Introducción

La ciencia y la investigación

Pablo A. Salgado email: cursos-estadistica@centroredes.org.ar

 2

 Cuando se habla de ciencia se hace referencia a un

sistema de conocimientos objetivo, basado en la
adquisición de éste mediante el método científico
(camino hacia el conocimiento).
 Esta definición de ciencia también indica que el
cuerpo de los conocimientos científicos está
organizado.
 El método científico es un procedimiento usado
principalmente en la producción de conocimiento en
las ciencias.
 3

 Para ser llamado científico, un método de investigación debe

basarse en la empírica y en la medición, sujeto a los principios
específicos de las pruebas de razonamiento.
 Oxford English Dictionary, el método científico es: "un método o
procedimiento que ha caracterizado a la ciencia natural desde el
siglo 17, que consiste en la observación sistemática, medición y
experimentación, y la formulación, análisis y modificación de las
hipótesis.“
 El método científico, por lo tanto, se refiere a la serie de
etapas que hay que recorrer para obtener un conocimiento
válido desde el punto de vista científico, utilizando para esto
instrumentos que resulten fiables. Lo que hace este método es
minimizar la influencia de la subjetividad del científico en su
trabajo.
 4
LA CIENCIA Y LA INVESTIGACIÓN

 El método científico es un proceso destinado a explicar

fenómenos, establecer relaciones entre los hechos y enunciar
leyes que expliquen los fenómenos físicos del mundo y
permitan obtener, con estos conocimientos, aplicaciones útiles
al hombre.
 Durante mucho tiempo a la ciencia se le definió como el
contenido, pero el conocimiento científico es provisional.
 Es por ello que actualmente se trata de definir a la ciencia
como un proceso.
 5
LA CIENCIA Y LA INVESTIGACIÓN

 A través de manera metódica y controlada, se

alcanzan nuevos conocimientos, que se consideran
válidos mientras no sean refutados.
 Lo que implica que la ciencia no produce verdad
incuestionable, sino que su producto puede ser
contrastado y refutado en cualquier momento.
 El método científico es considerado como la forma
más confiable y objetiva para descubrir conocimientos.
 6

 El científico usa métodos definitorios, métodos

clasificatorios, métodos estadísticos, métodos
hipotético-deductivos, procedimientos de medición,
etc.
 Cuando se habla del método científico, se refiere a
este conjunto de tácticas empleadas para constituir
el conocimiento, sujetas al devenir histórico, y que
pueden ser otras en el futuro.
 7
 El método científico está sustentado por dos pilares
fundamentales:
 La reproducibilidad: que es la posibilidad de repetir
un determinado experimento en otro momento y por
otro investigador. Para ello es esencial que la
investigación sea previamente comunicada y publicada
detalladamente (Explicitada en “Materiales y
Métodos).
 La falsabilidad: toda proposición científica tiene que
ser susceptible de ser falsa. Esto implica que se
pueden diseñar experimentos que en el caso de dar
resultados distintos a los predichos negarían la
hipótesis puesta a prueba.
 En filosofía de la ciencia, falsabilidad es la propiedad que
8

se verifica si se sigue, deductivamente, que la

proposición universal es falsa cuando se consigue
demostrar mediante la experiencia que un enunciado
observable es falso. Es un concepto central de la teoría
epistemológica de Karl Popper conocida como
falsacionismo.
 Dicho de otro modo, falsabilidad (refutabilidad) es la
propiedad que tendrá una proposición universal si existe al
menos un enunciado lógicamente posible que se deduzca
de ella que pueda demostrarse falso mediante observación
empírica. Si ni siquiera es posible imaginar un enunciado
empíricamente comprobable que contradiga la proposición
original, entonces tal proposición no será falsable.
 Concepto acuñado por el filósofo Karl Raimund Popper, que
9

designa la posibilidad que tiene una teoría de ser desmentida,

falseada o ‘falsada’ por un hecho determinado o por algún
enunciado que pueda deducirse de esa teoría y no pueda ser
verificable empleando dicha teoría. Según Popper, uno de los
rasgos de toda verdadera teoría científica estriba en su
falsabilidad; si una teoría logra no ser falseada, puede mantener
sus pretensiones de validez. Con este planteamiento, Popper
pretendía resolver los problemas de la teoría de la inducción
clásica del neopositivismo, así como introducir un mayor nivel de
confrontación en el análisis de las pretensiones de verdad y
validez de una teoría científica. Así, en lugar de verificar
inductivamente una teoría, lo que se intenta es mantenerla a salvo
de las posibilidades que esta teoría tiene de ser falseada. En
realidad, una teoría que no se encuentra abierta a la falsabilidad
no puede ser considerada una teoría científica.
 Como ejemplo veremos mas adelante que el
10

denominado "Test de Hipótesis" se basa en esta

propiedad:
 La denominada Hipótesis nula es la hipótesis en la cual no
se encuentran diferencias entre los tratamientos o no hay
diferencias estadísticamente significativas entre los grupos o no
hay asociación/correlación etc.
 La denominada Hipótesis alternativa (que generalmente es
la hipótesis de la investigación) en la cual se observan diferencias
entre los tratamientos o si hay diferencias estadísticamente
significativas entre los grupos o hay asociación/correlación entre
las variables etc.
 Generalmente el Test de Hipótesis: trata de rechazar la Hipótesis
nula y aceptar la Hipótesis alternativa.
 11
LA CIENCIA Y LA INVESTIGACIÓN

 Las principales características que posee la ciencia son las

siguientes:
 Sistemática
 Acumulativa
 Metódica
 Provisional
 Comprobable
 Especializada
 Abierta
 Producto de una Investigación Científica
 12

¿Qué es la Investigación Científica?

Un tipo de investigación sistemática,
controlada, empírica y crítica, de
proposiciones hipotéticas sobre las
presumidas relaciones entre fenómenos
físicos, naturales o sociales.
Kerlinger (1975, p. 11)
 13

 Más allá de las dificultades para definir “sistemática”,

“acumulativa”, “metódica”, etc., y de los disensos existentes en
torno a cada uno de los términos implicados en el concepto de
investigación científica, en nuestra cultura la misma goza de
mayor prestigio y confianza que otras formas de conocimiento,
ocupando un lugar de privilegio.
 La mayoría de nosotros, ante la presunción de una enfermedad,
visitamos a un profesional de la salud porque confiamos en el
conocimiento que posee, y sólo en situaciones excepcionales
recurrimos al curandero o utilizamos otros recursos para resolver
esto.
 Por otro lado, continuamente utilizamos los conocimientos y
tecnología derivados de la investigación (computadora,
medicamentos, TV, conceptos, explicaciones, ideas, etc.).
 14

 La investigación científica es de naturaleza inductiva-

deductiva.
 La inducción por si sola puede producir datos e
información aislada, además de que muchos
problemas no son susceptibles de resolución solo por
medios inductivos, por lo tanto se requiere de la
integración de la inducción con la deducción.
 La lógica inductiva y deductiva caracterizan a la
investigación científica actual, constituyendo el
método científico.
 Estadística

Pablo A. Salgado email: cursos-estadistica@centroredes.org.ar

 Desde hace por lo menos dos décadas la estadística es
16

muy utilizada en distintas disciplinas, siendo necesaria

para evaluar, llegar a conclusiones y en la toma de
decisiones.
 En las Ciencias de la Salud el uso de la estadística ha
aumentado exponencialmente desde hace 20 años.
 En el desarrollo de la ciencia en general, el conocimiento
de metodología y estadística permite la obtención,
análisis e interpretación de todos los datos que proceden
de las observaciones sistemáticas o de
experimentaciones proyectadas específicamente para
conocer los efectos de uno o varios factores que
intervienen en los fenómenos bajo estudio.
 17
 La estadística permite describir el comportamiento de las
características de la población de estudio, probar
hipótesis planteadas por el experimentador, estimar
parámetros, entender las relaciones entre variables,
entre otras cosas.
 No existe investigación, proceso o trabajo encaminado a
obtener información cuantitativa en general, en la que la
estadística no tenga una aplicación.
 La estadística no puede ser ignorada por ningún
investigador, aún cuando no tenga ocasión de emplear la
Estadística Aplicada en todos sus detalles y
potencialidades.
 18

 Actualmente, la probabilidad y la estadística se

ha convertido en un método efectivo para describir
en una forma más objetiva las principales
características de los datos económicos, políticos,
sociales, psicológicos, biológicos y físicos.
 Es una herramienta para describir, relacionar y
analizar dichos datos.

 Las aplicaciones mas importantes de la estadística

son las siguientes:
 19

 Análisis de situaciones (descriptivo)

 Estudio de Hipótesis

 Estimación de parámetros

 Relación entre dos o más variables

 Predicciones

 Control de calidad
 20

Análisis de situaciones (descriptivo)

Cualquier disciplina que pretenda analizar las magnitudes que se
consideren importantes para evaluar una situación las estudiará,
tabulará o resumirá, es decir las describirá dependiendo de sus
características: cualitativas (nominales u ordinales), cuantitativas
(discretas o continuas).
Además, en general, en el caso de los datos cuantitativos se
calcularán valores centrales (media, mediana, moda), la dispersión
de los datos y su distribución a lo largo del recorrido de la variable.
Para los datos cualitativos de resumirán los datos en tablas de
frecuencias y porcentajes.
 Estudio de Hipótesis
21

Verificar mediante el estudio de muestras si se cumplen

unas determinadas condiciones en ciertos ámbitos
considerados de interés.
Las técnicas estadísticas de contraste de hipótesis
permiten comprobar si en una población se cumpla una
determinada hipótesis; mediante el estudio de la población
completa o de una muestra, evidentemente esta última,
con un margen de error como siempre que se realizan
proyecciones de resultados a poblaciones a partir de
muestras.
 22
Estudio de Hipótesis
 Por ejemplo si se tiene la hipótesis que en una Jurisdicción la tensión
arterial sistólica de los hombres mayores de 18 años es más elevada
que la de las mujeres:
 Si se estudia a toda la población (censo) y la TS media de los hombres
es 130 mm Hg y de las mujeres es 120 mm Hg, los resultados
confirman la hipótesis sin necesidad de utilizar técnicas estadísticas,
dado que se han estudiado todos los elementos (unidades de análisis)
de la población y las conclusiones son válidas para la Jurisdicción en
donde se realizó el estudio.
 En el caso de que no se hubiera podido estudiar a todas las unidades
de análisis y los resultados hubieran sido obtenidos a partir de una
muestra aleatoria, no seria suficiente haber encontrado diferencias en
la muestra para confirmar la hipótesis, siendo necesario alguna prueba
estadística para corroborarlo con un nivel de confianza determinado.
 23

Estimación de parámetros
 En el caso de que el estudio de un problema se haga a partir de
datos obtenidos de muestras aleatorias estadísticamente
correctas o que puedan considerarse como tales, puede
evaluarse el margen de error estadístico a los resultados
obtenidos.
 Por ejemplo si se obtiene una muestra aleatoria de individuos y el
30% tiene una determinada característica, el objetivo del estudio
es conocer, a partir de la muestra, el % en el total de la población.
 La estadística inferencial o analítica permite estimar el valor
poblacional con un margen de error determinado por el
investigador.
 24

Relación entre dos o más variables

 Conocer la dependencia y el grado de la misma entre
dos o más variables es una de las técnicas de estudio
más utilizada en la actualidad. El objetivo es elaborar
modelos matemáticos que expliquen la relación
existente entre las variables de interés.
 Por ejemplo:
 El niveles de lípidos en sangre y la edad.
 El hábito de fumar y la frecuencia de enfermedades pulmonares.
 El infarto de miocardio y el peso, la edad, el colesterol en sangre,
la hipertensión arterial, diabetes, el estrés, el sedentarismo etc.
 Predicciones 25

 Muchas disciplinas utilizan métodos estadísticos para

realizar predicciones.
 Una predicción es una hipótesis enunciada a partir de
unos resultados obtenidos en un ámbito y período de
tiempo determinado, a fin de estimar los resultados en
otros tiempos y/o lugares.
 La formulación de la hipótesis presupone que las
condiciones en el ámbito o período de tiempo en que se
realicen son similares a las de la situación sobre la que se
obtuvieron los resultados predictores.
 Ejemplo: predecir el crecimiento demográfico a partir de
censos.
 Control de Calidad
26

 En los últimos años el control de calidad es una disciplina que se

ha desarrollado mucho, orientada hacia la producción.
 Es una técnica de estudio basa a en métodos estadísticos, siendo
su principal objetivo la determinación de factores que influyen en
la calidad de los productos.
 Los estudios de control de calidad, se realizan a partir de
muestras y utilizan técnicas de estadística inferencial y también de
estadística descriptiva.
 Los métodos estadísticos constituyen un medio efectivo para
controlar la calidad en el proceso de producción
 El control de calidad estadístico debe ser considerado como un
grupo de herramientas, que pueden influir en las decisiones
relacionadas con la producción.
 27

 El desarrollo y el nivel de aplicación que la Estadística,

como herramienta útil y rigurosa en el campo de la
investigación en todas las Ciencias ha experimentado
en los últimos años ha sido espectacular.
 La aplicación de la Estadística ha venido estrechamente
vinculada al crecimiento que ha experimentado el área
de la computación, que nos ha llevado a una sociedad
absolutamente informatizada donde la informática se ha
convertido en una herramienta de uso habitual.
 28

 El progreso de la informática, a nivel de software y

hardware, ha hecho posible realizar pruebas estadísticas
que, de forma habitual, hubiesen sido muy costosas
desde el punto de vista humano así como manejar
volúmenes de información (mediante bases de datos)
que habrían resultado absolutamente impensables.
 Esto ha modificado el proceso de enseñaza-aprendizaje
de la estadística, dado que hoy en día sería impensado
no utilizar los recursos que proveen las nuevas
tecnologías de la información y comunicación en un
curso de estadística.
 29

 Un segundo factor asociado a este progreso del

conocimiento en el ámbito estadístico, ha sido el
cambio de actitud experimentado por todos los
profesionales de las diferentes áreas de Ciencias.
 De una sociedad en la que los roles y el desempeño de
la profesión estaba ajustado a la mera aplicación de los
conocimientos adquiridos, hemos evolucionado a una
Sociedad Científica donde la investigación ha pasado a
formar parte esencial de su labor cotidiana.
 Por qué tenemos que
aprehender Estadística

Pablo A. Salgado email: cursos-estadistica@centroredes.org.ar

 31

 El interés por descubrir nuevos procedimientos a través de la

experiencia acumulada, ha sido determinante en la necesidad de
que todos estos profesionales se vean inmersos en la formación y
aprendizaje de técnicas básicas de metodología de la
investigación y de algunas mas concretas como el análisis de
datos.
 No se trata que seamos expertos en Estadística.
 El principal objetivo de este curso se centra en generar una
actitud crítica ante cualquier lectura científica, adquirir un lenguaje
común con los especialistas y conocer a priori los pasos y los
elementos imprescindibles en cualquier investigación empírica
que se apoye en el manejo de volúmenes grandes de datos y
cuyo propósito final sea resumir o condensar dicha información
para que pueda ser transmitida o extrapolar las conclusiones a
las poblaciones de las que fueron tomadas.
 32
 La estadística es utilizada para estudiar aquellos fenómenos
en los que se tienen una cantidad de observaciones, cuya
aparición se rige por las leyes del azar o aleatorias.
 La aplicación de la estadística tiene lugar porque los
fenómenos de algunas ciencias no se dan siempre iguales
entre sí exactamente, sino que presentan variaciones.
 Estas pequeñas diferencias son debidas a una serie de
causas tan numerosos y complejas que no se pueden
determinar por separado y que se incluyen dentro del nombre
común de “azar”.
 33
 En nuestra vida cotidiana, continuamente basamos nuestras
decisiones en cálculos estadísticos:
 Cuando vamos al supermercado, calculamos (en modo
aproximado), el consumo promedio de cada producto de modo tal
de no comprar ni de más ni de menos.
 Consultamos el pronóstico del tiempo y nos basamos en la
probabilidad de lluvias, para planificar un fin de semana al aire
libre.
 Estimamos la cantidad de horas que debemos estudiar para un
examen, en función de la cantidad y complejidad de temas a
preparar.
 Si observamos el periódico del domingo pasado, encontraremos
en el varios artículos que recurren a la estadística para presentar
la información.
 La estadística, en definitiva, se ha vuelto una herramienta
indispensable para desenvolvernos en nuestra cultura.
 EJEMPLOS Y
APLICACIONES

Pablo A. Salgado email: cursos-estadistica@centroredes.org.ar

 35
 Cada vez que hay elecciones, con anticipación de varios
meses, los medios comienzan a difundir noticias del tipo: Un
sondeo de opinión realizado por Consultoras, nos muestra
que el candidato del Partido HH tiene una intención de voto
del 54%. El error de muestreo fue menor al 3% y se calculó la
estimación aplicando intervalos de confianza del 95%.

 ¿A qué denomina error y que significado tiene?

 ¿A cuantas personas entrevistaron y a cuantas tendrían
que haber entrevistado?
 ¿Se puede confiar en el informe?
 ¿Podemos asegurar que ganará por más del 50% el
candidato del Partido HH?
 36
 El Departamento de Alimentos y Medicamentos está realizando
una prueba final de un nuevo medicamento que cura el cáncer de
próstata en un 80% de los casos, con un 2 % de efectos adversos
en los pacientes tratados.
 Este tipo de cáncer es la segunda causa de muerte y actualmente
no existe cura.
 El director de Investigaciones debe decidir si recomienda el
medicamento para su uso general.
 ¿Qué cuestiones debe tener en cuenta para decidir si lo acepta o no?
 ¿Cual será la toma de decisiones frente a los efectos adversos por un
lado y los resultados obtenidos?
 37

 La caries dental se encuentra entre las enfermedades más

prevalentes de la infancia. Esta enfermedad ha disminuido
significativamente en los países desarrollados. La misma puede
ser atribuida a una mejor higiene bucal, cambios en los estilos
de vida, la utilización de fluoruros y la aplicación de programas
de prevención en las escuelas.
 Se quiere evaluar un programa específico, después de algunos
años de ejecución, en términos de producto e impacto, en una
población de niños asistentes a escuelas, de comunidades con
riesgo social, económico y biológico.
 ¿Qué diseño experimental se puede proponer?
 ¿Qué variables mediría?
 ¿Qué indicadores elegiría para evaluar el impacto del
programa?
 38
 El Banco de Crédito Comunitario ha aprendido por
experiencia que existen cuatro factores que influyen en
gran medida en la determinación de si un cliente pagará
a tiempo un préstamo o si se va a convertir en moroso.
 Tales factores son:
1. El número de años que tenga viviendo en la dirección
actual.
2. Su antigüedad en el trabajo.
3. El hecho de si el cliente es dueño o no de la casa que
habita.
4. El hecho o no de que el cliente tengo una cuenta
corriente/ahorro en el mismo banco.
 39

 El banco no conoce el efecto individual que tales factores

tienen sobre el resultado del préstamo. Sin embargo,
posee archivos informáticos sobre los clientes y los
resultados de los prestamos otorgados.
 Juan Perez solicitó un préstamo, vive en su casa hace 4
años, es dueño, tiene una antigüedad de 3 meses en su
trabajo actual y no es cliente del Banco.
 Mediante el uso de la estadística ¿se puede calcular
la probabilidad (predecir) de que Juan pague su
préstamo si éste es otorgado?
 Cada una de los planteos/preguntas de los
ejemplos anteriores, implica aplicar un diseño
de experimento determinado (explicado y
definido por la Metodología de la Investigación)
y una serie de pruebas estadísticas (también
definidas por el diseño, las hipótesis plantadas
y el tipo de variables medidas), que daría una
respuesta en términos de probabilidad.
Pablo A. Salgado email: cursos-estadistica@centroredes.org.ar
 Como veremos, la Estadística es una manera
de pensar y tratar cierta problemática que la
realidad plantea, de una manera más
elaborada, objetiva y exacta que lo que hace el
pensamiento intuitivo y subjetivo; dando
criterios de decisión cuando prevalecen
condiciones de indeterminación.

Pablo A. Salgado email: cursos-estadistica@centroredes.org.ar

 42

La mayor aplicación de la estadística en cualquier

campo se basa en la posibilidad de observaciones
repetidas o de experimentos hechos en
condiciones esencialmente iguales.
Sin embargo, siempre que se repiten las
observaciones y aun cuando se tomen las
mayores precauciones para unificar las
condiciones, los resultados varían.
 43

Este hecho nos lleva al problema central

de la estadística que es en cierto sentido la
teoría sobre la variabilidad de las
observaciones, es decir, el estudio de la
tendencia de los resultados a que varíen
cuando las observaciones se hacen en
condiciones idénticas; desde el punto de
vista del observador.
 Concepto de
Estadística

Pablo A. Salgado email: cursos-estadistica@centroredes.org.ar

 45

 La Estadística es una Ciencia derivada de la

Matemática que estudia los métodos para recoger,
organizar, resumir y analizar datos, así como para
sacar conclusiones válidas y/o tomar decisiones
razonables.
 Cuando coloquialmente se habla de estadística, se
suele pensar en una relación de datos numéricos
presentada de forma ordenada, resumida y sistemática.
 46

 Esta idea es la consecuencia del concepto

popular que existe sobre el término y que cada
vez está más extendido debido a la influencia
de nuestro entorno, ya que es casi imposible
que cualquier medio de difusión, periódico,
radio, televisión, etc., no aborde cotidianamente
con información estadística sobre accidentes de
tránsito, índices de crecimiento de población,
turismo, tendencias políticas, etc.
 47

Sólo cuando nos adentramos en un mundo

más específico como es el campo de la
investigación de las Ciencias se observa
que la Estadística se convierte en una
herramienta que, permite obtener
resultados, en muchos tipo de estudio,
cuyos movimientos y relaciones, por su
variabilidad intrínseca, no puedan ser
estudiadas desde la perspectiva de las
leyes deterministas.
 48

 Por lo tanto la Estadística se ocupa de los métodos

y procedimientos para recoger, clasificar, resumir,
hallar regularidades y analizar los datos, siempre y
cuando la variabilidad e incertidumbre sea una
causa intrínseca de los mismos; así como de
realizar inferencias a partir de ellos, con la finalidad
de ayudar a la toma de decisiones y en su caso
formular predicciones.
 La Estadística es la aplicación de métodos para
evaluar el grado en que el azar contribuye en las
mediciones.
 Estadística Descriptiva
49

 Es la parte de la Estadística que se ocupa de recopilar, ordenar,

representar y condensar los datos obtenidos del Universo o población
en estudio con el fin de describir en forma apropiada las principales
características.
 Generalmente es el primer análisis elemental y fundamental que se
realiza.
 Las primeras conclusiones obtenidas en un análisis descriptivo, nos
brindan una serie de medidas de tendencia central, medidas de
dispersión y frecuencias o porcentajes, para ver en qué medida los
datos se agrupan, dispersan o distribuyen en torno a un valor
central.
 50

Generalmente se describen, analiza y

representa un grupo de datos utilizando
tablas, gráficos e indicadores (tasas,
promedios, etc.), permitiendo resumir y
presentar la información contenida en ellos
en forma clara, con la finalidad de poder
reconocer el comportamiento de las
características principales de la población
estudiadas.
 Algunos
Ejemplos

Pablo A. Salgado email: cursos-estadistica@centroredes.org.ar

 52

Evolución de la Población C.A.B.A.

3.000.000
1947 1960 1970 1980
1991 2010
2001
2.500.000
1936

2.000.000

1914
1.500.000

1909

1.000.000 1904

1895
500.000
1887
1869
1855

0
1850 1860 1870 1880 1890 1900 1910 1920 1930 1940 1950 1960 1970 1980 1990 2000 2010

Años censales 1855 – 2010

Fuente: Dirección General de Estadística y Censos (G.C.B.A.) sobre la base de Recchini de Lattes, Zulema La población de
Buenos Aires, componentes demográficos del crecimiento entre 1855 y 1960. Editorial del Instituto - 1971. Análisis Demográfico 7 -
INDEC.
 53

Evolución del % de no Nativos C.A.B.A

60%

1887
1895
50% 1914
1869
1909
1904
40%

1936
1855
30% 1947
1960

20%
1970 1980 2010
1991
10%
2001

0%
1850 1870 1890 1910 1930 1950 1970 1990 2010

Años censales 1855 – 2010

Fuente: Dirección General de Estadística y Censos (Ministerio de Hacienda GCBA), sobre la base de los resultados de los
respectivos censos.
 Tabla: para una variable cuantitativa continua
54

Ingreso Per Cápita Familiar por Zonas geográficas

Zonas Media Mediana Moda Desv. Std. Percentil 25 Percentil 75
Total 1.843 1.350 2.000 1.918 767 2.333
Zona A (norte) 2.714 2.000 2.000 2.794 1.220 3.333
Zona B (este) 1.752 1.350 1.500 1.720 705 2.200
Zona C (sur) 1.072 800 800a 897 440 1400
Zona D (oeste) 1.482 1.133 800 1.249 750 1.900
Zona E (centro) 1.877 1.420 2.000 1.624 805 2.450
FUENTE: Dirección General de Estadística y Censos (G.C.B.A.) - EAH 2009. Ciudad Autónoma de Buenos Aires.

Ingreso Per Cápita Familiar por Zonas geográficas

Zonas Media Mediana Moda Desv. Std. Percentil 25 Percentil 75
Total 13.195 10.125 10.000 11.412 6.000 16.700
Zona A (norte) 16.434 13.333 15.000 13.177 8.125 20.000
Zona B (este) 12.369 9.950 15.000 10.237 5.500 15.500
Zona C (sur) 7.880 6.000 10.000 6.509 3.500 10.250
Zona D (oeste) 10.489 8.500 10.000 8.142 5.300 13.000
Zona E (centro) 13.573 10.500 10.000 11.723 6.500 17.500
FUENTE: Dirección General de Estadística y Censos (G.C.B.A.) - EAH 2016. Ciudad Autónoma de Buenos Aires.
 Ciudad Autónoma de Buenos Aires. Comunas y Zonas.

Zonas Comunas
N
13
12
14
15 2
11
1
6 5 3
10
7
4
9

Zona A (norte) 8
Zona B (este) N

Zona C (sur)
Zona D (oeste)
Zona E (centro)
 56
Las tablas anteriores describen (resumen) los valores tomados por un
indicador muy utilizado en la Estadística sociodemográfica (IPCF:
ingreso total del hogar/N° de individuos del hogar). Como es una
variable que toma valores cuantitativos se puede resumir en medidas
de tendencia central (promedio, mediana y moda), en medidas de
dispersión (desvío estándar) y medidas de posición (Percentil 25,
percentil 50 o mediana y percentil 75).
Además está descripto por Zonas geográficas de la Ciudad Autónoma
de Bs As (variable cualitativa), permitiendo comparar sus variaciones.
Por ultimo muestra dos momentos en el tiempo (EAH del año 2009 y
EAH del año 2016).
Todos esto en forma descriptiva sin ninguna significancia estadística,
que evaluaría si hay diferencias entre Zonas o Años.
Distribución porcentual de la población en viviendas ubicadas en
inquilinatos, hoteles familiares y villas por Zona. Ciudad de
Buenos Aires. Año 2013.
44,4%
N
3,1% 29,3%

18,1%

3,1% 5,1%

29,3%
Zona Norte Zona Este Zona Sur Zona OesteZona Centro
5,1% 18,1% El 85,3% de la población que
habita en este tipo de viviendas
Zona A (norte)
se ubican en las siguientes 5
44,4% Zona B (este) Comunas:
Zona C (sur) 1, 3, 4, 7 y 8
Zona D (oeste)
Zona E (centro)
Fuente: Dirección General de Estadística y Censos (Ministerio de Hacienda GCBA). EAH 2013.
 Distribución porcentual de personas bajo la línea de pobreza
según comuna

Comuna % hogares Canasta Básica Total (CBT)

para el adulto equivalente:
Total 4,9 $ 454,49 (Diciembre 2011)
C1 6,1
13
% de hogares
C2 3,2 12
14 0,0 – 2,0
C3 3,0
2,1 – 3,9
C4 9,3
15 2 4,0 – 7,0
C5 4,2
11 7,1 y más
C6 0,9 1
C7 9,5 6 5 3
C8 19,3 10
C9 10,4 7
C10 6,9 4
9
C11 2,7
C12 1,9
C13 2,0 8
C14 0,6 N
C15 5,2

FUENTE: Dirección General de Estadística y Censos (G.C.B.A.) 2011 – INDEC: Encuesta Permanente de hogares 2011.
Distribución porcentual de la población mayor de 10 años y
analfabeta por Comuna
Ciudad Autónoma de Buenos Aires. Año 2010.

13
12 0,00 – 0,35%
14
0,36 – 0,50%
15 2
0,51 – 0,70%
11
1 0,71 – 1,12%
6 5 3
10
7
4
9

8
N

Fuente: INDEC - CENSO NACIONAL DE POBLACION, HOGARES Y VIVIENDAS 2010

Tasa neta de escolarización de la población de 6 a 12 años. Nivel
de enseñanza primaria según zona.
Ciudad de Buenos Aires. Año 2013
99,7 100,0 100,0 99,1 99,9 99,6
13
12
14
15 2
11
1
6 5 3
10
7
4
9

Zona A (norte)
Zona B (este)
Zona C (sur) Total A (norte) B (este) C (sur) D (oeste) E (centro)
Zona D (oeste)
Zona E (centro)

Fuente: Dirección General de Estadística y Censos (Ministerio de Hacienda GCBA). EAH 2013.
Tasa neta de escolarización de la población de 13 a 18 años.
Nivel de enseñanza Secundaria, según zona.
Ciudad de Buenos Aires. Año 2013
99,0 97,3 96,8
96,3 95,2
13 92,3
12
14
15 2
11
1
6 5 3
10
7
4
9

Zona A (norte)
Zona B (este)
Zona C (sur) Total A (norte) B (este) C (sur) D (oeste) E (centro)
Zona D (oeste)
Zona E (centro)

Fuente: Dirección General de Estadística y Censos (Ministerio de Hacienda GCBA). EAH 2013.
62
 63
Tasa de Mortalidad Infantil componentes por ‰ nacidos vivos
Residentes en CABA 1990 – 2016
Infantil Neonatal Postneonatal

18,0

16,0 16,0

14,0

12,0
10,8
Tasa ‰

10,0

8,0
7,2
6,0
5,2 5,4

4,0

2,0 1,8

0,0
1988 1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014 2016
 Difference (ARM1 - ARM2) and 95%CI 64

Favors ARM1 Favors ARM2

Este gráfico compara dos

Total population ramas (diferentes
tratamientos). Los gráficos de
Females
barra muestra las diferencias
de proporciones o porcentajes
Males
para el total de la población y
Caucasian
para diferentes variables con
respecto a la variable
Non Caucasian principal.
Por otro lado se observa (a la
AGE(yrs):>50 derecha) la diferencia de
porcentajes con su intervalo
AGE(yrs):<50
de confianza al 95%. Cuando
el intervalo excluye al cero, se
HIV-1 RNA <100K
puede definir que hay
HIV-1 RNA >100K
diferencias estadísticas entre
los porcentajes, para la
Cd4 <200 at baseline variable principal con una
DT confianza del 95% o una
TT
Cd4 >200 at baseline significación del 5%.
0 20 40 60 80 100 -20 0 20 40
 65

Este gráfico muestra uno de los estudio con mayor evidencia científica (Estudio de Meta
análisis, que compara varios trabajos científicos y sus resultados). Se observa además
las chances (OR) de cuales estuvieron a favor del tratamiento o del placebo, con su
intervalo de confianza al 95%.
 66

 También al organizar y resumir la información se trata de

detectar algún modelo o patrón de comportamiento de los
datos, tanto de las unidades de análisis o de las
características estudiadas.
Distribución porcentual de Madres adolescentes según Región

NEA 28,3%

Centro 26,1%

PBA Interior 24,7%

NOA 24,4%

TOTAL PAÍS 23,7%

Cuyo 22,7%

Patagonia 22,4%

Conurbano 22,3%

CABA 17,6%

0% 5% 10% 15% 20% 25% 30%

FUENTE: Sistema de Información Perinatal – Dirección Nacional de Maternidad e Infancia. Ministerio de Salud de la Nación. 2011
 67
Distribución porcentual de los hogares que sólo cuenta con Sistema
Público de Salud según Nivel Educativo alcanzado por el jefe de hogar.
30%

24,8% 24,5%
25%

20%
16,9% 16,5%

15%

9,8%
10%

5% 3,4%

0%
Primario Primario Completo Secundario Secundario Superior / Superior /
Incompleto Incompleto Completo Universitario Universitario
Incompleto Completo

FUENTE: Dirección General de Estadística y Censos (G.C.B.A.) - EAH 2008

Este es un gráfico de barras bivariado, dado que combina el nivel educativo
alcanzado por el jefe de hogar y su acceso al sistema de salud.
 68
Índice de Hacinamiento (más de 2 personas por habitación)

12,4%

8,4%

4,7%
3,8%
3,4%

1,9%

Total CABA Zona A (norte) Zona B (este) Zona C (sur) Zona D (oeste) Zona E (centro)

FUENTE: Dirección General de Estadística y Censos (G.C.B.A.) - EAH 2011

Este es un gráfico de barras bivariado, dado que combina (compara) el porcentaje

de hogares con hacinamiento y la zona geográfica en la Ciudad Autónoma de Bs As.
 69
Seguimiento de dos grupos de pacientes sometidos a dos
tratamientos quirúrgicos

Gráfico de sobrevida para una cohorte de pacientes con seguimiento en el tiempo, que
describe y compara la sobrevida en cada momento temporal para los dos grupos.
Principales causas de defunción en dos periodos

Grupo de Causas:
Enfermedades transmisibles, maternas, neonatales y nutricionales
Enfermedades no transmisibles
Lesiones

Fuente: Estimaciones de Salud Global 2010 y 2016. Ginebra. OMS

Los gráficos muestran las principales
causas de defunción en cada grupo de
países, en función de sus ingresos en
el año 2016. Cada grafico de barras
horizontales describe a: países con
ingresos bajo, países con ingresos
mediano y países con ingresos altos.
Determine a que gráfico pertenecen
esto tres grupos de países.
Grupo de Causas:
Enfermedades transmisibles, maternas, neonatales y nutricionales
Enfermedades no transmisibles
Lesiones
 72

Estadística Inferencial o Inductiva

 Es la parte de la Estadística dedicada a la
formulación de supuestos y estimaciones,
para hacer predicciones y poder sacar
conclusiones de los datos obtenidos a partir
de las muestras, para luego extrapolar los
resultados al total de la población.
 Comprende los métodos y procedimientos
que por medio de la inducción determina
propiedades de una población estadística, a
partir de una pequeña parte de la misma
(muestra).
 73

La estadística inferencial comprende como

aspectos importantes:

 La toma de muestras o muestreo.

 La estimación de parámetros o variables
estadísticas.
 El contraste de hipótesis.
 El diseño experimental.
 Los métodos estadísticos paramétricos y no
paramétricos
 74

Generalmente uno de los objetivos

fundamentales de la estadística es
utilizar la información suministrada
por una parte de la población de
estudio para hacer inferencia sobre
el total de la misma, asociado a una
probabilidad de cometer un error,
debido a que no se evaluó el total de
la población (error de muestreo).
 75

Apoyándose en el cálculo de
probabilidades y a partir de datos de
muestras de poblaciones, efectúa
estimaciones, decisiones,
predicciones u otras generalizaciones
sobre un conjunto mayor de datos,
con cierto grado de certeza o nivel de
confianza.
 76

En la próxima diapositiva observamos un

modelo de distribución teórico denominado
“Distribución Normal Estándar” (también
denominada “Campana de Gauss”), el cual
es muy utilizado para el cálculo estadístico
de probabilidades.
Para ello se supone que la distribución de
probabilidades de la variable que estamos
midiendo se aproximada a esta distribución
teórica.
77
 78
Distribución porcentual de mujeres sin control prenatal. Argentina. Período 2008 a 2014.

9,0%

8,0%
Porcentaje - IC 95%

7,0%

6,0%

5,0%

4,0%

2008 2009 2010 2011 2012 2013 2014

Fuente de datos: Sistema Informático Sector: Hospitales Públicos.

Tipo de gráfico: Diagrama de Barra de errores. En donde se observa la proporción (%)

de madres que no tuvieron control prenatal durante el embarazo y el Intervalo de
confianza al 95% de la proporción.
Esperanza de vida al nacer por sexo. Ciudad de 79

Buenos Aires. Años 1855 - 2001

80

70

60

50

40

30

20
1855 1868-70 1887 1894-96 1903-05 1908-10 1913-15 1935-37 1947 1959-61 1969-71 1980-81 1990-92 2000-01

Ambos sexos Varón Mujer

Fuente: Dirección General de Estadística y Censos (Ministerio de Hacienda GCBA) e INDEC. Serie Análisis
Demográfico N° 10 y 31.
 Etapas de un estudio
estadístico

Pablo A. Salgado email: cursos-estadistica@centroredes.org.ar

 81

 Las etapas o fases de un estudio estadístico

que se presentan a continuación, pueden variar
dependiendo del diseño de investigación y
también puede modificarse el orden
cronológico.

 Tampoco es lineal sino que se pude avanzar en

forma paralela.
 82
1. Planteamiento del problema.

2. Marco teórico y Fijación de los objetivos.

3. Formulación de la hipótesis y variables a estudiar.

4. Definición de la unidad de observación y de la unidad de medida.

5. Determinación de la población y de la muestra.
6. La recolección.
7. Depuración y procesamiento de los datos.
8. Presentación de lo datos

9. Análisis de los resultados.

10. Conclusiones y publicación.
 83

PLANTEAMIENTO DEL PROBLEMA

Al abordar una investigación se debe tener definido
qué se va a investigar y por qué se pretende
estudiar algo. Es decir, se debe establecer una
delimitación clara, concreta e inteligible sobre el o
los fenómenos que se pretenden estudiar, para lo
cual se deben tener en cuenta, entre otras cosas,
la revisión bibliográfica del tema, para ver su
accesibilidad y consultar los resultados obtenidos
por investigaciones similares, someter nuestras
proposiciones básicas a un análisis lógico; es decir,
se debe hacer una ubicación histórica y teórica del
problema.
 84

LOS OBJETIVOS
 Luego de tener claro lo que se pretende investigar,
debemos evaluar hasta dónde se pretende llegar;
debemos fijar cuales son nuestras metas y objetivos.
 Estos deben plantearse de tal forma que no haya
lugar a confusiones o ambigüedades y debe, además,
establecerse diferenciación entre lo de corto, mediano
y largo plazo, así como entre los objetivos generales
y los objetivos específicos.
 Marco Teórico
 Exposición sistemática de las definiciones conceptuales,
relaciones y proposiciones implicadas en problema (hipótesis –
objetivos).
 Configuración particular de las ideas del Investigador.
 Debe relacionarse con el Estado del Arte (se explicitan
conocimientos, definiciones, clasificaciones, planteos de estudios
anteriores y se extraen correspondencias, contradicciones,
omisiones etc. Fundamentadas y bien citadas)
 Exige Coherencia local y total.
 Opera con:
- Lenguaje específico y formal
- Sistemas Conceptuales Complejos (Modelos)
 86

FORMULACION DE LAS HIPOTESIS

 Una hipótesis es ante todo, una explicación provisional de los
hechos objeto de estudio, y su formulación depende del
conocimiento que el investigador posea sobre la población
investigada.
 Una hipótesis estadística debe poderse probar para su
aceptación o rechazo.
 La Hipótesis que se formula acerca de un parámetro (media,
proporción, varianza, etc.), con el propósito de rechazarla, se
llama Hipótesis de Nulidad y se representa por Ho.
 A la Hipótesis que se formula con intención de aceptarla se le
llama Hipótesis Alternativa (Ha o H1).
 87
DEFINICION DE LA UNIDAD DE ANALISIS Y
DE LA UNIDAD DE MEDIDA
 La Unidad de Análisis, esta compuesta por cada uno de los elementos
constituyentes de la población estudiada, debe definirse previamente,
resaltando todas sus características; dado que sobre éstas se les harán las
mediciones.
 La unidad de análisis puede estar constituida por uno o varios individuos u
objetos y denominarse respectivamente simple o compleja.
 El criterio sobre la unidad de medición debe ser previamente definido y
unificado por todo el equipo de investigación. Si se trata de medidas de
longitud, volumen, peso, etc., debe establecerse bajo qué unidad se
tomarán las observaciones.
 Asociado a la unidad de medida, deben establecerse los criterios sobre las
condiciones en las cuales se ha de efectuar la toma de la información.
 88
DETERMINACION DE LA POBLACION Y DE LA MUESTRA
 Estadísticamente, la población se define como un conjunto de
individuos o de objetos (unidades de análisis) que poseen una o
varias características comunes. Puede estar constituida por los
habitantes de un país o por los peces de un estanque, así como
por los establecimientos comerciales de un barrio o las
unidades de vivienda de una ciudad.
 Existen desde el punto de vista de su manejabilidad
poblaciones finitas e infinitas. Aquí el término infinito no está
siendo tomado con el rigor semántico de la palabra; por
ejemplo, los peces dentro de un estanque son un conjunto finito;
sin embargo, en términos estadísticos, puede ser considerado
como infinito.
 89
DETERMINACION DE LA POBLACION Y DE LA MUESTRA
 Muestra es un subconjunto de la población a la cual se le efectúa la
medición con el fin de estudiar las propiedades del conjunto del cual es
obtenida.
 En la práctica, estudiar todos y cada uno de los elementos que conforman
la población no es aconsejable, ya sea por la poca disponibilidad de
recursos, porque a veces es necesario destruir lo que se está midiendo,
por ser demasiado grande el número de sus componentes o no se
pueden controlar. Por eso se recurre al análisis de los elementos de una
muestra con el fin de hacer inferencias respecto al total de la población.
 Existen diversos métodos para calcular el tamaño de la muestra y
también para tomar los elementos que la conforman, diremos que la
muestra debe ser representativa de la población y sus elementos
escogidos al azar para asegurar la objetividad de la investigación.
 90

LA RECOLECCION
 La recolección de la información, la cual ha de partir, a menos que se
tenga experiencia con muestras análogas, de una o varias muestras
piloto en las cuales se pondrán a prueba los diferentes métodos de
recolección (encuestas, mediciones de características etc.) y se obtendrá
una aproximación de la variabilidad de la población, con el fin de
calcular el tamaño exacto de la muestra que conduzca a una estimación
de los parámetros con la precisión establecida.
 El establecimiento de las fuentes de información, así como la cantidad y
complejidad de la toma de los datos (según los objetivos de la
investigación), son decisiones que se han de tomar teniendo en cuenta la
disponibilidad de los recursos financieros, humanos y de tiempo y las
limitaciones que se tengan en la zona geográfica, el grado de desarrollo,
la ausencia de técnica, etc.
 91
DEPURACION, PROCESAMIENTO DE LOS DATOS
 Después de haber reunido toda la información pertinente, se necesita la
depuración de los datos recogidos. Para hacer la crítica de una
información, es fundamental el conocimiento de la población por parte de
quien depura para poder detectar falsedades o incongruencias en los
datos.
 Separado el material de "desecho" con la información depurada se
procede a establecer el procesamiento estadístico a realizar (análisis
estadísticos que se quieren realizar como frecuencias, gráficos, cruces
necesarios entre las variables).
 Se ordenan las respuestas y se preparan los modelos de tabulación de
las diferentes variables que intervienen en la investigación.
 El avance tecnológico y la popularización de la informática hacen que
estas tareas, manualmente dispendiosas, puedan ser realizadas en corto
tiempo.
 92

PRESENTACION DE LOS DATOS

 Una información estadística adquiere más claridad cuando
se presenta en la forma adecuada. Los cuadros, tablas y
gráficos facilitan el análisis, pero se debe tener cuidado
con las variables que se van a presentar y la forma de
hacerlo.
 No es aconsejable saturar un informe con tablas y gráficos
redundantes que, antes que claridad, crean confusión.
 Además la elección de determinada tabla o gráfico para
mostrar los resultados, debe hacerse no sólo en función de
las variables que relaciona, sino del lector a quien va
dirigido el informe.
 93

EL ANALISIS DE LOS RESULTADOS

 La técnica estadística ofrece métodos y procedimientos
objetivos que convierten las especulaciones de primera
mano en aseveraciones cuya confiabilidad puede ser
evaluada y ofrecer una premisa medible en la toma de una
decisión.
 Es el análisis donde se cristaliza la investigación. Esta es la
fase de la determinación de los parámetros poblacionales
y estadísticos de la muestra para las estimaciones e
inferencias respecto a la población, el ajuste de modelos y
las pruebas de las hipótesis planteadas, con el fin de
establecer y redactar las conclusiones definitivas.
 94

CONCLUSIONES Y PUBLICACION
 A partir del análisis de los resultados se redactan las
conclusiones, directamente relacionadas a los
objetivos e hipótesis planteadas. Además toda
conclusión es importante de ser comunicada a través
de publicaciones, en congresos o en
comunicaciones.
 Si los autores lo consideran, lo ideal es publicarlo en
una revista indexada, dado que va a tener que ser
evaluada para ser aceptada y en caso de ser
publicada, el acceso a la misma estará al alcance de
otros grupos de investigación, a quienes se les
puede aportar información, conocimientos y otros
puntos de vista.
 95

UTILIDADES DE LA ESTADISTICA
 Es una herramienta político/administrativa
importante ya que al disponer de información
numérica fidedigna se puede controlar, evaluar,
organizar y optimizar los recursos.
Ejemplo Epidemiológico
 Interesa saber por ejemplo: cuantas personas
enferman, cuales son las causas y en que
circunstancias ocurrieron, edad, si es más
frecuentes en hombres o en mujeres, si está
circunscripto a distintas áreas geográficas, si hay
variaciones estacionales, que grupos son los mas
expuestos, si está relacionada con las condiciones
sanitarias.
 96

La estadística entre otras cosas permite:

 Recolectar, analizar, interpretar, describir y explicar fenómenos.
 Organizar y resumir la información en forma de tablas, cuadros
y gráficos.
 Detectar algún modelo o patrón de comportamiento de los
datos.
 Realizar inferencias de una población a partir de los datos
obtenidos de una muestra o parte de esa población.
 Comparar una o más características (variables) entre dos
poblaciones.
 Investigar si dos o más características o variables de una
población están relacionadas entre sí o si, por el contrario, son
independientes.
 Realizar una toma de decisiones más efectiva.
 97

Volviendo al concepto de Estadística

 Tener en cuenta que la estadísticas no tienen el
poder de descubrir hechos nuevos ni de
suministrar conclusiones absolutas, válidas sin
restricciones.
 La respuesta siempre son en términos de
probabilidad, jamás en términos de certeza.
 Lo que permiten la estadística es someter las
hipótesis a ensayos objetivos, independientes de
la apreciación subjetiva del experimentador.
 98

Algunos
Conceptos
 99

Magnitud Muestra

Variable Unidad de análisis

Parámetro Valor o dato

Medir Diseño experimental

Población Diseño de investigación

 100

Magnitud: Es toda característica, o

cualidad, de un elemento integrante
de la población, susceptible de ser
observada.
Es una propiedad de un objeto o de un
fenómeno físico o químico susceptible
de tomar diferentes valores.
 101

 Magnitud que puede tener un valor cualquiera de

los comprendidos en un conjunto, cuyos valores
están determinados por las leyes de
probabilidad.
 Las primeras magnitudes definidas estaban
relacionadas con la medición de longitudes,
áreas, volúmenes, masas patrón, y la duración
de periodos de tiempo.
 102

Variable:
 Entendemos por variable cualquier característica o cualidad de
la realidad que es susceptible de asumir diferentes valores, es
decir, que puede variar, aunque para un objeto determinado
que se considere puede tener un valor fijo.
 Una variable es una propiedad, característica o atributo que
puede darse en ciertos sujetos o pueden darse en grados o
modalidades diferentes. . . son conceptos clasificatorios que
permiten ubicar a los individuos en categorías o clases y son
susceptibles de identificación y medición.
 103

 Tiempo es una magnitud. Tiempo de internación en un hospital es

una variable a medir. La magnitud con que se mide esta variable
es el Tiempo y la unidad de medida puede ser en días o en
meses.
 Peso es una magnitud. Peso de los recién nacidos en hospitales
públicos de la Provincia de Formosa es una variable y se mide en
gramos que es una unidad de medida de la magnitud peso.
 Ya que estamos: en el primer caso la unidad de análisis es el
paciente internado al cual se le mide en magnitud tiempo la
variable tiempo de internación y en el segundo caso la unidad de
análisis es el recién nacidos que le mido en magnitud peso en
gramos la variable Peso al nacer.
 104
 La edad es una variable en cuanto la característica de tener
más o menos años se da, justamente, en grados o
magnitudes diferentes en las personas, sin perjuicio que
algunas personas tengan la misma edad.
 La escolaridad es una variable ya que las personas han
cursado varios años en la escuela o no han cursado ninguno.
Como en el caso anterior, algunas personas pueden tener la
misma escolaridad.
 La actitud frente a las innovaciones es otra variable en
cuanto es una propiedad que las personas puedan tener en
intensidades diferentes (magnitudes). Así, algunas personas
pueden tener una actitud más innovadoras que otras.
 El sexo es también una variable dicotómica ya que esa
característica biológica diferencia a los hombres de las
mujeres.
 105

Variable Aleatoria
 Una variable aleatoria o variable estocástica es una variable
estadística cuyos valores se obtienen de mediciones en un
experimento aleatorio. Los ejemplos de variables vistos son
variables estadísticas. Son las características o cualidades
seleccionadas de una población para medir en un determinado
experimento aleatorio.
 Los valores o categorías posibles de una variable aleatoria
pueden representar los posibles resultados de un experimento
aún no realizado, o los posibles valores de una cantidad cuyo
valor actualmente existente es.
 Una distribución de probabilidad se usa para describir la
probabilidad de que se den los diferentes valores.
 106
 Como ejemplo, defino un experimento aleatorio como medir el
peso del recién nacido.
 La variable estadística elegida es “Peso del recién nacido”.
Como el experimento es aleatorio (selecciono a las unidades de
análisis al azar), la variable es aleatoria y como la elegí como
propiedad para evaluar en mi experimento, es una variable
estadística, que como veremos después se podrá clasificar
según en nivel de medición a partir de la forma en que evalúo a
esta variable (operacionalización de la medición). Podría
medirla en gramos, entonces la variable estadística es
cuantitativa con valores reales continuos (toma cualquier valor
entre limites máximos y mínimos).
 Luego de terminado el experimento podría describir la
distribución de probabilidades de los pesos de los recién
nacidos.
 107

Parámetro: Es el valor que mejor

representa a una variable.
Medir: Es comparar una magnitud con
otra de su misma especie, considerada
como referencia o patrón. Ya sea
usando instrumentos, por medio de los
sentidos o definiciones teóricas.
 108

Población: Se designa con este término a

cualquier conjunto de elementos que tienen
características comunes.

Muestra: Subconjunto de individuos (o

unidades de análisis) pertenecientes a una

población y representativos de la misma.
 109
 Dado que en la mayoría de los casos es difícil todo
el universo de estudio (censo), es necesario la
selección de un subconjunto de individuos extraídos
de manera tal que puedan inferir propiedades de la
totalidad de la población (parámetros).
 En epidemiología una población es un conjunto de
sujetos o individuos con determinadas
características demográficas, de la que se obtiene
la muestra o participantes en un estudio
epidemiológico a la que se quiere extrapolar los
resultados de dicho estudio (inferencia estadística).
 110

Valor o Dato: Es el resultado al medir

una magnitud en un elemento de la
población.
Unidad de análisis: Cada uno de los
elementos que integran a la población
recibe el nombre de individuo.
 111

 Diseño de investigación: Es el plan o estrategia

concebida para responder a las preguntas de
investigación.
 Indica al investigador lo que debe hacer para alcanzar
sus objetivos de estudio, contestar las interrogantes
que se ha planteado y analizar la certeza de las
hipótesis formuladas en un contexto en particular.
 A mejor definición del diseño, el producto final de un
estudio tendrá mayores posibilidades de ser válido.
 112

Diseño experimental:
 Es una técnica estadística que permite identificar y
cuantificar las causas de un efecto dentro de un estudio
experimental. En un diseño experimental se manipulan
deliberadamente una o más variables, vinculadas a las
causas, para medir el efecto que tienen en otra variable de
interés.
 El diseño experimental describe una serie de pautas
relativas qué variables hay manipular, de qué manera,
cuántas veces hay que repetir el experimento y en qué
orden para poder establecer con un grado de confianza
predefinido la necesidad de una presunta relación de causa-
efecto.
 113

Ejercicios

A partir del titulo del Trabajo definir:

¿Cuál es la Población de estudio, Unidad de
análisis, Muestra, Variables y Diseño de
investigación posibles?
 114

Título: “Estudios sobre condiciones sanitarias

de los hogares en la provincia de Buenos
Aires”.
 Población:
 Unidad de Análisis:
 Muestra:
 Variables:
 Diseño de investigación :
 115
 Título: Se compararon pacientes bajo tratamiento con
quimioterapia, los cuales fueron aleatoriamente
asignados a recibir un tratamiento antiemético activo o
un placebo.
 Población:
 Unidad de Análisis:
 Muestra:
 Variables:
 Diseño de investigación:
 116
 Título: Seguridad en el proceso de toma de las muestras
de sangre tomadas en el laboratorio de un hospital:
errores en la obtención de muestras de sangre.
 Población:
 Unidad de Análisis:
 Muestra:
 Variables:
 Diseño de investigación:
 117
 1000 clientes de un banco que solicitaron créditos
inmobiliarios fueron seguidos durante 10 años, y se
registró si dejaron de pagarlo o finalizaron.
 Población:
 Unidad de Análisis:
 Muestra:
 Variables:
 Diseño de investigación:
 118

Ejercicios resueltos
 119

 Título: “Estudios sobre condiciones sanitarias de los hogares en la

provincia de Buenos Aires”.
Población: Hogares de la Provincia de Buenos Aires
Unidad de Análisis: Hogar (Definición de hogar)
Muestra: Cantidad de Hogares necesarios para tener un error de
muestreo del X%( por ejemplo: 5% o 1%)
Variables: Condiciones sanitarias, # de habitantes en el hogar, #
de habitaciones en el hogar, hacinamiento, Necesidades básicas
insatisfechas (NBI), tipo de baño, Cloacas, agua corriente, tipo de
construcción, ingreso per capita familiar.
Diseño de investigación: No experimental – Descriptivo –
Observacional – correlacional.
 120

 Título: Pacientes bajo tratamiento con quimioterapia fueron

aleatoriamente asignados a recibir un tratamiento antiemético activo o
un placebo.
Población: Pacientes con determinado tipo de cáncer en tratamiento
con quimioterapia.
Unidad de Análisis: cada pacientes en tratamiento con quimioterapia
Muestra: # de Pacientes con cáncer que estén recibiendo tratamiento
con quimioterapia, de los cuales se asignará al misma cantidad para
recibir tto y placebo en forma aleatoria.
Variables: sexo, edad, grupo (tratado y no tratado), dosis de
quimioterapia, nauseas, vómitos.
Diseño de investigación: De intervención – Experimental –
prospectivo – Ensayo clínico.
 121

 Título: Seguridad de las muestras de sangre tomadas en el

laboratorio de un hospital: errores en la obtención de muestras de
sangre.
Población: todas las muestras de sangre tomadas en el laboratorio
del Hospital
Unidad de Análisis: muestra de sangre del laboratorio del hospital
Muestra: # de muestras de sangre suficiente para disminuir a X%
el error de muestreo.
Variables: sitio de punción para extracción de sangre, prevalencia
de errores, equipos utilizados para la extracción y almacenaje,
transporte de las muestras, tiempo de demora en llegar al
laboratorio, experiencia del personal que toma las muestras
Diseño de investigación: Descriptivo – no experimental –
correlacional – analítico.
 122
 Título: 1000 clientes de un banco que solicitaron créditos
inmobiliarios fueron seguidos durante 10 años, y se registró si
dejaron de pagarlo o finalizaron.
Población: todos lo clientes del banco que tomaron un crédito
inmobiliario.
Unidad de Análisis: cada crédito inmobiliario tomado por el
cliente.
Muestra: 1000 clientes
Variables: morosidad (definir), montos del crédito, sexo del
solicitante, ocupación del solicitante, estabilidad laboral,
propietario de vivienda, # de cuotas pagas o vencidas, # de días
de vencimiento de la(s) cuota(s), plazo de vencimiento del crédito.
Diseño de investigación: Descriptivo – Cohorte – longitudinal –
retrospectiva – no experimental – Analítico.
 PROPIEDADES DE LAS VARIABLES

Los valores o las categorías de una variable deben

cumplir necesariamente con dos requisitos, ser:

Exhaustivas
Si los valores o las categorías de
las variables abarcan todos los
casos que puedan presentarse, de
modo que ninguna unidad de
análisis sea dejada de lado por no
poder ubicarse en alguna
alternativa.
Excluyentes
Si una unidad de análisis pueda
ubicarse en una y sólo en una de
las categorías. No debe darse la
posibilidad de inclusión de una
respuesta en dos categorías
distintas.

Pablo A. Salgado email: cursos-estadistica@centroredes.org.ar

 124

Estadígrafos
 125
 Después de haber ordenado y descripto un conjunto de
datos, aún el análisis resulta todavía un tanto incompleto; es
necesario entonces resumir la información y facilitar así su
análisis e interpretación utilizando ciertos indicadores.
 A estos indicadores se les denomina también estadígrafos o
medidas de resumen, permiten hallar un valor numérico, el
mismo que representa a toda la población o muestra en
estudio.
 Valores que cuantifican características de un grupo de
datos, tales como la dispersión de los mismos, la tendencia
a concentrarse alrededor de un cierto valor, etc
 Estos índices muestran las características más salientes del
conjunto de datos con un solo número, a los que
tradicionalmente se los llama “parámetros” (población) o
“estadísticos” (muestra).
 126

 En estadística se llama valor representativo de la

población parámetro estadístico, medida estadística o
parámetro poblacional a un valor representativo de una
población, como la media aritmética, la proporción de
individuos que presentan determinada característica, o la
desviación típica o estándar.
 Un parámetro es un número que resume una cantidad
de datos que pueden derivarse del estudio de una
variable estadística. El cálculo de este número está bien
definido, usualmente mediante una fórmula aritmética
obtenida a partir de datos de la población.
 127

 Los parámetros estadísticos son una

consecuencia inevitable del propósito esencial de
la estadística: modelizar la realidad.
 Por ejemplo, suele ofrecerse como resumen de
la "juventud" de una población la media
aritmética de las edades de sus miembros, esto
es, la suma de todas ellas, dividida por el total de
individuos que componen tal población.
128
 129

Estadígrafos

de Tendencia Central

de Posición

de Dispersión

De Formas

Específicas
130
 131
Habitualmente se agrupan los parámetros en las siguientes
categorías:
 Las medidas de tendencia central: medias, moda y mediana.
 Medidas de posición: Se trata de valores de la variable estadística que
se caracterizan por la posición que ocupan dentro del rango de valores
posibles de esta. Cuantiles (cuartiles, deciles y percentiles).
 Medidas de dispersión: Resumen la heterogeneidad de los datos, lo
separados que estos están entre sí. Hay dos tipos, básicamente:
 Medidas de dispersión absolutas, que vienen dadas en las mismas unidades
en las que se mide la variable: recorridos, desviaciones medias, varianza,
desviación típica.
 Medidas de dispersión relativa, que informan de la dispersión en términos
relativos, como un porcentaje. Se incluyen entre estas el coeficiente de
variación, el coeficiente de apertura, los recorridos relativos y el índice de
desviación respecto de la mediana.
132
 133

 Medidas de forma: Su valor informa sobre el

aspecto que tiene la gráfica de la distribución.
Entre ellas están los coeficientes de asimetría y
los de curtosis.
 Otros parámetros: Además, y con propósitos más
específicos, existen otros parámetros de uso en
situaciones muy concretas, como son las
proporciones, los números índice, las tasas y el
coeficiente de Gini.
134