Objetivos del Variables y Prueba

Tipo de muestra
estudio distribución recomendada
Muestras relacionadas t de Student
Cuantitativas,
distribución normal Muestras
t de Student
independientes
Comparar 2 promedios Cuantitativas Muestras
Wilcoxon
discretas y continuas relacionadas
sin distribución Muestras
normal U Mann Whitney
independientes
Muestras relacionadas ANOVA
Cuantitativas,
distribución normal Muestras
ANOVA
Comparar ≥ 3 independientes
promedios Cuantitativas discretas Muestras relacionadas Friedman
y continuas sin Muestras
distribución normal Kruskal-Wallis
independientes
1
 Objetivos del Variables y Prueba
Tipo de muestra
estudio distribución recomendada
Muestras relacionadas McNemar
Cualitativas,
Comparar 2 grupos Muestras
nominales y ordinales Chi-cuadrada*
independientes
Muestras
Q de Cochran
Cualitativas, relacionadas
Comparar 3 grupos
nominales y ordinales Muestras
Chi cuadrada
independientes
* Utilizar prueba exacta de Fisher si algún grupo tiene valor < 5

2
 Objetivos del estudio Nivel de medición Estadístico recomendado
Intervalo con distribución • El coeficiente r de Pearson
normal (r)
Ordinal-intervalar o sin
• rho de Spearman (ρ)
distribución normal
• Thau b de kendall
Ordinal-ordinal • Thau c de kendall
(ignora empates)
• El coeficiente de
Correlación de 2 variables Nominal muestras
contingencia de Cramer (V
Independientes
de Cramer)
Nominal dicotómica-
• d de Cohen
cuantitativa
Nominal politómica -
• f de cohen
Cuantitativa
• Coeficiente phi de Pearson
Nominal
• (φ)
3
Probabilidad
Estadística inferencial

Definición

Rama de la Estadística Matemática que se ocupa de

los métodos para realizar inferencias estadísticas.

Dichas inferencias se realizan con base en la

probabilidad de que un evento ocurra
Probabilidad en estadística

Aleatoriedad

Fenómeno cuyos resultados individuales son inciertos y,

sin embargo, existe una distribución regular de los
resultados después de un gran número de repeticiones.

Probabilidad

La factibilidad de cualquier resultado de un fenómeno

aleatorio, es la proporción de veces que el resultado se da
después de una larga serie de repeticiones. “0 a 1”
Enfoques de la probabilidad

• Enfoque clásico o probabilidad teórica

P = Numero de casos favorables

Numero de casos posibles

• Enfoque empírico o probabilidad empírica

P= Numero de casos que han ocurrido previamente

Lanzamiento de una moneda
• Posibles resultados de lanzar
una moneda: 2 resultados
“aguila” o “sol”.

• Teóricamente: P(águila)=,5

Casos favorables: 1

Casos posibles: 2
P. empírica: El experimento de Lloyd (1900)
Reglas de la probabilidad

• Se expresa entre 0 y 1

.5 = 50%

• La probabilidad de todos los resultados

posibles, considerados conjuntamente es 1.

• La probabilidad de que un suceso no ocurra

es 1 menos la probabilidad de que este
suceso ocurra.
Distribuciones de probabilidad
Distribución de probabilidad de una variable

Representación de probabilidad de ocurrencia

de cada suceso posible de una variable
aleatoria.

Se puede representar mediante:

• Tabla

• Función

• Grafica
Distribuciones de probabilidad variables discretas

Estado N P (E)

• Estado de México 60

• Ciudad de México 30

• Morelos 15

• Puebla 10

• Hidalgo 2

Total 117
Distribuciones de probabilidad variables discretas

Estado N P (E)

• Estado de México 60 0,51

• Ciudad de México 30 0,26
• Morelos 15 0,13
• Puebla 10 0,09
• Hidalgo 2 0,02
Total 117 1
Distribuciones de probabilidad variables discretas

Estado N P (E)

• Depresión 100
• Ansiedad 100
• Bipolaridad 20
• Esquizofrenia 10
Total 230
Distribuciones de probabilidad variables discretas

Estado N P (E)

• Depresión 100 0,43

• Ansiedad 100 0,43

• Bipolaridad 20 0,09

• Esquizofrenia 10 0,04

Total 230 1
 P(X)= #casos favorables / # casos posibles

• Probabilidad de que dos eventos ocurran al mismo tiempo

P(X ∩ Y) = #casos en que ocurren los dos eventos / # casos

posibles

• Probabilidad de dos eventos

P(X ∪ Y) = P(X) + P(Y) − P(X ∩ Y)

• Probabilidad condicionada

P(X l Y) = P (X ∩ Y)
Distribuciones de probabilidad variables discretas
Nivel de
Masculino Femenino
depresion/ Total
(ma) (fe)
sexo
P ( G ) = ______________
Grave (G) 32 7 39 P (X) = #casos favorables / # casos posibles

Moderado P (G) = 39 / 111 = ,35

(M)
18 20 38
P ( fe ) = ______________
Leve
(L)
25 9 34
P ( ma ) = ______________
Total 75 36 111
Distribuciones de probabilidad variables discretas
Nivel de
Masculino Femenino
depresion/ Total P (fe ∩ M ) = ______________
(ma) (fe)
sexo
P (x ∩y) = #casos conjuntos
Grave (G) 32 7 39
# casos posibles
Moderado
(M)
18 20 38
P (fe ∩ M) = 20 / 111 = ,18
Leve
(L)
25 9 34 P ( ma ∩ L) =

P ( ma ∩ G) =
Total 75 36 111
Distribuciones de probabilidad variables discretas
Nivel de
Masculino Femenino
depresion/ Total
(ma) (fe)
sexo
P ( fe U G )=____________
Grave (G) 32 7 39
P(X ∪ Y)= P(X)+P(Y) − P(X ∩ Y)
Moderado
(M)
18 20 38
P ( fe U G )= ,32 + ,35 - ,06
Leve
(L)
25 9 34
P ( fe U G )= ,61
Total 75 36 111
Distribuciones de probabilidad variables discretas
Nivel de
Masculino Femenino
depresion/ Total
(ma) (fe)
sexo
P ( fe U L )=____________
Grave (G) 32 7 39
P(X ∪ Y)= P(X)+P(Y) − P(X ∩ Y)
Moderado
(M)
18 20 38
P ( ma U L )=
Leve
(L)
25 9 34
P ( fe U L )=
Total 75 36 111
Distribuciones de probabilidad de variables continuas
Distribuciones de probabilidad
normal y
“Puntuacion z”
Componentes de la Distribución normal

f (x)

• Es la representación grafica de la probabilidad de variables continuas de mayor

uso en la estadística.
• La mayoría de los fenómenos naturales se distribuyen de acuerdo a este modelo.
Componentes de la Distribución normal

f (x)

Función de probabilidad de densidad de probabilidad F (x)

Componentes de la Distribución normal

f (x)

Densidad de probabilidad
Probabilidad de que un valor seleccionado de la muestra se encuentre en
determinado intervalo
Componentes de la Distribución normal

f (x)

100 %
P (x) = 1
Componentes de la Distribución normal

f (x)

50 % 50 %
P (x) < µ= 1 P (x) > µ= 1
Componentes de la Distribución normal Ejercicios de
comprensión

f (x)

0,1% 2,2% 15,2% 50% 84,1% 97,7% 99,8%

100 %
P (x) = 1
Componentes de la Distribución normal Ejercicios de
comprensión

f (x)

0,1% 2,2% 15,2% 50% 84,1% 97,7% 99,8%

µ=15 µ - 3σ =
µ - 1σ =
Probabilidad =
Probabilidad =
σ= 3 µ +1σ = Probabilidad =
Componentes de la Distribución normal Ejercicios de
comprensión

f (x)

0,1% 2,2% 15,2% 50% 84,1% 97,7% 99,8%

µ=15 µ - 3σ =
µ - 1σ =
6
12
Probabilidad = .001
Probabilidad = .152
σ= 3 µ +1σ = 18 Probabilidad = .841
¿Qué valor se encuentra a +2 desviaciones
estándar del promedio?
¿Cuál es la probabilidad de seleccionar una
persona con un estilo de solución evitativo
mayor a dicho valor?
ESTADÍSTICA INFERENCIAL
ESTADISTICA INFERENCIAL
Grupo de procedimientos matemáticos, que buscan a partir del estudio de
una muestra seleccionada es llegar a conclusiones respecto de la
población de donde proviene la muestra.

Resultados
en la muestra

Inferencia

Aplicación al
universo
CONDICIONES PARA LA INFERENCIA ESTADÍSTICA
PARAMÉTRICA
1. La muestra debe ser representativa.
Estimación de
2. Los sujetos deben ser seleccionados de forma aleatoria. parámetros
3. Todas las personas deben tener una probabilidad
conocida de ser seleccionadas para entrar en la
muestra. Prueba de
hipótesis
4. Cada persona debe ser elegida de manera
independiente de las demás.
Estimación de parametros
Tiene por finalidad asignar valores a los parámetros poblacionales a partir de los
estadísticos obtenidos en las muestras. Dicho de otra manera, la finalidad de la
estimación de parámetros es caracterizar las poblaciones a partir de la
información de las muestras.

→ μ
( 1 - 2) → (μ1-μ2)
S → σ
(p1 – p2) → (P1 – P2)
p → P
Ejemplo
Se desea estimar la Media de las puntuaciones del curso 2003/4, pero solo
se dispone de 50 puntuaciones seleccionadas aleatoriamente. La Media de
la muestra (el estimador), es igual a 5.6 y atribuimos este valor (la
estimación) a la Media del curso completo.

• Resumiendo:
Distribucion muestral de muestras
 Muestra

• Al
analizarla
Estadístico
produce

• Permite
• estimar
Parámetro
Teorema del limite central
Sea X1 ,X2 , X3..., un conjunto de variables aleatorias,
independientes e idénticamente distribuidas con media μ y
varianza σ. Sea)
Teorema del limite central

Si una muestra es lo bastante grande [generalmente

cuando el tamaño muestral (n) supera los 30] sea cual sea

la distribución de la media muestral, seguirá

aproximadamente una distribución normal.

Calificaciones de un grupo

7,7 9,0 8,7

µ = Media poblacional (parámetro)
9,0 7,4 5,9
µ = 8,4
6,6 9,3 7,6

8,3 9,0 7,4 = Media muestral (estadístico)

6,6 6,3 9,0
= = =
4,2 6,5 8,4
Calificaciones de un grupo

7,7 9,0 8,7

µ = Media poblacional (parámetro)
9,0 7,4 5,9
µ = 8,4
6,6 9,3 7,6

8,3 9,0 7,4 = Media muestral (estadístico)

6,6 6,3 9,0
= = =
4,2 6,5 8,4
Calificaciones de un grupo

7,7 9,0 8,7

µ = Media poblacional (parámetro)
9,0 7,4 5,9
µ = 8,4 N= 18
6,6 9,3 7,6

8,3 9,0 7,4 = Media muestral (estadístico)

6,6 6,3 9,0
=8,46 =8,63 =7,016
4,2 6,5 8,4
Distribución muestral de medias muestras

P( )
7,7 9,0 8,7 8,37 ¿?
9,0 7,4 5,9 8,38 ¿?
6,6 9,3 7,6 8,39 ¿?
8,3 9,0 7,4 8,4 ¿?
6,6 6,3 9,0 8,41 ¿?
4,2 6,5 8,4 8,42 ¿?
8,43 ¿?
Distribución muestral de medias muestras

Si se realizara un distribución de todas las

7,7 9,0 8,7 muestras posibles se obtendría:

9,0 7,4 5,9

6,6 9,3 7,6

8,3 9,0 7,4

6,6 6,3 9,0

4,2 6,5 8,4

 Distribución muestral de medias

Si se obtienen todas las posibles muestras aleatorias de tamaño (n) de una

población con media µp y desviación estándar σp. La distribución muestral
resultante tendrá las siguientes características:

1. La media aritmética de la distribución ( m) es igual a la media poblacional µp.

2. La desviación estándar de la distribución de medias (Sm) es conocida como
“error estándar de la media” , ya que implica el error cometido al realizar la
estimación de la media poblacional con base en la obtención de las muestrales.
Su calculo es mediante: Sm= σp/√n
Distribución muestral de medias

3. Si la población original tiene distribución Normal, entonces para

cualquier tamaño muestral n la distribución de la media muestral es
también Normal.
4. Si la población de origen no es Normal, pero n es “suficientemente”
grande la distribución de la media muestral es aproximadamente Normal.
(un tamaño suficiente es considerado de 30)
 Aplicación de la distribución muestral de medias

• Permite hacer estimaciones de la media poblacional

• Permite emplear las “puntuaciones z” para realizar

dicha estimación

• Virtualmente todas los estadísticos provenientes

variables aleatorias y con base en un muestreo
aleatorio siguen este comportamiento
Tipos de distribución muestrales

D.M. de D.M. de la D.M. de

medias varianza proporciones

D.M. de D.M. de
diferencia de diferencia de
medias proporciones
Estimacion de parámetros por intervalo
A) INTERVALO DE CONFIANZA (IC)

Consta de dos valores numéricos que definen un rango

dentro del cual se pretende que se encuentre el
parámetro de interés con un cierto grado de confianza.

Se debe conocer:

a) La distribución de la variable: normal o anormal

b) Grado de confianza deseado (1-α): 90, 95 y 99.

 A) INTERVALO DE CONFIANZA (IC)
• Fórmula:

Estimador puntual ± (coeficiente de confiabilidad) x

(error estándar)
 A) INTERVALO DE CONFIANZA (IC)
• Fórmula:

Estimador puntual ± (coeficiente de confiabilidad) x

(error estándar)

• Error estándar de la media

• Error estándar de la proporción

• Error estándar de la diferencia de medias

• Error estándar de la diferencia de proporciones

A) INTERVALO DE CONFIANZA (IC)
• Interpretación:

• IC 95%  de 100 muestras aleatorias de la población,

calculando al Intervalo de confianza C 95% en cada una
de ellas aproximadamente 95 de ellas contendrían el
verdadero parámetro poblacional y 5 no lo
contendrían.
Ejemplo
Un científico interesado en vigilar contaminantes químicos en alimentos y, por lo tanto, la
acumulación de contaminantes en la dieta humana, seleccionó una muestra aleatoria de n = 50
adultos hombres. Se encontró que el promedio de ingesta diaria de productos lácteos fue de:
= 756 gramos por día, con una desviación estándar de S = 35 gramos por día. Use esta
información muestral para construir un intervalo de confianza de 95% para la ingesta diaria media
de productos lácteos para hombres.
Ejemplo
Un científico interesado en vigilar contaminantes químicos en alimentos y, por lo tanto, la
acumulación de contaminantes en la dieta humana, seleccionó una muestra aleatoria de n = 50
adultos hombres. Se encontró que el promedio de ingesta diaria de productos lácteos fue de:
= 756 gramos por día, con una desviación estándar de S = 35 gramos por día. Use esta
información muestral para construir un intervalo de confianza de 95% para la ingesta diaria media
de productos lácteos para hombres.
Ejemplo
Un científico interesado en vigilar contaminantes químicos en alimentos y, por lo tanto, la
acumulación de contaminantes en la dieta humana, seleccionó una muestra aleatoria de n = 50
adultos hombres. Se encontró que el promedio de ingesta diaria de productos lácteos fue de:
= 756 gramos por día, con una desviación estándar de S = 35 gramos por día. Use esta
información muestral para construir un intervalo de confianza de 95% para la ingesta diaria media
de productos lácteos para hombres.
Ejercicios
Una muestra aleatoria de 985 “probables” electores, o sea los que probablemente voten
en la próxima elección, fueron encuestados durante un maratón telefónico realizado por el
Partido Republicano. De ellos, 592 indicaron que tenían la intención de votar por la
candidata republicana. Construya un intervalo de confianza de 90% para p, la proporción
de electores probables de la población que tienen la intención de votar por la candidata
republicana. Con base en esta información, ¿se puede concluir que la candidata ganará la
elección?
Ejercicios
Una muestra aleatoria de n mediciones se selecciona de una población con media
desconocida y desviación estándar conocida (S = 10). Calcule el ancho de un intervalo de
confianza de 95% para m para estos valores de n:
a) n = 100 b) n = 200 c) n = 400
Prueba de hipotesis
PRUEBA DE HIPÓTESIS

1.- HIPÓTESIS DE INVESTIGACIÓN: conjetura o suposición que motiva el

estudio que se sustenta en la experiencia o conocimiento que se tiene del
objeto estudiado.
• Descriptivas (describe alguna característica en la población)

• De correlación (establece asociaciones, predicciones o explicaciones)

• Diferenciales: direccionales y no direccionales.

• De causalidad (sentido de relación causa-efecto)

Pruebas de hipótesis
Es un proceso para determinar la validez de una afirmación
hecha sobre la población basándose en evidencia muestral.
Comparar grupos.
Confirmar si dos grupos son iguales o diferentes (mayor que
menor que) respecto a su media o mediana.
Promedio académico, conteo de glóbulos blancos, gasto mensual en
medicamentos, etc.
Pruebas de hipótesis
Es un proceso para determinar la validez de una afirmación
hecha sobre la población basándose en evidencia muestral.

Comparar proporciones.
Es útil para conocer si la cantidad de casos de una variable en
una o mas muestras es igual a la de la población.
Numero de hombres que atiende al servicio matutino, cantidad de pacientes
que padecen una enfermedad, etc.
Pruebas de hipótesis
Es un proceso para determinar la validez de una afirmación
hecha sobre la población basándose en evidencia muestral.
Comparar la varianza
Es de gran utilidad cuando se quiere saber si los datos de la
población se encuentran alejados del promedio.
Analizar la distribución, permitir ciertos análisis
estadísticos, comparar el grado de dispersión.
Pruebas de hipótesis
Es un proceso para determinar la validez de una afirmación
hecha sobre la población basándose en evidencia muestral.
Los puntos básicos del Contraste de Hipótesis estadístico son:
1. La hipótesis nula, denotada por H0
2. La hipótesis alterna, denotada por Ha
3. El estadístico de prueba y su valor p
4. La región de rechazo
5. La conclusión
 SELECCIÓN DE LA PRUEBA ESTADÍSTICA

PRUEBA DE HIPÓTESIS ESTADÍSTICA

depende de: TIPOS

1.-Escala de medición PARAMÉTRICAS

a) Cuantitativa: - continua 1. prueba z

- discreta 2. prueba t- student

b) cualitativa: - nominal 3. prueba f

- ordinal 4. correlación de pearson

2.- Lo que se pretende comparar: NO PARAMÉTRICAS

a) Promedios 1. Chi-cuadrada

b) Varianzas 2. Prueba exacta de Fisher

c) Proporciones 3. prueba de Mann-Whitney

d) Medida de riesgo. 4. prueba Kruskal-Wallis

ZONA DE RECHAZO
Está conformada por aquellos valores que tienen menos probabilidad
de ocurrir si la hipótesis nula (Ho) es verdadera .

Nivel de significancia del estadístico de prueba (α).

α (0.05)= implica rechazo de la hipótesis nula con probabilidad de 5% de

cometer un error debido al muestreo.

• Estadística de prueba = (estadística relevante- parámetro supuesto)

(error estándar de la estadística relevante)

REGLA DE DECISIÓN
El valor obtenido en la muestra se compara con los valores de la
distribución de la prueba de hipótesis para conocer si el valor
calculado cae en la zona de rechazo.

La hipótesis nula se rechaza a favor de la hipótesis alterna, cuando

es estadístico de contraste se encuentra en la zona de rechazo.

Conclusiones posibles:

• a) rechazar H0:

• b) no rechazar H0
REGLA DE DECISIÓN
Conclusiones posibles:

• a) rechazar H0: asume la igualdad de los parámetros de

ambas poblaciones, (valores equivalentes) y cualquier
diferencia entre ellas se considera hecho casual resultado
del error de muestreo

• b) no rechazar H0: pretende establecer una diferencia en la

comparación de dos muestras
REGLA DE DECISIÓN: Notas
• Una hipótesis estadística nunca se considera “probada”

• El procedimiento de prueba de hipótesis depende de la

información obtenida de la muestra, consistente o no con la
hipótesis alterna (H1).

• En el procedimiento de prueba de hipótesis existe la

probabilidad de llegar a una conclusión equivocada (cometer
un error).

ERROR TIPO I (error α) y ERROR TIPO II (error β)

PRUEBA DE HIPÓTESIS
TIPOS DE ERROR

PODER ESTADÍSTICO DE LA PRUEBA (1-β) es la probabilidad de rechazar la hipótesis

nula cuando es falsa.

NIVEL DE SIGNIFICANCIA ESTADÍSTICO (1- α). Es la probabilidad de aceptar la H0

cuando es verdadera, (95%). Representa el nivel de confianza de la muestra.
SIGNIFICANCIA ESTADÍSTICA
Representa la estimación de probabilidades de cometer errores (α o β)
ante la decisión de rechazar o no la hipótesis nula.

Nivel de confianza determinado por (nivel de aceptación del error α).

• Rechazar H0 depende de:
a) Probabilidad de cometer el error α P(α)

b) Estadístico de prueba: número calculado a partir de los datos

muestrales
SIGNIFICANCIA ESTADÍSTICA
Representa la estimación de probabilidades de cometer errores (α o β)
ante la decisión de rechazar o no la hipótesis nula.

Nivel de confianza determinado por (nivel de aceptación del error α).

• Rechazar H0 depende de:

• Estadístico de prueba menor a P(α) : rechazar la H0, por lo que se

acepta Ha

• Estadístico de prueba mayor P (α): no se puede rechazar H0, por lo

que se acepta.
 INFERENCIA ESTADÍSTICA
ESTIMACIÓN
PUNTUAL INFERENCIA PRUEBA DE
( VALOR DE P ) ESTADÍSTICA HIPÓTESIS

INTERVALO DE 1. HIPÓTESIS DE 2. HIPÓTESIS

CONFIANZA INVESTIGACIÓN ESTADÍSTICA
(IC 90, 95 Y 99%)
DIFERENCIALES
HIPÓTESIS
HIPÓTESIS
ALTERNA
NULA (H0)
(H1)
DE
DESCRIPTIVAS DE CAUSALIDAD
CORRELACIÓN
µ1=µ2 µ1≠µ2
Lógica de las pruebas de hipótesis
84,1% de probabilidad de obtener un valor debajo de Z=2.0 Z= 2.0

15.9% de probabilidad de obtener

un valor debajo de Z=2.0
Probabilidad y prueba de hipótesis.
Si aplicamos una prueba estadística, nos dirá en que punto de la distribución
muestral se encuentra. P.ej. Z=-2.45; Z= 1.5; Z= -.45 y; Z= 2,7
2.5 % de probabilidad de que 2.5 % de probabilidad de que
la muestra sea MUY diferente la muestra sea MUY diferente
95 % de Probabilidad de aceptar Ho a Ho
a Ho

Aceptación de Ho

Rechazo de Ho Rechazo de Ho
Ejercicios: Redacte las hipótesis de los siguientes
ejemplos.
Se realiza un experimento para comparar el desgaste de las llantas de dos marcas
diferentes. Se prueban 12 piezas de la marca 1 mediante una maquina para medir
el desgaste. 10 piezas de la marca 2 se prueban de manera similar. Las muestras de
la marca 1 dan un desgaste promedio de 85 unidades con una D.E. muestral de 4,
mientras que las muestras de la marca dan un promedio de 81, con D.E. de 5.
¿Qué hipótesis plantearía para encontrar la marca de mayor rendimiento?

H0:__________________________________________

H1:__________________________________________
En una estación agrícola se ensayo el efecto de un fertilizante sobre la producción
de trigo. Para ello se eligieron 24 parcelas de terreno de igual superficie; la mitad
de ellas fueron tratadas con el fertilizante 1y la otra con el fertilizante 2. Todas las
demás condiciones fueron las mismas. La media de trigo con el F1 conseguida fue
de 0.264 m3 con una desviación estándar de 0.07 m3, la media en las parcelas
tratadas con el F2 fue de 0.28 m3 con una desviación estándar de 0.022 m3. ¿Qué
hipótesis nos permitiría encontrar el fertilizante que produce una producción mas
consistente?

H0:__________________________________________

H1:__________________________________________
Algunos análisis estadísticos
 Objetivos del Variables y Prueba
Tipo de muestra
estudio distribución recomendada
Muestras relacionadas t de Student
Cuantitativas,
distribución normal Muestras
t de Student
independientes
Comparar 2 promedios Cuantitativas Muestras
Wilcoxon
discretas y continuas relacionadas
sin distribución Muestras
normal U Mann Whitney
independientes
Muestras relacionadas ANOVA
Cuantitativas,
distribución normal Muestras
ANOVA
Comparar ≥ 3 independientes
promedios Cuantitativas discretas Muestras relacionadas Friedman
y continuas sin Muestras
distribución normal Kruskal-Wallis
independientes
81
 Objetivos del Variables y Prueba
Tipo de muestra
estudio distribución recomendada
Muestras relacionadas McNemar
Cualitativas,
Comparar 2 grupos Muestras
nominales y ordinales Chi-cuadrada*
independientes
Muestras
Q de Cochran
Cualitativas, relacionadas
Comparar 3 grupos
nominales y ordinales Muestras
Chi cuadrada
independientes
* Utilizar prueba exacta de Fisher si algún grupo tiene valor < 5

82
 Objetivos del estudio Nivel de medición Estadístico recomendado
Intervalo con distribución • El coeficiente r de Pearson
normal (r)
Ordinal-intervalar o sin
• rho de Spearman (ρ)
distribución normal
• Thau b de kendall
Ordinal-ordinal • Thau c de kendall
(ignora empates)
• El coeficiente de
Correlación de 2 variables Nominal muestras
contingencia de Cramer (V
Independientes
de Cramer)
Nominal dicotómica-
• d de Cohen
cuantitativa
Nominal politómica -
• f de cohen
Cuantitativa
• Coeficiente phi de Pearson
Nominal
• (φ)
83