Metodologia Proyecto 2do parcial (1)

Vista previa del material en texto

Universidad Vizcaya de las Américas
Administración de empresas
Proyecto
Metodología de la investigación
Profesor: Roberto Alfonso Diaz Valencia 
Integrantes:
Esteban Carrillo Osorio
Roberto Castillo Varguez
Ricardo Alberto Erosa Uribia
Introducción 
En el presente proyecto vamos a hablar más acerca sobre la metodología de la investigación, aspectos más a fondo y explicaciones más extensas, específicamente en distintos tipos de investigación las cuales no son pocas y cada una tiene su importancia dentro del mundo de la metodología.
Cabe aclarar que nuestro objetivo es dar a conocer un poco más de información sobre este tema, debido a que es de gran importancia dentro del mundo de la administración y de la contabilidad, por la razón que son temas muy extensos y con un buen resumen y explicaciones concretas se lograra obtener un mejor conocimiento sobre todo esto. 
Es importante conocer el tema de la metodología de la investigación debido a que dentro de esta está todo lo que necesitamos los licenciados para un buen trabajo laboral, así como académico, porque necesitamos saber cómo hacer una investigación así como conocer los aspectos más importantes los cuales los mencionaremos en el presente proyecto.
Se presentara a continuación varios aspectos sobresalientes dentro de la metodología, ya sea los diseños de investigación, el proceso de una investigación, etc., Para que el lector al leer el proyecto entienda lo principal de la investigación cuantitativa y de sus demás tipos de investigación, ya que todas nos van a servir en algún momento.
UNIDAD 4. Diseños de investigación cuantitativos 
4.1 Tipos de diseños de investigación cuantitativa
La investigación cuantitativa se define como los métodos y técnicas elegidos por un investigador para combinarlos de una manera razonablemente lógica para que el problema de la investigación sea manejado de manera eficiente.  El diseño de investigación es una guía sobre “cómo” llevar a cabo la investigación utilizando una metodología particular. Cada investigador tiene una lista de preguntas que necesitan ser evaluadas.
Hay tres etapas principales del diseño de investigación: 
· Recolección
· Medición y 
· Análisis de datos.
Las variables, herramientas designadas para recopilar información, cómo se utilizarán las herramientas para recopilar y analizar los datos y otros factores, se deciden en el diseño de investigación sobre la base de una técnica.
4.1.1 investigación experimental
El diseño de la investigación experimental se utiliza para establecer una relación entre la causa y el efecto de una situación. Es un diseño de investigación donde se observa el efecto causado por la variable independiente sobre la variable dependiente.  Se monitorea el efecto de una variable independiente como el precio sobre una variable dependiente como la satisfacción del cliente o la lealtad a la marca. Se trata de un diseño muy práctico, ya que contribuye a la resolución de un problema.
Las variables independientes son manipuladas para monitorear el cambio que tiene en la variable dependiente. Se utiliza a menudo en las ciencias sociales para observar el comportamiento humano mediante el análisis de dos grupos, el afecto de un grupo en el otro.
4.1.2 investigación ex-post –facto
La Evaluación ExPost puede definirse como un proceso posterior a la implantación de una acción gubernamental en la que se verifica si la identificación, cuantificación y valoración de los costos y beneficios planteados en la Evaluación ExAntefueron los que ocurrieron o se desviaron, identificando las causas de estas desviaciones. Se entiende al proceso encaminado a determinar sistemática y objetivamente la pertinencia, eficiencia, eficacia e impacto de todas las actividades desarrolladas a la luz de los objetivos planteados en un proyecto. Es así que con el propósito de cerrar el ciclo de proyectos se hace un seguimiento posterior de aquellas variables que puedan mostrar si efectivamente el programa o proyecto está alcanzando o alcanzó.
4.1.3 Validez interna 
Es una medida crucial en los estudios cuantitativos, ya que asegura que el diseño del experimento de un investigador siga de cerca el principio de causa y efecto, Se refiere al grado en que un experimento excluye las explicaciones alternativas de los resultados, es decir, al grado en que ciertamente la manipulación de la V.I. es responsable de los cambios en la V.D. Cualquier factor o fuente que no sea la V.I. y que pudiera explicar los resultados es una amenaza para la validez interna. De esta forma, la validez interna es un mínimo básico sin el cual un experimento está abierto a múltiples explicaciones alternativas.
4.1.4 Validez extensa en un estudio experimental 
Es realizada con un enfoque científico, donde un conjunto de variables se mantienen constantes, mientras que el otro conjunto de variables se miden como sujeto del experimento. La investigación experimental es uno de los métodos de investigación cuantitativa principales.
El ejemplo más simple de una investigación experimental es una prueba de laboratorio. Siempre que la investigación se realice bajo condiciones científicamente aceptables, se califica como una investigación experimental, Es importante para una investigación experimental establecer la causa y el efecto de un fenómeno, lo que significa que debe ser claro que los efectos observados en un experimento se deben a la causa. Por ejemplo, un estudiante de cardiología realiza una investigación para comprender el efecto de los alimentos en el colesterol y resulta que la mayoría de los pacientes con problemas de corazón no son vegetarianos ni tienen diabetes, es porque comen carne (supongamos). Este último puede ser un aspecto (causa) que puede provocar un ataque cardiaco (efecto). 
Existen tres tipos principales de diseños de la investigación experimental:
·      Diseño pre-experimental
·      Diseño experimental verdadero
·      Diseño cuasiexperimental
4.1.5 Diseños ATI
Este tipo de investigación «es un caso especial del estudio científico de la interacción persona-ambiente...» que «trata de comprender cuándo, cómo y por qué diferentes personas se benefician de diferentes tipos de instrucción, así como qué condiciones educativas pueden ser mejoradas adaptándolas a las necesidades y características de cada tipo de personas. 
Cuando las aptitudes medidas proveen predicciones diferenciales para el aprendizaje bajo diferentes condiciones de instrucción, una conclusión de ATI está, a su juicio, justificada. Y aunque han sido estudiadas diferentes aptitudes —cognitivas, de personalidad y estilos cognitivos, sobre todo— y comparados diferentes tipos de enseñanza, la evidencia hasta ahora obtenida no permite un uso extensivo y generalizado en la planificación educativa y en el diseño instructivo.
4.1.6 realización de estudios de investigación
La realización de una investigación conlleva recorrer una serie de fases en las que el investigador se concentra en una tarea específica de la misma. Aunque toda investigación posee características propias, hay un amplio consenso en señalar etapas generales que ocurren en toda investigación. Aún a riesgo de asumir la pérdida de información que supone condensar en una pocas hojas el trabajo de varios años de investigación y, a dar la impresión de que el trabajo se desarrolló de manera lineal en el tiempo en el que se realizó, vamos a ejemplificar las fases generales del proceso de investigación. 
Existen diferentes conceptos importantes a cerca de esto:
1. Resolución de ejercicios
2. Investigaciones en psicología sobre los procesos cognitivos subyacentes a la resolución de problemas
3. Enseñanza de heurísticos “tipo Polya”, a menudo presentadas como “trucos” o “recetas” para resolver un tipo particular de problemas
4. Enseñanza de modelos matemáticos para caracterizar situaciones complejas del mundo real
5. Desarrollo de aptitudes y actitudes para resolver problemas complejos, dentro del espíritu de los trabajos de Polya, pero diferentes a los trucos o de las reglas.
6. Intentos de comprenderla influencia del trabajo en grupo sobre el desarrollo de aptitudes individuales para la resolución de problemas
7. Podríamos investigar las estrategias de resolución, los errores que se cometen, la caracterización entre resolutores expertos y novatos, la invención de problemas, aspectos, meta cognitivos, la evaluación en resolución de problemas, caracterizar distintos tipos de resolutores, etc.
5.1 
Como se bien se ha dicho la demografía se caracteriza en el estudio de la población y de su dimensión, estructura, evolución y características generales. En las regiones que rodea el lago victoria, observamos que hay un gran crecimiento en esta población.
Existen dos alternativas: si/no, vivo/muerto, vacunado/no vacunado, existencia de un comité de salud/inexistencia de un comité de salud. Hay múltiples alternativas que se excluyen entre sí, por ejemplo, las creencias religiosas o los grupos sanguíneos. En estos dos tipos de resultados los datos se expresan generalmente como porcentajes o tasas.
Abarca las variables de respuestas continuas como peso, estatura, edad, presión sanguínea, que son susceptibles de expresión numérica. En esos casos los datos se resumen en forma de medias y varianzas o sus derivados. El método estadístico adecuado para determinar el tamaño de la muestra dependerá de cuáles de esos tipos de resultados son de interés para el investigador.
5.1.1 
El uso popular y común de esta palabra remite a la cantidad de personas que hay en un determinado momento en un lugar específico. 
Una población es, desde este punto de vista, el stock de personas que hay en una región determinada. Los estudios sobre la población forman parte de distintas aproximaciones a la sociedad, que buscan comprender el modo particular en que se organizan las distintas culturas y naciones, así como las dinámicas particulares a las que, como colectivo, se enfrentan.
5.1.2 
Muestra es una porción de la totalidad de un fenómeno, producto o actividad que se considera representativa del total también llamada una muestra representativa.
En estadísticas, la muestra es una porción extraída mediante métodos específicos que representan los resultados de una totalidad llamada población usando la probabilidad como, por ejemplo, “la muestra estadística de 100 personas que se someten a una encuesta para conocer la satisfacción de un producto”.
5.1.3 
La característica más trascendente de una muestra es la representatividad. El muestreo obtiene todo su sentido en tanto que garantiza que las características que se quieren observar en la población quedan expresadas apropiadamente en la muestra. De manera que generalizar a la población desde la muestra sólo está justificado si ésta representa realmente a la población. Preservar la representatividad es el atributo más importante que debe reunir el muestreo, lo que nos permitirá generalizar a la población los resultados obtenidos en la muestra
El muestreo aleatorio es una manera de seleccionar a los interrogados a partir de una lista de toda la población de interés (generalmente las partes interesadas de su proyecto, incluidos los participantes), para que todos tengan las mismas oportunidades de ser seleccionados. Las muestras aleatorias le proporcionan una visión general de la situación. Se diseñan cuando necesita indicar que lo que aplica para su muestra probablemente también aplica para toda la población; esto se hace mediante un proceso llamado generalización.
La generalización consiste en suponer que los datos obtenidos a partir de una muestra representan con exactitud a la población general de la que proviene.
5.1.4 
· Probabilístico
· Aleatorio Simple
· Estratificado
· Sistemático
· Por Conglomerado
· No Probabilístico
· Por conveniencia
· Por cuotas
5.1.5 
Una muestra es una selección de los encuestados elegidos y que representan a la población total. El tamaño de la muestra es una porción significativa de la población que cumple con las características de la investigación reduciendo los costos y el tiempo.
Saber cómo determinar el tamaño de la muestra antes de comenzar una investigación es un principio estadístico que nos ayuda a evitar el sesgo en la interpretación de los resultados obtenido
El tamaño de la muestra de una encuesta es muy importante para poder realizar una investigación de manera correcta, por lo que hay que tener en cuenta los objetivos y las circunstancias en que se desarrolle la investigación.
El tamaño de la muestra puede ser:
· Representativa: Hace referencia a que todos los miembros de un grupo de personas tengan las mismas oportunidades de participar en la investigación.
· Adecuada: Se refiere a que el tamaño de la muestra debe de ser obtenido mediante un análisis que permite resultados como disminuir el margen de error.
5.1.6 
La asignación aleatoria, reduce al mínimo el sesgo y logra que los pacientes de cada grupo de tratamiento sean lo más similares posible en cuanto a todos los factores conocidos y desconocidos. Esto hará que cualquier diferencia en los resultados de interés que se observe entre los grupos se deba a diferencias en los efectos de los tratamientos, y no a diferencias entre los pacientes que reciben cada uno de los tratamientos.
La asignación aleatoria elimina la probabilidad de que un investigador, a sabiendas o no, le asigne un tratamiento a un determinado tipo de pacientes y otro tratamiento a otro tipo determinado, o que cierta clase de pacientes elija un tratamiento mientras que los de otra clase eligen otro.
6.1 
Una medición es el resultado de una operación humana de observación mediante la cual se compara una magnitud con un patrón de referencia. Por ejemplo, al medir el diámetro de una varilla, se compara el diámetro de la varilla con una regla graduada y se lee en la escala. Por otro lado, al medir la velocidad de un corredor, se compara el tiempo que tarda en recorrer una determinada distancia con el intervalo de tiempo registrado por un cronómetro, y después se calcula el cociente de la distancia recorrida entre el valor leído en el cronómetro.
6.1.1 
Nivel de medición nominal
El nivel nominal es apenas una medida. Se refiere a la cualidad más que a la cantidad. Un nivel nominal de medición es simplemente una cuestión de diferenciar por nombre, por ejemplo, 1 = hombre, 2 = mujer.
Aunque estamos usando los números 1 y 2, estos no indican cantidad. La categoría binaria de 0 y 1 utilizada para las computadoras es un nivel nominal de medición.
Nivel de medición ordinal
Este nivel se refiere al orden en la medición. Una escala ordinal indica la dirección, además de proporcionar información nominal. Bajo/Medio/Alto o Más Rápido/Más Lento son ejemplos de niveles ordinales de medición.
Calificar una experiencia con un “9” en una escala de 1 a 10 nos indica que fue mejor que una experiencia calificada con un “6”.
Nivel de medición ordinal
Este nivel se refiere al orden en la medición. Una escala ordinal indica la dirección, además de proporcionar información nominal. Bajo/Medio/Alto o Más Rápido/Más Lento son ejemplos de niveles ordinales de medición.
Calificar una experiencia con un “9” en una escala de 1 a 10 nos indica que fue mejor que una experiencia calificada con un “6”.
Nivel de medición de razón
Además de poseer las cualidades de las escalas nominal, ordinal y de intervalo, una escala de razón tiene un cero absoluto (un punto donde no existe ninguna de las cualidades que se están midiendo).
Utilizar una escala de razón permite hacer comparaciones como ser el doble de alto, o la mitad de alto de una persona. El tiempo de reacción (cuánto tiempo tarda en responder a una señal de algún tipo) utiliza una escala de medición de razón, el tiempo.
6.1.2 
Un instrumento de medición es un aparato o dispositivo que se emplea al momento de comparar magnitudes físicas a través de la medición, sea de forma análoga o digital.
· Instrumentos de medición analógicos
· Areómetro
· Vatímetro
· Nivel
· Frecuencímetro
· Dioptómetro
6.1.3
Se enfatiza principalmente la importancia de la validación como un proceso articulado quedebe trascender de la confiabilidad a la validez, condiciones indispensables en todo proceso de medición en la investigación científica. Para facilitar la lectura, se incluyen referentes conceptuales con relación al diseño de los instrumentos y se ha estructurado el proceso del diseño y validación en cuatro fases.
6.1.4 
La aplicación de los instrumentos de medición busca distinguir objetos, fenómenos o casos para clasificarlos. Este proceso responde a ciertos requisitos y principios:
· Debe ser válido. Deben existir formas de demostrar la manera en la que se realiza la medición.
· Debe ser fiable. La medición se debe aplicar en varios casos y debe proporcionar siempre los mismos o similares resultados.
· Debe ser preciso. Debe tener mínimos errores, para eso se deben utilizar herramientas e instrumentos de medición sensibles y fieles.
6.1.5 
En lo que respecta, a la confiabilidad de un instrumento de medición de datos, se puede manifestar cuando un instrumento se aplica repetidas veces, al mismo sujeto u objeto de investigación, por lo cual, se deben obtener resultados iguales o parecidos dentro de un rango razonable, es decir, que no se perciban distorsiones, que puedan imputarse a defectos que sean del instrumento mismo.
En lo referente a la validez es un instrumento, realmente mide la variable que pretende medir, esto significa que un determinado instrumento debe medir estrictamente la variable que se desea medir y no otra, aunque sea muy parecida.
La validez se puede determinaran mediante tres evidencias, las cuales son: evidencia relacionada al contenido; evidencia relacionada con el criterio; y evidencia relacionada con el constructo.
En cuanto a la validación del instrumento, se debe atender a los criterios de validez de contenido, validez de criterio y validez de constructo, que sumados generan lo que se conoce como validez total.
6.1.6 
Algunos de los instrumentos que recabar información son la encuesta que un estudio observacional en el cual el investigador busca recaudar datos por medio de un cuestionario prediseñado, y no modificar el entorno ni controlar el proceso que está en observación. De igual forma el cuestionario es un instrumento de investigación que consiste en una serie de preguntas y otras indicaciones con el propósito de obtener información de los consultados. 
 UNIDAD 7. Análisis e interpretación de datos 
7.1 Proceso del análisis e interpretación de datos 
“Estas etapas se encuentran estrechamente ligadas, por lo cual suele confundírseles. El análisis consiste en separar los elementos básicos de la información y examinarlos con el propósito de responder a las distintas cuestiones planteadas en la investigación. La interpretación es el proceso mental mediante el cual se trata de encontrar un significado más amplio de la información empírica recabada.”
      En efecto, estas etapas van a permitir extraer conclusiones en función del problema, las variables, la formulación de las hipótesis y el marco teórico elaborado por el investigador. El análisis consiste en descomponer la información. El mismo requiere efectuar un plan previo, es decir, un “plan de análisis” que, de manera general, consiste en describir que tipo de tratamiento (cuantitativo y/o cualitativo) se le dará a la información. La interpretación apunta a darle sentido, esto es, efectuar eventualmente una recomposición teórica para luego redactar el informe final de la investigación.
    De esta manera, ya desarrollado el proceso de recolección de datos, se procederá a convertir los datos en bruto del instrumento de que se usó para tal fin, en una forma legible y entendible para su posterior análisis.
         Para esto, se tomará en cuenta la siguiente secuencia:
Cada cuestionario tendrá una etapa de revisión, en donde se verificará los datos obtenidos, es decir, que estén bien contestados (completos), mirar en base a las respuestas dadas si estas fueron bien comprendidas, que los elementos de la muestra sean los que hayan contestado la encuesta, etc. Para tal fin, el porcentaje de cuestionarios defectuosos permitidos será del 5% del total. En caso de que el porcentaje sea mayor, se enviarán nuevamente a trabajo de campo y se volverán a formular los cuestionarios.
Los datos a procesar tendrán legibilidad, que se puedan entender con facilidad; consistencia, que estén acordes a los objetivos del estudio y con exactitud, ya que se evaluarán de acuerdo a una serie de parámetros para verificar si fueron obtenidos con honestidad por los encuestadores. Los datos serán procesados y analizados usando software destinado para esto. Se hará empleo de SPSS y Microsoft Excel, programas destinados a realizar análisis estadísticos, con un ambiente amigable para el usuario, a través de interfaces fáciles de manejar y entender.
7.1.1 Comprobación de hipótesis 
COMPROBACION: confirmación o prueba de la existencia, veracidad o exactitud de una cosa.
HIPOTESIS: suposición sin pruebas que se toma como base de un razonamiento. También podemos decir que es la que se formula provisionalmente para guiar una investigación científica que debe confirmarse o negarse.
Cuando hablamos de “Comprobación de la Hipótesis” debemos tomar en cuenta las siguientes interrogantes:
¿Qué quiero comprobar?
¿Con qué elementos cuento?
Estas interrogantes se deben a que se debe tener bien claro nuestro objetivo en la investigación y ser preciso con los resultados de dicha comprobación.
La comprobación de la hipótesis es otra etapa del proceso de investigación sumamente importante por cuanto Verificar una hipótesis, dentro de un nivel de confianza, consiste en deducir las consecuencias lógicas que pueden ser comprobadas empíricamente. Es decir, a través de las técnicas e instrumentos de investigación tales como: observación, encuesta, entrevista, muestreo, etc., con sus respectivos instrumentos; y el sometimiento a los métodos de análisis, síntesis, abstracción, deducción, inducción, etc.
Es conveniente agregar que el proceso de verificación, surge desde el momento en que se plantea y define el problema y se complementa con la formulación de la hipótesis fundamental, la extracción de las inferencias deductivas de la misma así como la determinación de sus consecuencias lógicas. Las pruebas empíricas de las consecuencias lógicas, los resultados de estas pruebas, y el consecuente análisis de las mismas, “verifican” o “rechazan” las hipótesis. PROCEDIMIENTO PARA PONER A PRUEBA LA HIPOTESIS
7.1.2 Estadística paramétrica
La estadística paramétrica, como parte de la inferencia estadística, trata de estimar determinados parámetros de una población de datos. La estimación, como casi siempre en estadística, se realiza sobre una muestra estadística. Ahora bien, la estadística paramétrica siempre basa sus cálculos suponiendo que la distribución de la variable a estudiar es conocida.
En este sentido, para entender bien este concepto, es fundamental familiarizarse antes con los siguientes conceptos:
Muestra estadística
Estadístico
Inferencia estadística
Distribución de probabilidad
El concepto de distribución de probabilidad
Tal como está definido en nuestro diccionario, una distribución de probabilidad es una herramienta que indica cómo se reparten las probabilidades. En función de la estructura que tenga ese reparto, la distribución será de un tipo u otro.
7.1.3 Estadística no paramétrica 
Primero, se denomina estadística paramétrica a todas aquellas técnicas estadísticas de estimación de intervalos de confianza, prueba de hipótesis y estimación de parámetros. Estas se aplican a las variables continuas. Con ellas se busca especificar una manera de distribución de la variable aleatoria y de los estadísticos que derivan de estos datos.
Dentro de lo que es la estadística paramétrica se asume que la población de donde ha extraído la muestra es aproximadamente normal, o normal. Una propiedad que se hace necesaria para que la prueba de hipótesis tenga validez.
Aun así, existen un gran número de casos donde no es posible determinar la distribución original,así como tampoco la distribución de los estadísticos, por lo que no se tiene ningún parámetro por el que se pueda estimar. Lo único que existe son las distribuciones que comparar. Esto es lo que se conoce como estadística no paramétrica.
Respecto a las pruebas estadísticas no paramétricas
La mayoría de estos test estadísticos se encuentran programados en los paquetes estadísticos de mayor frecuencia, donde queda para el investigador la tarea de decidir por cuál de ellos se guiará. O lo que hará en caso de que los resultados sean opuestos.
Para la aplicación de cada uno de estos existen distintas hipótesis nulas, y algunas condiciones, que deben cumplirse en nuestros datos para que así los resultados cuando se hayan aplicado los test sean lo más confiable posible. Que es lo que se espera.
Lo que queremos decir es que no se pueden aplicar todos los test de estadística no paramétrica, y luego quedarnos con el que nos ha arrojado un mejor resultado en relación a lo que nos conviene dentro de la investigación cuando no hemos verificado que las condiciones y la hipótesis necesarias se cumplen.
En el caso de que las anteriores sean violadas entonces se tendrá que invalidar cualquier resultado posterior a ellas, y esta es una de las principales causas por la que los estudios estadísticos son incorrectos. Es por eso que es importante para un investigador conocer la naturaleza interna de las pruebas antes de simplemente aplicarlas sistemáticamente.
La estadística no paramétrica es una rama de la estadística que se encarga del estudio de las pruebas y modelos estadísticos donde la distribución subyacente se está ajustada a lo que se conoce como “criterios paramétricos”.
La distribución de esta no puede definirse a priori, esta se determinará según la observación de los datos. Estos métodos se recomiendan utilizar en aquellos casos donde no se puede asumir que los datos se ajustan a alguna distribución conocida, cuando el nivel de medida que se ha empleado no es de intervalo, como mínimo.
La prueba estadística no paramétrica más antigua es, quizá, el test de los signos. Es justo a partir de ella que se han creado algunas otras. Esta es usada para darle un contraste a la hipótesis sobre el parámetro de centralización, y se utiliza más que todo dentro del análisis de comparación de datos pareados.
Por lo que, esperamos que hayas entendido que dentro de esta rama de la estadística lo que verdaderamente importa es saber si los datos cumplen con los parámetros antes de querer sacar cualquier resultado de ellos a la ligera.
7.1.4 El análisis de frecuencias 
El módulo de análisis de frecuencia sirve para el cálculo de las frecuencias naturales (frecuencias de resonancia) de las vibraciones de una estructura y los patrones de vibración respectivos. La tarea de calcular las frecuencias naturales y los respectivos patrones de vibración surge en muchos casos prácticos de análisis de respuesta dinámica de una estructura bajo cargas variables. Una situación más extendida es cuando es necesario para asegurar en la fase de diseño de una posibilidad baja del fenómeno de la resonancia mecánica en condiciones de funcionamiento. Como es conocido, la esencia de la resonancia es un aumento significativo en la magnitud de las vibraciones inducidas ( por docenas de veces y aún más ) a ciertas frecuencias de una perturbación externa - los llamados frecuencias de resonancia. En la mayoría de los casos, la aparición de resonancia es un fenómeno no deseado desde el punto de vista de seguridad de un producto. Probing propiedades naturales de una estructura contra la posibilidad de una resonancia en el rango operativo de frecuencias emocionantes externos en la etapa de diseño ayuda a la introducción de cambios en la estructura que pueden alterar el espectro de frecuencias naturales. Esto podría ayudar a evitar o reducir significativamente la posibilidad de resonancia durante el funcionamiento. Por lo tanto, la condición de vibro - estabilidad con respecto al criterio de las frecuencias naturales se puede formular de la siguiente manera:
Frecuencias naturales de una estructura debe quedar fuera de la excitante gama de frecuencia externa
7.1.5 El análisis de regresión y correlación 
La regresión y la correlación son dos técnicas estrechamente relacionadas y comprenden una forma de estimación.
En forma más especifica el análisis de correlación y regresión comprende el análisis de los datos muéstrales para saber qué es y cómo se relacionan entre si dos o más variables en una población. El análisis de correlación produce un número que resume el grado de la correlación entre dos variables; y el análisis de regresión da lugar a una ecuación matemática que describe dicha relación.
El análisis de correlación generalmente resulta útil para un trabajo de exploración cuando un investigador o analista trata de determinar que variables son potenciales importantes, el interés radica básicamente en la fuerza de la relación. La correlación mide la fuerza de una entre variables; la regresión da lugar a una ecuación que describe dicha relación en términos matemáticos
Los datos necesarios para análisis de regresión y correlación provienen de observaciones de variables relacionadas.
 
REGRESIÓN LINEAL
La regresión lineal simple comprende el intento de desarrollar una línea recta o ecuación matemática lineal que describe la reacción entre dos variables.
La regresión puede ser utilizada de diversas formas. Se emplean en situaciones en la que las dos variables miden aproximadamente lo mismo, pero en las que una variable es relativamente costosa, o, por el contrario, es poco interesante trabajar con ella, mientras que con la otra variable no ocurre lo mismo.
La finalidad de una ecuación de regresión seria estimar los valores de una variable con base en los valores conocidos de la otra.
Otra forma de emplear una ecuación de regresión es para explicar los valores de una variable en término de otra. Es decir se puede intuir una relación de causa y efecto entre dos variables. El análisis de regresión únicamente indica qué relación matemática podría haber, de existir una. Ni con regresión ni con la correlación se pude establecer si una variable tiene “causa “ciertos valores de otra variable.
 7.1.6 Técnicas estadísticas
Las técnicas estadísticas constituyen las herramientas matemáticas que permiten el análisis causal de los problemas de salud; de ahí la importancia de conocer cómo ha sido su desarrollo a lo largo del tiempo, por lo cual el objetivo de este trabajo fue elaborar una síntesis de la evolución histórica de las técnicas y metodologías empleadas en la investigación médica en relación con los modelos de causalidad que han primado en cada momento histórico. A tales efectos, se realizó una amplia revisión documental y, para una mejor comprensión, se dividió la evolución en cinco etapas, según el desarrollo alcanzado en las técnicas estadísticas. Asimismo, se describen los principales hechos y las características fundamentales de cada época y se destaca la regresión logística binaria como la técnica más empleada.
 
 Conclusión 
Para concluir con el presente trabajo, se pude hacer referencia a la importancia que tiene la investigación como proceso de aprendizaje; ya que la misma posee una gama de características fundamentales y que se estrechan de manera muy compacta para poder captar la información o para lograr los objetivos propuestos, es preciso recordar que la investigación científica es un método riguroso en el cual se obtiene una serie de objetivos antes propuestos y de manera muy técnica, y la investigación es la que tiene por fin ampliar el conocimiento científico, sin perseguir, en principio, ninguna aplicación práctica e investigar es una acción de aclarar.
Es muy conveniente tener un conocimiento detallado de los posibles tipos de investigación que se pueden seguir. Este conocimiento hace posible evitar equivocaciones en el elección del método adecuado para un procedimiento específico.Por eso se podría acotar que el tema se debería de implantar desde la educación básica ya que a pesar de que la investigación siempre está presente, siempre es bueno conocer el lado técnico y científico de las cosas por más comunes y cotidianas que suelan resultar.
Una de las fallas más comunes en la investigación consiste en la ausencia de delimitación del tema, es decir, por ausencia de ambición del tema, por eso es básico tener muy claro los objetivos y el camino que se va a recorrer con la investigación para que esta pueda terminar su camino donde debe.
El objetivo de la investigación es el enunciado claro y preciso de las metas que se persiguen. El objetivo de la persona que investiga es llegar a tomar decisiones y a una teoría que le permita generalizar y resolver en la misma forma problemas semejantes en el futuro.
Bibliografía
https://www.questionpro.com/blog/es/diseno-de-investigacion/
https://www.cepep.gob.mx/work/models/CEPEP/metodologias/boletines/Boletin_Eval_Ex_Post.pdf
http://www4.ujaen.es/~eramirez/Descargas/tema7
https://www.questionpro.com/blog/es/investigacion-experimental/
https://www.uv.es/Angel.Gutierrez/aprengeom/archivos2/homenaje/06CastroE.PDF
https://www.educacionyfp.gob.es/dam/jcr:c0d0302a-f230-4469-98cd-ab4d578e79f0/re28612-pdf.pdf
https://concepto.de/poblacion/#ixzz71am39Jex
https://www.significados.com/muestra/
https://www.questionpro.com/es/tama%C3%B1o-de-la-muestra.html
http://es.testingtreatments.org/tt-main-text/thumbnails/methods/random-allocation-a-simple-explanation/