ANÁLISIS DE características del fenómeno o muestra que se va

a estudiar. Cuando finalmente se recoge toda la

información de los sujetos de estudio, vamos a

DATOS presentar dichos datos (recolectados por los

instrumentos).

ÍNDICE DE CONTENIDOS
1º Procedimiento para el análisis de datos
2º Técnicas de análisis de datos
3º Estadística descriptiva
4º Estadística inferencial
5º Fuentes de información Presentación: Mostrar los hechos encontrados a
través de los instrumentos de recolección de
datos.

Análisis: Descomponer, separar; a partir de un

todo y dividirlo en sus componentes.

Una vez recogida toda la información de sujeto de

estudio, vamos a presentarlo y mostrar toda la
información de los hechos que hemos
encontrados por medio de los instrumentos.

Tenemos los datos y procedemos a presentarlos

en una base de datos, para eso vamos a utilizar el
programa estadístico que va a ser actualizado
casualmente para poder efectuar el análisis de
estos datos que puede ser :
En la sesión anterior se desarrolló la técnica de • el programa de SPSS
recolección de datos, cuáles eran los instrumentos
• Microsoft Excel.
que sirven para recoger los datos, la construcción
de dicho instrumento, que tipos se podía utilizar de
Luego , como siguiente paso procedemos a hacer
acuerdo con el tipo de variable, el tipo de estudio
uno de los pasos más importantes, el cual es el
y como este instrumento tenía que hallar la validad
ANÁLISIS, para así poder dar respuesta a la
y viabilidad .
pregunta inicial, responder los objetivos, aceptar o
rechazar la hipótesis, aquellos estudios que se
Luego de recoger los datos, teníamos que vaciar
han sugerido.
a una base de datos , pasa por un control de
calidad .
En el análisis vamos a descomponer, separar;
La calidad se obtiene escogiendo al azar se elijen
partir de un todo y dividirlo en sus
varias filas de la hoja de datos y se procede a
componentes , esto quiere decir que nosotros al
revisar toda la información.
tener una gran base de datos, vamos a ir utilizando
parte de ella (de toda la plantilla)
Esta semana entraremos al punto 4.4 el cual es :
Por ejemplo:
Técnicas estadísticas para el • El chi cuadrado
procesamiento de la información • Media
Ocurre luego de la recolección de datos y haber
• Mediana
hecho una revisión crítica (control de calidad)
• Moda
de los datos
Se realizará el método de análisis estadístico • Hallar el valor de Z
hallar resultados mediante gráficas y tablas (la • Correlación de Pearson
cual servirá para la discusión en el trabajo de • La prueba T students
campo). • Correlacionar variables, etc.
Los pasos desde 4.1 a 4.5 se realizan en tiempo
verbal a futuro. Veremos si es estadística
descriptiva o diferencial. Todo debe estar de
acuerdo con el diseño de estudio, con ciertas
ANÁLISIS E INTERPRETACIÓN
DE RESULTADOS
Necesitamos un plan de ANÁLISIS.
Análisis: Descomponer, separar; partir de un todo
y dividirlo en sus componentes.

PASOS PREVIOS AL ANALISIS

1. Clasificación de los datos
2. Tabulación de los datos(MATRIZ DE DATOS).
Requiere de un plan de tabulación y un par de
pasos para detallar las variables que se tienen que
identificar y que van a ser parte de nuestro estudio
(según definición de variables, instrumentos
usados para poder recolectarlos, determinar si
estas variables necesitan ser analizadas; y para ANÁLISIS DE LOS DATOS
tener dichos resultados propuestos en los
objetivos o hipótesis tenemos que CRUZAR • Existen 3 factores:
variables). Utilizando diversos cuadros.
o Nivel de medición de la variable
PROCEDIMIENTO DEL ANALISIS DE DATOS (depende de tipo de variable que se
tenga o que se estudie, por ejemplo,
1. Decidir respecto a los análisis a realizar cuantitativa, como intervalo o razón
(pruebas estadísticas , existen paramétricas o no (Podemos hallar proporción); o
paramétricas) cualitativa, como ordinal o nominal
2. Seleccionar el programa de análisis (Mediana, cuartiles, etc.))
3. Ejecutar el programa (Ejemplo: SPSS) o Como se formularon las hipótesis u
4. Derivar el análisis e interpretación objetivos
o Interés del investigador (muy importante)
PROCEDIMIENTO PARA ANALIZAR DATOS
• El análisis final es sobre las variables del
1. Seleccionar el programa estadístico estudio. La estadística no es un fin en sí misma
2. Ejecutar el programa sino una herramienta para evaluar datos.
3. Analizar y visualizar los datos por variable
(tenemos el primer análisis) USO DEL PROGRAMA EXCEL
4. Realizar análisis adicionales (previamente
con las variables respectivas)
5. Analizar hipótesis (si se rechaza o se acepta
la hipótesis nula o alterna; sin necesidad de
llegar a una discusión, esto va en la parte final)
6. Evaluar confiabilidad (demostrar si las
variables presentan relación, si en este caso no las
presente, significa que tendremos resultado
falsos, esto se puede deber a un mal control de
calidad).
7. Presentación de tablas, graficas, etc.

MATRIZ DE DATOS
EJEMPLO

1. Tener preparado la matriz de datos. Observamos la presentación de resultados,

2. Colocar en la primera hilera, el número de
pacientes
3. En las siguientes columnas irán las variables,
resultados, mediciones con sus respectivos
sujetos de estudio.
después del análisis mediante graficas (figuras).
Podemos observar un gráfico de barras en
presentación tridimensional, además presentamos
las variables en escalas donde vemos casos
(eje horizontal) y edades (eje vertical).
DISTRIBUCIÓN DE
FRECUENCIAS
Es el conjunto de puntuaciones ordenadas en sus
respectivas categorías.
Podemos hallar frecuencias absolutas,
acumuladas, relativas y relativas-acumuladas. En
el caso de las relativas podemos trabajar con
porcentajes.
Se pueden presentar en porcentajes de la
siguiente manera:
• Histogramas
• Gráficas circulares
• Graficar como polígonos de frecuencias
ANÁLISIS DE DATOS
CUANTITATIVOS
El análisis de datos depende del tipo de
investigación, puede ser cuantitativo, cualitativo o
mixto.
El análisis cualitativo está compuesto por
palabras (describir de forma detallada las
cualidades que observamos; o redactar de
entrevistas o conductas observadas), pero para
este caso utilizaremos el cuantitativo (números);
esta se refiere a una información médica, sobre las
variables de estudio. Utilizando matriz y pasarla a
la base de datos (nota, peso, talla, número de
hijos, etc.).
Es importante mostrar la frecuencia de las
respuestas y utilizar una medida estadística
(promedio, desviación estándar u otra).
TÉCNICAS ESTADÍSTICAS
La estadística es la herramienta que se utiliza para
poder realizar los análisis de datos.
CLASIFICACIÓN
ESTADÍSTICAS DESCRIPTIVAS: Describe,
analiza y representa un grupo de datos utilizando
métodos numéricos y gráficos que resumen y
presentan la información contenida en ellos. Se
puede utilizar medidas de tendencia central,
medidas de variabilidad, etc.
ESTADÍSTICA INFERENCIAL: A partir del cálculo
de probabilidades y datos muestrales, efectúa
estimaciones, decisiones, predicciones u otras
generalizaciones sobre un conjunto mayor de
datos. Se puede inferir a toda la población. Como
método de análisis puede ser correlación de
Pearson, varianza, entre otros.
ESTADISTICA
DESCRIPTIVA
Se encarga de recoger, almacenar, ordenas,
realizar tablas o gráficos y calcular parámetros
básicos sobre el conjunto de datos.
Es junto a la inferencia estadística una de las dos
grandes ramas de la estadística.
Su propio nombre lo indica, trata de describir
algo.
Representar la información mediante gráficos.
Pero no describirlo de cualquier forma, sino de
manera cuantitativa.
Responde a preguntas como, por ejemplo: ¿Cuál
es la altura promedio en centímetros de una
población?; ¿Cuál es el promedio de personas que
presentan en estos momentos una temperatura
promedio en X población?
Hay varias formas de organizar los datos:
• Métodos gráficos: permiten detectar tanto
las características sobresalientes que
representan el patrón de comportamiento
de los datos como las características
 inesperadas. Podría ser mediante barras población, en el cual se recolectarán los
(demostrando el de mayor tamaño). datos. Usamos una muestra para conocer o
• Medidas resumen: resumirlos en uno o estimar características de la población. De
dos números que pretenden caracterizar el esta muestra vamos a recolectar los datos,
conjunto con la menor distorsión o perdida trabajarla y demostrar los resultados.
de información posible. Sirven para sacar • PARÁMETRO: una medida resumen
las medidas de tendencia central, hallar de calculada sobre la población. Podría ser una
acuerdo a la base de datos o un programa media en muestra y si es en población (media
estadístico. Medias como el promedio, poblacional).
media o mediana. • ESTADÍSTICO: una medida resumen
calculada sobre la muestra. Usamos la media
muestral o varianza muestral.
GRÁFICO CIRCULAR
Cuando existen datos para toda la población
(CENSO) no hay necesidad de usar métodos
estadísticos, ya que es posible calcular
exactamente los parámetros de interés. Sacamos
datos de toda la población. Población censal será
trabajada como muestra, no hay necesidad de
sacar una muestra para hallar el análisis
estadístico, ya que es demasiado pequeña.

Ejemplo: en el censo poblacional, se registra el

sexo de todas las personas censadas, que son
prácticamente toda la población, así que es
posible conocer exactamente la proporción de
habitantes de los dos sexos.
También llamado el grafico de torta o de pie. Es
más usada para representar porcentajes, variable MÉTODOS GRÁFICO Y
cualitativa.
NUMÉRICOS
GRÁFICO EN BARRAS

Podemos ver que métodos usar:

Distribución de frecuencia: Tabulación de datos

Técnicas numéricas:
• Medidas de tendencia central
Representa frecuencias. La parte vertical • Medidas de dispersión
representa frecuencias y la horizontal representa • Medidas de forma
las variables (valores que toman estas variables). • Medidas de posición Técnicas graficas:
• Diagrama de barras
• POBLACIÓN: total de sujetos o unidades de • Diagrama de pastel
análisis de interés en el estudio. Parte de • Diagrama de caja
esta población constituye la muestra. • Diagrama de tallo y hojas
Podemos estudiar varias poblaciones. (Ej.: • Histograma
Todos los niños sanos con edad entre 0 y 5
años.) Nota: Este diagrama es sólo una referencia, no
• MUESTRA: cualquier subconjunto de los incluye todas las técnicas y la clasificación puede
sujetos o unidades de análisis de la variar de acuerdo a la fuente consultada.

MEDIDAS DE
TENDENCIA CENTRAL
Son medidas estadísticas, que pretende resumir
en números a un conjunto de valores. Están
ubicadas en torno al centro de todo el conjunto
datos. Puede ser hasta más de uno, por ejemplo,
en el caso de la moda (bimodales, trimodales).
Son Valores medios o centrales de una
distribución que sirven para ubicarla dentro de la
escala de medición, estas son: moda, mediana y
media.
El nivel de medición de la variable determina cual
es la medida de tendencia central apropiada.
MODA
Análisis estadístico y presenta la mayor frecuencia
e datos en el conjunto. Es la categoría o
puntuación que se presenta con mayor
frecuencia.
Ejemplo: Si nos pregunta nuestra edad, la que
mas se repite viene a ser la moda.
MEDIANA
Es el valor que divide la distribución por la mitad.
Si fuera en par, escoger a los dos números del
medio.
En datos agrupados con tabla e intervalo, requiere
de cierta fórmula. Y se nos facilita con el programa
estadístico en este caso el SPSS.
MEDIA
Es el promedio aritmético de una distribución y
es la medida de tendencia central más utilizada.
Es la suma de todos los valores dividida entre el
número de casos, se utiliza en mediciones por
intervalos o de razón, carece de sentido para
variables medidas en nominal u ordinal.
MEDIDAS DE LA
VARIABILIDAD
Son intervalos que indican la dispersión de los
datos en la escala de medición, las medidas de
variabilidad más utilizadas son rango, desviación
estándar y varianza
• Rango= extensión total de los datos
• Desviación estándar= promedio de
desviación de las puntuaciones con
•
respecto a la media
Varianza = Desviación estándar elevada al
cuadrado y se utiliza en análisis
inferenciales
•
VARIANZA MUESTRAL
Es una medida de la variabilidad de los datos
alrededor de la media muestral.
Asimetría= es la estadística que se usa para
conocer cuánto se parece una distribución a la
distribución teórica llamada curva normal
(campana de Gauss) y que constituye un indicador
del lado de la curva en el que las frecuencias se
agrupan más.
• Asimetría negativa (izquierda)
• Asimetría positiva (derecha)
Curtosis= indicador de lo plano o picuda que es
una curva.
RAZONES Y TASAS
Una razón es la relación entre dos categorías,
por ejemplo:
TASA
Es la relación entre el número de casos de una
categoría y el número total de observaciones
multiplicada por un múltiplo de 10, 100 o 1,000.
Tasa= Número de eventos durante un periodo/
número total de eventos posibles x 100 o 1000
MÉTODOS GRÁFICOS
REPRESENTACIÓN DE DATOS
NUMÉRICOS

HISTOGRAMAS
El histograma es el más conocido de los gráficos
para resumir un conjunto de datos Numéricos.
Una alternativa es del gráfico de tallo-hojas. Una
virtud de este gráfico es que retiene los valores de
las observaciones, sin embargo, esta
característica puede ser una desventaja para gran
cantidad de datos.
Construir manualmente un histograma es más
laborioso que construir un gráfico de tallo-hojas,
pero la mayoría de los paquetes estadísticos
producen histogramas.
Para construir un histograma es necesario
previamente construir una tabla de frecuencias
(Frecuencia absoluta, frecuencia relativa,
frecuencia relativa acumulada, marca de clase,
intervalo, entre otros).
Tenemos un conjunto de datos, abajo una tabla de
distribución de frecuencia (frecuencia absoluta
simple y la frecuencia relativa, esta última se
puede llevar a porcentajes).
Tenemos el histograma, son barras consecutivas,
no hay espacio entre barra y barra.
¿QUÉ PODEMOS VER EN UN
HISTOGRAMA?
• Rango de variación de los datos
(Mínimo –Máximo)
• Intervalos más frecuentes
• Simetría o Asimetría
REPRESENTACIÓN DE
DATOS NÚMERICOS
Podemos observar un diagrama de cajas
(BOXPLOT), se encuentra echada u horizontal. La
mediana (es igual al cuartil 2), el cuartil inferior y
cuartil superior. Los bigotes y outlier (datos
atípicos). En el medio donde está la caja se
distribuye la mayor cantidad de datos.
¿QUÉ VEMOS EN UN BOX-PLOT?
• Posición
• Dispersión
• Asimetría
• Longitud de las colas
• Puntos anómalos o outliers.
Los box-plots son útiles para comparar varios
conjuntos de datos, pues nos dan una rápida
impresión visual de sus características.
EJEMPLO: Con el fin de estudiar las diferencias
entre 4 laboratorios se miden 25 muestras con una
concentración de analito de 50 mg Kg-1
Se analizan los datos correspondientes a 25
mediciones realizadas en 4 laboratorios. Veamos
que da este análisis
 • Prueba de ux = uy
• Prueba de σx 2= σy

No paramétricas
• Prueba de X2 (tabla de contingencia) o Chi
cuadrado
• Prueba de signo o binomial
• Prueba de Wilcoxon
• Prueba de Kolmogorov Smirnov
• Prueba de rachar
• Prueba de Mann-Whitney

ESTADÍSTICA INFERENCIAL
También llamada estadística deductiva.
Se utiliza cuando se necesita generalizar una
muestra a la población.
Se usan varias pruebas estadísticas, que
tienen significancia estadística. Tenemos a las
pruebas de Chi cuadrado, prueba T, varianza,
coeficiente de correlación, odd ratio, riesgo
relativo.
INFERENCIA ESTADÍSTICA
Estadística Paramétrica
Se basa en el conocimiento que los datos
presentan una distribución estadística conocida y
cada distribución tiene parámetros que deben ser
estimados a través de las muestras colectadas.
Estadística No Paramétrica
Se basa en que el conjunto de datos puede no
ajustarse a alguna distribución conocida. Se usa
para muestras pequeñas (entre 10 y 30 datos,
como sugerencia) y en caso donde se encuentren
valores extremos o outliers.

Los conjuntos de datos suelen ordenarse

(ranquear).

COMPARACIÓN DE PRUEBAS
PARAMÉTRICAS Y NO
PARAMÉTRICAS
EN BASE A LA MUESTRA

Aplicación Prueba Prueba no Eficiencia de

paramétrica paramétrica la prueba no
paramétrica
ESTIMACIÓN en relación a
param.

Puntual
• Estimación de u (media)
• Estimación de σ2 (varianza) Dos
muestras
Prueba t o
prueba z
Prueba del
signo
0.63

• Estimación de p (proporción) dependiente Prueba de 0.95

rangos con
s (datos signos de
pareados
Por intervalo de confianza Wilcoxon

• Estimación de u (media)
• Estimación de σ2 Dos Prueba t o Prueba de 0.95
• Estimación de p muestras prueba z suma de
independien rangos de
tes Mann
PRUEBAS DE HIPÓTESIS Whitney

Varias Análisis de Prueba de 0.95

Paramétricas muestras varianza Kruskal
• Prueba de u= uo (media poblacional igual independien Wallis
a la media muestral) tes

• Prueba de σ2= σo 2 (varianza poblacional

Correlación Correlación Prueba de 0.91
igual a la varianza muestral) lineal correlación
• Prueba de p = p0 (proporción poblacional de rangos
igual a la proporción muestral)
NIVEL DE MEDICIÓN DE
LAS VARIABLES

PRUEBAS ESTADÍSTICAS
PARA ASOCIACIÓN DE
VARIABLES