CAPITULO IV

LA METÓDICA

TIPOS DE INVESTIGACIÓN

La investigación que presentamos, es:

APLICADA, porque el objetivo es resolver un problema de tipo social aplicando los resultados.

SINCRONICA, porque la duración del estudio es de una duración de cuatro meses.

EXPLICATIVA, porque además de medir la variable dependiente: Nivel de aceptabilidad del alfajor de harina de tarwi y de harina de trigo con manjar de camote, estudia las relaciones de influencia de las variables independientes: Proporción de harina de tarwi y de harina de trigo; proporción de camote, azúcar y leche.

PRIMARIA, porque los datos son recogidos para la investigación.

CUANTITATIVA, porque la investigación y elaboración del producto se llevara a cabo en una planta piloto y se podrá controlar la mayoría de las variables.

EXPERIMENTAL, porque se seleccionaran siguiendo un modelo, las dos variables independientes: Proporción de harina de tarwi y harina de trigo y proporción de camote, azúcar y leche; las manipularemos para provocar cambios esperados en la variable dependiente: Nivel de aceptabilidad del alfajor de harina de tarwi y de harina de trigo con manjar de camote.

NIVEL DE LA INVESTIGACIÓN CIENTIFICA: EXPERIMENTAL

Es el nivel más elevado de la investigación científica y se ocupa de la observación dirigida de los cambios y desarrollos. Consiste en la manipulación de las variables independientes en condiciones rigurosas de control de las variables independientes potenciales, con objetivo de desentrañar de qué modo y debido a que causa se produce o deja de producir una situación, conducta o acontecimiento fenoménico.

Asimismo la investigación científica experimental, implica la realización de un experimento porque, precisamente, el investigador provoca una situación para introducir determinadas variables de estudio manipuladas por él, para controlar el aumento o disminución de esa variable, y su efecto en las conductas conservadas. El investigador maneja deliberadamente la variable experimental y luego observa lo que sucede en situaciones controladas.

Realizar un experimento controlado, consiste en seleccionar dos o más muestras aleatorias: una o más sujeta a la variable activa y otra no sujeta a esta misma variable. Se comparan las características finales de ambas y entonces se determina el efecto del experimento. Se presenta una diferencia significativa entre ellas, se analiza la hipótesis y se vuelve a realizar el experimento. La dificultad radica en lograr uniformidad de características en la muestra experimental, y la de control exige precisión en el cálculo de las características.

CARACTERISTICAS DE LA INVESTIGACION EXPERIMENTAL

1. RELACION ENTRE VARIABLES

El nivel experimental requiere de una manipulación rigurosa de las variables o factores experimentales y de la medición cuidadosa de la variable dependiente: Nivel de aceptabilidad del alfajor de harina de tarwi y de harina de trigo con manjar de camote. Para ello, tener presente el diseño de investigación, el esquema del diseño y el modelo matemático que reproduce las relaciones dentro de los grupos.

2. ALEATORIZACION DE GRUPOS Y DE TRATAMIENTOS

Ninguna de las diferencias de los resultados se deberá a las diferencias que pueda haber entre las unidades experimentales del grupo inicialmente. Para lograrlo, el procedimiento más habitual es la asignación al azar. La aleatorización incluye la selección de los grupos, la asignación al azar de los sujetos a los grupos experimental y de control y la asignación al azar del tratamiento experimental de uno de los grupos.

3. FORMACION DE DOS GRUPOS COMO MINIMO

Ningún experimento se puede llevar a cabo con una sola muestra, por tanto, bajo una única condición experimental. La aplicación del nivel experimental implica comparar el efecto de un tratamiento o condición entre dos grupos o más.

4. MANIPULACION DE VARIABLES INDEPENDIENTES

El investigador decide los niveles que corresponderán a cada grupo de la muestra. La variable se manipula con diferentes niveles que asigna el investigador. Es muy importante tener en cuenta el marco teórico para que los niveles sean los más pertinentes.

5. MEDICION DE VARIABLE DEPENDIENTES

Los resultados de la manipulación de la(s) variables(s) independiente(s), en lo posible, deben ser valores numéricos aleatorios. Si las respuestas fueran valores cualitativos, estos deben convertir sea valores cuantitativos utilizando una escala idónea y debidamente validada.

6. TICA INFERENCIALUTILIZACION DE ESTADISTICA INFERENCIAL

Todas las decisiones que se adopten con los datos registrados tienen que ser en términos de probabilidad, solo asi estaremos en condiciones de poder realizar inferencias o generalización es a partir de las muestras que se extraigan.

7. CONTROL DE VIP´S

Se deben tener en cuenta la relación de Variables Intervinientes Potenciales, VIP para mitigar las posibles influencias en la variable dependiente. Cuando no es posible, se cuidara que su influencia de manera homogénea en todos los grupos de la muestra.

ETAPAS DE LA INVESTIGACION EXPERIMENTAL

1. DELIMITAR EL OBJETIVO

Consiste en determinar claramente el logro o meta a alcanzar con el experimento, la bibliografía, los posibles resultados, el equipo disponible y su precisión, el tiempo y dinero disponibles.

2. DEFINIR EL PROBLEMA

Consiste en seleccionar las variables independientes y dependientes, los parámetros y la precisión en la medición de las variables, formular los problemas de investigación y en plantear las interrogantes que demandan las respectivas respuestas.

3. FORMULAR LAS HIPOTESIS

Toda investigación comienza con una conjetura, una suposición o idea de cómo puede ocurrir el fenómeno. Es decir, las hipótesis son respuestas tentativas o adelantadas de cómo puede ocurrir dicho fenómeno.

4. REALIZAR EL EXPERIMENTO DE PRUEBA

Ya conocida la naturaleza del problema, la precisión deseada, el equipo adecuado y planteada la hipótesis, se procede a realizar un experimento de prueba o “Prueba Piloto” e interpretar tentativamente los resultados y comprobar la precisión, modificando, si es necesario, el procedimiento y/o equipo utilizado.

5. REALIZAR EL EXPERIMENTO

Una vez realizado el experimento de prueba y la interpretación tentativas de resultados, realizar el experimento final se reduce a llenar tablas, preparadas de antemano, con lecturas de las mediciones, a detectar cualquier anomalía que se presente durante el desarrollo del experimento, a calcular el o los valores que darán respuesta al problema y a trazar los gráficos pertinentes.

6. ANALIZAR LOS RESULTADOS

El análisis o interpretación de resultados, ya sean con valores, con gráficos, con tabulaciones, etc., debe contestar lo más claramente posible a la(s) pregunta(s) planteada(s) por el problema.

7. PROBAR LAS HIPOTESIS

Consiste en formular las hipótesis nulas y alternativas, seleccionar la distribución muestral, las pruebas estadísticas, especificar el nivel de significancia, definir el área de rechazo y calcular las pruebas estadísticas.

8. OBTENER CONCLUSIONES

Implica responder con claridad las preguntas planteadas, comprobar la validez de las hipótesis formuladas y comprobar si se han logrado los objetivos de la investigación. Si existieran preguntas no respondidas, se deben explicar con claridad.

DISEÑO DE INVETIGACION

Usualmente, se define al diseño como estructura u organización esquematizada que el investigador para relacionar y controlar las variables de estudio (Kerlinger, Fres; 1991). Así, el diseño de la investigación es el plan y la estructura de la investigación concebidos de manera que se puedan obtener respuestas a preguntas de investigación. El plan es el esquema o programa general de estudio. Incluye un esbozo de lo que el investigador hará al escribir las hipótesis y sus implicaciones operacionales para el análisis final de los datos.

Por ello, un diseño de investigación debe expresar la estructura de problema y el Plan de investigación, usados para obtener evidencia empírica sobre las relaciones del problema. Los diseños sirven como instrumento para la investigación, en tal sentido, se convierte en un conjunto de pautas bajo las cuales se realiza un experimento o estudio. Por tanto, el diseño, implica pasos que debe seguir el investigador para poder encontrar las posibles soluciones al problema (Sánchez y Reyes; 1984). El diseño de investigación seleccionado tiene dos propósitos básicos: proporcionar respuestas a preguntas de investigación y controlar la varianza. Así, nuestro diseño planeado y ejecutado de manera adecuada, nos permitirá:

a) Establecer un marco de referencia para el estudio de las relaciones entre variables acerca

de observaciones y analizar las representaciones cuantitativas de las observaciones.

b) Dirigir la ejecución de las observaciones y del análisis.

c) Cuantificar las observaciones realizadas e indicar qué variables con activas y qué variables

son atributos.

d) Manipular las variables activas o independientes.

e) Categorizar y medir las variables dependientes o de atributos.

f) Elegir el tipo de Análisis estadístico que se deberá usar y esbozar las conclusiones

posibles que deberán ser extraídas del análisis estadístico.

Sostenemos que nuestro diseño seleccionado es capaz de tener un control efectivo de las variables independientes potenciales de tal modo que las fuentes extrañas e indeseables de la varianza sistemática tengan una oportunidad mínima de operar. Al eliminar los posibles efectos de variables intervinientes, se eliminaran las posibles explicaciones o interpretaciones alternativas de los resultados encontrados (Kerlinger, Fres; Op. Cit).

Asimismo, afirmamos que los resultados obtenidos podrán ser generalizados y, por tanto, ser aplicados en otros estudios similares o servir como fuente para emprender investigaciones.

DISEÑOS EXPERIMENTALES FACTORIALES

Los experimentos factoriales son aquellos en los que se estudia simultáneamente dos o más factores, y donde los tratamientos se forman por la combinación de los diferentes niveles de cada uno de los factores. La posibilidad de estudiar varios factores simultáneamente les brinda a los investigadores la oportunidad de comprender un mayor segmento de vida del que es posible estudiar con un diseño factorial simple. Además, la posibilidad de estudiar dos o más variables al mismo tiempo, en vez de realizar dos o más estudios independientes, resulta más económico en término de tiempo y esfuerzo. Asimismo, los diseños factoriales les permiten a los investigadores estudiar algún aspecto complejo de su objeto de estudio, es decir, las interacciones entre las variables. Esa se refiere a la influencia de una variable sobre el efecto de otra de otra, es decir cuando el efecto de una variable depende de las condiciones de otra variable. La oportunidad de estudiar las interacciones incrementa las posibilidades del investigador para el estudio de sutiles e importantes problemas. Los experimentos factoriales se emplean en todos los campos de la investigación, son muy útiles en investigaciones exploratorias en las que poco se sabe acerca de muchos factores.

VENTAJAS DE LOS DISEÑOS FACTORIALES

Permite estudiar los efectos principales, efectos de interacción de factores, efectos simples y efectos cruzados.

Todas las unidades experimentales intervienen en la determinación de los efectos principales y de los efectos de interacción de los factores, por lo que el número de repeticiones es elevado para estos casos.

El número de grados de libertad para el error experimental es alto, comparándolo con los grados de libertad de los experimentos simples de los mismos factores, lo que contribuye a disminuir la variancia del error experimental, aumentando por este motivo la precisión del experimento.

DESVENTAJAS DE LOS DISEÑOS FACTORIALES

Se requiere un mayor número de unidades experimentales que los experimentos simples y por lo tanto se tendrá un mayor costo y trabajo en la ejecución del experimento.

Como en los experimentos factoriales c/u de los niveles de un factor se combinan con los niveles de los otros factores; a fin de que exista un balance en el análisis estadístico se tendrá que algunas de las combinaciones no tiene interés práctico pero deben incluirse para mantener el balance.

El análisis estadístico es más complicado que en los experimentos simples y la interpretación de los resultados se hace más difícil a medida de que aumenta el número de factores y niveles por factor en el experimento.

PRINCIPIOS FUNDAMENTALES DE LOS DISEÑOS FACTORIALES

1. Replicación. 2. Bloqueamiento. 3. Aleatorización4. Muestreo5. Análisis estadístico6. La factorización del diseño.

REPRESENTACIÓN GRÁFICA DEL DISEÑO BIFACTORIAL

El menor número de condiciones que se puede manipular de cada variable en un experimento multifactorial son dos. Así pues, en un diseño bifactorial se manipulan un mínimo de dos condiciones de cada uno de las variables. Asimismo, se pueden manipular tres o más valores de una o de dos variables.

VARIABLES INDEPENDIENTES

FACTOR B

NIVELES B1 B2

FACTOR A

A1 A1B1 A1B2

A2 A2B1 A2B2

VARIABLES DEPENDIENTES

REPRESENTACIÓN GRÁF ICA DE UN EXPERIMENTO F ACTORIAL CON DOS FACTORES (MODIFICADO DE MONTGOMERY, DOUGLAS; 2000)

El producto del número de condiciones manipuladas en las dos variables define el número de muestras necesarias para el diseño. Si se dan más de dos condiciones en una en las dos variables independientes, se debe conformar un mayor número de muestras para una cantidad mayor de condiciones correlativas de tratamiento. La ventaja de manipular un mayor número de niveles con en este diseño, es que se pueden estudiar un considerable

número de estas variables. La desventaja radica en que se deben conformar y evaluar doce muestras. En el caso de una interacción, las condiciones ejercen entre sí influencia recíproca es decir, una condición puede inhibir o incrementar el efecto de la otra y, a su vez, esta última puede ejercer algún efecto sobre la primera. En todo caso, cuando entran en combinación, el resultado es diferente del que tendrían los solos efectos de suma.

El diseño bifactorial de grupos aleatorios puede considerarse como una combinación de dos diseños de un solo factor. La estructura del diseño bifactorial ofrece dos ventajas a los investigadores a saber: la posibilidad de estudiar dos variables, así como su interacción, en un solo experimento. La oportunidad de estudiar la interacción de las variables es particularmente significativa.

La principal limitación del diseño bifactorial de grupos aleatorios es que se propone cubrir aspectos más amplios que los del diseño de un factor. Generalmente, se necesitan más sujetos en un experimento bifactorial que en un experimento de un factor; si lo comparamos con un diseño de una variable con dos tratamientos, se necesita el doble de sujetos para un diseño de 2 x 2 de grupos al azar.

VARIABLES INDEPENDIENTES

FACTOR B

NIVELES B1 B2

FACTOR A

A1 A1B1 A1B2

A2 A2B1 A2B2

VARIABLES DEPENDIENTES

VARIABLES INDEPENDIENTES

FACTOR B

NIVELES

B1

Leche 60 %azucar15%camote25%

B2

Leche 60 %azucar15%camote25%

FACTOR A

A1

harina de tarwi 50% harina de trigo 50%

A1B1 A1B2

A2

harina de tarwi 60% harina de trigo 40%

A2B1 A2B2

VARIABLES DEPENDIENTES

Nivel de aceptabilidad del alfajor de harina de tarwi y de harina de trigo con manjar de camote.

EFECTOS DE LOS EXPERIMENTOS FACTORIALES

a) EFECTO PRINCIPAL. Es una medida del cambio en el promedio entre los niveles de un factor, promediado sobre los diferentes niveles del otro factor.

b) EFECTO INTERACCION. Es una medida de cambio que expresa el efecto adicional resultante de la influencia combinada de dos o más factores.

c) EFECTO SIMPLE. Es una medida de cambio en los promedios de los niveles de un factor, manteniendo constante, uno de los niveles del otro factor.

ANOVA FACTORIAL

a) Al igual que en los diseños de un factor, se deben aplicar pruebas estadísticas a los datos de los diseños multifactoriales para medir los efectos de las variables independientes.

b) La mayor parte de la ANOVAS realizados por los investigadores requieren igual número de sujetos (n) en todas las casillas del diseño, es decir cuando los valores de (n) no son iguales, es necesario utilizar otras versiones del ANOVA.

c) El estadígrafo de la prueba del ANOVA de dos factores con grupos al azar es el mismo del ANOVA de un factor con grupos al azar, a saber: el estadígrafo F. Sin embargo el ANOVA con dos factores con grupos al azar se calculan tres valores de F en vez de uno:

esto es, uno para cada una de las variables independientes y otro para la varianza de interacción.

FUENTE DE VARIACION SUMA DE CUADRADOS

GRADOS DE LIBERTAD

TRATAMIENTO ASSA=∑

i=1

a y i ..2

bn−y...

2

abn

a-1

TRATAMIENTO BSSB=∑

j=1

b y . j .2

an−y ...

2

abn

b-1

INTERACCION AB SSAB=∑

i=1

a

∑j=1

b y ij .2

n−y ...

2

abn−SS A−SSB

(a-1)(b-1)

ERROR SSE=SST−SSA−SSB−SSAB ab(n-1)

TOTALSST=∑

i=1

a

∑j=1

b

∑k=1

n

y ijk2 −

y ...2

abn

abn-1

FUENTE DE VARIACIÓN

GRADOS DE LIBERTAD

MEDIA DE CUADRADOS

F

TRATAMIENTO A

a-1MSA=

SS Aa−1

F A=MSAMSE

TRATAMIENTO B

b-1MSB=

SSBb−1

FB=MSBMSE

INTERACCION AB

(a-1)(b-1)MSAB=

SSAB(a−1 )(b−1)

F AB=MSABMSE

ERROR ab(n-1)MSE=

SSEab(n−1)

TOTAL abn-1

ANÁLISIS ESTADÍSTICO

Para estudiar los problemas científicos y contestar las preguntas científicas, es necesario estudiar la diferencia entre los fenómenos. Las diferencias, en la investigación científica, son fundamentales. Sin diferencias, sin variaciones, no hay forma de determinar la relación entre variables.

El estudio de conjuntos de números tal como son, es difícil de controlar. Por lo general, es necesario reducir los conjuntos de dos formas:

Calculando los promedios o las medidas de tendencia central, y calculando las medidas de variabilidad. La medida de tendencia central usada en el presente trabajo es la media y la medida de variabilidad utilizada en la varianza. Ambos tipos de medidas resumen conjuntos de calificaciones o puntajes pero de manera diferentes. Las dos son totales de calificaciones, resumen que expresan dos facetas importantes de los conjuntos de calificaciones: su tendencia central o promedio y su variabilidad.

MODELO MATEMÁTICO

Yijk : variable dependiente (Nivel de aceptabilidad del alfajor de harina de tarwi y de

harina de trigo con manjar de camote.)

µ : promedio de la población.

τi : variable independiente (Proporción de harina de tarwi y harina de trigo)

Βj : variable independiente (proporción de camote, azúcar y leche)

(τβ) ij : interacción de las dos variables independientes.

Εijk : error.

y = µ + τ +β + (τβ) + εijk i j ij ijk