3B-3

MDULO DE APRENDIZAJE
CARTULA
UNIDAD ACADMICA: ENFERMERA
NOMBRE DE LA ASIGNATURA: BIOESTADSTICA
AUTOR(ES): Lic. Jessica M. Yace Martnez
ndice

CAPITULO I: Introduccin a la Bioestadstica..3

CAPITULO II: Poblacin, Muestra y Muestreo ...5
CAPITULO III: Tamao de Muestra .....9
CAPITULO IV: Tcnicas de Muestreo ....14
CAPITULO V: Operacionalizacin de Variables ..17
CAPITULO VI: Elaboracin del Instrumento y Base de Datos ...21
CAPTULO VII: Evaluacin del Instrumento de Recoleccin de Datos ...23
CAPTULO VIII: Presentacin de Tablas y Grficos Estadsticos ..27
CAPITULO IX: Medidas resumen o medidas descriptivas.31
CAPITULO X: Distribucin Normal ....42
CAPITULO XI: Planteamiento de Hiptesis ..44
CAPITULO XII: Prueba de Hiptesis ....49
CAPITULO XIII: Distribucin T-Student ..51
CAPITULO XVI: Distribucin Ji-Cuadradao ....53
CAPTULO XV: Regresin y Correlacin Lineal .. 55
ANEXOS : 60

F-CV3-3B-3

Rev. Junio 2007

Introduccin

La estadstica es la ciencia que se encarga de resumir y presentar datos con fines de

anlisis e interpretacin de la realidad bajo un plano objetivo. Una de sus vertientes
es la Bioestadstica, ciencia que se encarga de resumir datos con inters biolgico.
Los profesionales en enfermera, como ciencia recurren a la bioestadstica como un
elemento para investigacin y anlisis del proceso salud enfermedad, por lo que el
desarrollo de estos conocimientos es de inters fundamental.
Este mdulo de aprendizaje facilitara al estudiante la comprensin de los conceptos
estadsticos, la elaboracin de un instrumento de recoleccin de datos, elaboracin
de base de datos, desarrollo de estadstica descriptiva e inferencial a nivel bsico.
La finalidad es desarrollar en los alumnos una actitud crtica frente a los problemas
estadsticos que pueda tener el futuro profesional en enfermera.
I.

Desarrollo del tema

1.1. Competencias a desarrollar
1. Utiliza la estadstica bsica como herramienta importante para la produccin de
conocimientos cientficos en enfermera.
2. Elabora investigacin a nivel descriptivo y estadstica inferencial bsica en el rea
de las ciencias de la salud.
3. Evala y crtica reflexivamente el contenido estadstico en un nivel bsico de una
publicacin cientfica.
4. Identifica la importancia de la tica en el manejo de la informacin estadstica.
1.2. Contenido del tema
A continuacin lo revisaremos por captulos.

F-CV3-3B-3

Rev. Junio 2007

CAPTULO I: INTRODUCCIN A LA BIOESTADSTICA

ESTADSTICA
Es la ciencia utilizada para la toma de decisiones en situaciones de incertidumbre. Se encarga
de disear, recolectar, describir, analizar e interpretar la informacin y, por ello, constituye
la metodologa cientfica principal que permite transformar datos en informacin.

BIOESTADSTICA
La bioestadstica es una de las reas de la Estadstica que se ocupa de los problemas
planteados dentro de las ciencias de la vida, como la biologa, la medicina, entre otros.

DIVISIN DE LA ESTADSTICA:
ESTADISTICA DESCRIPTIVA O DEDUCTIVA: Recolecta, clasifica, organiza y presenta los
datos por medio de tablas y grficos mediante el anlisis de la informacin.
ESTADSTICA INFERENCIAL O INDUCTIVA: Es el procedimiento por medio del cual
se llega a conclusiones acerca de una poblacin con base a la informacin que se
obtiene a partir de una muestra seleccionada de esa poblacin. Permite generalizar
conclusiones hacia toda una poblacin partiendo del anlisis de una muestra

CONCEPTOS BSICOS:
POBLACIN
Se considera como una coleccin de entidades, por lo general personas. Sin embargo, una
poblacin o coleccin de entidades puede estar compuesta de animales, mquinas, plantas o
clulas, etc.

F-CV3-3B-3

Rev. Junio 2007

MUESTRA
Es una parte de la poblacin y que contiene todas las caractersticas de la poblacin.
PARMETRO
Es una medida resumen para describir alguna caracterstica especifica de la poblacin.
Ejemplo: el promedio poblacional, la varianza poblacional.
ESTADGRAFO
Es una medida resumen para describir alguna caracterstica especifica de la muestra.
Ejemplo: el promedio de edad de la muestra, la varianza de la muestra.
DATO
Es toda unidad de informacin. Se considera la estructura a partir de la cual el investigador
genera sus estudios e indagaciones. Tiene tres componentes:

1.- UNIDAD DE ANLISIS

Es el elemento mnimo de estudio, observable o medible en relacin con un

conjunto de otros elementos que son de su mismo tipo.

2.- VARIABLE

Es cualquier caracterstica de la realidad, que puede ser determinado por

observacin y puede mostrar diferentes valores. Es una caracterstica de la unidad
de anlisis, que es medible y permite su clasificacin.

3.- VALOR

Un valor es algo que puede derivarse de una unidad en una clasificacin. Por
ejemplo la variable estado civil puede tomar los valores de: soltero, casado,
conviviente, viudo.

F-CV3-3B-3

Rev. Junio 2007

CAPTULO II: POBLACIN, MUESTRA Y MUESTREO

CONCEPTOS BSICOS
POBLACIN O UNIVERSO:
Conjunto de todos los casos que concuerdan con determinadas
caractersticas (comunes)
MUESTRA:
Subgrupo de la poblacin del cual se recolectan los datos y debe
ser representativa de sta.
TAMAO MUESTRAL:
Es la cantidad de unidades de muestreo que formar la muestra
MUESTREO:
Se conoce como muestreo a la tcnica para la seleccin de una
muestra representativa a partir de una poblacin. Existen
muestreo probabilstico (al azar) y muestreo no probabilstico (no es al azar).
UNIDAD DE ANLISIS:
Por lo general es el sujeto al que se investiga. Aqu se centra en que o quines, es decir los
sujetos, objetos, sucesos o comunidades de estudio. Se le denomina tambin casos o elementos.
UNIDAD DE MUESTREO:
Es la unidad de la poblacin a partir de las cuales se selecciona la muestra.

Al proceso de seleccin de cada individuo que conformara parte de la muestra, se le llama

MUESTREO.

F-CV3-3B-3

Rev. Junio 2007

Si queremos entender mejor la idea de unidad de anlisis y unidad de muestreo, veamos lo

siguiente: Imaginemos que deseamos evaluar el nivel de satisfaccin de desempeo laboral
de todos los docentes de nivel educativo tanto primaria como secundaria de una
determinada localidad, supongamos que en total existen 4 centros educativos, de los cuales
solo 2 son de nivel primaria y otros dos son solo de nivel secundaria, para realizar nuestro
estudio necesitamos docentes de los 4 centros educativos, por lo tanto; cada docente seria
nuestra unidad de anlisis porque sern ellos a los que evaluaremos y cada centro
educativo seria nuestra unidad de muestreo, ya que de cada centro educativo tenemos que
seleccionar un grupo de docentes.

Ejemplo 1:
Si se desea conocer en qu medida las madres de una determinada comunidad cumplen o
no con el calendario de vacunaciones de sus nios menores de 5 aos.
Poblacin.- Todas las madres de esa determinada comunidad.
Muestra.- Un grupo representativo de madres de esa determinada comunidad.
Unidad de anlisis.- Es la madre de familia que se le entrevistara.
Unidad de muestreo.- Son las viviendas numeradas de la comunidad.

F-CV3-3B-3

Rev. Junio 2007

Ejemplo 2:
Caractersticas sociodemogrficas del cncer de pulmn en nios de 10 aos a menos de
edad hospitalizados en el INEN 2014
Poblacin.- Total de nios de 10 aos a menos de edad, con cncer de pulmn que
estuvieron hospitalizados en el INEN durante el ao 2014.
Muestra.- Un grupo representativo de nios de 10 aos a menos de edad, con
cncer de pulmn que estuvieron hospitalizados en el INEN durante el ao 2014.
Unidad de anlisis.- Cada nio de 10 aos a menos de edad, con cncer de pulmn
que estuvo hospitalizado en el INEN durante el ao 2014.
Unidad de muestreo.- Se podran considerar cada uno de los pabellones donde se
encuentran hospitalizados en el INEN durante el ao 2014
Ejemplo 3:
Se realiz un estudio sobre: Efectos secundarios del consumo de retrovirales en usuarios
del programa de TARGA del C.S. Divino Nio 2012. Se tena como informacin que en el
ao 2012 estaban registrados 370 pacientes en el programa TARGA, de los cuales previo
sorteo fueron encuestados 150 usuarios.
Poblacin.- Los 370 usuarios de consumo de retrovirales que acudieron al programa
de TARGA del C.S. Divino Nio en el ao 2012.
Muestra.- Los 150 usuarios de consumo de retrovirales que acudieron al programa
de TARGA del C.S. Divino Nio en el ao 2012.
Unidad de anlisis.- Cada usuario de consumo de retrovirales que acudi al
programa de TARGA del C.S. Divino Nio en el ao 2012.
Muestreo.- La tcnica de muestreo utilizado para seleccionar a cada individuo de la
muestra fue muestreo probabilstico de tipo aleatorio simple (porque se realiz un
sorteo para seleccionar a los usuarios que fueron encuestados).

La suma de cada unidad de anlisis seleccionado

mediante la tcnica de muestreo hace el total de la
muestra.

F-CV3-3B-3

Rev. Junio 2007

TIPO DE MUESTREO
Consiste en seguir un procedimiento utilizado para escoger, seleccionar y extraer una parte del
universo con el fin de que representase al total con la probabilidad de que ese pequeo grupo posea
las caractersticas del universo. Los tipos de muestreo son dos: muestreo probabilstico y muestreo
no probabilstico.
MUESTREO PROBABILSTICO:
Es aquella muestra extrada de un universo donde todos tengan una misma probabilidad estadstica
de ser seleccionados. Para una muestra probabilstica se necesita: contar con la lista de todos los
individuos o elementos de la poblacin de inters y determinar el tamao de la muestra (n) para
luego seleccionar los elementos que la integrarn. Los tipos de muestreo probabilstico son:
1.- Muestreo Aleatorio Simple. Consiste en seleccionar un individuo elemento al azar que
pertenezca a la poblacin N, hasta lograr completar la cantidad total de nuestro tamao de
muestra n. Ejemplo: un sorteo, una rifa o el uso de tabla de nmeros aleatorios (ver anexo 2), etc.
2.- Muestreo Aleatorio Sistemtico. Aqu el investigador primero escoge aleatoriamente la primera
pieza o sujeto de la poblacin. A continuacin, el investigador seleccionar a cada ensimo sujeto de
la lista. Es un procedimiento muy fcil y se puede hacer manualmente.
3.- Muestreo Aleatorio Estratificado. Este tipo de tcnica garantiza la representatividad de cada
grupo en la muestra. Cunto ms homognea sean los estratos, ms precisas sern las estimaciones.
Consiste en seleccionar una muestra de cada grupo que conforma la poblacin.
4.- Muestreo Por Conglomerados. No necesita tener un listado de toda la poblacin, pero s de
todos los conglomerados de inters. Es muy eficiente en poblaciones grandes y muy dispersas. Su
ventaja es que nos facilita el ahorro de tiempo y dinero.
MUESTREO NO PROBABILSTICO:
No tiene una idea del error que puede estar introduciendo en sus apreciaciones.
No cumple con la teora del AZAR.
1.- Por conveniencia. Consiste en el empleo de una muestra integrada por las personas o los objetos
cuya disponibilidad como sujetos de estudio ser la ms conveniente.
2.- Por Cuotas. Consiste en predeterminar la cantidad de elementos de cada categora que habrn
de integrarla. As podemos asignar una cuota de 40 hombres y 40 mujeres a una muestra de 80
individuos, asumiendo que esa es la distribucin de la poblacin total.
3.- Accidental. Es aquella que se obtiene sin ningn plan preconcebido, resultando las unidades
escogidas producto de circunstancias fortuitas. Por ejemplo, entrevistamos a los primeros cincuenta
transentes que pasan por una cierta calle.
4.- Intencional. Escoge sus unidades no en forma fortuita sino completamente arbitraria,
designando a cada unidad segn caractersticas que para el investigador resulten de relevancia, se
basa en la idea de que el investigador puede usar sus conocimientos acerca del universo para elegir
los casos que incluir en la muestra.

F-CV3-3B-3

Rev. Junio 2007

CAPTULO III: TAMAO DE MUESTRA

Para determinar el tamao de muestra en un estudio, debemos considerar diferentes situaciones:
A. Estudios para determinar parmetros

B. Estudios para contraste de hiptesis

Es decir pretendemos hacer inferencias a Es decir pretendemos comparar si las medias o las
valores poblacionales (proporciones, medias) proporciones de las muestras son diferentes.
a partir de una muestra.

A. ESTUDIOS PARA DETERMINAR PARMETROS

Con estos estudios pretendemos hacer inferencias a valores poblacionales (proporciones, medias) a
partir de una muestra.
A.1. Estimar una proporcin. Si deseamos estimar una proporcin, debemos saber:

El nivel de confianza o seguridad: El nivel de confianza prefijado da lugar a un coeficiente

(Z).
Para una seguridad del 95% = 1.96
Para una seguridad del 99% = 2.58.
La precisin que deseamos para nuestro estudio o error de muestreo (d).
Una idea del valor aproximado del parmetro (p*q) que queremos medir (en este caso una
proporcin). Esta idea se puede obtener revisando la literatura, por estudio pilotos previos.
En caso de no tener dicha informacin utilizaremos el valor p = 0.5 (50%).

Si la poblacin es finita, es decir conocemos el total de la poblacin y desesemos saber tamao de

la muestra (total de pacientes que tendremos que estudiar) la respuesta seria:

dnde:
n= Tamao de la muestra
N = Total de la poblacin
Z2 = Seguridad del estudio al cuadrado
p = proporcin esperada (incidencia, prevalencia o porcentaje hallado o estimado)
q = 1 p (es el complemento de la incidencia, prevalencia o porcentaje)
d = precisin o error de muestreo (5%).

F-CV3-3B-3

Rev. Junio 2007

Segn diferentes seguridades el coeficiente de Z 2 vara, as:

Si la seguridad Z2 fuese del 90% el coeficiente sera 1.645
Si la seguridad Z2 fuese del 95% el coeficiente sera 1.96
Si la seguridad Z2 fuese del 97.5% el coeficiente sera 2.24
Si la seguridad Z2 fuese del 99% el coeficiente sera 2.576
Ejm 1: A cuntas personas tendra que entrevistar de una poblacin de 15.000 habitantes para
conocer la prevalencia de diabetes, teniendo una seguridad del 95%, precisin del 3% y la
proporcin esperada es 5%.
Paso 1:

N = Total de la poblacin = 15 000

Z 2 = 1.962 (si la seguridad es del 95%)

p = proporcin esperada (en este caso 5% = 0.05)

q = 1 p (en este caso 1-0.05 = 0.95)

d = precisin (en este caso deseamos un 3%).

Si no tuviese ninguna idea de

dicha proporcin utilizaramos
el valor p = 0.5 (50%) que
maximiza el tamao muestral.

Paso 2: reemplazando en la formula

Paso 3: tendramos que entrevistar a 200 habitantes.

B. ESTUDIOS PARA CONTRASTE DE HIPTESIS

Estos estudios pretenden comparar si las medias o las proporciones de las muestras son diferentes.
Habitualmente el investigador pretende comparar dos tratamientos. Para el clculo del tamao
muestral se precisa conocer:

Magnitud de la diferencia a detectar que tenga inters clnicamente relevante. Se pueden

comparar dos proporciones o dos medias.
Tener una idea aproximada de los parmetros de la variable que se estudia (bibliografa,
estudios previos).
Seguridad del estudio (riesgo de cometer un error alfa)
Poder estadstico (1 - ) (riesgo de cometer un error beta)
Definir si la hiptesis es unilateral o bilateral.
a. Hiptesis bilateral: Cualquiera de los dos parmetros a comparar (medias o
proporciones) puede ser mayor o menor que el otro. No se establece direccin. Este
tipo de hiptesis es ms conservadora y disminuye el riesgo de cometer un error
tipo I (rechazar la H0 cuando en realidad es verdadera)
b. Hiptesis unilateral: Cuando se considera que uno de los parmetros debe ser
mayor que el otro, indicando por tanto una direccin de las diferencias.

F-CV3-3B-3

Rev. Junio 2007

10

B1. Comparacin de dos proporciones:

Si la poblacin es infinita, es decir, no conocemos el total de la poblacin y desesemos saber
tamao de la muestra (total de pacientes que tendremos que estudiar) la respuesta seria:

Donde:
n = tamao de la muestra
Z = Valor Z correspondiente al riesgo deseado (Confianza 95%)
Z = Valor Z correspondiente al riesgo deseado (Poder 1-)
p1 = Valor de la proporcin en el grupo de referencia, placebo, control o tratamiento habitual.
p2 = Valor de la proporcin en el grupo del nuevo tratamiento, intervencin o tcnica.
p = Media de las dos proporciones p1 y p2

Ejm 1: Deseamos evaluar si el Tratamiento T2 es mejor que el tratamiento T1 para el alivio del dolor
para lo que diseamos un ensayo clnico. Sabemos por datos previos que la eficacia del frmaco
habitual est alrededor del 70% y consideramos clnicamente relevante si el nuevo frmaco alivia el
dolor en un 90%. Nuestro nivel de riesgo lo fijamos en 0.05 y deseamos un poder estadstico de un
80%.
Paso 1:
Z = 5% = 0.05
Z = 80% = 0.80
p1 = 70% = 0.70
p2 = 90% = 0.90
Paso 2: Hallar la media de las proporciones

Paso3: Reemplazando en la formula.

F-CV3-3B-3

Rev. Junio 2007

11

Paso 4: El tamao de muestra es 48 pacientes por cada grupo.

Tabla 2. Valores de Z y Z ms frecuentemente utilizados
Z
Test unilateral

Test bilateral

0.842
1.036
1.282
1.645
1.960
2.326

1.282
1.440
1.645
1.960
2.240
2.576

0.200
0.150
0.100
0.050
0.025
0.010

Potencia
(10.01
0.05
0.10
0.15
0.20
0.25
0.30
0.35
0.40
0.45
0.50

0.99
0.95
0.90
0.85
0.80
0.75
0.70
0.65
0.60
0.55
0.50

Z
2.326
1.645
1.282
1.036
0.842
0.674
0.524
0.385
0.253
0.126
0.000

EL TAMAO MUESTRAL AJUSTADO A LAS PRDIDAS

En todos los estudios es preciso estimar las posibles prdidas de pacientes por razones diversas
(prdida de informacin, abandono, no respuesta, etc) por lo que se debe incrementar el tamao
muestral respecto a dichas prdidas.
El tamao muestral ajustado a las prdidas se puede calcular:
Muestra ajustada a las prdidas = n (1/1 R)
n = nmero de sujetos sin prdidas
R = proporcin esperada de prdidas

F-CV3-3B-3

Rev. Junio 2007

12

As por ejemplo si en el estudio anterior esperamos tener un 15% de prdidas entonces:

Paso 1 :
n = 48
R = 15% = 0.15
Paso 2:
Reemplazando en la formula

n( ajustado ) n *

1
(1 R)

Muestra ajustada a las prdidas n( ajustado ) 48*

1
56
(1 0,15)

Paso 3:
La muestra ajustada sera 56 pacientes por cada grupo.

NOTA:
Es muy importante tener claro que existen diversas maneras o diferentes frmulas que se
pueden utilizar para la obtencin del tamao de muestra; la eleccin de una frmula para la
obtencin de nuestro tamao de muestra depende de:
Si la poblacin es finita o infinita.
El tipo de variable a analizar como objetivo del estudio.
Si se quiere determinar parmetros, contrastar hiptesis o realizar estudios
experimentales.

F-CV3-3B-3

Rev. Junio 2007

13

CAPITULO IV: TCNICAS DE MUESTREO

MUESTREO PROBABILISTICO:
1.- MUESTREO ALEATORIO SIMPLE:
Permite seleccionar una muestra de tamao n de una poblacin de N unidades, cada elemento
tiene la misma probabilidad de ser elegido.
Ventajas:
Sencillo y fcil de comprender
Clculo rpido
Se basa en la teora estadstica y por tanto existen paquetes informticos para analizar los
datos.
Desventajas:
Requiere que se posea de antemano un listado completo de toda la poblacin.
Cuando se trabaja con muestras pequeas es posible que no represente a la poblacin
adecuada.
Muestreo sistemtico
2.- MUESTREO ALEATORIO SISTEMTICO:
Procedimiento:
Conseguir una lista de N elementos
Determinar un tamao de muestra: n elementos
Definir un intervalo de salto k donde k= N/n
Elegir un nmero aleatorio r entre 1 y k (donde r es el primer elemento)
Seleccionar los elementos de la lista.
Ventajas:
Fcil de aplicar
Cuando la poblacin est ordenada siguiendo una tendencia conocida, asegura una
cobertura de unidades de todos los tipos.
Desventajas:
Si la constante de muestreo est asociada con el fenmeno de inters, se pueden hallar
estimaciones sesgadas.

3.- MUESTREO ALEATORIO ESTRATIFICADO:

Al azar no es una garanta de representatividad. Este muestreo pretende asegurar la representacin
de cada grupo en la muestra. Cuanto ms homognea sean los estratos, ms precisas resultarn las
estimaciones.

F-CV3-3B-3

Rev. Junio 2007

14

Ventajas:
Se obtiene estimaciones ms precisas
Tiende a asegurar que la muestra represente adecuadamente a la poblacin en funcin de
unas variables seleccionadas.
Desventajas:
Los anlisis son complicados
4.- MUESTREO POR CONGLOMERADO:
Se caracterizan por que la variacin en cada grupo es menor que la variacin entre grupos. La
necesidad de listados de las unidades de una etapa se limita a aquellas unidades de muestreo
seleccionadas en la etapa anterior.
Ventajas:
Es muy eficiente cuando la poblacin es grande y dispersa.
Reduce costos
No es necesario tener un listado de toda la poblacin, slo de las unidades primarias de
muestreo.
Desventajas:
El error estndar es mayor que el muestreo aleatorio simple o estratificado

CUADRO COMPARATIVO DE VENTAJAS Y DESVENTAJAS DE LOS TIPOS DE

MUESTREO PROBABILISTICO

F-CV3-3B-3

Rev. Junio 2007

15

MUESTREO NO PROBABILISTICO:
1.- Por conveniencia o Accidental. Consiste en el empleo de una muestra integrada por las personas
o los objetos cuya disponibilidad como sujetos de estudio ser la ms conveniente. Se caracteriza
por un esfuerzo deliberado de obtener muestras representativas mediante la inclusin en la
muestra de grupos supuestamente tpicos. Es muy frecuente su utilizacin en sondeos pre
electorales. Tambin puede ser que el investigador seleccione directa e intencionadamente los
individuos de la poblacin. El caso ms frecuente de este procedimiento el utilizar como muestra los
individuos a los que se tienen acceso fcilmente. Por ejemplo: Los transentes de una determinada
calle, los asistentes (pacientes o familiares) en general a una campaa de salud.
2.- Intencional.
Tambin conocido como discrecional. Aqu los sujetos son elegidos para formar parte de la muestra
con un objetivo especfico. Con este muestreo el investigador cree que algunos sujetos son ms
adecuados para la investigacin que otros. Por esta razn, aquellos son elegidos deliberadamente
como sujetos. Escoge sus unidades de manera arbitraria, designando a cada unidad segn
caractersticas que para el investigador resulten de relevancia, se basa en la idea de que el
investigador puede usar sus conocimientos acerca del universo para elegir los casos que incluir en
la muestra.
3.- Por Cuotas.
Aqu el investigador trata de asegurar una representacin equitativa y proporcionada de los sujetos
(aunque no siempre resulta as) en funcin de qu rasgo es considerado base de la cuota. Consiste
en predeterminar la cantidad de elementos de cada categora que habrn de integrarla. Por
ejemplo, si la base de la cuota es de nivel de ao en la universidad y el investigador necesita una
representacin igual, con un tamao de muestra de 100, debe seleccionar 25 estudiantes de 1 ao,
25 de 2 ao, 25 de 3 ao y 25 de 4 ao. Las bases de la cuota generalmente son la edad, el
gnero, la educacin, la etnia, la religin y el nivel socioeconmico.
4.- Bola de Nieve.
Se localiza a algunos individuos que contienen la caracterstica que es inters de estudio, los cuales
conducen a otros, y estos a otros, y as hasta conseguir una muestra suficiente. Este tipo se emplea
muy frecuentemente cuando se hacen estudios con poblaciones "marginales", delincuentes, sectas,
determinados tipos de enfermos, abuso sexual de menores, etc.

CUANDO UTILIZAR EL MUESTREO NO PROBABILSTICO

1. Cuando se quiere mostrar que existe un rasgo determinado en la poblacin.
2. Cuando el investigador tiene como objetivo hacer un estudio cualitativo, piloto o
exploratorio.
3. Cuando es imposible la aleatorizacin, como cuando la poblacin es infinita.
4. Cuando la investigacin no tiene como objetivo generar resultados que se utilicen para
hacer generalizaciones respecto de toda la poblacin.
5. Cuando el investigador tiene un presupuesto, tiempo y mano de obra limitados.
6. Cuando en un estudio inicial que ser llevado a cabo nuevamente, utilizando un muestreo
probabilstico aleatorio.

F-CV3-3B-3

Rev. Junio 2007

16

CAPITULO V: OPERACIONALIZACIN DE VARIABLES

VARIABLE
Es cualquier caracterstica de la realidad que puede ser determinada por observacin y que puede
mostrar diferentes valores.
Ejm:
Edad, sexo, estado civil, grado de instruccin, ingreso econmico, nmero de hijos.

TIPOS DE VARIABLE:
1.- POR SU POSICIN
a. Variable dependiente.- Representa al desenlace, resultado o efecto que se pretende explicar o
estimar.
b. Variable independiente.- Es aquella que causa, explica, condiciona o determina el cambio en
los valores de la variable dependiente.
c. Variable interviniente.- Es el elemento que puede estar presente en una relacin entre la
variable independiente y la dependiente, es decir, que influye en la aparicin de otro elemento
en forma indirecta.
d. Variable de confusin.- Actan como co-factores que modifican a la variable independiente.
De no considerarse adecuadamente pueden sesgar los resultados.
Figura 1. Nivel de relacin de las variables

Ejm:
Comportamiento de pacientes hipertensos antes y despus del proceso de atencin de enfermera.
Cuba 2004

V. independiente: Proceso de atencin de enfermera. CAUSA

V. dependiente: Comportamiento de los pacientes hipertensos. EFECTO

V. interviniente: Idioma, nivel de conocimiento del paciente.

V. confusin: Iniciando el estudio se hace rotacin de nuevo personal de enfermera.

F-CV3-3B-3

Rev. Junio 2007

17

2.- POR SU NATURALEZA

A) VARIABLE CUALITATIVA O CATEGRICA.- Cuando las caractersticas representan una
determinada cualidad o propiedad que no puede expresarse numricamente. Se clasifican en:
Nominales: Presencia o ausencia del atributo. Pueden ser
Dicotmicas: Tiene dos valores o alternativas ,Ejm: Vivo-muerto, sexo: Femenino/Masculino ,
Uso de Antidepresivos: Si/ No
Politmica: Tiene tres o ms valores. Ejemplo: Grupo Sanguneo, raza, religin, estado civil
Ordinales: Se puede establecer orden jerrquico, Ejemplo: Grado de quemadura, Intensidad de
dolor, Opinin del servicio.
B) VARIABLE CUANTITATIVA O NUMRICAS.- Cuando las caractersticas o propiedades del
objeto de estudio se refiere a cantidades es decir es susceptible a ser medida o contabilizada, por lo
que puede ser medida directamente en la prctica. Se clasifican:
Continuas: cuando pueden admitir cualquier valor de la recta numrica, es decir, acepta nmeros
enteros y fracciones dentro de sus mediciones. Ejm:

Temperatura: 22,6C / 38.2 C / 37 C

Peso: 4 kg / 4.2 kg / 32.8 Kg

Discretas: cuando admite slo valores enteros. Ejm:

Nmero de hijos: 1 / 2 / 3 / 4 hijos

Nmero de vacunas recibidas: 0, 1, 2, 3,

PROCEDIMIENTOS PARA UNA OPERACIONALIZACION DE VARIABLES

Explica las operaciones o procedimientos que debe seguirse para la observacin o medicin de la
variable. Para poder obtener una definicin operacional de variables, se requiere inicialmente de
definiciones conceptuales de las variables.
1.- DEFINICIN DE LA VARIABLE
Definicin conceptual.- Corresponder al conjunto de ideas que permiten entender a una variable.
Para la obtencin de la definicin conceptual se busca en diccionarios, libros especializados o
enciclopedias. Ejm:

Edad: Tiempo vivido por una persona, animal o duracin de una cosa.
Ocupacin: Accin y efecto de ocupar u ocuparse. Empleo, oficio o dignidad.

Definicin Operacional.- La conforman los elementos que pueden ser medidos tras definir a la
variable conceptualmente. Ejm:

Edad: Aos cumplidos por una persona hasta la fecha actual.

Ocupacin: Actividad actual que realiza una persona

F-CV3-3B-3

Rev. Junio 2007

18

2.-DIMENSIONES
Proceso que transforma una variable en otras que tengan el mismo significado y que sean
susceptibles de la medicin emprica. Es decir cuando una variable inicial es muy compleja requiere
de sub-variables para poder ser medida, estas sub-variables son denominadas dimensiones. Ejm:
VARIABLE
Edad

DIMENSIN
No tiene dimensin
Hiperventilacin
Palidez
Dolor de pecho
Hipertensin
Arritmia Cardiaca
Taquicardia
Hipotensin
Anuria
Infeccin
Confusin, sensacin de mareos

Infarto agudo de Miocardio

Shock Sptico

3.- TIPO DE VARIABLE

Consiste en identificar y clasificar a las variables segn su naturaleza en: variables cualitativas y
variables cuantitativas.
4.- ESCALA DE MEDICIN DE VARIABLES
La escala para medir una caracterstica tiene implicaciones en la forma de presentar y resumir la
informacin. La escala de medicin, precisin con la que se mide la caracterstica, tambin
determina el mtodo estadstico escogido para analizar los datos. Las escalas ms utilizadas en la
medicina son: Nominal, Ordinal, intervalo y razn.
VARIABLES CUALITATIVAS:
Escala Nominal.- Se usan para el nivel ms simple de medicin, cuando los valores de los datos
caen en categoras. El alcance de esta escala es el conteo, que permite la aplicacin de tcnicas
estadsticas como la distribucin de frecuencia, tablas de contingencia y la moda. Lo nico que se
logra en este nivel de medicin es la categorizacin o la identificacin. Se asigna nmeros a sus
indicadores pero solo permite la comparacin descriptiva entre variables o sus categoras, sin
embargo, no permite la comparacin cuantitativa entre ellas. Ejm:

Sexo: varn /mujer

Procedencia: costa / sierra / selva

Escala Ordinal.- Se utiliza para clasificar los objetos en forma jerrquica, una mayor que la otra,
segn el grado que posea una caracterstica determinada, las tcnicas estadsticas ms utilizadas en
la escala ordinal son la distribucin de frecuencias, la moda y especialmente la mediana debido a
que no es afectada por los valores de los propios datos. Ejm:

Grado de instruccin: analfabeto / primaria / secundaria / superior.

Desarrollo del ser humano: nio / adolescente / joven / adulto / adulto mayor.

F-CV3-3B-3

Rev. Junio 2007

19

VARIABLES CUANTITATIVAS:
Escala de Intervalo.- Se miden numricamente, se pueden sumar o restar siendo igual la distancia
entre dos puntos o valores de un continuo, pero no se pueden dividir o multiplicar sus valores. Sin
embargo el punto cero es arbitrario y convencional, por lo que no se pueden establecer razones o
proporciones, ni comparar dos escalas sin definir el mismo punto de partida.
Ejm: Temperatura, evaluaciones, rendimiento acadmico, coeficiente intelectual,
Escala de Razn.- Contiene las caractersticas de una escala de intervalo con la ventaja adicional de
poseer el cero absoluto. El cero significa la ausencia de la variable. Se utilizan todas las tcnicas
estadsticas para el anlisis Ejm:

Nmero de hijos: 1, 2, 3.0= No tiene hijos.

Edad en aos: 3, 5, 11, 230 = No existe persona con cero aos, para la definicin en
aos)
Figura 2. Relacin entre el tipo de variable y su escala de medicin

5.- INDICADOR
Corresponde a la forma en cmo se muestra las cualidades o propiedades de la variable que pueden
medirse y sirven para verificarlo y cuantificarlo. En las variables cualitativas el indicador resulta ser
la clasificacin misma de la variable. Ejm:
VARIABLE
Sexo

Grado de instruccin

TIPO DE VARIABLE

ESCALA
Nominal

Cualitativa
Cualitativa

Ordinal

INDICADOR
Femenino
Masculino
Analfabeto
Primaria
Secundaria
Superior

En las variables cuantitativas, generalmente el indicador corresponder a los rangos en los cuales se
distribuir la variable conjuntamente con su unidad de medida. Ejm:
Variable
Edad (en aos)
Temperatura

Tipo de variable
cuantitativa
cuantitativo

Escala
razn
intervalo

Indicador
Nmero de aos
0 100 C

Ojo: En este caso la variable edad es considerada razn o discreta, porque su definicin operacional
nos refiere que es en aos cumplidos y estos son valores enteros; de no ser as, se considera
variable intervalo o continua.
F-CV3-3B-3

Rev. Junio 2007

20

CAPITULO VI: ELABORACIN DE INSTRUMENTO Y BASE DE DATOS

INSTRUMENTO DE RECOLECCIN DE DATOS:
Un instrumento de recoleccin de datos es en principio cualquier recurso de que pueda valerse el
investigador para acercarse a los fenmenos y extraer de ellos informacin. Un ejemplo de
instrumento pueden ser: una encuesta (ver anexo 1), una lista de cotejo, ficha de recojo de datos, etc.
La elaboracin de un instrumento de recoleccin de datos se hace en base a nuestro cuadro de
operacionalizacin de variables (visto en el captulo anterior). Para que un instrumento sea
considerado til, este debe ser vlido y confiable; luego de ello se procede a su aplicacin.
Luego de realizar la aplicacin de los instrumentos en mencin, estos deben estar numerados de
principio a fin, para luego iniciar con la elaboracin de nuestra base de datos.

CONSTRUCCION DE UNA BASE DE DATOS

Aqu se realiza el vaciado de la informacin contenida en cada uno de los instrumentos de
recoleccin de datos. En investigacin la base de datos corresponde al agregado de caracteres que
le permiten al investigador poder obtener resultados de investigacin. Para ello esta base de datos
debe cumplir con dos requisitos indispensables:
1.- CONSTRUCCIN DE LA TABLA DE CDIGOS
Los datos recolectados a travs de instrumentos son trasladados a la base de datos, esto se realiza a
travs de secuencias lgicas que tienen que construirse para la adecuada obtencin de resultados
de investigacin. Es el primer proceso a realizar antes del vaciado de datos. Sus componentes son:
VARIABLE.- Corresponde a la variable codificada en la Operacionalizacin de las variables, pueden
tambin ser las dimensiones de una variable.
CLAVE.- Corresponde al nombre abreviado que se le colocar a la variable, esta no debe superar los
siete (7) dgitos, estos dgitos pueden ser alfabticos, numricos o alfanumricos.
ESCALA DE MEDICIN.- Corresponden a la misma escala de medicin indicada en la
operacionalizacin de variables.
CODIFICACIN.- Corresponden a los diferentes valores que tendr la variable al ser medida,
dependiendo de su escala de medicin, se indicar su codificacin.
Tabla de Cdigos
Variable
Clave
Edad
edad

Escala
razn

Procedencia

proced

nominal

Estado civil

Ecivil

Nominal

F-CV3-3B-3

Codificacin
aos cumplidos
Vitarte = 0
Surco= 1
SJM = 2
Soltero = 0
casado = 1
Conviviente = 2

Rev. Junio 2007

21

En este ejemplo observamos lo siguiente: Se ha construido una tabla de cdigos, para ser procesada
primeramente en Excel. (Es recomendable, porque facilita su traslado a diferentes programas
estadsticos)
La variable edad bajo la clave edad (pues esta contiene 6 dgitos) est indicada en escala razn y
la forma en la cual se digitar es los aos cumplidos por la entrevistada.
La variable estado civil con la clave Ecivil, de escala nominal y la forma que se digitara es: si la
paciente es soltera se digitara 0, si la paciente es casada se colocar 1, y si la paciente es conviviente
se digitar 2.
2.

CONTROL DE CALIDAD Y TRASLADO DE DATOS

En una investigacin los datos pueden encontrarse en varios modos, pueden estar en formato
papel, digitalmente en documentos electrnicos, grabado en cualquier forma identificada de
grabacin; todas estas formas tienen que llevar un correlato para su anlisis. En investigacin
cuantitativa el anlisis de eleccin es el estadstico, para lo cual se requiere de la utilizacin de
programas especiales para ello, entre ellos tenemos el Excel, Epi Info, STATA, SPSS entre otros.
Nosotros vamos a utilizar el SPSS (v.20) para efecto de este curso.
Para ello se requiere primero un instrumento de recoleccin de datos elaborado, una tabla de
cdigos y los programas para ser procesados. Se mencionan los programas pero es el investigador,
de acuerdo a su pericia y/o preferencia quien decide la utilizacin. Primero de datos en formato
Excel y luego los datos trasladarlos al SPSS, por dos razones, la primera est dada a que el formato
Excel puede ser encontrado en casi cualquier computadora en nuestro medio, segundo el Excel
permite al investigador realizar control de calidad de los datos ingresados a travs del filtro
ubicado en la barra de Datos y as poder enviar datos de mejor calidad al SPSS.
En el formato Excel para poder trabajar una base de datos, se requiere de dos hojas, la primera
corresponder a la base de datos y la segunda a la Tabla de cdigos.
Los datos una vez codificados son ingresados a las seccin base de datos de la siguiente manera.
En la primera hoja del Excel, se indica la base de datos, los datos se ingresarn en nmeros
correlativos de arriba hacia abajo, las claves se colocarn en la fila 1 de la hoja. Quiere decir que
cada instrumento tendr que encajar en cada numeracin correlativa y se proceder a vaciar el
contenido del instrumento en la base de datos, tomando en cuenta los diferentes valores indicados
previamente en la tabla de cdigos.

Quiere decir que si una investigacin tiene que muestrear a 120 personas, tendr que haber 120
instrumentos, todos estos instrumentos se reflejarn en los nmeros correlativos, que culminarn
en 120 empezando por el 1, cada uno de estos instrumentos arrojar varios valores de cada una de
las variables indicadas en la tabla de cdigos y estas correspondern a los datos ingresados de
izquierda a derecha.

F-CV3-3B-3

Rev. Junio 2007

22

CAPTULO VII: EVALUACIN DE INSTRUMENTO DE RECOLECCIN DE

DATOS
En estadstica se requiere de la elaboracin de un buen instrumento para efectuar la recoleccin de
datos, con los cuales posteriormente se realizara una base de datos para su respectivo anlisis. La
recoleccin de datos es el uso de tcnicas e instrumentos para recopilar informacin acerca de un
determinado tema que es objeto de investigacin.
Para que un instrumento sea considerado bueno y til, este debe ser vlido y confiable.

Validez: es el grado en que un instrumento en verdad mide la variable que se busca medir.
Confiabilidad: es el grado en que un instrumento produce resultados consistentes y
coherentes bajo las mismas condiciones en repetidas ocasiones.

Entrevista
Encuesta
Observacin
Sesin de grupo

Tcnicas
Recoleccin
de datos

Cuestionario
Lista de chequeo
Cmara fotogrfica o de video

Instrumento
s

VALIDEZ DE UN INSTRUMENTO
Este debe ser evaluado en tres aspectos distintos: contenido, criterio y constructo. El cumplimiento
de validez en estos tres aspectos hace posible decir recin que el instrumento de recoleccin de
datos llmese Encuesta es Vlido.

F-CV3-3B-3

Rev. Junio 2007

23

Existen diferentes formatos para realizar la validez de contenido y el mtodo ms comnmente

usado es el de juicio de expertos. Es decir que antes de la aplicacin de la encuesta, est es
entregada a un nmero mnimo de 5 a 7 expertos en el tema que evaluaran la encuesta y referirn si
esta adecuado para el propsito de estudio. Algunos ejemplos son los siguiente:

F-CV3-3B-3

Rev. Junio 2007

24

CONFIABILIDAD DE UN UNSTRUMENTO
Existen diferentes pruebas estadsticas para evaluar y medir el nivel de confiabilidad y la seleccin
de ello mucho depende del tipo de respuesta ya sea nominal, nominal dicotmica, ordinal en escala
Likert, etc. El coeficiente ms utilizado para medir la confiabilidad e un instrumento es el alfa de
cronbach razn por la cual lo estudiaremos en este captulo.
Coeficiente alfa de Cronbach. Este coeficiente requiere una sola administracin del
instrumento y produce valores que oscilan entre 0 y 1 y puede ser usado en variables
dicotmicas y politmicas. Rosenthal propone una confiabilidad mnima de 0.90 para tomar
decisiones sobre la vida de las personas y una confiabilidad mnima de 0.70 para propsitos
de investigacin.

Se puede calcular a partir de las varianzas

(S2) de la siguiente frmula:

F-CV3-3B-3

Rev. Junio 2007

25

Como mencionamos sus valores oscilan de 0 a 1 y tienen las siguientes

interpretaciones:

METODOS Y PRUEBAS ESTADSTICAS PARA EVALUAR UN

INSTRUMENTO

Existen diversidad de pruebas para estos procesos, las presentadas aqu

son solo algunas y en clase mencionaremos las ms comnmente usadas.

F-CV3-3B-3

Rev. Junio 2007

26

CAPTULO VIII: PRESENTACIN DE TABLAS Y GRFICOS

ESTADSTICOS
1.3. ORGANIZACIN Y PRESENTACION DE DATOS ESTADISTICOS
Es conocido el refrn de ms vale una imagen que mil palabras, tambin es cierto que los
investigadores en salud usan grficas, tablas y cuadros para exponer sus resultados.
Los datos que no han sido organizados o procesados se les llaman datos crudos, y a menos que el
nmero de estos sea demasiado pequeo es improbable que estos datos crudos proporciones
suficiente informacin hasta que sean puestos en orden.
Los datos estadsticos pueden ser presentados de forma ordenada mediante cuadros y grficos.
Un cuadro estadstico es tambin conocido como tabla, es un mtodo estadstico para ordenar y
presentar datos con fines de ser analizados, entre estos tenemos a las tablas de frecuencias, tablas
de contingencia o de doble entrada, cuadros analticos o comparativos estas estructuras son la base
para la presentacin en forma grfica siendo las ms usuales el grafico de sectores, pictogramas
grafico de barras histogramas de frecuencias graficas lineales, entre otras.
Recordemos lo visto en las primeras clases y que esto forma parte de la estadstica descriptiva:

F-CV3-3B-3

Rev. Junio 2007

27

Lo trascendente de este captulo es que el estudiante se encuentre en la capacidad de obtener

grficos y cuadros estadsticos, para ello usaremos el programa estadstico SPSS (V.20) revisar su
gua de prctica); as como tambin la correcta presentacin de sus grficos y cuadros estadsticos,
para lo cual haremos uso de la gua y manual elaboradas y publicadas por el INEI Instituto Nacional
de Estadstica e Informtica

ESTRUCTURA Y ELEMENTOS DE UN GRFICO ESTADSTICO :

1. CDIGO O NMERO DE GRFICO
2. TITULO
3. CUERPO
FIGURA
ESCALA O EJE DE VALORES
LEYENDA
EJE DE CONCEPTOS
4. PIE
NOTA
LLAMADA
FUENTE

F-CV3-3B-3

Rev. Junio 2007

28

TIPOS DE GRAFICOS:

DIAGRAMA DE BARRAS
HISTOGRAMA.
POLIGONO.
DISPERSIN.
GRAFICO DE SECTORES

ESTRUCTURA Y ELEMENTOS DE UN CUADRO ESTADSTICO :

1.
2.
3.
4.

CDIGO O NMERO DE CUADRO.

TITULO
ENCABEZAMIENTO
COLUMNA MATRIZ.
ENCABEZAMIENTO DE COLUMNA MATRIZ.
LISTADO DE CLASIFICACIONES.
5. CUERPO
6. PIE
NOTA
LLAMADA
FUENTE
ELABORACIN.

F-CV3-3B-3

Rev. Junio 2007

29

TABLAS DE FRECUENCIAS
Presenta los datos en una tabla organizada segn las modalidades o niveles si la variable es
cualitativa. Por intervalos o puntual si la variable es cuantitativa.
VARIABLE
C1
C2
C3

TOTAL

fi

hi

Pi%

Fi

Hi

Pi%

100

Frecuencia simple o conteo ( fi ) : Conteo de los datos que se repiten para cada clase
Frecuencia relativa ( hi ):Proporcin de valores con una determinada clase. Se obtiene hi=fi/n
Frecuencia Porcentual ( pi%i ): Porcentaje de elementos por cada clase. Se obtiene pi%= hi*100
Frecuencia acumulada simple ( Fi ): Conteo de los datos agrupados desde la clase 1 hasta
la clase i. Se obtiene: F1= f1; F2= f1+f2; F3=f1+f2+f3
Frecuencia acumulada relativa ( Hi ): Proporcin acumulada de valores desde la clase 1 hasta la
clase i. Se obtiene H1=h1; H2= h1+h2;H3=h1+h2+h3
Frecuencia acumulada Porcentual ( Pi% ): Porcentaje acumulado de valores desde la clase 1 hasta la
clase i. Se obtiene P1%=p1%;P2%=p1%+p2%; P3%=p1%+p2%+p3%

F-CV3-3B-3

Rev. Junio 2007

30

CAPITULO IX: MEDIDAS RESUMEN O MEDIDAS DESCRIPTIVAS

A.- MEDIDAS DE TENDENCIA CENTRAL
Las medidas de tendencia central fueron definidas con el propsito de obtener valores que
representan un punto central de los datos. Los ms usados son la media aritmtica, la mediana y la
moda.
1.- LA MEDIA ARITMTICA O PROMEDIO (Me o ). Tambin denominada Media aritmtica o
promedio Es el valor representativo de un conjunto de datos numricos. Los pasos para su
obtencin son: sumar todos los valores de cada una de las observaciones y el resultado se divide
entre el nmero total de observaciones.

Ejm:
1.- Encuentre el promedio en los siguientes datos.
N horas de trabajo: 10, 8, 6, 3, 2, 2, 5

10 8 6 3 2 2 5 36

5,14
7
7

Interpretacin: El promedio de horas trabajadas es 5,14.

2.- Si los datos estn ordenados en una tabla, entonces:
A
B
C
D
E

de hijos
1
3
5
6
7
Total

# Familias
3
2
4
3
5
17

1*3 3*2 5*4 6*3 7*5

4,82
3 2 4 3 5

Interpretacin: El nmero promedio de hijos es aproximadamente 5

NOTA: La media es muy sensible a los valores extremos de la variable, tanto muy altos como muy
bajos.
2.- LA MODA (Mo). Es el valor que ms se repite en una serie de datos. En algunos casos es posible
encontrar una o ms modas.

F-CV3-3B-3

Rev. Junio 2007

31

Ejm:
1.- Halle la moda en el siguiente conjunto de datos
A) N horas de trabajo: 10, 8, 6, 3, 2, 2, 5,7, 9, 11
Mo = 2 (Unimodal)
Interpretacin: es frecuente que se trabaje 2 horas
B) N de hijos: 1, 2 ,2, 5, 3, 6, 3, 4, 7
Mo = 2
Mo = 3 (Bimodal)
Interpretacin: Las cantidades de nmeros de hijos ms frecuentes son 2 y 3 hijos.
C) Edad: 11, 13, 14,10,11,13,16,11,17,13,10,15,10
Mo= 11
Mo= 10
Mo= 13 (Multimodal)
Interpretacin: La edad ms frecuente es de 10, 11 y 13 aos.
3.- LA MEDIANA (Med= Me=Md). Es el primer valor de la variable que deja por debajo de s al 50%
de las observaciones. Es decir, es el valor que divide exactamente a la mitad una serie de valores
ordenados de mayor a menor.
Propiedades de la mediana.

Como medida descriptiva, tiene la ventaja de no estar afectada por las observaciones
extremas, ya que no depende de los valores que toma la variable, sino del orden de las
mismas. Por ello es adecuado su uso en distribuciones asimtricas.
Es de clculo rpido y de interpretacin sencilla.
A diferencia de la media, la mediana de una variable cuantitativa discreta es siempre un
valor de la variable que estudiamos (ej. La mediana de una variable nmero de hijos toma
siempre valores enteros).

F-CV3-3B-3

Rev. Junio 2007

32

Pasos para obtener lo mediana:

a)
b)
c)
d)

Ordenar los valores de las observaciones de menor a mayor

Identificar la ubicacin del valor de la mediana
Cuando la serie es par, identificar los valores centrales, sumarlos y promediarlos.
Cuando la serie es impar, identificar el valor central.

NOTA: Cuando la cantidad de observaciones es impar la mediana es el valor de la observacin que

justamente est en medio de la serie ordenada de valores:
Ejm: Halle la mediana en el conjunto de datos: Nmero de CPN por paciente en el C.S. Buena
Esperanza : 5, 3, 4, 6, 1, 4, 6, 7, 2, 3, 1
1) Ordene los valores de menor a mayor: 1-1- 2- 3-3- 4- 4-5-6-6-7
2) El nmero de datos (n): n= 11
3) Reemplazando en la frmula: Md

n 1 11 1

6
2
2

El 6 es la posicin de la mediana
5
Se observa que: 1 1 2 3 3
4 4 5 6 6 7
4) Md = 4 ( el nmero 4 ocupa la sexta posicin de los datos ordenados)
Interpretacin: La mitad de las pacientes no supera los 4 CPN.

NOTA: Cuando el nmero de observaciones es par, la mediana es el promedio de los valores

centrales, ordenado en forma progresiva.
Ejm: Halle la mediana en el conjunto de datos: Nmero de CPN en el C.S. Buena Esperanza : 5,3,
4,6,1,4,6,7,2, 3,1, 5
1) Ordene los valores de menor a mayor: 1-1-2-3-3- 4- 4-5-5-6-6- 7
2) El nmero de datos (n): n= 12
3) Hallar: Md

n 12
6
2 2

La posicin 6 indica el valor de la mediana.

6
6
Se observa que: 1 1 2 3 3 4 4 5 5 6 6 7
4) Reemplazando: Md

44 8
4
2
2

Interpretacin: El 50% de los pacientes tiene a 4 CPN en el C.S. Buena Esperanza.

F-CV3-3B-3

Rev. Junio 2007

33

B.- MEDIDAS DE POSICIN: CUARTILES, DECILES Y PERCENTILES

En estadstica descriptiva, las medidas de posicin no central permiten conocer otros puntos
caractersticos de la distribucin que no son los valores centrales. Estas medidas de posicin son
utilizadas para designar ciertas posiciones o ubicaciones sobre el eje horizontal cuando se elabora
una grfica de la distribucin de una variable.

1 .- CUARTILES
Los cuartiles tienen la propiedad de utilizar 3 valores para dividir la serie estadstica en cuatro
grupos de nmeros iguales de trminos. Se emplean generalmente en la determinacin de estratos
o grupos correspondientes a fenmenos socio-econmicos, monetarios o tericos.

F-CV3-3B-3

Rev. Junio 2007

34

Los tres cuartiles suelen designarse con los smbolos:

Q1 = primer cuartil
(25%)
Q2 = segundo cuartil (50%)
Q3 = tercer cuartil
(75%)

25%

25%

25 %

25%

2 .- DECILES
Los deciles son los nueve valores que dividen la serie de datos en diez partes iguales. Estos valores
correspondientes al 10%, al 20%... y al 90% de los datos.

3 .- PERCENTILES
Los percentiles, nos dicen cmo est posicionado un valor respecto al total de una muestra. Son los
99 valores que dividen en 100 partes iguales una serie ordenada de datos. Los percentiles dan
valores que indican el P1 = 1%, P2 = 2%, y al P99 = 99% de los datos.

NOTA:

Los valores del Q2 = D5 = P50 = MEDIANA = 50% del conjunto de datos.

Los valores del Q1 = P25 = 25% del conjunto de datos.
Los valores del Q3 = P75 = 75% del conjunto de datos.
Para determinar el valor de la posicin, es necesario que los valores sean colocados de
menor a mayor.

F-CV3-3B-3

Rev. Junio 2007

35

DONDE:
N : Nmero total de datos.
Li : Limite inferior de la clase.
FA : Frecuencia acumulada de la clase.
(FA 1): Frecuencia absoluta acumulada de la clase anterior.
fa : Frecuencia absoluta de la clase.
t : Tamao o amplitud de la clase.

EJEMPLOS: PARA DATOS NO AGRUPADOS

El siguiente conjunto de datos corresponden a las edades de 10 pacientes atendidos en el
consultorio de medicina. Calcule usted el Q2, D5, P50.
22, 29, 31, 19, 18, 21, 17, 18, 20, 26

PASO 1: Los datos deben ser ordenados de menor a mayor

17, 18, 18, 19, 20, 21, 22, 26, 29, 31 (N = 10)
1.- Para clculo de Cuartil, en este caso Q2.
Reemplazamos Qk = Q2; por lo tanto el valor de K = 2.

PASO 2: Reemplazamos datos

Reemplazando en la formula Qk

17,
1

18,
2

18, 19,
3 4

k *n
; Q2 = 2*10 =
4
4

20, 21, 22, 26, 29, 31

5
6
7
8
9 10

F-CV3-3B-3

Rev. Junio 2007

36

Entonces Q2 = 5 ; pero recordemos que esto es posicin, en este caso la posicin 5 ocupa el valor
nmero 20; por lo tanto el valor de Q2 = 20.
PASO 3: Se interpretan los resultados
La interpretacin sera que el 50% de los pacientes atendidos tienen menor o igual a 20 aos.
2.- Para el clculo de Decil, en este caso D5; realizaremos el mismo procedimiento.
Utilizando la siguiente formula Dk

k *n
10

; reemplazaremos los datos Dk = D5,

entonces K = 5; por lo que:

D5 = 5*10 = 5 ; nuevamente esto es posicin; hay que ubicar el valor numrico.
10
17,
1

18, 18, 19, 20, 21, 22, 26, 29, 31

2
3 4 5 6 7 8 9 10

Diremos que el valor numrico del D5 es 20; su interpretacin sera que la edad de la ubicacin del
50% de los datos es de 20 aos, D5 = 20.
3.- Para el clculo del Percentil, en este caso P50; realizaremos el mismo procedimiento.
Utilizando la siguiente formula Pk

k *n
; reemplazaremos los datos Pk = P50,
100

entonces K = 50; por lo que:

P50 = 50*10 = 5 ; nuevamente esto es posicin; hay que ubicar el valor numrico.
100

17,
1

18,
2

18,
3

19,
4

20, 21, 22, 26, 29, 31

5
6
7
8
9 10

Diremos que el valor numrico del P50 es 20; su interpretacin sera que la edad de la ubicacin del
50% de los datos es de 20 aos; P50 = 20.
NOTA: Obsrvese que los valores en este caso se obtuvieron igual; debido a que, Q2 = D5 = P50 y
todos estos equivales a la ubicacin u posicin del 50% de los datos; lo que a su vez es igual a la
mediana como valor central.

F-CV3-3B-3

Rev. Junio 2007

37

EJEMPLOS: PARA DATOS AGRUPADOS

El siguiente conjunto de datos corresponden al nmero de atenciones de mujeres que acuden al
consultorio de oncologa en el Hospital Nacional Dos de Mayo.
Calcule usted el Q3, D6, P30.

Paso 1: Primero se debe identificar cual es la clase en la que se trabajara, para lo cual diremos que
la debe encontrarse entre:
C
1
2
3
4
5

Donde n=10

Ii
[1 - 2>
[2 - 3>
[3 - 4>
[4 - 5>
[5 - 6>

fa
2
4
1
1
2

FA
2
6
7
8
10

1.- Entonces para calcular Cuartil, en este caso Q3:

FA 1 <

< FA

Q3

FA 1 <

Qk

Reemplazando: FA 1

k *n
4

<

7.5

8 <

El valor de 7.5 se redondea por su

nmero mayor inmediato, sea 8; por
principio de equivalencia.

< FA
<

FA

< 10

Por lo tanto la clase C es 5; y trabajaremos con los datos de este nivel.

Utilizando la frmula: Qk Li

Q3 5

((k * n) / 4) ( FA1 )
* t ; reemplazando datos:
fa

(8) (8)
*1 5 ; Entonces diremos que el Q3 = 75 % de las mujeres atendidas en el
2

consultorio de oncologa tienen 5 controles 5 atenciones aproximadamente.

2.- Para el clculo de Decil, en este caso D6; se proceder de la misma manera.
Primero ubicaremos la clase:
FA 1 <
FA 1 <
Reemplazando:

D6

Dk

k *n
10

FA 1 < 6 <
6

< 6 <

< FA
< FA
FA
7

F-CV3-3B-3

Rev. Junio 2007

38

Por lo tanto la clase C es 3; y trabajaremos con los datos de este nivel o clase.
Utilizando la formula: Dk Li

D6 3

((k * n) /10) ( FA1 )

* t ; reemplazando datos:
fa

(6) (6)
*1 3 ; Entonces diremos que el D6 = 60 % de las mujeres atendidas en el
1

consultorio de oncologa tienen 3 controles 3 atenciones aproximadamente.

3.- Para el clculo de Percentil, en este caso P30; se proceder de la misma manera.

Primero ubicaremos la clase:

FA 1 <

P30

Pk

FA 1 <
Reemplazando:

FA 1
2

<

< FA

k *n
100
3
3

< FA
<
<

FA
6

Por lo tanto la clase C es 2; y trabajaremos con los datos de este nivel o clase.

Utilizando la frmula: Pk Li

P30 2

((k * n) /100) ( FA1 )

*t
fa

; reemplazando datos:

(3) (2)
*1 2, 25 , lo que equivale a 2.
4

Entonces diremos que el P30 = 30 % de las mujeres atendidas en el consultorio de oncologa tienen
2 controles 2 atenciones aproximadamente.

C.- MEDIDAS DE DISPERSION

1.- RANGO (R).- Se denomina rango estadstico (R) o recorrido estadstico al intervalo de menor
tamao que contiene a los datos; es calculable mediante la resta del valor mnimo (Vmin) al valor
mximo (Vmax); por ello, comparte unidades con los datos. Permite obtener una idea de la
dispersin de los datos.
R = Vmax - Vmin

F-CV3-3B-3

Rev. Junio 2007

39

Ejemplo:
En el siguiente conjunto de datos se muestran las edades de los nios captados para vacunacin
durante la visita domiciliaria realizada al A.A.H.H. Virgen del Rosario.
5, 9, 8, 4, 2, 1, 7, 6 ; Primero ordenaremos de menor a mayor: 1, 2, 4, 5, 6, 7 ,8 ,9
N=8
Val mx. = Vmax = 9
Val mn. = Vmin = 1

Si R = Vmax Xmin entonces: R = 9 1 = 8

2.- VARIANZA (S2). Es la diferencia cuadrtica de n puntuaciones con respecto a su media

aritmtica. Esta medida es siempre una cantidad positiva, por lo que se considera la dispersin que
presentan los datos con respecto al valor promedio. Distinguimos dos smbolos para identificar la
varianza: S2 para datos mustrales, y 2 para datos poblacionales. Su frmula es la siguiente:
Donde:

X i 2 n( X ) 2
S
(n 1)
i 1
n

Xi2 = Valor numrico del dato elevado al cuadrado.

N = Nmero total de datos.
()2 = Promedio o media, elevado al cuadrado.
Ejemplo:

Tomando los datos del ejemplo anterior debidamente ordenados de menor a mayor.
1, 2, 4, 5, 6, 7 ,8 ,9 ; donde n = 8
Entonces:
Xi2 = (1)2 + (2)2+ (4)2 +(5)2+ (6)2 +(7)2 +(8)2 +(9)2 = 276
()2 = (5,25)2 ; por lo tanto, ()2 = 27.56
Reemplazando en la frmula:

(27,56) 8(5,25)2
S
7,9
(8

1)
i 1
n

3.- DESVIACIN TPICA (S o ).- Tambin denominada desviacin estndar; si bien la varianza
representa unidades al cuadrado, por lo que no es una medida adecuada de dispersin si se
pretende expresar este concepto en trminos de las unidades originales.
Para obtener la medida de dispersin en unidades originales, simplemente se obtiene la raz
cuadrada de la varianza. El resultado se llama desviacin estndar, la cual se obtiene mediante la
siguiente frmula.

F-CV3-3B-3

Rev. Junio 2007

40

Ejemplo: Tomando los datos del ejemplo anterior debidamente ordenados de menor a mayor.
1, 2, 4, 5, 6, 7 ,8 ,9 ; donde N = 8 y S2 = 7.9
Diremos que si la S2 = 7.9, entontes S = 7.9 ;por lo que, S = 2.81
La interpretacin sera que la desviacin estndar de esta variable se encuentra a 2.81
puntuaciones con respecto a la media.
Para comprender la interpretacin; por ejemplo, en estas tres muestras (0, 0, 14, 14), (0, 6, 8, 14) y
(6, 6, 8, 8) cada una tiene una media de 7. Sus desviaciones estndar mustrales son 8,08; 5,77 y
1,15 respectivamente. La tercera muestra tiene una desviacin mucho menor que las otras dos
porque sus valores estn ms cerca de 7.
NOTA:
Tener presente que la Varianza y la Desviacin estndar son sensibles a la variacin de cada una de
las puntuaciones, es decir, si una puntuacin cambia, cambia con ella la varianza. La razn es que si
miramos su definicin, la varianza es funcin de cada una de las puntuaciones. Tanto la varianza
como la desviacin estndar miden la variabilidad de la variable.

COEFICIENTE DE VARIACIN (CV)

En estadstica el coeficiente de variacin, es una medida de dispersin til para comparar
dispersiones a escalas distintas pues es una medida invariante ante cambios de escala. Sirve para
comparar la variabilidad de dos conjuntos de valores que estn a distintas escalas pero que estn
correlacionadas estadsticamente y sustantivamente con un factor en comn. Es decir, ambas
variables tienen una relacin causal con ese factor.
Su clculo resulta de dividir la desviacin tpica o estndar con la media y todo multiplicada por 100.

Cv

S
*100
X

Por ejemplo Qu ocurrir si lo que comparamos es la altura de unos elefantes con respecto a su
peso? Tanto la media como la desviacin tpica, y , se expresan en las mismas unidades que la
variable. Por ejemplo, en la variable altura podemos usar como unidad de longitud el metro y en la
variable peso, el kilogramo. Comparar una desviacin (con respecto a la media) medida en metros
con otra en kilogramos no tiene ningn sentido.
El coeficiente de variacin es lo que nos permite evitar estos problemas, pues elimina la
dimensionalidad de las variables y tiene en cuenta la proporcin existente entre medias y desviacin
tpica

F-CV3-3B-3

Rev. Junio 2007

41

El Cv representa el nmero de veces que la desviacin tpica contiene a la media aritmtica y por lo
tanto cuanto mayor es Cv mayor es la dispersin y menor la representatividad de la media.
El coeficiente de variacin es tpicamente menor que uno. Para su mejor interpretacin se expresa
como porcentaje. Depende de la desviacin tpica y en mayor medida de la media aritmtica, dado
que cuando sta es 0 o muy prxima a este valor C.V. pierde significado, ya que puede dar valores
muy grandes, que no necesariamente implican dispersin de datos.
Grado de variabilidad de los datos

Coeficiente de variabilidad

Con variabilidad baja

Con variabilidad moderada
Con alta variabilidad

Menos de 10% (Muestra homognea)

De 10% a 30% (Muestra homognea)
Ms de 30% (Muestra heterognea)

D.- MEDIDAS DE FORMA

Las medidas de forma permiten comprobar si una distribucin de frecuencia tiene caractersticas
especiales como simetra, asimetra, nivel de concentracin de datos y nivel de apuntamiento que la
clasifiquen en un tipo particular de distribucin.
Las medidas de forma son necesarias para determinar el comportamiento de los datos y as, poder
adaptar herramientas para el anlisis probabilstico

COEFICIENTE DE ASIMETRIA Y CURTOSIS

La utilizacin del coeficiente de curtosis y asimetra nos permite verificar en cuanto se parece los
datos estadsticos usados a una distribucin terica o normal.

1.- COEFICIENTE DE ASIMETRIA (AS)

Es una medida de la forma de la distribucin de los datos estadsticos. Constituye un indicador del
lado de la curva donde se agrupan las frecuencias.
As = 0 : es una curva simtrica donde la media, mediana y moda tienen el mismo valor.
As = positiva : la concentracin de los datos es hacia la derecha de la curva normal.
AS = negativa : la concentracin de los datos es hacia la izquierda de la curva normal.
As<0

As=0

Asimetra Negativa a la Simtrica

Izquierda

As>0
Asimetra Positiva a la Derecha.

F-CV3-3B-3

Rev. Junio 2007

42

Diremos que una distribucin es simtrica cuando su mediana, su moda y su media aritmtica
coinciden. Diremos que una distribucin es asimtrica a la derecha si las frecuencias (absolutas o
relativas) descienden ms lentamente por la derecha que por la izquierda. Si las frecuencias
descienden ms lentamente por la izquierda que por la derecha diremos que la distribucin es
asimtrica a la izquierda.
Su valor es cero cuando la distribucin es simtrica, positivo cuando existe asimetra a la derecha y
negativo cuando existe asimetra a la izquierda.

Su ecuacin resulta de:

AS

3
i

nx * S x 3

X i 3 ( X X )3

Dnde:

AS: coeficiente de asimetra

xi3: sumatoria de los xi3
nx: nmero de datos
Sx: desviacin estndar

F-CV3-3B-3

Rev. Junio 2007

43

CAPTULO X: DISTRIBUCIN NORMAL

1.- DISTRIBUCIN NORMAL O CAMPANA DE GAUSS
Gran nmero de distribuciones tienen la forma de una campana, es decir, alejndose de la media a
la derecha e izquierda el nmero de observaciones decrece de forma similar, esto genera una curva
simtrica. Su ecuacin resulta de la funcin de la media (promedio) y de su desviacin estndar.
Ante infinitas posibilidades de media y desviacin estndar el proceso de tipificacin permite
reducirla a una sola: Me = 0 y S = 1y se presenta: X N ( Me, Sx)

PROPIEDADES DE LA DISTRIBUCIN NORMAL:

La distribucin normal posee ciertas propiedades importantes que conviene destacar:
Tiene una nica moda, que coincide con su media y su mediana.
La curva normal es asinttica al eje de abscisas. Por ello, cualquier valor entre

es

tericamente posible.
Es simtrica con respecto a su media.
El rea total bajo la curva es igual a 1.
Es simtrica con respecto a su media (Me), Segn esto, para este tipo de variables existe una
probabilidad de un 50% de observar un dato mayor que la media, y un 50% de observar un
dato menor.
La distancia entre la lnea trazada en la media y el punto de inflexin de la curva es igual a
una desviacin estandar (S). Cuanto mayor sea la S, ms aplanada ser la curva de la
densidad.
El rea bajo la curva comprendida entre los valores situados aproximadamente a dos
desviaciones estndar de la media es igual a 0.95. En concreto,
existe un 95% de posibilidades de observar un valor comprendido en el intervalo.

F-CV3-3B-3

Rev. Junio 2007

44

PROPIEDAD DE LA REGLA EMPRICA (DISTRIBUCIN NORMAL)

1.- Aproximadamente el 68 % de todos los valores del conjunto o poblacin, se encuentran

dentro del intervalo desde

- S hasta
+ S.
2.- Aproximadamente el 95% de todos los valores se encuentran dentro del intervalo desde
2S hasta
+ 2S.
3.- Aproximadamente el 100% de todos los valores se encuentran dentro del intervalo
desde
S hasta
+ 3S.
Entonces combinando estas tres reglas podemos construir el siguiente grfico:

2.5%

13.5%

34%

34%

13.5%
S

2.5%

Tambin lo podemos apreciar de la siguiente manera.

-3s

-2s

-1s

+1s +2s +3s

68.26%
95.46%
99.73%

Ejm: Con los datos de las 100 alumnas que rindieron el examen de fisiopatologa, se obtuvieron las
siguientes medidas: el promedio de notas es 14 con un desviacin estndar de 2. Supongamos que
las calificaciones de la pruebas producen un histograma simtrico y en forma de campana.
Qu porcentaje de alumnos salieron desaprobados?
1)
2)
3)
4)
5)
6)

Me= 15
S= 2
2,5% de las alumnas = 15-4 (2 desviaciones estndar)= 11 (nota)
2,5% de las alumnas tienen una nota menor de 11
2,5% (100) = Es aproximadamente entre 2 y 3 alumnos los que desaprobaron.
Por lo tanto 2,5% alumnas salieron desaprobadas.

F-CV3-3B-3

Rev. Junio 2007

45

CAPTULO XI: PLANTEAMIENTO DE HIPTESIS

La Estadstica se ocupa de los mtodos y procedimientos para recoger, clasificar, resumir, hallar
regularidades y analizar los datos, siempre y cuando la variabilidad e incertidumbre sea una causa
intrnseca de los mismos; as como de realizar inferencias a partir de ellos, con la finalidad de ayudar
a la toma de decisiones y en su caso formular predicciones.
Es la parte de la Estadstica dedicada a la formulacin de supuestos y estimaciones apoyndose en el
clculo de probabilidades y a partir de datos mustrales, efecta estimaciones, decisiones,
predicciones y poder sacar conclusiones de los datos obtenidos con el estudio de las muestras. Y as,
poder tomar decisiones con base cientfico. La Estadstica Inferencial trata de establecer cul es la
probabilidad de que la diferencia observada se deba slo al azar del muestreo. El tratamiento
estadstico (matemtico) de los datos le asignar una probabilidad a que la diferencia observada sea
casual.
PASOS DE INFERENCIA ESTADSTICA
Una vez recolectado los datos, hay que proceder a realizar los anlisis, y para ello la estadstica tiene
un procedimiento a seguir, recomendamos iniciar con los pasos y luego con la experiencia estos ya
no sern tan necesarios. Antes debemos conocer los tipos de hiptesis.

TIPOS DE HIPOTESIS SEGN SU NATURALEZA:

1.- H. Investigacin (Hi)
1.1
1.2
1.3
1.4

H. Descriptiva.
H. Correlacional.
H. Diferencia de Grupos.
H. Que establecen Causalidad.

2.- H. Nula (H0).

3.- H. Alternativa (Ha).
4.- H. Estadstica.
1.- Hiptesis de Investigacin (Hi).- Son proposiciones tentativas acerca de las posibles relaciones
entre dos o ms variables.
2.- Hiptesis Nula (H0).- Son en cierto modo, el reverso de las hiptesis de investigacin. Son
proposiciones que niegan o refutan la relacin entre variables.
3.- Hiptesis Alternativa (Ha).- Son posibilidades diferentes o alternas ante la hiptesis de
investigacin y nula.
4.- Hiptesis Estadstica.- Es la transformacin de las hiptesis de investigacin, nula y alternativa
en smbolos estadsticos.

F-CV3-3B-3

Rev. Junio 2007

46

Pasos inciales para la prueba de hiptesis:

1. PLANTEAR LAS HIPTESIS.- Significa colocar en palabras la hiptesis alterna y su
correspondiente hiptesis nula, por ejemplo en un estudio descriptivo si se quiere encontrar
la prevalencia de la anemia en Cerro de Pasco, el enunciado de las hiptesis sera del
siguiente modo:
Enunciado de la hiptesis investigacin
Hi: La prevalencia de la anemia en Cerro de Pasco es del 13%
Enunciado de la hiptesis nula
Ho: La prevalencia de la anemia en Cerro de Pasco no es del 13%
Enunciado de la hiptesis alternativa
Ha = La prevalencia de anemia en Cerro de Pasco es ms del 13%
Del mismo modo si tratramos de encontrar una asociacin entre la violencia psicolgica y el bajo
nivel educativo sera de la siguiente manera:
Hi: Existe relacin entre la violencia psicolgica y el bajo nivel educativo.
Ho: La relacin entre la violencia psicolgica y el bajo nivel educativo se deben al azar.
Ha : No existe relacin entre la violencia psicolgica y el bajo nivel educativo.

2. PLANTEAR LA HIPTESIS ESTADSTICA.- Significa pasar a parmetros matemticos los

enunciados escritos; realizar su operacionalizacin.
Operacionalizar las hiptesis
Significa pasar a parmetros matemticos los enunciados escritos, siguiendo los ejemplos anteriores
sera del siguiente modo:

Enunciado de la hiptesis nula

Ho: La prevalencia de la anemia en Cerro de Pasco es del 13%
H0 :
0
0 0

H0 : X = Y es igual a colocar H0 : X = 13%

Enunciado de la hiptesis alterna

Ha: La prevalencia de la anemia en Cerro de Pasco no es del 13%
Ha:
0

0 0

Ha : X Y es igual a colocar Ha : X 13%

F-CV3-3B-3

Rev. Junio 2007

47

Enunciado escrito:
Ho: La relacin entre la violencia psicolgica y el bajo nivel educativo se deben al azar.
Hi: La relacin entre la violencia psicolgica y el bajo nivel educativo no se deben al azar.
Enunciado operacionalizado
Ho: X = Y
H1: X Y
Enunciado escrito:
Ho: A menor consumo de protenas de origen animal, menor es el nivel de hemoglobina.
Hi: A mayor consumo de protenas de origen animal, mayor es el nivel de hemoglobina.
Enunciado operacionalizado
Ho: X Y
Hi: X > Y

3. IDENTIFICAR RANGO DE ACEPTACIN.- Para la identificacin del rango de aceptacin, es

preciso identificar si la curva de contrastacin tendr una o dos colas, una curva tiene dos colas
cuando la operacionalizacin de las hiptesis tiene los conectores = o , as mismo se tendr
contrastacin con grficos de una cola cuando los conectores son < o >, la direccin de la cola
depender del smbolo.

2 colas ( =
)

1 cola ( < >

)

Estadstico a utilizar. Es necesario indicar aqu, incluso colocar la frmula respectiva, si se trata de
un estadstico paramtrico o no paramtrico, los ejemplos estn en los flujogramas adelante
descritos.
Nivel de significancia. Es un convencionalismo que para ciencias de la salud, es un nivel de
significacin estadstico < 0,05
Interpretacin. Finalmente hay que indicar la decisin, es decir, rechazar o no la hiptesis nula,
en estadstica nunca se puede indicar que aceptar la hiptesis alterna, puesto que la estadstica
trabaja a travs de la negacin de las inferencias.

F-CV3-3B-3

Rev. Junio 2007

48

CAPTULO XII: PRUEBA DE HIPTESIS

Cuando se van a realizar pruebas de hiptesis relativas a la media poblacional, se debe saber si la
2
varianza poblacional s es conocida o desconocida, ya que la distribucin subyacente al
estadstico de prueba ser la normal estndar si la varianza es conocida, y la distribucin t en caso
contrario.

P AS OS D E U N A P RU EB A D E HIP OTES IS
1

Se
pla n t ea
H ipt esis

Se
Seleccion a
n ivel de

Ho
Ha

sign ifica n cia

95%

Se
iden t ifica
el
est a dst ico
de pr u eba

Z n or m a l
T st u den t
J i - cu a dr a do

Se
for m u la
la r egla
de
decisin

Se
seleccion
a n u est r a
r espu est a

Oper a cion a liza

h ipt esis

Acept a H o
Rech a za H o

CONTRASTE DE HIPOTESIS
Nos ayuda a tener clara la orientacin de las colas en una grfica de aceptacin.

BILATERAL

Ho = k

Ha k

Ho > k

Ha < k

Ho < k

Ha > k

UNILATERAL

Prueba bilateral o de dos extremos:

Cuando la hiptesis planteada utiliza smbolos de igualdad o su opuesto.

F-CV3-3B-3

Rev. Junio 2007

49

Hi : X = Y
H0 : X Y

Pruebas unilateral o de un extremo:

CASO A: Cuando la hiptesis planteada utiliza smbolos de mayor o igual ().
Ho : X Y
Ha : X < Y

CASO B: Cuando la hiptesis planteada utiliza smbolos de menor o igual (<).

Ho : x y
Ha : x > y

ERRORES DE HIPOTESIS

F-CV3-3B-3

Rev. Junio 2007

50

CAPTULO XIII: DISTRIBUCIN T-STUDENT

1.- DISTRIBUCION T- STUDENT
La prueba t de Student, es una prueba diseada por William Sealy Gosset en 1908 a principios del
siglo XX, quin trabajaba en una fbrica de cerveza, Guinness, que prohiba a sus empleados la
publicacin de artculos cientficos debido a una difusin previa de secretos industriales. De ah que
Gosset publicase sus resultados bajo el seudnimo de Student.
La prueba t de Student tiene por objeto contar con un indicador estadstico que seale las
diferencias en los promedios obtenidos de dos muestras con el objeto de verificar una hiptesis
dada. Generalmente las muestras se toman sobre dos grupos dentro de una poblacin, casi siempre
siguiendo los principios de prueba de la hiptesis nula.
Las asunciones a tomar en cuenta para considerar como vlido el resultado de la prueba son las
siguientes:
1-Los datos estn distribuidos de acuerdo a la curva normal.
2-Existe una equivalencia entre las desviaciones estndar de la muestra.
3.- Se aplica a variables cuantitativas y es simtrica con respecto a la media.
4.- Toma valores (+) y (-); pero lo importante es el valor numrico, el signo nos proporciona direccin.
5.- Tiene forma de campana y posee ms dispersin que la distribucin normal.
6.-Las poblaciones (medias poblacionales) pueden ser dependientes o independientes, dependiendo
de la hiptesis o los tipos de muestra. Las muestras independientes involucran trabajar con dos
grupos seleccionados aleatoriamente. En las muestras dependientes se busca que encajen ciertas
variables o que los grupos sean virtualmente "gemelos".
Donde:
D = Media o promedio de la distribucin de datos.
0 = Media asumida para la poblacin.
SD = Desviacin estndar de la distribucin.
N = Nmero total de datos.
GRADOS DE LIBERTAD:
Est en funcin a la S (incertidumbre). Son los parmetros de la distribucin t-Student, podemos
definirlo como el nmero de valores que podemos elegir libremente.

0
0 0

GL = N - 1

F-CV3-3B-3

Rev. Junio 2007

51

VARIANTES DENTRO DE LA PRUEBA t:

Cuando se parte de un promedio asumido para la poblacin, y se toma una sola muestra la prueba t
de una sola muestra implica usar la siguiente frmula.

Donde 0 corresponder a la media asumida para la poblacin, y los dems valores corresponden a
los calculados a partir de la muestra (s es la desviacin estndar).
Esta prueba es vlida para un muestreo independiente, es decir, donde se han escogido el grupo de
estudio de forma aleatoria.
Ejemplo:

Nota: v es igual connotacin que grados de libertad (gl)

F-CV3-3B-3

Rev. Junio 2007

52

CAPTULO XIV: DISTRIBUCIN JI-CUADRADO

En estadstica y estadstica aplicada se denomina prueba (pronunciado como "Ji-cuadrado" y a
veces incorrectamente como "chi-cuadrado") a cualquier prueba en la que el estadstico utilizado
sigue una distribucin si la hiptesis nula es cierta. Algunos ejemplos de pruebas son:

La prueba de Pearson, la cual tiene numerosas aplicaciones:

La prueba de frecuencias
La prueba de independencia
La prueba de bondad de ajuste
La prueba de Pearson con correccin por continuidad o correccin de Yates.
La prueba de Bartlett de homogeneidad de varianzas

PRUEBA DE PEARSON
La prueba de Pearson es considerada como una prueba no paramtrica que mide la discrepancia
entre una distribucin observada y otra terica (bondad de ajuste), indicando en qu medida las
diferencias existentes entre ambas, de haberlas, se deben al azar en el contraste de hiptesis.
Tambin se utiliza para probar la independencia de dos variables entre s, mediante la presentacin
de los datos en tablas de contingencia.
La frmula que da el estadstico es la siguiente:
Donde:

X2 = ( Fo Fe )2

X2 = Ji cuadrado.

Fe

Fo = Frecuencia observada.
Fe = Frecuencia esperada.

Cuanto mayor sea el valor de 2, menos verosmil es que la hiptesis sea correcta. De la misma
forma, cuanto ms se aproxima a cero el valor de chi-cuadrado, ms ajustadas estn ambas
distribuciones.
Los grados de libertad gl vienen dados por:

gl= (r-1)(k-1).

Donde r es el nmero de filas y k el de columnas.

Criterio de decisin:

Se acepta H0 cuando

. En caso contrario se rechaza.

Ejemplo:

F-CV3-3B-3

Rev. Junio 2007

53

Un laboratorio clnico ensaya cuatro vacunas para prevenir el refri comn en mujeres. Se catalogo
(F) si el individuo vacunado se resfriaba en los tres meses siguientes a la vacuna y de xito (E) si no
se resfriaba en igual plazo.
VACUNA
A
B
C
D
TOTAL

FRACASO
6
12
18
17
53

XITO
37
23
27
20
107

TOTAL
43
35
45
37
160

Hallando el gl = (4 1)*(2 1)
gl = (3)*(1) = 3
Considerando un intervalo de confianza del
95% < > 0.05 nivel de significancia (ver tabla
Anexo N 9)
Punto crtico = 7,81

Completando datos:
CELDA

Fo

Fe

(Fo - Fe)2/Fe

AF
BF
CF
DF
AE
BE
CE
DE

6
12
0
17
37
0
27
20

14,2
11,6
0
12,2
28,8
0
30,1
24,8

4,7
0
0
1,9
2,3
0
0,3
0,9

Al efectuar el ji-cuadrado obtenemos:

X2 = 10.1

X2 = 10.1
Entonces:

Rechaza (H0)
Hiptesis Nula

Z
7.8
1

10.
1

Planteando las Hiptesis:

H0 = Los 4 tipos de vacuna tienen un nivel de eficacia alta y son de igual efectividad.
Ha = Los 4 tipos de vacuna tienen un nivel de eficacia distinto y son de diferente efectividad.
Interpretacin:
Los 4 tipos de vacuna poseen una eficacia y efectividad distintas entre s, con un nivel de
significancia del 95%.

F-CV3-3B-3

Rev. Junio 2007

54

CAPTULO XV: REGRESIN Y CORRELACIN LINEAL

REGRESION LINEAL
El anlisis de regresin es til para averiguar la forma probable de las relaciones entre las variables,
y el objetivo final, cuando se emplea este mtodo de anlisis, es predecir o estimar el valor de una
variable que corresponde al valor dado de otra variable.

SI ES REGRESIN
LINEAL

NO ES REGRESIN
LINEAL

PRUEBA r PEARSON

NO ES
REGRESIN
LINEAL

Este coeficiente fue pensado para variables cuantitativas, es un ndice que mide el grado de
covariancia o asociacin entre distintas variables relacionadas linealmente; sus valores oscilan entre
0 y 1.
El objeto de un anlisis de regresin es investigar la relacin estadstica que existe entre una
variable dependiente (Y) y una o ms variables independientes ( X 1 , X 2 , X 3 , ... ). Para poder
realizar esta investigacin, se debe postular una relacin funcional entre las variables. Debido a su
simplicidad analtica, la forma funcional que ms se utiliza en la prctica es la relacin lineal.
Cuando solo existe una variable independiente, esto se reduce a una lnea recta:

donde los coeficientes a y b son parmetros que definen la posicin e inclinacin de la recta.
(Ntese que hemos usado el smbolo especial Y para representar el valor de Y calculado por la
recta. Como veremos, el valor real de Y rara vez coincide exactamente con el valor calculado, por lo
que es importante hacer esta distincin.)

F-CV3-3B-3

Rev. Junio 2007

55

El parmetro a, conocido como la ordenada en el origen, nos indica cunto es Y cuando X = 0. El

parmetro b, conocido como la pendiente, nos indica cunto aumenta Y por cada aumento de
una unidad en X. Nuestro problema consiste en obtener estimaciones de estos coeficientes a partir
de una muestra de observaciones sobre las variables Y y X. En el anlisis de regresin, estas
estimaciones se obtienen por medio del mtodo de mnimos cuadrados.
En un Anlisis de Regresin simple existe una variable respuesta o dependiente (y) que puede ser el
nmero de especies, la abundancia o la presencia-ausencia de una sola especie y una variable
explicativa o independiente (x). El propsito es obtener una funcin sencilla de la variable
explicativa, que sea capaz de describir lo ms ajustadamente posible la variacin de la variable
dependiente. Como los valores observados de la variable dependiente difieren generalmente de los
que predice la funcin, sta posee un error. La funcin ms eficaz es aquella que describe la variable
dependiente con el menor error posible o, dicho en otras palabras, con la menor diferencia entre los
valores observados y predichos. La diferencia entre los valores observados y predichos (el error de la
funcin) se denomina variacin residual o residuos. Para estimar los parmetros de la funcin se
utiliza el ajuste por mnimos cuadrados. Es decir, se trata de encontrar la funcin en la cual la suma
de los cuadrados de las diferencias entre los valores observados y esperados sea menor. Sin
embargo, con este tipo de estrategia es necesario que los residuos o errores estn distribuidos
normalmente y que varen de modo similar a lo largo de todo el rango de valores de la variable
dependiente. Estas suposiciones pueden comprobarse examinando la distribucin de los residuos y
su relacin con la variable dependiente.

Cuando la variable dependiente es cuantitativa (por ejemplo, el nmero de especies) y la relacin

entre ambas variables sigue una lnea recta, la funcin es del tipo y = c + bx, en donde c es el
intercepto o valor del punto de corte de la lnea de regresin con el eje de la variable dependiente
(una medida del nmero de especies existente cuando la variable ambiental tiene su mnimo valor)
y b es la pendiente o coeficiente de regresin (la tasa de incremento del nmero de especies con
cada unidad de la variable ambiental considerada). Si la relacin no es lineal pueden transformarse
los valores de una o ambas variables para intentar linealizarla. Si no es posible convertir la relacin
en lineal, puede comprobarse el grado de ajuste de una funcin polinomial ms compleja. La
funcin polinomial ms sencilla es la cuadrtica (y= c + bx + bx2) que describe una parbola, pero
puede usarse una funcin cbica u otra de un orden aun mayor capaz de conseguir un ajuste casi
perfecto a los datos. Cuando la variable dependiente se expresa en datos cualitativos (presenciaausencia de una especie) es aconsejable utilizar las regresiones logsticas (y= [ exp (c + bx)] / [ 1 +
exp (c + bx)] ). Buenos ejemplos del uso de regresiones logsticas para predecir la distribucin de una
especie pueden encontrase en Walker (1990), Osborne & Tigar (1992) y Parker (1999).

F-CV3-3B-3

Rev. Junio 2007

56

Ecuacin de Regresin.
Es una ecuacin que define la relacin lineal
entre dos variables.
FUNDAMENTOS
LINEAL

PARA

UNA

REGRESIN

1. Los
valores
de
la
variable
independiente X son fijados por el investigador.
2. La variable X se mide sin error. Dado que ningn procedimiento de medicin es perfecto,
esto significa que la magnitud del error de medicin en X es insignificante.
3. Para cada valor de X existe una sub poblacin Y. Los valores de X e Y deben seguir
una distribucin normal.
4. Todas las varianzas de las sub poblaciones de Y son iguales.
5. Los valores de X e Y son estadsticamente diferentes.
6. Todas las medias de sub poblaciones de Y se encuentran en la misma lnea recta. A esto se
le conoce como suposicin de linealidad.
Se aplica a variables cuantitativas., miden la relacin CAUSA EFECTO

CORRELACION LINEAL
Se refiere a la medicin de la intensidad de la relacin entre las variables. Cuando se calculan
mediciones de correlacin a partir de un conjunto de datos, el inters recae en el grado de
correlacin entre las variables.
Rho Spearman
A continuacin, desarrollaremos el grado de relacin entre dos o ms variables en lo que
llamaremos anlisis de correlacin, Para representar esta relacin utilizaremos una representacin
grfica llamada diagrama de dispersin.
Es el conjunto de tcnicas estadsticas empleado para medir la intensidad de la asociacin entre dos
variables. El principal objetivo del anlisis de correlacin consiste en determinar que tan intensa es
la relacin entre dos variables. Normalmente, el primer paso es mostrar los datos en un diagrama de
dispersin.

F-CV3-3B-3

Rev. Junio 2007

57

Pero tambin diremos:

F-CV3-3B-3

Rev. Junio 2007

58

Coeficiente de Correlacin ( (ro)).- Describe la intensidad de la relacin entre dos conjuntos de

variables de nivel de intervalo. Es la medida de la intensidad de la relacin lineal entre dos variables.
Se trabaja en variables cuantitativas y cualitativas.
El valor del coeficiente de correlacin puede tomar valores desde menos uno hasta uno, indicando
que mientras ms cercano a uno sea el valor del coeficiente de correlacin, en cualquier direccin,
ms fuerte ser la asociacin lineal entre las dos variables. Mientras ms cercano a cero sea el
coeficiente de correlacin indicar que ms dbil es la asociacin entre ambas variables. Si es igual a
cero se concluir que no existe relacin lineal alguna entre ambas variables.

0.0

0.2

CORRELACIN
MNIMA

SIN
CORRELACIN

0.4

CORRELACIN
BAJA

0.6

CORRELACIN
MODERADA

0.8

CORRELACIN
BUENA

1.0

CORRELACIN
MUY BUENA

CORRELACIN
PERFECTA

Su frmula matemtica es la siguiente:

Dnde:
D = Diferencia entre la posicin de cada par.
N = El nmero de pares de observaciones.
= Calculo Coeficiente de Spearman.

F-CV3-3B-3

Rev. Junio 2007

59

1.3. Anexos

ANEXO N1
CUESTIONARIO
CALIDAD DE ATENCIN DEL CUIDADO DEL PROFESIONAL DE SALUD
Tomado de la tesis de Karla Flor de Mara Tejada Cruz

Marcar con una X, segn tu grado de acuerdo o desacuerdo con la afirmacin

correspondiente uno de los siguientes cinco nmeros (Escala de Licker )
1. Totalmente de acuerdo
2. De acuerdo
3. Neutral, ni en acuerdo ni en desacuerdo
4. En desacuerdo
5. Totalmente en desacuerdo
EDAD: . SEXO: ..................
N

ESCALA DE ACTITUD

INDICADORES

1
1.

Demuestra desempeo y habilidad en la ejecucin de procedimientos.

2.

Ejecuta procedimientos y administra tratamiento en forma oportuna.

3.

Acude al llamado del paciente que lo necesite.

4.

Demuestra predisposicin en su atencin.

5.

Cumple con el tratamiento en el momento indicado.

6.

Cumple la continuidad de los cuidados turno por turno.

7.

Le comunica al paciente sobre procedimientos a realizar.

8.

Emplea trminos claros y sencillos.

9.

Demuestra trato cordial y amable durante la atencin.

10.

Emplea gestos amables y mirada directa al dirigirse al paciente.

11.

Saluda y trata por su nombre al paciente.

12.

Respeta las costumbres y creencias del paciente.

13.

Muestra preocupacin por el confort y reposo del paciente.

14.

Respeta el descanso del paciente.

15.

Mantiene la privacidad del paciente.

16.

Hace participar al paciente en su autocuidado.

17.
18.

Le interesa contar con el mobiliario y equipamiento necesario.

Facilita en situaciones necesarias de manera oportuna la falta de
medicacin y/o otros materiales.

F-CV3-3B-3

Rev. Junio 2007

60

ANEXO N 2
EVALUACIN DE ANGINA DE PECHO Y SUS FACTORES DE RIESGO EN PACIENTES ATENDIDOS EN EL
CENTRO ASISTENCIAL JUAN JORE RODRIGUEZ LAZO CHORRILLOS
A continuacin se presentan una muestra de pacientes atendidos en el servicio de
cardiologa del consultorio externo del Centro Asistencial Juan Jos Rodrguez Lazo en
Chorrillos, en el ao 2001.
Angina de Pecho

1: Presenta angina en el pecho

0: No presenta angina en el pecho
Sexo
f : Femenino =0
m: masculino=1

Colesterol
U.M. mg / dl
140-200
Triglicridos
U.M: mg/dl
45-150
Hipertensin
1: Hipertenso
0: No Hipertenso
Glucosa
U:M.: mg/dl
70-110
Obesidad
1: Obeso
0: No obeso

Tabla N1

N
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30

Angina de pecho y algunos factores de riesgo, Centro

Asistencial Juan Jos Rodrguez Lazo Chorrillos

Angina de Edad
Sexo Colesterol Triglicridos Hipertensin Glucosa Obeso
de pecho
1
45 m
226
337
1
105
1
1
68 f
452
138
1
86
1
1
77 f
170
46
1
85
0
1
72 m
224
98
0
82
1
1
68 m
217
181
1
78
1
1
71 m
203
163
1
84
0
1
77 f
169
236
1
207
0
1
64 m
153
78
1
94
0
1
69 f
274
84
1
84
1
1
46 m
289
142
1
97
1
1
47 m
148
112
1
78
0
1
79 f
191
64
1
95
1
1
74 f
284
212
1
75
1
1
85 f
274
120
1
156
0
1
70 m
192
270
0
87
1
1
67 f
222
421
0
102
1
1
73 m
174
182
0
105
1
0
62 f
218
138
1
99
0
0
68 f
150
45
0
110
0
0
58 f
145
19
1
110
0
0
52 f
192
123
0
78
1
0
54 f
200
130
0
93
1
0
56 f
196
132
0
106
1
0
60 f
165
137
0
85
1
0
49 m
165
56
1
95
0
0
58 m
143
65
0
92
0
0
29 f
165
162
1
105
1
0
84 m
172
106
0
89
1
0
34 f
165
111
1
37
0
0
55 f
144
150
0
37
0

F-CV3-3B-3

Rev. Junio 2007

61

ANEXO 3: TABLA IA DISTRIBUCIN NORMAL

F-CV3-3B-3

Rev. Junio 2007

62

ANEXO 4: TABLA II DISTRIBUCIN NORMAL

F-CV3-3B-3

Rev. Junio 2007

63

ANEXO 5: TABLA IB DISTRIBUCIN NORMAL

F-CV3-3B-3

Rev. Junio 2007

64

ANEXO 6. TABLA DE NMEROS ALEATORIOS

F-CV3-3B-3

Rev. Junio 2007

65

II.

Fuentes de informacin
2.1. Bibliografa

1. Bologna, Eduardo. Estadstica para psicologa y educacin. Edicin 1. Crdova -Argentina.

Editorial Brujas. 2011
2. Dawson B. Trapp R. Bioestadstica Mdica. Edicin 4. Mxico. Editorial El Manual Moderno S.A.
de C.V. 2005.
3. Daniel W. Bioestadstica - Base para el Anlisis de las Ciencias de la Salud. Edicin 4. Mxico:
Editorial Limusa S.A., 2007.
4. Glantz A. Bioestadstica. 6ta ed. Mxico. Editorial McGraw Hill Interamericana: 2006.
5. Rafael lvarez Cceres. Estadstica aplicada a las ciencias de la salud. Edicin 1. Espaa.
Editorial Daz de Santos. 2007.
6. Monica Balzarini, Margoth Tablada. Introduccin a la Bioestadstica. Edicin 1. Crdova
Argentina. Editorial Brujas. 2011.
7. R. Clifford Blair, Richard A. Taylor. Bioestadstica. Edicin 1. Mxico. Editorial Pearson
Educacin de Mexico. 2008.
8. Nel Quezada Lucio. Estadstica con SPSS v.20. Edicin 2. Lima-Per. Editorial Macro E.I.R.L.
2012

2.2. Revistas
1.- INSTITUTO NACIONAL DE ESTADSTICA E INFORMATICA. Manual para la presentacin de grficos
estadsticos Lima-Per 2009
http://www.inei.gob.pe/media/MenuRecursivo/metodologias/libro.pdf
2.- INSTITUTO NACIONAL DE ESTADSTICA E INFORMATICA. Manual para la presentacin de cuadros
estadsticos Lima-Per 2006
http://www.inei.gob.pe/media/MenuRecursivo/publicaciones_digitales/Est/Lib0933/Libro.pdf

2.3. Internet

1.- MINSA: Ministerio de Salud. [Internet]. Lima-Per; [Citado en Marzo del 2016].
Estadstica
[aprox.
2
pantallas].
Disponible
en:
http://www.minsa.gob.pe/index.asp?op=2
2.- INEI: Instituto Nacional de Estadstica e Informtica. Lima-Per; [Citado en
Marzo del 2016].
Estadstica [aprox. 5 pantallas]. Disponible en:
http://www.inei.gob.pe/

F-CV3-3B-3

Rev. Junio 2007

66