Tema 1 Metodología de la Investigación

1.1 La ciencia y la actividad científica.

Es un sistema de conocimientos, que abarca leyes, teorías y también hipótesis, y que se

encuentra en un proceso continuo de desarrollo lo que significa que el hombre perfecciona
continuamente su conocimiento sobre toda la realidad circundante actual y pasada y, en cierta
forma, logra predecir la futura.

Podemos resumir que la ciencia.

– Es un sistema de conocimientos acerca de la naturaleza, la sociedad y el pensamiento, el cual

abarca leyes, teorías e hipótesis.

– Existe un condicionamiento histórico en su desarrollo, lo que evidencia el carácter continuo

de ésta en la búsqueda del perfeccionamiento de la ciencia.

– Tiene como base la práctica histórico-social de la humanidad, lo que revela el origen social de
todo el conocimiento en la ciencia.

– Tiene un doble carácter: espiritual, ya que es una forma de la conciencia social, y a la vez
material, pues deviene fuerza productiva directa.

El conocimiento científico se diferencia del ordinario en varios sentidos pues este último varía
de unos hombres a otros, de acuerdo a su nivel profesional, su modo de vida, y sus
condiciones sociales; mientras que el conocimiento científico es único, tangible y demostrable.

El conocimiento científico es:

• Trascendente y explicativo (porque parte de los hechos pero va más allá de los mismos al
pretender demostrar sus causas y sus consecuencias).

• Verificable (porque puede ser sometido a prueba).

-El método científico.

Se ha definido como una "regularidad interna del pensamiento humano, empleada de forma
consciente y planificada, como instrumento para explicar y transformar el mundo".

Esta definición deja traslucir que el "método científico" no es más que una forma de la
conciencia humana, una manera de actuar y de pensar. Se justifica así un hecho conocido: no
es posible determinar reglas, instrucciones o esquemas para "producir" conocimientos
científicos.

El concepto de método científico tiene además diversas expresiones concretas y específicas.

Algunos autores afirman que existen tres grupos o niveles de expresión del método científico:

• Método universal;

• Métodos generales útiles para la obtención de conocimientos científicos;

• Métodos particulares que se utilizan especialmente en la investigación de las distintas ramas

de la ciencia.

El método universal se concreta en algunos principios básicos que cumplen una función
metodológica en el pensar y actuar de los hombres, en su quehacer científico e investigativo
que son:

- el de la cognoscibilidad del mundo

- el de la práctica como base y criterio de la verdad

- el de la objetividad en la valoración de los fenómenos

- el de la concatenación universal de los fenómenos

- el del desarrollo constante del universo

- el de la unidad de lo sensorial y lo racional en el proceso del conocimiento.

- el de la unidad de lo abstracto y lo concreto

- el de la unidad de lo histórico y lo lógico.

Métodos generales son aquellos que se aplican en todas o casi todas las ramas de la ciencia y
en distintos tipos de investigaciones. Entre ellos se encuentran los métodos de deducción e
inducción y la experimentación.

Los métodos particulares son aquellos desarrollados dentro de una rama específica de la
ciencia y aplicables solo en ésta. A modo de ilustración podemos mencionar el ensayo clínico
como método particular de adquirir conocimientos científicos en el área de la medicina clínica.

El Método Científico tiene tres elementos básicos que constituyen la base del pensamiento
científico:
 1- el escepticismo o la noción de que cualquier enunciado o proposición está abierta a la duda
y al análisis.

2- el determinismo o la noción de que los eventos ocurren de acuerdo a leyes y causas

regulares y no como resultado del capricho de demonios o deidades.

3- el empirismo o la noción de que la investigación debe ser conducida a través de la

observación y verificada con la experiencia.

Algunas reglas generales para aplicar el método científico:

1.- Preferir un problema específico a uno general.

2.- Plantear una hipótesis que tenga una base sólida, fundamentada y susceptible a
contrastación.

3.- Controlar y verificar cuidadosamente todo el proceso de investigación, desarrollándolo con

un elevado Rigor Científico.

4.- Emplear técnicas de contrastación válidas y confiables.

5.- No considerar verdadera una hipótesis por una sola demostración, a lo sumo considerarla
probablemente cierta si no se encuentra oposición a la misma.

6.- Los resultados deben ser interpretados rigurosamente

7.- Sólo aceptar los hechos bien comprobados y explicados a la luz de una teoría bien
fundamentada.

El método científico en dependencia de los procedimientos que utiliza durante su desarrollo se

clasifica en:

1) Teórico

a) Método Histórico

b) Método Lógico

2) Empírico

a) Método de la Observación Científica

b) Método de la Medición

c) Método Experimental

En cada etapa del proceso de investigación prevalece uno de los métodos científicos antes
expuestos sobre los otros, sin que en ningún momento la aplicación preferencial de uno de
ellos implique la negación absoluta de los demás.

-Etapas del método científico.

1.- Observación.

2.- Planteamiento del Problema.

3.- Planteamiento de la Hipótesis.

4.- Contrastación de la Hipótesis.

5.- Análisis de resultados

-El problema científico.

El problema científico forma parte de la relación problema-investigación-solución. Esto

significa que el problema se concibe porque estamos seguros de que mediante una
investigación llegaremos a su solución o que llegarán a la solución otros investigadores.

Problema: Es una pregunta, una duda ante algo que no está claro, o suficientemente estudiado
y que no puede resolverse automáticamente, siendo necesaria una investigación como aquella
actividad humana que hay que realizar científicamente para alcanzar la solución.

En todo problema se distinguen los siguientes aspectos:

1) El problema mismo considerado como un objeto conceptual diferente de sus

manifestaciones.

2) Acto de preguntar

3) La expresión del problema mediante un conjunto de sentencias interrogativas o imperativas

¿Cómo surgen los problemas científicos?

a) Son aquellos problemas acerca de los cuales los hombres toman conciencia.

b) Los conocimientos existentes en tal esfera del saber resultan insuficientes para darles
solución.

c) La solución tiene una relación directa o indirecta con alguna necesidad social de relativa
prioridad.

¿Qué podemos considerar como un problema científico?

Aquellos problemas caracterizados por las siguientes determinantes:

I. Una situación con rasgos bien definidos pero que no pueden ser exhaustivamente
explicados. (Estado Inicial).

II. Técnicas o procedimientos que aplicados sistemáticamente pueden modificar los rasgos del
estado inicial.

III. Nuevo estado con rasgos derivados directamente de los del estado inicial pero que pueden
ser exhaustivamente explicados. (Estado Final).
-Formulación de hipótesis.

Las hipótesis son consideradas como explicaciones tentativas respecto al problema planteado,
presentadas a manera de proposiciones. Pero no toda conjetura o suposición es una hipótesis
científica. Cumple su función sólo si está relacionada con el conocimiento existente; si reúne lo
ya conocido con lo que se busca.

Para que una hipótesis sea considerada como correcta, debe referirse a dos o más variables
potencialmente medibles y especificar al mismo tiempo de qué manera se relacionan dichas
variables (Kerlinger, 1988). Deben referirse a una situación real, los términos tienen que ser
comprensibles, precisos y lo más concretos posible; la relación entre variables propuesta debe
ser clara y verosímil (lógica) y deben estar relacionadas con técnicas disponibles para probarlas
(Hernández, 1993; Rojas, 1981).

Algunas hipótesis involucran una variable y señalan la presencia de cierto hecho o fenómeno,
otras relacionan dos o más variables en forma de asociación o covarianza, hay un tercer grupo
que las relaciona en términos de dependencia o causalidad y permiten predecir con cierto
margen de error.

Tipos de Hipótesis

De Investigación:

Son las que plantea el investigador de acuerdo a su marco teórico respecto a posibles
relaciones entre las variables en estudio. También se les denomina hipótesis de trabajo o
alternas y se simbolizan como Hi o H1, H2, H3, si son varias.

Estas hipótesis pueden ser:

  Descriptivas del valor de una o varias variables que se van a observar en un contexto.
Señalan la presencia de cierto hecho o fenómeno. Ej. Las personas marginadas de
Montemorelos son apolíticas. (Var. Participación política).
 Correlaciónales: el cambio o alteración de una o varias variables va acompañado con
un cambio en otra u otras correspondientes. Puede ser una correlación bivariable o
una correlación múltiple. El orden en que se coloquen las variables no es importante,
no hay una relación de causa por lo que no se habla de variables dependientes e
independientes esto únicamente se puede hacer con las hipótesis causales. Cuando se
procura correlacionar varias variables se deben establecer diversas hipótesis según los
pares de variables que se estudian.
 De Diferencias entre Grupos: están dirigidas a comparar grupos y puede ser simple si
no determina a cuál grupo favorece la diferencia o direccional en el caso contrario.
Pueden ser parte de estudios correlaciónales si se limitan a establecer la diferencia,
pero si además pretenden explicar el porqué de la diferencia, son hipótesis de estudios
explicativos.
 Que Establecen Relaciones de Causalidad: señalan la relación entre dos o más
variables y cómo se dan esas relaciones; la existencia de una correlación no
necesariamente establece una relación de causalidad. No todas las correlaciones
tienen sentido y mucho menos se puede encontrar sentido en una relación de
causalidad si no se ha demostrado la correlación.

Hipótesis Nulas:

Son proposiciones acerca de la relación entre variables planteadas de manera que niegan o
refutan lo que afirman las hipótesis de investigación. De este modo, existen tantas hipótesis
nulas como hipótesis de investigación. Las hipótesis nulas se simbolizan como H0.

Nos dicen que no existen diferencias significativas entre las variables o grupos, es decir: si esta
diferencia es significativa, y si no se debió al azar. Es una hipótesis para la inferencia estadística
y se formula con el propósito de ser rechazada.

Hipótesis Alternativas:

Se formulan cuando existen otras posibles explicaciones del fenómeno, adicionales a las
propuestas en las hipótesis de investigación y nula. Es la que intenta explicar el fenómeno
cuando rechazamos la hipótesis de trabajo (investigación) y cuando por alguna razón no
podemos aceptar la nula. Estas se simbolizan con Ha.

Hipótesis estadísticas:

Son transformaciones de las hipótesis de investigación en símbolos estadísticos y se formulan

cuando los datos del estudio son cuantitativos. Estas pueden ser hipótesis estadísticas de
estimación, de correlación o de diferencia. El símbolo de correlación es "r" para dos variables y
"R" para más de dos variables.

Estructura de las Hipótesis

Las hipótesis contienen tres elementos estructurales que son:

  Las unidades de análisis o de observación. A saber, individuos, instituciones,
conglomerados.
 Las variables. Son los atributos, características, o propiedades cualitativas o
cuantitativas que manifiestan en las unidades de observación.
 El enlace lógico o término de relación. Que describe la relación existente entre las
unidades de análisis con las variables y de éstas entre sí.

-Planificación de la verificación de las hipótesis.

Es el proceso donde sometemos a contratación las hipótesis. Este proceso puede realizarse a
través de experimentos o de investigaciones no experimentales, pero siempre las hipótesis
deberán ser sometidas a pruebas duras.

-Características e importancia.

Las características de las hipótesis son las siguientes:

 Deben referirse a una situación social real; esto es que debe ser racional, y sobre todo
que exista, sino estaríamos hablando de un mundo imaginario y de ensueño.
 Debe ser lógica y acorde con fenómenos conocidos y no estar en conflicto con leyes o
principios ya establecidos: Se refiere al principio de economicidad de la ciencia, el cual
nos dice que hay que retomar lo que ya está aceptado para no tener que empezar
desde cero, y a su vez aportar algo.
 La relación entre variables propuesta por una hipótesis debe ser clara y verosímil
(lógica); Esto es que la hipótesis debe ser clara y creíble (Posteriormente veremos qué
es una variable).
 Los términos (variables) de la hipótesis tienen que ser comprensibles: Esto es que
tenga una adecuación entre la gente a la que será dirigida con el lenguaje utilizado en
la proposición.
 Las hipótesis deben de ser la transformación directa de las preguntas de la
investigación: es decir, que estas nos ayudan a saber qué es lo que buscamos y como
lo buscamos.
 Las hipótesis deben ser medibles: Este punto es uno de los más importantes, pues
como ya se había dejado claro, las hipótesis deben ser comprobadas para poder llegar
a un conocimiento, y la única forma de poder probarlas, es que tengan la capacidad de
ser medibles.
 Las expresiones de hipótesis deben de ser libres de los valores propios del
investigador: Esto habla más que nada de que no debe haber subjetividad ni
manipulación de hipótesis por parte de quien la formula, sino por el contrario, que
deben ser objetivas.

Importancia De La Hipótesis

 Dan rumbo a las investigaciones al sugerir los pasos y procedimientos que deben darse
en la búsqueda del conocimiento.
 Va más allá de los hechos mismos y a la larga busca explicarlos.
 Una vez concluida su contrastación se generaliza y puede pasar a ser una teoría.
  Son guías de una investigación, proporcionan orden y lógica al estudio. Formularlas
nos ayuda a saber lo que estamos tratando de buscar, de probar.

-La observación científica. Importancia.

Es el proceso perceptual mediante el cual se dirige o enfoca la atención sobre alguna cosa o
fenómeno. El investigador conoce el problema y el objeto de investigación, estudiando su
curso natural, sin alteración de las condiciones naturales, es decir que la observación tiene un
aspecto contemplativo.

La observación configura la base de conocimiento de toda ciencia y, a la vez, es el

procedimiento empírico más generalizado de conocimiento. Mario Bunge reconoce en el
proceso de observación cinco elementos:

a. El objeto de la observación

b. El sujeto u observador

c. Las circunstancias o el ambiente que rodean la observación

d. Los medios de observación

e. El cuerpo de conocimientos de que forma parte la observación

¿Cómo se realiza la Observación Científica?

 Determinar qué se debe observar: determinar con claridad y concreción cuál es el

objeto de la observación
 Determinar cuándo se debe observar: Establecer de antemano las diversas ocasiones y
momentos en que se realizará la observación. Es decir, tiene que ser hecha en diversos
"tiempos muestra", en una forma ordenada y regularmente.
 Determinar quién o quiénes harán la observación: Las personas que realizan la
observación deben ser personas experimentadas, ya sea el orientado o el profesor,
deben estar capacitados en la técnica de la observación.
 Determinar cómo se realizará la observación: Si la observación se realiza sólo a la
persona o conversando con ella, u oyendo y analizando sus intervenciones, o
 analizando sus escritos, o viendo su manera de vestir, etc., se escogerá la manera más
adecuada según el fin que se pretenda.

Características de una buena observación:

 Objetiva: Es fruto del examen imparcial de lo que se ve. No procede de inferencias o

subjetividades.
 Repetitivas: Proviene de una observación constante y ordenada de momentos
previamente determinados.
 Múltiple: Es fruto de varias observadores preparados.
 Planificada: Sigue un plan previamente determinado.

Importancia de la observación científica

La observación configura la base de conocimiento de toda ciencia y, a la vez, es el

procedimiento empírico más generalizado de conocimiento.

-Errores más comunes.

 Si el objeto de la observación es difuso y poco determinado, los datos obtenidos

tendrán poco valor.
 Hacer un juicio universal de un hecho particular o concreto.
 Evaluar a todo en un término medio, evitando los extremos y agrupándolos en el
centro. Esto se evita usando una escala evaluativa donde los extremos sean
significativos.
 Considerar bien o mal aspectos de la persona observada basándose en un solo
aspecto. Para no caer en este error, se evalúa los aspectos de la persona en forma
separada y no todos a la vez.

Tema 1 Metodología de la Investigación

1.2 La investigación científica.

La investigación científica, es esencialmente como cualquier tipo de investigación, sólo que

más rigurosa y cuidadosamente realizada.

Se define cómo ¨ un tipo de investigación, sistemática, controlada, empírica y crítica, de

proposiciones, hipótesis sobre las presumidas relaciones entre fenómenos naturales ¨. Donde ¨
sistemática y controlada ¨ implica que hay una disciplina constante para hacer investigación
científica, y que no se dejan los hechos a la casualidad, ¨ Empírica ¨ significa qué se basa en
fenómenos observables de la realidad y ¨ crítica ¨ porque se juzga constantemente de manera
objetiva y se elimina las preferencias personales y los juicios de valor. Llevar a cabo
investigación científica es hacer investigación en forma cuidadosa y precavida.

Propósitos fundamentales de la investigación:

 Producir conocimientos y teorías (investigación fundamental).

 Resolver problemas prácticos (investigación aplicada).
La investigación científica; es un proceso, término que significa dinámico, cambiante y
continuo. Este proceso está compuesto por una serie de etapas o pasos, las cuáles se derivan
de otras. Por ello al llevar a cabo un estudio o investigación, no podemos omitir etapas ni
alterar su orden.

Etapas o pasos de la investigación:

I. Planificación.

II. Ejecución.

III. Elaboración del Informe Final.

IV. Presentación y publicación del informe mensual.

En ocasiones se describen cuatro etapas incluyendo la cuarta como parte de la tercera, pero la
estudiaremos como una etapa aparte pues representa la divulgación de los resultados.

1. Etapa de Planificación: Se caracteriza por la elaboración del Proyecto o protocolo de

investigación e incluye lo siguiente:

1. Planteamiento del Problema.

2. Búsqueda del marco teórico.
3. Planteamiento de la hipótesis.
4. Definición de objetivos y variables.
5. Definición de Método.
a. Tipo de estudio.
b. Universo o muestra.
c. Instrumentos.
d. Procedimientos.
e. Tabulación y análisis estadístico

2. Etapa de Ejecución: Es la etapa del desarrollo pleno de la investigación.

Posee los siguientes pasos:

 2.1 Recolección de los datos.

 2.2 Presentación de los datos.
 2.3 Análisis e interpretación de la información.
 2.4 Conclusiones y recomendaciones.

3. Elaboración del informe final: Se diseña y escribe el informe final se hacen las correcciones
pertinentes y se le da forma a los resultados. Contiene los siguientes pasos:

 3.1 Organización documental.

 3.2 Elaboración del manuscrito.
 3.3 Revisión del manuscrito.
 3.4 Reproducción del informe final.
4. Presentación y publicación del informe final: Proceso de elaboración de los medios
necesarios para la presentación de la investigación. Incluye en el caso de las publicaciones el
ajuste del formato informe final para su transformación en artículo científico. Consta de los
siguientes pasos:

 4.1 Ajuste del contenido.

 4.2 Síntesis de la información a publicar.
 4.3 Elaboración según la norma de publicación.
 4.4 Revisión del estilo.
 4.5 Preparación de medios.
 4.6 Presentación.

Existe gran variedad de fuentes que pueden generar ideas de investigación:

 ™ Experiencias individuales.
 ™ Materiales escritos (libros, revistas, periódicos, informes, y tesis).
 ™ Teorías, descubrimientos producto de investigaciones.
 ™ Conversaciones personales.
 ™ Observaciones de hechos.
 ™ Creencias, incluso presentimientos.

Sin embargo, las fuentes que originan las ideas, no se relacionan con la calidad de estas.

¿Cómo surgen las ideas de investigación?

- Pueden surgir donde se congregan grupos (restaurantes, congresos, hospitales,

universidades, etc.)

- Pueden surgir al leer una revista de divulgación en general, científica en particular.

- Pueden surgir al ver la TV o en el Cine.

- Pueden surgir al conversar con otras personas.

- Pueden surgir al recordar una vivencia.

La mayoría de las ideas iniciales son vagas y requieren analizarse cuidadosamente, para que
sean transformadas en planteamientos más precisos y estructuradas.
-Tipos de investigación científica.

-El proyecto de investigación científica.

La investigación científica tiene carácter de proceso, que se inicia con el planteamiento de un

problema que requiere solución, es decir, que se necesita dar solución a una laguna del
conocimiento y, para encontrarla, el investigador debe construir un diseño de investigación
que le permita llegar a descubrir, explicar y, si es posible, predecir probabilísticamente, algunas
soluciones.

Este proceso transita por diferentes etapas o momentos fundamentales, que pueden
resumirse en:

1. ƒ Planificación.
2. ƒ Ejecución.
3. ƒ Procesamiento y análisis de los resultaos.
4. ƒ Confección del informe final.
5. ƒ Publicación de los resultados e introducción de los logros en la práctica social.

La planificación de la investigación es la etapa más importante del proceso, pues como se trata
de una actividad dirigida a un fin, logrará mejores resultados en la medida en que sea mejor su
planificación.

Como resultado de las tareas llevadas a cabo en la planificación de la investigación debe

quedar elaborado el protocolo o proyecto de investigación, que no es más que el documento
que contiene la exposición razonada de lo que se quiere estudiar o resolver, fundamenta la
necesidad de su ejecución y expone cómo se realizará y cuánto costará.

El proyecto de investigación tiene tres funciones fundamentales:

1. La primera consiste en la utilidad para el propio investigador, ya que la investigación

requiere de acciones sistemáticas y uniformes que no deben dejarse a la voluntad del
que las realiza ni a expensas de la memoria, además que el investigador debe
auxiliarse de la escritura en la expresión y conformación de sus ideas por la relación
indisoluble que existe entre pensamiento y lenguaje.
2. La segunda se refiere a la garantía de continuidad del proceso, es decir, a la necesidad
de un documento que describa exactamente por qué, qué y cómo se investiga,
previendo cualquier acontecimiento que dificulte o imposibilite al investigador
continuar su trabajo.
3. La tercera tiene carácter organizativo o administrativo, ya que las autoridades de la
institución donde se realiza la investigación tienen el deber de evaluar y controlar la
ejecución de la misma.

-Importancia y partes que lo integran.

Importancia

Su uso se ha universalizado, aunque en ocasiones se ha distorsionado, considerándosele como

un documento “formal”, con lo que se trata de licitar cualquier actividad no planificada
durante la ejecución de una investigación científica.

En los últimos años, en nuestro ámbito ha ganado importancia el término «proyecto de

investigación», respecto al cual algunos “metodólogos” han tratado de establecer diferencias
con el conocido protocolo. Si bien la aparición de este último término ha coincidido con una
etapa en que se ha comenzado a dar importancia —en el aspecto económico— al presupuesto
del proyecto, con vistas a buscar un financiamiento, éstos son en esencia un mismo
documento.
Introducción: En este apartado se plantea la problemática general de la investigación y se
explica la importancia teórica, práctica o social del problema, se determinan las aplicaciones, el
alcance y los aportes del estudio.

Objetivos: Los objetivos de una investigación son los resultados que se esperan, fruto de la
investigación. Deben ser enunciados de forma clara y precisa, además de poseer como
atributos el ser medibles y alcanzables con el estudio.

Control Semántico o Definición de Términos: Esta sección del documento persigue el fin de
definir ciertas categorías que utilizas en la investigación; y te hacemos énfasis en que no debes
declarar cualquier término, sólo aquel que por alguna razón en particular sea necesario
destacar el significado que manejas en el curso de la investigación, y que aparece consignado
preferiblemente en los Objetivos.

Material y Método: El método funge como norma rectora del abordaje del objeto de estudio y
constituye la vía para la solución del problema planteado.

Algoritmo propuesto para construir el Método:

a. Contexto y clasificación de la investigación.

b. Universo y muestra.
c. Operacionalización de variables.
d. Ética.
e. Técnicas y Procedimientos.

Cronograma: Consiste en otorgar plazos de tiempo a cada actividad de la investigación. Ello

permite conocer la marcha (con respecto al tiempo) del proceso de investigación en cualquier
momento.

Recursos: La investigación es un proceso caro, aun cuando se apliquen métodos y

procedimientos que garanticen su optimización. Por ello es importante conocer los recursos
disponibles y cuáles se necesitan de forma adicional, lo que al ser contrastado con la
problemática social a resolver, permitirá tomar la decisión de autorizar o no el desarrollo del
estudio.

La Ficha de Costo, que es un documento que recoge los datos necesarios para conocer el
monto de la investigación, abarca los siguientes acápites:

a. Materiales
b. Salarios
c. Servicios
d. Otros gastos
e. Equipos

Referencias: Esta sección contiene las diferentes fuentes que consultaste durante todo el
período que duró la investigación. Varios son los autores que recomiendan citar sólo aquellas
obras importantes en el contexto del estudio, estén publicadas o no; mientras otros trabajos
cuya relevancia pertenece a planos secundarios, si el autor lo considera necesario, pueden ser
citados en el mismo texto entre paréntesis o al pie de página.

Esquema básico de un Protocolo de Investigación

- Título de la investigación.

- Resumen.

- Planteamiento del problema (justificación científica).

- Justificación y uso de los resultados (objetivos últimos, aplicabilidad).

- Fundamento teórico (argumentación, respuestas posibles, hipótesis).

- Objetivos de la investigación (general y específicos).

- Metodología:

- Definiciones operacionales (operacionalización).

- Tipo y diseño general del estudio.

- Universo de estudio, selección y tamaño de muestra, unidad de análisis y observación.

Criterios de inclusión y exclusión.

- Intervención propuesta (sólo si es un estudio de ese tipo).

- Procedimientos para la recolección de información, instrumentos a utilizar y métodos para

el control de calidad de los datos.
- Procedimientos para garantizar aspectos éticos en las investigaciones con sujetos humanos.

- Plan de análisis de los resultados:

- Métodos y modelos de análisis de los datos según tipo de variables.

- Programas a utilizar para análisis de datos.

- Referencias bibliográficas.

- Cronograma.

- Presupuesto.

- Anexos (instrumentos de recolección de información, ampliación de métodos

y procedimientos a utilizar, etc.

Formulación de objetivos

Al redactar el objetivo debe hacerse en forma infinitivo y es muy importante escoger un verbo
adecuado, pues de esto depende el carácter medible, concreto, preciso y alcanzable del
objetivo en cuestión. Debe añadirse también dónde y cuándo se realizará la investigación, y
proscribirse los procedimientos por conducto de los cuales se alcanzarán los objetivos.
Criterios para la formulación de objetivos:

a. Deben estar dirigidos a los elementos básicos del problema.

b. Deben ser medibles y observables.
c. Deber ser claros y precisos.
d. Deben seguir un orden, ya sea metodológico o lógico.
e. Deben precisar los resultados que se pretenden alcanzar.

Algunos de los errores que se cometen con relativa frecuencia en la formulación de los
objetivos de un proyecto de investigación:

 Confundir los objetivos con el método

 Incluir un procedimiento como parte del objetivo.

Ejemplo: «estimar la frecuencia de antecedentes familiares en pacientes asmáticos mediante

una encuesta confeccionada al efecto».

Independientemente de que los objetivos son la base para determinar los procedimientos que
se usarán para conseguirlos, no debe haber confusión entre método y objetivo, el mismo
objetivo puede alcanzarse de diversas maneras.

-El informe de investigación.

Ningún estudio se considera terminado hasta tanto sus resultados no hayan sido divulgados e
introducidos en la práctica. De diversas formas puedes comunicar los resultados, siendo
básicamente dos: verbal o por escrito. Esta última puede adoptar varias modalidades, siendo
las más frecuentes el Informe Final de la investigación, el Artículo Científico, el Cartel o Póster y
la Comunicación a Conferencia. De todas, abordaremos el informe final, el artículo científico y
el póster.

El Informe Final es un documento de gran importancia, pues sirve para comunicar los
resultados de la investigación, a partir de los cuales podrán ser introducidos en la práctica
social. Además, cuenta con un valor docente dado por los nuevos conocimientos plasmados en
él, por lo que deviene en valioso instrumento de ayuda al perfeccionamiento del Proceso de
Enseñanza-Aprendizaje.

Por último, el Informe Final es una herramienta que facilita la administración científica, ya que
puesto en manos de los decisores, ya sean del sector Salud o no, actúa como catalizador en la
aplicación de los resultados, con el consiguiente beneficio que se genera para la propia
población objeto del estudio.

-Importancia y partes que lo integran

Importancia

Sirve para comunicar los resultados de la investigación, a partir de los cuales podrán ser
introducidos en la práctica social.
Cuenta con un valor docente dado por los nuevos conocimientos plasmados en él, por lo que
deviene en valioso instrumento de ayuda al perfeccionamiento del Proceso de Enseñanza-
Aprendizaje.

Es una herramienta que facilita la administración científica, ya que puesto en manos de los
decisores, ya sean del sector Salud o no, actúa como catalizador en la aplicación de los
resultados, con el consiguiente beneficio que se genera para la propia población objeto del
estudio.

Partes del Informe Final de una investigación:

Tema 2 Estadística Descriptiva

2.1 Concepto de estadística.

Es una ciencia de amplia aplicación en todos los campos del saber humano cuyo nombre se
deriva de su relación con la recolección de datos útiles para la administración de los estados.

-Ramas de la Estadística: Estadística descriptiva e inferencial.

El término estadísticas (en minúscula y plural) se refiere al conjunto de datos, mientras que el
de Estadística (en mayúscula y singular) a la ciencia de la experimentación, encargada de las
técnicas y procedimientos adecuados para la recolección, elaboración, análisis e interpretación
de la información en estudio.

Una forma de clasificar la Estadística es en: Estadística Descriptiva y Estadística Inferencial.

- La Descriptiva. Está constituida por los métodos estadísticos destinados a la elaboración

primaria de datos, o sea, que permiten la consolidación o resumen de la información y su
posterior presentación.

- La Inferencial. Es la constituida por los métodos para el análisis y elaboración de los datos con
vistas a ayudar a la interpretación de los resultados y lograr su objetivo esencial que es el de
poder tomar decisiones, lo cual se hará con un grado de incertidumbre.

-Conceptos de universo y muestra.

Universo: conjunto de elementos capaces de tener una o varias características en común bien
definidas.

Muestra: subconjunto de las poblaciones definidas.

Estos términos son relativos, y a lo que en un momento se le denomina población puede ser
una muestra en otro y viceversa

-El método estadístico.

El método estadístico no es más que el método científico aplicado a una ciencia en particular,
en este caso, la Estadística.

-Etapas que lo constituyen: Planificación, recopilación, procesamiento y análisis.

Planificación de la investigación

Un paso natural en el proceso de llevar a cabo una investigación es su planificación, su

organización, es decir, confeccionar un esquema organizativo tal que sea capaz de evaluar su
factibilidad, que controle, facilite y evalúe su ejecución hasta alcanzar la meta propuesta.

Este esquema no puede ser rígido y debe permitir hacer cambios en los pasos a realizar en la
consecución de la meta cuando se requiera.

La planificación constará de 4 sub-etapas:

1. Planteamiento del problema. Deberá partirse de la formulación del problema científico que
vamos a investigar para lo que será necesario la definición de su naturaleza e importancia (qué
y por qué se va a estudiar) y además la definición de los objetivos, o sea, las metas o fines que
se pretenden alcanzar mediante la investigación.

Los objetivos comúnmente se clasifican en generales, también planteados como finales o

mediatos y específicos o inmediatos (para qué y cómo de la investigación).

2. Búsqueda y evaluación de la información existente.

Después de plantear el problema y antes de efectuar la investigación se impone la revisión de

toda la documentación posible sobre el tema y otros que puedan resultar afines o que bordean
al mismo y proceden con la búsqueda y evaluación del material bibliográfico (debe recordarse
que el problema investigativo aparece entre la frontera de lo conocido y desconocido
científicamente, por lo que debe esclarecerse qué es lo que realmente se conoce). Este paso
no solo se debe realizar en este momento, sino durante todo el proceso investigativo hasta su
culminación.

3. Formulación de hipótesis. En ocasiones el propósito de la investigación es meramente

descriptivo, pero en la mayoría de los casos lo que se busca es dar una respuesta que explique
el fenómeno en estudio, y bajo todo esto subyace una hipótesis de trabajo la cual deberá ser
corroborada o probada.
Esta sub-etapa dependerá de distintos factores como son: las necesidades establecidas, los
intereses actuales de los investigadores y los recursos materiales y humanos disponibles.

Estas hipótesis de trabajo se traducirán en hipótesis estadísticas que son las que realmente
serán contrastadas.

4. Verificación de las hipótesis. Esta etapa consistirá en la planificación de la prueba o

contrastación de las hipótesis, que tendrá como resultado la aceptación o no de aquellas
planteadas; esto conllevará al diseño de la investigación, o sea, a la planificación de la
recogida, elaboración y análisis de la información.

Aquí se estará planificando el desarrollo de la investigación, por lo que habrá que tomar en
consideración a muchos y diferentes aspectos, desde definir cuál será la unidad de
observación, qué características debe cumplir, qué cantidad de observaciones se van a tomar,
cuál será el método de selección de las mismas, con qué recursos materiales y humanos se
cuenta, hasta establecer qué condiciones deben ser impuestas o salvadas con vistas a que los
elementos observados sean analizados de manera uniforme, en fin, a todo factor que pueda
influir en el resultado final.

Recolección de la información
Se deben evitarse, limitar o disminuir las posibles fuentes de error, según sea el caso (estos
errores pueden estar asociados al observador, al método de observación o al elemento
observado). Es fundamental estar impuesto de que la validez de los resultados dependerá de
la veracidad de la información tomada. La experiencia plantea que será particularmente
importante atender a lo relacionado con:

- El universo, la muestra a tomar y los procedimientos utilizados para su selección.

- Los errores factibles en la recolección de la información y el modo de controlarlos.

- Los métodos y procedimientos utilizados en la recolección de los datos.

- El diseño de los formularios, documentos que contendrán la información recogida.

-Recopilación de datos.

Cuenta con las sub-etapas siguientes:

1. Revisión y corrección de la información recolectada.

2. Clasificación y computación de los datos.

3. Presentación de la información.

La información deberá ser despojada de los errores que pueden estar viciándola. Incluye la
revisión de los datos acopiados, con el fin de rectificar en los casos posibles y eliminarlos
cuando no sea factible lo anterior.

-Fuentes de recopilación de datos: Primaria y secundaria.

-La observación y el interrogatorio.

Observación:

Es el procedimiento clásico de la investigación científica y es el más objetivo, pero no puede

usarse siempre, ya que hay hechos que no están a la vista ni son deducibles, tampoco es
recomendable para analizar un conjunto grande de individuos, pues se encarece mucho la
investigación al ser este un procedimiento que requiere de un personal altamente calificado.

Interrogatorio:

Sería el método a emplear cuando se necesita de las opiniones y conocimientos del individuo,
no es el ideal porque su fidelidad dependerá de muchos factores como pueden ser el tipo y
calidad de la pregunta (modo de plantearla es decir debe ser clara y concisa), buena memoria
del entrevistado y disposición de éste a ser veraz (desinhibido, serio) y hasta de su edad.

-Métodos para recopilar datos según su frecuencia: Encuesta, registro y censo.

Estos métodos se diferencian entre sí no solo por la frecuencia de recogida, sino por el
propósito de la investigación y la naturaleza de la información a acopiar

 ENCUESTA: Es el método que se realiza ocasionalmente siguiendo un propósito específico

y un alcance restringido a un sector de la población. Por ejemplo, un médico de familia
puede efectuar una encuesta para saber qué conocimientos tiene el sector de la población
que atiende sobre el VIH-SIDA o sobre enfermedades de transmisión sexual.
 REGISTRO: Toma la información de manera continua y sistemática sobre una cuestión
determinada en la que puede referirse a lo que acontece en algo tan general como un país
o algo tan particular como es una institución
 CENSO: La información recoge periódicamente, este método completa y publica datos
demográficos, económicos y sociales de un tiempo específico de todas las personas de un
territorio determinado

Métodos de recolección según la frecuencia.

-Formulario.

Toda información de interés para ser recopilada se registra en algún modelo para su posterior
resumen o compilación; a este documento se le denomina formulario; ejemplos de él se tienen
en las historias clínicas.

-Elementos fundamentales a tener en cuenta en su confección.

De la información acopiada dependerán los resultados de la investigación o estudio que se

realiza, por lo que el formulario debe ser elaborado con especial interés y cuidado, y será
conveniente, considerar los aspectos siguientes:

- Que esté dividido al menos en dos secciones: la de los datos de identificación y la de los datos
específicos del estudio.

- Que se tome en cuenta la secuencia en que se hacen las preguntas.

- Que las preguntas no sean reiterativas, ambiguas o que sugieran la respuesta. Deben ser
claras, precisas y gramaticalmente correctas. No se debe indagar por aquellos datos que
posteriormente no podrán ser utilizados porque no correspondan al interés del estudio, no
sean confiables o no puedan completarse.

- No debe ser tan extenso que después pese o peligre llenarlo en su totalidad;

- Se debe decidir desde un inicio si el procesamiento será de forma automatizada para, de

acuerdo al sistema a utilizar, realizar la codificación de las preguntas.

- El documento debe responder a los objetivos trazados.

-Papel del profesional de la salud en la recopilación de datos.

El médico participa activamente en la recolección de los datos, que se inicia desde que el
enfermo entra en contacto con él.

De la limpieza, escrupulosidad, objetividad y celo del médico en la recogida de la información

dependerá el futuro del éxito de los estudios, investigaciones y los resultados que brindan las
distintas instancias del sistema de salud del país.

-Errores más comunes en la recogida de datos.

En el proceso de recogida de estos datos pueden cometerse errores que afectan en menor o
mayor grado dichos valores y que pueden estar asociados al sujeto (quien realiza la recogida
de la información), al objeto (la información) o al método de recogida empleado.

Relacionados con el Sujeto

Estos errores dependerán entre otras cosas, de su preparación general y también específica
sobre el trabajo que se va a realizar, así como de su capacidad; pero no deben olvidarse
aspectos subjetivos tales como las condiciones de trabajo o las físicas y mentales del individuo.

Relacionados con el Objeto

En el caso del objeto, estarán relacionados con las condiciones en que se encuentra y también
el momento seleccionado para efectuar la recogida.

Relacionados con la Fuente

Será no menos importante la fuente de error proveniente del método de recogida, pues
incluso los errores mencionados anteriormente pueden depender de él. Aquí habrá que
considerar si el método y procedimientos empleados son los más apropiados de acuerdo con
la información que se va a recopilar.

2.2 Procesamiento de datos y/o información.

Todo estudio o investigación genera un determinado volumen de información que debe ser
revisada y corregida, procesada para su organización consolidación y presentación.

-Sistemas estadísticos automatizados.

-Etapas que constituyen el procesamiento.

Etapas del procesamiento de la información:

1. Organización

2. Resumen
3. Presentación

-Organización, resumen y presentación.

Organización de la información: De la calidad del desarrollo de esta etapa depende que

podamos conocer los datos obtenidos, cuáles son sus características comunes o cuán
diferente es un dato de otro, es por eso que se hace necesario organizar la información.
Agrupar y clasificar los datos por sus características.

-Características de la organización.

-Concepto de variable.

Es una característica que puede tomar valores diferentes. Las variables pueden ser numéricas
o no.

-Clasificación de la información atendiendo al tipo de variable: Cualitativa (nominal y

ordinal) y Cuantitativa (discreta y continua).

Escala cualitativa: Es la que permite clasificar los elementos solo de acuerdo con los atributos
comunes que exhiben cada uno de ellos.

Esta escala se subdivide en dos tipos:

1. Cualitativa nominal. Cuando la escala cualitativa no presenta categorías ordenadas, es decir,

no es posible establecer diferencias de rango entre ellas. El sexo, la raza, el estado civil son
variables cuyos posibles valores no establecen un orden entre sí.

2. Cualitativa ordinal. Cuando existen categorías ordenadas que permiten establecer

comparaciones entre ellas. Ejemplo de ella se observa cuando se habla del grado de
quemaduras que pueden tener un grupo de pacientes: quemaduras de 1er., de 2do. O de 3er.
grado; otro ejemplo, sería el nivel de escolaridad: primario,..., universitario; etc.

Escala cuantitativa: Aquí la escala no se distingue por poseer cierto atributo o no, sino por su
cantidad. Será posible determinar entonces en cuánto se diferencia un elemento de otro.
Valores como el nivel de hemoglobina, el nivel de colesterol y la temperatura son
cuantitativos. Una escala cuantitativa puede clasificarse en dos tipos:

1. Una escala se considera discreta cuando solo admite un número finito de valores numéricos
o infinito numerable. Como ejemplo puede apuntarse la cantidad de veces que una persona
asiste al médico en 1 año o el número de embarazos que ha tenido una mujer en su vida fértil.
2. Continua. Se distingue porque entre dos valores dados siempre es posible encontrar valores
intermedios. El peso es una variable cuantitativa continua porque, por ejemplo, entre 62 y 63
Kg, existen los valores 62.2 ó 62.5 pero entre 62 y 62.2 estarán valores tales como 62.15 ó
62.07. Se plantea que esta escala surge por medición y la cuantitativa discreta por conteo.

-Distribuciones de frecuencias según el tipo de variable.

Confeccionar la distribución de frecuencias consistirá en definir las clases en que serán

agrupados los elementos, clasificarlos y, por último, calcular cuántos pertenecen a cada clase.

-Concepto de clase o intervalo.

-Límite inferior y superior de la clase.

-Punto medio de la clase.

-Rango.

-Amplitud de la clase.

-Frecuencia absoluta, relativa y acumulada.

-Gráficas de frecuencias: Histograma y polígono de frecuencias.

2.3 Resumen de datos.

-Medidas de tendencia central (media aritmética, mediana y moda).

-Características, propiedades, cálculo e interpretación.

-Medidas de dispersión.

Recorrido de la variable o amplitud total.

-Varianza, Desviación Standard y Coeficiente de variación.

-Características, propiedades, cálculo e interpretación.

-Medidas de posición relativa (percentiles).

-Características.
-Cálculo e interpretación.

-Sistema estadístico profesional para resumen y tratamiento de datos.

-Medidas para resumir datos cualitativos (razón, índice, proporción, porcentaje y tasa).

-Forma de cálculo e interpretación.

-Presentación de la información.

-Tabla estadística.

-Partes que la constituyen.

-Gráficos.

-Tipos de gráficos acorde a la variable. (Gráfico de barras, sector o pastel).

Tema 3 Estadística Inferencial

Se utiliza simplemente para la presentación y síntesis de la información recogida en un
estudio. La Estadística Inferencial permite extraer conclusiones científicamente válidas acerca
de la población a partir del estudio de una muestra obtenida de dicha población.

Métodos principales de la Inferencia Estadística:

 La estimación de parámetros.
 Las pruebas de hipótesis.

3.1 Álgebra de eventos.

Algebra de Eventos (Teoría de Conjuntos)

Espacio Muestral (S): Es el conjunto de todos los resultados posibles de un experimento dado.
Generalmente se denota con la letra S. Por ejemplo, los resultados posibles del experimento
de arrojar un dado son 1, 2, 3, 4, 5 y 6.

Muestra: Es un resultado particular, o sea, un elemento del Espacio Muestral (S). Por ejemplo,
arrojar un dado y obtener 4.

Evento o Suceso: Un evento A es un conjunto de resultados, o sea, un subconjunto de Espacio

Muestral (S). Por ejemplo, un evento puede ser arrojar dos veces un dado obteniéndose por
ejemplo un 4 y un 3.

Algebra de Eventos

Evento complementario:

En un espacio muestral (S) donde hay un evento A, habrá un conjunto de puntos que no
pertenecen a A, este es el evento complementario, se denota como Ac.

Se define como: Ac = 1 - A (Ac contrario al evento A)

Gráficamente se representa así:

Unión o Suma Lógica:

La unión de los conjuntos A y B es el conjunto formado por todos los puntos que están en A, en
B y en ambos. Se denota como: A U B.

Se define como: A U B = A + B

Gráficamente se representa así:

Intersección:

La intersección de los eventos A y B es el conjunto formado por todos los puntos que
pertenecen a A y a B simultáneamente.

Se denota como: A ∩ B.

Se define como: A ∩ B = A. B

Gráficamente se representa así:

Inclusión:

Cuando todos los elementos de un conjunto B están contenidos en un conjunto A, la

ocurrencia de B implica la ocurrencia de A. Esto se conoce como Inclusión y se denota como: B
A

El conjunto que se escribe a la izquierda del signo se dice que "está incluido (o contenido)
en" el conjunto que se escribe a su derecha.

Gráficamente se representa así:

Igualdad:

Cuando todos los elementos de un conjunto B están contenidos en un conjunto A y todos los
elementos del conjunto A están contenidos en B, entonces la ocurrencia de B implica la
ocurrencia de A (B A) y viceversa (A B).
Esto se conoce como Igualdad y se denota como: A = B.

Gráficamente se dificultad la representación, porque los eventos se superponen.

Evento Nuevo:

El evento (C) que no tiene descripciones en el espacio muestral (S) y por lo tanto no puede
ocurrir es el conjunto Nuevo, que también se le llama Nulo o Vacío. El mismo se denota como
Ø, también se puede representar como { }.

Ø = Conjunto Nulo o vacío

Gráficamente se podría representar así:

Eventos Mutuamente Excluyentes o Disjuntos:

En un espacio muestral (S) donde hay un evento A y un evento B que no pueden suceder
simultáneamente, o sea que no tienen puntos en común. Se le denominan eventos
mutuamente excluyentes o disjuntos. Se denota como A B = Ø

Se define como: A B = A. B = Ø

Gráficamente se representa así:

-Conceptos de variable aleatoria y probabilidad.

Fenómenos Aleatorios
Fenómeno empírico caracterizado por la propiedad de que su observación, bajo un conjunto
de condiciones dadas no siempre conduce al mismo resultado, sino que pueden ocurrir
diferentes resultados.

Es imposible predecir con certeza absoluta el resultado del mismo antes de realizarlo bajo un
conjunto de condiciones dadas (el resultado depende del azar), sin embargo puede lograrse
una estimación con un grado de confiabilidad.

Ejemplos de Fenómenos Aleatorios

1. Estatura adulta del hijo de una pareja.

Aunque tengamos toda la información antropométrica, de salud y socio-económica de
ambos miembros de la pareja, resulta imposible conocer con exactitud cuál será la
talla final de un hijo.
2. Niveles de lípidos en el suero de un sujeto sano del sexo masculino.
No hay ningún mecanismo o procedimiento que nos permita conocer esas cifras, como
no sea la extracción de una muestra de sangre y la valoración directa del nivel de
dichas sustancias en el suero obtenido.
Ni todos los hijos (de igual sexo) de una pareja tienen la misma talla, ni todos los
hombres sanos tienen lipidogramas iguales. Estas diferencias son el producto de
factores que no podemos controlar o que no conocemos que influyen sobre esas
características (talla adulta y nivel de lípidos), y que los resultados sean diferentes a
pesar de realizar las observaciones en igualdad de condiciones.

Variable Aleatoria

Una variable es aleatoria si toma diferentes valores como resultado de un experimento o

fenómeno aleatorio. Puede ser discreta o continua. Si puede tomar sólo un número limitado
de valores, entonces es una variable aleatoria discreta, por ejemplo, el sexo de un recién
nacido. En el otro extremo, si puede tomar cualquier valor dentro de un intervalo dado,
entonces se trata de una variable aleatoria continua, por ejemplo, la talla, y en general
variables que expresan tiempo, medidas de longitud, peso, etc.

Se puede pensar en una variable aleatoria como un valor o una magnitud que cambia de una
presentación a otra, sin seguir una secuencia predecible. Los valores de una variable aleatoria
son los valores numéricos correspondientes a cada posible resultado de un experimento
aleatorio.

Fenómenos Determinísticos

Los fenómenos determinísticos son aquellos que ocurren inevitablemente cuando están
presentes un conjunto de condiciones. No ocurren cuando están presentes determinadas
condiciones.

Ejemplos:

 Ebullición del agua ocurre a más de 100 0C

 Congelación del agua ocurre 0 0C
Para los fenómenos determinísticos es posible encontrar leyes que expliquen la aparición de
los resultados dado un conjunto de condiciones iniciales a la realización del experimento.

El espacio recorrido es producto de la velocidad por el tiempo, e = v · t.

Fenómeno Aleatorio: Fenómeno empírico caracterizado por la propiedad de que su

observación, bajo un conjunto de condiciones dadas no siempre conduce al mismos resultado,
(no existe regularidad determinística), sino que pueden ocurrir diferentes resultados, de
manera tal que existe Regularidad Estadística.

Regularidad Estadística: La estabilización para un número grande de pruebas del por ciento de
ocurrencia de cada uno de los resultados del experimento.

Para realizar el estudio de un fenómeno aleatorio, es necesario realizar un experimento; del

cual obtendremos diferentes resultados. Cada uno de estos resultados se denomina Punto
Muestral.

Espacio Muestral: De un fenómeno aleatorio es el conjunto de todos los puntos muestrales del
experimento. Es decir todos los resultados posibles de un fenómeno aleatorio.

Espacio muestral = S

Fenómeno Aleatorio = FA

-Ejemplos:

Lanzamiento de una moneda

Resultados: Cara o Cruz S=2

Lanzamiento de un dado

Resultados: 6 caras S=6

Seis bolas: 4 rojas (R) y 2 blancas (B)

Según el color S = {R, B} o sea S=2

Según el número S = {1, 2, 3, 4, 5, 6} o sea S=6

Estos son S finitos, también los hay infinitos. Un ejemplo:

Los números reales.

Eventos o Sucesos: Es una colección de puntos muestrales del espacio muestral, o sea un
conjunto de descripciones del experimento.

Por ejemplo:

Lanzamiento de 3 monedas, los resultados serían en la combinación de caras y cruces.

S1= XXX S5= OXX

S2= XXO S6= OXO

S3= XOX S7= OOX

S4= XOO S8= OOO

Como vemos hay 8 puntos muestrales y varios eventos.

Algunos ejemplos de eventos:

Evento A: Que la primera tirada sea cruz

A = {S1, S2, S3, S4}

Evento B: Que al menos 2 de las 3 tiradas sean cruces:

B = {S1, S2, S3, S5}

Regularidad Estadística

Un ejemplo de experimento aleatorio puede ser el lanzamiento de una moneda. Si

disponemos de una moneda (sin ningún tipo de sesgo, bien balanceada) tenemos un espacio
muestral definido por dos resultados posibles: Cara o Cruz. El espacio muestral (S)
matemáticamente se denota así S = {“Cara”(C), “Cruz” (+)}. Si lanzamos la moneda n veces y se
obtienen nc caras, la frecuencia relativa (f) del suceso C es: fc = nc / n. (Número de ocurrencia
del suceso (número de caras) entre el número total de pruebas realizadas (lanzamientos))

Si esta experiencia la realizan varias personas, las frecuencias relativas obtenidas no coinciden,
pero oscilan alrededor de un número fijo. En el siglo XVIII Buffon repitió el experimento del
lanzamiento de una moneda 4.040 veces y obtuvo una frecuencia de sucesos de cara fc =
0,5069. En el siglo XX Pearson realizó el mismo experimento 24.000 veces, obteniendo un
frecuencia de fc = 0,5005. Las probabilidades se ajustan a fc = 0,5, el límite cuando se realiza
infinitas repeticiones del lanzamiento.

Si se realiza un gran número de repeticiones, las frecuencias relativas de aparición de los

sucesos presentan regularidad estadística (Ley de Regularidad Estadística, ésta es la base
empírica de la Teoría de la Probabilidad).

La estabilidad de las frecuencias relativas y el valor alrededor del cual oscilan sólo se pueden
determinar experimentalmente, este número puede darse como una medida de la posibilidad
de ocurrencia de un suceso, por lo que le llamaremos “probabilidad” de tal suceso. Así que
obtenemos como probabilidad de un determinado suceso el número en torno al cual oscila su
frecuencia relativa f, es decir, el valor límite de f al repetir un número infinito de veces un
experimento. (Ley de Regularidad Estadística).

Probabilidades
La probabilidad es un valor, independiente del observador, que indica aproximadamente con
qué frecuencia se producirá el suceso considerado en el transcurso de una larga serie de
pruebas.

Probabilidad Clásica o “A Priori”: Si un evento A está formado por “casos especiales dentro de
un grupo de “n” eventos mutuamente excluyentes y con igual probabilidad de ocurrencia o
éxito, la probabilidad del evento A es:

P(A)= m

Por ejemplo si tenemos un dado simétrico y balanceado (sin sesgo):

La probabilidad de obtener un 3 es P(A)= 1/6

La probabilidad de obtener un número par es P(A)= 3/6 = ½

Como se puede apreciar este concepto es muy riguroso, no ocurre con frecuencia en
fenómenos biológicos.

Definición frecuencial o estadística de probabilidad:

Frecuencia relativa: Cociente del número de ocurrencias del evento entre el número total de
pruebas realizadas. n(A)

Estadística de probabilidad:

La probabilidad de un evento A no es más que el valor de su frecuencia relativa, cuando el

número de pruebas tiende a infinito (∞)

n(A)

P(A) = Lim ------

n→∞ n

Puede aplicarse donde los resultados no son equiprobables o mutuamente excluyentes por
tanto es más general y muy utilizada en la vida práctica.

Tipos de eventos y reglas

  Evento Complementario

Se considera como el evento que no ocurre o sea un evento opuesto.

El evento complementario de “ser seronegativo” es “no ser seronegativo” o sea “ser

seropositivo”.

A partir de la fórmula original

P(A) = ----- y

7 + 12

P(complemento de seronegativo)= P(seropositivos)= ------------ = 0.38

 Eventos mutuamente excluyentes y regla de adición:

Son mutuamente excluyentes si la ocurrencia de uno impide la de los demás.

Un paciente con Hepatitis no puede ser seropositivo > 24 meses.

La probabilidad de que ocurran eventos mutuamente excluyentes es la probabilidad de que

ocurra uno u otro y se obtiene sumando y se obtiene sumando la probabilidad de los dos
eventos lo que se conoce por regla de adición.

Según nuestro ejemplo.

P(seropositivos<24 meses) = 7/50 = 0.14

P(seropositivos>24 meses) = 12/50 = 0.26

La regla de adición sería 0.14 + 0.26 = 0.40

O sea 0.40 es la probabilidad que ocurran estos eventos mutuamente excluyentes.

 Eventos independientes y regla de multiplicación:

Evento independiente es aquel cuyo resultado no tiene efecto en el del otro.

Supongamos que los pacientes con resultados seronegativos a la Hepatitis B se dividen en 11

hombres y 20 mujeres, por tanto podemos calcular la probabilidad del tipo de sexo.

P(hombre) = 11 / 50 = 0.22 y P(mujer) = 20 / 50 = 0.40

No existe dependencia de la seropositividad y el sexo, por tanto son eventos independientes y

su probabilidad se calcula multiplicando las probabilidades que nos propongamos (regla de
multiplicación), veamos un ejemplo:

Probabilidad de que sea hombre y seronegativo

P(hombre y seronegativo) = P(hombre) x P(seronegativo)

P(hombre) = 11 / 50 = 0.22

P(seronegativo) = 31 / 50 = 0.62

P(hombre y seronegativo) = 0.22 x 0.62 = 0.14

Algunas características de las probabilidades son:

 La probabilidad de un suceso es mayor o igual que cero

 La probabilidad del suceso seguro es uno.
 Propiedades deducidas de sus características:
 La probabilidad del suceso imposible es cero.
 La probabilidad de un suceso sumada a su contrario (complemento) da uno.
 La probabilidad de un suceso es un número real, menor o igual que uno.

El concepto de probabilidad clásica se aplica a eventos mutuamente excluyentes y con igual

probabilidad de ocurrencia o éxito.

La diferencia entre probabilidad clásica y frecuencial radica en que la primera se obtiene sin
efectuar el experimento, y la segunda después de haberlo efectuado un gran número de veces.
Fenómenos aleatorios. (Resumiendo)

Son aquellos en los cuales:

1. Es posible conocer previamente todos los posibles resultados asociados al

experimento o fenómeno.
2. Es imposible predecir con certeza absoluta el resultado del mismo antes de realizarlo
bajo un conjunto de condiciones dadas (el resultado depende del azar), sin embargo
puede lograrse una estimación con un grado de confiabilidad.
3. Es posible repetirlo bajo las mismas condiciones iniciales un número ilimitado de
veces.

-Modelo teórico de distribución o ley de una variable aleatoria.

Un histograma es una representación gráfica de una variable en forma de barras, donde la

superficie de cada barra es proporcional a la frecuencia de los valores representados. En el eje
vertical se representan las frecuencias, y en el eje horizontal los valores de las variables.

Se utiliza cuando se estudia una variable continua, como la edad o talla de la muestra. En el
Histograma siguiente se representa la talla en centímetros (cm) de 100 recién nacidos.

Supongamos que tenemos una distribución de frecuencias de una variable aleatoria continua
(talla), si aumenta el número de observaciones de la muestra (supongamos en teoría que
infinitas), la representación de esta variable va tomando una forma de polígono de frecuencias
hasta convertirse en una curva suave.

A esta curva suave le llamamos distribución de frecuencias teóricas, función de densidad de

probabilidades, lo que también es conocido como: Modelo Teórico de Distribución o Ley de
una variable aleatoria.
Vamos a observar un ejemplo en el cual a medida que aumenta el número de observaciones
de la muestra, el polígono de frecuencias tiende a convertirse en una curva suave.

Esta curva suave, límite del polígono de frecuencias, es característica para cada variable en
particular y su existencia es el resultado de la acción de la ley de regularidad estadística que ya
estudiamos anteriormente.
En la práctica no hace falta que el número de observaciones sea infinito. Nos basta con que el
número de elementos sea elevado.

En un histograma el área de los rectángulos es proporcional a la frecuencia que ellos

representan. Si al construir el histograma (o polígono de frecuencias) usamos las frecuencias
relativas tendremos que el área total del histograma (o bajo el polígono de frecuencias), que
no es más que la suma de las áreas de los rectángulos, es igual a la unidad.
Cuando aumenta indefinidamente el número de observaciones, al irse aproximando cada vez
más el histograma (o el polígono de frecuencias) a la curva ideal, el área del rectángulo
correspondiente a un intervalo de clase dado se aproximará cada vez más a la frecuencia
teórica correspondiente (probabilidad de que el valor de una observación de la variable se
encuentre en dicho intervalo), es decir, al área bajo la curva en ese mismo intervalo. Luego, el
área bajo la curva en el intervalo (a, b) es la probabilidad de que la variable aleatoria tome
valores entre a y b, y el área total bajo la curva también es la unidad.

Polígono de Frecuencias

Las curvas de frecuencias teóricas pueden tomar ciertas formas características:

a) Curvas simétricas y acampanadas que se caracterizan por el hecho de que las observaciones
equidistantes del máximo central tienen la misma frecuencia.

b) Curvas de frecuencia moderadamente asimétricas o asimétricas , donde la cola de las

mismas a un lado del máximo central es más larga que al otro.

c) curvas en forma de J (o de J invertida), en que la frecuencia máxima se encuentra en un

extremo.
d) curvas de frecuencias en forma de U, que tienen frecuencias máximas en ambos extremos.

e) Curvas de frecuencia multimodales, que tiene varios máximos

Se conoce una serie relativamente grande de distribuciones o modelos teóricos de distribución

de variables aleatorias, los que han sido muy bien estudiados y se aplican en muchas
situaciones prácticas.

Otras Distribuciones teóricas

Propiedades de los Modelos Teóricos de Distribución

1. La probabilidad de que los valores de la variable x estén entre dos puntos de la curva
es igual al área bajo la curva entre esos dos puntos:
2. El área bajo la curva es igual a uno.
3. La probabilidad de un punto es nula. Puesto que un valor específico se representa por
un punto en el eje de las abscisas y el área encima de un punto es igual a cero. Por ello
al calcular la probabilidad de un intervalo no afectará nada el que éste sea abierto o
cerrado por cualquiera de sus extremos, pues estos son puntos y por tanto de
probabilidad nula. Así pues: P(a < X < b) = P(a ≤ X ≤ b)

Tema 3 Estadística Inferencial

-Muestreo. Concepto de muestreo.

Muestra: Una muestra es una parte de la población. Es cualquier subconjunto de elementos de

la población.

Población: Es aquel conjunto de individuos o elementos que podemos observar, medir una
característica o atributo. Es el conjunto de individuos (personas, animales, objetos, etc.) que
presentan la(s) característica(s) que se desea(n) estudiar o son susceptibles de verse afectados
por el fenómeno que se quiere investigar, en el marco de una región geográfica bien
determinada y en un período o momento del tiempo dado.

Muestreo: Es la técnica para la selección de una muestra a partir de una población.

Unidad de análisis: Es cada uno de los elementos o sujetos de la Población sobre los cuales se
recoge la información y su naturaleza está determinada por los objetivos que se persiguen.

Unidad de muestreo: Es la que se usa para realizar la selección Muestral, que en los casos más
simples coincide con la unidad de análisis, pero no siempre es así.

Por ejemplo:

1. Una muestra de estudiantes de nivel secundario se puede obtener mediante una

selección de grupos de clase, en lugar de a partir de una selección directa de alumnos.
2. Una muestra de pacientes con hipertensión arterial puede seleccionarse tomando
aleatoriamente un cierto número de consultorios populares y considerando como
integrantes de la misma a todos los pacientes dispensarizados como hipertensos en
dichos consultorios populares.

Las unidades elementales (unidades de análisis) son los alumnos o los pacientes hipertensos,
pero se usaron como unidades de muestreo los grupos de clase y los consultorios populares
(unidad de muestreo).

Unidad de observación: Es aquella de la cual se obtiene la información. No siempre se obtiene

la información a partir de la propia unidad de análisis. Por ejemplo, cuando nuestras unidades
de análisis son niños pequeños, la información se obtiene generalmente de sus madres, que ni
siquiera pertenecen a la población objeto de estudio.

Marco muestral: Es la lista de todas las unidades de muestreo susceptibles de ser

seleccionadas para integrar la muestra.

Tamaño de la muestra o tamaño muestral

Como dijimos, una muestra no es más que una parte de la Población, con un cierto número de
elementos. A ese número se le llama tamaño de la muestra o tamaño muestral y es de
importancia vital. Generalmente se denota al tamaño poblacional con la letra mayúscula N y al
tamaño muestral con la letra minúscula n.

En la determinación del tamaño muestral intervienen los factores siguientes:

a) La variabilidad poblacional de la característica en estudio, o la frecuencia de aparición o
presentación del fenómeno que se estudia.

b) La confiabilidad de los resultados requerida.

c) La precisión deseada de los resultados.

d) El tipo de estudio.

e) Las técnicas estadísticas que se van a utilizar, etc.

-Ventajas y desventajas.

VENTAJAS:

1.- Reducción de los costos

2.- Mayor rapidez en la obtención de resultados

3.- Mayor alcance o esfera de acción

4.- Mayor precisión en los datos

5.- Cuando algunos de los elementos en estudio se destruye en la observación.

DESVENTAJAS

Siempre está presente producto de la variabilidad intrínseca de los elementos de la Población,

existen diferencias entre las medidas muestrales y los parámetros poblacionales.

-Error de muestreo.

Como desventaja se debe señalar, que, siempre que se utilizan muestras para estudiar el
problema que nos interesa en la población se espera que las mismas sean un modelo reducido
o a pequeña escala de la misma y, en la medida en que el comportamiento de estas se
diferencie del que se pretende modelar (el poblacional), se está sujeto a errores de
apreciación. Esto puede verse de la forma siguiente, es común que muestras de igual tamaño
seleccionadas de la misma población difieran entre sí en cierta medida; algunas se asemejan
más a la población original y otras menos, entonces, ¿cómo se podría estar seguro de que la
muestra elegida realmente representa a la población de la cual fue extraída? Si la característica
en estudio se comporta de forma bastante homogénea en la población que se muestrea, la
posibilidad de tener una muestra que no sea representativa de la población es relativamente
pequeña; pero si el comportamiento de la misma es muy variable, el riesgo de seleccionar una
muestra que conduzca a resultados erróneos puede ser grande. Es a ese error en que se
incurre, al menos en teoría, al inferir la situación de la Población por medio de lo observado en
la muestra, al que se denomina error de muestreo.

Error muestral o error de muestreo:

La diferencia entre el resultado obtenido de una muestra (un estadístico) y el resultado el cual
deberíamos haber obtenido de la población (el parámetro correspondiente) se llama error
muestral o error de muestreo.

-Muestreo probabilístico y no-probabilístico.

Existen dos tipos de muestreo:

1. Muestreo No Probabilístico
2. Muestreo Probabilístico
 Muestreo Aleatorio Simple
 Muestreo Estratificado

Muestreo no probabilístico:

Cuando la selección de las unidades muestrales no se realiza utilizando un esquema muestral

basado en las probabilidades, siendo precisamente esta la razón por la cual no se puede
valorar el error de muestreo.

EJEMPLO:

Muestreo por selección de experto (muestreo opinático o al juicio).

Es una técnica usada por expertos con la intención de seleccionar muestras típicas o
representativas de un fenómeno en particular, con fines fundamentalmente experimentales.
Su debilidad radica en que, varios expertos pueden tener puntos de vista diferentes sobre la
mejor manera de seleccionar o caracterizar a esos casos típicos o representativos. En la
medida en que los criterios empleados se aparten de la subjetividad, los resultados que se
obtengan serán más confiables.

Muestreo Probabilístico

Cuando la selección de las unidades muestrales se realiza utilizando un esquema muestral

basado en las probabilidades (medida de las posibilidades) que tienen los sujetos de la
población en formar parte de la muestra (permiten la valoración del error de muestreo por
hacer uso de la teoría de la probabilidad)

-Muestra representativa.

Una muestra es representativa si posee las características de la población de la cual se obtuvo.

Las bases para declarar a una muestra como buena debe ser precisamente su capacidad de
satisfacer el propósito para el cual fue diseñada.

-Condiciones de una buena muestra.

Para evaluar la calidad (representatividad) de una muestra, los dos factores más importantes
que se deben tener en cuenta son:

- El tamaño muestral
- Las condiciones de selección de la misma

Para obtener una buena muestra, una que probablemente sea representativa de la población
según los fines de una investigación en particular, se utilizan métodos o técnicas más o menos
sofisticados para la selección.

Esquemas de muestreo: Muestreo aleatorio simple y muestreo estratificado

-Esquemas de muestreo: Muestreo aleatorio simple y muestreo estratificado.

Muestreo Aleatorio Simple (MAS)

La esencia de este diseño muestral radica en que todos los sujetos en la población deben tener
la misma probabilidad de ser seleccionados y que no existan diferencias marcadas para la
característica en estudio, entre subgrupos poblacionales.

Puede ser al azar o utilizando la tabla de números aleatorios.

Los pasos para llevar a cabo este esquema son los siguiente:

1.- Enumerar consecutivamente todos los elementos de la población a muestrear.

2.- Seleccionar los elementos que componen la muestra empleando algún mecanismo
aleatorio.

Ejemplo

Supongamos que se desea conocer la estatura media de una población compuesta de 260
atletas. En primer lugar, necesitamos una relación con los nombres de dichos atletas y a cada
uno de ellos se les asigna un número de orden. Si el tamaño de muestra (que se calcula por la
formulación correspondiente a este tipo de muestreo y las características de la estatura en
estos sujetos), resulta ser de 30, se realiza un sorteo a partir del cual se obtienen 30 números
entre 1 y 260 ó 0 y 259. Los individuos cuyos números hayan salido en el sorteo serán los que
integrarán la muestra.

Muestreo Estratificado

La idea básica en la que se apoya este esquema es la posibilidad de dividir la población en

subgrupos tales que, dentro de cada subgrupo, los elementos que lo integran sean similares
entre sí, mientras que de un subgrupo a otro hay diferencias, en cuanto a la característica en
estudio. A estos subgrupos se les llama estratos.

Un ejemplos de esta forma de división de la población es el siguiente:

a) Se conoce que los índices de parasitismo y EDA están relacionados estrechamente con las
condiciones sanitarias de vida, luego la población a estudiar se podría clasificar en dos grandes
grupos: estrato urbano y estrato rural.

En el ejemplo, la subdivisión en estratos se puede hacer de antemano, es decir, antes de

realizar la selección de los individuos, pero existen casos en que, eso no es factible.
El procedimiento que se debe seguir en este diseño es como sigue:

 Se divide la población en estratos y para cada estrato se hace una lista de todos los
elementos (marco muestral por estratos).
 El tamaño de muestra calculado se divide entre los estratos formados, atendiendo a algún
criterio de asignación, de modo tal que todos los estratos aporten sujetos a la muestra.

Se aplica el MAS en cada uno de los estratos.

Los criterios de asignación de los tamaños de muestra a los estratos en el ME son varios y su
selección depende del interés y las necesidades del estudio. Aquí hablaremos del más sencillo
y lógico de acuerdo con el sentido común: la asignación proporcional

Esta forma de asignación consiste en:

Primero: Hallar el peso relativo de cada estrato en la población, es decir, si N1, N2, N3,.....y Nk,
representan los tamaños de los estratos en la población, y N el tamaño de la misma, entonces
el peso relativo de cada estrato vendría dado por:

Segundo: Si el tamaño de muestra calculado es n, entonces en cada estrato se tomará como

tamaño muestral (nj) el resultado del producto:

nj = Pj · n para j desde 1 hasta k

Al hacer las aproximaciones en estos tamaños muestrales se debe tener cuidado de que al final
se cumpla que:

n <= n1 + n2 + .......+ nk

O sea, el tamaño de muestra total calculado debe ser menor o igual a la suma de los tamaños
de muestra en los estratos. Por ello, es aconsejable aproximar siempre por exceso esos
tamaños.

Ejemplo:

Se divide la población en grupos homogéneos (estratos). La muestra se escoge aleatoriamente

en número proporcional al de los componentes de cada estrato.

Ejemplo: en un Liceo: hay 120 alumnos en 2º año de Bachillerato provenientes de 4 zonas o

pueblos.

Zona A: 20 estudiantes

Zona B: 32 estudiantes

Zona C: 60 estudiantes

Zona D: 8 estudiantes

Hay que elegir una muestra (n) de 20 estudiantes para hacerles una serie de preguntas.
Utilice los 2 métodos de muestreo estudiados: muestreo aleatorio simple y muestreo
estratificado para escoger la muestra.

Apliquemos el esquema de muestreo aleatorio simple:

Se colocan los nombres de todos los estudiantes en una lista del 0 al 119. (n = 20) Utilizando el
método del sorteo o utilizando la tabla de números aleatorios (Tabla N) escogemos a los 20
estudiantes de la muestra.

Utilizando el esquema del muestreo estratificado:

Suponemos que entre las zonas o pueblos hay diferencias así como entre los grupos de
estudiantes, debido, por ejemplo, por la zona geográfica en que se encuentran (más cerca o
más lejos de la ciudad, condiciones de vida, medio social, etc.) por lo tanto los grupos de
estudiantes no son homogéneos: n = 20

Tema. 3 Estadística Inferencial

-Métodos principales de la Estadística Inferencial.

La Estadística Inferencial estudia cómo sacar conclusiones generales para toda la población a
partir del estudio de una muestra.

Existen dos formas de hacer Inferencia Estadística:

• La estimación de parámetros

• Las pruebas de hipótesis.

La Inferencia Estadística es la parte de los Métodos Estadísticos relacionados con los

problemas de orden práctico que tienen que ver con el hecho de tomar decisiones en
situaciones de incertidumbre. En el estudio de una técnica básica de la Inferencia Estadística,
en específico el método de la Estimación de amplio uso en el campo de la biomedicina es la
que abordaremos en esta actividad

-Concepto de estadígrafo y distribución muestral.

ESTADÍGRAFO O ESTADÍSTICO: Es la medida de una característica relativa a una muestra. La

mayoría de los estadígrafos se encuentran por medio de una fórmula. Ya hemos estudiado la
media aritmética o promedio ( ), desviación estándar (s) y la proporción muestral (p).

PARÁMETRO: El parámetro hace referencia a las medidas que se tienen en cuenta en una
población. Como sabemos una variable aleatoria en la población se distribuye con arreglo a
cierta función (Modelo teórico de distribución o ley de una variable aleatoria) que depende de
cierto número de valores.

 Parámetro es siempre una característica de la población (µ, σ, P, etc.), relacionada con un

estadígrafo (estadístico) (, s, p, etc.).

Los parámetros poblacionales no se conocen pero pueden estimarse como veremos más
adelante.

La siguiente tabla nos muestra la relación entre algunos estadígrafos y los parámetros
poblacionales correspondientes.

Distribución Muestral.

El estudio de determinadas características de una población se efectúa a través de diversas

muestras que pueden extraerse de ella.

-Distribución muestral de la media aritmética cuando la distribución de la variable original es

normal.
Consideremos todas las posibles muestras de tamaño n de una variable aleatoria en una
población. Para cada muestra podemos calcular un estadígrafo (media, desviación estándar,
proporción, .etc.) que variará de una a otra. Así obtenemos una distribución del estadígrafo
que se llama distribución muestral.

Aclaremos un poco este concepto con un ejemplo: Supongamos que tenemos una población
de niños menores de un año y comenzamos a sacar muestras de tamaño 10 y calculamos el
peso promedio de los niños para cada muestra (Media muestral).

De tal suerte que tendremos un listado de pesos promedios, tantos como muestras hayamos
obtenido.

Esas medias ( ) podemos tratarlas como si fueran valores de una variable, podemos
ordenarlas, calcular su distribución de frecuencias absolutas y relativas y calcular una medida
de dispersión, digamos la desviación estándar (s).

Se ha comprobado que esa distribución de las medias muéstrales cuando la distribución de la

variable original es normal va a tener tres propiedades que son:

La media de la distribución de las medias en el muestreo es igual a la media poblacional (μ).

La desviación estándar de la distribución de las medias en el muestreo es σ/√n y se conoce

como error estándar de la media muestral. (Es una estimación de la desviación estándar de la
distribución muestral de las medias).

La forma de la distribución de las medias muéstrales es aproximadamente el de la distribución

normal, independiente de la forma de distribución de la población, suponiendo que n sea
suficientemente grande (Teorema central del límite).

De ahí la importancia tan grande que tiene la distribución normal en la estadística

inferencial, porque puede que no conozcamos cual es la distribución de nuestra población
en estudio o que incluso la población no se distribuya normal, si el tamaño de la muestra es
suficientemente grande, debido a esta propiedad que se conoce como teorema central del
límite, la muestra sigue la distribución normal.

-Error estándar.

Es la desviación estándar de la distribución muestral de un estadístico muestral. El término se

refiere también a una estimación de la desviación estándar, derivada de una muestra
particular usada para computar la estimación.
En aplicaciones prácticas, el verdadero valor de la desviación estándar (o del error) es
generalmente desconocido. Como resultado, el término "error estándar" se usa a veces para
referirse a una estimación de esta cantidad desconocida. En tales casos es importante tener
claro de dónde proviene, ya que el error estándar es solo una estimación.
Desafortunadamente, esto no es siempre posible y puede ser mejor usar una aproximación
que evite usar el error estándar
-Estimación de parámetros poblacionales.

Se denomina Estimación al conjunto de técnicas que permiten dar un valor aproximado de un

parámetro de una población a partir de los datos proporcionados por una muestra.

Esta tarea consiste en, partiendo de ciertos valores de la muestra llamados estadígrafos o
estadísticos, por ejemplo la media aritmética muestral ( ), inferir ciertos otros valores de la
población llamados parámetros (por ejemplo la media aritmética poblacional µ).

-Estimación puntual y porintervalos.

Concepto de Estimación puntual

La estimación puntual se realiza tomando en consideración el valor del estadígrafo como valor
del parámetro correspondiente de la población.

Ejemplo:

Supongamos que estamos interesados en realizar un estudio para describir las características
del desarrollo físico en niñas venezolanas entre 8 y 8.9 años de edad, por medio de la
observación de algunas dimensiones antropométricas, la talla por ejemplo. Asumamos con
bastante seguridad que la variable X, talla, se distribuye en la población de acuerdo con una ley
de distribución normal cuyos parámetros µ y σ se suponen desconocidos, lo expresado es
común escribirlo en la notación habitual
Debe notarse que la utilidad práctica del estadígrafo, radica en que por medio de un proceder
de cálculo se obtiene un valor único. En este sentido, tanto la media como la desviación
estándar s constituyen valores puntuales.

Lo que tenemos son estimaciones puntuales.

Este hecho, unido a lo que conocemos acerca de la incertidumbre que se produce en el

proceso de selección de muestras aleatorias, deja en dudas la utilidad de la estimación
puntual, ya que continuamos sin ninguna información en relación con cuán cerca está el valor
encontrado del verdadero valor desconocido del parámetro poblacional.

Es decir, sabemos que va a existir una diferencia entre la cifra estimada y la verdadera, pero no
conocemos todavía si tal diferencia es admisible o no.

-Estimación por intervalo de confianza de la media poblacional miu (µ) con sigma (σ)
conocida y desconocida.

Estimación por intervalo de confianza

Una estimación por intervalos consta de dos valores numéricos que, definen un intervalo que
con un grado de confianza específico, se considera que incluye el parámetro a estimar.

Nos ocuparemos de la construcción de intervalos de confianza para la media  de una variable

aleatoria X con distribución normal y para la proporción P de una variable aleatoria X con
distribución binomial.

Cuando hablamos de estimar un parámetro poblacional por intervalo de confianza, estamos

pensando en que debemos encontrar un intervalo en donde se encuentre acotado entre dos
valores el parámetro poblacional (µ, P etc.). Los extremos del intervalo se calcularán con los
valores de los estadígrafos correspondientes ( , p, etc.).

Por supuesto, si el parámetro no se encuentra en ese intervalo estaremos cometiendo un

error. Por otra parte, la longitud del intervalo es una medida de cuán bien puede ser estimado
el parámetro a través del intervalo, es decir, que habla de la utilidad de nuestra afirmación.
Así, por una parte, queremos que el parámetro se encuentre con gran probabilidad en el
intervalo y, por otra, que la longitud del intervalo sea bastante pequeña.

Intervalo de Confianza para µ con σ conocida

Vamos a aplicar las nociones anteriores para hallar un intervalo de confianza para  cuando σ
es conocida.

Ejemplo. Vamos a suponer que se extrae una muestra de tamaño 50(n = 50) de la población de
tallas de niñas de 7 años. (La variable talla se distribuye normalmente en la población). Se
conoce que σ= 5.53 cm. Los 50 valores de talla aparecen en la tabla que sigue a continuación,
considere adicionalmente que la muestra se obtuvo:

TABLA #1

131.5, 115.0, 125.5, 119.0, 123.0, 125.0, 124.5, 122.5, 118.0, 125.0

125.5, 119.0, 124.5, 118.0, 117.0, 128.0, 119.5, 124.5, 132.0, 122.5

120.5, 120.0, 126.0, 128.0, 120.5, 120.0, 119.0, 117.0, 129.5, 124.0

121.0, 119.0, 120.0, 128.0, 128.0, 118.5, 118.0, 124.0, 118.0, 118.5

131.0, 117.0, 118.0, 116.5, 121.0, 122.0, 124.0, 120.5, 114.5, 121.0
-Estimación de proporción poblacional (P).
Como ya se sabe el estimador p (proporción o porcentaje muestral) del parámetro P
(proporción o porcentaje poblacional) de la distribución binomial es un estimador puntual P y
como tal, presenta las mismas deficiencias ya señaladas en el caso de μ. Sería entonces muy
útil obtener estimaciones por intervalo de confianza para el parámetro P de la binomial.

Asuma que la variable que nos interesa es “presentar estomatitis subprótesis” y que se quiere
hallar un intervalo de confianza del 95 % para la proporción en la población, P, de enfermos de
estomatitis subprótesis. Se realiza un pesquizaje en portadores de prótesis estomatológicas de
una parroquia de la ciudad de Maracaibo, efectuándose para ello, la selección de una muestra
aleatoria de 50 portadores, encontrándose que, 25 padecían de la citada enfermedad.
Entonces el estimador puntual de P es P = 25/50 = 0.5.

Si asumimos que se cumple la aproximación de la distribución binomial a la normal entonces la

proporción de enfermos en la muestra se distribuye de acuerdo a una normal con parámetro
P; o de otra forma p ~ N(P, P(1−P)/n)

Similarmente al caso de µ, bajo las suposiciones anteriores, podemos plantear que:

Sea X una variable aleatoria binomial con parámetro desconocido P. Para n tal que se cumpla
la aproximación de la distribución binomial a la distribución normal, el intervalo

(p - Z ≤ P≤ p+z )

Pero q = 1 – p entonces, sustituyendo en la fórmula anterior tenemos que:

(p – Z ≤ P≤ p+z )

Es un intervalo del (1- α) ·100 % de confianza para P, donde:

p: = proporción de la muestra

q: = 1 – p

Z: = Coeficiente de confianza

Para el 95.0% de confianza z = 1.96 (o lo que es igual α=0.05)

Y para el 99.0% de confianza z = 2.58 (o lo que es igual α=0.01)

Error estándar de la proporción:

Vamos a calcular el intervalo del 95 % de confianza para la proporción de enfermos de

estomatitis subprótesis en la población. Para poder aplicar la fórmula del intervalo de
confianza n*p debe ser ≥ 5 y n*q debe ser ≥ 5. Como n = 50, p = 0.5 y 1- p = q = 0.5; n*p =
50*0.5 = 25 ≥ 5 y n*q = 50*0.5 = 25 ≥ 5, lo que implica que es válido usar la fórmula para
obtener una estimación de P por intervalo de confianza.
Obsérvese que a medida que aumenta el tamaño muestral (n) la curva se aproxima más a la
distribución normal.