A continuación se presentan tablas que comparan el número de estudiantes a tiempo parcial y a tiempo completo en De Anza College y Foothill College inscritos para el trimestre de primavera de 2010. Las tablas muestran recuentos (frecuencias) y porcentajes o proporciones (frecuencias relativas). El porcentaje de columnas facilita la comparación de las mismas categorías en las universidades. Mostrar porcentajes junto con los números a menudo es útil, pero es particularmente importante al comparar conjuntos de datos que no tienen los mismos totales, como las inscripciones totales para ambas universidades en este ejemplo. Observe cuánto mayor se compara el porcentaje de estudiantes a tiempo parcial en Foothill College con De Anza College.
Las tablas son una buena forma de organizar y mostrar datos. Pero los gráficos pueden ser aún más útiles para comprender los datos. No hay reglas estrictas sobre qué gráficos usar. Dos gráficos que se utilizan para mostrar datos cualitativos son gráficos circulares y gráficos de barras.
- En un gráfico circular, las categorías de datos están representadas por cuñas en un círculo y tienen un tamaño proporcional al porcentaje de individuos en cada categoría.
- En un gráfico de barras, la longitud de la barra para cada categoría es proporcional al número o porcentaje de individuos en cada categoría. Las barras pueden ser verticales u horizontales.
- Un gráfico de pareto de barras que se clasifican en orden por tamaño de categoría (más grande a más pequeño).
Mire las figuras ( pageIndex {3} ) y ( pageIndex {4} ) y determine qué gráfico (pastel o barra) cree que muestra mejor las comparaciones.
¿Cuando una muestra es cualitativa o cuantitativa?
No queremos unirnos a la discusión sobre la importancia, el contenido, la calidad, el significado de la investigación cuantitativa o cualitativa. En muchas áreas también hay superposiciones o similitudes de estos dos enfoques de investigación. Sin embargo, en la aplicación específica, debe decidirse qué enfoque o qué combinación de los dos enfoques se ajusta mejor al objetivo de investigación.
La investigación cuantitativa tiene como objetivo generar resultados generalizables para una población (representatividad: la muestra refleja la población lo más posible; uno puede concluir de la muestra a la población) y describir el comportamiento en forma de modelos y conexiones de manera precisa y, por lo tanto, cercana predecible. . Para este propósito, por ejemplo, de una encuesta u observación de una muestra aleatoria representativa, se miden las características numéricas de las características. Estos valores medidos están relacionados entre sí (o con otras variables) y los resultados se generalizan en la población o se verifica una hipótesis definida. Una base importante para esto es trabajar con muestras grandes: los procedimientos cuantitativos están estandarizados y son muy adecuados para ello. Las ventajas de los métodos cuantitativos se encuentran en los resultados cuantificables y la posibilidad de poder indicar la población. Los resultados suelen ser objetivos y comparables.
La investigación cualitativa se caracteriza por contenido mucho mayor y flexibilidad metodológica: los requisitos estandarizados se prescinden en la medida de lo posible. Esto logra una alta validez del contenido y un alto contenido de información. La investigación cualitativa tiene como objetivo lograr un ancho de resultados sin ningún reclamo de representatividad. La muestra se forma desde un punto de vista teórico; Se forma a través de un pequeño número de personas relevantes para el objeto de investigación. Las ventajas de los métodos cualitativos se encuentran en la apertura del procedimiento, que pueden generar nuevos aspectos que aún no se han conocido, y una mayor profundidad en el contenido de información de los resultados.
El objetivo de la investigación cualitativa es generar hipótesis: el objetivo de la investigación cuantitativa es aceptar (verificación) o rechazo (falsificación) de hipótesis. Por esta razón, la investigación cualitativa es a menudo la base del buen trabajo cuantitativo.
Los métodos cuantitativos incluyen, por ejemplo, la encuesta escrita con cuestionarios y la entrevista cuantitativa, que puede tener lugar personalmente o por teléfono. Los métodos cualitativos incluyen entrevistas cualitativas, discusión grupal y sombreado. La combinación de métodos cuantitativos y cualitativos a menudo es útil para usar las ventajas de ambos procedimientos. Por ejemplo, los criterios de evaluación para un hecho se pueden determinar en un estudio preliminar cualitativo para luego cuantificarlos
¿Qué es una muestra cuantitativa y cualitativa?
La selección de una muestra en investigación cuantitativa y cualitativa está guiada por dos filosofías opuestas. En la investigación cuantitativa, intenta seleccionar una muestra de tal manera que sea imparcial y representa a la población desde donde se selecciona. En la investigación cualitativa, las consideraciones numéricas pueden influir en la selección de una muestra como: la facilidad de acceder a los posibles encuestados; Su juicio de que la persona tiene un amplio conocimiento sobre un episodio, un evento o una situación de interés para usted; Cuán típico es el caso de una categoría de individuos o simplemente que es totalmente diferente de los demás. Hace todo lo posible para seleccionar un caso que sea similar al resto del grupo o el que es totalmente diferente. Tales consideraciones no son aceptables en la investigación cuantitativa.
El propósito del muestreo en la investigación cuantitativa es extraer inferencias sobre el grupo del que ha seleccionado la muestra, mientras que en la investigación cualitativa está diseñada para obtener un conocimiento profundo sobre una situación/evento/episodio o conocer lo más posible. Acerca de diferentes aspectos de un individuo sobre el supuesto de que el individuo es típico del grupo y, por lo tanto, proporcionará información sobre el grupo.
Del mismo modo, la determinación del tamaño de la muestra en la investigación cuantitativa y cualitativa se basa en las dos filosofías diferentes. En la investigación cuantitativa, se guía por un tamaño de muestra predeterminado que se basa en una serie de otras consideraciones además de los recursos disponibles. Sin embargo, en la investigación cualitativa no tiene un tamaño de muestra predeterminado, pero durante la fase de recopilación de datos espera alcanzar un punto de saturación de datos. Cuando no recibe información nueva o es insignificante, se supone que ha alcanzado un punto de saturación de datos y deja de recopilar información adicional.
Se da una importancia considerable al tamaño de la muestra en la investigación cuantitativa, dependiendo del tipo de estudio y el posible uso de los hallazgos. Los estudios diseñados para formular políticas, para probar asociaciones o relaciones, o establecer evaluaciones de impacto ponen un énfasis considerable en el tamaño de la muestra grande. Esto se basa en el principio de que un tamaño de muestra más grande garantizará la inclusión de personas con diversos antecedentes, lo que hace que la muestra representativa de la población de estudio. El tamaño de la muestra en la investigación cualitativa no desempeña ningún papel importante, ya que el propósito es estudiar solo uno o algunos casos para identificar la propagación de la diversidad y no su magnitud. En tales situaciones, la etapa de saturación de datos durante la recopilación de datos determina el tamaño de la muestra.
¿Qué es cualitativa y cuantitativa para niños?
Cathy y Sue están haciendo las compras de la semana. Caminando juntos, empujando un carrito de compras medio lleno, rechazan un pasillo. Las bebidas de frutas están a la derecha, cereales a la izquierda. Cathy elegirá las bebidas, demandará a los cereales.
Cada lado del pasillo tiene 4 estantes, 40 pies de largo, repletas de paquetes en los que cada pulgada cuadrada está empujando color, texto, gráficos y trucos. No hay forma de que una mente humana tome todos estos estímulos. La sobrecarga se alcanza en algún lugar entre 5 y 10 alternativas. Cathy y Sue se enfrentan con quizás 100 veces que muchas.
Cathy entra en una búsqueda enfocada. Había decidido de antemano para obtener el jugo jugoso. Tiene 100% de jugo de fruta, viene en cajas asépticas que son convenientes para empacar en una bolsa de almuerzo, y Billy, el único niño de la familia que lleva su almuerzo a la escuela, no se quejó cuando llevó el jugo jugoso a la escuela la última vez que semana . Cathy escanea el pasillo, ve la sección con los tres paquetes de cajas asépticas y se acerca al texto distintivo similar al script que identifica jugo jugoso.
Sue adopta un enfoque diferente. Mientras navega por el pasillo, las cajas de cereales forman una pared amorfa a su izquierda. Ella continúa, su ojo jugando sobre la matriz pero no se puede encerrar de forma segura en nada. Entonces, algo le llama la atención. Una cara la está mirando: la cara familiar de Tony the Tiger, con su sonrisa ansiosa, amigable y aceptada.
¿Qué es cuantitativa para niños?
Existen tres tipos de métodos cuantitativos de estudio: correlacionales, experimentales y cuasi-experimentales. Hasta cierto punto, cada uno de estos diseños permite al investigador identificar relaciones entre diferentes factores y luego especificar las causas de estas relaciones. La responsabilidad inicial del investigador es encontrar el diseño general que prueba la hipótesis con la máxima cantidad de claridad.
El diseño correlacional se usa para determinar si existen relaciones entre dos o más variables. En última instancia, el investigador quiere determinar si un cambio en una variable coincide con un cambio en una segunda variable. En un diseño de correlación no se produce manipulación variable. Por ejemplo, los comportamientos de un niño se miden a medida que ocurren naturalmente, y luego se calcula un índice numérico que refleja la relación entre los resultados de las medidas. Por lo general, se usa un coeficiente de correlación para calcular la resistencia y el tipo (positivo o negativo) de la relación que existe. Si bien el diseño correlacional es extremadamente útil, no se puede usar para determinar las relaciones de causa-efecto entre variables. La razón principal de esto es que las variables distintas a las que están en estudio no se pueden controlar, medir o considerarse en el diseño correlacional; Tales variables podrían influir en la relación entre las variables en estudio. Este tipo de control solo se proporciona en diseños en los que se pueden manipular las variables y los participantes pueden asignarse aleatoriamente a los grupos.
Un diseño experimental permite conclusiones de causa-efecto ya que las variables pueden ser manipuladas y los participantes pueden asignarse aleatoriamente. Con respecto a la manipulación de variables, el investigador debe asignar variables independientes y dependientes al experimento. Las variables independientes son los diversos tratamientos que reciben los participantes (y que son manipulados por el investigador), mientras que la variable dependiente representa las respuestas de los participantes. Por ejemplo, una variable independiente podría representar la cantidad de instrucción de lectura directa que reciben los estudiantes, y la variable dependiente podría ser los puntajes de logro de lectura. En esencia, el investigador quiere que la variable dependiente refleje el efecto de ser tratado con la variable independiente. El control del experimentador de la variable independiente (por ejemplo, cantidad, duración y tipo de tratamiento) ofrece parcialmente la confianza necesaria para llegar a conclusiones de causa-efecto. En otras palabras, las diferencias en la variable dependiente pueden atribuirse a los diversos tratamientos que recibieron los participantes (en el ejemplo, las diferencias en las puntuaciones de logros de lectura pueden atribuirse a las diversas cantidades de instrucción de lectura directa).
Para decir que el tratamiento ha causado algún efecto (en la variable dependiente), es importante que todos los rasgos de los participantes sean casi iguales, especialmente aquellos que podrían confundir el estudio. Una forma de lograr dicha igualdad grupal es asignar a aleatoriamente a los participantes a los grupos. En esencia, cuando la «oportunidad» es la fuerza detrás que obtiene los diversos tratamientos, se supone que los grupos contienen participantes que eran más o menos parecidos antes de recibir tratamientos.
La capacidad de obtener el control necesario que permita la conclusión de causa-efecto también es una deficiencia importante del diseño experimental. La realización de investigaciones en un entorno controlado puede alterar los patrones de comportamiento natural de los participantes y, por lo tanto, disminuir la «validez ecológica» de los resultados. El investigador también debe permanecer dentro de los límites éticos, lo que significa que los tratamientos que tienen efectos físicos o psicológicos adversos en los participantes no pueden usarse. Finalmente, el requisito de asignación aleatoria puede no ser posible por razones éticas o prácticas.
¿Qué es número de hijos cualitativa o cuantitativa?
Un censo pregunta a cada hogar en una ciudad cuántos niños menores de 18 años residen allí. El número de niños en un hogar es una variable cuantitativa porque tiene un valor numérico con un orden significativo e intervalos iguales.
Cuando un automóvil se descompone en la carretera, el despachador de emergencia puede solicitar el marcador de milla más cercano. El valor del marcador de la milla de carretera es una variable cuantitativa porque es numérica con un orden significativo de magnitudes e intervalos iguales.
Un corredor registra la distancia que corre cada día en millas. La distancia en millas es una variable cuantitativa porque toma valores numéricos con magnitudes significativas e intervalos iguales.
Un censo pregunta a los residentes el más alto nivel de educación que han obtenido: menos que la escuela secundaria, la escuela secundaria, el título de 2 años, el título de 4 años, el título de maestría, el título de doctorado/profesional. Esta es una variable categórica. Si bien existe un orden significativo de logro educativo, las diferencias entre cada categoría no son consistentes. Por ejemplo, la diferencia entre la escuela secundaria y el título de 2 años no es la misma que la diferencia entre una maestría y un título de doctorado/profesional. Debido a que no hay intervalos iguales, esta variable no puede clasificarse como cuantitativa.
Una encuesta diseñada para instructores en línea pregunta: «¿Cuántos cursos en línea ha enseñado?» Se dan tres opciones: «Ninguno», «algunos» o «muchos». Si bien hay un orden significativo de magnitudes, no hay intervalos iguales. Esta es una variable categórica.
¿Qué tipo de variable es el número de hijos?
Estoy considerando leer el análisis de datos categóricos de Agresti o los modelos de regresión de Long, pero quiero saber cuánto se limitan estos libros al enfocarse en ‘datos categóricos’.
Por ejemplo, si tenemos datos sobre el número de niños que tiene una familia, ¿son esos datos categóricos? O qué pasa si tenemos alguna planta con un número de hojas de $ x $, y tenemos datos sobre la cantidad de hojas restantes después de $ y $ días. En este caso, ¿es categórico? Dado que los datos solo pueden tomar los valores $ x, x-1,…., 0 $?
- El número de personas que viven en una casa/apartamento (digamos que irá de 1 a 7 también, en una gran mayoría de los casos)
Ahora imaginemos que quieres hacer modelos (realmente simples):
- El número de personas que viven en una casa/apartamento (digamos que irá de 1 a 7 también, en una gran mayoría de los casos)
En el primer caso, nuestro modelo deberá ser complejo si le damos el día como una entrada no categórica. (Porque necesitará una función con altos picos los jueves y sábados, por ejemplo, y un pequeño pico viernes, etc. Está lejos de ser una línea simple)
Si le damos estos datos como una característica categórica, será mucho más fácil para su entrada, sin tener que usar funciones polinómicas de 4to grado, o algo así.
En el segundo caso, es lo contrario: el costo de los alimentos que se le da una cierta cantidad de personas no es tan inestable, y se puede equipar fácilmente con las funciones polinómicas de 1 °/2 grados, como una característica no categórica. Darle a nuestro modelo la entrada como una característica categórica no tiene ningún sentido, y solo lo hará más complejo (pasar de un espacio de 1 dimensión a un espacio de 7 dimensiones).
Artículos Relacionados:
