Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Criterios para Seleccionar Una Prueba Estadistica
Criterios para Seleccionar Una Prueba Estadistica
ANALISIS DE DATOS
PROCEDIMIENTOS DE ANLISIS DE DATOS
CRITERIOS PARA SELECCIONAR UNA PRUEBA ESTADSTICA
TIPO DE ESCALA
HIPTESIS
ESCALA DE PROBABILIDAD
EFICIENCIA DE LA PRUEBA
CARACTERSTICAS MUESTRALES
TENDENCIA RECTILNEA O CURVILNEA DEL FENMENO
CUESTIONARIO
BIBLIOGRAFIA
ANALISIS DE DATOS
Tipo de escala.
Hiptesis.
Potencia y eficiencia de la prueba.
Caractersticas mustrales.
Tendencia rectilnea o curvilnea del fenmeno.
TIPO DE ESCALA
En las observaciones de una investigacin se puede dar una medicin que en este
campo consiste en asignar nmeros a objetos y eventos de acuerdo con reglas de la
lgica aceptables.
El sistema numrico es una creacin altamente lgica, que ofrece mltiples
posibilidades, para manifestaciones tambin de carcter lgico. Si se puede, de
manera legtima, asignar nmeros al describir caractersticas, objetos y eventos, ser
factible operar con ellos en todos sus modos permisibles y, de esas operaciones,
derivar conclusiones aplicables a los fenmenos observados y medidos. Entonces, se
justifica describir cosas reales por medio de nmeros, siempre y cuando exista un
grado de isomorfismo (semejanza de propiedades) entre las cosas reales y el sistema
numrico, es decir, ciertas propiedades de los nmeros deben tener paralelismo con
los fenmenos observados, para que confiadamente se pueda asignar los nmeros.
Tres propiedades fundamentales de los nmeros permiten su aplicacin en el campo de
la investigacin cientfica: identidad, ordinalidad y aditividad.
Identidad
Cada nmero slo es igual a s mismo, de manera que ningn otro es igual a l,
es decir, posee identidad y, por lo tanto, a cualquier objeto o evento
diferenciable de los dems, que tenga identidad, se le podr aplicar un nmero.
Este carcter de identidad de los nmeros de origen a la escala nominal, que es
un mtodo para identificar cualitativamente los distintos objetos y eventos, y
resulta obvio que no se le puede dar ningn significado cuantitativo, por
ejemplo: si en un modelo experimental se cuenta una serie de clases, en las
cuales se consignan sus frecuencias, stas revelan un conjunto de cada clase.
Grupo de 200 nios con y sin estrabismo.
Bajo el contexto de la tabla anterior, una muestra de 200 individuos en edad infantil se
ha clasificado en dos grupos por sexo (masculino y femenino) y por la presencia o
ausencia de estrabismo. Como punto de partida, la operacin de escalamiento consiste
en que, a partir de una clase dada, se forman subclases que se excluyen mutuamente.
La nica relacin implicada es la de equivalencia, esto es, los miembros de cualquier
subclase deben ser equivalentes en la propiedad de medida. A su vez, la relacin de
equivalencia es reflexiva, simtrica y transitiva.
Por otro lado, las frecuencias informan de conjuntos de nios o serie de clases con una
categora e identidad, que dan una medida de las observaciones y son los valores
sujetos a operaciones aritmticas. En estas condiciones, se puede contrastar hiptesis
de la distribucin de los casos, mediante la aplicacin de pruebas estadsticas no
paramtricas del tipo de prueba binomial, ji cuadrada y McNemar. Todas estas pruebas
son apropiadas para datos nominales, pues revelan las frecuencias en las categoras,
es decir, en datos enumerativos.
Ordinalidad
Adems de contar con la propiedad de identidad, las pruebas tambin tienen un
orden o rango siempre mayor que otro, el cual le precede en un continuum
ascendente. Los objetos y eventos susceptibles de un ordenamiento a lo largo
de un continuum tienen una escala ordinal.
Las escalas ordinales se emplean frecuentemente en la investigacin clnica, en
la que el refinamiento cuantitativo a veces no es posible; por ejemplo: cuando
se clasifica una respuesta en pacientes bajo los trminos sin cambio, mejorado,
curado, esto indica un rango de orden y clasificacin.
En conclusin, cabe establecer que mientras las escalas nominales slo
clasifican, las ordinales clasifican y ordenan, de manera que dan como resultado
una serie de clases y categoras mutuamente exclusivas, llamadas rangos.
Aditividad
Es importante comprender que los nmeros tienen propiedad aditiva, lo cual
quiere decir que la suma de un nmero con otro debe dar un tercer nmero
nico. Esta propiedad de los nmeros no slo identifica y ordena, sino adems
puede sujetarse a todas las operaciones aritmticas de los nmeros. Las
Niveles de Medicin
Medir significa asignar nmeros a objetos y eventos de acuerdo a reglas (Stevens,
1951), esta definicin es adecuada para el rea de ciencias naturales, en el campo de
las ciencias sociales medir es el proceso de vincular conceptos abstractos con
indicadores empricos (Carmines y Zeller, 1979, p. 10).
La medicin de las variables puede realizarse por medio de cuatro escalas de medicin.
Dos de las escalas miden variables categricas y las otras dos miden variables
numricas (Therese L. Baker, 1997). Los niveles de medicin son las escalas nominal,
ordinal, de intervalo y de razn. Se utilizan para ayudar en la clasificacin de las
variables, el diseo de las preguntas para medir variables, e incluso indican el tipo de
anlisis estadstico apropiado para el tratamiento de los datos.
Una caracterstica esencial de la medicin es la dependencia que tiene de la posibilidad
de variacin. La validez y la confiabilidad de la medicin de una variable depende de
las decisiones que se tomen para operacionalizarla y lograr una adecuada comprensin
del concepto evitando imprecisiones y ambigedad, por en caso contrario, la variable
corre el riesgo inherente de ser invalidada debido a que no produce informacin
confiable.
a) Medicin Nominal.
En este nivel de medicin se establecen categoras distintivas que no implican un
orden especfico. Por ejemplo, si la unidad de anlisis es un grupo de personas, para
clasificarlas se puede establecer la categora sexo con dos niveles, masculino (M) y
femenino (F), los respondientes solo tienen que sealar su gnero, no se requiere de un
orden real.
As, si se asignan nmeros a estos niveles solo sirven para identificacin y puede ser
indistinto: 1=M, 2=F o bien, se pueden invertir los nmeros sin que afecte la medicin:
1=F y 2=M. En resumen en la escala nominal se asignan nmeros a eventos con el
propsito de identificarlos. No existe ningn referente cuantitativo. Sirve para nombrar
las unidades de anlisis en una investigacin y es utilizada en crceles, escuelas,
deportes, etc. La relacin lgica que se expresa es: A B (A es diferente de B).
b) Medicin Ordinal.
Se establecen categoras con dos o ms niveles que implican un orden inherente entre
s. La escala de medicin ordinal es cuantitativa porque permite ordenar a los eventos
en funcin de la mayor o menor posesin de un atributo o caracterstica. Por ejemplo,
en las instituciones escolares de nivel bsico suelen formar por estatura a los
estudiantes, se desarrolla un orden cuantitativo pero no suministra medidas de los
sujetos. La relacin lgica que expresa esta escala es A B (A es mayor que B).
Clasificar a un grupo de personas por la clase social a la que pertenecen implica un
orden prescrito que va de lo ms alto a lo ms bajo. Estas escalasadmiten la asignacin
de nmeros en funcin de un orden prescrito.
Las formas ms comunes de variables ordinales son tems (reactivos) actitudinales
estableciendo una serie de niveles que expresan una actitud de acuerdo o desacuerdo
con respecto a algn referente. Por ejemplo, ante el tem: La economa mexicana debe
dolarizarse, el respondiente puede marcar su respuesta de acuerdo a las siguientes
alternativas:
Totalmente de acuerdo
De acuerdo
Indiferente
En desacuerdo
Totalmente en desacuerdo
Las anteriores alternativas de respuesta pueden codificarse con nmeros que van del
uno al cinco que sugieren un orden preestablecido pero no implican una distancia entre
un nmero y otro. Las escalas de actitudes son ordinales pero son tratadas como
variables continuas (Therese L. Baker, 1997).
c) Medicin de Intervalo.
La medicin de intervalo posee las caractersticas de la medicin nominal y ordinal.
Establece la distancia entre una medida y otra. La escala de intervalo se aplica a
variables continuas pero carece de un punto cero absoluto. El ejemplo ms
representativo de este tipo de medicin es un termmetro, cuando registra cero grados
centgrados de temperatura indica el nivel de congelacin del agua y cuando registra
100 grados centgrados indica el nivel de ebullicin, el punto cero es arbitrario no real,
lo que significa que en este punto no hay ausencia de temperatura.
Una persona que en un examen de matemticas que obtiene una puntuacin de cero
no significa que carezca de conocimientos, el punto cero es arbitrario porque sigue
existiendo la caracterstica medida.
d) Medicin de Razn.
Una escala de medicin de razn incluye las caractersticas de los tres anteriores
niveles de medicin anteriores (nominal, ordinal e intervalo). Determina la distancia
exacta entre los intervalos de una categora. Adicionalmente tiene un punto cero
absoluto, es decir, en el punto cero no existe la caracterstica o atributo que se mide.
Las variables de ingreso, edad, nmero de hijos, etc. son ejemplos de este tipo de
escala. El nivel de medicin de razn se aplica tantoa variables continuas como
discretas.
Pruebas Estadsticas (Paramtricas y No paramtricas)
Las pruebas paramtricas asumen los parmetros de la distribucin de la variable
(media y varianza) y un tipo de distribucin normal.
Pruebas no paramtricas
Se deben usar con:
Debe quedar claro que en cualquier inferencia estadstica existe el peligro de cometer
cualquiera de los errores mencionados y que el investigador equilibre en un nivel
ptimo las propiedades de incurrir en uno u otro tipo de error.
La probabilidad de cometer un error del tipo I est dada por (alfa), de manera que
cuanto mayor sea alfa, ms probable ser que Ho se rechace, siendo verdadera; a su
vez, el error de tipo II est representado por (beta). La siguiente figura muestra una
escala de falso a verdadero, donde cero es falso y el valor uno verdadero.
ESCALA DE PROBABILIDAD.
Entre el 0 y el 1 existen valores
intermedios, mientras que donde
marca 0.95 existe una diferencia
de 0.05 con respecto a 1. Este
lmite corresponde al nivel de
significancia o error alfa, donde
todo valor igual o menor que
0.05 se acepta Ha. Por lo tanto, 1
- alfa = beta. Se dice que en esta
circunstancia, el investigador
elige una cola en la decisin
estadstica. Por otra parte,
cuando adems de imponer un
valor de alfa razonablemente
pequeo para aceptar Ha,
tambin define un valor de beta
para aceptar Ho, elige dos colas.
De no decidir entre una u otra
hiptesis, el investigador se
plantea la alternativa de
aumentar el tamao de la
muestra, para que el fenmeno
se define con ms claridad y la
decisin en el contraste de la
hiptesis sea ms consistente.
EFICIENCIA DE LA PRUEBA
La validez del anlisis estadstico depende mucho de la eficacia de la prueba
estadstica empleada. Se acepta que una prueba estadstica es eficaz cuando tiene una
probabilidad muy pequea de rechazar una hiptesis verdadera, y una alta
probabilidad de rechazar la hiptesis cuando sta es falsa. En presencia de dos pruebas
estadsticas, cuya probabilidad de rechazar hiptesis falsas sea igual, la seleccin en
principio debe inclinarse hacia la prueba que tenga la mayor probabilidad de aceptar la
hiptesis cuando es verdadera.
La pruebas estadsticas se dividen en dos grandes grupos: paramtricas y no
paramtricas. Las primeras son aquellas cuyo modelo especifica ciertas condiciones o
premisas que debe tener la poblacin, de la cual se ha derivado la muestra bajo
anlisis; adems se requiere expresar las observaciones en escala de intervalo o tasa.
Por otra parte, las pruebas no paramtricas, como su nombre lo indica, no requieren
satisfacer esas condiciones o premisas.
Las pruebas paramtricas son las ms eficaces y de uso comn en la investigacin,
como las de comparacin de promedios o prueba t de Student y la de anlisis de
varianza de Fischer. Ambos procedimientos deben cumplir las premisas siguientes:
1.
2.
3.
4.
Cuando por cualquier razn no se puedan cumplir los requisitos de las pruebas
paramtricas, el investigador podr recurrir a las llamadas pruebas alternas, como la
prueba t de Student-Welch, la F asimilada de Cochran y la F de Tukey. En ellas no hay
exigencia de homogeneidad de varianzas y, auxiliadas por un modelo matemtico de
ajuste, se puede obtener una eficacia que es muy cercana a la de las pruebas t de
Student y de anlisis de varianza.
Cabe sealar que, conforme menos condiciones o presunciones exigen una prueba
estadstica, en que se basa su modelo matemtico, ms generales son sus
conclusiones derivadas de su aplicacin; sin embargo, tambin es menos eficaz para
rechazar la influencia del azar, cuando ste no desempea un papel importante.
Cuando las observaciones en escala de intervalo no se ajustan a las premisas de las
pruebas paramtricas, el investigador debe estimar la prdida de eficacia para decidir
utilizar los procedimientos no paramtricos, y transformar aquellas en escalas
nominales u ordinales.
CARACTERSTICAS MUESTRALES
La manera en que influye la muestra para elegir una prueba estadstica est en funcin
de su tamao, seleccin y distribucin en el diseo experimental.
Tamao de la muestra
Anteriormente se habl de que la eficacia de una prueba estadstica disminuye
cuando se reducen las condiciones o premisas del modelo; sin embargo, a
medida que aumenta el tamao de la muestra, se incrementa tambin la
eficacia.
Dicha aseveracin generalmente es verdadera para muestras de tamao
definido, pero pueden carecer de veracidad al compararse dos pruebas
estadsticas con muestras de tamaos diferentes, es decir, si con un tamao de
30 por cada grupo, una prueba A puede ser ms eficaz que la prueba B; en
cambio, la prueba B es ms eficaz que A cuando sta slo cuenta con un
tamao de muestra igual a 20. En otras palabras, se puede evitar escoger entre
potencias y generalizacin, para lo cual se selecciona una prueba estadstica
que tenga amplia generalizacin, y luego aumentar su eficacia, comparable a la
prueba ms til, incrementando el tamao de la muestra.
Seleccin de la muestra
Las muestras por analizar pueden ser independientes y dependientes o
relacionadas.
En los modelos de investigacin, se puede contar con una, dos o muchas muestras.
Asimismo, puede tratarse de muestras independientes o dependientes o relacionadas.
Estas caractersticas dan un atributo al diseo experimental, que obliga a analizar los
datos de manera diferente, acorde con el modelo estadstico que mejor se ajuste a
contestar las preguntas planteadas por la hiptesis. Para saber si los pacientes han
alcanzado una total remisin de la enfermedad, se atiende a los hallazgos de tiempo de
sobrevida y a las alteraciones clnicas de la patologa. Si cuenta con varios
tratamientos, se plantea la pregunta de cul de ellos ha sido ms efectiva. As, se
puede decir que una investigacin cuanta con subclases diferentes. Para analizar sus
observaciones y tomar una decisin de la efectividad de los tratamientos, se pueden
elegir las pruebas estadsticas diseadas para contrastar una hiptesis y para una
muestra.
Un ejemplo vlido es el de un investigador que trabaja con roedores, para estudiar las
caractersticas conductuales de agresividad y la concentracin de neurotransmisores
en el sistema nervioso central. El conjunto de la muestra est constituido por cobayos,
ratas y ratones, que representan grupos con tres gradientes de agresividad. En estas
condiciones, el diseo experimental tiene tres muestras independientes.
La eleccin de la prueba estadstica se basar en las dos caractersticas y en el tipo de
escala de las mediciones. En el supuesto de que las concentraciones de
neurotransmisorestengan una medicin cuantitativa, una variable continua, una escala
de intervalo y una distribucin normal, con varianzas homogneas, la eleccin ms
adecuada ser el anlisis de varianzas de Fischer de una entrada. Si la decisin del
investigador fuera utilizar la prueba t de Student, diseada para dos muestras,
cometera tres errores graves: a) prdida de tiempo, b) las comparaciones seran
mltiples, tantas como combinaciones existan (cobayos con ratas, cobayos con ratones
y ratas con ratones), c) el ms trascendente, desde el punto de vista de la decisin
estadstica: las conclusiones a que se llegue no sern consecuencia de comparaciones
independientes, sino resultarn aisladas y en pequeos pares de grupos de contraste.
Es decir, si el investigador supone de antemano que entre los grupos existe variacin
en el grado de agresividad, perder la informacin que la variacin entre y dentro de
grupos le demuestre la existencia de una diferencia verdadera, al no incluir
simultneamente a los tres grupos.
CUESTIONARIO
1.- Qu determina el anlisis de datos?
Determina como analizar los datos y que herramientas de anlisis estadstico
son adecuadas para ste propsito.
2.- Qu es un anlisis estadstico?
Es el procedimiento objetivo por medio del cual se puede aceptar o rechazar un
conjunto de datos como confirmatorios de una hiptesis.
3.- Cules son los criterios para seleccionar una prueba estadstica?
Los criterios son los siguientes:
1.
2.
3.
4.
5.
Tipo de escala.
Hiptesis.
Potencia y eficiencia de la prueba.
Caractersticas mustrales.
Tendencia rectilnea o curvilnea del fenmeno.
4.- Cules son las propiedades fundamentales de los nmeros y defina cada una de
ellas?
Identidad.-Cada nmero slo es igual a s mismo, de manera que ningn otro es
igual a l, es decir, posee identidad y, por lo tanto, a cualquier objeto o evento
diferenciable de los dems, que tenga identidad, se le podr aplicar un nmero.
Ordinalidad- Las pruebas tambin tienen un orden o rango siempre mayor que
otro.
Aditividad.-Es importante comprender que los nmeros tienen propiedad aditiva,
lo cual quiere decir que la suma de un nmero con otro debe dar un tercer nmero
nico.
5.- Qu escalas se usan para la eleccin de la prueba estadstica?
Escalas Nominales, Ordinarias y de Intervalo.
6.- Qu hiptesis se utilizan para la eleccin de un aprueba estadstica?
Hiptesis Nula
Hiptesis Alterna
7.- Cules son las pruebas paramtricas?
Son aquellas cuyo modelo especifica ciertas condiciones o premisas que debe
tener la poblacin, de la cual se ha derivado la muestra bajo anlisis; adems se
requiere expresar las observaciones en escala de intervalo o tasa.
8.- Qu es una prueba no paramtrica?
Como su nombre lo indica, no requieren satisfacer esas condiciones o premisas.
BIBLIOGRAFIA
www.ray-design.com.mx