Documentos de Académico
Documentos de Profesional
Documentos de Cultura
( 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
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%
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
i i
i i
i i
apuntes
para la investigación
en salud
i i
i i
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
R850.AP655 2014
ISBN 978-607-02-5959-3
i i
i i
i i
Índice
Introducción
Francisco Juárez Garcı́a 15
Prefacio
Marı́a Elena Medina-Mora 17
Agradecimientos
Francisco Juárez Garcı́a 21
i i
i i
i i
8 ı́ndice
i i
i i
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
10 ı́ndice
i i
i i
i i
ı́ndice 11
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
12 ı́ndice
i i
i i
i i
ı́ndice 13
i i
i i
i i
14 ı́ndice
i i
i i
i i
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
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
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
Casado
Divorciado
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
Edad numérica 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
Edad categórica Adolescentes Jóvenes Adultos jóvenes
NIVELES DE MEDICIÓN
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
Ordinal
Las propiedades de la medición ordinal son:
1. Las observaciones pueden colocarse en un orden jerárquico.
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.
i i
i i
i i
+ =
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
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
i i
i i
i i
Tabla 2.1
i i
i i
i i
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
i i
i i
i i
i i
i i
i i
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
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
i i
i i
i i
‚ 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
RAMAS DE LA ESTADÍSTICA
Estadística
Descriptiva Inferencial
Univariada Multivariada
(involucra dos variables) (más de una VI y una VD)
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
$
& 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
REFERENCIAS
[3] Haber, A. & Runyon, R. P. (1973). Estadı́stica general. Bogotá: Fondo Edu-
cativo Interamericano.
[7] Ritchey, F. J. (2008). Estadı́stica para las ciencias sociales. (2a. ed. en es-
pañol). México: Mc Graw Hill.
i i
i i