El documento presenta conceptos clave relacionados con la investigación científica como hipótesis, muestra, población, errores, tipos de estudios, pruebas estadísticas y significancia estadística. Explica que una hipótesis es una proposición provisional que se formula para responder una pregunta de investigación y debe ser corroborada, y que una muestra es un subconjunto representativo de una población total. También describe los tipos de errores y estudios, así como las pruebas estadísticas comunes utilizadas en función del tipo
2. Proposición provisional que se formula a través de la
recolección de datos para dar respuesta a una pregunta de
investigación específica y que debe ser corroborada por el
método científico.
Hipótesis alternativa o hipótesis de trabajo: La hipótesis que
formula el investigador (ej: Existe una asociación entre el
optimismo y la satisfacción laboral)
Hipótesis nula: La hipótesis que denota una ausencia de
asociación o falsedad de la hipótesis alterna. (ej: No existe una
asociación entre el optimismo y la satisfacción laboral)
3. Es un subconjunto de casos o individuos de una población que
se estudian con el objetivo de inferir propiedades de la
totalidad de la población, para lo cual debe de ser
representativa de la misma.
La totalidad de la población también se llama población diana
5. ERROR ALEATORIO: Se produce en tamaños de muestra
pequeños y se debe a la influencia del azar que desvían los
resultados de la realidad (que se presentan en la poblción
diana o universo de estudio)
ERRORES SISTEMÁTICOS O SESGOS: Son errores que se
producen en el diseño del estudio, ya sea en la selección de los
sujetos o en la medición de las variables que conduce a una
estimación incorrecta o no válida del efecto o parámetro que se
estudia
Argimon-Pallás.JM, Jiménez-Villa J. Métodos de Investigación Clínica
y Epidemiológica. 4th Ed. España: Elsevier; 13
8. Descriptiva: Su objetivo es describir los datos
Analítica: Su objetivo es analizar y comparar los datos entre
distintos grupos.
9. Para variables cualitativas:
Frecuencias y porcentajes
Para variables cuantitativas:
Media y Desviación estándar (distribuciones paramétricas)
Mediana y rangos (Distribuciones no paramétricas)
10. Valor Z
Frecuencia
0 1 2 3
-1
-2
-3
•El 95% de los datos se
distribuyen en +/- 1.96 DS
•Distribución simétrica en
forma de campana,
también se le llama
distribución gaussiana
• La media, mediana
y moda coinciden
en el centro de la
curva (donde está
la desviación
estándar o Z =0)
Media
Mediana
Moda
11. Las pruebas estadísticas van a depender del:
Tipo de variable: cualitativa o cuantitativa
Tipo de muestras: dependientes (también llamadas relacionadas y se refieren
a los mismos sujetos y la misma variable en diferentes tiempos) o
independientes (se refieren a distintos sujetos, misma varaible y mismos
tiempos)
Distribución de la variable: Paramétrica o no paramétrica (solo para las
cuantitativas): se determina con la prueba de Shapiro-Wilks (para menos de
50 individuos en la muestra) o Kormogorov-Smirnov (50 o más individuos en
la muestra).
Número de grupos: 2 o más de 2 grupos (en el caso de comparación de
variables cuantitativas)
13. Chi cuadrada: 2 o más muestras o grupos independientes
Exacta de Fisher: 2 o más muestras o grupos independientes,
con alguno de los valore esperados menor o igual a 5
McNemar: 2 o más muestras dependientes
14. Asociación entre 2 variables cuantitativas:
Correlaciones:
Pearson: Distribución paramétrica
Spearman: Distribución no paramétrica
Las correlaciones pueden ir de -1 (correlación negativa perfecta) a 1 (correlación positiva perfecta)
pasando por el 0 (ausencia de correlación).
Una correlación positiva significa que ambas variables van en la misma dirección: o ambas suben o
ambas bajan
Una correlación negativa significa que ambas varaibles van en diferentes direcciones: cuando una
sube la otra baja.
Una correlación de 1 significa que el 100% de la variabilidad de una variable se debe a la
variabilidad de la otra, una correlación de 0.5 significa que el 25% por ciento de la variabilidad de
una variable se debe a la variabilidad de la otra, ya que el 0.5 se eleva al cuadrado y multiplica por
100 par aexpresarlo en porcentaje.
15. Valor de p o significancia estadística:
Todas las pruebas estadísticas van a arrojar un valor de p o significancia estadística que significa la
probabilidad de que esa diferencia o correlación (dependiendo de la prueba) se deba al azar, por lo
que el valor de p nos habla de la confiabildiad de los resultados encontrados
Un valor de p en la significancia bilateral < 0.05 se considera significativo:
ya que implica que la probabilidad de que se la asociación o diferencia estudiada se deba al azar es
menor al 5%
El valor de p va a depender del:
Tamaño de la muestra o muestras a comparar: a mayor tamaño de muestra es más probable
obtener un valor de p menor o significativo.
De la magnitud de la correlación o de las diferencias buscadas: a mayor tamaño o magnitud de las
diferencias o fuerza de correlación (Valor de R) entre los grupos o variables a comparar, es más
probable obtener un valor de p menor o significativo.
16. Además del valor de p o significanci estadística se debe tomar en cuenta:
Las magnitudes de las diferencias o las fuerzas de correlación encontradas
en nuestros análisis:
Ejemplo para magnitud de las diferencias:
Si se desea comparar la estatura entre un grupo de 150 mexicanos del
sureste con uno de 137 del norte, además del valor de p de la prueba que
aplica (T de student o U de Mann-Whitney) hay que buscar las medias
de cada grupo y esa sería la diferencia encontrada entre grupos o
magnitud de las diferencias:
Estatura de los mexicanos del Sureste (Media +/- DS) = 1.61 +/- 0.24 Mts
comparada con la estatura de mexicanos del Norte = 1.73 +/- 0.35 Mts, valor de
p = 0.02: esto nos indica que en promedio los mexicanos del norte son 0.12 mts
más altos que los del sureste y que la diferencia encontrada no se debe al azar,
es decir que es confiable
17. Ejemplo para fuerza de la asociación en correlaciones:
Si se desea saber si la variable depresión se asocia con la
variable ansiedad en el mismo grupo de estudio (ej: un estudio
transversal analítico) en una muestra de 150 sujetos:
Y obtenemos un valor de r = 0.5 con un valor de p = 0.001,
significa que ambas variables sí están correlacionadas (o
asociadas) de forma confiable (significativa) y la fuerza de la
correlación es moderada:
Entendiendo que las correlaciones se pueden dividir como muy
bajas: <0.2, bajas: 0.2-0.4, moderadas: 0.4-0.6, altas: 0.6-0.8 y muy
altas: > 0.8