Ce diaporama a bien été signalé.
Nous utilisons votre profil LinkedIn et vos données d’activité pour vous proposer des publicités personnalisées et pertinentes. Vous pouvez changer vos préférences de publicités à tout moment.

Diseño de Investigacion

104 866 vues

Publié le

Metodos

Publié dans : Formation
  • Soyez le premier à commenter

Diseño de Investigacion

  1. 2. Sampieri. Sirve para contestar la Interrogantes de Conocimientos que ha Planteado. señala al investigador Que debe hacer para alcanzar Los objetivos de estudio. Plan o estrategia Concebida para Obtener información Que se desea. DISEÑO.
  2. 3. Importancia de los diseños. El diseño permite evaluar varias alternativas antes de realizar el proyecto. Crea mayor seguridad en lo que se va hacer, ahorra tiempo y da mayor flexibilidad porque obliga al investigador a prever eventos inesperados. Aumenta la comunicación entre administrador (gerente) e investigador y permite evaluar el proyecto.
  3. 4. El diseño en el paradigma cuantitativo. <ul><li>El diseño en el paradigma cuantitativo </li></ul><ul><li>Namakforoosh, Mohammad. </li></ul><ul><li>El diseño en el paradigma cuantitativo </li></ul><ul><li>Sampieri. </li></ul><ul><li>Programa que especifica el proceso de realizar y controlar un proyecto de investigación, es decir, las condiciones para recopilar y analizar la información, de manera que combine la importancia del propósito de la investigación y la economía del procedimiento. </li></ul><ul><li>El diseño de investigación es el que analiza la certeza de las hipótesis formuladas en un contexto en particular. o para aportar la evidencia respecto los lineamientos de investigación. </li></ul><ul><li>diseño formalizado que aumenta la probabilidad de que la investigación proporcione la información deseada para tomar decisiones. </li></ul>
  4. 5. Similitudes. <ul><li>Diseño cuantitativo . </li></ul><ul><li>Especifica el proceso de realizar y controlar un proyecto </li></ul><ul><li>Analizar la información </li></ul>
  5. 6. EL DISEÑO EN EL PARADIGMA CUALITATIVO. <ul><li>EL DISEÑO EN EL PARADIGMA CUALITATIVO. </li></ul><ul><li>Stake, Robert E. </li></ul><ul><li>Requiere de organizar y conceptualizar. </li></ul><ul><li>Puentes conceptuales que arranquen de lo que ya se conoce. </li></ul><ul><li>Estructuras cognoscitivas que guíen la recogida de los datos. </li></ul><ul><li>Esquemas para presentar las interpretaciones a otras personas. </li></ul><ul><li>EL DISEÑO EN EL PARADIGMA CUALITATIVA. </li></ul><ul><li>Autor: Goetz, J.P. </li></ul><ul><li>Intenta describir y reconstruir de forma sistemática las características de las variables y fenómenos. </li></ul><ul><li>Generar y perfeccionar categorías conceptuales, descubrir y validar asociaciones entre fenómenos. </li></ul><ul><li>Comparar los constructos y postulados generados a partir de fenómenos observados. </li></ul>
  6. 7. Similitudes. <ul><li>DISEÑO CUALITATIVO. </li></ul><ul><li>Requiere de organizar y conceptualizar. </li></ul><ul><li>Puentes conceptuales que arranquen de lo que ya se conoce. </li></ul><ul><li>Estructuras cognoscitivas que guíen la recogida de los datos. </li></ul>
  7. 8. <ul><li>El experimento clásico o de grupos, pre prueba, pos prueba. </li></ul><ul><li>En este diseño se forman dos grupos y como el nombre lo sugiere cada uno se prueba antes de la intervención. </li></ul><ul><li>Luego se trata a cada uno de manera diferente y se vuelve a probar. </li></ul><ul><li>Un grupo puede servir de control. </li></ul>Diseños mixtos (Trazo dividido) Autor: David Clark – Carter.
  8. 9. <ul><li>Mixto o mezclado de dos vías </li></ul><ul><li>Una variación del diseño mixto supone dos VI, pero una como variable intrasujetos y la otra entre sujetos. Por ejemplo, cuando en el estudio de reconocimientos de rostros se mide a ciertos participantes con fotografías, familiares y no familiares, puesta de cabeza, y a otros, solo con caras presentadas de manera convencional. </li></ul>Autor: David Clark – Carter.
  9. 10. Tipos de Diseño Cuantitativos. Los diseños se clasifican de diversas maneras. Una consideración que debe guiar su elección del diseño y el sistema de medición será el análisis estadístico que empleara en los datos. Es mejor tener claro esto antes de realizar el estudio, en lugar de descubrir mas adelante que tiene que hacer lo mejor que pueda con un mal diseño y con mediciones que no le permiten probar sus hipótesis.
  10. 11. TIPOS BASICOS. Se emplea una sola VI Mas de dos niveles y una VD. Intervienen más de una variable VI y una sola VD.
  11. 12. Los primeros cinco tipos de diseños suelen describirse como univariables por que contienen una sola VD. <ul><li>Los diseños utilizados para evaluar una relación entre dos variables. </li></ul><ul><li>6ª. Este diseño se describe como Bivariable porque – evidentemente – incluye dos variables, pero ninguna de ellas puede clasificarse necesariamente como VI o VD. Por ejemplo, cuando los investigadores buscan la relación entre el desempeño en el bachillerato y en la universidad. </li></ul><ul><li>6b. se trata fundamentalmente del mismo diseño, pero una de las variables se considera independiente y se utiliza para predecir la otra, trata como VD. Por ejemplo, si los encargados de admisiones de una universidad desean predecir, con base en el desempeño en el bachillerato, el desempeño en dicho nivel académico. </li></ul>
  12. 13. Con los diseños se busca <ul><li>Determinar si el grupo tratado de cierta manera es distinto de uno que al que se </li></ul><ul><li>trata de otra manera. Por lo general, los miembros de un grupo proporcionan una </li></ul><ul><li>sola estadística de resumen que se usa para comparar con otros grupos. Este </li></ul><ul><li>enfoque considera las variaciones entre individuos del mismo grupo un tipo de </li></ul><ul><li>error. Varios factores contribuyen a que los individuos del mismo grupo obtengan </li></ul><ul><li>calificaciones deferentes: </li></ul><ul><ul><li>Diferencias individuales (por ejemplo, en habilidades o en motivación). </li></ul></ul><ul><ul><li>La confiabilidad del sistema de medición que se utiliza. </li></ul></ul><ul><ul><li>Diferencias en como se ha tratado a los individuos en la investigación. </li></ul></ul>
  13. 14. Tipos de Diseño Cualitativos. Los tipos de diseños, de acuerdo con los datos recogidos para llevar a cabo una investigación, categorizar, en dos tipos básicos: diseño bibliográfico, diseño de campo.
  14. 15. DISEÑO BIBLIOGRAFICO. <ul><li>Cuando recurrimos a la utilización de datos secundarios, es decir, aquellos que ha sido obtenido por otros y nos llegan elaborados y procesados de acuerdo con los fines de quienes inicialmente los elaboran y manejan, por lo cual decimos que es un diseño bibliográfico. </li></ul><ul><li>La designación bibliográfica hace relación con bibliografía: toda unidad procesada en una bibliografía. </li></ul><ul><li>Conviene ante este diseño comprobar la confiabilidad de los datos, y es labor del investigador asegurarse de que los datos que maneja mediante fuentes bibliográficas sean garantía para su diseño. </li></ul>
  15. 16. DISEÑO DE CAMPO. <ul><li>Cuando los datos se recogen directamente de la realidad, por lo cual los denominamos primarios, su valor radica en que permiten cerciorarse de las verdaderas condiciones en que se han obtenido los datos, lo cual facilitan su revisión o modificación en caso de surgir dudas. </li></ul><ul><li>Conviene anotar que no toda información puede alcanzarse por esta vía, ya sea por limitaciones especiales o tiempo, problemas de escasez o de orden ético. </li></ul>
  16. 17. TIPOS DE DISEÑOS DE CAMPO. <ul><li>DISEÑO DE ENCUESTA. </li></ul><ul><li>Exclusivo de las ciencias sociales. Por parte de la premisa de que si queremos conocer algo sobre el comportamiento de las personas, lo mejor es preguntarlo directamente a ellas. Es importante en este diseño determinar la validez del muestreo. </li></ul><ul><li>DISEÑO ESTADISTICO. </li></ul><ul><li>Efectúa mediciones para determinar los valores de una variable o de un grupo de variables. Consistente en el estudio cuantitativo o en evaluación numérica de hechos colectivos. </li></ul>
  17. 18. TIPOS DE DISEÑOS DE CAMPO. <ul><li>DISEÑO DE CASOS. </li></ul><ul><li>Estudio exclusivo de uno o muy pocos objetos de investigación, lo cual permite conocer en forma amplia y detallada a los mismos, consiste, por tanto, en estudiar cualquier unidad de un sistema, para estar en condiciones de conocer algunos problemas generales del mismo. </li></ul><ul><li>DISEÑOS EXPERIMENTALES. </li></ul><ul><li>Cuando a través de un experimento se pretende llegar a la causa de un fenómeno. Su esencia es la de someter el objeto de estudio a la influencia de ciertas variables en condiciones controladas y conocidas por el investigador. </li></ul>
  18. 19. DISEÑOS DE CAMPO DISEÑO CUASI- EXPERIMENTAL. Cuando estudia las relaciones causa – efecto, pero no en condiciones de control Riguroso de las variables que maneja El investigador en una situación experimental DISEÑO EX POST FACTO. Cuando el experimento se realiza Después de los hechos y El investigador no controla Ni regula las condiciones de la prueba. Toma como experimentales situaciones reales y se trabaja sobre ellas como si estuviera bajo Control.
  19. 20. DESCRIPCIÓN <ul><li>Investigación cuantitativa . Debe ser lo mas “objetiva” posible estando que afecten las tendencias del investigador u otras personas. Se pretende generalizar los estudios encontrados en un grupo o en una colectividad mayor. La meta principal de los estudios cuantitativos es la construcción y demostración de teorías. Este enfoque utiliza la lógica o razonamiento deductivo. </li></ul><ul><li>El enfoque cualitativo a veces referido como investigación naturalista, fenomenológica, interpretativa o etnográfica, es una especie de “paraguas”, en el cual se incluye una variedad de concepciones, visiones, técnicas y estudios no cuantitativos. Se utiliza en primer lugar para descubrir y refinar preguntas de investigación. </li></ul>
  20. 21. <ul><li>La investigación cuantitativa nos ofrece la posibilidad de generalizar los resultados mas ampliamente, nos otorga control sobre los fenómenos, así como un punto de vista de conteo y las magnitudes de estas. </li></ul><ul><li>La investigación cualitativa proporciona profundidad a los datos, dispersión, riqueza interpretativa, contextualización del ambiente o entorno, detalles y aporta un punto de vista fresco, natural y “holístico” de los fenómenos. </li></ul><ul><li>El método cuantitativo es más propio para las ciencias llamadas “exactas” o naturales. El método cualitativo se ha empleado en disciplinas humanísticas como la antropología, la etnografía y la psicología social. </li></ul>VENTAJAS Y DESVENTAJAS
  21. 22. <ul><li>Nomenclaturas. </li></ul><ul><li>Elementos del diseño </li></ul><ul><li>¿Cómo se construye un diseño? </li></ul>DISEÑO Y ESTADISTICA.
  22. 23. <ul><li>Es importante tomar en cuenta que aunque el uso de metodologías estadísticas por lo general ayuda ha hacer más eficiente el proceso de investigación y de solución de problemas, es necesario reconocer que las metodologías estadísticas por si solas no garantizan investigaciones exitosas. </li></ul>CONSIDERACIONES PRÁCTICAS SOBRE EL USO DE MÉTODOS ESTADÍSTICOS.
  23. 24. Es importante considerar los siguientes puntos: <ul><li>El conocimiento no estadístico es vital . </li></ul><ul><li>Para utilizar los métodos estadísticos en general en los diseños de experimentos en particular, en primer lugar se requiere que el experimentador tenga un buen nivel de conocimiento técnico y practico sobre el fenómeno o proceso que estudia, de tal forma que pueda vislumbrar con cierta facilidad cuales son los aspectos clave del fenómeno y sea capaz de plantear conjeturas precisas, vislumbrar el tipo de relaciones entre las variables de respuesta y los posibles factores a estudiar- </li></ul>
  24. 25. <ul><li>Reconocer la diferencia entre significancia estadística e importancia práctica. </li></ul><ul><li> En ocasiones, un experimentador puede concluir que dos tratamientos son diferentes estadísticamente, pero que tales diferencias, aunque sean significativas, no necesariamente representan una diferencia que en la practica sea importante. </li></ul>
  25. 26. <ul><li>Apostarle más a la experimentación secuencial que a un experimento único y definitivo. </li></ul><ul><li>En ocasiones, los experimentadores novatos pretenden en una sola fase experimentación contestar todas sus interrogantes sobre un proceso o fenómeno en particular. Es importante considerar como alternativas a diferentes fases de experimentación en forma secuencial, en las cuales se alcance paulatinamente una mayor precisión en los conocimientos y soluciones. </li></ul><ul><li>Es importante no confundir la experimentación secuencial con la experimentación a prueba y error. La experimentación secuencial en cada fase sigue una estrategia bien definida y pesada; por lo tanto, en cada fase se obtienen resultados y conclusiones importantes para plantear de mejor manera la siguiente fase de experimentación. </li></ul>
  26. 27. PRINCIPIOS BASICOS. <ul><li>El diseño de experimentos trata de fenómenos que son observables y repetibles. Por tanto, sin el pensamiento estadístico, los conceptos de observabilidad y repetibilidad son inherentemente contradictorios. El punto de partida para una correcta planeación es aplicar los principios básicos del diseño de experimentos: Aleatorizacion, repetición y bloqueo, los cuales tiene que ver directamente con que los datos obtenidos sean útiles para responder la validez del análisis de datos. </li></ul>
  27. 28. <ul><li>Aleatorizacion. </li></ul><ul><li>Consiste en hacer las corridas experimentales en orden aleatorio y con material también seleccionado aleatoriamente. </li></ul>PRINCIPIOS BASICOS. <ul><li>Repetición. </li></ul><ul><li>Es correr más de una vez el tratamiento o una combinación de factores. </li></ul>Bloqueo. Consiste en tomar en cuanta todos los factores que puedan afectar la respuesta observada.
  28. 29. CLASIFICACION Y SELECCIÓN DE DISEÑOS EXPERIMENTALES. <ul><li>Los cinco aspectos que influyen en la selección de un diseño experimental, en el sentido de que cuando cambian por lo general nos llevan a cambiar de diseño, son: </li></ul><ul><li>El objetivo del experimento. </li></ul><ul><li>El número de factores a estudiar. </li></ul><ul><li>El número de niveles que se prueban en cada factor. </li></ul><ul><li>Los efectos que interesa investigar. </li></ul><ul><li>El costo del experimento, tiempo y precisión deseada. </li></ul>
  29. 30. ANALISIS ESTADISTICOS. <ul><li>Las técnicas de análisis estadístico de la información que se utilizan dependerían en alto grado de la accesibilidad de programas especiales de computación y de la sofisticación del analista. Los fenómenos se pueden definir generalmente por medio de una o de varias variables que dan carácter de complejidad diverso a los análisis finales. </li></ul><ul><li>Para poder establecer la consecuencia de la interpretación congruente es necesario que se establezca si el instrumental es para la determinación de una relación de casualidad o para la determinación de una prueba de una hipótesis preexistente. </li></ul>
  30. 31. ANALISIS ESTADISTICOS. <ul><li>En ambos casos la herramientas por usar dependerán del tipo de información disponible. Por ejemplo, si los datos son de tipo nominal y dentro de dos categorías, la información puede analizarse a través del uso de “variables artificiales” o “Dummy”, que requiere de un análisis especial. Es conveniente en este punto ver en general una breve descripción de las diversas técnicas que se utilizan para determinar relaciones casuales o para la prueba de hipótesis. Las técnicas que analizan en forma muy sucinta se llaman técnicas de análisis multivariado, debido a que trabajan con varias variables en forma simultánea. </li></ul><ul><li>Existen paquetes estadísticos que permiten una mayor versatilidad en el manejo y análisis de información. Sin embargo, para este tipo de paquetes es conveniente conocer, aunque sea en forma somera, los posibles de su uso. Uno de los paquetes que más se conocen y utilizan es el SPSS (Statitical Package for Social Sciences). </li></ul>
  31. 32. LAS TÉCNICAS ESTADÍSTICAS <ul><li>Las técnicas estadísticas que más se conocen y utilizan son aquellas en la que la información obtenida es de tipo métrico (intervalar y racional), tanto en su aspecto dependiente como independiente; por ejemplo, cuando la variable dependiente del estudio es de tipo métrico, la regresión múltiple puede ayudar a encontrar y explicar la relación y la correlación entre las variables. </li></ul><ul><li>La regresión múltiple consiste básicamente en determinar una función (por lo general lineal) en la que se explique el comportamiento de una variable llamada dependiente a través del comportamiento de otras variables (una o varias, cuando es una sola se llama regresión múltiple) que forman la función correspondiente. </li></ul>
  32. 33. NOMENCLATURA. <ul><li>Antes de revisar los diseños experimentales se presenta la nomenclatura que se utilizará, para representar de una manera clara y visual la estructura de los diseños. </li></ul><ul><li>  </li></ul><ul><li>O indica la medida de la variable independiente antes (O1) o después (O2) del tratamiento. El subíndice expresa la posición de la medida en el diseño. </li></ul><ul><li>  </li></ul><ul><li>X indica el tratamiento o variable independiente. </li></ul><ul><li>  </li></ul><ul><li>-----, esta línea discontinua sirve para indicar que los sujetos no han sido elegidos ni asignados al azar a los grupos experimentales y de control. </li></ul><ul><li>  </li></ul><ul><li>R, esta letra expresa que los sujetos han sido elegidos al azar de la población y asignados, también, al azar a los grupos experimentales y de control. </li></ul>
  33. 34. HAY QUE SELECCIONAR LOS SUJETOS PARA QUE LA MUESTRA SEA REPRESENTATIVA DE LA POBLACIÓN. <ul><li>CASOS CLÍNICOS : estudian casos concretos. </li></ul><ul><li>Ej.: Medir el grado de ansiedad a la entrada del hospital, en pacientes para cirugía, en el post-quirúrgico se medirá el grado de dolor y luego se correlaciona estadísticamente, así se comprobará si los más ansiosos son los que presentan más dolor. Se pasan dos encuestas en el post-quirúrgico, en este caso podría ser que la ansiedad causara dolor y que el dolor causara ansiedad. Esto es un estudio transversal. </li></ul>
  34. 35. VARIABLE . <ul><li>Es cualquier característica, factor, cualidad o atributo a estudiar. </li></ul><ul><li>Es algo que se puede modificar en un momento dado. </li></ul><ul><li>Es el resultados de las operaciones que debe efectuar el investigador. </li></ul><ul><li>Se definen operacionalmente para poderlas medir. </li></ul><ul><li>Podremos medir una variable siempre que determinemos las reglas que vamos a usar para la misma. </li></ul><ul><li>Por ejemplo en la variable sexo: </li></ul><ul><li>Varones  ---- 1. </li></ul><ul><li>Hembras ---- 2. (Significa ser de un sexo distinto a 1). </li></ul><ul><li>Por ejemplo para medir la tensión arterial, necesito un aparato que me la mida, el esfingomanómetro. </li></ul>
  35. 36. RELACIONES ENTRE VARIABLES. <ul><li>Definición: Es el vinculo o conexión entre las variables independientes y dependientes de un estudio. </li></ul><ul><li>Es de suma importancia la relación causa-efecto. </li></ul><ul><li>Varianza: Es la desviación típica. </li></ul><ul><li>Varianza consecuente: Si esta es la consecuencia, algo lo causa y es porque algo ha variado. </li></ul><ul><li>VARIANZA (causa)      ---- VARIANZA (consecuencia) </li></ul>
  36. 37. CONDICIONES PARA AFIRMAR RELACIONES CAUSALES. <ul><li>Hay condiciones que se deben cumplir para decir que una variable es causa de otra variable: </li></ul><ul><li>1. Una causa debe de preceder a la otra en el tiempo. </li></ul><ul><li>2. Existencia de una relación empírica (estadística) entre la causa y su efecto (de modo que cuando varia una, varia la otra). </li></ul><ul><li>3. Ausencia de otras variables que puedan explicar el efecto. (No hay otros factores que la puedan explicar). </li></ul><ul><li>Ej.: A causa B, y no hay otras causa C, D, E, F, ... que puedan explicar B. </li></ul>
  37. 38. TIPOS DE VARIABLES. <ul><li>VARIABLE INDEPENDIENTE O MANIPULADA (X): </li></ul><ul><li>Es la causa, el antecedente, la manipulada, es la clasificación predictoria, es independiente al no depender de otra causa. </li></ul><ul><li>La variable independiente: </li></ul><ul><li>1. Mide (clasifica sujetos) --- Estudio observacional. </li></ul><ul><li>2. Manipula (interviene)  --- Estudios experimentales. </li></ul><ul><li>Ej. : Tabaco  - grupo humano. </li></ul><ul><li>VARIABLE DEPENDIENTE O DE CRITERIO (Y): </li></ul><ul><li>Es el efecto, la consecuencia, la medida, es predecible y es medible, depende de otra variable,  </li></ul><ul><li>Con la variable dependiente, los resultados son medidos, es la que busca instrumentos para medir, aplicar el instrumento al sujeto y/o población. </li></ul>
  38. 39. CLASIFICACION DE LOS DISEÑOS DE INVESTIGACION. <ul><li>Según la intervención: (Experimentales / Observacionales) </li></ul><ul><li>Según el tiempo de estudio: (Transversales / Longitudinales) </li></ul><ul><li>Búsqueda causalidad: (Descriptivos /Analíticos) </li></ul><ul><li>En función de la V. Independiente: (Simple / Factorial) </li></ul><ul><li>En función de los sujetos a estudio: (Con un sujeto / grupos) </li></ul><ul><li>En función de las V. Dependientes: (De medida única / medidas repetidas) </li></ul>
  39. 40. EL DISEÑO DE INVESTIGACION COMO CONTROL DE VARIANZA <ul><li>El diseño de investigación como control de varianza: </li></ul><ul><li>PRINCIPIO DE MAXMINCON: </li></ul><ul><li>1.      Maximizar la varianza sistemática (primaria) </li></ul><ul><li>2.      Minimizar la varianza error: para ello se deberá elegir un grupo homogéneo de sujetos para el estudio y elegir un buen instrumento de medida. </li></ul><ul><li>3.      Controlar la varianza sistemática extraña o secundaria: para ello se deberán eliminar fuentes de error que contaminen, se conseguirá al elegir los sujetos del estudio aleatoriamente y procurando que los sujetos a estudiar están en las mismas condiciones. </li></ul>
  40. 41. LOS ELEMENTOS DE UN DISEÑO FACTORIAL; LA REPRESENTACION GRAFICA, LOS EFECTOS SIMPLES, LA INTERACCION Y LOS EFECTOS PRINCIPALES. <ul><li>Un diseño factorial es un diseño en el que el investigador estudia simultáneamente dos o más variables independiente. En un diseño factorial completa se combinan todos los niveles de una variable con todos los niveles de otra o las otras. Para comprender mejor los resultados de una investigación factorial de dos variables se deben presentar en una grafica. En realidad, en dos, una para cada variable independiente. </li></ul><ul><li>Se empieza realizando una grafica para cualquiera de las dos variables independientes. La variable independiente elegida la consideramos como “central” a efectos de representación. El carácter central lo da el hecho de figurar en el eje de las abscisas. La otra variable independiente actúa como condiciónate, ya que la central actúa bajo sus condiciones. </li></ul>
  41. 42. <ul><li>Una vez que tenemos las graficas para cada una de las variables independientes, empezamos a estudiar cómo se comporta la variable cuando se combina con la otra. </li></ul><ul><li>A estos resultados parciales de la variable independiente, agrupados bajo las condiciones de la otra variable independiente, se les da el nombre de efectos simples. </li></ul><ul><li>Se les llama efectos simples porque es como si dividiéramos el experimento de una variable en dos experimentos simples. </li></ul>
  42. 43. ¿ Tiene alguna repercusión el hecho de que exista interacción entre las variables? <ul><li>Tiene dos repercusiones: </li></ul><ul><li>Es obligatorio interpretar cada efecto simple por separado, ya que son diferentes. </li></ul><ul><li>Solo puede interpretarse el efecto promedio, llamado principal, de la variable independiente si se da la circunstancia de que las dos líneas que representan los efectos simples tengan una pendiente del mismo signo. Cuando la línea es horizontal, el signo de la dependiente es cero; cuando sube hacia la derecha, el signo es positivo y cuando sube hacia la izquierda, el signo es negativo. </li></ul>
  43. 44. BIBLIOGRAFÍA <ul><li>Diseño de investigaciones: cuaderno de prácticas. 2ª ed. Gambara D’Errico, Hilda. </li></ul><ul><li>Métodos de investigación y estadística en psicología. 3ª ed. Coolican, Hugh. </li></ul><ul><li>Metodología de la investigación. 4ª ed. Hernández, Sampieri. Fernández, Collado. Baptista, Lucio. </li></ul><ul><li>Análisis y diseño de experimentos. 2ª ed. Gutiérrez Pulido, Humberto. </li></ul><ul><li>Diseño de investigación. David Clark – Carter. </li></ul><ul><li>proceso de la investigación científica. Mario Tamayo y Tamayo. </li></ul><ul><li>Naghi Namakforoosh (1999), Metodología de la investigación, segunda edición, Noriega Editores. </li></ul><ul><li>Gutiérrez, H. y De La Vaga, R. (2008).Análisis y diseño de experimentos. Ed. Mcgraw-Hill Interamericana. </li></ul>

×