Calificación final del curso

Las calificaciones finales resultan de promediar el reporte entregado con los parciales anteriores, y son las siguientes:

Mildred Anaya Gomez
79
Alejandra Hernandez Manzo
92
Lucero Ortega Monroy
86
Claudia Montserrat Lopez Rosas
93
Jennifer Aurora Iglesias Trujano
95
Denisse Góngora Uvalle
87
Alma Paulette Jiménez Ochomogo
88
Sara Patricia Somuano Ballesteros
89
Larisa Hernández González
89
Carlos Javier Torres Trejo
94
Mariano Carrasco Maldonado
88
Martha González Niembro
82
Edgar Israel Alvarez Malvaez
80

Para mayor información y/o revisión de su calificación, nos podemos ver mañana a las 9.00 en el departamento de comunicación (donde está Norma Osorio).

Saludos, ya no me despide personamente, pero les envio un cordial saludo, y un deseo sincero de éxito en lo que decidan emprender. Buena suerte.

3er parcial. Ejercicio en SPSS

Mildred Anaya Gomez
83.5
Alejandra Hernandez Manzo
95.9
Lucero Ortega Monroy
93.8
Claudia Montserrat Lopez Rosas
95.2
Jennifer Aurora Iglesias Trujano
97.6
Denisse Góngora Uvalle
94.3
Alma Paulette Jiménez Ochomogo
94.5
Sara Patricia Somuano Ballesteros
96.9
Larisa Hernández González
89.2
Carlos Javier Torres Trejo
98.0
Mariano Carrasco Maldonado
95.3
Martha González Niembro
83.6
Edgar Israel Alvarez Malvaez
74.7

Puntuaciones z... y prueba t para una sola muestra

1. Recordar que la mayor parte de los análisis que realizamos se basan en los supuestos de normalidad, en el teorema del limite central. En la mayoría de los casos, calculamos las probabilidades asociadas a sus valores. Estas probabilidades se obtienen integrando la función de densidad normal. Pero para evitar este tipo de cálculos se han creado tablas con las probabilidades ya calculadas (valores z, t, f). Estas tablas recogen las probabilidades de una curva muy especial: la que tiene media 0 y desviación típica 1, N(0,1). Y esto es una ventaja, pues cualquier variable puede ser transformada en otra variable equivalente con media 0 y desviación típica 1 sin que se alteren sus propiedades. A este proceso lo llamamos tipificación o estandarización ( obtener los valores z a partir del valor real, el valor esperado (su media), y divididos por su desviación.

2. Análisis: Podemos transformar en puntuaciones z las puntuaciones originales de cualquier variable (por lo menos ordinales), y una vez obtenidas , podemos describir con precisión la posición relativa de un sujeto dentro de su distribución, pues informa sobre el número de desviaciones típicas que una determinada puntuación se aleja de su media, y por otro lado conocer la probabilidad asociada a cualquier valor de x de una variable normalmente distribuida a partir de la probabilidad asociada a su correspondiente puntuación z.

3. La Prueba T para una muestra permite contrastar hipótesis referidas a una media poblacional. El hecho de tener que estimar la desviación típica poblacional hace que la tipificación del estadístico Y , ya no sea una puntuación Z, sino una puntuación T distribuida según el modelo t de student con n-1 grados de libertad. Esta tipificación, es lo que se conoce como prueba t para una sola muestra. Nos permite conocer la probabilidad asociada a cada uno de los diferentes valores Y que es posible obtener en muestras de tamaño n.

Calificaciones 2o parcial

La calificación se compone del resultado del examen más el resultado de las actividades de tipo colaborativo, asistencias y participaciones.


Mildred Anaya Gomez
7.9
Alejandra Hernandez Manzo
9.1
Lucero Ortega Monroy
8.6
Claudia Montserrat Lopez Rosas
9.6
Jennifer Aurora Iglesias Trujano
9.2
Denisse Góngora Uvalle
8.7
Alma Paulette Jiménez Ochomogo
8.9
Sara Patricia Somuano Ballesteros
8.7
Larisa Hernández González
9.1
Carlos Javier Torres Trejo
9.2
Mariano Carrasco Maldonado
8.9
Martha González Niembro
8.2
Edgar Israel Alvarez Malvaez
8.0

Notas de clase y diapositivas en gmail

Encontrarán las diapositivas de la clase en el correo de gmail, y dos notas más. Una de estás es un formulario de medidas de dispersión, y el otro archivo es una nota sobre la desviación estándar, particualrmente sobre la forma de cálculo con datos agrupados, de un ejercicio similar al que realizamos en clase.

Saludos.

Confirmación de clase

Confirmación de clase para el día de mañana 21 de septiembre, misma hora, mismo lugar. Me pospusieron la salida que tenía programada.

Saludos.

Calificaciones 1er parcial

La calificación del 1er parcial se compone del examen (40%), reporte de la 1a lectura (15%), control de lectura (10%), ejercicio de medición de variables en spss 10%, actividades colaborativas 10%, asistencia 10%, participaciones y contribuciones al blog 5%.

Nota aclaratoria: En la anterior entrada, obvie el control de lectura del proceso de operacionalización por lo cuál se modifican algunas calificaciones (hacia arriba). Con mucho gusto mañana lo aclaramos.

En el caso de Mildred, y Denise el reporte de lectura lo había tomado en cuenta como entregado, pero no fue así, por lo que se tomo solo la mitad de su valor.

Mildred Anaya Gomez
6.8
Alejandra Hernandez Manzo
8.9
Lucero Ortega Monroy
8.3
Claudia Montserrat Lopez Rosas
8.4
Jennifer Aurora Iglesias Trujano
9.3
Denisse Góngora Uvalle
6.8
Alma Paulette Jiménez Ochomogo
7.8
Sara Patricia Somuano Ballesteros
7.9
Larisa Hernández González
8.2
Carlos Javier Torres Trejo
8.9
Mariano Carrasco Maldonado
8.3
Martha González Niembro
6.9
Edgar Israel Alvarez Malvaez
7.2

Saludos.

Descripciones numéricas de los datos

El concepto de estadística descriptiva nos remite a la descripción numérica que podemos hacer de un conjunto de datos: Como se ha señalado reiteradamente, la correcta definición de variables nos llevará a realizar un adecuado análisis de datos.De manera general podemos decir que las variables discretas, cualitativas (categóricas o nominales) pueden ser abordadas preferentemente con razones, proporciones y porcentajes.

Las variables ordinales por definición son tratadas como cualis, sin embargo en la práctica podemos tratarlas como cuantis siempre y cuando las podamos expresar númericamente. Por otro lado, las variables continuas,cuantitativas (de intervalo y razón), que por su definición son expresiones numéricas, con propiedades matemáticas son abordadas a partir de tres formas de medición principales:

1. Medidas de Tendencia.

2. Medidas de dispersión

3. Medidas de forma

1. Las medidas de posición o tendencia central son media, mediana, moda. La media o valor promedio (al igual que la desviación estandar) es sensible a la influencia de observaciones atipicas o extremas, y queda desplazada hacia la cola más larga en distribuciones asimétricas.Cuando la media es más grande que la mayoría de los valores la cola de desplaza hacia la derecha .Cuando la media es menor que la mayoría de los valores se desplaza hacia la izquierda. (p.e. cuando el peso de 11 personas de las cuales 10 son niños, la media es influenciado por valor atipico del adulto o viceversa)En sintesis, cuanto más sesgada una distribución, menos representativa será la media.

La mediana o valor tipico de un conjunto de datos nos refleja exactamente el punto medio de una serie de valores. Se utiliza cuando se desea conocer el valor tipico de los datos, y coincide siempre con el valor del 2o cuartil. Si estamos frente a un conjunto de datos simétrico, la media y mediana serán exactamente iguales.

Tambien se encuentran los cuartiles, deciles, percentiles. Estas medidas nos permiten realizar una inspección general de los datos, y una ubicación de su distribución general.Determinan entre que valores se encuentra la mitad de las observaciones (hacia la izquierda y hacia la derecha).

2. Las medidas de dispersión nos permiten conocer la variabilidad de los valores respecto a la media (valor promedio). Caracterizar un conjunto de datos sólo una medida de centro puede ser engañoso. Pensemos en la calidad de un lote de medicamentos, la riqueza promedio de los municipios de un estado (descartariamos a los más pobres). Una forma de medir la variabilidad de los datos es calcular la diferencia entre la observación máxima y la mínima conocida como rango. La desviación típica se puede interpretar como "la media de las desviaciones respecto a la media" y se expresa en las mismas unidades en las que se exprese la variable (pesos, metros, puntos del examén etc..) La medida de dispersión típica es la varianza que es el promedio de los cuadrados de las desviaciones de las observaciones respecto a su media. Y la desviación estándar es la raíz cuadrada positiva de la varianza.A manera de recapitulación podemos señalar que mientras los cuartiles ubican los datos respecto a la mediana (hacia la izquierda y hacia la derecha); la varianza y principalmente la desviación estandar muestran la dispersión de los datos respecto a la media (hacia la izquierda-negativos, hacia la derecha-positivos).El principio es que la suma de las desviaciones de un conjunto de datos respecto a su media se igual a cero (obviamente las desviaciones hacia la izquierda-negativas se compensarán con las de la derecha-positivas).La varianza es grande si las observaciones están muy dispersas respecto a la media, y es pequeño si la mayoría de las observaciones se situan cerca de la media.3. Finalmente tenemos las medidas de forma que nos permiten conocer la concentración y forma de los datos. Esto nos permite conocer la tendencia de los datos, si siguen una distribución simétrica (la misma cantidad de datos hacia la izquierda y hacia la derecha con la media justo a la mitad) o asimétrica.

Datos y variables usados en ciencias sociales

La enseñanza de la estadistica aplicada a las ciencias sociales tiene relación con el aprendizaje del método en ciencias sociales. El buen manejo del método científico puede potenciar la comprensión y los usos que puede tener la estadistica en el campo de las ciencias sociales y en particular en el de la comunicación.

Para alcanzar los objetivos anteriores, revisaremos cinco etapas: 1. El proceso de formulación teórica, 2. la operacionalización de conceptos, 3. las estrategias de investigación, 4. los tipos de datos en ciencias sociales, 5. la forma de contrastar hipótesis.

En esta entrada nos vamos a centrar en el tema 4 que se refiere a los tipos de datos usados en ciencias sociales:

En ciencias sociales buscamos la contrastación empírica. Para ello necesitamos reducciones de conceptos fuertes que nos permitan alcanzar operacionalizaciones fuertes. Deciamos en clase que un buen ejemplo de reducción débil y operacionalizción débil es el concepto de cultura o sociedad. ¿Como podriamos operacionalizar este tipo de conceptos?. Sin duda plantean un buen reto para cualquier investigador. Para alcanzar este cometido, deberemos desarrollar la habilidad de identificar los diversos tipos de variables y datos usados en ciencias sociales.

¿Qué es una variable? Una variable nos indica las características empíricas de un concepto, y el valor que pueden tomar estas. Cabe destacar que el término puede presentar diversas acepciones.

De acuerdo al tipo de valores que tomen las variables, estas pueden ser:

1. variables por su función de análisis: variable dependiente, independientes (antecedente, interviniente, de control...)

2. variables por el no. de valores: discretas p.e. escala ideológica(contar, enteros, pocas categorías) y continúas p.e. ingresos (medir, decimales, muchos valores númericos)

3. variables por su nivel de medición: cualitativas (nominales y ordinales; estas últimas pueden ser medidas de forma cuantisiempre y cuando sean representadas númericamente), cuantitativas (intervalo y razón).

Si recordamos cuál es el objetivo de la estadística; es que una vez que se cuenta con los datos, hay que"manipularlos, analizarlos, estudiarlos y explotarlos"; sin embargo aquí cabe preguntarse ¿qué son los datos?,¿como pueden presentarse los datos?, ¿qué tipo de análisis se realizan con los distintos tipos de datos?.

El proceso de definir y medir variables es crucial en la estadística aplicada. Recordemos que esto parte del proceso de formulación teórica y de una buena operacionalziación de los conceptos (paso 1 y 2). Si hacemos una definición incorrecta de los datos, nuestro proceso consecuente estará mal.Según el tipo de valores que toman las variables, distinguimos el rol que jugarán en el análisis. El tipo de variable es importante porque afecta directamente el tipo de análisis estadístico que podemos hacer con ellá.

Las variables cualitativas son llamadas así por que se refieren a categorías o atributos que posee un concepto. Los valores que toma una variable son categorías, valores diferenciados por una cualidad no por una cantidad. Estas categorías pueden ser mutuamente excluyentes, pero no se puede decir que son mayores o menores uno de la otra. Ejemplos de esta escala de medición nominal son partido político, municipio, sexo, estado civil, si cuenta con credencial de elector, color de ojos, color de cabello etc...

La escala de valores de tipo ordinal es una escala bisagra porque por su definición se puede ubicar dentro de las cualis; pero en la práctica se puede ubicar como cuanti (siempre y cuando se utilice númericamente). Por definición son categorías que presentan un orden( no números, no puede ser medida una distancia o intervalo entre sus valores). Ejemplos de este tipo
de escala de medición es: NSE, Clase social, ideología en escalas, nivel de acuerdo sobre el desempeño gubernamental, escalas de actitud.
Dentro de las variables cuantitativas puras destaca la escala de medición de intervalo. En las variables cuantitativas podemos calcular la distancia o intervalo entre los valores de esa variable.Ejemplos de esta variable son los ingresos, el peso y la estatura de una persona, el consumo medido en pesos etc...

Tipos de análisis según nivel de medición de la variable:
En variables cualitativas los tipos de análisis son limitados (tasa, razón, proporción) a menos que transformemos las categorías en valores númericos: ejemplo (edad: niño, adolescente, adulto, adulto maduro, adulto mayor se puede convertir númericamente a rangos de edad: 0-10, 11-18, 19-35, 36-55, 56 en adelante).Con números podemos calcular la media, pero con categorías no ( o será menos preciso o atenuado).
En cuanto a las variables discretas estas pueden tomar escalas de medición de tipo nominal, ordinal y de intervalo. En tanto que las continuas(miden, muchos valores, con decimales) sólo pueden tomar escalas de medición de intervalo.

Glosario de términos Estadística Aplicada

GLOSARIO DE TÉRMINOS ÚTILES EN ESTADÍSTICA APLICADA

Inferencia estadística: Parte de la estadística que permite generalizar los resultados obtenidos en la muestra a la población o universo. Mientras a las características de una población se les llama parámetros, a las características de una muestra se les llama estadísticos. Los parámetros pueden ser inferidos a partir de los estadísticos, de ahí el nombre de estadística inferencial.
Prueba de hipótesis: Es una proposición respecto a uno o varios parámetros, lo que el investigador hace es determinar si la hipótesis es congruente con los datos obtenidos en la muestra. Para comprender este concepto es preciso revisar el concepto de distribución muestral y nivel de significancia.
Distribución muestral de medias: Conjunto de valores sobre una estadística calculada de todas las muestras posibles de determinado tamaño. Este en realidad es un concepto teórico que nos ayuda a responder la pregunta: ¿la media de la muestra esta cerca de la media de la distribución muestral?. Si está cerca podemos tener una estimación precisa de la media poblacional (el parámetro poblacional es prácticamente el mismo que el de la distribución muestral). Lo anterior se expresa en el teorema del límite central que especifica que la distribución muestral tiene una media igual a la de la población, una varianza igual a la varianza de la población dividida por el tamaño de muestra y se distribuye normalmente.
Distribución normal: Parte del supuesto de que la mayoría de las frecuencias se concentran en el centro de la distribución y en los extremos encontramos sólo algunas frecuencias. Esto se expresa en el concepto de la distribución o curva normal. 68.26% del área de la curva normal es cubierta entre -1s y +1 s(desviaciones estándar), 95.44% del área de esta curva es cubierta entre -2s y +2s y el 99.74% se cubre con -3s y +3s. Las características principales de la curva normal son: es unimodal, asimetría y curtosis es cero, es una función particular entre desviaciones con respecto a la media de una distribución y la probabilidad de que estas ocurran, la base esta dad en unidades de desviación estándar (puntuaciones z). La distancia entre puntuaciones z representan áreas bajo la curva. De hecho la distribución de puntuaciones z es la curva normal. Media, mediana y moda coinciden en el mismo punto.
Nivel de significancia: La probabilidad de que un evento ocurra oscila entre 0 y 1, donde 0 es la imposibilidad de ocurrencia y 1 la certeza de que ocurra.

Glosario de la Unidad I: Introducción al método en CS

GLOSARIO

Método Científico: serie de pasos basados en la observación, experimentación y análisis sistemático que buscan la descripción y explicación de una realidad social determinada.

Teoría: Conjunto de conceptos lógicamente relacionados que representan lo que creemos que sucede en una realidad.

Modelo: Representación abstracta de la realidad.

Concepto: Descripción semántica de un objeto, parte de tres elementos interrelacionados entre sí: término, significado y referente. (Unidades del pensar, Antecedente de las definiciones operacionales).

Operacionalización: Proceso de especificación del referente empírico de un concepto

Variable: Característica empírica observable de algún concepto que puede tomar más de un valor. Son el vínculo entre teoría y datos.

Variables cuantitativas: son aquellas cuyas categorías pueden expresarse numéricamente. La naturaleza numérica de las variables cuantitativas permite un tratamiento estadístico más elaborado debido a las operaciones matemáticas que permiten. Por ello facilitan una descripción más precisa y detallada de la variable. Las variables cuantitativas, propiamente dichas, son de intervalo y de razón (o de cociente). Pueden ser discretas (enteros) o continuas.

Variables de intervalo: utiliza criterios de medición en los que se pueden identificar unidades y realizar operaciones matemáticas (edad, peso, nivel de ingresos, no. de partidos etc.). Incluyen la noción de orden y admiten las operaciones de suma y resta. Aquí se pueden establecer relaciones de igualdad y desigualdad, de orden y de igualdad de intervalos. Esto supone que hay una unidad de medida constante y uniforme a lo largo de todos los valores posibles de esta variable. En una escala interval el valor cero es un valor obtenido por consenso, es decir, arbitrario y no tiene un significado de ausencia del atributo.

Variables cualitativas: aquellas que no aparecen en forma numérica, sino como categorías o atributos (sexo, profesión, color de ojos) y sólo pueden ser nominales u ordinales.

Variables ordinales ó jerárquicas: categorías que sin guardar un orden numérico preciso, guardan una relación de orden (grado de Partidismo, grado de curación). Recogen la idea de orden pero no tiene sentido realizar operaciones aritméticas con ellas (acuerdo o desacuerdo con un proyecto de ley) ya que no puede medirse distancia entre una categoría y otra. Se puede establecer aquí igualdad y desigualdad, y relaciones como mayor que, y menor que. Puede establecerse orden, pero no medirse distancia dentro de ese orden. La medida estadística de tendencia central más apropiada es la "mediana".

Variables nominales ó categóricas: clasificaciones o tipologías que no se pueden ordenar (nacionalidad, religión, preferencias x, estado civil, grupo sanguíneo).

Hipótesis: Enunciado declarativo que indica explícitamente las relaciones que se esperan encontrar entre la variables, son el vínculo entre la teoría y los datos. Según su posición en dicha relación podemos distinguir a la variable dependiente e independientes.

Variable Dependiente: es aquella cuyos valores dependen de los que asuma otra variable.

Variables independientes: es aquella que, dentro de la relación establecida, no depende de ninguna otra (explicativas)

Variable Interviniente: cuando resulta un factor que interviene entre dos variables modificando o alterando con su propio contenido las relaciones que existen entre esos dos elementos. P.e.
Variable A: alimentación que se recibe en la infancia (variable independiente).
Variable B: nivel de inteligencia posterior de la persona (variable dependiente).
Variable C: nivel socio - económico (variable interviniente que influye a A).
Variable antecedente es la que se supone como "antecedente" de otra. Ejemplo: para realizar el aprendizaje se supone un grado mínimo de inteligencia. Por lo tanto, la variable inteligencia es antecedente de la variable aprendizaje.

Objeto de estudio: Selección del campo o área específica que se estudiará.

Unidad de análisis: Selección del ente específico que se estudiará.

Propiedades: Características a investigar.

Proceso de observación : Aplicación de un instrumento de medida para asignar valores de alguna característica o propiedad del fenómeno en cuestión a los casos estudiados.

Proceso de medición: Creación de variables e indicadores. Implica la elección de uno o varios indicadores para cada variable y la elección de formas de obtener información.
Calidad de los indicadores: a partir de la validez y la fiabilidad.

Identifica la variable dependiente y las posibles variables independientes del ejercicio asignado en clase

Tipos y objetivos de investigación

Ingresa por equipos, los ejercicios que iniciaron en clase.

1. La investigación normativa responde a la pregunta de ¿como debe de ser el asunto que abordamos en una investigación?. Una de las disciplinas que se basa en la investigación normativa es el derecho. Basta ver como esta hecha una constitución, pues en muchos de sus artiulos priva el ideal de comportamiento humano. Busca el deber ser del objeto de estudio, y en ello se involucran los juicios de valor. En ocasiones, el ideal o deber ser de un problema de nuestro entorno es fuente de inspiración de una investigación, sin embargo en algunas ramas de las ciencias sociales como la ciencia política o la comunicación, es recomendabe ocuparse de describir y explicar la realidad tal como es, en lugar de calificarla de si es buena o mala.

2. Investigación analítico conceptual. En cualquier investigación, la elaboración conceptual nos ayuda a conocer y a delimitar el objeto de estudio. Esta investigación tiene el objetivo elemental de responder a la pregunta: ¿qué es?.

3. Investigación empírico descriptiva. Para alcanzar el el objetivo de la investigación científica que es la predicción de los hechos más allá de los observado, es muy importante alcanzar en primer lugar la descripción del objeto de estudio. Este tipo de investigación busca los objetivos de explorar y describir, y busca responder la pregunta de ¿cómo es?, ¿cómo sucede?.

4. Investigación empírico-explicativa. Una vez que se alcanza la conceptualización de un problema de investigación, asi como la exploración y descripción, estamos listos para buscar el objetivo de explicar un objeto de estudio a partir de responder la pregunta de ¿Porqué sucede tal o cual objeto de estudio?

Acerca del falsacionismo de Popper

En la clase pasada revisamos algunos de los postulados del método científico. A diferencia del conocimiento emanado de fuentes tradicionales, todo conocimiento científico debe de ser evidenciado empíricamente, y ser fruto de la aplicación de un conjunto de reglas secuencialmente ordenadas (método científico) para crear un conocimiento verificable y racional.

En este contexto ubicamos a la teoría falsacionista de Popper, quien es uno de los más importantes filósofos de la ciencia del siglo pasado. Para Popper contrastar una teoría significa intentar refutarla mediante un contraejemplo. Si no es posible refutarla, dicha teoría queda corroborada, pudiendo ser aceptada provisionalmente, pero nunca verificada.

En el fondo esta dinámica nos llevará al progreso de la ciencia, en un interminable ciclo de ensayo, prueba y error.

Entre las obras más importantes de este filosófo se encuentra la sociedad abierta y sus enemigos I y II, la cual no es parte de esta materia, pero leerla es recomendable y de alto beneficio para su desarrollo profesional.

Si les interesa el pensamiento popperiano, aqui hay algunas ligas:

www.eeng.dcu.ie/~tkpw

Resumen del prólogo de Estadística Aplicada

Objetivos y contenidos de la Unidad I

1. LA INVESTIGACION EN CIENCIAS SOCIALES

Objetivo general:
· Comprender y adoptar en un proyecto de investigación la metodología utilizada en las ciencias sociales
Objetivos específicos:
· Conocer la naturaleza de la investigación y la metodología utilizada en CS
· Identificar las características de la investigación cualitativa
· Identificar las características de la investigación cuantitativa
Conocer los elementos del método estadístico

Temario:
El sentido común y el conocimiento científico
El conocimiento científico social: límites y alcances
La naturaleza de la investigación social
Los investigadores sociales (antropólogos, psicólogos, sociólogos frente a los "otros")
La investigación cualitativa
La investigación cuantitativa
El método estadístico

¿Qué tematicas te interesaria medir?

Motiva tu instinto de investigador, y comparte con el grupo que tipo de problemas de la realidad social o económica que te rodea te gustaria medir.

Pueden ser preferencias sociales, hábitos de consumo, un modelo de satisfacción del cliente, la opinión de los niños entre 6 y 12 años, la opinión de los teenagers, la tendencia editorial de los medios de comunicación...

Participa y comparte tus intereses.

Bienvenidos al espacio no oficial de la clase de métodos cuantitativos

Bienvenidos al espacio no oficial, pero no por ello menos serio de la clase de métodos cuantitativos.

Desde que recibi el programa, entendi que el eje del curso que yo le podía dar era el de estadística aplicada a las ciencias sociales, sobre todo por que creo que el parendizaje de la materia será más entendible en la medida que el propio alumno vaya construyendo un proyecto cuantitativo de investigación; desde el diseño, la recopilación de la información y finalmente desde el análisis e interpretación de los datos.

Bueno, pues en primer lugar quiero presentarles los objetivos y el programa de la materia:

OBJETIVO GENERAL DEL CURSO

El alumno entenderá y valorará la importancia del conocimiento científico en las ciencias sociales a través del aprendizaje y la aplicación de las teorías y las herramientas metodológicas de la investigación cuantitativa en casos de estudio específicos que permitan comprobar y confrontar el saber teórico existente, así como realizará proyectos para evaluar la aplicación del programa estadístico SPSS en investigaciones sociales.

OBJETIVOS ESPECÍFICOS:

Comprender el uso del método científico en Ciencias Sociales
Comprender que tipo de preguntas empíricas se pueden responder usando métodos cuantitativos, y cuales no tanto
Diseñar y ejecutar un proyecto de medición cuantitativa (diseño-recopilación-análisis de datos)
Ejecutar e interpretar análisis de datos descriptivo e inferencial en SPSS

Temas y Subtemas del Curso

1.- La Investigación en la Ciencia Social

El Sentido Común y el Conocimiento Científico
El Conocimiento Científico Social: Límites y Alcances
La Naturaleza de la Investigación Social
Los Investigadores Sociales (Antropólogos, Psicólogos, Sociólogos frente a los “otros”)
La Investigación Cualitativa
La Investigación Cuantitativa

2.- La Estadística Descriptiva

Tendencia Central: Media, Mediana, Moda
Medias de Dispersión
El rango
La Varianza
La Desviación Estándar
El Coeficiente de Variación
Correlación y regresión

3.- El Caso de la Muestra
Los tipos de Muestreo
La Distribución Muestral
La Prueba de Hipótesis
El Nivel de Significación
La Estadística Inferencial

4.- La Elección de Prueba
La Hipótesis Estadística
La Toma de Decisiones
La Zona de Rechazo


5.- Los Análisis Univariados
La Demostración de T
Los Tipos de T
Correlaciones
Análisis One Way

6.- El Uso y la Aplicación de Herramientas Computacionales
El Modelo Estadístico
Las Características de Medición
Los Análisis de Datos
Las Pruebas Estadísticas
SPSS

Obviamente realizaremos algunas variantes al programa que no afectarán el contenido, pero si el orden. Lo anterior en función de la investigación empírica que será uno de los ejes principales de la materia. Para ello, será preciso definir algunos temas del interés de los estudiantes del curso. Para definir ello, realizaremos una dinámica de AC después de presentar los objetivos y criterios de evaluación del curso.