View
689
Download
2
Category
Preview:
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
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
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
1ˆ
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
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.
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
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
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
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
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
Recommended