la ambigüedad

• Adaptado a falta de reglas o guías

• Alta tolerancia a la ambigüedad

Paradigmas

Cuantitativo Cualitativo

Naturaleza del problema

• Confirmar teoría• Estudiado previamente• Variables conocidas • Teorías existentes

• Investigación exploratoria• Variables desconocidas• El contexto es importante• Puede no existir teoría

básica

Paradigmas

Cuantitativo Cualitativo

Aspectos Metodológicos

• Experimentos: Aleatorización, Homogeneización, Bloques

• Estudios Observacionales: Modelos, Efectos ajustados

• Causalidad Probabilística

• Inferencia sobre poblaciones

• Grupos de enfoque• Entrevistas a

profundidad• Observación participante• Interpretación de textos• Motivaciones, deseos• Variables relevantes por

descubrirse• Casos particulares

SINTESIS DE PARADIGMAS (complementariedad)

Cuantitativo Cualitativo

• Las conclusiones estadísticas son para promedios o proporciones• Se detectan las tendencias

generales• Se aplican a un individuo o

elemento, las conclusiones de la población a la que pertenece

• Se descubren las particularidades de un elemento• Se interpretan dentro de la

tendencia general los aspectos particulares o la forma, y quizá el porqué de las desviaciones de la tendencia

Dra. Ana Moreno Coutiño

Tashakkori Abbas and Charles Teddlie “Mixed methodology. Combining Qualitative and Quantitative Approaches”. Applied Social Research Methods Series. Volume 46. . Sage Publications 1998

Isadore Newman and Carolyn R. Benz. “Qualitative-Quantitative. Research Methodology. Exploring de Interactive Continuum”. Southern Illinois University Press. 1998

John W. Creswell “ Research Design. Qualitative, Quantitative and Mixed Methods Approaches”. Sage Publications 2003

Tres libros del enfoque mixto

SINTESIS DE PARADIGMAS (complementariedad)

Cuantitativo Cualitativo

• La presencia de interacciones múltiples , y entre diversos conceptos e indicadores, es difícil de determinar•Modelos gráficos,

ecuaciones simultaneas, análisis de factores, correspondencia, conglomerados, etc.

• Se descubren las particularidades de un elemento. Se interpretan sus características en el contexto especifico• Se pueden tener unos pocos

elementos estudiados a profundidad, y describir e interpretar semejanzas y diferencias

Síntesis de Paradigmas Cualitativo y Cuantitativo Cualitativo

Ante las características de las epistemologías aceptadas actualmente para todas las ciencias; las diferencias básicas desaparecen, por lo que se puede y debe buscar una síntesis de los dos paradigmas.

No se puede ser totalmente objetivo

Todos los Hechos tienen carga teórica.

Constructivismo. Formas “ Humanas “ de pensar y

percibir Se capta lo que se conceptualiza. Hay que creer para ver. Hay que ver para creer.

Construcción de teoría

Se postulan conceptos y ligas entre ellos.

Se obtienen consecuencias verificables.

Se contrastan las deducciones con las observaciones.

{La estatura de seres humanos es normal}

f(x)= [1/(2ps2)]1/2 exp[(x-m)2/(2s2)]

Estaturas negativas?

Para un grupo de personas homogéneo en edad, sexo, raza y alimentación; el modelo normal puede representar la distribución de frecuencias de las estaturas en forma aproximada.

ABCD/EFG

Factores NO comunes

Factores comunes

CienciasFácticas Formales

Elementos : Células, familias, personas, arboles, etc...

Propiedades : Conceptualizar y medir.

Asociación o causalidad: a una propiedad se acompañan otra (s)

Elementos : Puntos, espacios, vectores, funciones, etc...

Propiedades: Definirlas, son los axiomas.

Teoría: consecuencias lógicas de los axiomas.

Modelos

CORRESPONDENCIA

METODO CIENTIFICOGUIA, PASOS, REALIMENTACIÓN PRIMER CICLO : PROBLEMATIZACIÓN, HIPOTESIS

Fase de tormenta de ideas

Para generar la hipótesis de la investigación, elaborar la

lista de hipótesis (candidatos)

No se deben limitar las ideas

PROBLEMA

OBJETIVOS

HIPOTESIS

CONCEPTOS Y VARIABLES

HIPOTESIS

VARIABLES

RECURSOS

DISEÑO

METODO CIENTIFICOGUIA, PASOS, REALIMENTACIÓN

SEGUNDO CICLO

DISEÑO

DISEÑO

ESTRUCTURA

MEDICIONESCÓMO, CUÁNDO, DÓNDESEGUIMIENTO?

CONTROL DE FACTORES DE CONFUSION

POBLACIONES ELEMENTOS A, B, C,...

MUESTRASREPRESENTATIVIDADCÓMO , CUÁNTOS?

VALIDEZ EXTERNAREPRESENTATIVIDAD DE LAS

MUESTRAS

POBLACION

MUESTRA

La distribución de las variables de interés en el estudio es aproximadamente la misma en la población y en la muestra

Xi

f(Xi)Xi

f(Xi)

VALIDEZ EXTERNAMuestreo de la Población. Se toman al azar n elementos de la población

MUESTRA

La distribución de las variables de interés en el estudio es aproximadamente la misma en la población y en la muestraPOBLACION

Mientras que sea autoponderada, la muestra es representativa

Xi

f(Xi)

Xi

f(Xi)

VALIDEZ EXTERNAMuestras disponibles. A partir de un grupo de n elementos disponibles se define la población.

La distribución de las variables de interés en el estudio es aproximadamente la misma en la población y en la muestra

e.g.: toma como la muestra los pacientes con la patología de interés de acuerdo con el orden de la llegada

Xi

f(Xi)

Xi

f(Xi)

POBLACION

MUESTRA

VALIDEZ EXTERNA

REPRESENTATIVIDAD DE LAS MUESTRAS

MUESTRA

¿En qué difieren las

poblaciones?POBLACION

ABCD/EFG

Xi

f(Xi)

Xi

f(Xi)

POBLACION

¿Las diferencias modifican las conclusiones?

CAUSALIDAD

yxHipótesis Teórica. Conceptos o “Constructos”

X1

X2

X3

X4...

Xk

Y1

Y2

Y3

Y4...

Ym

Hipótesis Empírica (s)

Entre Indicadores de los conceptos.

CONCEPTOS DE CAUSALIDAD

X Y

Causalidad determinística La causa es necesaria y suficiente para el efecto. La configuración del mundo está determinada por la configuración anterior.

X Y

X Y

Causa necesaria pero no suficiente

Causa suficiente pero no necesaria

Trisomía 21

Sx. Down

Amiba Amibiasis

AnemiaDeficiencia Fe

CONCEPTOS DE CAUSALIDAD

X Y

Causalidad probabilística• Causa no necesaria ni suficiente• Asociación estadística• Las probabilidades de Y cambian al cambiar X

Tabaquismo

Cáncer pulmonar

CONTRASTACIÓN DE HIPOTESIS

Comparación de lo O observado con lo E esperado según hipótesis

H: la Hipótesis

D: el Diseño

SA: Supuestos Adicionales

E: lo que se espera si H, es cierto, y también SAH

Se efectúa el Diseño, D, y se observa O, Cuando hay aleatoriedad, se cuantifican las discrepancias entre Observado y Esperado

H, D, SAH E

TEORIA

Esperado

PRACTICA

D O, Observado

APOYO CONDICIONADO

TEORIA H, D, SAH E

PRACTICA

Se efectúa la investigación con diseño D

Ocurre O cercano a E , discrepancias pequeñas

CONCLUSION Se apoya H, condicionado a la validez de D y la operación de los SAH

RECHAZO CONDICIONADO

TEORIA H, D, SAH E

PRACTICA

Se efectúa la investigación con diseño D

CONCLUSIONNo se apoya H, condicionado a la validez de D y la operación de los SAH

Ocurre O alejado, discrepa mucho de E

B, D, SAB E

EXPLICACIONES ALTERNATIVAS

…………….

Se efectúa el diseño D, y ocurre O cercano a E

Formalmente tanto H como las explicaciones alternativas son apoyadas. Condicionadas a la validez del diseño D, y de cada uno de los SA

TEORIA

H, D, SAH E

A, D, SAA E

R, D, SAR E

EXPLICACIONES ALTERNATIVAS

Falta de Validez Externa

El azar. Nulidad Estadística

Errores de medición Endogenicidad. En

realidad Y causa X Teorías plausibles y

competitivas

Factores de Confusión› Presentes de modo

diferente en los grupos con variantes de X.

› Afectan también la Y.Control:› Homogeneizarlos› Formar Bloques› Aleatorización› Análisis Estadístico

SIGNIFICANCIA ESTADÍSTICA

…………….

Se efectúa el diseño D, y ocurre O cercano a E

Si en modelos estadísticos se supone cierta la explicación alternativa “No es cierta H”, y SAA es que “ocurre O cercano a E por azar”, se demuestra que es improbable la ocurrencia de O.Se considera que se ha eliminado por improbable esa explicación, el azar. Nótese que quedan otras posibles explicaciones alternativas.

TEORIA

H, D, SAH E

Azar, D, SAA E

B, D, SAB ER, D, SAR E

PRACTICA

SIGNIFICANCIA ESTADÍSTICA

…………….

Se efectúa el diseño D, y ocurre O cercano a E

Se considera que se ha eliminado por improbable esa explicación, el azar. Nótese que quedan otras posibles explicaciones alternativas. B, …R

TEORIA

H, D, SAH E

Azar, D, SAA E

B, D, SAB ER, D, SAR E

PRACTICA

VALIDEZ INTERNA CONTROL DE FACTORES DE CONFUSION

En la hipótesis de que X causa Y, es necesario eliminar explicaciones alternativas y factores de confusión, para que si al cambiar X se producen cambios en Y, estos puedan ser atribuidos a X.

Metodología Estadística: La asociación entre X y Y, persiste cuando se condiciona con variables A1, A2, A3, …An. El condicionamiento se logra: 1. Por diseño (homogeneización, bloques o

aleatorizacion) y/o 2. Por análisis; así, se dice que se evalúa el efecto de

X sobre Y, “corregido” o “ajustado” por A1, A2, A3, …An

CRITERIOS DE CLASIFICACION DE INVESTIGACIONES

1. Según el propósito son Descriptivos o Comparativos

2. Según la evolución son Transversales o Longitudinales

3. Según la fuente de información son Retrospectivos o Prospectivos

4.- Según el control del investigador son Observacionales o Experimentales

DESCRIPCION O EXPLICACION

Una sola población. Describir

características. Estimar promedios,

totales, etc. Conocer evolución. Distribución espacial Búsqueda

sistemática de asociaciones

Dos o mas poblaciones. Hay una hipótesis de

causalidad. Control de factores de

confusión. Se definen las

poblaciones por la causa, o...

Se definen las poblaciones por el efecto. (Casos y controles)

DESCRIPTIVODESCRIPTIVO

COMPARATIVOCOMPARATIVO

Origen de la información

RETROSPECTIVO› La información fundamental, o parte de ella, ya ha sido captada en otras fuentes. El investigador no estudia los elementos, sino registros, expedientes, fichas, etc.., donde esta la información.

› Es rápido y barato.› La información puede ser de mala calidad.

PROSPECTIVO› Toda la información fundamental se obtiene directamente aplicando instrumentos de medición a los elementos de estudio. La información no existe en fuentes secundarias, o es de muy mala calidad.

› Es caro y lento› La información es de buena calidad.

Control por parte del investigador

EXPERIMENTO

› Se tienen dos o más poblaciones.

› Hay seguimiento.

› Se eligen o inventan las variantes del factor causal la X.

› Se aleatoriza la asignación de esas variantes a las unidades experimentales.

› Se pueden formar bloques.

OBSERVACIONAL

› Una o mas poblaciones.

› Dos poblaciones: Los elementos se eligen ya con las variantes del factor causal. Se pueden formar bloques. Comparativo.

› Una población: Se estudia una muestra de ella. Descriptivo

Estudio observacional comparativo = Pseudoexperimento

¿Hay seguimiento en el tiempo?

LONGITUDINAL› Se mide en dos o más ocasiones la o las variables de interés.

› La comparación de los valores en épocas distintas nos informa de la evolución de los elementos.

› Se conserva la identidad de los elementos durante el seguimiento.

TRANSVERSAL› Se mide una o más variables en una sola ocasión en cada unidad.

› No hay seguimiento y no se requiere mantener la identidad de los elementos.

Hay estudios longitudinales en los que las mediciones se realizan en un sólo día, mientras que hay estudios transversales en los que se requieren tres meses para las mediciones.

Longitudinales con una población ¿Evidencia de Causalidad? Mayor en C, luego D, nada en B

AY

Tiempo

TiempoTiempo

Tiempo

Ocurre X

Ocurre X Ocurre X

Ocurre X

B

C DMaduración, evolución natural, etc..?

ANTES Y DESPUES

Características Nombre

Observacional

Retrospectivo o Prospectivo Transversal

Descriptivo Encuesta descriptiva

Comparativo Encuesta comparativa

Retrospectivo

Longitudinal

Descriptivo Revisión de casos

Comparativo de efecto a causa

Casos y controles

Comparativo de causa a efecto

Perspectiva histórica

Prospectivo

Descriptivo Estudio de una cohorte

Comparativo

Estudio de varias cohortes

Experimental Experimento

Matriz de clasificación de diferentes tipos de estudio

Tipos de Errores1-- Errores sistemáticos, sesgo (Bias)

2.- Errores aleatorios.Control:

(Sistemáticos) 1.- Cambiar diseño: cambiar definiciones operacionales, poblaciones , mediciones, procedimientos de selección, etc.

(Aleatorios) 2.- Repeticiones, regularidad estadística. Tamaño de muestra, errores estándar, valoración estadística

PPm

m

Extrapolación

Pasado Presente Futuro

P = poblaciónm = muestra

ENCUESTA DESCRIPTIVA

Observacional, transversal, descriptivo, Prospectivo o retrospectivo

P2

m2

m2

Ext

rap

ola

ció

n

Pasado Presente Futuro

P1 y P2 = poblacionesm1 y m2 = muestras

ENCUESTA COMPARATIVA

P1

m1

m1

Observacional, transversal, comparativo, Prospectivo o retrospectivo

Comparabilidad: Control de F. de Confusión

P1P1

m1

m1

Ex

tra

po

laci

ón

en

el p

as

ado

Pasado Presente Futuro

P = poblacionesm = muestras

REVISION DE CASOS

P1P1

m1

m1

Ex

tra

po

laci

ón

en

el p

res

ente

Evolución

Posible seguimiento

Captación de informaciónde aspectos en el pasado

Observacional, longitudinal, descriptivo y retrospectivo

P1 = población de casos con efectom1 = muestra de casosP2 = población de controles, sin efectom2 = muestra de controles, sin efecto

CASOS Y CONTROLES

m1 m1 P1

Casos

Controles

Búsqueda delfactor causal

No expuestos

Evolución

seguimiento retrospectivo

Se supone que en el pasado no está presente el efecto

Pasado Presente Futuro

Evolución

m2 P2m1

Expuestos

Expuestos

Observacional, longitudinal, comparativo (efecto a causa) y retrospectivo

Control de F. de Confusión

Pasado Presente Futuro

P1 y P2 = poblacionesm1 y m2 = muestras

PERSPECTIVA HISTORICA

m1

P1

Evolución

seguimiento retrospectivo

P1 m1 posible seguimientoprospectivo

m1

Evoluciónm2P2 m2 m2

P2

Observacional, longitudinal, comparativo (causa a efecto) y retrospectivo

Se supone que en el pasado no está presente el efecto

Control de F. de Confusión

Características Nombre

Observacional

Retrospectivo o Prospectivo Transversal

Descriptivo Encuesta descriptiva

Comparativo Encuesta comparativa

Retrospectivo

Longitudinal

Descriptivo Revisión de casos

Comparativo de efecto a causa

Casos y controles

Comparativo de causa a efecto

Perspectiva histórica

Prospectivo

Descriptivo Estudio de una cohorte

Comparativo

Estudio de varias cohortes

Experimental Experimento

Matriz de clasificación de diferentes tipos de estudio

Pasado Presente Futuro

P1 = poblaciónm1 = muestra

ESTUDIO DE UNA COHORTE

m1

P1

seguimiento

P1P1

mediciones

m1m1

Observacional, longitudinal, descriptivo y prospectivo

Longitudinales con dos poblaciones Evidencia de Causalidad? Mayor en A, luego D, B y nada en C

Tiempo

TiempoTiempo

Tiempo

Ocurre X

Ocurre X Ocurre X

Ocurre X

A B

C DControl de Factores de confusión

Control

Expuesto

Y

Pasado Presente Futuro

P1 y P2 = poblacionesm1 y m2 = muestras

ESTUDIO DE VARIAS COHORTES

m1

seguimiento

P1P1

mediciones

m1m1

P1

m2

seguimiento

P2P2

mediciones

m2m2

P2

Observacional, longitudinal, comparativo y prospectivo

Se supone que en el inicio no está presente el efecto o se evalúa

Control de F. de Confusión

Características Nombre

Observacional

Retrospectivo o Prospectivo Transversal

Descriptivo Encuesta descriptiva

Comparativo Encuesta comparativa

Retrospectivo

Longitudinal

Descriptivo Revisión de casos

Comparativo de efecto a causa

Casos y controles

Comparativo de causa a efecto

Perspectiva histórica

Prospectivo

Descriptivo Estudio de una cohorte

Comparativo

Estudio de varias cohortes

Experimental Experimento

Matriz de clasificación de diferentes tipos de estudio

Pasado Presente Futuro

EXPERIMENTO

m1

Mediciones

Tratamientos Evaluación final

Asignación aleatoriaa los tratamientos

Seguimiento

Pi = población inicialm = muestrasT = tratamientos extrapolación

P con

T2

P con

T3

P con

T1

m2

m3

m1

m2

m3

P con

T1

P con

T2

P con

T3

mP

Experimental, longitudinal, comparativo y prospectivo

Control de F. de Confusión

azar