Este documento describe los conceptos y procesos fundamentales de la metodología de investigación científica. Explica las etapas del proceso de investigación, incluyendo la delimitación del problema, el marco teórico, el diseño, la recolección y análisis de datos, y la conclusión. También define conceptos clave como población objetivo, muestra, y estadística descriptiva e inferencial. Por último, detalla los pasos para realizar pruebas de hipótesis, incluyendo la definición de hipótesis nula y

1. METODOLOGÍA DE LA
INVESTIGACIÓN
CIENTÍFICA
Silvana M MontenegroSilvana M Montenegro
Dra en Cs BiomédicasDra en Cs Biomédicas
CIUNR– Fac de Ciencias MédicasCIUNR– Fac de Ciencias Médicas
Universidad Nacional de RosarioUniversidad Nacional de Rosario
smontene@unr.edu.arsmontene@unr.edu.ar
20162016

2. El proceso de investigación
Modelo
Área
temática
1
Planteo del
problema
2
Delimitación
del
problema
3
Marco
teórico
4
Indicadores
5
Diseño
6
Técnicas
7
Instrumentos
8
Datos
9
Procesamiento
de los datos
10
Análisis
11
Síntesis y
conclusión
12

3. CONCEPTOS BÁSICOS
POBLACIÓN DIANA
POBLACIÓN ACCESIBLE
POBLACIÓN ELEGIBLE
MUESTRA
PARTICIPANTES

4. El proceso de investigación
Modelo
Área
temática
1
Planteo del
problema
2
Delimitación
del
problema
3
Marco
teórico
4
Indicadores
5
Diseño
6
Técnicas
7
Instrumentos
8
Datos
9
Procesamiento
de los datos
10
Análisis
11
Síntesis y
conclusión
12

5. Componentes del dato
Unidad de
análisis
VALOR
Variable teórica
Indicador (Variable estadística o empírica)

7. POBLACION DIANA
POBLACION
ELEGIBLE
MUESTRA
POBLACION
ACCESIBLE
ESTADÍSTICA
DESCRIPTIVA
ESTADÍSTICA
INFERENCIAL

8. ESTUDIO
Experimental o
de Observación
POBLACIÓN
DIANA
MUESTRA
DATOS
RESULTADOS
ESTADÍSTICA
INFERENCIAL
ESTADÍSTICA
DESCRIPTIVA

9. ESTADISTICA
INFERENCIAL

10. inferencia
f. Deducción de una cosa a partir de otra, conclusión.
Inferencia es la acción y efecto de inferir (deducir
algo, sacar una consecuencia de otra cosa, conducir a
un resultado). La inferencia surge a partir de una
evaluación mental entre distintas expresiones que, al
ser relacionadas como abstracciones, permiten trazar
una implicación lógica.

11. Como se puede observar es fundamental en el
razonamiento inferencial el análisis y estudio de la
información muestral, ya que todo surge a partir de lo que
revelan los datos muestrales
El proceso de inferencia está sujeto a errores.
La diferencia entre los valores de la muestra y los de la
población crea incertidumbre acerca de los valores
muestrales.
Los procedimientos estadísticos no eliminan los errores en la
inferencia. Lo que hacen es que los valores de los errores
sean cuantificables mediante afirmaciones de probabilidad.

12. POBLACIÓN DIANA
POBLACIÓN ACCESIBLE
POBLACIÓN ELEGIBLE
MUESTRA
PARTICIPANTES
Estadística
inferencial
Estadística
descriptiva

13. ESTADÍSTICA INFERENCIAL: ¿Cómo surge?
CIENCIAS FORMALES: No necesitan contacto con el mundo real
(MATEMÁTICAS)
CIENCIAS FÁCTICAS:
• Necesitan observar el mundo real
• Exige trabajar con muestras
• Las diferencias existentes entre las observaciones (y en las
muestras) incorporan incertidumbre
• En las ciencias empíricas deterministas (una misma
causa siempre produce un mismo resultado): FÍSICA
• En las ciencias empíricas aleatorias (una misma
causa no siempre produce un mismo resultado):
MEDICINA, ECONOMÍA, SOCIOLOGÍA, ETC…
ANÁLISIS ESTADÍSTICO

14. ESTIMACIÓN
De la muestra estimamos los valores de los
parámetros en la población y esto lo
hacemos:
• mediante un valor fijo y entonces decimos que
tenemos un estimador puntual o
• mediante un intervalo de posibles valores y le
llamamos estimación por intervalo o intervalo de
confianza.
PRUEBA DE HIPÓTESIS
La palabra prueba aquí se debe entender como
una puesta a prueba de la hipótesis para
ver si la declaramos falsa o verdadera.
Una prueba de hipótesis estadística es una
prueba fundamentalmente empírica.
Se trata de confrontar la hipótesis con los
hechos.
INFERENCIAINFERENCIA

15. ESTIMACIÓN PUNTUAL
La estimación de un parámetro o de un
valor poblacional, dada por un solo
número se denomina estimación puntual
de ese parámetro o valor poblacional.

16. POBLACIÓN
Muestra
ȳ
µ

17. ESTIMACIÓN
De la muestra estimamos los valores de los
parámetros en la población y esto lo
hacemos:
• mediante un valor fijo y entonces decimos que
tenemos un estimador puntual o
• mediante un intervalo de posibles valores y le
llamamos estimación por intervalo o intervalo de
confianza.
PRUEBA DE HIPÓTESIS
La palabra prueba aquí se debe entender como
una puesta a prueba de la hipótesis para
ver si la declaramos falsa o verdadera.
Una prueba de hipótesis estadística es una
prueba fundamentalmente empírica.
Se trata de confrontar la hipótesis con los
hechos.
INFERENCIAINFERENCIA

18. Estimación por intervalo de
confianza
La estimación de un parámetro o
de un valor poblacional dada por dos
números que definen un intervalo que,
con un cierto grado de probabilidad,
puede afirmarse que contiene a ese
parámetro o valor poblacional, se
denomina estimación por intervalo de
confianza.

19. ESTIMACIÓN
De la muestra estimamos los valores de los
parámetros en la población y esto lo
hacemos:
• mediante un valor fijo y entonces decimos que
tenemos un estimador puntual o
• mediante un intervalo de posibles valores y le
llamamos estimación por intervalo o intervalo de
confianza.
PRUEBA DE HIPÓTESIS
La palabra prueba aquí se debe entender como
una puesta a prueba de la hipótesis para
ver si la declaramos falsa o verdadera.
Una prueba de hipótesis estadística es una
prueba fundamentalmente empírica.
Se trata de confrontar la hipótesis con los
hechos.
INFERENCIAINFERENCIA

20. PRUEBAS DE HIPÓTESIS
HIPÓTESIS - en el contexto estadístico, es una afirmación
sobre el valor de un parámetro.
HIPÓTESIS.- Es una afirmación sobre una población, que
puede someterse a pruebas al extraer una muestra
aleatoria.
PRUEBA DE HIPÓTESIS.- Formular una hipótesis y luego
contrastarla
• Para que la prueba tenga interés debe tratarse de un parámetro con
un significado muy claro-
• La afirmación puede ser falsa o verdadera. Al proponer una hipótesis
estadística no estamos pensando que esa hipótesis sea verdadera. El
objetivo de la prueba es, precisamente, decidir si la muestra indica que
la hipótesis es falsa o es verdadera.

21. ¿Cómo hacer estadística inferencial?
CONTRASTE DE HIPÓTESIS
•Objetivo: detectar la existencia de un efecto significativo
•Etapas:
1.Definición de una hipótesis científica: respuesta a un problema
2.Definición de una hipótesis estadística: hipótesis nula
3.Construcción de un estadístico de contraste que:
• Proporcione información sobre la hipótesis a contrastar
• Del cuál conozca su distribución bajo el supuesto de
cumplimiento de la Hipótesis nula
4.Cálculo del estadístico de contraste en la muestra
5.Aplicación de la regla de decisión (nivel de significación y nivel de
confianza:
• Si el valor del estadístico calculado es probable, suponiendo la
hipótesis cierta, se acepta la hipótesis
• Si el valor del estadístico calculado es improbable, suponiendo la
hipótesis cierta, se rechaza la hipótesis

22. Identificación de las
hipótesis estadística
Hipótesis Nula Ho
O La que contrastamos
O Los datos pueden
refutarla
O No debería ser
rechazada sin una buena
razón.
Hipótesis Alternativa H1
O Niega a H0
O Los datos pueden
mostrar evidencia a
favor
O No debería ser
aceptada sin una gran
evidencia a favor.

23. PROBABILIDAD
P(suceso imposible) = 0
P(suceso seguro) = 1
probabilidad de cara = probabilidad de cruz = 0.5
Es una medida de verosimilitud
P
R
O
B
A
B
I
L
I
D
A
D
Probabilidad a priori
Probabilidad a posteriori o a través de evidencia empírica
Si un proceso se repite un número grande de veces, n y
si un suceso E ocurre m veces, la frecuencia relativa de
E = m/n, será la probabilidad de E: P(E)=m/n

24. Ejemplo
Conociendo que la duración de la jornada laboral favorece el
desarrollo del sindrome de burnout (SB) en los residentes,
estamos interesados en disminuirla, para lo cual nos interesa
saber si frente a la misma Jornada laboral, el sindrome de
burnout es similar entre Cirujanos (C) y Traumatólogos (T).
Decidimos analizar la situación para tomar una decisión
diferencial si es necesario.
Suponemos que los cirujanos padecen el SB un 10% por
encima que los traumatólogos. Si esto se comprueba o
supera se reducirá la jornada de los Cirujanos en mayor
medida que la de los Traumatólogos.

25. Las hipótesis estadísticas a contrastar serían:
H0:
Los cirujanos y los traumatólogos padecen el SB en la
misma medida. Hipótesis nula
HA:
Los cirujanos padecen el SB un 10% por encima que los
traumatólogos. Hipótesis alternativa.

26. La prueba de hipótesis
Vamos a evaluar la hipótesis nula en base a lo que
observemos:
• Si la proporción de Cirujanos con SB es similar o menor a
la de los Traumatólogos, no podremos sostener la hipótesis
alternativa y tendremos que quedarnos con la nula.
• Si la proporción de Cirujanos con SB es mucho mayor a la
de los Traumatólogos, concluiremos que la alternativa es la
correcta.
• Pero si supera por poco el 10% de diferencia que
establecimos, tendremos duda al respecto.

27. ALGUNAS PRUEBAS DE HIPOTESIS ESTADISTICAS
EMPLEADAS EN TRABAJOS DE INVESTIGACION MÉDICA
Nivel de
medición Requisitos
Dos Muestras K Muestras Relación
entre
variables
Intervalos –
Razón Con
supuestos
Independientes
-Test “t”
Relacionadas
-Test t” (apareado)
ANOVA:
- 1 criterio
- 2 o más con
interacción
- ---------
- Correlación
O simple
Omúltiple
-Parciales
- Regresión
Nominal-
Ordinal
Frecuencias
Sin
supuestos
Independientes - U
(M-W)
- Χ2, Mna, …..
Relacionadas
- Signo
- ----
Independientes
-K-W
-χ2, Mna, G
Relacionadas
- Q
- Friedman
- r Spearman
- τ Kendall
-Conting: χ2

28. La región crítica y los errores
Vamos a tener que establecer una cota, por debajo de la
cual tomaremos la decisión de rechazar la hipótesis nula.
Para determinar esta cota es necesario tomar en cuenta
el valor del 10% que mencionamos y la prueba de
hipótesis que corresponde realizar.
En caso contrario diremos que la evidencia empírica no muestra
que exista diferencia entre los Cirujanos y los Traumatólogos.
Llamamos región crítica o región de rechazo a los valores de
la estadística de prueba (en la que participa el porcentaje
deseado y valores de probabilidad) que nos llevan a la
decisión de rechazar la nula.

29. La región crítica y los errores
Cualquiera que sea la decisión que tomemos nos puede
acarrear problemas, ya que la decisión tomada puede ser
errónea.
Además, como en realidad, estamos probando un par de
hipótesis, podemos errar de dos maneras:
1. Podemos rechazar la hipótesis nula cuando es cierta
2. Podemos no rechazarla cuando es falsa.
La numeración del párrafo anterior no es casual, es
convención llamar a los errores por su número:
error tipo 1 y error tipo 2.

30. VALOR “p”
Un procedimiento consiste en calcular el valor de p (p
value) o probabilidad de que se presente un valor del
estadístico más alejado de la Hipótesis que el
observado

41. SIGNIFICANCIA CLÍNICA
O
SIGNIFICANCIA ESTADÍSTICA

42. • En general los estudios pretenden poner de manifiesto la
existencia o no de asociación entre variables
• Esta asociación puede ser el resultado que realmente exista,
pero también puede ser el resultado del azar, de la presencia de
sesgos o de la existencia de variables de confusión
• Desde el punto de vista clínico la significancia estadística no
resuelve todos los interrogantes que hay que responder ya que
la asociación estadísticamente significativa puede no ser
clínicamente relevante y puede no ser causal.

43. La asociación estadística entre dos variables de dos
componentes fundamentales: la magnitud de la diferencia a
testar y el tamaño muestral
• Cuanto más grande sea la diferencia entre dos variables más fácil es
demostrar que la diferencia es significativa
• Cuánto más grande sea el tamaño muestral más fácil es detectar diferencias
entre las mismas. Cualquier diferencia puede ser estadísticamente significativa
si se dispone del suficiente número de pacientes
Por estas razones los valores de p deben ser considerados
solo como una guia y no como base de conclusiones
definitivas e irrevocables

44. Los resultados del Estudio 1 son marginalmente diferentes a las del Estudio 2
pero dado el punto de corte (p<0.05), los resultados del Estudio 1 se
consideran “estadísticamente no significativos”. Sin embargo, teneniendo casi
idéntico tamaño del efecto y similar impacto clínico (sin alcanzar el umbral de
efecto ciertamente importante no deberán considerarse diferentes entre sí.

45. Los resultados del Estudio 3 son “estadísticamente no significativos” o “negativos” pero
además son concluyentes pues es extremadamente improbable que el azar haya impedido
alcanzar el umbral de detección de un efecto clínicamente importante. Respecto del Estudio
4, si bien sus resultados también son “estadísticamente no significativos” o “negativos”, se
trata de una situación en la que se puede concluir poco dado que podría haber algún efecto
clínicamente importante que no haya podido ser demostrado.

46. El Colegio de Odontólogos ha realizado un
estudio aleatorio entre los pacientes de sus
consultas en la semana anterior. De 1000
fichas analizadas, 500 habían tenido una visita
el año anterior, por lo que concluyen que un
50% de la población acude al dentista cada
año. ¿Qué opina? Se puede conocer la
frecuencia de visitas al odontólogo en la
población general a partir de una muestra
obtenida en las consultas?

47. Los usuarios de una biblioteca llevan años protestando por las prestaciones del
sistema de búsqueda disponible para realizar consultas. Los responsables de
la biblioteca deciden valorar la posibilidad de cambiar el sistema. Durante el
período de prueba, han realizado un experimento comparando ambos
sistemas mediante una escala que mide la satisfacción de los usuarios. Hacen
la prueba anterior de comparación de preferencias y resumen sus resultados
con la siguiente frase: el nuevo sistema genera mayor satisfacción en los
usuarios (p<0.01). ¿Cuál o cuáles de las siguientes afirmaciones son ciertas?
a) Se rechaza la hipótesis H que la satisfacción es igual en ambos grupos.
b) Suponiendo que ambos sistemas generen la misma satisfacción, la
probabilidad de haber obtenido un resultado tan o más extremo que el
observado es menor del 1%.
c) Creemos que el resultado observado refleja una diferencia poblacional, en el
conjunto de todos los posibles casos, del nivel de preferencias.
d) La proporción de casos más satisfechos con el sistema antiguo que con el nuevo
es menor del 1%.
e) Cuando se dice que el nuevo sistema es mejor se tiene una probabilidad de
error menor de 0.01.