1 Recolección de Datos.

Presentación del tema: "1 Recolección de Datos."— Transcripción de la presentación:

1 1 Recolección de Datos

2 Objetivos Describir métodos de recolección de datos.
Definiciones claves: Población vs. Muestra Datos Cuantitativos vs Datos Transversales vs. Series Cualitativos de Tiempo Diferencia entre técnicas descriptivas e inferenciales. Diferentes métodos de muestreo. Niveles de medición de los datos. Nominal, ordinal, intervalar y de ratio

3 MÉTODOS CUANTITATIVOS
Estadística

4 Estadística Data Estadística Patrón Numérico 0, 2, 4, 6, 8, 10, 12,...
+ C 2 D 8 12 ? E F % B Estadística # & A 4 10 Patrón Numérico 0, 2, 4, 6, 8, 10, 12,... Ruido ?, %, +, &, #,… Patrón Alfabético A, B, C, D, E, F,……..

5 Estadística Estadística Descriptiva Estadística Estadística Inferencial

6 Técnicas Estadísticas
Técnicas descriptivas Recolección, presentación y descripción de datos Técnicas inferenciales Establecer conclusiones y/o tomar decisiones concernientes a la población considerando solamente los datos muestrales Objetivo: ¡Convertir datos en información útil!

7 Estadística Descriptiva
Gráficos Diagramas Estadística Descriptiva Tablas Medidas numéricas

8 Técnicas Descriptivas
Recolección de datos ej., Encuesta, Observación, Experimento Presentación de datos ej., Cuadros y Gráficos Caracterización de datos ej., Media muestral=

9 Técnicas Inferenciales
Comprender el comportamiento de la población a través del análisis de la muestra Estadísticos muestrales Parámetros Poblacionales (conocidos) Inferencia desconocidos, pero pueden ser estima- dos de la muestra ‘

10 Estadística Inferencial Prueba de hipótesis
Estimación Estimación de características de un gran conjunto de datos, a partir de un subconjunto pequeño de los mismos. Estadística Inferencial Prueba de hipótesis Comprobación de enunciados respecto de grandes conjuntos de datos, en base a un subconjunto pequeño de los mismos.

11 Inferencia Estadística
Establecer conclusiones y/o tomar decisiones concernientes a la población basados en resultados muestrales. Estimación ej., Estimar el peso promedio poblacional usando el peso promedio muestral Prueba de Hipótesis ej., Usar la muestra para evaluar si el peso promedio poblacional es120 libras.

12 Otros Ejemplos Estimación Inferencia
¿Cuánta gente vio el Superbowl, el último domingo? Inferencia Analizar la afirmación: “Los consumidores prefieren McDonald’s antes que Burger King”

13 Métodos de Recolección de Datos
Experimentos Cuestionarios escritos Encuestas telefónicas Observaciones directas y entrevistas personales

14 Sesgos vs Errores Aleatorios
Efectos que alteran los resultados estadísticos distorsionándolos sistemáticamente. Errores aleatorios Distorsiones generadas sin un patrón sistemático ni definido, en promedio se compensan.

15 Problemas en la Recolección de Datos
Sesgo del entrevistador Sesgo de no respuesta Sesgo de selección Sesgo del observador Error de medición Validez interna/externa ¡El objetivo es recolectar datos precisos y confiables!

16 Población y Muestra

17 Población y Muestra Una Población es el conjunto de todas las unidades o individuos de interés Ejemplos: Todos los posibles votantes en la siguiente elección. Todas las partes producidas hoy. Todos los comprobantes de venta de noviembre. Una Muestra es un subconjunto de la población Ejemplos: votantes seleccionados al azar para entrevista. Algunas partes seleccionadas para pruebas de destrucción. Comprobantes de venta (seleccionar sistemática- mente uno cada cien).

18 Definiciones Claves Una población es el conjunto completo de objetos en consideración y referidos como el marco La unidad muestral es cada objeto o individuo en el marco Un parámetro es una medida de resumen que describe una característica de la población Una muestra es un subconjunto de la población, seleccionado para ser analizado Un estadístico es una medida de resumen, calculada de la muestra para describir una característica de la población

19 Población vs. Muestra Población Muestra a b c d b c ef gh i jk l m n
o p q rs t u v w x y z b c g i n o r u y

20 ¡Buscar muestras representativas que reflejen la población de interés!
¿Por qué muestrear? Se invierte menos tiempo que en un censo. Su ejecución es de menos costo respecto al de un censo. No es posible considerar todos los elementos de la población. Es posible obtener resultados estadísticos de precisión significativa basados en muestras ¡Buscar muestras representativas que reflejen la población de interés!

21 Muestreo No Estadístico
Técnicas de Muestreo Técnicas de Muestreo Muestreo No Estadístico Muestreo Estadístico Aleatorio Simple Conveniencia Sistemático Juicio Estratificado Conglomerado

22 Muestreo No Estadístico
Conveniencia Los datos son recolectados bajo modo conveniente para el investigador. Juicio Basado en juicios (opiniones) sobre quiénes en la población tienen mayor probabilidad de proporcionar la información requerida.

23 (Muestreo Probabilístico)
Muestreo Estadístico Cada unidad de la población tiene asociada una probabilidad (conocida o calculable) para ser incluída en la muestra Muestreo Estadístico (Muestreo Probabilístico) Aleatorio Simple Estratificado Sistemático Conglomerado

24 Muestreo Estadístico Las técnicas y procedimientos de muestreo son un tema especializado. Se tienen diversos métodos de muestreo, la importancia de cada método depende de la investigación a realizar, del acceso a la data, de la disponibilidad de recursos y del tiempo. Se sugiere la revisión personal de este importante tema. Una fuente que se recomienda es: Elementos de muestreo Richard l. Scheaffer, William Mendenhall, Lyman Ott

25 Tipos de Datos y Niveles de Medición

26 Cualitativo (Categórico) Cuantitativo (Numérico)
Tipos de Datos Dato Cualitativo (Categórico) Cuantitativo (Numérico) Ejemplos: Estado civil Partido político Color de ojos (Categorías definidas) Discreto Continuo Ejemplos: Número de hijos Defectos por hora (Valores contados) Ejemplos: Peso Voltaje (Medidas de carácterísticas)

27 Tipos de Datos Datos de Serie de Tiempo Datos Transversales
Datos observados y ordenados en el tiempo Datos Transversales Datos observados en un solo punto del tiempo

28 Ventas (Miles de Dólares)
Tipos de Datos Ventas (Miles de Dólares) 2003 2004 2005 2006 Atlanta 435 460 475 490 Boston 320 345 375 395 Cleveland 405 390 410 Denver 260 270 285 280 Datos de Serie de Tiempo Datos Transversales

29 Niveles de Medición de Datos
Intervalo: Tiene sentido la diferencia, pero no el ratio ej., temperatura Razón: Diferencia y ratio Ej., Peso, altura Nivel Alto Análisis Avanzado Datos de Razón/Intervalo Rankings Categorías Ordenadas ej., Ingreso: Bajo, Medio y Alto Relación de igualdad y de mayor o menor Nivel Medio Análisis Intermedio Datos Ordinales Categorías (códigos) ej., género, estado civil, etc. Relación de igualdad Nivel Bajo Análisis Básico Datos Nominales

30 La principal razón para distinguir los datos por tipo y por nivel de medida se debe a que la selección de los métodos estadísticos para su análisis depende de los mismos.

31 Resumen Se describió métodos de recolección de datos
Se introdujo definiciones claves: Población vs. Muestra Datos Cuantitativos vs Datos Transversales vs.Series de Cualitativos Tiempo Se examinó técnicas descriptivas vs. inferenciales Se describió diferentes métodos de muestreo Se revisó tipos de datos y niveles de medición