Universidad Autónoma de Santo Domingo (UASD)

Facultad de Ciencias de la Salud

Escuela de Salud Pública
Cátedra de Metodología de la Investigación

Grupo 3

Integrantes:

1. María José Rodríguez Tejeda

100553041

2. Deila Massiel Del Pozo C.

100532838

3. Biniulka Kamyl Fernández

100573213

4. María de los Ángeles de la Cruz Guerrero

100583926

5. Julissa Altagracia Salas

100618927

6. Génesis Moreno
100612187
 Universidad Autónoma de Santo Domingo (UASD)
Facultad de Ciencias de la Salud
Escuela de Salud Pública/Cátedra de Metodología de la Investigación
Asignatura: Bases para el Análisis Biométrico (SAP-209)
Docente: Francini Placencia

Guía de términos de estadística inferencial

Nota: esta guía no tiene valor para la calificación; sin embargo, se sugiere a los estudiantes investigar cada uno de los
términos. Hacerlo favorecerá el aprendizaje de los contenidos de la asignatura.

1. Objetivo: introducir al estudiante en la comprensión de términos de uso frecuente en estadística inferencial.

2. Orientaciones: estos términos se utilizarán en las últimas clases de la asignatura. Se espera que el estudiante
los investigue con antelación, a fin de enriquecer el proceso de enseñanza-aprendizaje. También son material
del examen final.

3. Bibliografía para consultar:

● La listada en el programa de la asignatura
● Libros de estadística o bioestadística
● Recursos de la web

Nota: se recomienda referenciar las fuentes consultadas

TÉRMINOS
● Estadística inferencial
La estadística inferencial pretende inferir u obtener
conclusiones que se pueden generalizar a toda la
población a partir del estudio de una muestra (o
grupo más pequeño).
● Población
La población consiste en la recolección de un
conjunto de elementos o sujetos que gozan de
características comunes, con el fin de estudiarlos y
sacar conclusiones específicas para determinar
resultados.
● Muestra
La muestra estadística consiste en la porción que se
extrae de una población estadística para un
determinado estudio, con el fin de representar,
conocer y determinar los aspectos de dicha
población.
Este método se utiliza cuando no se puede aplicar un
censo en determinadas poblaciones, ya que a través
del muestreo se puede establecer una porción de la
realidad a estudiar.
● Error tipo I
El error de tipo I, también denominado error de tipo alfa ​
o falso positivo, es el error que se comete cuando el
investigador rechaza la hipótesis nula siendo esta
verdadera en la población.
● Error tipo II
Se produce durante el análisis de las hipótesis
estadísticas cuando la hipótesis nula es aceptada
incorrectamente. Los errores de tipo II se llaman
también «resultados negativos falsos» y consisten en
no detectar un efecto positivo cuando en realidad sí se
ha producido el efecto.
● Error sistemático
Un error sistemático es aquel que se produce de igual
modo en todas las mediciones que se realizan de una
magnitud. Puede estar originado en un defecto del
instrumento, en una particularidad del operador o del
proceso de medición, etc. Se contrapone al concepto
de error aleatorio.
● Parámetro ● Sesgos
Es un valor que intenta resumir en un solo número Es un peso desproporcionado a favor o en contra de
una determinada característica de una variable una cosa, persona o grupo en comparación con otra,
estadística. generalmente de una manera que se considera injusta.
Los sesgos se pueden aprender observando contextos
culturales.
● Estadístico ● Tipos de sesgos
La estadística es una disciplina científica que se 1. Sesgo De Berkson.
ocupa de la obtención, orden y análisis de un 2. Sesgo De Entrevistador.
conjunto de datos con el fin de obtener explicaciones 3. Sesgo De Información.
y predicciones sobre fenómenos observados. 4. Sesgo De Memoria.
La estadística consiste en métodos, procedimientos y 5. Sesgo De Observación.
fórmulas que permiten recolectar información para 6. Sesgo De Publicación.
luego analizarla y extraer de ella conclusiones 7. Sesgo De Selección.
relevantes y su principal objetivo es mejorar la 8. Error De Tipo I
comprensión de los hechos a partir de la información 9. Error De Tipo ll
disponible. 10. Error De Tipo lll
11. Error Alfa Global
● Ventajas y desventajas de trabajar con muestras ● Nivel de significación
Es el límite para juzgar un resultado como
Ventajas: estadísticamente significativo. Si el valor de
1.Bajo costo de muestreo Si se recopilaran datos significación es menor que el nivel de significación, se
para toda la población, el costo sería bastante alto. considera que el resultado es estadísticamente
Una muestra es una pequeña proporción de una significativo. El nivel de significación también se conoce
población. Por lo tanto, el costo será menor si se como el nivel alfa.
recopilan datos para una muestra de población.

2.Menos tiempo en el muestreo El uso del muestreo

también lleva menos tiempo. Consume menos tiempo
que la técnica del censo. La tabulación, el análisis,
etc., toman mucho menos tiempo en el caso de una
muestra que en el caso de una población.

3.La precisión de los datos es alta Una vez extraída

una muestra y calculado las estadísticas descriptivas
deseadas, es posible determinar la estabilidad del
valor muestral obtenido. Una muestra representa la
población de la que se extrae. Permite un alto grado
de precisión debido a un área de operaciones
limitada. Además, es posible una ejecución
cuidadosa del trabajo de campo. En última instancia,
los resultados de los estudios de muestreo resultan
ser lo suficientemente precisos.

4.Datos intensivos y exhaustivos En los estudios de

muestra, las mediciones u observaciones se realizan
en un número limitado. Entonces, se recopilan datos
intensivos y exhaustivos.

Desventajas:
1. Posibilidades de sesgo
2. Dificultades para seleccionar una muestra
verdaderamente representativa Las dificultades para
 seleccionar una muestra verdaderamente
representativa producen resultados confiables y
precisos solo cuando son representativos de todo el
grupo. La selección de una muestra verdaderamente
representativa es difícil cuando los fenómenos en
estudio son de naturaleza compleja. Seleccionar
buenas muestras es difícil.
3. Conocimientos inadecuados en la asignatura El
uso del método de muestreo requiere un
conocimiento específico del tema adecuado en la
técnica de muestreo. El muestreo implica el análisis
estadístico y el cálculo del error probable. Cuando el
investigador carece de conocimientos especializados
en muestreo, puede cometer graves errores. En
consecuencia, los resultados del estudio serán
engañosos.
● Tamaño muestral
El tamaño muestral corresponde a la cantidad de
pacientes que se estudiarán. El tamaño de la muestra
está condicionado por los objetivos del estudio, que
determinarán su diseño, las variables a considerar y
el método planteado
● Heterogeneidad de la muestra
Hace referencia a la dispersión en alguna variable
relevante en la investigación. Cuanto más heterogénea
sea una población, mayor será el tamaño de la muestra.
Por ejemplo, si consideramos el nivel educativo como
variable relevante en nuestra investigación y hay cuatro
niveles (sin estudios, primarios, secundarios y terciarios),
el porcentaje de heterogeneidad será 25% o 0.25. Si no
hay ninguna variable clave en nuestra investigación, la
heterogeneidad será 50% o 0.5.
● Muestreo
En la estadística, se conoce como muestreo a la
técnica para la selección de una muestra a partir de
una población estadística.
Al elegir una muestra aleatoria se espera conseguir
que sus propiedades sean extrapolables a la
población. Este proceso permite ahorrar recursos, y a
la vez obtener resultados parecidos a los que se
alcanzarían si se realizase un estudio de toda la
población. En las investigaciones llevadas por
empresarios y de la medicina se usa muestreo
extensivamente en recoger información sobre
● Nivel de confianza
El nivel de confianza se expresa en forma de
porcentaje (por ejemplo, un nivel de confianza del
95%). Significa que si se repite un experimento o una
encuesta una y otra vez, el 95 por ciento de las veces
sus resultados coincidirán con los que se obtienen de
una población, es decir, tendrás estadísticas sólidas.
● Potencia estadística
Describe la probabilidad de que una prueba identifique
correctamente un efecto genuino, real. Dicho de una manera
más sencilla, es la capacidad de distinguir la señal del ruido.
La potencia de una prueba o el poder estadístico es la
probabilidad de que la hipótesis alternativa sea aceptada
cuando la hipótesis alternativa es verdadera.
La potencia es en general una función de las distribuciones
posibles, a menudo determinada por un parámetro, bajo la
hipótesis alternativa A medida que aumenta la potencia, las
posibilidades de que se presente un error del tipo II
disminuyen. La probabilidad de que ocurra un error de tipo II
se conoce como la tasa de falsos negativos (β). Por lo tanto,
la potencia es igual a 1 - β, que también se conoce como la
sensibilidad
● Valor de P (potencia estadística)
En estadística general y contrastes de hipótesis, el
valor p (conocido también como p, p-valor, valor de p
consignado, o directamente en inglés p-valúe) se
define como la probabilidad de que un valor estadístico
calculado sea posible dada una hipótesis nula cierta.
Una p < 0,05 significa que la hipótesis nula es falsa y
una p > 0,05 que la hipótesis nula es verdadera:
siempre nos movemos en el terreno de la probabilidad
 poblaciones. Cabe mencionar que para que el
muestreo sea válido y se pueda realizar un estudio
adecuado (que consienta no solo hacer estimaciones
de la población sino estimar también los márgenes de
error correspondientes a dichas estimaciones), debe
cumplir ciertos requisitos. Nunca podremos estar
enteramente seguros de que el resultado sea una
muestra representativa, pero sí podemos actuar de
manera que esta condición se alcance con una
probabilidad alta.
● Estimación ● Tipos de muestreo
En inferencia estadística se llama estimación al Métodos probabilísticos.
conjunto de técnicas que permiten dar un valor Muestreo aleatorio simple.
aproximado de un parámetro de una población a Muestreo aleatorio sistemático.
partir de los datos proporcionados por una muestra. Muestreo aleatorio estratificado.
● Estimación puntual ● Muestreo probabilístico: concepto
Una estimación puntual de un parámetro poblacional El muestreo probabilístico es un método de muestreo
es cuando se utiliza un único valor para estimar ese (muestreo se refiere al estudio o el análisis de grupos
parámetro, es decir, se usa un punto en concreto de pequeños de una población) que utiliza formas de
la muestra para estimar el valor deseado. Cuando métodos de selección aleatoria. ... El método de
estimamos un parámetro de forma puntual, podemos muestreo probabilístico te ofrece la mejor oportunidad
saber con certeza, cual es ese valor. de crear una muestra representativa de la población
● Estimación por intervalos ● Muestreo probabilístico: tipos.
La estima de un parámetro poblacional dada por un Muestreo Aleatorio Simple.
número se llama estima del punto del parámetro. La Muestreo Aleatorio Sistemático.
estima de un parámetro poblacional dada por dos Muestreo Aleatorio Estratificado.
números entre los cuales se considera que se Muestreo Aleatorio por Conglomerados.
encuentra dicho parámetro se llama estima de
intervalo del parámetro.

EJEMPLO: Si se dice que una distancia viene dada

por 5.28 pies, se está dando una estima de punto. Si,
por otra parte, se dice que la distancia es 5,28 +- 0.03
pies, es decir, la distancia real se encuentra entre
5.25 y 5.31 pies, se está dando una estima de
intervalo.

La precisión o conocimiento del error de una estima

se conoce también como su seguridad.
● Representatividad de las muestras La
representatividad es la característica más importante
de una muestra estadística, y se define como la
capacidad de un subconjunto de presentar iguales
características a las del conjunto completo
● Cálculo del tamaño muestral
El tamaño de muestra permite a los investigadores
saber cuántos individuos son necesarios estudiar,
para poder estimar un parámetro determinado con el
grado de confianza deseado, o el número necesario
para poder detectar una determinada diferencia entre
los grupos de estudio, suponiendo que existiese
realmente. El cálculo del tamaño de la muestra es
● Muestreo probabilístico: ventajas y desventajas
Ventajas: Todos los individuos tienen posibilidad de ser
elegidos, tiene mayor representatividad y es más
económico.
Desventaja: A veces resulta poco preciso.
● Muestreo no probabilístico: concepto
Es una técnica de muestreo en la cual el investigador
selecciona muestras basadas en un juicio subjetivo en
lugar de hacer la selección al azar.
 una función matemática que expresa la relación entre
las variables, cantidad de participantes y poder
estadístico.
● Criterios para calcular el tamaño muestral
Para determinar el tamaño adecuado de las muestras
es necesario seguir los tres criterios:
1. Nivel de precisión: El nivel de precisión, también
llamado error de muestreo, es el rango en donde se
estima que está el valor real de la población.
2. Nivel de confianza: El intervalo de confianza es la
medida estadística del número de veces de cada 100
que se espera que los resultados se encuentren
dentro de un rango específico.
● Fórmulas para calcular el tamaño muestral según los
fines
3. Grado de variabilidad: Dependiendo de la
población objetivo y los atributos a considerar, el
grado de variabilidad varía considerablemente.
Cuanto más heterogénea sea una población, mayor
deberá ser el tamaño de la muestra para obtener un
nivel óptimo de precisión.
● Muestreo no probabilístico: tipos
1. Muestreo por conveniencia
2. Muestreo consecutivo
3. Muestreo por cuotas
4. Muestreo intencional o por juicio
5. Muestreo de bola de nieve
● Muestreo no probabilístico: ventajas y desventajas
● Ventajas
Las principales ventajas del muestreo no probabilístico son
las siguientes:
Menos costos para realizar la investigación.
Se pueden controlar las características de la muestra.
Conlleva menos tiempo, ya que se conoce al individuo que
formará parte de la muestra.
Se pueden conocer características poco comunes.
● Desventajas
Las principales desventajas del muestreo no probabilístico
son las siguientes:

No asegura la representación total de la población.

No generaliza y es subjetiva.
No es recomendable en el caso de que la investigación sea
causal o descriptiva.
● Error muestral o de muestreo. ● Tabla de números aleatorios: concepto y utilidad
El error muestral se refiere en términos más generales al Las tablas de números aleatorios se han utilizado en
fenómeno de la variación entre muestras. Cuando este no estadística para la selección de muestras aleatorias.
es mencionado se considera que el margen de error base Estas tablas resultan más eficaces que la selección
es el 0.02% (0.2 para muestreo paralelo y 2 para muestreo manual de muestras al azar (con dados, cartas, etc.)
directo). Hoy en día, las tablas de números aleatorios han sido
El error muestral deseado, generalmente puede ser sustituidos por los generadores de números aleatorios.
controlado tomando una muestra aleatoria de la población,
suficientemente grande, sin embargo, el costo de esto
puede ser limitante. Si las observaciones son tomadas de
una muestra aleatoria, la teoría estadística brinda cálculos
probabilísticos del tamaño deseado del error muestral para
una estadística en particular o estimación. Estos
usualmente son expresados en términos del error
estándar.
El error muestral puede ser contrastado con el error no
muestral, el cual se refiere al conjunto de las desviaciones
del valor real que no van en función de la muestra
escogida, entre los cuales se encuentran.
Tabla de números aleatorios: concepto y utilidad Son
conjuntos de dígitos dispuestos para su mejor lectura en
filas y columnas (por ejemplo, de dos en dos, de tres en
tres, etc.) que facilitan la selección de los elementos de
una muestra probabilística al ser el resultado de un
muestreo aleatorio con reemplazamiento realizado sobre la
población que forman los diez dígitos (0, 1, 2, 3, 4, 5, 6, 7,
8, 9). Las tablas de números aleatorios se han utilizado en
estadística para la selección de muestras aleatorias.
varios errores sistemáticos y algunos errores aleatorios.
Resultan mucho más difíciles de cuantificar que el error
muestral.
● Error aleatorio
El error aleatorio se asocia a las variaciones explicadas
por el azar que está inherentemente involucrado en cada
proceso de investigación, por lo que no puede eliminarse.
Esto significa que influye en los resultados incluso cuando
se han controlado debidamente los sesgos y compromete
la confiabilidad de la investigación. Los factores que se
asocian al error por azar en los resultados son
esencialmente tres:: el grado de variabilidad individual e
interindividual, el tamaño muestral y la magnitud de las
diferencias (a medida que la diferencia hallada en la
comparación sea mayor, la probabilidad de que ésta se
deba al azar será menor).