Le preguntaron a Hill: Quin sabe, si el mundo no terminar

esta noche?.
Hill respondi: Cierto, pero con la evidencia disponible, la
mayora de nosotros deberamos aprontarnos para salir a
trabajar a las 8:30 del siguiente da.

Austin Bradford Hill

TCNICA DE ANLISIS DE DATOS

Autor: Laureano Dante Leandro Cornejo. 2016.

Se realizan las siguientes definiciones:

Tcnica de anlisis de datos: Procedimiento especfico para transformar los datos recolectados de la variable de estudio a
informacin til para sacar conclusiones y tomar decisiones en la poblacin, mediante el uso de la estadstica. Generalmente
los datos recolectados son procesados de manera automatizada en el programa de anlisis estadstico Stata versin 13 o en
el SPSS versin 23.

Estadstica: Ciencia formal (ideal) que realiza clculos matemticos a partir de datos recolectados de una poblacin.
Tipos:

1.

Estadstica descriptiva (anlisis univariado): Estadstica que describe individualmente cada una de las variables de una
poblacin sin pretender sacar conclusiones de tipo general. Es decir, las conclusiones obtenidas de una poblacin son vlidas
slo para dicha poblacin.
a.

Estadstica descriptiva para variables cualitativas

-

Promocin.

Tasa.

Razn.

Porcentaje.

Distribucin de frecuencias: frecuencia absoluta, frecuencia relativa y frecuencia acumulada.

b.

2.

Estadstica descriptiva para variables cuantitativas

-

Medidas de tendencia central: media, mediana y moda.

Medidas de dispersin: varianza, desviacin estndar, rango, valor mximo, valor mnimo y error estndar.

Estadstica inferencial (anlisis bivariado y multivariado): Estadstica que a partir del estudio de dos o ms variables de
manera simultnea en una muestra, se infiere o induce leyes de comportamiento de una poblacin. Es decir, las conclusiones
obtenidas a partir de una muestra, son vlidas para toda la poblacin.
Para aplicar la estadstica inferencial en investigacin cientfica y tecnolgica se debe cumplir como supuesto estadstico que
se usa una tcnica de muestreo aleatoria. La excepcin de este supuesto es el diseo experimental in vitro y preclnico,
porque en dichos casos generalmente al ser la poblacin homognea entonces se debe hacer un muestreo no aleatorio por
conveniencia.
La estadstica inferencial incluye:
-

Asociacin entre dos variables cualitativas de un grupo.

Correlacin entre dos variables cuantitativas de un grupo.

Comparacin entre una variable cualitativa de un grupo y una variable cuantitativa de otro grupo, en donde la
variable cualitativa es la variable independiente y la variable cuantitativa es la variable dependiente.

La estadstica inferencial usa pruebas estadsticas inferenciales

paramtricas y no paramtricas.

que pueden ser de dos tipos: pruebas estadsticas

La estadstica inferencial se clasifica segn use o no determinados parmetros poblacionales, de la siguiente manera:

a.

Estadstica inferencial paramtrica

Usa los parmetros poblacionales (explicado en la gua de tcnica de muestreo): media y varianza.
La variable dependiente, que es la variable principal de estudio, debe cumplir las siguientes caractersticas:
-

Es una variable cuantitativa con escala de razn.

Tiene distribucin normal (media = mediana), lo cual se determina mediante la aprobacin de las siguientes
pruebas:
Prueba de Kolmogorov-Smirnov: Si los datos son > 30 por grupo.
Prueba de Shapiro-Wilk: Si los datos son < 30 por grupo.

En comparaciones con la prueba t de Student tambin se debe cumplir homogeneidad de varianzas (igualdad
de varianzas), lo cual se determina mediante la aprobacin de la prueba de Levene.

Incluye las pruebas estadsticas paramtricas (para hiptesis cientficas y reglas tecnolgicas): Prueba t de Student,
prueba Z, ANOVA y coeficiente de correlacin de Pearson.

b.

Estadstica inferencial no paramtricas

No usa los parmetros poblacionales: media y varianza. Usa medianas.
La variable dependiente, que es la variable principal de estudio, debe cumplir las siguientes caractersticas:
-

Si es una variable cuantitativa:

Tiene distribucin asimtrica (media mediana), lo cual se determina mediante la desaprobacin de las
pruebas de Kolmogorov-Smirnov y Shapiro-Wilk.
En comparaciones con la prueba t de Student tambin se debe cumplir que no tenga homogeneidad de
varianzas, lo cual se determina mediante la desaprobacin de la prueba de Levene.

Si es una variable cualitativa tiene distribucin asimtrica y no tiene homogeneidad de varianzas, pero no es
necesario realizar ninguna prueba porque al ser una variable cualitativa se considera que los datos no tienen
distribucin normal por ser subjetivos y de alta dispersin.

Incluye las pruebas estadsticas no paramtricas (para hiptesis cientficas y reglas tecnolgicas): Prueba de U de Mann
Whitney, prueba de suma de rangos de Wilcoxon, prueba de Friedman, prueba de Kruskal Wallis, coeficiente de
correlacin de Spearman, chi cuadrado de Pearson y prueba exacta de Fisher.

Prueba de significacin estadstica, prueba de hiptesis/regla tecnolgica, contraste de hiptesis estadsticas/reglas

estadsticas: Mtodo estadstico donde se realizar la contrastacin de la prediccin de la hiptesis cientfica/regla
tecnolgica con la realidad observada en la muestra. Se puede considerar que se fundamenta en el criterio de demarcacin
de falsabilidad de Karl Popper.
Presenta los siguientes pasos simplificados:

a.

Formular hiptesis/reglas tecnolgicas estadsticas (hiptesis/regla tecnolgica nula y alternativa).

b.

Establecer el nivel de significancia.

c.

Elegir y aplicar la prueba estadstica inferencial.

d.

Estimar el p.

e.

Aplicar la regla de decisiones para la prueba de significacin estadstica.

Tipos de error en la prueba de significacin estadstica

a.

Error de tipo I o positivo falso: Cuando por error: se rechaza la hiptesis nula (cuando se debi aceptarla) y se acepta la
hiptesis alterna (cuando se debi rechazarla). Es decir que por error pensamos que si se cumpli lo esperado, pero en
realidad no se cumpli. Por lo tanto el resultado de la prueba estadstica inferencial fue un positivo falso.

b.

Error de tipo II o negativo falso: Cuando por error: se acepta la hiptesis nula (cuando se debi rechazarla) y se rechaza
la hiptesis alterna (cuando se debi aceptarla). Es decir que por error pensamos que no se cumpli lo esperado, pero
en realidad si se cumpli. Por lo tanto el resultado de la prueba estadstica inferencial fue un negativo falso.

Al respecto Bunge, M. (2012, 139) considera lo siguiente:

-

Ejemplos de errores de tipo I: las drogas que hubo que retirar del mercado porque, aunque haban aprobado ensayos
clnicos aleatorizados, la prctica mdica mostr que eran anodinas o dainas.

Ejemplos de errores de tipo II: los tratamientos que fueron rechazados prematuramente por haber reprobado ensayos
preclnicos, pero que fueron rehabilitados cuando se mostr que el mecanismo de accin que se les haba atribuido era
real, de modo que merecieron que se les diese una nueva oportunidad.

Los tipos de error en la prueba de significancia estadstica se presentan en la tabla N 1.

Tipos de probabilidades de cometer error en la prueba de significacin estadstica

a.

p, valor p o significancia asinttica: Probabilidad de cometer un error tipo I, que resulta de aplicar una prueba
estadstica inferencial.

b.

(alfa), error o nivel de significancia (de la prueba): Mxima p fijado por el investigador segn el riesgo asumido
antes de aplicar la prueba estadstica inferencial, se acostumbra usar = 5% = 0,05 o 1% = 0,01.

c.

(beta) o error : Mxima probabilidad de cometer un error tipo II, fijado por el investigador segn el riesgo asumido
antes de aplicar la prueba estadstica inferencial.

Los tipos de probabilidades de cometer error en la prueba de significancia estadstica se presentan en la tabla N 1.

Tabla N 1: Tipos de error y tipos de probabilidades de error en la prueba de significancia estadstica.

Decisin

Aceptar H0

Rechazar H0

H0 verdadera

H0 falsa

Decisin correcta

Error tipo II

Probabilidad = 1

Probabilidad =

Error tipo I

Decisin correcta

Probabilidad =

Probabilidad = 1

Regla de decisiones para la prueba de significancia estadstica

Si se considera al valor p como base para la regla de decisiones para la prueba de significancia estadstica entonces se
recomienda usar la grfica N 1.

Grfica N 1. Regla de decisiones para la prueba de significancia estadstica. Modificado de Supo (2013a).

Valor p

La grfica N 1 se interpreta de la siguiente manera:

a.

Si p se decide:
- En investigaciones cientficas: Rechazar la hiptesis nula (H0) aceptar la hiptesis alternativa (Ha) e inferir que se cumple
la hiptesis cientfica (H). Es decir se cumpli la H y segn su formulacin existe: relacin o condicionamiento.
- En investigaciones tecnolgicas: Rechazar la regla nula (R0) aceptar la regla alternativa (Ra) e inferir que se cumple la
regla tecnolgica (R). Es decir se cumpli la R y segn su formulacin existe: mayor eficiencia, mayor eficacia o mayor
efectividad.
- Considerar la diferencia observada como una diferencia estadsticamente significativa. Es decir los valores observados
en la muestra son diferentes a los valores esperados y la diferencia observada se debe a una diferencia real entre las
poblaciones.

b.

Si p > se decide:
- En investigaciones cientficas: Aceptar la hiptesis nula (H0) rechazar la hiptesis alternativa (Ha) e inferir que se refuta
la hiptesis cientfica (H). Es decir no se cumpli la H y segn su formulacin no existe: relacin o condicionamiento.
- En investigaciones tecnolgicas: Aceptar la regla nula (R0) rechazar la regla alternativa (Ra) e inferir que se refuta la
regla tecnolgica (R). Es decir no se cumpli la R y segn su formulacin no existe: mayor eficiencia, mayor eficacia o
mayor efectividad.
- Considerar la diferencia observada como una diferencia estadsticamente no significativa. Es decir los valores
observados en la muestra son iguales a los valores esperados y la diferencia observada se debe a un error de muestreo.

Eleccin de la prueba estadstica inferencial

Para la eleccin de la prueba estadstica inferencial se recomienda usar la tabla N 2.

Tabla N 2: Pruebas estadsticas inferenciales segn el tipo de variable. Supo (2013b).

Aplicacin de la prueba estadstica inferencial

Para la aplicacin de la prueba estadstica inferencial se recomienda los siguientes programas estadsticos de Supo (para
comprarlos y descargarlos):
-

DATOS (Anlisis de Datos Aplicado a la Investigacin Cientfica): http://cursodeestadistica.com/

ADACA (Anlisis de Datos Categricos y Variables Discretas): http://sincie.com/producto/programa-adaca

AMUDE (Anlisis Multivariado Diseos Experimentales): http://analisismultivariado.com/

Los mtodos y materiales como parte del proyecto de investigacin tienen en esta parte el siguiente protocolo:
4.

MTODOS Y MATERIALES
4.1. Tipo de investigacin segn aplicacin y tipo de problema (desarrollado en la gua de mtodo cientfico y tecnolgico)

4.2. Mtodo (desarrollado en la gua de mtodo cientfico y tecnolgico)

4.3. Hiptesis estadsticas/reglas estadsticas (desarrollado en la gua de mtodo cientfico y tecnolgico)

4.3.1.
4.3.2.

Hiptesis nula/regla nula

Hiptesis alternativa/regla alternativa

4.4. Diseo de investigacin (desarrollado en la gua de diseo de investigacin cientfica y tecnolgica)

4.4.1.

Tipo de diseo de investigacin

4.4.2.

Tipo de tcnica de diseo de investigacin

4.4.3.

Estructura del tipo de tcnica de diseo de investigacin

4.5. Poblacin y muestra (desarrollado en la gua de tcnica de muestreo)

4.5.1.

Poblacin
4.4.1.1. Poblacin accesible
4.4.1.2. Poblacin blanco

4.5.2.

Criterios de seleccin de la poblacin

4.4.2.1. Criterios de inclusin
4.4.2.2. Criterios de exclusin

4.5.3.

Tamao de la muestra

4.5.4.

Tipos de unidades de la poblacin

1.4.1.

Unidad de observacin:

1.4.2.

Unidad de muestreo:

1.4.3.

Unidad de anlisis:

4.5.5.

Tipo de muestreo:

4.5.6.

Tipo de tcnica de muestreo

4.6. Tcnica de recoleccin de datos/Tcnica de medicin (desarrollado en la gua de tcnica de recoleccin de datos y
medicin)

4.7. Instrumento de recoleccin de datos/Instrumento de medicin (desarrollado en la gua de tcnica de recoleccin de

datos y medicin)

4.8. Tcnica de anlisis de datos

- Si se va a realizar solo estadstica descriptiva se indicar:
Los datos recolectados sern procesados de manera automatizada en el programa estadstico SPSS Statistics 23.0 (IBM,
Armonk, NY, USA), para luego presentar los resultados en tablas y/o grficos mostrando los resultados de acuerdo a los
objetivos planteados. Se presentarn las medias, desviaciones estndar, valores mnimos y mximos.

- Si se va a realizar estadstica descriptiva e inferencial con una prueba no paramtrica se indicar.

Los datos recolectados sern procesados de manera automatizada en el programa estadstico SPSS Statistics 23.0 (IBM,
Armonk, NY, USA), para luego presentar los resultados en tablas y/o grficos mostrando los resultados de acuerdo a los
objetivos planteados. Se presentarn las medias, desviaciones estndar, valores mnimos y mximos. La
asociacin/correlacin/comparacin de Y con la variable X/los grupos de X1 y X2 se realizar empleando la prueba Se
considerar un nivel de significancia del 5%.

- Si se va a realizar estadstica descriptiva e inferencial con una prueba paramtrica se indicar.

Los datos recolectados sern procesados de manera automatizada en el programa estadstico SPSS Statistics 23.0 (IBM,
Armonk, NY, USA), para luego presentar los resultados en tablas y/o grficos mostrando los resultados de acuerdo a los
objetivos planteados. Se presentarn las medias, desviaciones estndar, valores mnimos y mximos. La
asociacin/correlacin/comparacin de Y con la variable X/los grupos de X1 y X2 se realizar empleando la prueba
Previamente a la aplicacin de dicha prueba se verificar el cumplimiento de los supuestos de normalidad y
homogeneidad. En caso no se cumpla con dichos supuestos se emplear la prueba de Se considerar un nivel de
significancia del 5%.

REFERENCIAS
Bunge, Mario (2012). Filosofa para mdicos. Gedisa. Barcelona.
Supo, Jos (2013a). DDisponible en: http://sincie.com/producto/programa-adaca [citado 10 mayo 2016].
Supo,
Jos
(2013b).
Bioestadistico.com

Principales
https://www.youtube.com/watch?v=tCb7Mpcvj6c [citado 10 mayo 2016].

pruebas

estadsticas.

Disponible

en: