Mi1erBlog

Cuando trabajas con datos, tarde o temprano te topas con la misma duda: si lo que salió diferente de verdad es una diferencia real o si solo se ve así por casualidad. Para eso sirven las pruebas estadísticas. Entre las más comunes están las pruebas paramétricas y las no paramétricas, y la diferencia principal tiene que ver con cómo se comportan tus datos y con qué tipo de medición estás usando. Las pruebas paramétricas suelen ir bien cuando tus datos son números y se ven más o menos parejos. En otras palabras, cuando no están demasiado cargados hacia un lado y no hay tantos valores extremos que te desordenen el resultado. En ese tipo de casos, este enfoque normalmente aprovecha mejor la información y puede darte conclusiones más precisas. Las pruebas no paramétricas entran cuando los datos no cooperan tanto. Son útiles si tienes pocos datos, si hay valores muy altos o muy bajos que cambian mucho el promedio, o si tus datos no son números exactos sino niveles u opciones, como bajo, medi...

L o primero que se debe hacer es decidir desde qué enfoque va a mirar el problema. En pocas palabras, el enfoque es el camino que sigues para juntar información y sacar conclusiones. Los tres más usados son el cuantitativo, el cualitativo y el mixto. El enfoque cuantitativo se usa cuando lo que buscas es medir. Aquí lo importante son los números, los conteos y las comparaciones, por ejemplo para ver si algo aumenta, disminuye o si dos cosas se relacionan. El enfoque cualitativo se usa cuando lo que buscas es entender a fondo, como opiniones, experiencias o razones detrás de un comportamiento. En este caso, la meta no es sacar un número final, sino comprender qué está pasando y por qué. El enfoque mixto combina los dos. Sirve cuando necesitas medir y también entender, porque a veces los números te dicen qué pasa, pero no te dicen la razón. Elegir el enfoque correcto depende de tu pregunta: si quieres medir, vas por cuantitativo; si quieres comprender, vas por cualitativo; si quieres las...

  El alcance de una investigación es, básicamente, hasta dónde quieres llegar con tu estudio. No es lo mismo explorar un tema por primera vez que explicar por qué pasa algo. Por eso, antes de empezar, conviene definir el alcance, porque de ahí se decide qué información necesitas y cómo la vas a trabajar. Un alcance exploratorio se usa cuando el tema todavía no está claro o casi no hay información. Aquí la meta es ubicar el problema, entender qué variables podrían importar y tener un panorama inicial. Es como abrir el camino para estudios más completos. Un alcance descriptivo se centra en mostrar cómo es algo. No busca explicar causas, sino retratar la situación con claridad. Por ejemplo, describir características de una población, hábitos, niveles, opiniones o frecuencia de un fenómeno. Un alcance correlacional busca ver si dos o más cosas se mueven juntas. Aquí la pregunta típica es si cuando una sube, la otra también sube o baja. Importante: encontrar relación no significa que un...

  La pregunta de investigación es la base de todo el trabajo, porque define qué vas a estudiar, con quién o con qué, en qué contexto y con qué objetivo. Si la pregunta está bien planteada, el resto se vuelve más fácil: qué información necesitas, cómo la vas a conseguir y cómo vas a interpretar los resultados. Hay preguntas que buscan explorar un tema cuando todavía no se conoce bien. Suelen ser abiertas y sirven para ubicar el problema, entender qué está pasando y detectar qué cosas podrían importar. También hay preguntas descriptivas, que se enfocan en decir cómo es un fenómeno, cómo se presenta o con qué frecuencia aparece. Otras preguntas buscan relación entre elementos, es decir, si dos cosas se mueven juntas o se asocian. Y hay preguntas explicativas, que van un paso más allá y buscan entender por qué pasa algo, qué lo provoca o qué factores influyen. La relación con las variables depende del enfoque de tu pregunta. Una variable es algo que puede cambiar y que puedes observar ...

  En una investigación, la población es el conjunto completo de personas, objetos o casos que te interesan. Es como decir de quién o de qué quieres hablar en general. Por ejemplo, si tu tema es el estrés en estudiantes de preparatoria de una ciudad, la población serían todos esos estudiantes, no solo los que conoces o los que puedes encuestar. La muestra es solo una parte de esa población, pero elegida para estudiar y sacar conclusiones. Se usa porque casi nunca se puede medir o entrevistar a todos. Entonces, en lugar de trabajar con todo el grupo, tomas una parte manejable y analizas eso para tener una idea de lo que pasa en la población. La clave está en que la muestra se parezca lo más posible a la población. Si tu muestra queda muy cargada hacia un tipo de personas, tus resultados pueden salir sesgados. Por eso importa cómo eliges a la gente o los casos. A veces se elige al azar para que sea más parecida al total, y otras veces se elige por facilidad o por características espec...

  La variable independiente es la que se considera la posible causa o el factor que se cambia, se controla o se compara. Es la que sirve como punto de partida. La variable dependiente es el resultado, o sea lo que se afecta, lo que cambia o lo que quieres explicar. En pocas palabras, la independiente es el posible motivo y la dependiente es lo que pasa como consecuencia. Un ejemplo rápido lo deja claro. Si quieres ver si estudiar más tiempo mejora una calificación, el tiempo de estudio sería la variable independiente, porque es lo que cambia entre personas o lo que tú comparas. La calificación sería la variable dependiente, porque es el resultado que puede subir o bajar según el tiempo de estudio. Otra forma sencilla de identificarlas es con dos preguntas. Qué estoy cambiando o comparando te apunta a la independiente. Qué estoy midiendo como resultado te apunta a la dependiente. Si lo dices en una frase, suele sonar así: el cambio en la independiente se asocia con un cambio en la d...

  La pregunta de investigación es la frase que marca el rumbo de todo el trabajo. Es lo que quieres averiguar, pero dicho de forma clara y directa. Cuando la pregunta está bien hecha, te ahorra muchos problemas porque te ayuda a decidir qué datos necesitas, a quién vas a observar o consultar y cómo vas a llegar a una respuesta. Una buena pregunta normalmente dice tres cosas sin hacerse larga: qué vas a estudiar, en quién o en qué lo vas a ver, y en qué situación o contexto. Mientras más específica sea, mejor, porque una pregunta demasiado amplia termina en respuestas flojas o en información que no se puede manejar. Y si está demasiado cerrada o confusa, te limita y te atora en el proceso. También es útil pensar que la pregunta define el tipo de investigación que vas a hacer. Hay preguntas para conocer un tema cuando todavía no está claro, preguntas para describir cómo es algo, preguntas para ver si dos cosas se relacionan y preguntas para entender por qué pasa algo. El tipo de preg...

  Cuando hablamos de relación fenómeno-efecto en la actividad física, nos referimos a conectar una causa con un resultado. El fenómeno es lo que haces o lo que cambia, por ejemplo la cantidad de actividad física, la intensidad del ejercicio o la frecuencia con la que entrenas. El efecto es lo que pasa en el cuerpo o en el rendimiento como consecuencia, por ejemplo cambios en energía, resistencia, fuerza, estado de ánimo, sueño o salud en general. La idea central es que, si el fenómeno cambia, el efecto también puede cambiar. Si alguien se mueve más durante la semana, es común que mejore su condición, se canse menos en actividades diarias y tenga mejor control del estrés. Si además aumenta la intensidad de manera gradual, puede notar mejoras más claras en resistencia o fuerza. Pero para que esa relación sea creíble, hay que cuidar que el cambio en el efecto no se explique por otra cosa, como alimentación, descanso, enfermedades, edad o incluso el tipo de rutina.

  La campana de Gauss es una forma de dibujo que representa a la distribución normal. Se ve como una campana: alta en el centro y bajita hacia los lados. Cuando tus datos se acomodan más o menos así, se dice que se parecen a una distribución normal, o en corto, que se ven normales. La idea es sencilla: en una distribución normal, la mayoría de los valores se juntan cerca del promedio y, conforme te alejas, aparecen menos casos. Por eso el centro se ve “gordo” y los extremos se ven “delgados”. Un ejemplo típico es cuando casi todos están alrededor de un valor común y solo unos pocos quedan muy arriba o muy abajo, pero sin que los extremos dominen el resultado. Ahora, que dibujes una campana no significa automáticamente que todo sea normal. La normalidad no se decide solo con “se ve bonito”. Lo que normalmente se hace es mirar un gráfico de tus datos, por ejemplo un histograma, y ver si tiene una forma parecida a la campana: más o menos simétrica, con un solo pico principal y sin col...

Cuando tienes un montón de datos, lo primero que quieres es resumirlos sin perder lo importante. Estas medidas sirven justo para eso: unas te dicen dónde está el centro y otras te dicen qué tan regados están los valores. Media La media es el promedio de toda la vida. Sumas todos los valores y los divides entre cuántos datos tienes. Es útil, pero se puede mover mucho si hay números muy extremos. Mediana La mediana es el valor de en medio cuando ordenas los datos. Si tienes un número par de datos, es el promedio de los dos del centro. Lo bueno de la mediana es que no se deja engañar tanto por valores muy grandes o muy pequeños. Moda La moda es el valor que más se repite. A veces hay una moda clara, a veces hay varias, y a veces no hay ninguna si casi todos son distintos. Varianza La varianza te dice qué tanto se separan los datos de la media. Si la varianza sale grande, significa que los datos están muy regados. Si sale pequeña, significa que están más juntitos. No siempre se interpreta ...

  La campana de Gauss es la forma clásica de la distribución normal. Se ve como una campana porque la mayoría de los valores se juntan cerca del centro y, conforme te alejas, aparecen menos casos. Cuando tus datos tienen una forma parecida a esa campana, se dice que siguen aproximadamente una distribución normal. Lo más importante de esta campana es que suele ser simétrica. Eso significa que el lado izquierdo se parece al derecho y que el centro representa bien lo típico. En ese punto central, la media, la mediana y la moda tienden a quedar muy cerca entre sí, porque los datos no están cargados hacia un lado. La campana también sirve para tener una idea rápida de qué tan comunes son los valores alrededor del centro. En una normal, la mayor parte de los datos cae cerca del promedio y cada vez hay menos conforme te vas a extremos. Por eso, valores muy altos o muy bajos existen, pero son poco frecuentes. En la práctica, para ver si tus datos se parecen a la campana, lo más directo es ...