APUNTES

Sabedores de que la investigación es El Programa Universitario de Investigación en Salud de la unam,

un proceso que suele generar más pre-
guntas que respuestas, esperamos que
este libro sirva para ayudar a plantear
mejores preguntas y sobre todo a obtener
una respuesta clara a las mismas.
tiene como misión propiciar la investigación en salud que desarro-
llan las entidades académicas y vincularla con la del Sistema Nacio-
nal de Salud y los distintos sectores de la sociedad, atendiendo los
PARA LA INVESTIGACIÓN
problemas prioritarios de salud en México. Entre sus objetivos des-
taca la identificación de las necesidades sociales específicas, que re- en SALUD
Francisco Juárez García

apuntes para la investigación en salud

quieran investigación en las áreas biomédica básica, clínica, de salud
Joaquín López Bárcena
Edgar Vergara Castañeda pública y de desarrollo biotecnológico, para orientar y fomentar
Verónica Salinas Mendoza
proyectos multidisciplinarios e interinstitucionales. Difundir las lí- [editores]
neas y proyectos de investigación en salud que se desarrollan en la
unam y procurar los lazos con las instituciones de salud para una 2502 62500
SCT 5 3434 2 ———— 5 3434 2 ———— 5 3434 2 2976.2 5 457.8  (4.1)
­ver una duda
sinergia en la generación del cono­cimiento y la mejor utilización de 21 21 puntual sobre el intrincado proceso de la
los recursos. Contribuir en la formación y capacitación de los profe- investigación científica.

( 250
)
2
sionales en la me­todología de la investigación científica y en el uso 822 60 2
1 082
————
SCinter 5 ——— 1 ——— 1 —— —— 2
de los instrumentos estadís­ 7 7 7 21

( 6724 36
SCinter 5 ————
7 7 7
00 11664 62500
———
1 ———— 1 ————— 2 ——21
)
5 960.6 1 514.3 1 1666.3 2 2976.2

5 3141.2 2 2976.2 1 165 (4.2)

SCintra 5 457.8 2 165 5 298.8 (4.3)

0.0 0.1  0.2 0.3 0.4
34.1% 34.1%

259593
2.1% 2.1%
0.1% 0.1%
13.6% 13.6%

–3σ –2σ –1σ µ 1σ 2σ 3σ

786070
165
CMinter 5 ——— 5 82.5
Coordinación de la 2

9
Investigación Científica
292.8
CM 5 ———— 5 16.3 (4.4)
18
intra

Portada Apuntes (OK).indd 1 06/12/14 13:41

 i i

“”Apuntes para la Investigacion en Salud”” — 2014/12/8 — 15:24 — page 20 — #20

i i

i i

i i
 i i

“”Apuntes para la Investigacion en Salud”” — 2014/12/8 — 15:24 — page 5 — #5

i i

apuntes
para la investigación
en salud

Francisco Juárez Garcı́a

Joaquı́n López Bárcena
Verónica Salinas Mendoza
(editores)

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO

México 2014

i i

i i
 i i

“”Apuntes para la Investigacion en Salud”” — 2014/12/8 — 15:24 — page 6 — #6

i i

Apuntes para la investigación en salud / Francisco Juárez García (editor) ; Joaquín López
Bárcena (editor) ; Verónica Salinas Mendoza (editora).– Primera edición
408 páginas

ISBN 978-607-02-5959-3

1. Medicina – Investigación. 2. Medicina – Investigación – Métodos estadísticos. I. Juárez

García, Francisco: editor de la compilación. II. López Bárcena, Joaquín: editor de la compi-
lación. III. Salinas Mendoza, Verónica: editora de la compilación

R850.AP655 2014

Primera edición: 3 de octubre de 2014

D. R. © 2014 UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO
Ciudad Universitaria, Delegación Coyoacán, 04510, México D. F.
Programa Universitario de Investigación en Salud.

ISBN 978-607-02-5959-3

Esta edición y sus caracterı́sticas son propiedad de la UNAM.

Prohibida la reproducción total o parcial por cualquier medio,
sin autorización escrita del titular de los derechos patrimoniales.

Impreso y hecho en México.

i i

i i
 i i

“”Apuntes para la Investigacion en Salud”” — 2014/12/8 — 15:24 — page 7 — #7

i i

Índice

Introducción
Francisco Juárez Garcı́a 15

Prefacio
Marı́a Elena Medina-Mora 17

Agradecimientos
Francisco Juárez Garcı́a 21

1. Los pasos de un proyecto de investigación

Elsa Karina López Lugo, Francisco Juárez Garcı́a y Maricarmen Acevedo
Corona 23
Paso 1. Concebir la idea a investigar o elegir el tema . . . . . . . . . . . 24
¿Cómo se originan las investigaciones? . . . . . . . . . . . . . . 24
Fuentes de ideas para una investigación . . . . . . . . . . . . . . 24
Caracterı́sticas de una idea de investigación . . . . . . . . . . . . 26
Paso 2. Marco teórico . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
Funciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
Caracterı́sticas principales . . . . . . . . . . . . . . . . . . . . . 27
Etapas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
Paso 3. Planteamiento del problema . . . . . . . . . . . . . . . . . . . 33
Elementos del problema de investigación . . . . . . . . . . . . . . 33
Justificación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
Criterios para evaluar el valor potencial de una investigación . . . 35
La Pregunta de Investigación . . . . . . . . . . . . . . . . . . . . 35
Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
Paso 4. Tipo de investigación . . . . . . . . . . . . . . . . . . . . . . . 39

i i

i i
 i i

“”Apuntes para la Investigacion en Salud”” — 2014/12/8 — 15:24 — page 8 — #8

i i

8 ı́ndice

Por la naturaleza de las variables, los estudios se clasifican en . . . 39

Por el lugar en que se realiza, la investigación se clasifica en . . . 41
Paso 5. Definición de variables y planteamiento de las hipótesis . . . . . 42
Las variables son . . . . . . . . . . . . . . . . . . . . . . . . . . 42
Planteamiento de hipótesis . . . . . . . . . . . . . . . . . . . . . 45
Paso 6. Diseños de investigación . . . . . . . . . . . . . . . . . . . . . 48
Diseño . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
Diseños no experimentales . . . . . . . . . . . . . . . . . . . . . 49
Diseños experimentales . . . . . . . . . . . . . . . . . . . . . . . 53
Diseños pre-experimentales . . . . . . . . . . . . . . . . . . . . . 56
Diseños experimentales . . . . . . . . . . . . . . . . . . . . . . . 59
Diseños más modernos . . . . . . . . . . . . . . . . . . . . . . . 61
Diseños cuasiexperimentales . . . . . . . . . . . . . . . . . . . . 66
Paso 7. Selección de la muestra . . . . . . . . . . . . . . . . . . . . . . 68
Definir la unidad de análisis a estudiar . . . . . . . . . . . . . . . 68
Delimitar la población . . . . . . . . . . . . . . . . . . . . . . . 69
Seleccionar una muestra . . . . . . . . . . . . . . . . . . . . . . 69
Muestreo probabilı́stico . . . . . . . . . . . . . . . . . . . . . . . 70
Muestreo no probabilı́stico . . . . . . . . . . . . . . . . . . . . . 72
Muestras para estudios sencillos . . . . . . . . . . . . . . . . . . 73
Paso 8. Procedimiento . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
Paso 9. Aspectos éticos de la investigación . . . . . . . . . . . . . . . . 74
Paso 10. Formas de recolección de datos . . . . . . . . . . . . . . . . . 75
Instrumentos para la recopilación de información . . . . . . . . . 76
Confiabilidad y validez . . . . . . . . . . . . . . . . . . . . . . . 83
Piloteo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
Trabajo de campo . . . . . . . . . . . . . . . . . . . . . . . . . . 86
Codificación de los datos . . . . . . . . . . . . . . . . . . . . . . 87
Paso 11. Análisis de la información . . . . . . . . . . . . . . . . . . . . 87
Paso 12. Elaboración del reporte de investigación . . . . . . . . . . . . 87
Discusión . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
Alcances y limitaciones . . . . . . . . . . . . . . . . . . . . . . . 88
Referencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89

2. Conceptos básicos de estadı́stica

Francisco Juárez Garcı́a y Elsa Karina López Lugo 91

i i

i i
 i i

“”Apuntes para la Investigacion en Salud”” — 2014/12/8 — 15:24 — page 9 — #9

i i

ı́ndice 9

Medición . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
Variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
La cantidad de valores . . . . . . . . . . . . . . . . . . . . . . . 93
El tipo de valores . . . . . . . . . . . . . . . . . . . . . . . . . . 94
Niveles de medición . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
Nominal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
Ordinal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
Intervalar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
Razón . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
La estadı́stica y la computadora . . . . . . . . . . . . . . . . . . . . . . 98
Codificación de datos . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
Codificar las respuestas . . . . . . . . . . . . . . . . . . . . . . . 100
Procedimiento para codificar . . . . . . . . . . . . . . . . . . . . 101
Guı́a de codificación . . . . . . . . . . . . . . . . . . . . . . . . 102
Ramas de la estadı́stica . . . . . . . . . . . . . . . . . . . . . . . . . . 105
Estadı́stica paramétrica . . . . . . . . . . . . . . . . . . . . . . . 105
Estadı́stica no paramétrica . . . . . . . . . . . . . . . . . . . . . 106
Referencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107

3. Estadı́stica descriptiva
Elsa Karina López Lugo, Francisco Juárez Garcı́a y Marsela Alejandra
Álvarez Izazaga 109
Frecuencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
Tabla de frecuencias . . . . . . . . . . . . . . . . . . . . . . . . . 111
Tabla de frecuencia de datos no agrupados . . . . . . . . . . . . . 112
Tabla de frecuencia de datos agrupados . . . . . . . . . . . . . . 113
Frecuencias relativas o porcentajes ( %) . . . . . . . . . . . . . . . . . 115
Tablas de frecuencias cruzadas . . . . . . . . . . . . . . . . . . . 117
Frecuencias relativas acumuladas o porcentajes acumulados ( % a) 117
Requerimientos para la elaboración de tablas . . . . . . . . . . . 118
Representación gráfica de datos . . . . . . . . . . . . . . . . . . . . . . 118
Datos nominales u ordinales . . . . . . . . . . . . . . . . . . . . 119
Datos numéricos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
Requerimientos para la elaboración de gráficas . . . . . . . . . . 122
Gráficas engañosas . . . . . . . . . . . . . . . . . . . . . . . . . 123
Medidas de tendencia central . . . . . . . . . . . . . . . . . . . . . . . 124
Media aritmética p x̄q . . . . . . . . . . . . . . . . . . . . . . . . 124

i i

i i
 i i

“”Apuntes para la Investigacion en Salud”” — 2014/12/8 — 15:24 — page 10 — #10

i i

10 ı́ndice

Moda pMoq . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125

Mediana pMdq . . . . . . . . . . . . . . . . . . . . . . . . . . . 126
Medidas de posición . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
Cuartiles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
Percentiles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
Medidas de dispersión o variabilidad . . . . . . . . . . . . . . . . 134
Valores mı́nimo y máximo . . . . . . . . . . . . . . . . . . . . . 134
Rango o amplitud . . . . . . . . . . . . . . . . . . . . . . . . . . 134
Varianza . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
Desviación estándar o tı́pica psq . . . . . . . . . . . . . . . . . . 137
Curvas de distribución de frecuencias . . . . . . . . . . . . . . . 139
Medidas de distribución . . . . . . . . . . . . . . . . . . . . . . . . . . 141
Curtosis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
Asimetrı́a o sesgo (Skewness) . . . . . . . . . . . . . . . . . . . 143
Distribución normal o curva normal (Campana de Gauss) . . . . . . . . 144
Calificaciones z o estandarizadas . . . . . . . . . . . . . . . . . . 145
Caracterı́sticas de la curva normal . . . . . . . . . . . . . . . . . 146
La estadı́stica descriptiva en el paquete SPSS . . . . . . . . . . . . . . 148
Reporte de resultados de análisis descriptivos . . . . . . . . . . . . . . 155
Referencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158

4. Estadística inferencial univariada

Francisco Juárez García, Jorge Ameth Villatoro Velázquez y Elsa Karina
López Lugo 161
Unidad de medición y unidad de análisis . . . . . . . . . . . . . . . . . 161
Inferencia estadı́stica . . . . . . . . . . . . . . . . . . . . . . . . . . . 164
Planteamiento de la hipótesis . . . . . . . . . . . . . . . . . . . . 164
El nivel de significancia . . . . . . . . . . . . . . . . . . . . . . . 169
Decisión estadı́stica . . . . . . . . . . . . . . . . . . . . . . . . . 170
Grados de libertad . . . . . . . . . . . . . . . . . . . . . . . . . . 172
Reglas de decisión . . . . . . . . . . . . . . . . . . . . . . . . . 172
Estadı́stica inferencial univariada: pruebas estadı́sticas seleccionadas . . 173
Cómo presentar resultados de análisis estadı́sticos . . . . . . . . . . . . 174
Criterios importantes para seleccionar el tipo de prueba en un estudio . . 176
Pruebas de comparación para grupos independientes . . . . . . . . . . . 177
Prueba t de Student para muestras independientes . . . . . . . . . 177
Prueba U de Mann-Whitney . . . . . . . . . . . . . . . . . . . . 185

i i

i i
 i i

“”Apuntes para la Investigacion en Salud”” — 2014/12/8 — 15:24 — page 11 — #11

i i

ı́ndice 11

Prueba de chi cuadrada (X 2 ) . . . . . . . . . . . . . . . . . . . . 191

Prueba de chi cuadrada para una tabla de 2 ˆ 2 . . . . . . . . . . 194
Reporte de resultados de la prueba X 2 . . . . . . . . . . . . . . . 201
Análisis de varianza de un factor (prueba F) . . . . . . . . . . . . 202
Análisis de varianza unifactorial por rangos de Kruskal-Wallis . . 214
Pruebas de comparación para muestras relacionadas . . . . . . . . . . . 226
Prueba t de Student para muestras relacionadas . . . . . . . . . . 226
Prueba de Wilcoxon . . . . . . . . . . . . . . . . . . . . . . . . . 233
Prueba del cambio de McNemar de dos mediciones dicotómicas . 240
Análisis de varianza de dos clasificaciones por rangos de Friedman 244
Prueba Q de Cochran . . . . . . . . . . . . . . . . . . . . . . . . 254
Pruebas de asociación . . . . . . . . . . . . . . . . . . . . . . . . . . . 259
Coeficiente de asociación o correlación . . . . . . . . . . . . . . 261
Coeficiente de correlación producto-momento de Pearson . . . . . 262
Coeficiente de correlación de Spearman de rangos ordenados . . . 268
Coeficiente de correlación Phi . . . . . . . . . . . . . . . . . . . 276
Referencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 281

5. Investigación clı́nica
Lilia Castillo Martı́nez, Dulce Gabriela González Islas, Laura Patricia
Montaño Hernández, Wendy Daniella Rodrı́guez Garcı́a, Cira Santillán
Dı́az, Arely Vergara Castañeda y Edgar Vergara Castañeda 283
Búsqueda sistemática de información . . . . . . . . . . . . . . . . . . . 284
Pruebas diagnósticas . . . . . . . . . . . . . . . . . . . . . . . . . . . 291
Definición . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 291
Objetivo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 291
Utilidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 292
Caracterı́sticas de la prueba diagnóstica . . . . . . . . . . . . . . 292
Validez de idoneidad de las pruebas . . . . . . . . . . . . . . . . 292
Procedimiento para la realización de una prueba diagnóstica . . . 293
Sensibilidad y especificidad . . . . . . . . . . . . . . . . . . . . . 294
Curva ROC (Receiver Operating Characteristic) . . . . . . . . . . 296
Diseños epidemiológicos y clı́nicos . . . . . . . . . . . . . . . . . . . . 299
Clasificación tradicional de los diseños de estudio epidemiológicos 300
Muestreo y tamaño de muestra . . . . . . . . . . . . . . . . . . . . . . 307
Población . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 308
Muestra . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 308

i i

i i
 i i

“”Apuntes para la Investigacion en Salud”” — 2014/12/8 — 15:24 — page 12 — #12

i i

12 ı́ndice

Marco muestral . . . . . . . . . . . . . . . . . . . . . . . . . . . 308

Unidad última de muestreo . . . . . . . . . . . . . . . . . . . . . 308
Parámetro . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 308
Estadı́stico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 308
Tipos de muestreo . . . . . . . . . . . . . . . . . . . . . . . . . . 309
Muestra aleatoria simple . . . . . . . . . . . . . . . . . . . . . . 309
Error de muestreo . . . . . . . . . . . . . . . . . . . . . . . . . . 312
Error no de muestreo . . . . . . . . . . . . . . . . . . . . . . . . 312
Tamaño de muestra . . . . . . . . . . . . . . . . . . . . . . . . . 312
Cálculo del tamaño de muestra . . . . . . . . . . . . . . . . . . . 312
Análisis de datos epidemiológicos y de ensayos clı́nicos . . . . . . . . . 318
Medidas de frecuencia . . . . . . . . . . . . . . . . . . . . . . . 318
Medidas de frecuencia de la enfermedad . . . . . . . . . . . . . . 320
Medidas de asociación . . . . . . . . . . . . . . . . . . . . . . . 323
Referencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 327

6. Consideraciones éticas en la investigación

Liliana Mondragón Barrios, América Castellanos Torres y Andrea
Figueroa Grajeda 331
Principios éticos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 332
Autonomı́a . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 333
Beneficencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 334
Justicia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 335
Principios éticos aplicados en la investigación en salud . . . . . . . . . 335
El consentimiento informado . . . . . . . . . . . . . . . . . . . . 335
Determinación de riesgos y beneficios de la investigación . . . . . 339
Selección de los sujetos para ser incluidos en la investigación . . . 343
Confidencialidad . . . . . . . . . . . . . . . . . . . . . . . . . . 344
Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 345
Agradecimientos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 347
Referencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 347

7. Preparación de un manuscrito para su publicación: los estilos edito-

riales para publicaciones
Francisco Juárez Garcı́a, Nora Angélica Martı́nez Vélez y Claudia Nava-
rro Guzmán 351
Formato . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 352

i i

i i
 i i

“”Apuntes para la Investigacion en Salud”” — 2014/12/8 — 15:24 — page 13 — #13

i i

ı́ndice 13

Contenido de un artı́culo . . . . . . . . . . . . . . . . . . . . . . . . . 353

Portadilla . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 353
Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 354
Texto del trabajo . . . . . . . . . . . . . . . . . . . . . . . . . . 354
Método . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 355
Resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 355
Comentarios (discusión y conclusiones) . . . . . . . . . . . . . . 356
Referencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 356
Notas al pie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 356
Tablas y figuras . . . . . . . . . . . . . . . . . . . . . . . . . . . 356
Apéndices y materiales complementarios . . . . . . . . . . . . . 356
Generalidades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 357
Citas parafraseadas . . . . . . . . . . . . . . . . . . . . . . . . . 358
Citas textuales . . . . . . . . . . . . . . . . . . . . . . . . . . . . 360
Cita discutida dentro de una fuente secundaria, citas dentro de citas. 361
Lista de referencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . 362
Generalidades . . . . . . . . . . . . . . . . . . . . . . . . . . . . 362
Formas de referencias por tipo de publicación . . . . . . . . . . . . . . 364
Publicaciones periódicas (diarios, revistas, boletines ilustrados) . . 364
Publicaciones no periódicas (libros, informes, folletos, mono-
grafı́as, manuales y medios audiovisuales) . . . . . . . . . 365
Capı́tulo de libro . . . . . . . . . . . . . . . . . . . . . . . . . . 366
Publicación electrónica . . . . . . . . . . . . . . . . . . . . . . . 366
Documento electrónico . . . . . . . . . . . . . . . . . . . . . . . 368
Otros medios electrónicos –software de computadora . . . . . . . 368
Tesis de maestrı́a o doctorado . . . . . . . . . . . . . . . . . . . . 369
Tablas y figuras . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 369
Para las tablas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 369
Para las figuras . . . . . . . . . . . . . . . . . . . . . . . . . . . 370
Presentación estadı́stica . . . . . . . . . . . . . . . . . . . . . . . 371
Describir resultados de las tablas, figuras y los datos relacionados
a la significancia estadı́stica . . . . . . . . . . . . . . . . 372
Material distinto a los artı́culos: tesis, disertaciones y ensayos escolares 373
Variaciones comunes a la organización del contenido . . . . . . . 374
Variaciones comunes a la preparación del manuscrito (APA, 2002) 375

i i

i i
 i i

“”Apuntes para la Investigacion en Salud”” — 2014/12/8 — 15:24 — page 14 — #14

i i

14 ı́ndice

Recomendaciones adicionales de los autores para la preparación

de manuscritos . . . . . . . . . . . . . . . . . . . . . . . 377
Referencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 377

A. Guı́a para analizar los artı́culos de investigación

Francisco Juárez Garcı́a 379
Referencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 380

B. Criterios para el análisis crı́tico de un artı́culo

Nora Angélica Martı́nez Vélez 381
Referencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 381

C. Sugerencias para una adecuada presentación de proyectos de investi-

gación
Francisco Juárez Garcı́a 383

D. Elaboración de presentaciones gráficas por computadora

Francisco Juárez Garcı́a 385

E. Ejercicios de estadı́stica descriptiva

Francisco Juárez Garcı́a 391

F. Ejercicios de estadı́stica inferencial univariada

Francisco Juárez Garcı́a 395

Los autores del libro 403

Índice de tablas de valores crı́ticos para pruebas estadı́sticas 407

i i

i i
 i i

“”Apuntes para la Investigacion en Salud”” — 2014/12/8 — 15:24 — page 91 — #91

i i

2. Conceptos básicos de estadı́stica1

Francisco Juárez Garcı́a

Elsa Karina López Lugo

La estadı́stica es un conjunto de procedimientos para reunir, clasificar, codifi-

car, procesar, analizar y resumir información numérica adquirida sistemáticamente
(Ritchey, 2008). Permite hacer inferencias a partir de una muestra para extrapolar-
las a una población.
Aunque normalmente se asocia a muchos cálculos y operaciones aritméticas,
y aunque las matemáticas están involucradas, en su mayor parte sus fundamentos
y uso apropiado pueden dominarse sin hacer referencia a habilidades matemáticas
avanzadas. De hecho se trata de una forma de ver la realidad basada en el análisis
cuidadoso de los hechos (Ritchey, 2008).
La estadı́stica se relaciona con el método cientı́fico complementándolo como
herramienta de análisis y, aunque la investigación cientı́fica no requiere necesaria-
mente de la estadı́stica, ésta valida muchos de los resultados cuantitativos deriva-
dos de la investigación.
La obtención del conocimiento debe hacerse de manera sistemática por lo que
se tienen que planear todos los pasos que comienzan con el planteamiento de un
problema hasta la elección del plan de análisis idóneo para el tipo de datos que
se están obteniendo, pasando por la elaboración de hipótesis y la manera en que
van a ser probadas; la selección de sujetos, los escenarios, los instrumentos que se
utilizarán para obtener los datos, el procedimiento que se seguirá para esto último,
ası́ como los controles que se deben hacer para asegurar que las intervenciones son
las causas más probables de los cambios derivados de una intervención (diseño).
La estadı́stica entra en la investigación para poder hacer el análisis de los datos
ayudando a describirlos y a probar hipótesis (Kerlinger & Lee, 2002; McGuigan,

1
Se sugiere citar este capı́tulo como: Juárez, F. & López, E. K. (2014). Capı́tulo 2. Conceptos
básicos de estadı́stica. En: F. Juárez, J. López & V. Salinas (Eds.), Apuntes para la investigación en
salud (pp. 91-107). México, D. F.: PUIS y DGPFE, UNAM.

i i

i i
 i i

“”Apuntes para la Investigacion en Salud”” — 2014/12/8 — 15:24 — page 92 — #92

i i

92 francisco juárez, karina lópez

1990), aunque pueden existir otras herramientas de análisis si se está haciendo una
investigación de corte cualitativo.
Una buena planeación permitirá que los resultados puedan ser reproducidos,
mediante la comprobación empı́rica, por cualquier investigador interesado en refu-
tar o comprobar las conclusiones que surjan del trabajo cientı́fico. De esta manera
también se logrará la predicción de los fenómenos que se están estudiando, ayu-
dando a conocer y prevenir los problemas que forman parte del objeto de estudio
de muchas áreas de la salud: clı́nicas, psicológicas y sociales.
De acuerdo con diferentes autores (Kerlinger & Lee, 2002; McGuigan, 1990),
el tratamiento de los datos de la investigación cientı́fica tiene varias etapas:
‚ En la etapa de recolección de datos del método cientı́fico, se define a la
población de interés y se selecciona una muestra o conjunto de personas
representativas de la misma, se realizan experimentos o se emplean instru-
mentos ya existentes o de nueva creación, para medir los atributos de interés
necesarios para responder a las preguntas de investigación. Durante lo que
es llamado trabajo de campo se obtienen los datos en crudo, es decir las
respuestas directas de los sujetos uno por uno, se codifican (se les asignan
valores a las respuestas), se capturan y se verifican para ser utilizados en las
siguientes etapas.
‚ En la etapa de recuento, se organizan y ordenan los datos obtenidos de la
muestra. Ésta será descrita en la siguiente etapa utilizando la estadı́stica
descriptiva, todas las investigaciones utilizan estadı́stica descriptiva para co-
nocer de manera organizada y resumida las caracterı́sticas de la muestra.
‚ En la etapa de análisis se utilizan las pruebas estadı́sticas (estadı́stica infe-
rencial) y en la interpretación se acepta o rechaza la hipótesis nula.
En investigación, el fenómeno en estudio puede ser cualitativo, que implicarı́a
comprenderlo y explicarlo, o cuantitativo, para compararlo y hacer inferencias.
Se puede decir que si se hace análisis estadı́stico se usan métodos cuantitativos
y si se hacen análisis que se basan en los significados subjetivos que los sujetos
asignan a las cosas se usan métodos cualitativos.
El objetivo del presente estudio es dar a conocer los principales usos de la
estadı́stica, ası́ como el desarrollo de sus estadı́sticos y fórmulas. Para ello, es
necesario que antes se conozcan algunos conceptos que servirán como base para
el mejor entendimiento de los contenidos.

i i

i i
 i i

“”Apuntes para la Investigacion en Salud”” — 2014/12/8 — 15:24 — page 93 — #93

i i

conceptos básicos de estadı́stica 93

MEDICIÓN

Para poder emplear el método estadı́stico en un estudio es necesario medir los atri-
butos de los individuos u objetos (Kerlinger & Lee, 2002; Nunnally & Bernstein,
1995; Siegel & Castellan, 1995).
Medir: es asignar valores a las propiedades de los objetos bajo ciertas reglas, esas
reglas son derivadas de las definiciones de cuáles son esas propiedades y
mediante los niveles de medición.
Cuantificar: es asignar valores a algo tomando un patrón de referencia. Por ejem-
plo, cuantificar es ver cuántos hombres y cuántas mujeres hay.
Variable: es una caracterı́stica o propiedad que asume diferentes valores dentro de
una población de interés y cuya variación es susceptible de medirse (Haber
& Runyon, 1973; Siegel & Castellan, 1995).

VARIABLES

‚ Las variables son todos aquellos atributos que se pueden medir, controlar y
estudiar en una investigación.
‚ Las variables son construcciones hipotéticas o propiedades que se estudian.
‚ Una variable es una propiedad que adquiere distintos valores. Es una cosa
que varı́a.
‚ Es un atributo o concepto al que se le asignan números o valores.
Las variables adquieren valor para la investigación cientı́fica cuando pueden ser
relacionadas con otras variables.
Existen diferentes clasificaciones de las variables, las cuales dependen de:

La cantidad de valores
‚ Dicotómica. Es aquella variable en la que sólo existen dos valores. Gene-
ralmente se refiere a la existencia o no existencia de la caracterı́stica o a la
clasificación en dos categorı́as.
Ejemplo: Sexo: Masculino y femenino.
‚ Politómicas. Es cuando el fenómeno puede presentarse en tonalidades o ma-
tices diferentes, o en grados, magnitudes o medidas distintas. Ejemplo: edad,
religión, estado civil, sueldo, estatura, etcétera.

i i

i i
 i i

“”Apuntes para la Investigacion en Salud”” — 2014/12/8 — 15:24 — page 94 — #94

i i

94 francisco juárez, karina lópez

Por sus caracterı́sticas, las variables politómicas pueden convertirse en di-

cotómicas, al agrupar los números o las categorı́as, pero no puede existir el proce-
dimiento inverso. Esto depende de los objetivos de investigación.
Ejemplo de ello es la variable estado civil que originalmente es politómica al
tener muchos valores, pero que puede convertirse en dicotómica como lo muestra
el esquema (2.1):

ESTADO  CIVIL  POLITÓMICA ESTADO  CIVIL  DICOTÓMICA

Soltero Sin  pareja

Casado

Divorciado

Unión  libre Con  pareja

Viudo

Figura 2.1

El tipo de valores
‚ Categórica. Es aquella en la que el fenómeno tiene valores referidos a cla-
sificaciones o categorı́as sin un correlato numérico directo. Ejemplo: sexo
(hombres y mujeres), estado civil (soltero, casado, divorciado, etcétera).
‚ Numérica. Los valores tienen un correlato numérico directo, son suscepti-
bles de fraccionarse y de poder utilizarse en operaciones aritméticas. Ejem-
plo: edad, peso, talla, etcétera.
Las variables continuas pueden convertirse en categóricas, al agrupar los
números en categorı́as, pero no puede existir el procedimiento inverso.
Ejemplo: la edad es una variable numérica por naturaleza, pero en ocasiones
debe convertirse en categórica para el mejor manejo de la información, como se
muestra a continuación:

i i

i i
 i i

“”Apuntes para la Investigacion en Salud”” — 2014/12/8 — 15:24 — page 95 — #95

i i

conceptos básicos de estadı́stica 95

Edad numérica 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
Edad categórica Adolescentes Jóvenes Adultos jóvenes

En cuanto a una clasificación estadı́stica

‚ Aleatoria: aquella en la cual desconocemos el valor porque fluctúa de acuer-
do con un evento debido al azar.
‚ Determinı́stica: aquella variable de la que se conoce el valor.
‚ Independiente: aquellas variables que son manipuladas por el investigador.
Define cuáles son los grupos o mediciones que se están comparando.
‚ Dependiente: son mediciones que ocurren durante el experimento o trata-
miento (resultado de la independiente), es la que se mide y compara entre
los grupos.

NIVELES DE MEDICIÓN

Dependiendo del fenómeno que estamos estudiando, las variables implicadas en el

mismo tienen ciertas caracterı́sticas llamadas niveles de medición (Haber & Run-
yon, 1973; Kerlinger & Lee, 2002; McGuigan, 1990; Nunnally & Bernstein, 1995;
Siegel & Castellan, 1995):

Nominal
Las propiedades de la medición nominal son:
1. Es el nivel más básico en el que se pueden clasificar a los sujetos agrupando
las unidades en categorı́as basadas en uno o más atributos o propiedades.

≠
2. De manera similar al nombre de una persona, este nivel permite identificar
a los sujetos como diferentes de otra persona.
3. Al asignar números para codificar datos para su análisis, éstos sólo se usan
para clasificar a cada grupo, cada número representa una categorı́a de agru-
pación que equivale a una etiqueta o nombre, ası́ este número representa un
atributo o caracterı́stica observada, que no refleja orden o jerarquı́a o canti-
dad.

i i

i i
 i i

“”Apuntes para la Investigacion en Salud”” — 2014/12/8 — 15:24 — page 96 — #96

i i

96 francisco juárez, karina lópez

4. Las variables nominales que tienen 2 categorı́as se llaman dicotómicas y

toda variable dicotómica debe ser considerada con este nivel de medición.
Ejemplos: sexo, estado civil, carrera, religión, deporte favorito.

Ordinal
Las propiedades de la medición ordinal son:
1. Las observaciones pueden colocarse en un orden jerárquico.

< < <

2. Los números no son arbitrarios ya que representan un orden o jerarquı́a en
la que el valor más pequeño se asigna al atributo que representa menor po-
sesión de un atributo –el primero de un orden jerárquico ascendente.
3. No existe una diferencia exacta entre un valor y otro. Esto es, no hay la
misma distancia entre los valores. No hay indicación de cuánto se posee del
atributo, sólo si se tiene más o menos cantidad de éste.
Ejemplos: escolaridad, grado académico.

Intervalar
1. En el nivel de medición intervalar las distancias entre cada valor son igua-
les. Los números son consecutivos y marcan intervalos o cantidades iguales
entre ellos.

2. Las unidades de calificación son equivalentes en todos los puntos de la es-

cala. Una escala de intervalos implica: clasificación, magnitud y unidades
de tamaños iguales (Brown, 2000). Sin embargo, no se tiene un cero abso-
luto, esto es, el cero no representa la ausencia de la caracterı́stica medida e
incluso puede haber calificaciones con signo negativo.
3. Se pueden hacer operaciones aritméticas. Se sabe cuánto se diferencian los
sujetos uno de otro. Por ejemplo: entre un C. I. de 120 a 125 la separación
es la misma que entre 112 y 117 (125 ´ 120 “ 5, 117 ´ 112 “ 5 es decir:
125 ´ 120 “ 117 ´ 112).

i i

i i
 i i

“”Apuntes para la Investigacion en Salud”” — 2014/12/8 — 15:24 — page 97 — #97

i i

conceptos básicos de estadı́stica 97

+ =
4. Cuando se le pide al sujeto que califique una situación del 0 al 10 puede
tomarse como un nivel de medición intervalar, siempre y cuando se incluya
el 0.
Ejemplos: temperatura en grados centı́grados (puede haber temperaturas ne-
gativas o bajo cero), todas las pruebas que miden atributos psicológicos (CI,
nivel de autoestima, pruebas de conocimientos, etcétera).

Razón
1. Tiene las mismas caracterı́sticas que el nivel intervalar, pero el cero en este
caso es absoluto, esto es, el cero representa la ausencia de la caracterı́stica
por lo que no pueden existir los números con signo negativo.
2. Convencionalmente los datos que son de nivel absoluto o de razón son ma-
nejados como los datos intervalares.
3. Ya que el 0 representa la ausencia de una caracterı́stica, es posible conocer
la proporción de diferencia existente entre una calificación y otra.
Ejemplos: peso corporal en kg, edad en años, estatura en cm, tiempo de
reacción, área, costo por estudiante.
En la figura (2.2), se resumen las caracterı́sticas de los niveles de medición, ca-
be comentar que una atribuible a un nivel inferior es compartida por los niveles
superiores, en ese sentido una calificación a nivel intervalar nos permite saber si
alguien es diferente a otra persona al igual que la clasificación nominal.

≠ < <
+ =
Nominal Ordinal Intervalar Razón

A diferente de B    

A mayor que B   

A excede en X
 
unidades a B

A excede en X % a B 

Figura 2.2

i i

i i
 i i

“”Apuntes para la Investigacion en Salud”” — 2014/12/8 — 15:24 — page 98 — #98

i i

98 francisco juárez, karina lópez

Las variables intervalares y de razón se pueden incluir en operaciones aritméti-

cas y para efectos de análisis estadı́sticos se consideran con las mismas propieda-
des y se clasifican en un rubro general que se puede considerar como escalar o
numérico.
Ası́, de acuerdo con las propiedades de cada nivel de medición de las variables
dependientes es probable llevar a cabo ciertas operaciones y utilizar diferentes
análisis estadı́sticos de datos especı́ficos para cada nivel, por lo que es importante
su identificación para tomar decisiones correctas al elegir una prueba determinada.
En la tabla (2.1) se resumen dichas propiedades.
Por otro lado, las variables ordinales aparentemente no se pueden sumar, pero
cuando se tiene una escala con reactivos calificados en un nivel ordinal –como una
basada en opciones de respuesta tipo Lickert–, al ser sumados, el resultado de esta
suma puede ser considerado como intervalar, ya que matemáticamente se comporta
como tal, lo que permite además realizar pruebas estadı́sticas más robustas que las
basadas en el nivel ordinal (Kerliger & Lee, 2002, Nunnally & Bernstein, 1995,
Siegel & Castellan, 1995).

Aplicaciones
En todas las áreas, especialmente en investigación, se utilizan variables con dife-
rentes niveles de medición: éstos nos indican la forma o escala por la que fueron
medidos dichos datos. Se clasifican en:
‚ Nominales. Pacientes clasificados por padecimientos, fumadores y no fuma-
dores, personas que tienen una enfermedad o no la tienen, etcétera.
‚ Ordinales. Nivel de patologı́a: ausente, leve, moderado, alto.
‚ Intervalares. Calificación de inteligencia, autoestima, depresión.
‚ De razón. Tiempo en el que la rata cruza un laberinto, tiempo de reacción,
edad en años.

LA ESTADÍSTICA Y LA COMPUTADORA

Otra herramienta indispensable en la actualidad para el desarrollo de la investiga-

ción en salud, es la computadora, instrumento mediante el cual podemos hacer una
cantidad de tareas con mayor facilidad y rapidez.
Entre estas tareas se encuentran:
‚ Elaboración de textos y gráficas para artı́culos o tareas con buena presenta-
ción.

i i

i i
 i i

“”Apuntes para la Investigacion en Salud”” — 2014/12/8 — 15:24 — page 99 — #99

i i

conceptos básicos de estadı́stica 99

Nivel Nominal Ordinal Intervalar Razón o proporción

Igual a intervalar,
Distancias 0 absoluto, se
Propiedades “o, ,, “, ą, ă iguales “ puede saber la
,, ą, ă, 0 proporción de
relativo diferencia entre
cada calificación
Medidas de
tendencia Moda, porcentajes mediana, media,
central, moda, moda, desviación estándar, varianza,
dispersión porcentaje porcentajes, curtosis, asimetrı́a, rango,
posición y mediana deciles, cuartiles, percentiles
distribución
Compara Proporciones Medianas Medias Medias
Inferencial no
paramétrica:
U de
Inferencial no Mann Whitney,
Análisis paramétrica: Kolmogorov Inferencial paramétrica: t de
inferencial chi cuadrada, Smirnoff Student, ANOVA, regresión,
univariado Mc Nemar, Friedman, correlación Pearson
coeficiente Phi Wilcoxon
prueba de
los signos,
correlación
Spearman
Gráficas Barras, sectores, pictogramas Histograma, polı́gonos de frecuencias
Calidad (buena Temperatura
Presencia de mediana, mala) en grados Altura, peso, edad
Ejemplo estrés (sı́ o no) nivel centı́grados, en años, temperatura
religión socioeconómico atributos mediana en grados
(alto, medio, psicológicos Kelvin
bajo)

Tabla 2.1

‚ Presentaciones visuales de nuestros trabajos.

‚ Bases de datos que permitan el acceso más rápido de la información que
buscamos. Por ejemplo: la biblioteca.
‚ Análisis de datos de manera más rápida y precisa.

i i

i i
 i i

“”Apuntes para la Investigacion en Salud”” — 2014/12/8 — 15:24 — page 100 — #100

i i

100 francisco juárez, karina lópez

Este último se realiza mediante paquetes de análisis estadı́stico de datos como

el programa IBM© SPSS© Statistics versión 21 (2012). Dicho programa nos per-
mite desde obtener una descripción general de nuestros sujetos, hasta un análisis
complicado que nos permita predecir cómo se comportará el fenómeno a futuro.
En la actualidad, el análisis de datos se lleva a cabo por computadora. Ya prácti-
camente nadie lo hace de forma manual, especialmente si hay un volumen de datos
considerable. Es por ello que casi todas las instituciones de educación superior,
centros de investigación y empresas, disponen de sistemas de cómputo para archi-
var y analizar datos.

CODIFICACIÓN DE DATOS

Una vez que se han aplicado los cuestionarios de una investigación, es necesario
preparar los datos obtenidos para poder analizarlos estadı́sticamente, especialmen-
te si se van a procesar con un paquete estadı́stico. Para ello hay que realizar dos
actividades:
‚ Codificar las respuestas
‚ Realizar una guı́a de codificación

Codificar las respuestas

Es asignar números preestablecidos a cada una de las respuestas dadas al cuestio-
nario aplicado. Esto es, asignar valores a cada una de las opciones de una variable.
La razón de codificar es hacer que los datos de investigación sean más fáciles
de manejar y poder tener un mayor control de ellos. Aunque se pueden captu-
rar categorı́as alfabéticas, cuando se utilizan letras para la computadora las letras
minúsculas y mayúsculas son caracteres diferentes, lo que permite una combina-
ción muy grande de ellos en una misma palabra, por ejemplo: en una variable cuyas
opciones de respuesta son no o sı́, la palabra Sı́ es diferente de la palabra sı́ y de la
palabra SÍ y de la palabra sÍ, como puede apreciarse, aún con dos letras, la com-
binación posible es de cuatro opciones distintas posibles que se pueden capturar,
con cuatro códigos completamente distintos, de una sola de las opciones, más otras
cuatro de la respuesta No. Aún más se complica al considerar la palabra sı́ pero sin
el acento. Si en lugar de eso definimos para la opción Sı́ el código 1 y para el No
el código 2, esta situación se vuelve más controlable.

i i

i i
 i i

“”Apuntes para la Investigacion en Salud”” — 2014/12/8 — 15:24 — page 101 — #101

i i

conceptos básicos de estadı́stica 101

Procedimiento para codificar

Primeramente es necesario identificar las variables y las respuestas que puede ad-
quirir cada una de ellas. En el siguiente ejemplo se tienen: una variable nominal
(sexo), una ordinal (escolaridad) y una escalar (edad).

Variables Sexo Escolaridad Edad

Primaria 6
Respuestas Hombre Secundaria 8
Mujer Preparatoria 12
Licenciatura 17

Posteriormente se asignan valores determinados por el investigador a las op-

ciones de cada variable categórica; cabe aclarar que las variables numéricas man-
tienen su valor pues su significado no necesita mayor interpretación. Es ası́ que
las variables categóricas como sexo y escolaridad se les asigna un valor, para las
variables nominales no importa cuál le corresponda a cada opción pues únicamen-
te permitirán identificar y diferenciar (en este caso hombre con 1 y mujer con 2,
aunque esto puede invertirse) y para la variable ordinal los códigos deben reflejar
el orden que representan las categorı́as (la menor escolaridad es primaria por lo
que le corresponde el valor más pequeño, seguida de secundaria y preparatoria, la
mayor es licenciatura por lo que debe asignársele el valor más alto).

Variables Sexo Escolaridad Edad

Primaria 6
Respuestas Hombre Secundaria 8
Mujer Preparatoria 12
Licenciatura 17
1. Primaria 6
Respuestas 1. Hombre 2. Secundaria 8
2. Mujer 3. Preparatoria 12
4. Licenciatura 17

La asignación de códigos a las variables se realiza de manera arbitraria, esto es,

cada investigador asigna los códigos que él mismo establece. Sin embargo, cuando
dicha investigación va a ser retomada en un tiempo lejano o por otras personas, es
difı́cil adivinar los códigos asignados, es por ello que se debe realizar una guı́a de
codificación que permita evitar errores al respecto.

i i

i i
 i i

“”Apuntes para la Investigacion en Salud”” — 2014/12/8 — 15:24 — page 102 — #102

i i

102 francisco juárez, karina lópez

Guı́a de codificación
La guı́a de codificación es como un ı́ndice en donde se especifican todas y cada una
de las variables del estudio, sus caracterı́sticas y los valores que se les asignaron al
codificarlas.
Es una herramienta muy importante por las siguientes razones:
‚ Contiene toda la información que se requiere a lo largo del proceso.
‚ Homogeneiza la elaboración de bases de datos y documentos derivados del
análisis.
‚ Permite que otra persona identifique las caracterı́sticas de los datos utiliza-
dos, por lo que sirven de consulta para investigaciones posteriores.
Los elementos que conforman una guı́a de codificación son:
‚ Nombre de la variable.
˛ Se requiere un nombre resumido con el cual se identificará la variable
en el análisis. Debe ser:
‚ Una clave de máximo 8 caracteres.
‚ Comenzar con una letra.
‚ No debe incluir espacios, acentos, ni caracteres especiales como:
¿?# $ % (/) z+-*.
‚ Tipo de variable.
˛ Se refiere al tipo de datos que contendrá la variable. Existen muchos,
pero los más usuales son:
‚ Alfabética. Cuando las respuestas del cuestionario están dadas en
letras y no en números. Limita la realización de análisis estadı́sti-
cos, por lo que se recomienda primeramente codificar la variable
y pasarla a numérica, ya que ası́ se tendrán más posibilidades para
el análisis.
‚ Numérica. Permite la captura de números solamente. Es el más re-
comendado ya que permite realizar más análisis estadı́sticos que
los otros tipos. Además, al hacer la codificación siempre se asig-
nan números a las categorı́as, por lo que es el tipo más usado.
‚ Número de campos y decimales.
˛ Se trata del número de dı́gitos que componen la respuesta de la varia-
ble. Se cuenta el número de espacios necesarios para capturar todas las
opciones de una variable. En el conteo deben incluirse el punto y los
decimales.

i i

i i
 i i

“”Apuntes para la Investigacion en Salud”” — 2014/12/8 — 15:24 — page 103 — #103

i i

conceptos básicos de estadı́stica 103

Ejemplo:
Sexo: Se codificó como (1) Hombre y (2) Mujer. Para capturar estas op-
ciones se requiere de una columna o espacio. Esto puede simbolizarse
como 1.0, ya que se utilizará una columna sin decimales.
Escolaridad: Se codificó como (1) primaria, (2) secundaria, (3) preparato-
ria y (4) licenciatura. Para capturar estas opciones se requiere de una
columna o espacio. Al igual que la anterior se simboliza como 1.0.
Edad: Para esta variable se captura la respuesta directa de los sujetos que
en este caso va de 6 a 17 años. Para poder capturar esta variable se
requieren dos columnas. En este caso se describe como 2.0, es decir,
una variable de dos espacios sin decimales.
Estatura en metros: Para variables con decimales, debe contabilizarse la
posición del punto decimal, por lo que si por ejemplo, se tienen esta-
turas de 1.54 a 1.72 metros, se ocuparán cuatro columnas de las cuales
dos de ellas están después del punto decimal. Para referirnos al for-
mato de esta variable se puede escribir como 4.2, indicando que utili-
zará cuatro columnas, de las cuales las últimas dos son ocupadas por
decimales.
‚ Etiqueta de la variable.
˛ Permite escribir el nombre completo de la variable o la pregunta que
se indaga. Se pueden utilizar hasta 80 caracteres, con sus respectivos
espacios, acentos y otros caracteres como paréntesis, comillas, diago-
nales o apóstrofes.
‚ Valores.
˛ Es donde se indica a qué se refiere cada uno de los valores codificados.
Sólo se utiliza para variables categóricas cuyos valores se codificaron.
Se debe especificar:
‚ Código de la variable
‚ Etiquetas de los valores

Variable Códigos Etiqueta del valor

1 Primaria
2 Secundaria
Escolaridad
3 Preparatoria
4 Licenciatura

i i

i i
 i i

“”Apuntes para la Investigacion en Salud”” — 2014/12/8 — 15:24 — page 104 — #104

i i

104 francisco juárez, karina lópez

‚ Valores perdidos u omitidos.

˛ Se asigna un valor determinado a las situaciones donde no se obtiene
respuesta o ésta no entra dentro del rango de respuesta establecido por
el investigador.
˛ Generalmente se utiliza el “9” o cadenas de nueves para asignar este
valor.
˛ Está estrechamente relacionada con el número de espacios que se le
asignó a cada variable.
Ejemplo: en una variable en la que se refiere el sexo y que ocupa solo un
espacio su valor perdido es “9”
Variable Número de Campos Valor perdido
Escolaridad 1 9
Pasatiempo 2 99
Sueldo mensual 5 99999

‚ Nivel de medición.
˛ Indica el nivel de medida de la variable, lo que ayuda a elegir los es-
tadı́sticos a utilizar.
˛ Pueden ser de tres tipos: nominal, ordinal y escalar, en este último se
agrupan las variables numéricas (de razón e intervalar).
La guı́a de codificación se debe realizar utilizando una tabla como la siguiente,
donde cada renglón indica una variable. Esto es, tendremos tantos renglones como
variables en el estudio.
GUÍA DE CODIFICACIÓN
Nombre Tipo Campos Etiqueta de Valores Valores Nivel de
de variable la variable perdidos medición

Estos datos servirán para preparar la captura de los datos en una hoja de cálculo
como Excel o directamente en el paquete de análisis de datos estadı́stico como
SPSS.
Una vez terminada esta revisión de conceptos generales los siguientes capı́tu-
los están dedicados al análisis de datos mediante la estadı́stica descriptiva y la
estadı́stica inferencial.

i i

i i
 i i

“”Apuntes para la Investigacion en Salud”” — 2014/12/8 — 15:24 — page 105 — #105

i i

conceptos básicos de estadı́stica 105

RAMAS DE LA ESTADÍSTICA

La estadı́stica puede considerarse según sus dos planteamientos como descriptiva

e inferencial.

Estadística

Descriptiva   Inferencial  

Univariada Multivariada
(involucra dos variables) (más de una VI y una VD)

Métodos de comparación: análisis

Tablas de frecuencias y porcentajes
Gráficas
Medidas de tendencia central
Medidas de dispersión
Problemas de asociación o de varianza (ANOVA, MANOVA)
correlación: eventos que se
Métodos de agrupamiento (análisis
relacionan, no hay VI y VD
de conglomerados, análisis factorial)
Problemas de comparación:
hay una variable VI y una VD Modelos de predicción: Regresión,
discriminante, regresión logística

La estadı́stica descriptiva permite organizar y resumir un conjunto de datos

de manera que hace posible dar a conocer las caracterı́sticas de un grupo de ma-
nera simplificada. La estadı́stica inferencial se utiliza para probar hipótesis y se
divide en dos principales ramas: univariada y multivariada. Están definidas por el
número de variables involucradas, en la estadı́stica inferencial univariada se tra-
baja con problemas que relacionan dos diferentes variables, por lo que también es
llamada bivariada. En el caso de la estadı́stica multivariada existen dos clasifica-
ciones: según la definición clásica se deben tener dos o más variables dependientes
y no importa el número de variables independientes; de acuerdo con la definición
práctica son problemas en donde existen dos o más variables independientes y una
dependiente. La definición clásica se refiere principalmente a problemas donde se
aplica el análisis de varianza (ANOVA).
La estadı́stica inferencial se puede clasificar también como: paramétrica y no
paramérica:

Estadı́stica paramétrica
Está basada en dos supuestos: estimadores que son medidas referentes a la muestra
como la media p x̄q o la varianza s2 y parámetros que son los equivalentes poblacio-
nales de los estimadores, como la media poblacional pµq y la varianza poblacional
pσ2 q.

i i

i i
 i i

“”Apuntes para la Investigacion en Salud”” — 2014/12/8 — 15:24 — page 106 — #106

i i

106 francisco juárez, karina lópez

$
& No paramétrica
Estadı́stica inferencial
%
Paramétrica
La estadı́stica paramétrica, de acuerdo con la tradición experimental, necesita
cumplir con cuatro requisitos para poderse aplicar:
1. La variable dependiente debe distribuirse normalmente –campana de Gauss.
2. Homocedasticidad u homogeneidad de varianzas o varianzas iguales: que
cuando se comparan grupos estos tengan la misma dispersión de la variable
dependiente con respecto a la media.
3. Selección aleatoria de la muestra y asignación al azar a las condiciones ex-
perimentales.
4. Que la variable dependiente esté medida a nivel intervalar o de razón.
Estos requisitos deben ser cubiertos para poder generalizar con base en los
estimadores y hacer conclusiones de una muestra a la población.

Estadı́stica no paramétrica
1. Está libre de curva, no necesita distribuirse como la curva normal.
2. Se basa en frecuencias, porcentajes, modas y rangos.
3. Su nivel de medición es ordinal o nominal.
Si por alguna razón no se cumplieran todos los requisitos para poder utilizar una
estadı́stica paramétrica, es necesario usar pruebas no paramétricas, principalmente
las de nivel ordinal, sin embargo, de acuerdo con Pagano (2008) si se mantie-
ne el supuesto de normalidad –que es el más importante sobre todo con mues-
tras pequeñas– es posible utilizar una prueba paramétrica, permitiendo también el
aprovechar las bondades de este tipo de pruebas y principalmente utilizar opcio-
nes de análisis multivariados que definitivamente no existen entre las pruebas no
paramétricas.
En los siguientes capı́tulos se revisarán especı́ficamente los análisis descripti-
vos, ası́ como las pruebas estadı́sticas inferenciales univariadas.

i i

i i
 i i

“”Apuntes para la Investigacion en Salud”” — 2014/12/8 — 15:24 — page 107 — #107

i i

conceptos básicos de estadı́stica 107

REFERENCIAS

[1] Brown, F. G. (2000). Principios de la medición en psicologı́a y educación.

México: El Manual Moderno.

[2] Downie, M. & Heath, R. (1973). Métodos estadı́sticos aplicados. México:

Harper & Row Latinoamericana.

[3] Haber, A. & Runyon, R. P. (1973). Estadı́stica general. Bogotá: Fondo Edu-
cativo Interamericano.

[4] Kerlinger, F. N. & Lee, H. B. (2002). Investigación del comportamiento.

Métodos de investigación en ciencias sociales (4a. ed.). México: McGraw
Hill.

[5] McGuigan, F. J. (1990). Psicologı́a experimental: enfoque metodológico.

México: Trillas.

[6] Nunnally, J. C. & Bernstein, I. J. (1995). Teorı́a Psicométrica. (3a. ed.).

México: McGraw Hill.

[7] Ritchey, F. J. (2008). Estadı́stica para las ciencias sociales. (2a. ed. en es-
pañol). México: Mc Graw Hill.

[8] Siegel, S. & Castellan, N. J. (1995). Estadı́stica no paramétrica. (4a. ed.).

México: Editorial Trillas.

i i

i i