Conceptos Fundamentales en Metodología de Investigación y Diseño Experimental
Clasificado en Magisterio
Escrito el en 
español con un tamaño de 5,38 KB
Tipos de Estudios de Investigación
Estudio Experimental
Un estudio experimental implica la manipulación artificial del factor de estudio por parte del investigador y la aleatorización de los casos o sujetos. Es el tipo de estudio más riguroso para establecer relaciones de causa y efecto.
Ejemplo: Si se quiere probar el efecto de un medicamento para el tratamiento de una enfermedad, se asignan aleatoriamente pacientes a grupos de tratamiento y control.
Estudio Cuasi-Experimental
Un estudio cuasi-experimental también implica la manipulación de un factor, pero no se realiza una asignación aleatoria de los sujetos a los grupos. Esto puede deberse a limitaciones éticas o prácticas.
Ejemplo: En una ganadería se implementó un programa de inseminación a término fijo para mejorar la fertilidad. Para evaluar su eficacia, se realiza un estudio donde no fue posible aleatorizar los animales.
Estudio No Experimental u Observacional
Un estudio no experimental u observacional es un proceso de indagación en el que se recogen datos sin intentar inducir ningún cambio en las variables. El investigador simplemente observa y mide.
Estudio Transversal
En un estudio transversal, se dispone de una única medida u observación de las variables en un momento específico.
Estudio Longitudinal
En un estudio longitudinal, se dispone de más de una medida u observación de las variables a lo largo del tiempo.
Ejemplo: Definir el censo de perros de la ciudad de Pereira en un momento dado (transversal) o seguir la evolución de su población a lo largo de varios años (longitudinal).
Variables en Investigación
Variable Independiente
La variable independiente es aquella que el investigador manipula con el objetivo de comprobar qué efecto produce sobre el aspecto que le interesa modificar.
Variable Dependiente
La variable dependiente es el aspecto que interesa modificar, sobre el cual se predicen cambios en función de la manipulación de la variable independiente.
Variable Extraña
Las variables extrañas son aquellas que pueden incidir sobre la variable dependiente, provocando cambios no deseados. Es imprescindible que se controlen para asegurar la validez interna del estudio.
Control Experimental
El control experimental es la eliminación o neutralización de cualquier fuente de variación extraña capaz de confundir la acción de la variable de tratamiento.
Variable Aleatoria, Observada o de Respuesta
La variable aleatoria, observada o de respuesta es la medida u observación que se obtiene de cada una de las unidades experimentales.
Conceptos Clave del Análisis de Varianza (ANOVA)
Análisis de Varianza (ANOVA)
El Análisis de Varianza (ANOVA) es un contraste de hipótesis estadístico. Su verdadero objetivo no es la variabilidad en sí misma, sino otros contrastes como la igualdad de medias o el ajuste en un problema de regresión.
Unidades Experimentales
Las unidades experimentales son el grupo al cual se asignan aleatoriamente los tratamientos para ser analizados.
Tratamiento
El tratamiento es el conjunto de acciones que se aplican a las unidades experimentales con la finalidad de observar cómo responden a estas.
Repetición
La repetición es cada realización de un tratamiento en una unidad experimental.
Modelo Yij
El Modelo Yij es una representación matemática utilizada en ANOVA para describir la relación entre las variables:
Yij = M + αj + Eij
- Yij: La puntuación del i-ésimo sujeto bajo la j-ésima condición experimental o tratamiento.
- M: La media global de los datos del experimento.
- αj (alfa j): Representa Mj - M, es decir, el efecto o impacto del j-ésimo nivel de la variable de tratamiento.
- Eij: Representa Yij - Mj, es decir, el error experimental asociado al i-ésimo sujeto bajo el j-ésimo tratamiento.
Supuestos del ANOVA
Para que los resultados del ANOVA sean válidos, deben cumplirse los siguientes supuestos:
- Independencia de las observaciones y de los errores.
- Normalidad de los datos.
- Homogeneidad de varianza (Homocedasticidad): Igualdad de varianzas de los grupos.
Independencia de las Observaciones
Este supuesto implica que no hay patrones sospechosos ni relaciones entre las observaciones. Se puede verificar visualmente con una gráfica de residuos.
Supuesto de Normalidad
Este supuesto indica que los datos (o los residuos del modelo) siguen una distribución normal. Se puede evaluar con una gráfica Q-Q plot (normal) de residuos obtenidos a partir de un modelo con errores normales homocedásticos.