Metodología Científica y Estadística

Aquí están las notas de estudio concisas en español, con formato markdown y subencabezados H3:

Estadística II

• Impartida los sábados de 9:00 am a 11:59 am.
• Luis Uriel Rojas Pinzón es el instructor.

Metodología Científica y Estadística

• Se abarca la metodología científica y los conceptos básicos de estadística.

Objetivo de la Investigación

• Distinguir e identificar los diferentes pasos del método científico en el proceso de investigación.

Naturaleza de la Investigación

• Un proceso metódico para generar nuevo conocimiento, resolver problemas y validar o desarrollar teorías.

Importancia de la Investigación

• Es esencial para el avance del conocimiento en todas las disciplinas.
• Ayuda a descubrir nuevos hechos y establecer relaciones.
• Esencial para identificar y resolver problemas en el ámbito profesional.
• Promueve la mejora continua de prácticas, productos y servicios.
• Permite a las organizaciones innovar, adaptarse y mantenerse relevantes.

Pasos del Método Científico

• Observación
• Planteamiento del Problema
• Revisión de Literatura
• Formulación de Hipótesis
• Diseño del Experimento o Investigación
• Recolección de Datos
• Análisis de Datos
• Conclusiones
• Publicación de Resultados

Método Científico

• Proceso sistemático para adquirir conocimiento a través de observación, hipótesis, experimentación y análisis.
• Se basa en la objetividad, reproducibilidad y verificación.
• Se aplica para identificar y medir diversas dimensiones de la pobreza.
• Se formulan hipótesis sobre las interrelaciones y causas de la pobreza.
• Se contrastan hipótesis para generar conocimiento.

Formulación del Problema

• Definir la pregunta o problema a resolver es el primer paso.
• Es crucial especificar la población de interés, el período de tiempo y las dimensiones a analizar.

Dimensiones a Analizar

• Educación: Rezago escolar, Analfabetismo
• Niñez y Juventud: Inasistencia escolar, Barreras de acceso a servicios, Rezago en desarrollo, Desempleo juvenil.
• Trabajo: Desempleo de larga duración, Trabajo informal, Empleo inadecuado.
• Salud: Barreras de acceso a servicios, Necesidad insatisfecha, Acceso a servicios de cuidado.

Revisión de la Literatura

• Etapa fundamental que recopila, evalúa y analiza estudios y teorías relevantes.
• Permite identificar contribuciones principales, detectar lagunas y situar la investigación dentro del contexto académico.
• Refina la pregunta de investigación, formula hipótesis y selecciona metodologías.
• Se examinan estudios previos y informes pertinentes.

Formulación de Hipótesis

• Se propone una explicación tentativa basada en la observación y revisión de literatura.
• La hipótesis debe ser específica, comprobable y servir como base para diseñar experimentos.

Diseño del Experimento o Investigación

• Se planifican los métodos y procedimientos para recolectar y analizar datos para probar la hipótesis.
• Incluye la selección de variables, la definición de la muestra y los instrumentos de medición.
• Se recolectan datos para medir el IPM a través de encuestas en zonas rurales y urbanas.

Recopilación de Datos

• Se recolectan datos necesarios para responder la pregunta formulada.
• Se utilizan fuentes como la Gran Encuesta Integrada de Hogares y otras encuestas nacionales.
• Los datos deben ser organizados y limpiados para garantizar su calidad y relevancia.

Análisis de Datos

• Se utilizan herramientas estadísticas y computacionales para explorar y modelar los datos.
• Pueden realizar análisis descriptivos y predictivos.
• Se identifican las dimensiones más afectadas y la variación en las tasas de pobreza.

Conclusiones

• Los resultados del análisis deben interpretarse en el contexto del problema formulado.
• Es importante entender qué significan los hallazgos y cómo responden a la pregunta inicial.

Publicación de Resultados

• La comunicación efectiva de los resultados es esencial para que sean útiles.
• Incluye la preparación de informes, visualizaciones y presentaciones claras.
• Se presentan los hallazgos de la pobreza a tomadores de decisiones utilizando gráficos y estadísticas clave.

Ejemplos de Aplicación del Método Científico

• Aumento del desempleo en una región, rendimiento inconsistente de un equipo de fútbol, disminución en la satisfacción del cliente, etc.

¿Qué es la estadística?

• Ciencia de aprender a partir de datos y medir, controlar y comunicar la incertidumbre (Mendenhall, Beaver & Beaver, 2003).
• Ciencia de recolectar, organizar, analizar e interpretar datos para tomar decisiones informadas (Anderson, Sweeney & Williams, 2008).
• Ciencia de la recolección, organización, análisis e interpretación de datos para tomar decisiones más efectivas (Lind, Marchal & Mason, 2004).

Población

• Conjunto completo de todos los individuos o elementos que se están estudiando (Mendenhall, Beaver & Beaver, 2003).
• Conjunto completo de todas las unidades de interés en un estudio (Anderson, Sweeney & Williams, 2008).
• Conjunto total de elementos o individuos que se está estudiando (Lind, Marchal & Mason, 2004).

Censo

• Estudio exhaustivo que recopila información de todos los elementos de una población específica, sin omisión (Mendenhall, Beaver & Beaver, 2003).
• Procedimiento de recopilación de datos que implica la enumeración de todos los elementos de una población (Anderson, Sweeney & Williams, 2008).
• Método de recolección de datos en el cual se obtiene información de todos los miembros de una población definida (Lind, Marchal & Mason, 2004).

Muestra

• Subconjunto de la población que se usa para obtener información acerca de toda la población (Mendenhall, Beaver & Beaver, 2003).
• Subconjunto de la población seleccionado para el estudio (Anderson, Sweeney & Williams, 2008).
• Subconjunto de la población del que se recolectan datos para realizar inferencias sobre la población (Lind, Marchal & Mason, 2004).

Parámetro

• Número que describe una característica de una población (Mendenhall, Beaver & Beaver, 2003).
• Medida descriptiva de una población (Anderson, Sweeney & Williams, 2008).
• Medida numérica que describe alguna característica de una población completa (Lind, Marchal & Mason, 2004).

Estadístico

• Medida calculada a partir de los datos de una muestra que se utiliza para estimar un parámetro (Mendenhall, Beaver & Beaver, 2003).
• Medida descriptiva calculada a partir de los datos de una muestra (Anderson, Sweeney & Williams, 2008).
• Medida numérica calculada a partir de los datos de una muestra (Lind, Marchal & Mason, 2004).

Notación

• Uso de símbolos matemáticos y estadísticos para representar datos y funciones (Mendenhall, Beaver & Beaver, 2003).
• Uso de símbolos estándar para definir medidas, como población, desviación estándar (Anderson, Sweeney & Williams, 2008).
• Uso de notaciones estándar como para la media muestral, para la desviación estándar muestral (Lind, Marchal & Mason, 2004).

Datos

• Valor numérico o categórico que representa una característica de un individuo (Mendenhall, Beaver & Beaver, 2003).
• Valor individual que puede ser cualitativo o cuantitativo, utilizado para el análisis estadístico (Anderson, Sweeney & Williams, 2008).
• Valor que puede ser una observación o una medida, utilizado en el análisis estadístico (Lind, Marchal & Mason, 2004).

Variable

• Cualquier característica, número o cantidad que se puede medir o contar (Mendenhall, Beaver & Beaver, 2003).
• Cualquier característica de los individuos de una población que puede tomar diferentes valores (Anderson, Sweeney & Williams, 2008).
• Cualquier atributo o característica que puede variar de un individuo a otro (Lind, Marchal & Mason, 2004).

Variables Cuantitativas

• Aquellas que pueden ser medidas numéricamente, como la altura, el peso o la temperatura (Mendenhall, Beaver & Beaver, 2003).
• Númericas que se pueden contar o medir (Anderson, Sweeney & Williams, 2008).
• Se expresan numéricamente y ser medidas con precisión (Lind, Marchal & Mason, 2004).

Variables Cuantitativas Continuas

• Toman cualquier valor dentro de un intervalo, como la altura o el peso (Mendenhall, Beaver & Beaver, 2003).
• Toman cualquier valor dentro de un intervalo, como la distancia o el tiempo (Anderson, Sweeney & Williams, 2008).
• Asumen un número infinito de valores dentro de un intervalo, como la altura y el peso (Lind, Marchal & Mason, 2004).

Variables Cuantitativas Discretas

• Toman valores específicos y distintos, como el número de estudiantes en una clase (Mendenhall, Beaver & Beaver, 2003).
• Asumen valores específicos y distintos, como el número de empleados en una empresa (Anderson, Sweeney & Williams, 2008).
• Asumen valores específicos y distintos, como el número de autos vendidos (Lind, Marchal & Mason, 2004).

Variables Cualitativas

• Aquellas que describen características o atributos que no se pueden medir numéricamente, como el color del cabello o el estado civil (Mendenhall, Beaver & Beaver, 2003).
• Describen atributos o cualidades y no se pueden medir numéricamente (Anderson, Sweeney & Williams, 2008).
• Describen características o cualidades que no se pueden expresar numéricamente (Lind, Marchal & Mason, 2004).

Variables Cualitativas Nominales

• Categorizan datos sin un orden intrínseco, como el género o el estado civil (Mendenhall, Beaver & Beaver, 2003).
• Representan categorías sin un orden natural, como el tipo de negocio o el color de ojos (Anderson, Sweeney & Williams, 2008).
• Categorizan sin un orden intrínseco, como el tipo de sangre o el estado civil (Lind, Marchal & Mason, 2004).

Variables Cualitativas Ordinales

• Categorizan datos con un orden específico, como las clasificaciones de satisfacción (bueno, regular, malo) (Mendenhall, Beaver & Beaver, 2003).
• Representan categorías con un orden natural, como las clasificaciones de calidad (alta, media, baja) (Anderson, Sweeney & Williams, 2008).
• Categorizan con un orden específico, como las calificaciones de servicio (excelente, bueno, regular) (Lind, Marchal & Mason, 2004).

Bases de Datos

• Colección de datos interrelacionados que se almacenan para satisfacer múltiples aplicaciones (Elmasri & Navathe, 2016).

Tipos de Bases de Datos

• Estructurados, Semi-estructurados y No Estructurados

Datos Estructurados

• Aquellos que están organizados en un formato fijo y predefinido (Elmasri & Navathe. 2016).

Datos Semi-estructurados

• No siguen un formato rígido como los datos estructurados, pero tienen algún grado de organización (Elmasri & Navathe. 2016).

Datos No Estructurados

• No tienen un formato predefinido o una estructura fija.

Escala Likert

• Herramienta para medir actitudes y opiniones.

Preguntas Abiertas

• Permiten a los encuestados responder con sus propias palabras.

Preguntas Sensibles

• Abordan temas delicados que pueden resultar incómodos para los encuestados.

Datos no agrupados

• Se presentan tal como se han recogido, ningún agrupamiento.

Datos Agrupados

• Organizado en intervalos o categorías.

Distribución Estadística

• Describe cómo se distribuyen los valores de una variable en un conjunto de datos
• Indica qué tan frecuentemente ocurren los diferentes valores de una variable.

Distribuciones Discretas

• Los valores pueden tomar un número finito o contable.

Distribuciones Continuas

• Los valores pueden tomar cualquier valor entre un rango continuo.

Tablas de Frecuencia

• Donde los datos se agrupan en intervalos o categorías y se cuenta el número de observaciones.

Gráficos de Barras

• Para mostrar la frecuencia de datos categóricos, donde cada barra representa una categoría.

Histogramas

• Similar a los gráficos de barras, pero para datos continuos