Guía de evaluación.pdf - Cruz Roja
Guía de evaluación.pdf - Cruz Roja
Guía de evaluación.pdf - Cruz Roja
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
El análisis estadístico básico consiste en reducir el conjunto <strong>de</strong> observaciones sobre una variable a<br />
una medida típica que, como tal, se pue<strong>de</strong> tomar como representativa <strong>de</strong>l grupo. El valor que expresa<br />
esto recibe el nombre <strong>de</strong> medida <strong>de</strong> ten<strong>de</strong>ncia central o promedio.<br />
Un buen complemento para este dato, puesto que simplifica <strong>de</strong>masiado la realidad, es un índice que<br />
nos da i<strong>de</strong>a <strong>de</strong> la mayor o menor imperfección <strong>de</strong> esta medición. Aquí entran en juego las medidas <strong>de</strong><br />
la dispersión real <strong>de</strong>l conjunto <strong>de</strong> observaciones, llamadas índices <strong>de</strong> variación. A estos aspectos ya<br />
hicimos referencia más arriba.<br />
En distribuciones referentes a variables <strong>de</strong> escala nominal la medida <strong>de</strong> ten<strong>de</strong>ncia central más<br />
frecuente es la moda. Para las distribuciones referentes a variables <strong>de</strong> escala ordinal se suele utilizar<br />
la mediana. Finalmente, para distribuciones referentes a variables <strong>de</strong> escala <strong>de</strong> intervalo o <strong>de</strong> razón el<br />
promedio es normalmente la media y el índice <strong>de</strong> variación la <strong>de</strong>sviación típica.<br />
El análisis univariable, a partir <strong>de</strong> la normalización <strong>de</strong> los datos, permite la comparación <strong>de</strong> unos<br />
valores o categorías <strong>de</strong> la variable analizada con otros, referentes a otras poblaciones o universos<br />
diferentes.<br />
Análisis bivariable<br />
El segundo tipo <strong>de</strong> aplicación es la <strong>de</strong>terminación numérica <strong>de</strong>l grado y signo <strong>de</strong> la asociación entre<br />
dos variables. Aquí no se trata, como con los promedios e índices <strong>de</strong> variación, <strong>de</strong> distribuciones <strong>de</strong><br />
frecuencias o <strong>de</strong> tablas referidas a una sola variable, sino <strong>de</strong> cuadros que relacionan dos, y que<br />
pue<strong>de</strong>n adoptar la forma <strong>de</strong> distribución bivariante conjunta o la que se conoce con el nombre <strong>de</strong><br />
tabla <strong>de</strong> contingencias.<br />
La distribución bivariante conjunta es una tabla que expone, respec to <strong>de</strong> cada individuo objeto <strong>de</strong><br />
observación, los valores <strong>de</strong> dos variables distintas.<br />
La tabla <strong>de</strong> contingencias cruza en un cuadro las categorías, dimensiones o valores <strong>de</strong> dos variables,<br />
consignando en cada casilla <strong>de</strong> la tabla el número <strong>de</strong> observaciones que reúnen a la vez las dos<br />
dimensiones.<br />
De la simple inspección o lectura <strong>de</strong> una tabla, si es en porcentajes y no muy extensa y complicada,<br />
se pue<strong>de</strong> <strong>de</strong>ducir si existe una asociación entre dos variables y el sentido <strong>de</strong> ésta. La función <strong>de</strong> la<br />
estadística en este punto, como en el anterior, es proporcionar a la sociología técnicas para cifrar<br />
matemáticamente el grado <strong>de</strong> asociación entre estas variables.<br />
Estas técnicas generan coeficientes <strong>de</strong> correlación o <strong>de</strong> asociación. Se trata <strong>de</strong> índices numéricos,<br />
obtenidos mediante operaciones matemáticas, que cifran cuantitativamente el grado y, en su caso, el<br />
signo <strong>de</strong> la correlación entre dos variables. Si dos variables están relacionadas <strong>de</strong> tal modo que<br />
cuando aumentan o disminuyen los valores o frecuencias <strong>de</strong> una <strong>de</strong> ellas, aumentan o diminuyen los<br />
<strong>de</strong> la otra, se dice que están correlacionadas positivamente. Al contrario, si al aumento en una<br />
variable correspon<strong>de</strong> una disminución en la otra, la correlación es negativa.<br />
A<strong>de</strong>más, los coeficientes <strong>de</strong> asociación son instrumentos <strong>de</strong> predicción. Si observamos que dos<br />
variables están asociadas en su variación, y si vemos <strong>de</strong>spués que una <strong>de</strong> ellas aumenta o disminuye<br />
en una comunidad, podremos prever que la otra también aumentará o disminuirá.<br />
Los coeficientes <strong>de</strong> asociación por sí solos no indican influencia o causalidad, es <strong>de</strong>cir que una<br />
variable influya o sea causa <strong>de</strong> otra, pero constituyen una <strong>de</strong> las condiciones para que se pueda<br />
establecer una relación <strong>de</strong> causalidad entre las variables en cuestión.<br />
Otras condiciones que hay que consi<strong>de</strong>rar son la prioridad en el tiempo <strong>de</strong> la variable causa y la no<br />
existencia <strong>de</strong> otras variables que influyan a su vez en la asociación <strong>de</strong>tectada.