Libro de Estadistica II

ESTADSTICA EMPRESARIAL I
TIPOS DE ESTUDIO
1. Segn la intervencin del Investigador:
OBSERVACIONAL: No existe intervencin del

investigador; los datos reflejan la evolucin natural de los
eventos, ajena a la voluntad del investigador.
EXPERIMENTAL: Siempre son prospectivos,

longitudinales, analticos y de nivel investigativo explicativo
(causa efecto); adems de ser controlados.
2. Segn la planificacin de la toma de datos
PROSPECTIVO: Los datos necesarios para el estudio son

recogidos a propsito de la investigacin (primarios). Por lo
que, posee control del sesgo de medicin.
RETROSPECTIVO: Los datos se recogen de registros

donde el investigador no tuvo participacin (secundarios).
No podemos dar fe de la exactitud de las mediciones.
3. Segn el nmero de ocasiones en que mide la variable

de estudio
TRANSVERSAL: Todas las variables son medidas en una

sola ocasin; por ello de realizar comparaciones, se trata de
muestras independientes.
LONGITUDINAL: La variable de estudio es medida en dos

o ms ocasiones; por ello, de realizar comparaciones (antes
despus) son entre muestras relacionadas.
4. Segn el nmero de muestras a estudiar
Lic. JUAN C. AYALA MELGAREJO 3

DESCRIPTIVO: El anlisis estadstico, es univariado porque

solo describe (finalidad cognoscitiva); o estima parmetros
(propsito estadstico) en la poblacin de estudio a partir de
una muestra.
ANALTICO: El anlisis estadstico por lo menos bivariado;

por que plantea y pone a prueba hiptesis explicativas
(finalidad cognoscitiva); su nivel ms bsico establece la
asociacin entre factores (propsito estadstico).
IMPORTANTE: Descriptivo no es sinnimo de observacional.

Un estudio observacional puede ser analtico. Ejemplo: El
estudio de los casos y controles.
NIVELES EN INVESTIGACIN
1. EXPLORATORIO: Se plantean cuando el objetivo es

examinar un tema o problema de investigacin poco
estudiado o que no ha sido abordado antes; su finalidad es
establecer prioridades para investigaciones posteriores o
sugerir afirmaciones verificables.
No hay preguntas que conduzcan a problemas precisos, se

exploran reas problemticas. Se trata de investigacin
cualitativa; por lo que no se requiere de manejo estadstico.
2. DESCRIPTIVO: Describe fenmenos sociales o clnicos en

una circunstancia temporal y geogrfica determinada.
Desde el punto de vista cognoscitivo su finalidad es
describir y desde el punto de vista estadstico su propsito
estimar parmetros.
La estadstica consiste en estimar frecuencias y/o

promedios; y otras medidas univariadas. Ejemplo: Los
estudios de frecuencia de la enfermedad: Incidencia y

Prevalencia.
3. RELACIONAL: No son estudios de causa y efecto; porque

las pruebas estadsticas solo demuestran dependencia
entre diferentes eventos; aqu podemos encontrar los
estudios de asociacin sin relacin de dependencia; y las
correlaciones espurias.
La estadstica es bivariada; podemos hacer asociaciones y

medidas de asociacin; correlaciones y medidas de
correlacin. Ejemplo: Chi Cuadrado y R de Pearson.
4. EXPLICATIVO: Su finalidad es explicar el comportamiento

de una variable en funcin de otra(s); aqu se plantea una
relacin de causa-efecto, y tiene que cumplir otros criterios
de causalidad (Bradford Hill); requiere de control tanto
metodolgico como estadstico.
En los estudios observacionales la estadstica multivariada;

tiene por finalidad descartar asociaciones aleatorias,
casuales o espurias. Ejemplo: Chi 2 de Mantel-Haenszel.
5. PREDICTIVO: Se encarga de la estimacin probabilstica

de eventos generalmente adversos, como puede ser las
complicaciones de la enfermedad, la mortalidad, etc. La
lnea investigativa debe haber pasado previamente por los
otros niveles.
Se aplican un conjunto de tcnicas estadsticas. Ejemplo.

La validacin de una prueba diagnstica requiere: Alfa de
Cronbach, ndice Kappa, ANOVA, Curvas ROC.

6. APLICATIVO: Plantea resolver problemas de la vida

cotidiana o a controlar situaciones prcticas. Puede ser
programtica o no programtica, de manera que enmarca
a la innovacin tcnica, artesanal e industrial como la
propiamente cientfica.
Las tcnicas estadsticas apuntan a evaluar el xito de la

intervencin, como medidas de impacto sobre los
principales indicadores de salud: tasas, coberturas,
rendimiento, etc.
DISEOS EN INVESTIGACIN
1. EPIDEMIOLGICOS: Describir la distribucin de las

enfermedades y eventos de salud en poblaciones humanas
y descubren las leyes que gobiernan estas condiciones.
Descriptivo: Pueden ser transversal (Ejemplo: Estudio de

prevalencia) y longitudinal (Ejemplo: Estudio de
incidencia):
Observacional Analtico: No solo buscan demostrar

dependencia entre eventos; sino la fuerza de asociacin
entre ellos, y plantea la relacin de causalidad como una
medida de riesgo. Ejemplo: Casos y controles Cohortes.
De intervencin: No llegan a ser experimentos

verdaderos, porque se ven limitados por las normas ticas.
Ejemplo: Ensayos clnicos y ensayos de poblacin.
2. EXPERIMENTALES: Requiere de dos condiciones

bsicas: intervencin y asignacin aleatoria. Siendo de
nivel investigativo explicativo tienen control metodolgico.

Pre-experimento: La intervencin sobre las unidades de

estudio, no es apropsito de la investigacin; sino que
obedece a las necesidades teraputicas del sujeto.
Cuasi-experimento: Cuando no hay grupo control, no es

posible realizar la asignacin aleatoria de los sujetos,
puesto que no se puede dejar sin tratamiento a los
pacientes.
Experimento verdadero: Cumple con la asignacin

aleatoria e intervencin.
3. COMUNITARIOS O ECOLGICOS: La unidad de anlisis

es la poblacin y generalmente la fuente de datos suelen
ser las estadsticas de morbilidad y mortalidad rutinarias.
Exploratorios: El nico propsito es buscar patrones

espaciales o temporales que podran sugerir temas de
investigacin. Aqu se encuentran los estudios cualitativos.
De comparaciones mltiples: Este es diseo el ecolgico

ms comn. En un estudio analtico de comparacin de
grupos mltiples. La estadstica vara solo por este hecho.
Series temporales: Analiza las variaciones temporales de

los niveles de exposicin con otra serie de tiempo que
refleja los cambios en la frecuencia de la enfermedad.
4. ENSAYOS CLNICOS: Experimentos en seres humanos

para evaluar mtodos de prevencin, diagnstico,
tratamiento o manejo de las enfermedades que les
aquejan.

Teraputicos: Suelen ser estudios individuales y son los

ms comunes; su propsito es curar, aliviar y/o prolongar
la vida del paciente. Ej. Excresis de un tumor localizado.
De intervencin: Su propsito es modificar el curso

natural de la enfermedad. Ejemplo: Tratamiento de la
diabetes para prevenir nefropata diabtica.
VARIABLES E INDICADORES
1. VARIABLES Y CONSTRUCTOS
1.1. VARIABLES
Son propiedades, caractersticas o atributos que se dan en

las unidades de estudio (personas, grupos, etc.) o por
derivacin de ellas; siempre deben ser medibles. Las
variables individuales corresponden a las unidades de
estudio individuales, Ejemplo: El nivel de instruccin de las
personas. Las variables colectivas son propiedades de
grupos y su medicin se basa en las propiedades
individuales que poseen sus miembros, por ejemplo, el
ndice de analfabetismo.
El anlisis estadstico de las variables individuales y las

variables colectivas; incluso dentro de un mismo objetivo,
no siempre es el mismo.
1.2. CONSTRUCTOS
Un constructo es una propiedad que se supone posee una

persona (unidad de estudio individual), es un concepto
terico, hipottico. Por ejemplo, la inteligencia, la
motivacin, la creatividad, las actitudes, etc.

Los constructos se definen como propiedades

subyacentes, que no pueden medirse de manera directa,
sino mediante manifestaciones externas de su existencia,
es decir, mediante indicadores. Los constructos son
variables subyacentes, por lo cual, reciben la
denominacin comn de variables.
2. INDICADORES E INDICES
2.1. INDICADORES
Cuando las variables no presentan ninguna dificultad para

su identificacin se dice que tienen indicadores directos o
unidimensionales.
Las variables subyacentes (constructos) que no pueden

medirse de manera directa, requieren de indicadores que
permitan su medicin. En este caso estamos hablando de
indicadores indirectos o multidimensionales.
Los instrumentos utilizados para medir variables

subyacentes, deben tener una validez de constructo que
corresponde su definicin operacional. As, el estrs de
Burnout queda definido operacionalmente cuando es
medido por el test de Maslach.
2.2. INDICES
Es una combinacin de dos o ms variables o de sus

indicadores elegidos por el investigador que propone como
procedimiento para medir una cierta variable.

Un ndice puede estar representado por los indicadores de

su definicin operacional. As tenemos que, el ndice de la
funcin sexual est constituida por las dimensiones: el
deseo, la funcin erctil, funcin orgsmica y la
satisfaccin.
Reciben tambin el nombre de ndices los valores que toma

una variable (por ejemplo, la tasa de mortalidad) en un
perodo determinado, valores que son reducidos a
porcentaje o a una cantidad exponencial de base 10.
ESCALAS DE MEDICIN DE LAS VARIABLES
1. Variables Categricas o Cualitativas
1.1. Escala NOMINAL: (ningn atributo)
Posee categoras a las que se asigna un nombre sin

que exista ningn orden implcito entre ellas.
Ejemplos:
Gnero: Masculino Femenino
Estado Civil: Soltero - Casado Conviviente
1.2. Escala ORDINAL: (un atributo - Orden)
Posee categoras ordenadas, pero no permite

cuantificar la distancia entre una categora y otra.
Ejemplos:
Intensidad del dolor: Leve - Moderado Intenso

Instruccin: Primaria - Secundaria Superior
Observaciones
Dicotmicas: Tienen solamente dos categoras.
Politmicas: Tienen ms de dos categoras.
2. Variables Numricas o Cuantitativas
2.1. Escala de INTERVALO: (dos atributos - Orden y

Distancia)
Tiene intervalos iguales y medibles. No tiene un

origen real, por lo que puede asumir valores
negativos. Ejemplos:
Temperatura: -10C, 0C, 20C, etc.
Hora del da: 00 Horas, 10 Horas, 20 Horas, etc.
2.2. Escala de RAZN: (tres atributos - Orden, Distancia

y Origen)
Tiene intervalos constantes entre valores; adems de

un origen real. El cero significa la ausencia del
individuo. Ejemplos:
Peso: 00.00Kg, 10.24Kg, 20.00Kg, etc. Nmero de

Hijos: Uno, Dos, Tres, etc.
Observaciones
Continuas: Provienen de medir y se pueden representar

con nmeros enteros o fraccionarios
Discretas: Provienen de contar y solamente pueden ser

representados con nmeros enteros.

LAS VARIABLES SEGN SU RELACIN
Esta clasificacin de las variables se fundamenta en la bsqueda

de obtener explicacin causal que puede ser observacional o
experimental y correspondiente al nivel investigativo explicativo.
Su estructura responde a la necesidad de realizar el control
metodolgico y/o estadstico de la relacin causa-efecto.
1. Variable dependiente
En este sistema de variables representa a la variable de

inters o variable de estudio, es la que para su existencia y
desenvolvimiento depende de otra independiente, su modo de
ser, est condicionada por otros aspectos de la realidad. Es
la que mide o describe el problema que se estudia.
2. Variable independiente
Es aquella cuya existencia es autnoma, no depende de otra,

ms bien de ella dependen otras, representa los factores que
constituiran la causa, siendo que previamente ha demostrado
ser factor de riesgo para el problema que se estudia. En este
sistema de variables se plantea solamente una variable
independiente.
3. Variables intervinientes
a. Variable intermedia
Esta variable aparece de manera incalculada durante el

proceso de una observacin o inesperada dentro de un
experimento, entre el factor causal y el efecto. Ocurre cuando
no ha habido una buena eleccin de los factores de riesgo. El

procedimiento ms idneo para su neutralizar su participacin

es el anlisis multivariado.
b. Variable de control
Es una variable con una fuerte influencia sobre la variable

dependiente, pero ningn efecto reconocido sobre la variable
independiente; habitualmente se reconoce su participacin en
el momento de la planeacin; por ello su control se realiza
metodolgicamente mediante los criterios de exclusin.
c. Variables de confusin
Su participacin puede intensificar o antagonizar la relacin

aparente entre el problema y una posible causa, creando
confusin en el investigador. Su influencia se da tanto sobre
la variable independiente como en la dependiente. Su control
se debe realizar mediante anlisis estratificado.
CRITERIOS DE CAUSALIDAD
Criterios de Bradford Hill (1965)
1. Asociacin estadstica: Se trata de averiguar si existe

relacin entre el supuesto factor causal y el efecto estudiado.
Para esto hay que buscar estudios epidemiolgicos (Cohortes
o Caso - Control) que indiquen el riesgo significativo (Riesgo
Relativo o Razn de Momios).
2. Constancia o Consistencia: Consiste en conocer si la

relacin entre las dos variables, a las que investigamos una
posible relacin causa-efecto, ha sido confirmada por ms de
un estudio, en poblaciones y circunstancias distintas por
autores diferentes.

3. Especificidad: Es ms fcil aceptar una relacin causa-

efecto cuando para un efecto slo se plantea una sola
etiologa, que cuando para un determinado efecto se han
propuesto mltiples causas. En este caso lo apropiado sera
hablar de Especificidad de la causa.
4. Temporalidad: Se trata de asegurar que el factor de riesgo

ha aparecido antes que el supuesto efecto. Puede ser difcil
de demostrar cuando no se puede asegurar si la presunta
causa apareci con anterioridad al presunto efecto. (Equivale
a la cronologa de Simonin)
5. Relacin dosis-respuesta: Denominada gradiente

biolgico, La frecuencia de la enfermedad aumenta con la
dosis o el nivel de exposicin. (Equivale a la Intensidad de
Simonin). Sin embargo, hay casos en que el gradiente
biolgico no se cumple (en una reaccin alrgica).
6. Plausibilidad biolgica: El contexto biolgico existente debe

explicar lgicamente la etiologa por la cual una causa
produce un efecto a la salud. Esta caracterstica viene limitada
por los conocimientos cientficos que se tengan al respecto en
el momento del estudio.
7. Coherencia: la interpretacin de causas y efectos no puede

entrar en contradiccin con el comportamiento propio de la
enfermedad o lesin. Este criterio combina aspectos de
consistencia y plausibilidad biolgica (Corresponde a la
evolucin de Simonin)
8. Experimentacin: Es un criterio deseable de alta validez. Se

trata de reproducir experimentalmente la asociacin causa-
efecto, o incidir en la causa para alterar el efecto cuando no

sea posible o no se considere tica otra modalidad de

experimentacin.
9. Analoga: Se fundamenta en relaciones de causa-efecto

establecidas, con base a las cuales, si un factor de riesgo
produce un efecto a la salud, otro con caractersticas similares
debiera producir el mismo impacto a la salud.
NOTA: Bradford Hill no considera el criterio de topografa

introducido por Simonin, aunque no es aplicable en todos los
casos. Por ejemplo, en cuando tratamos de encontrar la lesin
topogrfica que provoca la anorexia nerviosa es un esfuerzo
intil.
FORMULACIN DEL PROBLEMA
Se trata de sintetizar la cuestin proyectada a investigar,

generalmente a travs de un interrogante. Los problemas de
Investigacin se formulan con los 5 componentes a
continuacin:
VARIABLES: Debe mencionarse al menos la variable de

estudio; pueden tambin mencionarse todas las variables
involucradas; o cuando son las variables son muy numerosas
suele usarse trminos que resuman de manera lgica un grupo
de variables.
UNIDADES DE ESTUDIO:
Unidades de observacin, unidades experimentales, unidades

de anlisis. Reciben distintos nombres segn el diseo de la
investigacin; y deben mencionarse, aunque a veces su
presencia en el enunciado resulta implcita.

DISEO DEL ESTUDIO:
Propsito estadstico, Especificidad, etc. Es muy variable de

acuerdo a la investigacin; es importante utilizar trminos que
den por aludido el diseo de la investigacin, el nivel
investigativo, el tipo de estudio, etc.
UBICACIN ESPACIAL:
Es ineludible cuando se tratan de estudios descriptivos y se

encuentra relacionado con el tamao de la muestra; siendo que
los fenmenos varan de un lugar a otro; se debe especificar
sobre qu poblacin se realizar la inferencia estadstica.
UBICACIN TEMPORAL:
Al igual que en el criterio espacial, se requiere especificarlo

cuando el fenmeno vara segn el tiempo. En los estudios
descriptivos sobre poblaciones infinitas o desconocidas
habitualmente se encuentra relacionado con el muestreo
accidental.
Definicin:
Son conjeturas que plantea el investigador; afirmaciones aun no

demostradas y que nacen de la experiencia (David Hume:
empirismo) o de la deduccin luego del anlisis de los
antecedentes investigativos (Ren Descartes: racionalismo).
Deben referirse a una situacin real, en trminos comprensibles,
precisos, concretos y deben estar relacionadas con tcnicas
disponibles para probarlas.
Estructura:

Fundamento: Es lo que nos lleva a sostener la hiptesis

planteada. Las hiptesis relacionales carecen de fundamento
porque nacen de la subjetividad de una observacin; mientras
que las hiptesis explicativas se fundamentan en los
antecedentes investigativos.
Deduccin: Es la hiptesis misma, denominada hiptesis del

investigador; estadsticamente es la hiptesis alterna y se debe
someter a contraste. Cuando se la plantea en forma de
interrogante es la que da respuesta al enunciado.
Hiptesis segn el nivel Investigativo:
Descriptiva: Los estudios descriptivos no suelen contener

hiptesis, as como tampoco los estudios exploratorios; porque
no se puede presuponer sobre algo que apenas se comienza a
conocer. En estos casos lo que si procede, es trabajar con
objetivos descriptivos debidamente declarados. Su funcin es
precisamente generar hiptesis.
Relacional: Las hiptesis relacionales o empricas son

afirmaciones respecto a las relaciones entre dos o ms variables
sin fundamento, porque nacen de la observacin y la
experiencia, siempre deben estar sujetas a comprobacin
emprica. Solamente buscan concordancia entre hechos y
generan la necesidad de plantear hiptesis explicativas.
Explicativa: Las hiptesis explicativas o racionales son

consideradas como explicaciones tentativas respecto al
problema planteado. Cumple su funcin slo si est relacionada
con el conocimiento existente; nacen del razonamiento por
analoga (Bradford Hill). Sin antecedentes investigativos no es
posible plantear hiptesis explicativas.

HIPTESIS ESTADSTICAS (De trabajo)
Ho: Hiptesis Nula: Es la hiptesis de trabajo.
Niegan lo que afirman las hiptesis de investigacin y existen

tantas hiptesis nulas como hiptesis de investigacin. Es a la
Nula a la que se le rechaza o no se le rechaza:
Si el p-valor es menor a 0.05; rechazamos Ho por lo tanto

concluimos en que hiptesis alterna es verdadera.
Si el p-valor no es menor a 0.05; no rechazamos Ho; sin

embargo, esto no significa que debemos aceptarla; sino que,
simplemente no hemos podido rechazarla.
H1: Hiptesis Alternas: Es la hiptesis del investigador.
Esta hiptesis se da por verdadera cuando rechazamos la

hiptesis de trabajo (Ho) o cuando por alguna razn no podemos
aceptar la nula.
En el ritual de la significancia, procedemos a establecer las

hiptesis estadsticas comenzando por el del investigador (H1) y
luego la Nula (Ho); para proceder a trabajar con la Nula. El
investigador procede a rechazar la Nula (Ho); para quedarse con
la Alterna (H1), que es su planteamiento original; siendo que
puede cometer un, entonces la estadstica consiste en calcular
ese error al tomar tal decisin. Ese es el p-valor
Hiptesis estadsticas
De estimacin: Del valor de una o varias variables que se van

a observar en un contexto. Sealan la presencia de cierto hecho
o fenmeno.

De correlacin: El cambio de una variable va acompaado de

un cambio en otra correspondiente. Puede ser una correlacin
simple o mltiple. El orden en que se coloquen las variables no
es importante, no hay una relacin de causa-efecto; por lo
mismo, no se habla de variables dependientes e independientes.
De Diferencias: Dirigidas a comparar grupos y puede ser simple

si no determina a cul grupo favorece la diferencia o direccional
en el caso contrario. Pueden ser parte de estudios relacionales
si se limitan a establecer la diferencia, pero si adems pretenden
explicar el porqu de la diferencia, son hiptesis de estudios
explicativos.
De Causalidad: Buscan demostrar la relacin de causalidad

entre la variable independiente y dependiente; teniendo en
cuenta que la existencia de una correlacin no necesariamente
establece una relacin de causalidad; no se puede plantear una
de estas hiptesis si no se ha realizado el control metodolgico;
caso contrario se debe realizar el control estadstico y plantearse
una hiptesis con variables intervinientes.
OBJETIVO ESTADSTICO
Uno de los criterios ms importantes a la hora de escoger el

estadstico de prueba, se encuentra intrnsecamente relacionado
al nivel investigativo; en esta pastilla se ha omitido
intencionalmente el objetivo estadstico comparar por ser el ms
usado y encontrarse en todos los niveles merece una mencin
aparte.
1. A nivel descriptivo

Estimar: Usado frecuentemente para la estimacin puntual

de un parmetro y los intervalos de confianza del mismo.
Determinar. Cuando buscamos en obtener el resultado de

una variable subyacente o constructo y utilizamos un
instrumento documental.
Describir: Para las variables que no son de estudio y que

no involucra la utilizacin de instrumentos pues se tratan de
variables unidimensionales o directas.
2. A nivel relacional
Asociar: Plantea que dos sucesos ocurren de manera

simultnea en repetidas ocasiones y que tal concurrencia no
puede atribuirse al azar.
Concordar: Sucesos concurrentes que corresponden a

diferentes observadores o al mismo observador, pero con
diferentes instrumentos.
Correlacionar: Plantea que en un mismo individuo las

unidades de una de sus variables se correlacionan con otra
diferente.
3. A nivel explicativo
Evidenciar: Propio de los estudios observacionales donde

el anlisis estratificado busca descartar asociaciones
aleatorias, casuales o espurias.
Demostrar: Cuando el origen de los datos corresponde a un

experimento, pretendemos demostrar algo que hemos
evidenciado observacionalmente.

Probar: Luego de haber demostrado mediante un estudio

experimental se tiene que repetir para probar consistencia o
coherencia (Bradford Hill 1965)
4. A nivel predictivo
Predecir: Calcular la probabilidad de ocurrencia de un

suceso en una serie de eventos por consecuencia la variable
a predecir es dicotmica.
Pronosticar: Calcular la probabilidad de ocurrencia de un

suceso en funcin al tiempo por consecuencia la variable
pronosticada es numrica.
Preveer: Calcular la probabilidad de necesitar, disponer o

preparar medios contra futuras contingencias.
RITUAL DE LA SIGNIFICANCIA ESTADSTICA
1. Formulacin de Hiptesis
Consiste en traducir la hiptesis metodolgica en una

hiptesis estadstica de acuerdo al siguiente sistema:
Ho: Hiptesis nula o hiptesis de trabajo
H1: Hiptesis alterna o hiptesis del investigador
El primer paso es colocar la hiptesis del investigador como

Hiptesis Alterna (H1) y formular la Hiptesis Nula (Ho) que
viene a ser la negacin de la alterna. Se precisa este artificio
porque es a la Hiptesis Nula a la que se le somete a
contraste.
2. Establecer el nivel de significancia.

El nivel de significancia denotado por la letra griega alfa es la

probabilidad de rechazar la hiptesis nula cuando es verdadera
a lo cual se le denomina error de tipo I, Segn Fisher, el nivel de
significacin estadstica equivale a la magnitud del error que se
est dispuesto a correr de rechazar una hiptesis nula
verdadera. Para la mayora de los propsitos, el nivel de
significacin previamente establecido suele ser de 0.05.
3. Eleccin de la prueba estadstica.
El estadstico de prueba elegido est intrnsecamente

relacionado con el objetivo estadstico correspondiente para su
nivel investigativo; para esto debemos considerar la naturaleza
de las variables y el comportamiento de los datos que
corresponde a su distribucin para los de naturaleza cuantitativa
y las frecuencias esperadas para los de naturaleza cualitativa.
4. Toma de la decisin
Luego de desarrollar la prueba estadstica elegida se toma una

decisin en funcin a la regla previamente establecida segn las
que se acepta o se rechaza la hiptesis nula para lo cual es
imprescindible determinar el Valor crtico, que es un nmero que
divide la regin de aceptacin y la regin de rechazo, segn el
valor de la probabilidad que se haya adoptado como nivel de
significacin estadstica.
5. Interpretacin del p-valor.
Este ltimo paso en el ritual de la significancia estadstica no fue

planteado originalmente por Fisher, pero cobra vital importancia
con la aparicin de los softwares estadsticos que nos calculan
directamente el p-valor, el cual cuantifica el error tipo I y nos

ayuda a tomar una decisin de rechazo a la hiptesis nula (H o)

cuando es menor al nivel de significancia y de no rechazo
cuando su valor es mayor al alfa planteado.
NIVEL DE SIGNIFICANCIA
Al plantear un estudio sobre una poblacin, idealmente debemos

estudiar a todos los individuos que la conforman; pero no
siempre podemos acceder a todos, entonces tenemos que
escoger una muestra; sin embargo, los resultados obtenidos de
esta manera nunca sern exactamente iguales, a los que se
obtendran de estudiar a toda la poblacin; es decir, siempre va
a haber un margen de error.
Nivel de Significancia. Antes de realizar el estudio debemos

plantearnos; que proporcin de error estamos dispuestos a
aceptar para dar por vlido nuestro. El error es el objetivo
principal del estudio. El anlisis estadstico consiste en calcular
la probabilidad de cometer este error y esperamos que sea
menor al planteado preliminarmente como nivel significancia.
Nivel de confianza. Es la confianza que debemos alcanzar para

generalizar el resultado de una muestra hacia toda la poblacin.
Es el complemento del nivel de significancia; es la confianza que
tenemos, de que la conclusin a la que hemos llegado es cierta.
Una probabilidad elevada nos da la tranquilidad de que lo que
hemos calculado es cercano a lo real y no debida al azar
Niveles convenidos:
a) = 5%. Existe 5% (0.05) de probabilidad de equivocarse y

95% (0.95) de confianza.

b) = 1%. Existe 1% (0.01) de probabilidad de equivocarse y

99% (0.99) de confianza.
Definicin de trminos.
El error tipo I: Ocurre cuando afirmamos la hiptesis del

investigador, siendo falsa. Por lo tanto, es un juicio de valor
equivocado.
El p-valor: Es la probabilidad de equivocarse al aceptar nuestra

hiptesis del investigador como verdadera; es decir la
probabilidad de cometer un error tipo I.
El nivel de significancia: Es la mxima probabilidad de error

que estamos dispuestos aceptar para dar como vlida nuestra
hiptesis del investigador.
OBJETIVO ESTADSTICO
NIVEL INVESTIGATIVO RELACIONAL: VARIABLE

CATEGRICA
1. COMPARAR (Grupos): Es el objetivo estadstico ms

bsico del anlisis bivariado; aunque algunos autores
piensan que es univariado, porque habitualmente involucra
un solo evento aleatorio (diseos ecolgicos), donde los
grupos se construyen previamente a la ejecucin del
estudio; Sin embargo, su anlisis involucra a dos variables
y por ello corresponde al nivel investigativo relacional. Su
finalidad es identificar las diferencias entre los grupos
participantes.
La prueba de hiptesis se realiza con el estadstico: Chi

cuadrado de Homogeneidad.

Ho: Las proporciones de los grupos no son diferentes.
H1: Las proporciones de los grupos son diferentes.
2. COMPARAR (Antes-Despus): Es la comparacin de un

mismo grupo antes y despus de una intervencin o de un
acontecimiento; la idea de hacer dos medidas sobre el
mismo grupo, es verificar los cambios producidos entre una
medida y otra; donde las variaciones pueden adjudicarse a
la intervencin o al periodo de seguimiento; por ello
corresponden a estudios longitudinales. Estas
comparaciones siempre son de individuo a individuo.

cuadrado de Mc Nemar.
Ho: No existe diferencia entre las dos medidas.
H1: Existe diferencia entre las dos medidas.
3. ASOCIAR (Categoras): Solamente la comparacin de una

variable dicotmica en dos grupos nos puede llevar a la
asociacin; y aunque se puede identificar en las tablas 2 x
2, debemos hacer una medida asociacin. Para asociar hay
que definir los factores de inters en ambas variables; y es
que habitualmente la asociacin involucra dos eventos
aleatorios. Desde el punto de vista epidemiolgico tenemos
dos medidas de asociacin relevantes: Riesgo Relativo y el
Odds Ratio.

cuadrado de Independencia.
Ho: Existe independencia entre los dos eventos (variables).

H1: Existe dependencia entre los dos eventos (variables).
4. CONCORDAR: Es una medida de acuerdo entre dos

observaciones donde el requisito fundamental es que se
trata de un solo grupo y los resultados de la observacin
tienen las mismas opciones. Tenemos dos casos
frecuentes: Cuando las observaciones corresponden a
diferentes observadores y cuando las observaciones
corresponden a diferentes instrumentos. En este caso el
estadstico, es tambin un ndice de concordancia.
La prueba de hiptesis se realiza con el estadstico: ndice

Kappa de Cohen.
Ho: No existe concordancia entre las dos observaciones.
H1: Existe concordancia entre las dos observaciones.
OBJETIVO ESTADSTICO
NIVEL INVESTIGATIVO RELACIONAL: VARIABLE

NUMRICA
1. COMPARAR (Grupos): Su finalidad es identificar las

diferencias entre los grupos participantes; se puede
comparar dos o ms grupos y habitualmente estos grupos
se construyen en la etapa de planificacin del estudio. La
comparacin inicial es a dos colas; pero debe
complementarse con un test de una sola cola. Cuando se
comparan ms de dos grupos, debe realizarse una prueba
post Hoc, con la finalidad de detectarse diferencias entre
cada uno de los grupos.

La prueba de hiptesis se realiza con el estadstico: t de

Student para muestras independientes.
Ho: Los promedios de los grupos no son diferentes.
H1: Los promedios de los grupos son diferentes.
2. COMPARAR (Antes-Despus): Siempre corresponde a

estudios individuales, es la comparacin de un mismo grupo
antes y despus de una intervencin o de un
acontecimiento; la idea de hacer dos medidas sobre el
mismo grupo, es detectar cambios entre una medida y otra;
donde las variaciones pueden adjudicarse a la intervencin
o al periodo de seguimiento; por ello corresponden a
estudios longitudinales. La hiptesis habitualmente es de
una sola cola.
La prueba de hiptesis se realiza con el estadstico: t de

Student para muestras relacionadas.
Ho: No existe variacin entre las medidas antes y despus

de la intervencin.
H1: Existe variacin entre las medidas antes y despus de

la intervencin.
3. CORRELACIONAR (Unidades): Se puede correlacionar

las unidades de dos variables, incluso de diferente
dimensin, para ello hay que definir las unidades en ambas
variables; que habitualmente esta involucra dos eventos
aleatorios. La correlacin puede significar el primer paso
para la asociacin, muy til cuando se realiza minera de
datos. Ejemplo: Correlacionar los niveles sricos de sodio

con los valores de presin arterial en un grupo de pacientes

hospitalizados.
La prueba de hiptesis se realiza con el estadstico:

Correlacin R de Pearson.
Ho: Existe independencia entre las dos variables.
H1: Existe dependencia entre las dos variables.
4. CORRELACIONAR (Como valor predictivo): Aqu se tiene

por descontado la presencia de correlacin; por lo que su fin
es medir el grado de correlacin. Desde el punto de vista de
la evaluacin de pruebas diagnsticas se utiliza la
correlacin para evaluar el valor predictivo de una variable
sobre la otra. Ejemplo: Hallar el valor predictivo del
ponderado fetal recin nacidos a trmino. En general para
la validacin de instrumentos se puede utilizar para calcular
el Alfa de Cronbach: Correlacin tem-Total.
La prueba estadstica es el ndice Correlacin R de Pearson

o el R2
Ho: No existe correlacin entre las dos medidas.
H1: Existe correlacin entre las dos medidas.
OBJETIVO COMPARATIVO
1. EXPLORATORIO.
Aqu agrupamos a las comparaciones sin mtodos

estadsticos, siendo que la investigacin cualitativa no hace
uso de las herramientas estadsticas, el principal diseo

encontrado aqu son las comparaciones mltiples

enmarcadas en los diseos comunitarios o ecolgicos.
Como ejemplo podemos mencionar la comparacin de las
costumbres a la hora del parto en la Regin Quechua y
Aymara. Comparacin por juicio de expertos en la
validacin cualitativa de un instrumento. La comparacin
cualitativa es una opinin.
2. DESCRIPTIVO.
Las comparaciones descriptivas ocurren cuando

evaluamos dos poblaciones en los estudios comunitarios o
ecolgicos, en este caso no se requiere aplicar pruebas
estadsticas puesto que precisamente estamos estudiando
a la poblacin y no hay inferencia estadstica. La
comparacin del rendimiento acadmico de dos
estudiantes al momento de la graduacin tampoco requiere
de pruebas de hiptesis sino solamente de ver quin es el
que tiene el mayor promedio. El objetivo estadstico
describir segn las variables epidemiolgicas es el primer
punto de partida para la verdadera comparacin.
3. RELACIONAL.
Recordemos que el contraste de independencia entre dos

variables responde a tres modelos matemticos: modelo
con los totales marginales de ambos factores fijos (modelo
I), modelo con los totales marginales de uno de los factores
fijos (modelo II), y el modelo con el total muestral fijo
(modelo III); pues bien, el objetivo comparativo a nivel
bivariado (nivel relacional) corresponde al modelo II con un
factor fijo y uno aleatorio. Dependiendo de la naturaleza de
la variable se elegir un determinado estadstico. La

comparacin puede ser de grupos independientes o de

muestras relacionadas.
4. EXPLICATIVO.
La finalidad de este nivel es descartar asociaciones

aleatorias, casuales o espurias sobre todo cuando
hacemos anlisis comparativo estratificado cuando
queremos realizar el control estadstico en un estudio
observacional, sta es la funcin del test de Mantel-
Haenszel. A nivel experimental podemos plantear objetivos
comparativos de grupo aleatorizados; como por ejemplo
comparar el efecto sobre la variable efecto en el grupo
experimental y el grupo blanco, hablando de estudios
epidemiolgicos. Dentro de los experimentos verdaderos la
factorizacin de las causas tambin corresponde al
objetivo comparativo
5. PREDICTIVO:
Podemos comparar el valor predictivo de dos

procedimientos diagnsticos o de dos formas de evaluar
una variable predictiva; por ejemplo podemos comparar la
eficiencia diagnstica de dos mtodos de deteccin de una
enfermedad. En otro momento podemos comparar el
pronstico de la enfermedad o del tiempo de supervivencia
de dos tratamientos en pacientes con cncer. Incluso hay
tcnicas comparativas para el anlisis de supervivencia de
Kaplan-Meier.

TCNICAS DE RECOLECCIN DE DATOS
No es lo mismo que registro de datos
1. Documentacin
Constituye la tcnica de recoleccin de datos ms bsica y

a la vez la ms inexacta; sin embargo, en ocasiones es la
nica disponible para recopilar la informacin;
Habitualmente la informacin fue recolectada con fines
distintos al estudio en curso; por ello los estudios realizados
con esta tcnica siempre son retrospectivos. Ejemplo:
Anlisis de contenido
2. Observacin:
La observacin cientfica se caracteriza por ser sistemtica,

controlada y con mecanismos destinados a evitar errores de
subjetividad, confusiones, etc. Es una observacin simple
cuando no perturba la accin o situacin que se est
investigando. Por otro lado, la observacin participante
puede ser natural cuando el observador pertenece al
conjunto humano que investiga y artificial, cuando la
integracin del observador al grupo se hace con el objeto de
desarrollar un trabajo de investigacin. La experimentacin
es una observacin participante artificial.
3. Entrevista
Consiste en una interaccin entre dos personas, una de las

cuales -el investigador-formula determinadas preguntas
relativas al tema en investigacin, mientras la otra -el
investigado- proporciona la informacin que le es solicitada.
La entrevista puede ser estructurada y no estructurada; en
la investigacin cuantitativa se apoya en un cuestionario al

cual se le denomina heteroadministrado.
4. Encuesta
La palabra "encuesta" se usa ms frecuentemente para

describir un mtodo de obtener informacin de una muestra
de individuos. Esta "muestra" es usualmente slo una
fraccin de la poblacin bajo estudio. Cuando se aplica al
total de la poblacin se llama censo y siempre es
parametrada. Se apoya en un cuestionario que casi siempre
es autoadministrado. La ventaja principal de tal
procedimiento radica en la gran economa de tiempo y
personal que implica, ya que los cuestionarios pueden
enviarse por correo, dejarse en algn lugar apropiado, o
pueden administrarse a grupos reunidos al efecto.
5. Psicometra
Los test psicolgicos emplean una gran variedad de

tcnicas especficas, que se combinan segn los objetivos
deseados. Una gran proporcin de ellos acude a la
formulacin de preguntas ya anotadas en algn cuestionario
apropiado, que es el test mismo, y que se autoadministra.
INSTRUMENTOS DE MEDICIN
1. Instrumentos lgicos o Documentales: Subjetivos
Cuestionario. Los trminos cuestionarios e inventarios se

suelen utilizar como sinnimos a pesar de que hay
diferencias marcadas en la forma de su presentacin. Un
cuestionario supone un conjunto de preguntas que el sujeto
tiene que responder a fin de evaluar alguna capacidad,
generalmente cognitiva, lo cual debe ser calificado por el

evaluador.
Como ejemplo podemos citar a los exmenes para evaluar

rendimiento acadmico
Escalas. Los evaluados indican su acuerdo o desacuerdo

con una serie de afirmaciones sobre el objeto en estudio.
Por lo general, arrojan una calificacin total que indica la
direccin e intensidad de la actitud del individuo hacia una
categora de estmulos, por lo que las escalas requieren de
una respuesta ordinal o de intervalo. Se han elaborado
procedimientos especiales para alcanzar la
unidimensionalidad u homogeneidad de los reactivos, la
igualdad de las distancias entre las unidades de la escala y
la comparabilidad de las calificaciones.
El ejemplo ms bsico es la escala visual anloga.
Inventario. Conjunto de frases o palabras a las que el sujeto

tiene que responder eligiendo o marcando su posicin ante
ellas (por ejemplo, al tem Me gustan las revistas de
mecnica, decoracin o computadoras, notemos que
ninguna respuesta es calificada como correcta e incorrecta.
Los inventarios cuentan con distintas posibilidades de

respuesta
Por ejemplo, un test de inteligencias mltiples puede

indicarnos inteligencia: Lingstica, Lgico matemtica,
Musical, Naturalista, etc.
2. Mecnicos: Objetivos

Las tcnicas objetivas hacen referencia a aquellas tareas o

procedimientos estructurados que recogen las respuestas
de un participante, respuestas que no pueden ser
modificadas en la direccin deseada y cuya puntuacin es
independiente de la persona que evala.
Las medidas que realizan mediante este mtodo son por

ejemplo las mediciones fisiolgicas.
Los instrumentos de evaluacin cognitiva son aquellos

instrumentos o aparatos que sirven para evaluar
caractersticas cognitivas que se consideran observables
(por ejemplo, el tiempo de reaccin). La imagen ms
habitual de estas tcnicas es la de una persona sentada
frente a la pantalla de un ordenador que espera con atencin
la aparicin de una serie de estmulos para apretar
rpidamente un botn o una palanca.
SESGOS DE SELECCIN
1. Sesgo de prevalencia o incidencia (de Neymann):
Se produce cuando la condicin en estudio determina

prdida prematura por fallecimiento de los sujetos
afectados por ella. La exclusin de los pacientes que
fallecen determina este tipo de sesgo. Por ejemplo, la
duracin del tratamiento del cncer en nuestro medio es
corto porque se diagnostican en estadios avanzados.
2. Sesgo de admisin (de Berkson).
En un estudio relacional ocurre cuando hay una mala

seleccin del grupo de estudio y/o control. Ejemplo: cuando
asociamos el hbito de fumar al cncer broncognico; los
pacientes con diagnstico de cncer ya han dejado de

fumar; por lo que se observar menor frecuencia de
fumadores en pacientes con este tipo de cncer.
3. Sesgo de no respuesta o efecto del voluntario.
El grado de inters o motivacin que pueda tener un

individuo que participa voluntariamente en una
investigacin puede diferir sensiblemente en relacin con
otros sujetos. Igualmente, la negativa de algunos sujetos
para ser incluidos en un estudio puede estar dada por
motivaciones sistemticas experimentadas por ellos.
4. Sesgo de pertenencia (membresa)
Se produce cuando entre los sujetos evaluados se

presentan subgrupos de sujetos que comparten algn
atributo en particular, relacionado positiva o negativamente
con la variable en estudio. Ejemplo: Nivel de conocimientos
sobre signos de alarma en las gestantes debe excluir a las
gestantes que son profesionales de la salud.
5. Sesgo del procedimiento de seleccin
Puede observarse en diseos de investigacin

experimentales (ensayos clnicos controlados), en los
cuales no se respeta el principio de aleatoriedad en la
asignacin a los grupos de experimentacin y de estudio.
En los pre-experimentos la administracin del
medicamento responde a las necesidades teraputicas del
paciente y no a la del investigador.
SESGOS DE MEDICIN

1. Sesgo de procedimientos
Ocasionalmente el grupo que presenta la variable

dependiente resulta ser ms interesante para el
investigador que el grupo que participa como control. Por
esta circunstancia, en el procedimiento de observacin
suele ser ms detenido. En el caso de un estudio en el que
exista intervencin, el sujeto del grupo experimental puede
verse beneficiado con una mayor acuciosidad en la
observacin.
2. Sesgo de memoria o de informacin
Frecuente de observar en estudios retrospectivos, en los

cuales se pregunta por antecedente de exposicin a
determinadas circunstancias en diferentes perodos de la
vida, existiendo la posibilidad de olvido. Por ejemplo,
exposiciones inadvertidas a diversos factores y que
pueden afectar la medicin ya sea por su omisin absoluta
o en la determinacin de niveles de exposicin.
3. Sesgo por falta de sensibilidad de un instrumento.
Si no se cuenta con adecuados mtodos de recoleccin de

la informacin, es posible que la sensibilidad de los
instrumentos empleados en tales mediciones carezca de la
sensibilidad necesaria para poder detectar la presencia de
la variable en estudio. Una consecuencia es que
encontremos una frecuencia de la enfermedad inferior a la
real.
4. Sesgo de deteccin

Su ocurrencia se explica por la introduccin de

metodologas diagnsticas diferentes a las inicialmente
utilizadas al comienzo de un estudio. Es conocido que no
existe coincidencia absoluta entre dos instrumentos de
medicin; por ello los estudios deben realizarse con un solo
instrumento y un solo observador.
5. Sesgo de adaptacin
En los estudios de intervencin (experimentales), a veces

los cuales individuos asignados inicialmente a un grupo
deciden migrar de grupo por preferir un tipo de intervencin
por sobre otro. En un ensayo clnico controlado la
ocurrencia de este tipo de sesgo se neutraliza mediante la
asignacin aleatoria de los sujetos y por la presencia del
llamado "doble ciego.
EL COEFICIENTE DE CORRELACION
La correlacin es una prueba de hiptesis que debe ser

sometida a contraste y el coeficiente de correlacin cuantifica
la correlacin entre dos variables, cuando sta existe.
El coeficiente r de Pearson, por ser una prueba paramtrica

requiere de variables numricas con distribucin normal;
mientras que el coeficiente de correlacin no paramtrica rho
de Spearman acepta variables de libre distribucin e incluso
ordinales.
INTERPRETACIN
El coeficiente correlacin vara entre 0 y 1, pudiendo ser

positivo o negativo.

El valor numrico indica la magnitud de la correlacin.
El signo indica la direccin de la correlacin
Correlacin directa (+) Signo positivo
a mayor X, mayor Y o a menor X, menor Y
Correlacin inversa (-) Signo negativo
a mayor X, menor Y o a menor X, mayor Y
Significancia estadstica
Solo interpretamos el coeficiente si p es menor de 0.05, (Nivel

de significancia).
Se puede indicar la significancia as: r = 0.48 (p<0.05).

Coeficiente de determinacin
Cuando el coeficiente se eleva al cuadrado (r2), asume varias

interpretaciones Por ejemplo. La correlacin entre El
ponderado fetal y El Peso al nacer es de 0.80.
r = 0.80
r2 = 0.64
VALIDEZ DE UN ESTUDIO
Desde la revolucin cientfica ocurrida en el renacimiento en el

siglo XV hasta nuestros das, el hombre se ha valido de la
investigacin cientfica para identificar las causas de las
enfermedades o las mejores formas de tratarlas.
Este elemento es parte integral del paradigma conocido como la

Medicina Basada en la Evidencia. Este paradigma postula que
las decisiones mdicas deben basarse en la mejor evidencia
cientfica disponible, adaptada al caso individual del paciente
mediante la experiencia clnica.
3. La validez interna
Es la credibilidad de sus resultados, o dicho de otra manera

la capacidad de demostrar o refutar la hiptesis propuesta.
Es mxima cuando el estudio carece de sesgos. En
trminos generales, los sesgos que afectan la validez
interna surgen siempre que los grupos estudiados difieren
en ms caractersticas que la exposicin. Por ejemplo, si se
est estudiando la frecuencia de infarto de miocardio en un
grupo de sujetos obesos o de peso normal, cualquier
diferencia en la edad de los grupos podra afectar la relacin

entre la obesidad y la ocurrencia de infarto de miocardio.

Asimismo, existe sesgo siempre que los grupos de sujetos
no son evaluados de la misma manera.
4. La validez externa
La aplicabilidad de los resultados del estudio se relaciona

con la validez externa del estudio.
En muchas ocasiones el universo e incluso el marco

muestral es demasiado grande como para ser estudiado e
incluso muestreado; es estos casos se realiza el estudio en
una porcin deliberada de la poblacin; teniendo en cuenta
que el conglomerado seleccionado es lo suficientemente
homogneo con el resto de la poblacin; los resultados
encontrados en este grupo podrn ser extrapolados a la
poblacin objeto del estudio.
Por ejemplo, si tratamos de conocer la satisfaccin de la

atencin en los pacientes de un servicio de salud; bastar
con estudiar a los pacientes que acudan durante un mes a
dicho servicio; otro ejemplo ms claro es cuando tomamos
una muestra de sangre con la finalidad de conocer
concentracin de gases y asumimos que lo encontrado en
10 mililitros corresponde a los 5 litros de sistema circulatorio.
CONTROL DE UN ESTUDIO
5. CONTROL METODOLGICO
a. Sesgo de seleccin

prdida prematura por fallecimiento de los sujetos afectados

por ella. La exclusin de los pacientes que fallecen

determina este tipo de sesgo.
Criterios de inclusin
Criterios de exclusin
b. Sesgo de medicin
Por ejemplo, la duracin del tratamiento del cncer en

nuestro medio es corto porque se diagnostican en estadios
avanzados.
Validacin de instrumentos
Calibracin de instrumentos
6. CONTROL ESTADSTICO
a. Anlisis estratificado

prdida prematura por fallecimiento de los sujetos
afectados por ella. La exclusin de los pacientes que
fallecen determina este tipo de sesgo.
Categricos: Chi cuadrado de Mantel-Haenszel
Numricas: ANOVA Factorial
b. Anlisis multivariado
Por ejemplo, la duracin del tratamiento del cncer en

nuestro medio es corto porque se diagnostican en estadios
avanzados.

Categricos: Regresin logstica
Numricas: Regresin lineal mltiple
MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIN
Medidas de resumen para variables numricas
MEDIDAS DE TENDENCIA CENTRAL
Media: Media aritmtica, es la que se obtiene sumando los datos

y dividindolos por el nmero de ellos. Se aplica por ejemplo
para resumir el nmero de pacientes promedio que se atiende
en un turno. Otro ejemplo, es el nmero promedio de controles
prenatales que tiene una gestante.
Mediana: Corresponde al percentil 50%. Es decir, la mediana

Divide a la poblacin exactamente en dos. Por ejemplo el
nmero mediana de hijos en el centro de salud X es dos hijos.
Otro ejemplo es el nmero medina de atenciones por paciente
en un consultorio.
Moda: Valor o (valores) que aparece(n) con mayor frecuencia.

Una distribucin unimodal tiene una sola moda y una distribucin
bimodal tiene dos. til como medida resumen para las variables
nominales. Por ejemplo, el color del uniforme quirrgico en sala
de operaciones es el verde; por lo tanto es la moda en colores
del uniforme quirrgico.
MEDIDAS DE DISPERSIN
Desviacin Estndar: Llamada tambin desviacin tpica; Es

una medida que informa sobre la media de distancias que tienen

los datos respecto de su media aritmtica, expresada en las

mismas unidades que la variable.
La varianza: Es el valor de la desviacin estndar al cuadrado;

su utilidad radica en que su valor es requerido para todos los
procedimientos estadsticos.
Error tpico: Llamado tambin error estndar de la media. Se

refiere a una medida de variabilidad de la media; sirve para
calcular cuan dispersa estara la media de realizar un nuevo
clculo.
MEDIDAS DE POSICIN Y DE FORMA
MEDIDAS DE POSICIN: Cuantiles
Percentiles: Son 99 valores que dividen en cien partes iguales

el conjunto de datos ordenados. Ejemplo, el percentil de orden
15 deja por debajo al 15% de las observaciones, y por encima
queda el 85%.
Cuartiles: Son los tres valores que dividen al conjunto de datos

ordenados en cuatro partes iguales, son un caso particular de
los percentiles. Se denotan como: Q1 o primer cuartil, Q2
segundo cuartil (la mediana) y Q3 tercer cuartil.
Deciles: Son los nueve valores que dividen al conjunto de datos

ordenados en diez partes iguales, son tambin un caso particular
de los percentiles.
MEDIDAS DE FORMA
Asimetra: una distribucin es simtrica cuando su mediana, su

moda y su media aritmtica coinciden. Existen varias medidas

de la asimetra de una distribucin de frecuencias. Una de ellas

es el Coeficiente de Asimetra de Pearson: Su valor es cero
cuando la distribucin es simtrica, positivo cuando existe
asimetra a la derecha y negativo cuando existe asimetra a la
izquierda.
Asimetra Derecha (+)
Simtrica (0)
Asimetra Izquierda (-)
Apuntamiento o Curtosis: la curtosis es una medida de la

forma que busca cuantificar la mayor o menor concentracin de
frecuencias alrededor de la media y en la zona central de la
distribucin. Se mide con el coeficiente de apuntamiento o
curtosis: Su valor es cero cuando la distribucin es mesocrtica,
positivo cuando es leptocrtica y negativo cuando es platicrtica
Leptocrtica(+) Mesocurtica (0) Platicurtica (-)
GRFICAS UNIVARIABLES
1. Para variables categricas
a. Diagrama de sectores
Se toma un crculo y se divide en tantos sectores como

categoras tenga nuestra variable, siendo el arco del crculo

proporcional a las frecuencias absolutas (tambin lo podemos

hacer con las frecuencias relativas o porcentajes)
Es ideal para variables dicotmicas o politmicas de menos

cuatro o menos categoras.
b. Grfico de barras
Es una representacin bidimensional con las categoras

dispuestas paralelamente de manera que la extensin de cada
barra es proporcional a la magnitud que se quiere representar.

Es ideal para variables politmicas de o incluso para variables

de categoras no excluyentes.
2. Para variables numricas
a. Histograma
Se utiliza cuando se estudia una variable continua, como la

edad o la talla y, por comodidad, sus valores se agrupan en
clases, es decir, valores continuos. En los casos en los que
los datos son cualitativos (no-numricos), como sexto grado
de acuerdo o nivel de estudios, es preferible un grfico de
barras.
b. Diagrama de Caja y Bigotes
Grfico basado en cuartiles, compuesto por un rectngulo, la

"caja", y dos brazos, los "bigotes". Es un grfico que
suministra informacin sobre los valores mnimo y mximo,
los cuartiles Q1, Q2 o mediana y Q3, y sobre la existencia de
valores atpicos y la simetra de la distribucin.

ERROR TIPO I Y II
Al establecer un criterio de decisin sobre la hiptesis nula, el

investigador puede ponderar los errores que podra cometer en
su decisin sobre la hiptesis nula. Una primera forma de error
(se conoce como el error tipo I) consiste en rechazar una
hiptesis nula verdadera, es decir, descartar el azar como
explicacin cuando los resultados podran explicarse
razonablemente con base en el mismo. Este es el error que
comete el investigador que ve ms lo que hay en los datos; es
decir, el investigador concluye en que existe una relacin real o
verdadera entre las variables independiente y dependiente de la
investigacin, cuando en realidad la relacin observada se
puede explicar razonablemente como resultado del azar.
El llamado error tipo I es el error del investigador que se apresura

a concluir a favor de su hiptesis de investigacin. Fisher no
habl de ningn otro error, pues la prueba de la hiptesis nula
para l no era otra cosa que un freno a la tendencia natural de
un investigador a creer que hiptesis ha sido confirmada por el

simple hecho de que los resultados de la investigacin siguen la

misma direccin de la hiptesis. En la estrategia de Fisher, slo
hay un error posible: rechazar una hiptesis nula verdadera.
Una segunda forma de error (se conoce como el error tipo II),
introducida por Egon Pearson y Jerzy Neyman consiste en no
rechazar una hiptesis nula falsa, es decir, no descartar el azar
aun cuando ste no constituye una explicacin razonable de los
datos. Este es el error que comete el investigador que ve menos
que lo que hay en los datos; por miedo a rechazar
incorrectamente el azar, el investigador puede exponerse al
riesgo de pasar por alto una relacin real o verdadera entre las
variables de su investigacin. Fueron Pearson y Neyman los
que, al introducir un segundo tipo de error, bautizaron como error
tipo uno al error de que haba hablado Fisher.
Segn Fisher, el nivel de significacin estadstica equivale a la

magnitud del riesgo que est dispuesto a correr el investigador,
de cometer el error de rechazar una hiptesis nula verdadera (el
llamado error tipo I). Para la mayora de los propsitos, el nivel
de significacin previamente establecido suele ser de 0.05,
aunque en reas de investigacin ms rigurosas se trabaja con
un nivel de significacin de 0.01. Suponiendo que se trabaja con
un nivel de significacin de 0.05, se rechazara la hiptesis nula
siempre que la probabilidad de explicar los resultados obtenidos
en una investigacin como si fueran obra del azar sea igual o
menor que 0.05.
En la perspectiva de Pearson y Neyman, para establecer el nivel

de significacin estadstica habra que atender al impacto de
cada tipo de error en el objetivo del investigador, y a partir de ah
se decidira cul de ellos es preferible minimizar. Pearson y
Neyman llamaron alfa al error tipo I y beta al error tipo II; a partir
de este ltimo tipo de error, introdujeron el concepto de "poder

de una prueba estadstica", el cual se refiere a su capacidad para
evitar el error tipo II, y est definido por 1-beta, y en estrecha
relacin con ste se ha desarrollado el concepto de "tamao del
efecto".
POBLACIN Y MUESTRA
UNIDAD DE ESTUDIO
Conocido tambin como unidad de anlisis, unidad de

observacin, unidad experimental, o unidad de poblacin, son
cada uno de los sujetos u objetos de estudio de la poblacin del
que hay que obtener la informacin.
POBLACION
Conjunto de todos los casos o grupo de unidades (sujetos u

objetos de estudio) con alguna caracterstica comn. Las
poblaciones deben situarse claramente en torno a sus
caractersticas de contenido, lugar y tiempo. La delimitacin de
la poblacin que va ser estudiada y sobre la cual se pretende
generalizar los resultados, es un paso importante en una
investigacin. Si se dispone de una lista de unidades o
elementos de muestreo se dice que es conocida; sino se dispone
de tal listado se dice que es desconocida. La medicin completa
de todos los elementos que constituyen la poblacin constituye
el censo, mientras que cuando no podemos acceder a ella
podemos hacer el anlisis de una parte de esta.
MUESTRA
Una muestra representativa debe tener un tamao mnimo

calculado y responder a una seleccin parametrada (muestreo
probabilstico). As podemos conocer la parte de una poblacin

que debe examinarse con la finalidad de hacer inferencias sobre
dicha poblacin. El muestreo otorga una probabilidad conocida
de integrar la muestra a cada elemento de la poblacin, y dicha
probabilidad no es nula para ningn elemento.
Unidad de muestreo: Elementos de la poblacin que se van a

estudiar. Cada unidad de estudio pertenece slo una unidad de
muestreo.
PARAMETRO
Es la medida estadstica que describe un determinado aspecto

de una poblacin. Los parmetros ms usuales en una
investigaron son: La media poblacional (Z), la varianza
poblacional (s).
ESTADIGRAFO
Es la media estadstica que describe un determinado aspecto de

una muestra. As, la media muestral (x), la varianza muestral (),
etc., son estadgrafos porque se calculan para una muestra.
Un parmetro es una constante, mientras que un estadgrafo es

una variable.
MUESTREO PROBABILISTICO
1. Muestreo aleatorio simple
Denominado tambin muestreo equiprobabilstico, porque

si se selecciona una muestra de tamao n de una poblacin
de N unidades, cada elemento tiene una probabilidad de
inclusin igual y conocida de n/N.

Ventaja: Se desarrolla en software porque se basa en la

teora estadstica Desventaja: Precisa un marco muestral o
listado de todas las unidades
2. Muestreo sistemtico
Para determinar una muestra de tamao n conseguimos

una lista de N elementos, definimos un intervalo de salto
k=N/n y elegimos un nmero aleatorio entre 1 y k con el
que comenzamos la seleccin de la muestra.
Ventaja: No es necesario tener un marco

mustralo listado de unidades. Desventaja: La
constante podra asociarse con el fenmeno de
inters
3. Muestreo aleatorio estratificado
Como el azar no es una garanta de representatividad, aqu

se pretende asegurar la representacin de cada grupo en
la muestra. Cuanto ms homogneos sean los estratos,
ms precisas resultarn las estimaciones.
Ventaja: La muestra es homognea en funcin a la variable

involucrada. Desventaja: Se debe conocer la distribucin
en la poblacin de la variable utilizada para la
estratificacin.
4. Muestreo por conglomerados
Denominado tambin muestreo por clusters aprovecha se

caracterizan porque la variacin en cada grupo es menor
que la variacin entre grupos lo cual resulta ventajoso en
los estudios comunitarios o poblacionales.

Ventaja: Muy eficiente cuando las unidades estn muy

dispersas Desventaja: Requiere un manejo estadstico
ms complejo que el resto
VALIDACIN DE TEST PSICOMTRICOS
1. Validez de contenido (Juicio de Expertos o validacin

por jueces)
Un instrumento de medicin debe contener representados

a todos los tems del dominio de contenido de las variables
a medir. Se refiere al grado en que la medicin representa
al concepto medido. Es decir, que el instrumento debe
contener todos los aspectos o tems del dominio de la
variable que se est midiendo, y se construye de acuerdo
con la teora.
2. Consistencia interna (Alfa de Cronbach)
Su valor aumenta cuando las correlaciones tem total son

altas, por ello, mejores correlaciones, dan mayor fiabilidad
al instrumento. Se puede decir tambin que es un ndice de
discriminacin. El coeficiente de fiabilidad es afectado por
la heterogeneidad de los individuos que contestan la
prueba; cuanto ms heterogneo es el grupo de
encuestados, mayor es el coeficiente de fiabilidad.
3. Validez de constructo (Rotacin de Varimax)
El procedimiento consiste en aplicar el instrumento a dos o

ms grupos y ver si discrimina. Para ello hay que contar
con una estructura Factorial del cuestionario.

Por ejemplo, en los instrumentos para medir variables

psicolgicas no podemos garantizar la existencia de un
constructo psicolgico que subyaga y d sentido y
significado a las puntuaciones del test; por lo mismo que
no tenemos una prueba patrn.
4. Estabilidad (ANOVA)
Se refiere a la confianza que se concede a los datos;

requiere de un retest en condiciones similares a la primera
evaluacin y est relacionada con la estabilidad o
constancia test-retest.
Se trata de ver hasta qu punto un conjunto de medidas

son reproducibles en el tiempo, el grado en que las
puntuaciones son estables sera el grado de fiabilidad. Por
ello es sinnimo de estabilidad.
5. Punto de corte (Curvas ROC).
Habitualmente requerimos que el instrumento nos

conduzca a una decisin dicotmica (positivo-negativo)
para tratar o no a alguien; Se realizan trazando un
diagrama en el que la ordenada es la sensibilidad y la
abscisa la especificidad. En este sentido la curva ROC nos
muestra en un grfico todos los pares sensibilidad-
especificidad resultantes de la variacin continua de los
puntos de corte en todo el rango de resultados observados.
Las Curvas de Roc optimizan el punto de corte.

Libro de Estadistica II

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Libro de Estadistica II

Hochgeladen von

Copyright:

Verfügbare Formate

ESTADSTICA EMPRESARIAL I

1. Segn la intervencin del Investigador:

OBSERVACIONAL: No existe intervencin del

EXPERIMENTAL: Siempre son prospectivos,

2. Segn la planificacin de la toma de datos

PROSPECTIVO: Los datos necesarios para el estudio son

RETROSPECTIVO: Los datos se recogen de registros

3. Segn el nmero de ocasiones en que mide la variable

TRANSVERSAL: Todas las variables son medidas en una

LONGITUDINAL: La variable de estudio es medida en dos

4. Segn el nmero de muestras a estudiar

Lic. JUAN C. AYALA MELGAREJO 3

DESCRIPTIVO: El anlisis estadstico, es univariado porque

ANALTICO: El anlisis estadstico por lo menos bivariado;

IMPORTANTE: Descriptivo no es sinnimo de observacional.

1. EXPLORATORIO: Se plantean cuando el objetivo es

No hay preguntas que conduzcan a problemas precisos, se

2. DESCRIPTIVO: Describe fenmenos sociales o clnicos en

La estadstica consiste en estimar frecuencias y/o

estudios de frecuencia de la enfermedad: Incidencia y

3. RELACIONAL: No son estudios de causa y efecto; porque

La estadstica es bivariada; podemos hacer asociaciones y

4. EXPLICATIVO: Su finalidad es explicar el comportamiento

En los estudios observacionales la estadstica multivariada;

5. PREDICTIVO: Se encarga de la estimacin probabilstica

Se aplican un conjunto de tcnicas estadsticas. Ejemplo.

Lic. JUAN C. AYALA MELGAREJO 5

6. APLICATIVO: Plantea resolver problemas de la vida

Las tcnicas estadsticas apuntan a evaluar el xito de la

1. EPIDEMIOLGICOS: Describir la distribucin de las

Descriptivo: Pueden ser transversal (Ejemplo: Estudio de

Observacional Analtico: No solo buscan demostrar

De intervencin: No llegan a ser experimentos

2. EXPERIMENTALES: Requiere de dos condiciones

Lic. JUAN C. AYALA MELGAREJO 6

Pre-experimento: La intervencin sobre las unidades de

Cuasi-experimento: Cuando no hay grupo control, no es

Experimento verdadero: Cumple con la asignacin

3. COMUNITARIOS O ECOLGICOS: La unidad de anlisis

Exploratorios: El nico propsito es buscar patrones

De comparaciones mltiples: Este es diseo el ecolgico

Series temporales: Analiza las variaciones temporales de

4. ENSAYOS CLNICOS: Experimentos en seres humanos

Lic. JUAN C. AYALA MELGAREJO 7

Teraputicos: Suelen ser estudios individuales y son los

De intervencin: Su propsito es modificar el curso

Son propiedades, caractersticas o atributos que se dan en

El anlisis estadstico de las variables individuales y las

Un constructo es una propiedad que se supone posee una

Lic. JUAN C. AYALA MELGAREJO 8

Los constructos se definen como propiedades

Cuando las variables no presentan ninguna dificultad para

Las variables subyacentes (constructos) que no pueden

Los instrumentos utilizados para medir variables

Es una combinacin de dos o ms variables o de sus

Lic. JUAN C. AYALA MELGAREJO 9

Un ndice puede estar representado por los indicadores de

Reciben tambin el nombre de ndices los valores que toma

ESCALAS DE MEDICIN DE LAS VARIABLES

1. Variables Categricas o Cualitativas

1.1. Escala NOMINAL: (ningn atributo)

Posee categoras a las que se asigna un nombre sin

Gnero: Masculino Femenino

Estado Civil: Soltero - Casado Conviviente