Este capítulo se refiere a la investigación sobre la recopilación, la representación y el análisis de los datos que subyacen al conocimiento del comportamiento y las ciencias sociales. Dicha investigación, de carácter metodológico, incluye enfoques etnográficos e históricos, escala, medición axiomática y estadísticas, con sus importantes parientes, econometría y psicometría. Se puede describir que el campo incluye el estudio autoconsciente de cómo los científicos sacan inferencias y llegan a conclusiones de las observaciones. Dado que las estadísticas son los enfoques metodológicos más grandes y más destacados y los investigadores utilizan en prácticamente todas las disciplinas, el trabajo estadístico atrae la mayor parte de la atención de este capítulo.
Los problemas de interpretar datos surgen cuando la variación inherente o las fluctuaciones de medición crean desafíos para comprender los datos o para juzgar si las relaciones observadas son significativas, duraderas o generales. Algunos ejemplos: ¿es un aumento mensual (o anual) agudo en la tasa de delincuencia juvenil (o desempleo) en un área en particular un asunto de alarma, una fluctuación periódica o aleatoria ordinaria, o el resultado de un cambio o peculiaridad en el método de informes? ¿Los patrones temporales observados en tales observaciones repetidas reflejan un mecanismo causal directo, un complejo de indirectos o simplemente imperfecciones en los datos? ¿Es una disminución en las lesiones de automóviles un efecto de una nueva ley de cinturón de asiento? ¿Son los desacuerdos entre las personas que describen algún aspecto de una subcultura demasiado grande para generar inferencias válidas sobre ese aspecto de la cultura?
Tales problemas de inferencia a menudo están estrechamente relacionados con la teoría sustantiva y los datos específicos, y en cierta medida es difícil y quizás engañoso tratar métodos de recopilación, representación y análisis de datos por separado. Este informe lo hace, al igual que todas las ciencias hasta cierto punto, porque los métodos desarrollados a menudo son mucho más generales que los problemas específicos que originalmente les dieron lugar. Hay mucha transferencia de nuevas ideas de un campo sustantivo a otro, y hacia y desde los campos fuera de las ciencias del comportamiento y las ciencias sociales. Algunos de los métodos clásicos de estadísticas surgieron en estudios de observaciones astronómicas, variabilidad biológica y diversidad humana. El mayor crecimiento de los métodos clásicos ocurrió en el siglo XX, muy estimulado por problemas en la agricultura y la genética. Algunos métodos para descubrir estructuras geométricas en datos, como la escala multidimensional y el análisis de factores, se originaron en la investigación sobre problemas psicológicos, pero se han aplicado en muchas otras ciencias. Algunos métodos de series de tiempo se desarrollaron originalmente para tratar los datos económicos, pero son igualmente aplicables a muchos otros tipos de datos.
Dentro de las ciencias conductuales y sociales, se han desarrollado métodos estadísticos y han contribuido a una enorme variedad de investigaciones, que incluyen:
Incluso tal listado resumido deja en claro que las mejoras en la metodología son valiosas en todo el espectro de la investigación empírica en las ciencias conductuales y sociales, así como en la aplicación a las preguntas de las políticas. Claramente, la investigación metodológica tiene muchos propósitos diferentes, y es necesario desarrollar diferentes enfoques para servir a esos diferentes propósitos, incluido el análisis de datos exploratorios, la inferencia científica sobre las hipótesis y los parámetros de la población, la toma de decisiones individuales, el pronóstico de lo que sucederá en caso o ausencia de intervención, y evaluar la causalidad de los experimentos aleatorios y los datos de observación.
¿Qué disciplina estudia la recolección clasificación análisis interpretación y grafica de los datos?
La epidemiología es una disciplina científica con métodos sólidos de investigación científica en su fundación. La epidemiología está basada en datos y se basa en un enfoque sistemático e imparcial para la recopilación, análisis e interpretación de datos. Los métodos epidemiológicos básicos tienden a depender de una observación cuidadosa y el uso de grupos de comparación válidos para evaluar si lo que se observó, como el número de casos de enfermedad en un área particular durante un período de tiempo particular o la frecuencia de una exposición entre las personas con enfermedad, difiere de lo que podría esperarse. Sin embargo, la epidemiología también se basa en métodos de otros campos científicos, incluidas bioestadística e informática, con ciencias biológicas, económicas, sociales y conductuales.
De hecho, la epidemiología a menudo se describe como la ciencia básica de la salud pública y por una buena razón. Primero, la epidemiología es una disciplina cuantitativa que se basa en un conocimiento práctico de probabilidad, estadísticas y métodos de investigación sólidos. En segundo lugar, la epidemiología es un método de razonamiento causal basado en el desarrollo y la prueba de hipótesis basadas en campos científicos como biología, ciencias del comportamiento, física y ergonomía para explicar comportamientos, estados y eventos relacionados con la salud. Sin embargo, la epidemiología no es solo una actividad de investigación, sino un componente integral de la salud pública, que proporciona la base para dirigir la acción práctica y apropiada de la salud pública basada en este razonamiento científico y causal. (2)
La epidemiología se refiere a la frecuencia y al patrón de eventos de salud en una población:
La frecuencia se refiere no solo al número de eventos de salud, como el número de casos de meningitis o diabetes en una población, sino también a la relación de ese número con el tamaño de la población. La tasa resultante permite a los epidemiólogos comparar la ocurrencia de la enfermedad en diferentes poblaciones.
El patrón se refiere a la aparición de eventos relacionados con la salud por tiempo, lugar y persona. Los patrones de tiempo pueden ser anuales, estacionales, semanales, diarios, por hora, de lunes a viernes versus fin de semana o cualquier otro desglose del tiempo que pueda influir en las enfermedades o la ocurrencia de lesiones. Los patrones de lugares incluyen variación geográfica, diferencias urbanas/rurales y ubicación de sitios de trabajo o escuelas. Las características personales incluyen factores demográficos que pueden estar relacionados con el riesgo de enfermedad, lesiones o discapacidades, como edad, sexo, estado civil y estado socioeconómico, así como comportamientos y exposiciones ambientales.
¿Cómo se le llama al estudio o ciencia que organiza clasifica y analiza datos?
Según Peter Denning, la pregunta fundamental que subyace en la informática es «¿Qué puede ser (eficientemente) automatizado?» [20] La teoría de la cálculo intenta responder las preguntas fundamentales sobre lo que se puede calcular y la cantidad de recursos necesarios para realizar los cálculos. La teoría de la computabilidad se esfuerza por responder a la primera pregunta, examinando qué problemas computacionales se pueden resolver a través de varios modelos de cálculo teórico. En cambio, la segunda pregunta trata de responder a la teoría de la complejidad computacional, que estudia los costos en términos de espacio y tiempo asociados con diferentes enfoques para resolver una multitud de problemas computacionales.
Este es un tipo particular de técnica basada en matemáticas para la especificación, desarrollo y verificación de sistemas de hardware y software. El uso de métodos formales para el diseño de hardware y software está motivado por la expectativa que, como en otras disciplinas de ingeniería, el realización de análisis matemáticos apropiados puede contribuir a la confiabilidad y robustez de un proyecto. Los métodos formales forman un pilar importante de ingeniería de software, especialmente cuando la seguridad está involucrada y representan una adición útil a las pruebas de software, ya que ayudan a evitar errores y también pueden proporcionar un marco para las pruebas en sí.
La arquitectura de las calculadoras, u organización de calculadoras digitales, es el diseño conceptual y la estructura operativa fundamental de un sistema computarizado. Se centra ampliamente en la forma en que la CPU realiza operaciones internamente y accede a direcciones en la memoria. [21] El campo a menudo implica disciplinas de ingeniería de TI e ingeniería eléctrica, seleccionando e interconectando los componentes de hardware para construir computadoras que se encuentren para objetivos funcionales, de rendimiento y económicos.
Una base de datos (base de datos) es un sistema destinado a organizar, memorizar y recuperar grandes cantidades de datos fácilmente. Se gestiona una base de datos digital utilizando sistemas de administración para almacenar, crear, mantener y buscar datos, a través de modelos e lenguajes de interrogación.
¿Cómo se llama la estadística que se encarga de la recolección procesamiento y análisis de datos?
Las bases de datos son archivos en los que el usuario puede elegir los datos y su nivel de detalle de acuerdo con sus necesidades y construir sus tablas de manera personalizada.
Los sistemas de información contienen información y datos estructurados en tablas recaídas previas y descargables en una hoja electrónica. Ambos sistemas van acompañados de metadatos, información sobre metodologías, clasificaciones y definiciones adoptadas en relación con los temas cubiertos.
Las tablas de datos son colecciones de datos difundidos no regularmente, pero generalmente al final de algunas investigaciones, como una forma preliminar de difusión de los datos producidos.
Los archivos de microdatos son las colecciones de muestras de datos elementales relacionados con algunas investigaciones realizadas por ISTAT. Se pueden revelar con fines de estudio y investigación sobre una solicitud motivada y la autorización previa del Presidente del Instituto, siempre que sean anónimos y sin ninguna referencia que permita su conexión con personas individuales naturales y legales.
Las elaboraciones personalizadas son productos hechos a medida, procesamiento ad hoc, que cumplen con las solicitudes no atribuibles a los productos estándar que se muestran en el catálogo. Son compatibles con las reglas que protegen el secreto estadístico e implican costos y tiempos de publicación indicados en las estimaciones proporcionadas por los gerentes del procesamiento.
Cada año más de 150 comunicados de prensa [22] en los principales indicadores socioeconómicos del país. [23]
¿Qué estudia la estadística?
Las investigaciones sobre el perfil y la condición de empleo de los graduados permiten analizar las características de los cursos de estudio que pertenecen a la clase Estitiana para evaluar sus resultados de empleo.
Principalmente estudios estadísticos, matemáticos y de ciencias económicas. Aquellos que se graduaron antes de conquistar el título de tres años en promedio a los 23.7 años, tomando 3.8 años, con un voto de graduación promedio de 99.4 de 110. Durante los estudios universitarios, el 7.8% de los graduados llevaron a cabo experiencias de estudio en el extranjero reconocidas por el curso y 37.4 %Pasantías de capacitación.
La ruta del maestro bienal más seguido de los graduados de tres años son las ciencias estadísticas (63.9%); Mientras que el 27.7% opta por actores y ciencias estadísticas financieras.
Después de cinco años desde el título, el 95.9% de los graduados que eligieron la Bienal Matriz en Ciencias Estadísticas está ocupado. Incluso para aquellos que han optado por el camino de un maestro bienal de actores y ciencias estadísticas financieras, el empleo es alto: de hecho es del 92.9%.
Graduados en ciencias estadísticas de cinco años tituladas RAWS en promedio igual a 1,703 euros netos por mes. Ѐ Asumido con un contrato de empleo indefinido 69.1% de los graduados, mientras que el 16.8% tiene un contrato no estándar (principalmente término fijo).
Para aquellos que han elegido el camino hacia el actor y las ciencias estadísticas financieras, cinco años después de estudiar, el salario es igual a 1,651 euros netos por mes; El 75.2% de los graduados son contratados con un contrato de empleados indefinidos, mientras que el 18.6% tiene un contrato no estándar (principalmente término fijo).
¿Qué es o que estudia la estadística?
Los títulos de estadísticas son más apropiados para las personas que disfrutan de la resolución de problemas, dice Anderson.
Cualquiera que tenga un título formal en estadísticas puede llamarse a sí mismo un estadístico, señala Anderson. También es común que las personas con títulos en los campos relacionados y la experiencia laboral de estadísticas significativas se referen a sí mismas como estadísticos, agrega.
Gloria Gheno, una estadística y estudiosa de investigación del Instituto Ronin, un Instituto de Investigación Académica, explicó en un correo electrónico que las estadísticas tienden a ser una disciplina académica polarizante que las personas aman u odian. «Sin embargo, en un mundo, como el nuestro, en el que siempre hay un aspecto aleatorio, solo las estadísticas pueden explicarlo», escribió.
Las estadísticas son esenciales para la mayoría de los esfuerzos científicos porque permite a los científicos determinar si sus hipótesis eran correctas o incorrectas, dice Gheno, quien tiene maestría y doctorado. Grados en estadísticas.
Una ventaja de estudiar estadísticas, agrega, es que incluso un estudiante que se especializa en un área de estadísticas puede transferir su conocimiento a otro campo aplicado. Un estadístico podría pasar hipotéticamente un día de trabajo mirando los datos de atención médica y dedicar otro día a analizar estadísticas económicas o sociales, sugiere Gheno, que describe las estadísticas como un campo de estudio «multidisciplinario».
Matthew Johnson, director de investigación principal del Servicio de Pruebas Educativas, describe las estadísticas como un campo de estudio fascinante con muchas aplicaciones del mundo real.
¿Qué estudia la estadística y ejemplos?
Antes de comenzar nuestra discusión sobre los tipos de estudios estadísticos, observamos de cerca los tipos de preguntas de investigación utilizadas en los estudios estadísticos.
Recuerde que una población es todo el grupo de individuos u objetos que queremos estudiar. Por lo general, no es posible estudiar toda la población, por lo que recopilamos datos de una parte de la población, llamada muestra. Usamos la muestra para sacar conclusiones sobre la población.
Por ejemplo, supongamos que nuestra pregunta de investigación es «¿Cuál es la cantidad promedio de dinero gastado en libros de texto por semestre por estudiantes de tiempo completo en Seattle Central?» No podemos entrevistar a todos los estudiantes a tiempo completo en Seattle Central porque tomaría demasiado tiempo y costaría demasiado dinero. Por lo tanto, seleccionamos cuidadosamente una muestra de estudiantes de tiempo completo en Seattle Central para representar a la población de todos los estudiantes de tiempo completo en esa universidad. Luego recopilamos datos de la muestra para estimar la cantidad promedio gastada en los libros de texto.
Este ejemplo ilustra cómo la pregunta de investigación guía la investigación. Una pregunta de investigación bien declarada contiene información sobre:
- La población (estudiantes de tiempo completo en Seattle Central).
- La información que recopilaremos de cada individuo en la muestra. También llamamos a esto la variable. La variable es lo que planeamos medir (cantidad de dinero gastado en libros de texto por semestre).
- Una característica numérica sobre la población relacionada con esta variable (la cantidad promedio de dinero gastado en libros de texto por semestre).
Aquí hay algunos tipos comunes de preguntas de investigación sobre una población:
Una pregunta de investigación que se centra en una relación de causa y efecto es común en las disciplinas que usan experimentos, como la medicina o la psicología. Estos tipos de preguntas preguntan cómo una variable responde como se manipula otra variable. Este tipo de preguntas involucran dos variables. Aquí hay unos ejemplos:
- La población (estudiantes de tiempo completo en Seattle Central).
- La información que recopilaremos de cada individuo en la muestra. También llamamos a esto la variable. La variable es lo que planeamos medir (cantidad de dinero gastado en libros de texto por semestre).
- Una característica numérica sobre la población relacionada con esta variable (la cantidad promedio de dinero gastado en libros de texto por semestre).
¿Qué ciencia recolecta tábula ordena e interpreta datos?
Una vez que esté listo para incluir sus resultados en su informe, puede decidir que lo mejor
La representación de sus datos es una presentación tabular. Puede estar trabajando con datos sin procesar
que te recogiste durante un experimento, y es posible que desee revisarlo para que
Incluye solo datos relevantes y para que se organice correctamente. También puedes estar trabajando
con largas listas de datos en bruto recopilados por otras personas o que le entregue su laboratorio
instructor. En este caso, depende de usted clasificar todos los datos y encontrar una forma de
Mejor representarlo en forma tabular. Para lograr esta tarea, deberá estar familiarizado
Con las reglas básicas para la presentación tabular:
- Limite su tabla a datos que sean relevantes para las hipótesis en el experimento.
- Asegúrese de que su tabla pueda estar sola sin ninguna explicación.
- Asegúrese de que su tabla sea complementaria a su texto y no replique
eso. - Consulte todas las tablas por números en su texto, por ejemplo, Tabla 1, 2, 3…
- Describa o discuta solo los aspectos más destacados de la tabla en su texto.
- Siempre entregue unidades de medición en los encabezados de la tabla.
- Alinee los lugares decimales.
- Números redondos tanto como sea posible. Intenta redondear a dos decimales a menos que
Se necesitan más decimales. - A menos que use un estilo de formato específico que requiera que coloque tablas por separado
Al final del informe, coloque las tablas cerca del texto que se refiere a ellas. - Decidir sobre una cantidad razonable de datos que se representarán, no muy poco para que
El lector no entiende sus resultados, pero no demasiado para que el lector sea
abrumado y confundido. - Solo incluya el número necesario de tablas en su artículo, de lo contrario, puede ser
redundante o confuso para el lector. - No use tablas si solo tiene dos o menos columnas y filas. En tales casos, un
La descripción textual es suficiente. - Organice sus tablas perfectamente para que el significado de la mesa sea obvio al principio
vistazo. Si el lector pasa demasiado tiempo descifrando su mesa, entonces también lo es
complicado y no eficiente. - Recuerde que demasiadas filas o columnas podrían dificultar que el lector
Comprender los datos. Es posible que deba reducir la cantidad de datos o separar los datos
en tablas adicionales. - Si tiene columnas o filas de datos idénticas en dos o más tablas, combine el
mesas. - Proporcionar totales de columna/fila u otros resúmenes numéricos que puedan facilitar
Comprender los datos. - Sea consistente con su presentación tabular. Use tabla, título consistente y
formatos de rumbo.
Tablas textuales (Word): a menudo, es posible que necesite tablas que tengan datos textuales en el cuerpo.
Por lo general, este es el caso cuando se trata de datos cualitativos. Estas tablas sirven lo mismo
Funciona como cualquier tabla, para facilitar las comparaciones de los elementos. Estas tablas también se usan cuando
Quiere presentar ejemplos, que se pueden agrupar de cierta manera, o cuando desea mostrar
categorías de diferentes artículos.
Tablas estadísticas: estas tablas pueden presentar estadísticas descriptivas o inferenciales
o ambos. Las estadísticas descriptivas son tabulaciones como media, desviación estándar, modo,
rango o frecuencia. Las estadísticas inferenciales se refieren a pruebas estadísticas. En tales tablas,
Se presentan valores de prueba estadísticos.
¿Cómo se llama la ciencia que se ocupa de recopilar organizar representar analizar e interpretar datos numéricos?
Abra Excel e ingrese los datos en la primera columna de la hoja de cálculo. Seleccione Datos> Análisis de datos> Estadísticas descriptivas. Para el rango de entrada, seleccione datos en la columna A. Verifique «Etiquetas en la primera fila» y «estadísticas resumidas». También verifique el «rango de salida» y seleccione la ubicación para la salida.
La organización y el resumen de datos se pueden hacer gráficamente, así como numéricamente. Las tablas y los gráficos permiten una descripción general rápida de la información recopilada y admite la presentación de los datos utilizados en el proyecto. Si bien hay una multitud de gráficos disponibles, este capítulo se centrará en algunas herramientas específicas de uso común.
Los gráficos circulares son una buena herramienta visual que permite al lector ver rápidamente la relación entre categorías. Es importante etiquetar claramente cada categoría, y a menudo es útil agregar la frecuencia o la frecuencia relativa. Sin embargo, demasiadas categorías pueden ser confusas. Tenga cuidado de poner demasiada información en un gráfico circular. El primer gráfico circular da una idea clara de la representación de los tipos de peces en relación con toda la muestra. El segundo gráfico circular es más difícil de interpretar, con demasiadas categorías. Es importante seleccionar el mejor gráfico al presentar la información al lector.
Figura 5. Comparación de un gráfico de barras para datos cualitativos y un histograma para datos cuantitativos.
En ambos casos, el ancho igual de las barras y el eje Y están claramente definidos. Con datos cualitativos, cada categoría está representada por una barra específica. Con datos continuos, los límites de clase inferior y superior deben definirse con anchos de clase iguales. No debe haber brechas entre las clases y cada observación debe caer en una clase, y solo una clase.
¿Qué es tabulación y análisis de datos?
El análisis de cruce es una herramienta de investigación de mercado que tiene como objetivo mostrar la relación… o la falta de ella… entre ciertas variables predefinidas. Por ejemplo, si se entrevistan a 1,000 personas sobre sus cereales de desayuno favoritos, es posible crear una mesa de tabla cruzada con el grupo de edad de las personas entrevistadas, para ver cómo la edad pueden influir en la preferencia del desayuno. La tabulación de cruce para excelentes conjuntos de datos es más fácil cuando se realiza en una computadora.
No tiene que detener una tabla de tabulación cruzada-Crea, todas las tablas que existen relaciones entre las variables que desea analizar. Además, las preferencias de cereales de edad, por ejemplo, también puede catalogarse de ingresos, raza, geografía y niveles de selecciones de educación. La única limitación es que ha recopilado datos sobre las variables en su investigación original. La tabzada cruzada de datos puede mostrar que las variables están fuertemente relacionadas, pero a veces muestra que no tienen una relación real.
Incluso si piensas en ver una relación entre variables, puede ser un golpe de suerte. La prueba de chi-quadrato es un método matemático que le permite comparar los resultados de la tabulación cruzada con los que habrían observado si los resultados han sido completamente aleatorios, y las dos variables no se influyen entre sí. Varios programas de software en el mercado a partir de esta publicación capaces de administrar los cálculos complejos involucrados. Esto reduce el trabajo involucrado en el análisis de las grandes investigaciones con muchas variables de cruces.
Una computadora puede abarcar números, imprimir las tablas y calcular el chi-quadro, pero no puede decir qué información soy importante para su proyecto. Primero recopila datos, formule una hipótesis de que desea realizar la prueba .- Niños como los cereales azucarados más que los adultos, por ejemplo… luego asegúrese de que la investigación recopile la información necesaria para confirmar o rechazar la ‘hipótesis. No participe en una hipótesis interior: si la información muestra incorrecta, es necesario aceptar eso. [Ref3
Presta atención al extraer conclusiones concretas. Incluso si la computadora muestra un vínculo muy fuerte entre la edad y los gustos del desayuno, esto puede no significar mucho si solo tiene media docena de entrevistados menores de 12 años. Los pequeños números son más vulnerables a los trematadi de muestreo, como ha sido investigado a seis niños que comparten el mismo sabor; Una muestra más amplia en este caso podría cruzar de manera diferente. Este es un ejemplo de cómo analizar la información de la computadora requiere el uso de la oración, no solo las estadísticas.
Artículos Relacionados:
