El vídeo está en Youtube: https://youtu.be/2R6wQsyOk14
Participación en la Jornada Científica 3ra v de la carrera de Nutrición y Dietética U.E:B. con el tema "Análisis Estadístico de los Diseños Experimentales".
Contenido: Hipótesis y formulación, Contraste de hipótesis (Pruebas Paramétrica y No Paramétricas), Error Tipo I y Error Tipo II, Tamaño del Efecto, Potencia Estadística, Estudio de Caso y reporte de resultados para publicación científica.
Análisis estadístico de los Diseños Experimentales
1. ANALISIS ESTADÍSTICO DE LOS
DISEÑOS EXPERIMENTALES
Lic. José Luis Soto Velásquez
NUTRICIÓN Y DIETÉTICA
JORNADA DE INVESTIGACIÓN 3ra VERSIÓN
2. Contenido
mínimo
HIPÓTESIS Y SU FORMULACIÓN,
➢ Definición
➢ Formulación estadística
➢ Formulación de contraste (Hipótesis de dos
colas bilateral y Hipótesis de una cola unilateral.
CONTRASTE DE HIPÓTESIS,
➢ Pruebas paramétricas y no paramétricas
➢ Grupo experimental y Grupo Control
➢ Principales pruebas estadísticas paramétricas y
no paramétricas.
ERROR TIPO I y ERROR TIPO II,
➢ Error Tipo I alfa
➢ Error Tipo II beta β
➢ Conclusión correcta (Potencia)
TAMAÑO DEL EFECTO Y POTENCIA,
➢ Magnitud
➢ Potencia estadística
➢ Tamaño de la muestra
ESTUDIO DE CASO: reporte
3. Hipótesis causales en los Diseños Experimentales
La suplementación con licopeno en diferentes dosis de 15, 30 y 60
mg/día en el periodo de 45 días tendrán un efecto antioxidante e
hipolipemiante al modificar los valores del perfil lipídico e índice
aterogénico en adultos varones entre 40 a 65 años de edad con
riesgos cardiovasculares.
Hipótesis alternativa H1
La suplementación con licopeno en diferentes dosis de 15, 30 y 60
mg/día en el periodo de 45 días no tendrán un efecto antioxidante e
hipolipemiante al modificar los valores del perfil lipídico e índice
aterogénico en adultos varones entre 40 a 65 años de edad con
riesgos cardiovasculares.
Hipótesis nula Ho
1. HIPÓTESIS Y SU FORMULACIÓN
Unidad
Experimental
Causa Efecto
V. Independiente
Tratamiento
V. Dependiente
Respuesta
Licopeno Perfil lipídico
Índice aterogénico
V. Numéricas
o Cuantitativas
4. 1. HIPÓTESIS Y SU FORMULACIÓN
RESUMIR GENERALIZAR
Hipótesis: Es una proposición de carácter afirmativa acerca de un
problema planteado y que al final del proceso de investigación puede
ser aceptada o rechazada.
Formulación Estadística
Hipótesis alternativa H1 o Ha
Es la hipótesis del investigador, es la que
desea probar, se da por verdadera al rechazar
la hipótesis nula.
Hipótesis nula Ho
Conocida como hipótesis de trabajo, se opone
a la afirmación del investigador.
Formulación de Contraste
Hipótesis de dos colas (bilateral)
Corresponde a un primer momento del
planteamiento de la hipótesis. Únicamente
plantean diferencia entre dos grupos de
estudio. Es habitual en los estudios del nivel
relacional.
Hipótesis de una cola (unilateral)
Corresponde a un segundo momento del
planteamiento de la hipótesis. Indica si un
grupo es mayor o menor al otro. Las
encontramos en los estudios del nivel
explicativo.0,4
0,3
0,2
0,1
0,0
X
Densidad
-1,960
0,025
1,960
0,025
0
Gráfica de distribución
Normal; Media=0; Desv.Est.=1
0,4
0,3
0,2
0,1
0,0
X
Densidad
1,960
0,025
0
Gráfica de distribución
Normal; Media=0; Desv.Est.=1
0,4
0,3
0,2
0,1
0,0
X
Densidad
1,960
0,025
0
Gráficadedistribución
Normal;Media=0;Desv.Est.=1
(): 2,5%(): 2,5%
(): 2,5% = 0,025(): 5% = 0,05
PRUEBAS
PARAMÉTRICAS
PRUEBAS NO
PARAMÉTRICAS
ESTADISTICA
INFERENCIAL
H1: P<0,05
Ho: P≥0,05
H1: P<0,025
Ho: P≥0,025
5. 2. CONTRASTE DE HIPÓTESIS
Muestra
G. Esperimental
POBLACIÓN
UNIVERSO
PARÁMETRO
(N)
H1: Existe Diferencia
P < 0,05
Bilateral (2 colas)
Ho: No hay diferencia
P 0,05
H1: …es mayor que…
H1: …es menor que…
P< 0,025
Unilateral (1 colas)
PRUEBAS
PARAMÉTRICAS
VARIABLE NUMÉRICA
Cuantitativa (Intervalo, Razón)
0,4
0,3
0,2
0,1
0,0
X
Densidad
-1,960
0,025
1,960
0,025
0
Gráfica de distribución
Normal; Media=0; Desv.Est.=1
Si presenta
Distribución normal
PRUEBAS NO
PARAMÉTRICAS
VARIABLE NUMÉRICA
No presenta distribución normal
VARIABLE CATEGÓRICA
Cualitativa (Nominal, Ordinal)
0,4
0,3
0,2
0,1
0,0
X
Densidad
-1,960
0,025
1,960
0,025
0
Gráfica de distribución
Normal; Media=0; Desv.Est.=1
Muestra
G. Control
T de Student
Correlación de Pearson
ANOVA
Chi-Cuadrado
Generalizar
INFERIR
Potencia
1-β ≥ 0.80
6. ▪ Ninguna prueba de hipótesis es 100% cierta. Puesto que la prueba se basa en probabilidades, siempre
existe la posibilidad de llegar a una conclusión incorrecta. Cuando se realiza una prueba de hipótesis, se
puede cometer dos tipos de error: tipo I y tipo II.
3. ERROR TIPO I y ERROR TIPO II
(Ho Falso) (Ho Verdadero)
Rechazar Ho
Si tiene fiebre
Rechazo Ho y me quedo
con H1
Error Tipo I
No tiene fiebre Ho, pero
se reporta que si tiene
fiebre H1
No Rechazar
Ho
Error Tipo II
Si tiene fiebre H1, pero se
reporta que no tiene fiebre
Ho
No tiene fiebre
Rechazo H1 y me quedo
con Ho
H1: Si tiene fiebre P<0,05
Ho: No tiene fiebre P≥0,05
7. Tratamiento y control
difieren (Ho Falso)
Tratamiento y control no
difieren (Ho Verdadero)
Rechazar Ho
Conclusión correcta
P<0,05: H1
Potencia = 1-β ≥ 0.80
(Potencia ≥ 80%)
Error Tipo I alfa
≥ 0.05=5%
Ideal: ≤ 0.05
No Rechazar
Ho
Error Tipo II beta β
β ≥ 0.20=20%
Ideal: β ≤ 0.20 ≤ 20%
Conclusión correcta
P≥0,05: Ho
Potencia = 1- ≤ 0.95
(Potencia ≤ 95%)
▪ Ninguna prueba de hipótesis es 100% cierta. Puesto que la prueba se basa en probabilidades, siempre
existe la posibilidad de llegar a una conclusión incorrecta. Cuando se realiza una prueba de hipótesis, puede
cometer dos tipos de error: tipo I y tipo II.
3. ERROR TIPO I y ERROR TIPO II
Grupo
Experimental
Grupo
Control
H1: Tratamiento y control difieren P<0,05
Ho: Tratamiento y control no difieren P≥0,05
8. Experimento Verdadero (puro)
Antes
Tratamiento
Después
Antes
Después
Grupo
Control
Si No
Diferencia Diferencia
Grupo
Experimental
Población
PRE-test
POST-test
H1: Existe diferencia
P<0,05
Si hay Efecto
Ho: No existe diferencia
P≥0,05
No hay Efecto
TAMAÑO DEL EFECTO POTENCIA ESTADÍSTICA
Lo Ideal:
IGUALES
P > 0,05: Ho
DIFERENTES
P < 0,05: H1
9. Lo Ideal:
IGUALES
P > 0,05: Ho
DIFERENTES
P < 0,05: H1
¿Quién ganará?
¿Con cuanta diferencia?
TAMAÑO DEL EFECTO
¿Podemos afirmar que hay diferencia?
¿Es grande la diferencia?
¿Es importante la diferencia?
La prueba de significancia nos permite responder
El Tamaño del Efecto (TE) nos permite dar cuenta
Es respondida mediante un criterio de relevancia
clínica.
Una diferencia significativa (P<0,05) no es una diferencia
necesariamente grande o importante, para ello se debe
cuantificar la magnitud de dicha diferencia significativa.
10. TAMAÑO DEL EFECTO
Diferencia Pequeña Diferencia Mediana Diferencia GRANDE
Magnitud
Magnitud Magnitud
Magnitud
▪ Cuantifica la magnitud de los efectos encontrados entre
las dos medias (G. Control y G. Experimental).
▪ Representa el grado en que la Ho es falsa
▪ Indica cuánto de la V.D.(efecto) se puede explicar, predecir
o controlar por la V.I.(Causa)
▪ Permite interpretar las diferencias encontradas y
compararlas de un estudio a otro independientemente
de las variaciones de diseño o de las diferencias del
tamaño muestral.
▪ Es la diferencia más pequeña que el investigador
dispuesto a aceptar como clínicamente relevante.
Valores referenciales para el tamaño del efecto de
las diferentes pruebas de significación estadística.
d de Cohen:
Valores de .20 indican un tamaño del efecto
débil, .50 moderado y .80 superior o elevado.
11. POTENCIA ESTADÍSTICA
La PE (1-β) es la probabilidad de no cometer un error tipo II (no rechazar la Ho cuando es falsa).
Diversos autores mencionan que la potencia mínima aceptable es de 80% (1-β=.80), esto quiere decir que existe un
80% de probabilidad de rechazar correctamente la Ho.
Si la PE es 1-β=.80 por lo tanto β≤.20 indica que el 20% restante de la veces, un error de muestreo hará que no
rechace la Ho cuando esta es falsa (Error tipo II).
La PE permite conocer si podemos generalizar los datos de la muestra a la población.
PE 1-β =.452
β = 1 - .452
β = .548 = 54,8%
PE 1-β =.967
β = 1 - .967
β = .033 = 3,3%
Existe una baja probabilidad
(β: 3,3%) de no rechazar la
Ho cuando está es falsa.
Existe una alta probabilidad
(β: 54,8%) de no rechazar la
Ho cuando esta es falsa.
12. POTENCIA ESTADÍSTICA
TAMAÑO DEL EFECTO SIGNIFICANCIA ()
Tamaño
muestral
n=?
Hipótesis de dos colas (bilateral) Hipótesis de una cola (unilateral)
A priori
13. Estudio
de
caso
ENUNCIADO
VARIABLES INDEPENDIENTES
(V.I.)
VARIABLE DEPENDIENTE
(V.D.)
Efecto de la complementación
con 1.2 gramos de lecitina de
soya sobre el perfil lipídico
durante un periodo de 7 semanas
en oficiales de 30 a 60 años.
Lecitina de soya Perfil lipídico
(Cardona, 2018)
Unidad
Experimental
Causa Efecto
V. Independiente
Tratamiento
V. Dependiente
Respuesta
Lecitina de soya Hipolipemiante
“Perfil lipídico”
14. Efecto de la Lecitina de soya sobre el perfil lipídico
OBJETIVOS
ESPECÍFICOS
VARIABLES
METODO
ESTADÍSTICO
R1: Evaluar el
perfil lipídico
del grupo
experimental
y grupo
control PRE y
POST
complementa
ción con
Lecitina de
soya.
X1: Grupo de estudio
(Cuali-Dicotómica)
X2: Colesterol total
(Cuanti-Continua)
¿?
X1: Grupo de estudio
(Cuali-Dicotómica)
X3: HDL
(Cuanti-Continua)
¿?
X1: Grupo de estudio
(Cuali-Dicotómica)
X4: LDL
(Cuanti-Continua)
¿?
X1: Grupo de estudio
(Cuali-Dicotómica)
X5: VLDL
(Cuanti-Continua)
¿?
X1: Grupo de estudio
(Cuali-Dicotómica)
X6: Triglicéridos
(Cuanti-Continua)
¿?
Antes
Lecitina de soya
Después
Antes
Después
Grupo
Control
Si No
Diferencia Diferencia
Grupo
Experimental
Población
Grupo de estudio
(1) Experimental
(2) Control
DICOTÓMICA
Tiene 2 GRUPOS
Perfil lipídico
Colesterol total
HDL
LDL
VLDL
Triglicéridos
NUMÉRICA-CONTINUA
VARIABLE DEPENDIENTE
PRE-test
POST-test
15. Efecto de la Lecitina de soya sobre el perfil lipídico
1. ¿Cuántas variables trabajan con usted?
R1 responde: Dos variables - bivariado.
2. ¿Cómo han sido medidas las variables?
X1: responde: “Grupo de estudio” variable Cualitativa- dicotómica
X2: responde: “Colesterol total” variable Cuantitativa- Continua
Mixto: Entonces el método estadístico para R1 se encuentra en el
compartimiento 2 VARIABLES MIXTOS.
2 VARIABLES 2 VARIABLES 2 VARIABLES
CUANTITATIVOS CUALITATIVOS MIXTOS
• Correlación de Pearson,
Correlación de Spearman,
Coeficiente de Correlación Rho de
Spearman
• t de Student para muestras
relacionadas, Wilcoxon
• ANOVA para medidas repetidas,
ANOVA de Friedman
• X2
de Homogeneidad, X2
de
Independencia, coeficiente de
contingencia, Índice Kappa de Cohen
• U Mann-Whitney, Test exacto de
Fisher, Riesgo
• Correlación de Spearman, Tau b y c
de Kendall
• ANOVA de Kruskal-Wallis,
ANOVA de Friedman
X2
de McNemar, Q de Cochran
• t de Student para muestras
independientes, U Mann-Whitney
• Correlación de Spearman,
Coeficiente de Correlación Rho de
Spearman, Eta
• ANOVA con un factor
INTERsujetos, ANOVA de Kruskal-
Wallis, ANOVA de Friedman
OBJETIVOS
ESPECÍFICOS
VARIABLES
METODO
ESTADÍSTICO
R1: Evaluar el
perfil lipídico
del grupo
experimental
y grupo
control PRE y
POST
complementa
ción con
Lecitina de
soya.
X1: Grupo de estudio
(Cuali-Dicotómica)
X2: Colesterol total
(Cuanti-Continua)
¿?
X1: Grupo de estudio
(Cuali-Dicotómica)
X3: HDL
(Cuanti-Continua)
¿?
X1: Grupo de estudio
(Cuali-Dicotómica)
X4: LDL
(Cuanti-Continua)
¿?
X1: Grupo de estudio
(Cuali-Dicotómica)
X5: VLDL
(Cuanti-Continua)
¿?
X1: Grupo de estudio
(Cuali-Dicotómica)
X6: Triglicéridos
(Cuanti-Continua)
¿?
16. VARIABLES
METODO
ESTADÍSTICO
X1: Grupo de estudio
(Cuali-Dicotómica)
X2: Colesterol total
(Cuanti-Continua)
¿?
4. Objetivo estadístico: Dos medidas
3. Tipo de investigación: Longitudinal
Entonces el método estadístico
para R1 se encuentra en el
compartimiento 2 VARIABLES
MIXTOS.
5. El comportamiento de los datos:
Paramétrica o No Paramétrica
(1V: Numérica y 1V: Dicotómica)
Mixtos: Si la V. numérica tiene distrib. normal, se utilizará la prueba paramétrica (T de Student muestras independientes)
Si la V. numérica no presenta distrib. normal, se utilizará la prueba no paramétrica (U-Mann Whitney)
Dos grupos
Asociación o
correlación
Medida asociación/
Correlación
Mas de dos
grupos
Dos medidas
Mas de dos
medidas
NUMÉRICA-
DICOTÓMICA
t de Student para
muestras
independientes
---- ---- ----
t de Student para
muestras
independientes
(Pre-Post TEST)
----
NUMÉRICA-
POLITÓMICA
---- ---- ----
Análisis de la
varianza (ANOVAcon
un factor
INTERsujetos)y
pruebas Post Hoc
---- ----
NUMÉRICA-
ORDINAL
---- ---- ----
Análisis de la
varianza (ANOVAcon
un factor
INTERsujetos)y
pruebas Post Hoc
---- ----
NUMÉRICA-
DICOTÓMICA
U Mann-Whitney ---- Eta ----
U Mann-Whitney
(Pre-Post TEST)
----
NUMÉRICA-
POLITÓMICA
---- ---- ----
ANOVA de Kruskal-
Wallis
---- ----
NUMÉRICA-
ORDINAL
----
Correlación de
Spearman
Coeficiente de
Correlación Rho de
Spearman
ANOVA de Kruskal-
Wallis
----
ANOVAde
Friedman
DOS VARIABLES
(Bivariado)
Estudio Transversal
Muestras independientes
Estudio Longitudinal
Medidas repetidas
NOPARAMÉTRICAS
(NotieneDistr.Normal)
TIPO DE
VARIABLE
Estadísticodeprueba
MedicióndelaVariable
MIXTOS
PARAMÉTRICAS
(SitieneDistr.Normal)
17. Comprobar
supuesto de
Normalidad
Comprobar la
igualdad de
varianza
Comprobar si
existe
diferencias en
el ANTES
Comprobar si
existe
diferencias en
el DESPUÉS
Concluir con
base en los
resultados
obtenidos
1 2 3 4 5
Comparar
DOS GRUPOS
Antes
Lecitina de soya
Después
Antes
Después
Grupo
Control
Si No
Diferencia Diferencia
Grupo
Experimental
Población
PRE-test
POST-test
H1: Existe diferencia
P<0,05
POST-TEST
TAMAÑO DEL EFECTO
POTENCIA ESTADÍSTICA
Diseños
EXPERIMENTALES
18. 1.- Comprobar supuesto de Normalidad de las variables aleatorias
• Para verificar el supuesto de Normalidad se utiliza la prueba de
Kolmogorov-Smirnov (igual o mayor a 50), esta prueba permite contrastar
la hipótesis que los datos muestrales presentan una distribución Normal.
• Se usa para variables cuantitativas (numéricas)
H1: La distribución de las variables numéricas es diferente a una distribución normal
H0: La distribución de las variables numéricas es igual a una distribución normal
Distribución Normal
Perfil lipídico
Colesterol total
HDL
LDL
VLDL
Triglicéridos
NUMÉRICA-CONTINUA
VARIABLE DEPENDIENTE
Comparar
DOS GRUPOS
Diseños
EXPERIMENTALES
19. Interpretación: P-valor > 0,05: Verdadera H0
La distribución de las variables numéricas es
igual a una distribución normal
PRUEBAS PARAMÉTRICAS
(T de Student para muestras independientes)
1.- Comprobar supuesto de Normalidad de los datos
P ≥ 0,05 : Ho Verdadera
20. 2.- Comprobar la igualdad de varianza de los datos
• Se utiliza la prueba de Levene para la igualdad de las varianzas.
• Si el P-valor es > 0,05: Varianzas iguales (H0 Verdadera)
• Si el P-valor es < 0,05: Varianzas diferentes (H1 Verdadera)
3.- Comprobar si existe diferencias en el ANTES
• Se utiliza la prueba de “t de Student para muestras independientes” con
la finalidad de comparar las medias del grupo Experimental y del grupo
Control.
H1: Existe diferencia significativa entre el Colesterol total (PRE-test) del GE y del GC.
H0: No existe diferencia significativa entre el Colesterol total (PRE-test) del GE y del GC
Antes Antes
Grupo
Control
Grupo
Experimental
PRE-test
Diseños
EXPERIMENTALES
Comparar
DOS GRUPOS
21. 3.- Comprobar si existe diferencias en el PRE-test
P > 0,05: Ho Verdadera
Interpretación: el P-valor es 0,451 > 0,05: Verdadera H0
No existe diferencia significativa entre el Colesterol total del grupo Experimental y del grupo control. En este caso el
Colesterol total es significativamente igual en ambos grupos PRE-test antes de iniciar la complementación.
P ≥ 0,05 : Ho Verdadera
23. 4.- Comprobar si existe diferencias en el DESPUÉS
• Se utiliza la prueba de “t de Student para muestras independientes” con
la finalidad de comparar las medias en el POST-test del grupo
Experimental y del grupo Control.
H1: Existe diferencia significativa entre el Colesterol total del POST-test del GE y del GC
H0: No existe diferencia significativa entre el Colesterol total del POST-test del GE y del GC
Comparar
DOS GRUPOS
Antes
Lecitina de soya
Después
Antes
Después
Grupo
Control
Si No
Diferencia Diferencia
Grupo
Experimental
PRE-test
POST-test
Diseños
EXPERIMENTALES
24. Interpretación: el P-valor es 0,016 < 0,05: Acepta H1
Si existe diferencia significativa entre el Colesterol Total del grupo Experimental y del grupo control. En este caso
el Colesterol Total del grupo Experimental es significativamente diferente al Colesterol Total del grupo Control.
4.- Comprobar si existe diferencias en el POST-test
P > 0,05: Ho Verdadera
P < 0,05: Acepta H1
25. Tabla N° 23.- Distribución del “Colesterol total mg/dl
PRE y POST complementación con Lecitina de soya”
Estadísticos
Colesterol Total mg/dl
(PRE)
Colesterol Total mg/dl
(POST)
Grupo
Experimental
Grupo
Control
Grupo
Experimental
Grupo
Control
Media = 249,9 237,60 216,20 251,08
Error Estándar = 11,3 11,615 8,296 11,186
IC 95% Límite inferior = 227,9 215,0 200,0 229,3
IC 95% Límite superior = 271,8 260,2 232,4 272,9
P-Valor = 0,451 0,016
Grafica N° 23.- Distribución del Colesterol total mg/d
PRE y POST complementación con Lecitina de soya”
Se comprueba el EFECTO hipolipemiante de la Lecitina de
soya sobre los valores del Colesterol total
RESULTADOS
26. TAMAÑO DEL EFECTO y POTENCIA ESTADÍSTICA
▪ La Potencia Estadística (1-β=.507) no supera
los niveles mínimos exigidos (80%),
constatándose en la gráfica que existe una alta
probabilidad (49,3%) de no rechazar la Ho
cuando es falsa.
1-β =.507
β = 1 - .507
β = .493 = 49,3%
▪ Se aprecia que el Tamaño del Efecto (d=.708)
se puede considerar grande ya que se
encuentra en torno a .70, esto quiere decir que
la diferencia del efecto hipolipemiante del
Colesterol total, se debe a la complementación
con Lecitina de soya, en comparación del
grupo de personas que no recibió la
complementación.
G*Power
27. Reporte de RESULTADO: Artículo científico
El grupo de personas que recibieron la complementación con Lecitina de soya, se observo que el Colesterol total (n=25; M=216.20; y
DE=41.481) puntuó significativamente más bajo que el grupo de personas que no recibieron dicha la complementación (n=25;
M=251.08; y DE=55.928). Estas diferencias fueron significativas estadísticamente (t(48)=2.50; p=.016; IC95%[-62.88, -6.87]).
Con el fin de cumplir con el objetivo de conocer si existían diferencias significativas en el efecto hipolipemiante dependiendo si
habían recibido la complementación o no, se llevó a cabo una t de Student tomando como variable independiente la complementación
con 1,2 gramos de lecitina de soya y variables dependientes cada uno de los indicadores del perfil lipídico. Los resultados se pueden
ver en la Tabla 1.
28. Efecto de la Lecitina de soya sobre el perfil lipídico
OBJETIVOS
ESPECÍFICOS
VARIABLES
METODO
ESTADÍSTICO
R1: Evaluar
el perfil
lipídico del
grupo
experiment
al y grupo
control PRE
y POST
complemen
tación con
Lecitina de
soya
X2: Colesterol total
(Pre test: Cuanti-Continua)
X2: Colesterol total
(Post test: Cuanti-Continua)
¿?
X3: HDL
(Pre test: Cuanti-Continua)
X3: HDL
(Post test: Cuanti-Continua)
¿?
X4: LDL
(Pre test: Cuanti-Continua)
X4: LDL
(Post test: Cuanti-Continua)
¿?
X5: VLDL
(Pre test: Cuanti-Continua)
X5: VLDL
(Post test: Cuanti-Continua)
¿?
X6: Triglicéridos
(Pre test: Cuanti-Continua)
X6: Triglicéridos
(Post test: Cuanti-Continua)
¿?
Antes
Lecitina de soya
Después
Antes
Después
Grupo
Control
Si No
Diferencia Diferencia
Grupo
Experimental
Población
Perfil lipídico
Colesterol total
HDL
LDL
VLDL
Triglicéridos
NUMÉRICA-CONTINUA
VARIABLE DEPENDIENTE
PRE-test
POST-test
TAMAÑO DEL EFECTO
POTENCIA ESTADÍSTICA
Comparar
DOS MEDIDAS
29. 1. ¿Cuántas variables trabajan con usted?
R1 responde: Dos variables - bivariado.
2. ¿Cómo han sido medidas las variables?
X1: responde: “Colesterol total Pre-test” variable Cuantitativa- Continua
X2: responde: “Colesterol total Post-test” variable Cuantitativa- Continua
Cuanti: Entonces el método estadístico para R1 se encuentra en el
compartimiento 2 VARIABLES CUANTITATIVOS.
2 VARIABLES 2 VARIABLES 2 VARIABLES
CUANTITATIVOS CUALITATIVOS MIXTOS
• Correlación de Pearson,
Correlación de Spearman,
Coeficiente de Correlación Rho de
Spearman
• t de Student para muestras
relacionadas, Wilcoxon
• ANOVA para medidas repetidas,
ANOVA de Friedman
• X2
de Homogeneidad, X2
de
Independencia, coeficiente de
contingencia, Índice Kappa de Cohen
• U Mann-Whitney, Test exacto de
Fisher, Riesgo
• Correlación de Spearman, Tau b y c
de Kendall
• ANOVA de Kruskal-Wallis,
ANOVA de Friedman
X2
de McNemar, Q de Cochran
• t de Student para muestras
independientes, U Mann-Whitney
• Correlación de Spearman,
Coeficiente de Correlación Rho de
Spearman, Eta
• ANOVA con un factor
INTERsujetos, ANOVA de Kruskal-
Wallis, ANOVA de Friedman
Efecto de la Lecitina de soya sobre el perfil lipídico Comparar
DOS MEDIDAS
OBJETIVOS
ESPECÍFICOS
VARIABLES
METODO
ESTADÍSTICO
R1: Evaluar
el perfil
lipídico del
grupo
experiment
al y grupo
control PRE
y POST
complemen
tación con
Lecitina de
soya
X2: Colesterol total
(Pre test: Cuanti-Continua)
X2: Colesterol total
(Post test: Cuanti-Continua)
¿?
X3: HDL
(Pre test: Cuanti-Continua)
X3: HDL
(Post test: Cuanti-Continua)
¿?
X4: LDL
(Pre test: Cuanti-Continua)
X4: LDL
(Post test: Cuanti-Continua)
¿?
X5: VLDL
(Pre test: Cuanti-Continua)
X5: VLDL
(Post test: Cuanti-Continua)
¿?
X6: Triglicéridos
(Pre test: Cuanti-Continua)
X6: Triglicéridos
(Post test: Cuanti-Continua)
¿?
30. VARIABLES
METODO
ESTADÍSTICO
X2: Colesterol total
(Pre test: Cuanti-Continua)
X2: Colesterol total
(Post test: Cuanti-Continua
¿?
4. Objetivo estadístico: Dos medidas
repetidas
3. Tipo de investigación: Longitudinal
Entonces el método estadístico para
R1 se encuentra en el compartimiento
2 VARIABLES CUANTITATIVOS.
5. El comportamiento de los datos: Paramétrica o No Paramétrica (1V: Numérica y 1V: Numérica)
Cuanti: Si las dos V. numéricas tiene distrib. normal, prueba paramétrica (T de Student para muestras relacionadas)
Si las dos V. numéricas no presenta distrib. normal, prueba no paramétrica (Wilcoxon)
Dos grupos Correlación
Coeficiente de
Correlación
Mas de dos
grupos
Dos medidas
Mas de dos
medidas
PARAMÉTRICAS
(SitieneDistr.Normal)
NUMÉRICA
----
Correlación de
Pearson
Coeficiente de
correlación R
Pearson
----
t de Student
para muestras
relacionadas
ANOVA para
medidas
repetidas o
ANOVA con un
factor
INTRAsujetos
NOPARAMÉTRICAS
(NotieneDistr.Normal)
NUMÉRICA
----
Correlación de
Spearman
Coeficiente de
Correlación Rho de
Spearman
----
Prueba de
Wilcoxon
ANOVA de
Friedman
CUANTITATIVAS
TIPO DE
VARIABLE
Estadísticodeprueba
MedicióndelaVariable
DOS VARIABLES
(Bivariado)
Estudio Transversal
Muestras independientes
Estudio Longitudinal
Medidas repetidas
Efecto de la Lecitina de soya sobre el perfil lipídico Comparar
DOS MEDIDAS
31. t de Student para muestras relacionadas
Grupo Experimental
Grupo Control
P < 0,05 : Acepto H1
Comparar
DOS MEDIDAS
32. TAMAÑO DEL EFECTO y POTENCIA ESTADÍSTICA
▪ Se aprecia que el Tamaño del Efecto
(d=.994) se puede considerar grande ya que
se encuentra en torno a .80, esto quiere decir
que existe diferencia del efecto hipolipemiante
del Colesterol total del pre-test y post-test.
▪ La Potencia Estadística (1-β=.867) si
supera los niveles mínimos exigidos
(80%), constatándose en la gráfica que
existe una baja probabilidad (13,3%) de no
rechazar la Ho cuando es falsa.
1-β =.867
β = 1 - .867
β = .133 = 13,3%
G*Power
33. Reporte de RESULTADO: Artículo científico
El grupo experimental de personas que recibieron la complementación con Lecitina de soya, se observó en el pre-test que el
Colesterol total (n=25; M=249.88; y DE=56.20) puntuaron significativamente más bajo que en el post-test (n=25; M=216.2; y
DE=41.48). Estas diferencia fueron significativas estadísticamente t(24)=4.97 sig.=.001, IC95% [19.70, 47.67]), 1- 𝛽 =.867, el tamaño
de efecto d fue de 0.994 indicando un efecto alto.
Con el fin de cumplir con el objetivo de conocer si existían diferencias significativas en el efecto hipolipemiante dependiendo si
habían recibido la complementación o no en el pre-test y el post-test, se llevó a cabo una t de Student para muestras relacionadas
tomando como variable independiente la complementación con 1,2 gramos de lecitina de soya y variables dependientes cada uno de
los indicadores del perfil lipídico. Los resultados se pueden ver en la Tabla 2.
34. Dos caminos se bifurcaban en un bosque y yo,
Yo tomé el menos transitado,
Y eso hizo toda la diferencia. Robert Frost (1946)
GRACIAS
35. La grabación virtual lo puedes encontrar en
“Bioestadistica con jl soto”:
Youtube: https://youtu.be/2R6wQsyOk14
Facebook:
https://www.facebook.com/105699240969646/videos/404047200724280