Análisis estadísticos multinivel

ANÁLISIS ESTADÍSTICOS DE LOS
RESULTADOS EN LOS DIFERENTES NIVELES
DE INVESTIGACION
Dr. José Luis Soto Velásquez
Junio, 2019

Contenido
1.- Métodos estadísticos “La cajita de la
estadística”
2.- Los 7 criterios para elegir un método
estadístico
3.- Análisis estadístico del nivel Descriptivo
4.- Análisis estadístico del nivel Relacional
5.- Análisis estadístico del nivel Experimental
Disertante: Dr. José Luis Soto Velásquez

𝑛 =
𝑍2 ∗ 𝑝 ∗ 𝑞 ∗ 𝑁
𝑑2 ∗ 𝑁 − 1 + 𝑍2 ∗ 𝑝 ∗ 𝑞
Media o Promedio
Desviación estándar
T de Student para comparar dos grupos
Distribución Normal
Tamaño muestral para poblaciones finitas
Histograma
100*
x
s
cv 
Coeficiente de Variación
Dispersión de Nubes y puntos
Chi-cuadrado
xy  
Regresión Lineal

Su uso depende:
Lo que quiera
preparar la persona
De la intensión del
investigador

¿Qué es la estadística?
Conjunto de
HERRAMIENTAS
COLECTAR
datos
ANALIZAR
datos
MÉTODO ESTADÍSTICO

• “Cajita” de la estadística con 2 compartimientos
• “Cajita” de la estadística
RESUMIR GENERALIZAR

• “Cajita” de la estadística con 3 compartimientos
RESUMIR GENERALIZAR

• “Cajita” de la estadística , según el NÚMERO DE VARIABLES con 9 compartimientos
Univariable o
Unidimensional
(1 variable)
bivariable o
Bidimensional
(2 variables)
multivariable o
multidimensional
(P variables)
2 variables
2 variables
P variables
P variables
1 variable
1 variable
E
S
T
I
M
A
C
I
Ó
N
T
E
S
T
H
I
P
O
T
E
S
I
S
D
E
S
C
R
I
P
T
I
V
A

E
S
T
I
M
A
C
I
Ó
N
T
E
S
T
H
I
P
O
T
E
S
I
S
D
E
S
C
R
I
P
T
I
V
A
CUANTI MIXTO CUALI
CUANTI MIXTO CUALI
1 UNIVARIABLE
2 BIVARIABLE
P MULTIVARIANTE
1 2
3 4 5
6 7 8
9 10
11 12 13
14 15 16
17 18
19 20 21
22 23 24
CUANTI CUALI
1 UNIVARIABLE
CUANTI CUALI
CUANTI CUALIMIXTO
CUANTI CUALIMIXTO
CUANTI CUALIMIXTO
CUANTI CUALIMIXTO
CUANTI CUALI
P MULTIVARIANTE
1 UNIVARIABLE
2 BIVARIABLE
P MULTIVARIANTE
• “Cajita” de la estadística , según LA ESCALA DE MEDICIÓN DE LAS VARIABLES con 24 compartimientos

Análisis de la ESTADISTICA DESCRIPTIVA de los datos
TIPO DE VARIABLES
1 2 P
VARIABLEVARIABLE VARIABLE
CUANTITATIVOS
• Gráficas: Histogramas,
Box Plot.
• Estadígrafos: Medidas de
tendencia central, Medidas
de dispersión, Medidas de
Posición, Medidas de
Orden (Coeficientes de
asimetría y Curtosis de
Fisher)
• Diagrama de Dispersión
• Coeficiente de
correlación de Pearson
• Regresión lineal y no
lineal
• Coeficiente de
determinación
• Varianza residuales
• Análisis de los
componentes
principales
• Análisis Factorial de
Correspondencia
• Correlación canónica
CUALITATIVOS
• Diagrama de barra, de
sectores
• Distribución de
frecuencia (Tablas de
frecuencia)
• Moda
frecuencia bidimensional
(Tablas de contingencia)
• Coeficiente de
correlación Spearman
• Coeficiente de
contingencia
Correspondencia
• Modelo log-lineal
MIXTOS NO CORRESPONDE
• Box Plot
• Diagrama de error
• Coeficiente biserial de
punto
• Regresión múltiple
• Regresión Logística

Análisis de la INFERENCIA ESTADISTICA: ESTIMACIÓN
TIPO DE VARIABLE
1 2 P
CUANTITATIVOS
• Intervalo de confianza de
un promedio.
una varianza
un coeficiente de
correlación
un coeficiente de
regresión
• Estimación de los
coeficientes de regresión
múltiple
coeficientes de correlación
parcial
CUALITATIVOS
• Intervalo de confianza
de una proporción
• Estimación del
coeficiente de
contingencia
• Estimación del
coeficiente Spearman
coeficientes del modelo
Log-lineal
coeficientes de
contingencia parciales
coeficientes de la
regresión logística lineal
coeficientes del Análisis
Discriminante decisional

Análisis de la INFERENCIA ESTADISTICA: TEST DE HIPÓTESIS
TIPO DE VARIABLE
1 2 P
CUANTITATIVOS
• Test de Student para una
muestra
• 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
• Test de significación de los
canónica
• Test de conformidad de los
múltiple
CUALITATIVOS
• X2
Chi-Cuadrado de Bondad
de ajuste
• 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
coeficientes del modelo Log
Lineal
• Test de significación del
modelo de Análisis Factorial de
Correspondencia
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
• MANOVA

1. Resultados esperados
2. Número de Variables
3. Escala de medición de las variables
4. Condiciones de aplicación
5. Tipo de investigación
6. Objetivo estadístico
Criterios para elegir un método estadístico
7. El comportamiento de los datos

Criterios para elegir un método estadístico:
1. Resultados esperados
• Problema - Objetivos – Resultados Esperados (Ri)
• Necesidad de información
RESUMIR GENERALIZAR
El proceso se inicia planteando a Ri la sgte. pregunta: ¿Usted quiere resumir o generalizar?

2. Número de Variables
Se plantea la sgte. pregunta: ¿Cuántas variables trabajan con usted?
Univariable o
Unidimensional
(1 variable)
bivariable o
Bidimensional
(2 variables)
multivariable o
multidimensional
(P variables)
2 variables
2 variables
P variables
P variables
1 variable
1 variable
E
S
T
I
M
A
C
I
Ó
N
T
E
S
T
H
I
P
O
T
E
S
I
S
D
E
S
C
R
I
P
T
I
V
A

3. Escala de medición de las Variables
Se plantea la sgte. pregunta: ¿Cómo han sido medidas las variables?
Variables
CUANTI
Numéricas
CUALI
Categóricas
Nominales
Ordinales
Dicotómicas
Politómicas
Discretas
Continuas

3. Escala de medición de las Variables
Se plantea la sgte. pregunta: ¿Cómo han sido medidas las variables?
E
S
T
I
M
A
C
I
Ó
N
T
E
S
T
H
I
P
O
T
E
S
I
S
D
E
S
C
R
I
P
T
I
V
A
CUANTI MIXTO CUALI
CUANTI MIXTO CUALI
1 UNIVARIABLE
2 BIVARIABLE
P MULTIVARIANTE
1 2
3 4 5
6 7 8
9 10
11 12 13
14 15 16
17 18
19 20 21
22 23 24
CUANTI CUALI
1 UNIVARIABLE
CUANTI CUALI
CUANTI CUALIMIXTO
CUANTI CUALIMIXTO
CUANTI CUALIMIXTO
CUANTI CUALIMIXTO
CUANTI CUALI
P MULTIVARIANTE
1 UNIVARIABLE
2 BIVARIABLE
P MULTIVARIANTE

4. Condiciones de aplicación
Se plantea la sgte. pregunta: ¿Usted quiere Estimar o realizar un Test de hipótesis?
RESUMIR GENERALIZAR

5. Tipos de investigación
Según el número de VARIABLES de interés (analíticas)
Aplicativo
Predictivo
Explicativo
Relacional
Descriptivo
Exploratorio
Univariado
Bivariado
Causalidad
Predecir
Mejorar
AnalíticoDescriptivo
El análisis estadístico es univariado porque solo
determina condiciones, estima los parámetros
de la población a partir de una muestra o
describe sus características.
El análisis estadístico por lo menos es
bivariado; aquí se plantean y ponen a prueba
hipótesis, su nivel más básico propone la
asociación entre factores.

5. Tipos de investigación
Según el número de MEDICIONES de la variable de estudio
Las variables son medidas en una sola ocasión;
el tiempo que ello tome es indiferente, las
comparaciones son entre grupos (muestras
independientes).
La variable de estudio es medida en dos o más
ocasiones; se trata de estudios de seguimiento,
las comparaciones son entre medidas
(muestras repetidas o relacionadas).
Transversal Longitudinal

COMPARAR UN GRUPOS
Según el número de VARIABLES de interés (analíticas)
COMPARAR DOS GRUPOS COMPARAR DOS MEDIDAS
ASOCIACIÓN/CORRELACIÓN
Medidas o Fuerza de:
ASOCIACIÓN/CORRELACIÓN
COMPARAR MÁS DE DOS GRUPOS COMPARAR MÁS DE DOS MEDIDAS

COMPARAR UN GRUPOS
Obesidad en una
población de estudio

COMPARAR DOS GRUPOS
Pruebas Paramétricas
T Student para muestras independiente
Pruebas No Paramétricas
U Mann-Whitney
Pruebas No Paramétricas: Dicotómicas y Politómicas
X2 de Homogeneidad
Corrección de Yates
Test exacto de Fisher

Comparar Dos MEDIDAS
Antes = Pre Después = Post
T Student para muestras relacionadas
Prueba de Wilcoxon
Pruebas No Paramétricas:
Dicotómicas: X2 de McNemar
Politómicas: Q de Cochran

Asociación
Correlación
o
Variables CATEGÓRICAS
Variables NUMÉRICAS Paramétrica: Pearson
No Paramétrica: Spearman
No Paramétrica: X2 de
Independencia

0,2 1,00,4 0,6 0,8
Muy baja Baja Moderada Buena Alta
Coeficiente de correlación R Pearson o Rho Spearman:
RIESGO
Medidas o Fuerza de Correlación/Asociación
Si existe CORRELACIÓN (P < 0,05) Si existe ASOCIACIÓN (P < 0,05)
Riesgo Relativo RR
Odds Ratio OR

A n á l i s i s d e l a Va r i a n z a
ANOVA
ANOVA con un factor INTER-sujetos y pruebas Post Hot ,
ANOVA de Kruskal-Wallis,
X2 Chi-cuadrado de Homogeneidad
6. Objetivo estadístico: COMPARAR

MAS DE DOS MEDIDAS
ANOVA
ANOVA con un factor INTRA-sujetos y
Comparación por pares, ANOVA de Friedman,
Q de Cochran

Las Variables numéricas: Si cumplen el supuesto de normalidad (Pruebas paramétricas), si
No cumplen el supuesto de normalidad (Pruebas No paramétricas).
μ
Media = μ Desv. estándar = σ
+1σ +2σ +3σ-3σ -2σ -1σ
95%
Distribución Normal o
Campana de Gauss
2,5% 2,5%
5% = 0,05
P ≥ 0,05: Acepta Ho
P < 0,05: Acepta H1

Si cumplen el supuesto de normalidad (Pruebas paramétricas), si No cumplen el supuesto
de normalidad (Pruebas No paramétricas).
Tipo VARIABLES CATEGÓRICAS VARIABLES NUMÉRICAS
Naturaleza CUALITATIVAS CUANTITATIVAS
Clasificación de
Escala
Nominal
Dicotómicas
Politómicas
Ordinal Discretas Continuas (ALEATORIAS)
Observaciones Pruebas no paramétricas
Las variables categóricas no se ajustan a una distribución normal
Pruebas para determinar la Normalidad (Distribución normal)
a) Test de Shapiro-Wilk: Se utiliza cuando el tamaño de la muestra es
menor de 50.
b) Prueba de Kolmogórov-Smirnov: Se utiliza cuando el tamaño de la
muestra es igual o mayor de 50.
c) Prueba de Kolmogórov-Smirnov Lilliefors: Corrige la prueba de K-S
con el límite máximo de significancia de 0,2.
Si P > 0,05: Se acepta Ho: Si se ajusta a la distribución normal: Prueba
PARAMETRICAS.
Si P < 0,05: Se acepta H1: No se ajusta a la distribución normal:
Prueba NO PARAMETRICA

06
05
04
03
02
01 Exploratorio
Descriptivo
Univariado
Relacional
Bivariado
Explicativo
Causalidad
Predictivo
Pronóstico
Aplicativo
Tratamiento
ESTADÍSTICA
N i v e l e s d e I n v e s t i g a c i ó n

02 Descriptivo
Univariado
Evaluación del Estado Nutricional
Composición corporal
Hábitos alimentarios
Obesidad
Anemia en embarazadas
Frecuencia de consumo de alimentos
Desnutrición en menores de 5 años
Lactancia y alimentación complementaria
Micronutrientes
Hipertensión arterial
Diagnóstico de necesidades
DiabetesSedentarismo
Perfil lipídico
Kilocalorías
pH glucemia
% de Grasa
Ejemplo de algunos TEMAS:
Perímetro
Pliegues

02 Descriptivo
Univariado
Evaluación del Estado Nutricional
Composición corporal
Obesidad
Micronutrientes
Diabetes
Sedentarismo
Perfil lipídico
Kilocalorías
pH
glucemia
% de Grasa
Perímetro
Pliegues
Peso
Talla
Variables CategóricasVariables Numéricas
IMC

02 Descriptivo
Univariado
Peso /(Talla)2 = IMC
Estado Nutricional
Obesidad
Micronutrientes
Diabetes
Peso /(Talla)2 = IMC
Peso/Edad; Talla/Edad; Peso/Talla
Hemoglobina g/dl
Curva de tolerancia a la Glucosa mg/dl
Presión arterial mmHg
Variables CategóricasVariables Numéricas

02 Descriptivo
Univariado
Cuali-Ordinal
Estado Nutricional
Obesidad
Micronutrientes
Diabetes
Cuali-Dicotómica
Cuali-Ordinal
Cuali-Dicotómica
Cuali-Dicotómica
Cuali-Dicotómica
Cuali-Nominal-Politómicas
Variables Categóricas
Cuali-Ordinal

RESULTADOS
ESPERADOS
VARIABLES
METODO
ESTADÍSTICO
R1: Hábitos
alimentarios
X1: Hábitos
alimentarios
(Cuali-Politómica)
¿?
R2: Estado
Nutricional
Estado Nutricional
(Cuali-Ordinal) ¿?
R3: Colesterol
total
Colesterol total
(Cuanti-Continua) ¿?
R4: HTA Hipertensión
(Cuali-Dicotómica) ¿?
R5: Obesidad Obesidad
(Cuali-Dicotómica) ¿?
E
S
T
I
M
A
C
I
Ó
N
T
E
S
T
H
I
P
O
T
E
S
I
S
D
E
S
C
R
I
P
T
I
V
A
CUANTI MIXTO CUALI
CUANTI MIXTO CUALI
1 UNIVARIABLE
2 BIVARIABLE
P MULTIVARIANTE
1 2
3 4 5
6 7 8
9 10
11 12 13
14 15 16
17 18
19 20 21
22 23 24
CUANTI CUALI
1 UNIVARIABLE
CUANTI CUALI
CUANTI CUALIMIXTO
CUANTI CUALIMIXTO
CUANTI CUALIMIXTO
CUANTI CUALIMIXTO
CUANTI CUALI
P MULTIVARIANTE
1 UNIVARIABLE
2 BIVARIABLE
P MULTIVARIANTE
RESUMIR GENERALIZAR
¿Cómo elegir un método estadístico?
Descriptivo
Univariado

RESULTADOS
ESPERADOS
VARIABLES
METODO
ESTADÍSTICO
R1: Hábitos
alimentarios
X1: Hábitos
alimentarios
(Cuali-Politómica)
¿? 1. ¿Usted quiere resumir o generalizar?
R1 responde: Tengo interés de resumir. Entonces corresponde el
compartimiento de la mano izquierda de la “cajita”
2. ¿Cuántas variables trabajan con usted?
R1 responde: una variables. Entonces seleccionamos el compartimiento
de herramientas univariado.
3. ¿Cómo han sido medidas las variables?
X1: responde: variable Cualitativa- Nominal Politómica
R1: HÁBITOS ALIMENTARIOS
E
S
T
I
M
A
C
I
Ó
N
T
E
S
T
H
I
P
O
T
E
S
I
S
D
E
S
C
R
I
P
T
I
V
A
CUANTI MIXTO CUALI
CUANTI MIXTO CUALI
1 UNIVARIABLE
2 BIVARIABLE
P MULTIVARIANTE
1 2
3 4 5
6 7 8
9 10
11 12 13
14 15 16
17 18
19 20 21
22 23 24
CUANTI CUALI
1 UNIVARIABLE
CUANTI CUALI
CUANTI CUALIMIXTO
CUANTI CUALIMIXTO
CUANTI CUALIMIXTO
CUANTI CUALIMIXTO
CUANTI CUALI
P MULTIVARIANTE
1 UNIVARIABLE
2 BIVARIABLE
P MULTIVARIANTE
Cuali: Entonces el método estadístico para poder responder de
manera efectiva a R1 se encuentra en el compartimiento 2.
RESUMIR GENERALIZAR
Descriptivo
Univariado

TIPO DE VARIABLES
1 2 P
CUANTITATIVOS
• Gráficas: Histogramas,
Box Plot.
• Estadígrafos: Medidas de
tendencia central, Medidas
de dispersión, Medidas de
Posición, Medidas de
Orden (Coeficientes de
asimetría y curtosis de
Fisher)
• Diagrama de Dispersión
• Coeficiente de
correlación de Pearson
• Regresión lineal y no
lineal
• Coeficiente de
determinación
• Varianza residuales
• Análisis de los
componentes
principales
Correspondencia
• Correlación canónica
CUALITATIVOS
• Diagrama de barra, de
sectores
frecuencia (Tablas de
frecuencia)
• Moda
frecuencia bidimensional
(Tablas de contingencia)
• Coeficiente de
correlación Spearman
• Coeficiente de
contingencia
Correspondencia
• Modelo log-lineal
• Box Plot
• Diagrama de error
• Coeficiente biserial de
punto
• Regresión múltiple
• Regresión Logística

Lugar de almuerzo Frecuencia (n) Porcentajes (%)
Casa 169 77,5
Mercado 14 6,4
Pensión 22 10,1
En el trabajo 13 6,0
Total 218 100,0
Consumo de
bebida
Frecuencia (n) Porcentajes (%)
Gaseosas 37 17,0
Jugos Embotellados 48 22,0
Bebida hipertónicas 5 2,3
Agua 57 26,1
Refresco 71 32,6
Total 218 100,0
78%
6%
10%
6%
Lugar de almuerzo
Lugar de almuerzo Casa
Lugar de almuerzo Mercado
Lugar de almuerzo Pensión
Lugar de almuerzo En el
trabajo
17
22
2
26
33
0
5
10
15
20
25
30
35
Gaseosas Jugos
Embotellados
Bebida
hipertónicas
Agua Refresco
Consumo de bebida
Porcentaje(%)
Consumo de bebidas
Tablas de frecuencia
Diagrama de sectores
Gráfico de barras

RESULTADOS
ESPERADOS
VARIABLES
METODO
ESTADÍSTICO
R2: Estado
Nutricional
X2: Estado Nutricional
(Cuali-Ordinal) ¿?
1. ¿Usted quiere resumir o generalizar?
X2: responde: variable Cualitativa- Ordinal
R2: ESTADO NUTRICIONAL
E
S
T
I
M
A
C
I
Ó
N
T
E
S
T
H
I
P
O
T
E
S
I
S
D
E
S
C
R
I
P
T
I
V
A
CUANTI MIXTO CUALI
CUANTI MIXTO CUALI
1 UNIVARIABLE
2 BIVARIABLE
P MULTIVARIANTE
1 2
3 4 5
6 7 8
9 10
11 12 13
14 15 16
17 18
19 20 21
22 23 24
CUANTI CUALI
1 UNIVARIABLE
CUANTI CUALI
CUANTI CUALIMIXTO
CUANTI CUALIMIXTO
CUANTI CUALIMIXTO
CUANTI CUALIMIXTO
CUANTI CUALI
P MULTIVARIANTE
1 UNIVARIABLE
2 BIVARIABLE
P MULTIVARIANTE
RESUMIR GENERALIZAR
Descriptivo
Univariado

Tabla N° 2.- Distribución del Estado Nutricional (Población, lugar y tiempo)
Fuente.- Elaboración propia, 2018.
Grafico N° 2.- Distribución del Estado Nutricional (Población, lugar y tiempo)
Estado Nutricional
Frecuencia
(n)
Porcentaje
(%)
Desnutrición 16 7
Normal (Eutrófico) 126 57
Sobrepeso 65 29
Obesidad 12 5
Obesidad mórbida 4 2
Total 223 100
7%
57%
29%
5%
2%
0%
10%
20%
30%
40%
50%
60%
Desnutrición Normal
(Eutrófico)
Sobrepeso Obesidad Obesidad
mórbida
Porcentaje(%)
Estado Nutricional
Interpretación:
Gráfico de barras

RESULTADOS
ESPERADOS
VARIABLES
METODO
ESTADÍSTICO
R3: Colesterol
total
X3: Colesterol total
(Cuanti-Continua) ¿? 1. ¿Usted quiere resumir o generalizar?
X3: responde: variable Cuantitativa- Continua
R3: COLESTEROL TOTAL
E
S
T
I
M
A
C
I
Ó
N
T
E
S
T
H
I
P
O
T
E
S
I
S
D
E
S
C
R
I
P
T
I
V
A
CUANTI MIXTO CUALI
CUANTI MIXTO CUALI
1 UNIVARIABLE
2 BIVARIABLE
P MULTIVARIANTE
1 2
3 4 5
6 7 8
9 10
11 12 13
14 15 16
17 18
19 20 21
22 23 24
CUANTI CUALI
1 UNIVARIABLE
CUANTI CUALI
CUANTI CUALIMIXTO
CUANTI CUALIMIXTO
CUANTI CUALIMIXTO
CUANTI CUALIMIXTO
CUANTI CUALI
P MULTIVARIANTE
1 UNIVARIABLE
2 BIVARIABLE
P MULTIVARIANTE
Cuanti: Entonces el método estadístico para poder responder de
RESUMIR GENERALIZAR
Descriptivo
Univariado

Tabla N° 3.- Medidas de tendencia Central y de dispersión
“Colesterol total mg/dl” (Población, lugar y tiempo)
Grafico N° 3.- Histograma “Colesterol total mg/dl
(Población, lugar y tiempo)
Interpretación:
Estadísticos Colesterol mg/dl
Media = 192,37
Mediana = 186,00
Moda = 129
Rango = 321
Desviación Estándar = 59,426
La varianza = 3531,459
Coeficiente de Variación (%) = 30,9%
Error estándar = 4,025

Tabla N° 4.- Medidas de Posición: Cuantiles de
“Colesterol total mg/dl” (Población, lugar y tiempo)
Grafico N° 4.- Diagrama de Caja y bigotes de
“Colesterol total mg/dl (Población, lugar y tiempo)
Interpretación:
Percentiles: Cuartiles: Deciles:
p5= 116,00
D3= 159,00
p25= 155,00
Q1= 155,00
D4= 170,00
p50= 186,00
Q2= 186,00
D5= 186,00
p75= 212,00
Q3= 212,00
D6= 194,40
p95= 311,15
D7= 210,00

Variable numérica transformada a Variable categórica
Tabla N° 3.- Distribución de los valores de “Colesterol total” (Población, lugar y tiempo)
Grafico N° 3.- Distribución de los valores de “Colesterol total” (Población, lugar y tiempo)
Interpretación:
Colesterol total
Frecuencia
(n)
Porcentaje
(%)
Aceptable 11 22
Riesgo Moderado 13 26
Riesgo Alto 26 52
Total 50 100
El análisis estadístico se debe
realizar con la Variable numérica

RESULTADOS
ESPERADOS
VARIABLES
METODO
ESTADÍSTICO
R4:
Hipertensión
Arterial
X4: Hipertensión
(Cuali-Dicotómica) ¿? 1. R4: ¿Usted quiere resumir o generalizar?
R4 responde: Generalizar. Mano derecha de la “cajita”
2. N° de Variables: ¿Cuántas variables trabajan con usted?
R1 responde: una variables - univariado.
3. Escala de medición de las variables: ¿Cómo han sido medidas las
variables?
X4: responde: variable Cualitativa- Nominal Dicotómica
4. Condiciones de aplicación: ¿Usted quiere Estimar o realizar un Test de
hipótesis?
X4: responde: Estimar
R4: HIPERTENSIÓN ARTERIAL
E
S
T
I
M
A
C
I
Ó
N
T
E
S
T
H
I
P
O
T
E
S
I
S
D
E
S
C
R
I
P
T
I
V
A
CUANTI MIXTO CUALI
CUANTI MIXTO CUALI
1 UNIVARIABLE
2 BIVARIABLE
P MULTIVARIANTE
1 2
3 4 5
6 7 8
9 10
11 12 13
14 15 16
17 18
19 20 21
22 23 24
CUANTI CUALI
1 UNIVARIABLE
CUANTI CUALI
CUANTI CUALIMIXTO
CUANTI CUALIMIXTO
CUANTI CUALIMIXTO
CUANTI CUALIMIXTO
CUANTI CUALI
P MULTIVARIANTE
1 UNIVARIABLE
2 BIVARIABLE
P MULTIVARIANTE
Cuali: Entonces el método estadístico para poder responder de manera
efectiva a R4 se encuentra en el compartimiento 10.
RESUMIR GENERALIZAR
Descriptivo
Univariado

Tabla N° 4.- Intervalos de confianza para la PREVALENCIA DE HTA (95%)
Fuente.- Elaboración propia, 2018
Muestra Prevalencia 1-Prevalencia
Error
Estándar EE
Intervalos de confianza 95%
Parámetros n p q
Límite
inferior
Límite
superior
HTA 134 0,3731 0,6269 0,0418 0,2912 0,4550
Límite
Inferior LI
Límite
Superior LS
37,31%
45,50%29,12%
Prevalencia
HTA
Intervalos de confianza para la prevalencia 95%:
EEevalenciaIC *96,1Pr 

Hipertensión
arterial
Frecuencia
(n)
Porcentaje
(%)
Si 50 37,31
No 84 62,69
Total 134 100,00
Tabla N° 1.- Distribución de la Hipertensión arterial (Población, lugar y tiempo)
Si HTA
37,31%
No HTA
62,69%
Grafico N° 1.- Distribución de la Hipertensión arterial (Población, lugar y tiempo)
La Interpretación:
En el presente estudio la prevalencia de Hipertensión arterial fue del 37,31%, cuyos Intervalos de
Confianza al 95% se estima entre (29,12;45,50) %.

RESULTADOS
ESPERADOS
VARIABLES
METODO
ESTADÍSTICO
R5: Obesidad Obesidad
(Cuali-Dicotómica) ¿? 1. R5: ¿Usted quiere resumir o generalizar?
R5 responde: una variables - univariado.
variables?
X5: responde: variable Cualitativa- Nominal- Dicotómica
hipótesis? R5 responde: Test de Hipótesis
R5: OBESIDAD
E
S
T
I
M
A
C
I
Ó
N
T
E
S
T
H
I
P
O
T
E
S
I
S
D
E
S
C
R
I
P
T
I
V
A
CUANTI MIXTO CUALI
CUANTI MIXTO CUALI
1 UNIVARIABLE
2 BIVARIABLE
P MULTIVARIANTE
1 2
3 4 5
6 7 8
9 10
11 12 13
14 15 16
17 18
19 20 21
22 23 24
CUANTI CUALI
1 UNIVARIABLE
CUANTI CUALI
CUANTI CUALIMIXTO
CUANTI CUALIMIXTO
CUANTI CUALIMIXTO
CUANTI CUALIMIXTO
CUANTI CUALI
P MULTIVARIANTE
1 UNIVARIABLE
2 BIVARIABLE
P MULTIVARIANTE
RESUMIR GENERALIZAR
Descriptivo
Univariado

TIPO DE VARIABLE
1 2
P VARIABLE
VARIABLE VARIABLE
CUANTITATIVOS
• Test de student para una
muestra
• Correlación de Pearson, Correlación
de Spearman, Coeficiente de
Correlación Rho de Spearman
relacionadas, Wilcoxon
• ANOVA para medidas repetidas,
ANOVA de Friedman
canónica
• Test de conformidad de los
múltiple
CUALITATIVOS
• X2
Chi-Cuadrado de Bondad
de ajuste
• 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
coeficientes del modelo Log
Lineal
• Test de significación del
modelo de Análisis Factorial de
Correspondencia
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
• MANOVA

35,3% de Obesidad en
la población de estudio
COMPARAR UN GRUPO
Prueba de Bondad de Ajuste
de Chi cuadrado
Inferencia
Prueba de Chi cuadrado:
Dio P-Valor de 0,174 es cual es mayor a 0,05, por tanto se acepta la
Hipótesis nula (Ho), que dice que la prevalencia de Obesidad en la
población de estudio es igual al parámetro departamental.
P < 0,05 : Acepta H1
P ≥ 0,05 : Acepta Ho

35,3% de Obesidad en
la población de estudio
COMPARAR UN GRUPO
Obesidad Frecuencia (n)
Porcentaje
(%)
Si 71 35,5
No 129 64,5
Total 200 100
Tabla N° 1.- Distribución de Obesidad (Población, lugar y tiempo)
Con Obesidad
35,5%
Sin Obesidad
64,5%
Grafico N° 1.- Distribución de Obesidad (Población, lugar y tiempo)
La Interpretación:
En el presente estudio la prevalencia de Obesidad fue del 35,3% en mayores de 40 años, la cual no se pudo demostrar
estadísticamente que esté por encima (P: 0,174) del parámetro departamental que es del 32,5% de Obesidad para la
ciudad de Santa Cruz de la Sierra.

Tablas del Nivel de investigación RELACIONAL
Tablas del
Nivel Relacional
Tablas Cruzadas
Tablas de Cruces de Variables
Tablas Tetracóricas
Tablas de contingencia
Masculino
Porcentaje
(%)
Femenino
Porcentaje
(%)
Desnutrición 2 1% 14 6% 16 7%
Normal (Eutrófico) 62 28% 64 29% 126 57%
Sobrepeso 53 24% 12 5% 65 29%
Obesidad 8 4% 4 2% 12 5%
Obesidad mórbida 2 1% 2 1% 4 2%
Total 127 57% 96 43% 223 100%
Porcentaje
(%)
Estado Nutricional
Sexo
Total
Tabla N° 2.- Distribución del Estado Nutricional según Sexo
Bivariado
Tablas de doble entradas

03 Relacional
Bivariado
Relación del Estado Nutricional con la diabetes
mellitus tipo II en pacientes adultos
RELACIÓN: Se relacionan las variables independientemente de sus características (Tablas NxR)
(X2 de Independencia)
Estado
Nutricional
Diabetes
Si No Total
N % N % N %
Bajo peso 0 0,0 2 0,9 2 0,9
Normopeso 4 1,8 27 12,4 31 14,2
Sobrepeso 13 6,0 82 37,6 95 43,6
Obesidad 11 5,0 52 23,9 63 28,9
Obesidad mórbida 7 3,2 20 9,2 27 12,4
Total 35 16,1 183 83,9 218 100,0
Si existe RELACIÓN (P < 0,05)
DICOTÓMICA
ORDINALES
El inconveniente es
que no sabemos, cual
de todos los GRADOS,
es el que se relaciona
con la DIABETES

03 Relacional
Bivariado
Factores de riesgo asociados a la diabetes
Obesidad
Diabetes
Si No Total
N % N % N %
Si 24 11,0 67 30,7 91 41,7
No 11 5,0 116 53,2 127 58,3
Total 35 16,1 183 83,9 218 100,0
ASOCIACIÓN: Se realizan con variables Dicotómicas (Tablas 2x2) (X2 de Independencia)
ESTADO NUTRICIONAL
Bajo peso
Normopeso
Sobrepeso grado I
Sobrepeso grado II
(preobesidad)
Obesidad de tipo I
Obesidad de tipo II
Obesidad de tipo III
(mórbida)
Obesidad de tipo IV
(extrema)
Total
NO Obesos
SI Obesos
Si existe ASOCIACIÓN (P < 0,05)
Medir el “Riesgo” (Odds Ratio)
DICOTÓMICA
DICOTÓMICA
ORDINAL

03 Relacional
Bivariado
Factores de riesgo asociados a la diabetes
ASOCIACIÓN: Se realizan con variables Dicotómicas (Tablas 2x2) (X2 de Independencia)
Variables n % n %
Delgadez
Con delgadez 6 5,3 15 13,2
Sin delgadez 25 21,9 68 59,6
Normopeso
Con normopeso 19 16,7 46 40,3
Sin normopeso 12 10,5 37 32,5
Sobrepeso
Con sobrepeso 5 4,4 20 17,5
Sin sobrepeso 26 22,8 63 55,3
Obesidad
Con obesidad 13 11,0 35 30,7
Sin obesidad 6 5,0 61 53,2
0,001 3,78 (1,74-8,20)
0,726 1,27 (0,55-2,56)
0,509 0,61 (0,21-1,79)
Diabetes
P-Valor
OR/(95%
Intervalo de
confianza)
Diabeticos No diabeticos
1,000 1,09 (0,38-3,12)

03 Relacional
Bivariado
Relación del Índice de Masa Corporal con el nivel
de Colesterol
CORRELACIÓN: Se correlaciona las unidades de dos variables numéricas de diferente
dimensión, para ello hay que definir las unidades en ambas variables.
Si existe CORRELACIÓN
(P < 0,05)
Variables NUMÉRICAS
Correlación
Medida de
Correlación
PARAMÉTRICAS
(SitieneDistr.Normal)
NUMÉRICA
Correlación de
Pearson
Coeficiente de
correlación R
PearsonNOPARAMÉTRICAS
(NotieneDistr.Normal)
NUMÉRICA
Correlación de
Spearman
Coeficiente de
Correlación Rho de
Spearman
TIPO DE
VARIABLE
Estadístico
deprueba
Mediciónde
laVariable
CUANTITATIVAS Coeficiente de Correlación:
0 0,2 1,00,4 0,6 0,8

03 Relacional
Bivariado
RELACIÓN: Se relacionan las variables independientemente de sus
características (Tablas NxR) (Chi-cuadrado de Independencia)
ASOCIACIÓN: Se realizan con variables Dicotómicas (Tablas 2x2)
(Chi-cuadrado de Independencia)
CORRELACIÓN: Se correlaciona las unidades de dos variables
numéricas de diferente dimensión, para ello hay que definir las unidades
en ambas variables. (Pearson o Spearman)
Si existe RELACIÓN (P < 0,05)
Si existe ASOCIACIÓN (P < 0,05)
Medir el “Riesgo” (Odds Ratio)
Si existe CORRELACIÓN (P < 0,05)
Medir el “Coeficiente de Correlación”
R o Rho

03 Relacional
Bivariado
Métodos estadísticos nivel RELACIONAL
Dosgrupos
Asociación o
correlación
Medida
asociación/Correlación
Masde dosgrupos Dosmedidas
Masde dos
medidas
DICOTÓMICA-
POLITÓMICA
X2
de Homogeneidad X2
de Independencia
Coeficiente de
contingencia
X2
de Homogeneidad ---- ----
ORDINAL-
POLITÓMICA X2
de Homogeneidad X2
de Independencia Índice Kappa de Cohen X2
ORDINAL-
DICOTÓMICA
U Mann-Whitney X2
de Independencia
Coeficiente de
contingencia
X2
Nominal
POLITÓMICA
X2
de Homogeneidad X2
de Independencia Índice Kappa de Cohen
Análisis de
correspondencias
Qde Cochran Qde Cochran
Nominal
DICOTÓMICA
X2
de Homogeneidad
X2
de Independencia
Índice Kappa de Cohen
Riesgo Relativo
Odds Ratio
X2
de Homogeneidad X2
de McNemar Qde Cochran
ORDINAL
U Mann-Whitney
Correlación de
Spearman
Tau b de Kendall
Tau c de Kendall
ANOVA de Kruskal-
Wallis
Prueba de
Wilcoxon
ANOVAde
Friedman
Estadísticode
prueba
CUALITATIVAS
Estudio Transversal
Muestras independientes
Estudio Longitudinal
Medidas repetidas
NOPARAMETRICAS
TIPO DE
VARIABLE
Medicióndela
Variable
2
VARIABLE

03 Relacional
Bivariado
Dos grupos
Asociación o
correlación
Medida
Mas de dos grupos Dos medidas
Mas de dos
medidas
PARAMÉTRICAS
NUMÉRICA
Correlación de
Pearson
Correlación de
Pearson
Coeficiente de
correlación R Pearson
----
t de Student para
muestras
relacionadas
ANOVApara
medidas repetidas
o
ANOVAcon un
factor
INTRAsujetos
NOPARAMÉTRICAS
NUMÉRICA
Correlación de
Spearman
Correlación de
Spearman
Coeficiente de
Correlación Rho de
Spearman
----
Prueba de
Wilcoxon
ANOVAde
Friedman
CUANTITATIVAS
TIPO DE
VARIABLE
Estadísticodeprueba
Medicióndela
Variable
2
VARIABLE
Estudio Transversal
Medidas repetidas

03 Relacional
Bivariado
Dos grupos
Asociación o
correlación
Medida
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
MIXTOS
PARAMÉTRICAS
TIPO DE
VARIABLE
Medicióndela
Variable
2
VARIABLE
Estudio Transversal
Medidas repetidas
NOPARAMÉTRICAS

03 Relacional
Bivariado
ENUNCIADO VARIABLES RELACIONADAS VARIABLE DE SUPERVISIÓN
Factores de riesgo asociados a la
prevalencia de diabetes mellitus
tipo II en pacientes adultos
Factores de riesgo
Prevalencia de diabetes
mellitus tipo II
Relación del Estado nutricional y
hábitos alimentarios con el
Rendimiento escolar
Estado nutricional
Rendimiento escolar
Relación entre los niveles de
Glicemia y las modificaciones del
Porcentaje Graso y el IMC en
mujeres de 18 a 50 años
practicantes de spinning
Porcentaje Graso
IMC
Niveles de Glicemia
Relacionar el índice de cintura,
Índice de Masa Corporal con el
nivel de Colesterol y Triglicéridos
en trabajadores de la empresa de
Catering
Índice de cintura
Índice de Masa Corporal
Perfil lipídico

RESULTADOS
ESPERADOS
VARIABLES
METODO
ESTADÍSTICO
R1: Factores de
riesgo asociados
a la prevalencia
de diabetes
mellitus tipo II
X1: Factor de riesgo
“Obesidad”
(Cuali-Dicotómica)
X2: Diabetes Mellitus
(Cuali-Dicotómica)
¿?
1. R1: ¿Usted quiere resumir o generalizar?
R1 responde: Dos variables - bivariado.
variables?
R1: FACTORES DE RIESGO ASOCIADOS A LA PREVALENCIA DE
DIABETES MELLITUS TIPO II
E
S
T
I
M
A
C
I
Ó
N
T
E
S
T
H
I
P
O
T
E
S
I
S
D
E
S
C
R
I
P
T
I
V
A
CUANTI MIXTO CUALI
CUANTI MIXTO CUALI
1 UNIVARIABLE
2 BIVARIABLE
P MULTIVARIANTE
1 2
3 4 5
6 7 8
9 10
11 12 13
14 15 16
17 18
19 20 21
22 23 24
CUANTI CUALI
1 UNIVARIABLE
CUANTI CUALI
CUANTI CUALIMIXTO
CUANTI CUALIMIXTO
CUANTI CUALIMIXTO
CUANTI CUALIMIXTO
CUANTI CUALI
P MULTIVARIANTE
1 UNIVARIABLE
2 BIVARIABLE
P MULTIVARIANTE
RESUMIR GENERALIZAR
03 Relacional
Bivariado

5. Tipo de investigación: Transversal
6. Objetivo estadístico: Asociación
7. El comportamiento de los datos: No
Paramétrica
RESULTADOS
ESPERADOS
VARIABLES
METODO
ESTADÍSTICO
R1: Factores de
riesgo asociados
a la prevalencia
de diabetes
mellitus tipo II
“Obesidad”
(Cuali-Dicotómica)
(Cuali-Dicotómica)
¿?
R1: FACTORES DE RIESGO ASOCIADOS A LA PREVALENCIA DE DIABETES MELLITUS TIPO II

6. Objetivo estadístico: Asociación
7. El comportamiento de los datos: No
Paramétrica
Cuali: Entonces el método estadístico para poder responder de manera efectiva a R1 se encuentra en el
compartimiento 21 y es Chi-cuadrado X2 de independencia y solo si las variables de estudio presentan asociación
(P<0,05) se realizará la medida de asociación calculando el indicador de Riesgo “Odds Ratio”.
RESULTADOS
ESPERADOS
VARIABLES
METODO
ESTADÍSTICO
R1: Factores de
riesgo asociados
a la prevalencia
de diabetes
mellitus tipo II
“Obesidad”
(Cuali-Dicotómica)
(Cuali-Dicotómica)
¿?
Dos grupos
Asociación o
correlación
Medida
Mas de dos
medidas
DICOTÓMICA-
POLITÓMICA
X
2
de
Homogeneidad
X
2
de
Independencia
Coeficiente de
contingencia
X
2
de
Homogeneidad
---- ----
ORDINAL-
POLITÓMICA
X
2
de
Homogeneidad
X
2
de
Independencia
Índice Kappa de
Cohen
X
2
de
Homogeneidad
---- ----
ORDINAL-
DICOTÓMICA
U Mann-Whitney
X
2
de
Independencia
Coeficiente de
contingencia
X
2
de
Homogeneidad
---- ----
Nominal
POLITÓMICA
X2
de
Homogeneidad
X2
de
Independencia
Índice Kappa de
Cohen
Análisis de
correspondencias
Q de Cochran Q de Cochran
Nominal
DICOTÓMICA
X2
de
Homogeneidad
Corrección de
Yates
X2
de
Independencia
Índice Kappa de
Cohen
Riesgo Relativo
Odds Ratio
X2
de
Homogeneidad
X
2
de McNemar Q de Cochran
ORDINAL
U Mann-Whitney
Correlación de
Spearman
Tau b de Kendall
Tau c de Kendall
ANOVA de
Kruskal-Wallis
Prueba de
Wilcoxon
ANOVA de
Friedman
CUALITATIVAS
NOPARAMETRICAS
TIPO DE
VARIABLE
Medicióndela
Variable
2
VARIABLE
Estudio Transversal
Medidas repetidas

P < 0,05: Acepta H1
Obesidad Vs Diabetes Intervalo de Confianza 95%
P-Valor Odds Ratio Límite inferior Límite superior
0,001 3,78 1,74 8,20

Tabla N° 3.- Distribución de la Obesidad asociado a la Diabetes (Población, Lugar y Tiempo)
En la tabla N° 3, el 13% de la población presenta diabetes, de los cuales el 7% de los diabéticos son obesos, mientras que la otra proporción de diabéticos
(7%) no presenta obesidad, a su vez se pudo demostrar que si existe asociación (P: 0,001) entre la Obesidad y la diabetes; mediante el indicador de riesgo
se demostró que una persona obesa tiene 3,78 veces más riesgo de desarrollar Diabetes, que una persona que no es obesa.
Gráfica N° 3.- Distribución de la diabetes asociado a la Obesidad (Población, Lugar y Tiempo)
7
31
7
56
SI NO
DI ABETES
PORCENTAJES(%)
Obesidad Si Obesidad No
N % N % N %
Si 9 7 41 31 50 37
No 9 7 75 56 84 63
Total 18 13 116 87 134 100
Obesidad
Diabetes
Totales
Si No

RESULTADOS
ESPERADOS
VARIABLES
METODO
ESTADÍSTICO
R1: Relación del
Estado
nutricional con
el Rendimiento
escolar
X1: Estado
Nutricional
(Cuali-Ordinal)
X2: Rendimiento
escolar
(Cuati-Continua)
¿?
variables?
X1: responde: variable Cualitativa- Ordinal
R1: RELACIÓN DEL ESTADO NUTRICIONAL Y HÁBITOS ALIMENTARIOS
CON EL RENDIMIENTO ESCOLAR
E
S
T
I
M
A
C
I
Ó
N
T
E
S
T
H
I
P
O
T
E
S
I
S
D
E
S
C
R
I
P
T
I
V
A
CUANTI MIXTO CUALI
CUANTI MIXTO CUALI
1 UNIVARIABLE
2 BIVARIABLE
P MULTIVARIANTE
1 2
3 4 5
6 7 8
9 10
11 12 13
14 15 16
17 18
19 20 21
22 23 24
CUANTI CUALI
1 UNIVARIABLE
CUANTI CUALI
CUANTI CUALIMIXTO
CUANTI CUALIMIXTO
CUANTI CUALIMIXTO
CUANTI CUALIMIXTO
CUANTI CUALI
P MULTIVARIANTE
1 UNIVARIABLE
2 BIVARIABLE
P MULTIVARIANTE
Mixto: Entonces el método estadístico para poder responder de
RESUMIR GENERALIZAR
03 Relacional
Bivariado

TEST DE HIPÓTESIS
Estado Nutricional
Bajo peso
Normopeso
Sobrepeso
Obesidad
Obesidad mórbida
ORDINAL
R1: RELACIÓN DEL ESTADO NUTRICIONAL Y HÁBITOS ALIMENTARIOS
CON EL RENDIMIENTO ESCOLAR
Rendimiento escolar
0 - 100
NUMÉRICA-CONTINUA
Estado Nutricional
Bajo peso
Normopeso
Sobrepeso
Obesidad
Obesidad mórbida
ORDINAL
Rendimiento escolar
Excelente (90 a 100)
Muy bueno (80 a 89)
Bueno (70 a 79)
Regular (51 a 69)
Mal (Menor 50)
ORDINAL
Estado Nutricional
Bajo peso
Normopeso
Sobrepeso
Obesidad
Obesidad mórbida
ORDINAL DICOTÓMICA
Rendimiento escolar
Reprobado (Menor 50)
Aprobado (Mayor 51)Tiene 5 GRUPOS
(Mas de dos grupos)
Los GRUPOS deben
ser similares
Estado Nutricional
Bajo peso
Normopeso
Sobrepeso
Obesidad
Obesidad mórbida
DICOTÓMICA DICOTÓMICA
Rendimiento escolar
Aprobado (Mayor 51)

R1: RELACIÓN DEL ESTADO NUTRICIONAL Y HÁBITOS ALIMENTARIOS CON EL RENDIMIENTO ESCOLAR
Dosgrupos
Asociación o
correlación
Medida
Masde dosgrupos
DICOTÓMICA-
POLITÓMICA
X2
de Homogeneidad X2
de Independencia
Coeficiente de
contingencia
X2
de Homogeneidad
ORDINAL-
POLITÓMICA
X2
de Homogeneidad X2
de Homogeneidad
ORDINAL-
DICOTÓMICA
U Mann-Whitney X2
de Independencia
Coeficiente de
contingencia
X2
de Homogeneidad
Nominal
POLITÓMICA
X2
de Homogeneidad X2
Análisis de
correspondencias
Nominal
DICOTÓMICA
X2
de Homogeneidad
X2
de Independencia
Riesgo Relativo
Odds Ratio
X2
de Homogeneidad
ORDINAL U Mann-Whitney
Correlación de
Spearman
Tau b de Kendall
Tau c de Kendall
ANOVA de Kruskal-
Wallis
Estadísticode
prueba
CUALITATIVAS
Estudio Transversal
NOPARAMETRICAS
TIPO DE
VARIABLE
Medicióndela
Variable
2
VARIABLE
6. Objetivo estadístico:
Relacionar/Correlación
Estado Nutricional
Bajo peso
Normopeso
Sobrepeso
Obesidad
Obesidad mórbida
ORDINAL
Rendimiento escolar
Excelente (90 a 100)
Muy bueno (80 a 89)
Bueno (70 a 79)
Regular (51 a 69)
Mal (Menor 50)
ORDINAL
Opción A: Dos Variables
ORDINALES

P > 0,05: Acepta Ho
No existe CORRELACIÓN
R1: RELACIÓN DEL ESTADO NUTRICIONAL Y HÁBITOS ALIMENTARIOS CON
EL RENDIMIENTO ESCOLAR
ORDINAL

R1: RELACIÓN DEL ESTADO NUTRICIONAL Y HÁBITOS ALIMENTARIOS CON EL RENDIMIENTO ESCOLAR
Dosgrupos
Asociación o
correlación
Medida
Masde dosgrupos
DICOTÓMICA-
POLITÓMICA
X2
de Homogeneidad X2
de Independencia
Coeficiente de
contingencia
X2
de Homogeneidad
ORDINAL-
POLITÓMICA
X2
de Homogeneidad X2
de Homogeneidad
ORDINAL-
DICOTÓMICA
U Mann-Whitney X2
de Independencia
Coeficiente de
contingencia
X2
de Homogeneidad
Nominal
POLITÓMICA
X2
de Homogeneidad X2
Análisis de
correspondencias
Nominal
DICOTÓMICA
X2
de Homogeneidad
X2
de Independencia
Riesgo Relativo
Odds Ratio
X2
de Homogeneidad
ORDINAL U Mann-Whitney
Correlación de
Spearman
Tau b de Kendall
Tau c de Kendall
ANOVA de Kruskal-
Wallis
Estadísticode
prueba
CUALITATIVAS
Estudio Transversal
NOPARAMETRICAS
TIPO DE
VARIABLE
Medicióndela
Variable
2
VARIABLE
6. Objetivo estadístico: Relacionar
Estado Nutricional
Bajo peso
Normopeso
Sobrepeso
Obesidad
Obesidad mórbida
ORDINAL DICOTÓMICA
Rendimiento escolar
Aprobado (Mayor 51)
Opción B: Una Variables
ORDINAL y otra DICOTÓMICA

Interpretación: No existe relación (P: 0,344) entre el Estado Nutricional y el
Rendimiento Escolar.
P > 0,05: Acepta Ho

Variables n % n %
Delgadez
Con delgadez 6 5,3 15 13,2
Sin delgadez 25 21,9 68 59,6
Normopeso
Con normopeso 19 16,7 46 40,3
Sin normopeso 12 10,5 37 32,5
Sobrepeso
Con sobrepeso 5 4,4 20 17,5
Sin sobrepeso 26 22,8 63 55,3
Obesidad
Con obesidad 1 0,9 2 1,8
Sin obesidad 30 26,3 81 71,1
OR/(95%
Intervalo de
confianza)
1,09 (0,38-3,12)
1,27 (0,55-2,56)
0,61 (0,21-1,79)
1,35 (0,12-15,44)
1,000
0,726
0,509
1,000
Rendimiento académico
P-ValorReprobados Aprobados
Opción C: Dos Variables
DICOTÓMICAS
“ASOCIACIÓN”
Interpretación: No existe
asociación (P > 0,05) entre el
Estado Nutricional y el
Rendimiento Escolar.

RESULTADOS
ESPERADOS
VARIABLES
METODO
ESTADÍSTICO
R1: Relación
entre los niveles
de Glicemia y
las
modificaciones
del Porcentaje
Graso y el IMC
X1: Glicemia
(Cuanti-Continua)
X2: Porcentaje graso
(Cuati-Continua)
¿?
X1: Glicemia
(Cuanti-Continua)
X3: IMC
(Cuati-Continua)
¿?
variables?
R1: RELACIÓN ENTRE LOS NIVELES DE GLICEMIA Y LAS
MODIFICACIONES DEL PORCENTAJE GRASO Y EL IMC
Mixto: Entonces el método estadístico para poder responder de
03 Relacional
Bivariado
E
S
T
I
M
A
C
I
Ó
N
T
E
S
T
H
I
P
O
T
E
S
I
S
D
E
S
C
R
I
P
T
I
V
A
CUANTI MIXTO CUALI
CUANTI MIXTO CUALI
1 UNIVARIABLE
2 BIVARIABLE
P MULTIVARIANTE
1 2
3 4 5
6 7 8
9 10
11 12 13
14 15 16
17 18
19 20 21
22 23 24
CUANTI CUALI
1 UNIVARIABLE
CUANTI CUALI
CUANTI CUALIMIXTO
CUANTI CUALIMIXTO
CUANTI CUALIMIXTO
CUANTI CUALIMIXTO
CUANTI CUALI
P MULTIVARIANTE
1 UNIVARIABLE
2 BIVARIABLE
P MULTIVARIANTE

Dos grupos
Asociación o
correlación
Medida
Mas de dos
medidas
PARAMÉTRICAS
NUMÉRICA
Correlación de
Pearson
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
NUMÉRICA
Correlación de
Spearman
Correlación de
Spearman
Coeficiente de
Correlación Rho de
Spearman
----
Prueba de
Wilcoxon
ANOVA de
Friedman
CUANTITATIVAS
TIPO DE
VARIABLE
Medicióndela
Variable
2
VARIABLE
Estudio Transversal
Medidas repetidas
6. Objetivo estadístico: Correlación
7. El comportamiento de los datos: Si la
variable numérica tiene distribución normal,
se aplica la PRUEBA PARAMÉTRICA:
Correlación de Pearson, si la variable
numérica no tiene distribución normal se
aplica la PRUEBA NO PARAMETRICA:
Correlación de Spearman.
RESULTADOS
ESPERADOS
VARIABLES
METODO
ESTADÍSTICO
R1: Relación
entre los niveles
de Glicemia y
las
modificaciones
del Porcentaje
Graso y el IMC
X1: Glicemia
(Cuanti-Continua)
X2: Porcentaje graso
(Cuati-Continua)
¿?
X1: Glicemia
(Cuanti-Continua)
X3: IMC
(Cuati-Continua)
¿?

P < 0,05: Acepta H1
Coeficiente de Correlación:
0 0,2 1,00,4 0,6 0,8
R1: RELACIÓN ENTRE LOS NIVELES DE GLICEMIA Y LAS MODIFICACIONES
DEL PORCENTAJE GRASO Y EL IMC

R1: RELACIÓN ENTRE LOS NIVELES DE GLICEMIA Y LAS MODIFICACIONES
DEL PORCENTAJE GRASO Y EL IMC

RESULTADOS
ESPERADOS
VARIABLES
METODO
ESTADÍSTICO
R1:
Relacionar el
índice de
cintura, Índice
de Masa
Corporal con
el nivel de
Colesterol y
Triglicéridos
X1: Colesterol
(Cuanti-Continua)
X2: Índice de cintura
(Cuati-Continua)
¿?
X1: Colesterol
(Cuanti-Continua)
X3: IMC
(Cuati-Continua)
¿?
X4: Triglicéridos
(Cuanti-Continua)
X5: Índice de cintura
(Cuati-Continua)
¿?
X4: Triglicéridos
(Cuanti-Continua)
X6: IMC
(Cuati-Continua)
¿?
03 Relacional
Bivariado
R1: RELACIONAR EL ÍNDICE DE CINTURA, ÍNDICE DE MASA
CORPORAL CON EL NIVEL DE COLESTEROL Y TRIGLICÉRIDOS
Dos grupos
Asociación o
correlación
Medida
Mas de dos grupos
PARAMÉTRICAS
NUMÉRICA
Correlación de
Pearson
Correlación de
Pearson
Coeficiente de
correlación R
Pearson
----
NOPARAMÉTRICAS
NUMÉRICA
Correlación de
Spearman
Correlación de
Spearman
Coeficiente de
Correlación Rho de
Spearman
----
CUANTITATIVAS
TIPO DE
VARIABLE
Medicióndela
Variable
2
VARIABLE
Estudio Transversal

P < 0,05: Acepta H1
0 0,2 1,00,4 0,6 0,8
R1: CORRELACIÓN DEL ÍNDICE DE CINTURA, ÍNDICE DE MASA CORPORAL
CON EL NIVEL DE COLESTEROL Y TRIGLICÉRIDOS

R1: CORRELACIÓN DEL ÍNDICE DE CINTURA, ÍNDICE DE MASA CORPORAL
CON EL NIVEL DE COLESTEROL Y TRIGLICÉRIDOS

Antes
Manipulación
Después
Antes
Después
Grupo control
Si No
Diferencia Diferencia
Grupo de estudio
o experimental
Población
Control externoControl interno o
autocontrol
Experimento Verdadero (puro)
O1
O2
O3
O4
X
Grupo
Experimental
O1 X O2
Grupo
control
O3 O4
Explicativo
Causalidad

COMPARAR DOS GRUPOS
T Student para muestras independiente
U Mann-Whitney

EFECTO DE LA COMPLEMENTACIÓN CON 1.2 GRAMOS DE
LECITINA DE SOYA SOBRE EL PERFIL LIPÍDICO E ÍNDICE
ATEROGÉNICO DURANTE UN PERIODO DE 7 SEMANAS EN
OFICIALES DE 30 A 60 AÑOS QUE FORMAN PARTE DE LA UNIDAD
OPERATIVA DE TRANSITO DE LA CIUDAD DE SANTA CRUZ DE LA
SIERRA, FEBRERO A JULIO- GESTIÓN 2018.
Diseños experimentales
Explicativo
Causalidad
Autora: Lic. Gabriela Cardona Cuellar

RESULTADOS
ESPERADOS
VARIABLES
METODO
ESTADÍSTICO
R1: Evaluar el
perfil lipídico
del grupo
experimental
y grupo
control PRE y
POST
complementac
ión con
Lecitina de
soya
X1: Grupo de estudio
(Cuali-Dicotómica)
(Cuati-Continua)
¿?
(Cuali-Dicotómica)
X3: HDL
(Cuati-Continua)
¿?
(Cuali-Dicotómica)
X4: LDL
(Cuati-Continua)
¿?
(Cuali-Dicotómica)
X5: VLDL
(Cuati-Continua)
¿?
(Cuali-Dicotómica)
X6: Triglicéridos
(Cuati-Continua)
¿?
Grupo de estudio
(1) Experimental
(2) Control
Tiene 2 GRUPOS
DICOTÓMICA
NUMÉRICA-CONTINUA = VARIABLE ALEATORIA
Perfil lipídico
Colesterol total
HDL
LDL
VLDL
Triglicéridos
PRE y POST test
Diseños experimentales Explicativo
Causalidad

Dos grupos
Asociación o
correlación
Medida
Mas de dos grupos
NUMÉRICA-
DICOTÓMICA
t de Student para
muestras
independientes
---- ---- ----
NUMÉRICA-
POLITÓMICA
---- ---- ----
Análisis de la
varianza (ANOVA
con un factor
INTERsujetos) y
pruebas Post Hoc
NUMÉRICA-
ORDINAL
---- ---- ----
Análisis de la
varianza (ANOVA
con un factor
INTERsujetos) y
pruebas Post Hoc
NUMÉRICA-
DICOTÓMICA
U Mann-Whitney ---- Eta ----
NUMÉRICA-
POLITÓMICA
---- ---- ----
ANOVA de
Kruskal-Wallis
NUMÉRICA-
ORDINAL
----
Correlación de
Spearman
Coeficiente de
Correlación Rho de
Spearman
ANOVA de
Kruskal-Wallis
MIXTOS
PARAMÉTRICAS
NOPARAMÉTRICAS
TIPO DE
VARIABLE
Medicióndela
Variable
2
VARIABLE
Estudio Transversal
RESULTADOS
ESPERADOS
VARIABLES
METODO
ESTADÍSTICO
R1: Evaluar el
perfil lipídico
del grupo
experimental
y grupo
control PRE y
POST
complementac
ión con
Lecitina de
soya
(Cuali-Dicotómica)
(Cuati-Continua)
¿?
(Cuali-Dicotómica)
X3: HDL
(Cuati-Continua)
¿?
(Cuali-Dicotómica)
X4: LDL
(Cuati-Continua)
¿?
(Cuali-Dicotómica)
X5: VLDL
(Cuati-Continua)
¿?
(Cuali-Dicotómica)
X6: Triglicéridos
(Cuati-Continua)
¿?
Explicativo
Causalidad

Explicativo
Causalidad
Grupo
Experimental
O1 X O2
Grupo
control
O3 O4
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

Explicativo
Causalidad
Grupo
Experimental
O1 X O2
Grupo
control
O3 O4
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 aleatorias es diferente a una distribución normal
H0: La distribución de las variables aleatorias es igual a una distribución normal
Distribución Normal

Explicativo
Causalidad
1.- Comprobar supuesto de Normalidad de los datos

Explicativo
Causalidad
Interpretación: P-valor > 0,05: Acepta H0
La distribución de las variables aleatorias es igual a una distribución normal: PRUEBAS PARAMÉTRICAS
1.- Comprobar supuesto de Normalidad de los datos

Grupo
Experimental
O1 X O2
Grupo
control
O3 O4
Explicativo
Causalidad
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 (Acepta H0)
• Si el P-valor es < 0,05: Varianzas diferentes (Acepta H1)
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 (ANTES) del GE y del GC.
H0: No existe diferencia significativa entre el Colesterol total (ANTES) del GE y del GC
Antes

Explicativo
Causalidad
Grupo de estudio
(1) Experimental
(2) Control
DICOTÓMICA

Explicativo
Causalidad
P > 0,05: Acepta Ho
Interpretación: el P-valor es 0,451 > 0,05: Acepta 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 ANTES de iniciar la complementación.

Explicativo
Causalidad
EFECTO DE LA COMPLEMENTACIÓN CON 1.2 GRAMOS DE LECITINA
DE SOYA SOBRE EL PERFIL LIPÍDICO E ÍNDICE ATEROGÉNICO
DURANTE UN PERIODO DE 7 SEMANAS EN
OFICIALES DE 30 A 60 AÑOS QUE FORMAN PARTE DE LA UNIDAD
OPERATIVA DE TRANSITO DE LA CIUDAD DE SANTA CRUZ DE LA
SIERRA, FEBRERO A JULIO- GESTIÓN 2018.

Explicativo
Causalidad
Grupo
Experimental
O1 X O2
Grupo
control
O3 O4
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 DESPUÉS del grupo
Experimental y del grupo Control.
H1: Existe diferencia significativa entre el Colesterol total del DESPUÉS del GE y del GC
H0: No existe diferencia significativa entre el Colesterol total del DESPUÉS del GE y del GC
Después

Explicativo
Causalidad

Explicativo
Causalidad
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.
P > 0,05: Acepta Ho

Explicativo
Causalidad
Grupo
Experimental
O1 X O2
Grupo
control
O3 O4
5.- Concluir con base en los resultados obtenidos
Interpretación: A partir del análisis estadístico de los datos aplicado prueba t
Student, se puede observar que al iniciar el proceso, el Colesterol Total del
grupo control era significativamente igual que del grupo experimental, y
posteriormente se observó una mejora en el Colesterol total del grupo
experimental, llegando a ser estadísticamente diferente a la del grupo
control.

Explicativo
Causalidad
Tabla N° 23.- Distribución del Grupo experimental y Grupo control según el
“Colesterol total mg/dl PRE y POST complementación con Lecitina de soya” en
los oficiales de 30 a 60 años de la unidad operativa de Transito de la Ciudad de
Santa Cruz de la Sierra, febrero a julio del 2018.
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 Grupo experimental y Grupo control según el
Colesterol total mg/dl PRE y POST complementación con Lecitina de soya”
Se comprueba el EFECTO hipolipemiante de la Lecitina de
soya sobre los valores del Colesterol total

Unidad
Experimental
Un factor o una variable politómica
Independiente1
Factor Fijo
Causa
Dependiente
Variable aleatoria
Efecto
1
Análisis de la Varianza (ANOVA)
con un Factor Intersujetos
… Comparar Mas de Dos Grupos
Planteamiento: Se han evaluado a las 5 marcas de gelatinas (MIKI, KRIS, GELINUTRA, BONAIRE,
AROMA) más famosas en la ciudad de Santa Cruz de la Sierra, ¿Existirá diferencia entre el tiempo de
cuajado (minutos) en las diferentes marcas de gelatina comercializada en la ciudad de Santa Cruz de la
Sierra? Nivel de significancia 5%.
Factor: Marcas de Gelatinas (V.I.):
A = MIKI
B = KRIS
C = AROMA
D = BONAIRE
E = GELINUTRA
V.D.: Tiempo de cuajado (minutos)

Tabla N° 1.- Distribución de la prueba de ANOVA (Análisis de la Varianza) del
tiempo de cuajado de las cinco marcas de gelatina.
ANOVA
Tiempo de cuajado (minutos)
Suma de
cuadrados gl
Media
cuadrática F Sig.
Entre grupos 6270,000 4 1567,500 58,708 ,000
Dentro de grupos 667,500 25 26,700
Total 6937,500 29

Tabla N° 2.- Distribución de las comparaciones múltiples del tiempo de cuajado
(minutos) entre las diferentes marcas de gelatinas
(I) Marcas de
gelatinas
(J) Marcas de
gelatinas
Diferencia
de medias
(I-J)
Desv.
Error Sig.
Intervalo de confianza al
95%
Límite
inferior
Límite
superior
Miki Kriss 7,500 2,983 ,119 -1,26 16,26
Aroma 42,500*
2,983 ,000 33,74 51,26
Bonaire 17,500*
2,983 ,000 8,74 26,26
Gelinutra 12,500* 2,983 ,003 3,74 21,26
Kriss Miki -7,500 2,983 ,119 -16,26 1,26
Aroma 35,000*
2,983 ,000 26,24 43,76
Bonaire 10,000*
2,983 ,020 1,24 18,76
Gelinutra 5,000 2,983 ,466 -3,76 13,76
Aroma Miki -42,500*
2,983 ,000 -51,26 -33,74
Kriss -35,000* 2,983 ,000 -43,76 -26,24
Bonaire -25,000*
2,983 ,000 -33,76 -16,24
Gelinutra -30,000*
2,983 ,000 -38,76 -21,24
Bonaire Miki -17,500*
2,983 ,000 -26,26 -8,74
Kriss -10,000*
2,983 ,020 -18,76 -1,24
Aroma 25,000*
2,983 ,000 16,24 33,76
Gelinutra -5,000 2,983 ,466 -13,76 3,76
Gelinutra Miki -12,500*
2,983 ,003 -21,26 -3,74
Kriss -5,000 2,983 ,466 -13,76 3,76
Aroma 30,000* 2,983 ,000 21,24 38,76
Bonaire 5,000 2,983 ,466 -3,76 13,76

Tabla N° 3.- Distribución del tiempo de cuajado (minutos) de las cinco marcas de
gelatinas según subconjuntos homogéneos.
Marcas de gelatinas N
Subconjunto para alfa = 0.05
1 2 3 4
Aroma 6 73,00
Bonaire 6 98,00
Gelinutra 6 103,00 103,00
Kriss 6 108,00 108,00
Miki 6 115,50
Sig. (P-Valor) 1,000 ,466 ,466 ,119

Interpretación de los resultados:
• Tabla 1: “Según la prueba de ANOVA se pudo demostrar que existe diferencias
significativas (P: 0,000) en el tiempo de cuajado de las diferentes marcas de gelatina”.
• Tabla 2: “En cuanto a las comparaciones entre pares existe diferencias significativas
entre el tiempo de cuajado entre las marcas Miki y Aroma (P: 0,000), también entre la
marca Miki y Bonaire (P:0,000), Miki y Gelinutra (P:0,003), también se demostró
diferencias significativas al comparar el tiempo de cuajado entre la marca de gelatina
Kriss con Aromas (P: 0,000), Kriss con Bonaire (P: 0,020), como también entre la marca
Aroma y Bonaire (P: 0,000) y Aroma y Gelinutra (P: 0,000); Lo cual quiere decir que
cada vez que el consumidor compre la combinación de estas dos marcas de gelatinas,
el tiempo de cuajado va ser distinto”.
• Tabla 3: En el estudio de comparación entre marcas de gelatinas que si tienen igual
tiempo de cuajado (minutos), se formaron cuatro grupos, como ser entre la marca
Bonaire y Gelinutra (P: 0,466), entre la marca Gelinutra y Kriss (P: 0,466) y la marca
Kriss y Miki (P: 0,119), sin embargo, la marca Aroma no se pudo demostrar que su
tiempo de cuajado sea igual al de las otras marcas de gelatina.

Planteamiento: Se ha evaluado el Peso (Kilogramos) a niños de 1 a 11 años en cuatro comunidades
guaraníes de la provincia Cordillera del Dpto. de Santa Cruz. ¿Existe diferencia de Peso en los niños de 1 a
11 años según las comunidades evaluadas? Nivel de significancia 5%.
Unidad
Experimental
Comunidades1
Factor Fijo
Causa
Peso
Variable aleatoria
Efecto
1
Carpeta: 24
Archivo SPSS: Peso en Comunidades 1 a 11 años
Factor fijo: Comunidades guaraníes (V.I.):
1 = Cruce
2 = Eity
3 = Itapicoe
4 = Ivamirapinta
Variable aleatoria: Peso de los niños (kilogramos)
V.D.

Eity 5,6941
*
1,2522 0,000
Itapicoe 1,9256 1,4589 0,552
Ivamirapinta 4,7480* 1,3263 0,003
Cruce -5,6941
* 1,2522 0,000
Itapicoe -3,7685
*
1,3272 0,026
Ivamirapinta -,9461 1,1799 0,853
Cruce -1,9256 1,4589 0,552
Eity 3,7685* 1,3272 0,026
Ivamirapinta 2,8224 1,3973 0,185
Cruce -4,7480
* 1,3263 0,003
Eity ,9461 1,1799 0,853
Itapicoe -2,8224 1,3973 0,185
Cruce
Eity
Itapicoe
Ivamirapinta
Comunidad
Diferencia de
medias Error típico Sig. (P-valor)
*. La diferencia de medias es significativa al nivel 0.05.

1 2 3
Eity 58 17,845
Ivamirapinta 44 18,791 18,791
Itapicoe 30 21,613 21,613
Cruce 36 23,539
Sig. (P-valor) 0,892 0,149 0,469
HSD de Tukey
Comunidad N
Subconjunto para alfa = 0.05
Realizar los subconjuntos homogéneos

• Tabla 1: “Según la prueba de ANOVA se pudo demostrar que existe diferencias significativas (P:
0,000) en el Peso (Kg) de los niños de cada una de las comunidades guaraníes”.
• Tabla 2: “En cuanto a las comparaciones entre pares existe diferencias significativas entre el Peso
de los niños entre la comunidad de El Cruce y de Eity (P: 0,000), también hay diferencia
significativa en los Pesos de los niños que viven en la Comunidad de El Cruce y de Ivamirapinta
(P: 0,003), así también hay diferencia en los pesos de los niños entre la comunidad de Eity y la
comunidad de Itapicoe (P: 0,026)”.
• Tabla 3: En el estudio de comparación entre comunidades que tienen igual Peso (Kg), se
formaron tres grupos, como ser entre la comunidad de Eity e Ivamirapinta (P: 0,892), entre la
comunidad de Ivamirapinta y Itapicoe (P: 0,149) y las comunidades de Itapicoe y Cruce (P: 0,469).

MAS DE DOS MEDIDAS
ANOVA
ANOVA con un factor INTRA-sujetos y
Comparación por pares, ANOVA de Friedman,
Q de Cochran
ANOVA con un factor INTRA-sujetos y Comparación por parejas

Unidad
Experimental
Un factor con > dos medidas repetidas
Independiente1
Factor Fijo
Causa
Dependiente
Variable aleatoria
Efecto
1
con un Factor Intra-sujetos
… Modelo lineal general:
Medidas repetidas
Planteamiento: Se desea evaluar la eficacia de un programa de dieta y ejercicios para bajar
de peso (Antes, a la mitad y al final). ¿El peso al final del programa de dieta y ejercicios es
menor al peso a la mitad y al peso basal? Nivel de significancia 5%.
Unidad
Experimental
Peso (A,M,F)1
Factor Fijo
Causa
Eficacia dieta
Variable aleatoria
Efecto
1
Carpeta: 32
Archivo SPSS: Peso inicial, mitad y final

… Modelo lineal general: Medidas repetidas

P < 0,05 → H1: Diferencia E.S. En las varianzas de pares de medias
Incumplimiento supuesto de esfericidad
Ante esta situación los coeficiente de Épsilon están corrigiendo este error

12,8% del comportamiento de la variable dependiente es por efecto de la perdida
de peso en los diferentes meses del tratamiento de la dieta y ejercicios.
Si bien la potencia observada es el máximo nivel de confiabilidad que podemos alcanzar en nuestra prueba, y cuando
los datos cumplen el supuesto de esfericidad, se asume la primera fila de “Esfericidad asumida” cuyo valor máximo es
1,000, pero cuando no se cumple el supuesto de esfericidad, se utiliza la mayor potencia observada, pero la potencia
más utilizada por ser conservadora es la de Greenhouse-Geisser, cuyo valor es de 0,419 y su P-valor: 0,091.

Antes de especificar el resultado de ANOVA, se puede reportar el incumplimiento del
supuesto de esfericidad.
• “El test de esfericidad de Mauschly indica que el supuesto de esfericidad no se cumple
para el efecto de la condición de la eficacia de la dieta y ejercicio para bajar de Peso (P-
valor: 0,000), por tanto los grados de libertad se han corregido con la estimación de
esfericidad de Greenhouse-Geisser (Ԑ = 0,628).
• “En la evaluación del programa de dieta y ejercicios de 1 año de duración, este no es
muy efectivo para reducir el peso de los participantes por lo que no existe diferencia
significativa (P-valor: 0,091) en la disminución del peso desde el inicio, la mitad y al final
del tratamiento.
• En cuanto a las comparaciones por pares, no existe diferencias estadísticamente
significativas entre el peso al iniciar la dieta y el peso a la mitad de la dieta (P: 1,000), sin
embargo sí existe diferencia significativa entre el peso al iniciar la dieta y el peso al
finalizar la dieta (P:0,033).

Dos caminos se bifurcaban en un bosque y yo,
Yo tomé el menos transitado,
Y eso hizo toda la diferencia. Robert Frost (1946)
GRACIAS

Análisis estadísticos multinivel

Recomendados

Recomendados

Más contenido relacionado

La actualidad más candente

La actualidad más candente (20)

Similar a Análisis estadísticos multinivel

Similar a Análisis estadísticos multinivel (20)

Más de joseluissotovelasquez

Más de joseluissotovelasquez (13)

Último

Último (20)

Análisis estadísticos multinivel