Documentos de Académico
Documentos de Profesional
Documentos de Cultura
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.
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.
Promocin.
Tasa.
Razn.
Porcentaje.
b.
2.
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:
-
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 se clasifica segn use o no determinados parmetros poblacionales, de la siguiente manera:
a.
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.
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.
a.
b.
c.
d.
Estimar el p.
e.
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.
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.
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.
Aceptar H0
Rechazar H0
H0 verdadera
H0 falsa
Decisin correcta
Error tipo II
Probabilidad = 1
Probabilidad =
Error tipo I
Decisin correcta
Probabilidad =
Probabilidad = 1
Grfica N 1. Regla de decisiones para la prueba de significancia estadstica. Modificado de Supo (2013a).
Valor p
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.
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)
4.4.2.
4.4.3.
Poblacin
4.4.1.1. Poblacin accesible
4.4.1.2. Poblacin blanco
4.5.2.
4.5.3.
Tamao de la muestra
4.5.4.
Unidad de observacin:
1.4.2.
Unidad de muestreo:
1.4.3.
Unidad de anlisis:
4.5.5.
Tipo de muestreo:
4.5.6.
4.6. Tcnica de recoleccin de datos/Tcnica de medicin (desarrollado en la gua de tcnica de recoleccin de datos y
medicin)
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: