Вы находитесь на странице: 1из 25

Extensin Barcelona

Escuela de Ingeniera en Mantenimiento Mecnico

Seccin Zn

ENSAYO
DISEO ESTADISTICO

Profesor: Bachiller:

Alfonso, Alberto Jess Lpez C.I. 14.828.868

Barcelona, Marzo del 2017


INTRODUCCION

La estadstica es una herramienta fundamental para la realizacin de procesos de


investigacin en ciencias fcticas que utilizan la investigacin cuantitativa. Los diseos
estadsticos son los principios y procedimientos que permiten obtener los datos
pertinentes, acorde a las restricciones de investigacin. La encuesta por muestreo, el
diseo experimental y los estudios observacionales son los tipos generales de diseo
estadstico a los que se hace referencia cuando se protocoliza una investigacin. En
cada caso hay que especificar algunos elementos clave como poblacin objetivo,
unidades de estudio, variables a medir, escalas y mtodos de medicin, tamao de
muestra, control local, etc. La caracterizacin adecuada de estos elementos define el
diseo particular de la investigacin y establece la estructura de la base de datos, con
lo que se puede bosquejar la metodologa de anlisis estadstico o de procesamiento
de los datos. Todo esto se debe establecer tomar en cuenta en la investigacin,
siempre seguido de un marco terico, revisin de antecedentes y definicin de
objetivos.
LA ESTADISTICA

La estadsticas es una ciencia que se encarga de recopilar, organizar, presentar,


analizar e interpretar un conjunto de datos naturales, poltico, econmico o sociales,
para tomar una decisin de incertidumbre en un momento determinad, mediante una
investigacin determinada.

La estadstica comprende tres aspectos bsicos en el desarrollo de una investigacin:

1. Diseo adecuado para la obtencin de datos


2. Anlisis de datos
3. Interpretacin y representacin de los resultados en forma apropiada.

Diseo adecuado para la obtencin de datos


Es la gua que conduce todo el proceso. Desempea el mismo papel que el itinerario
en un viaje, es lo que lleva al estudiante de un punto inicial, u origen, al sitio final o
resultados. Conduce a la formulacin de la metodologa que se utilizar para obtener
los datos de acuerdo con las necesidades de informacin. Entre los criterios que se
emplean para formular la metodologa de trabajo est el que los datos se colecten de la
manera ms rpida, econmica y sencilla.

Anlisis de los datos


Procede a partir de una serie de mtodos y procedimientos para explotar los datos de
manera tal que sea posible extraer de ellos la informacin relevante que resuelve las
preguntas que dieron origen al estudio o investigacin.

Interpretacin y representacin de los resultados


Una serie de principios y procedimientos de la estadstica proporcionan los
lineamientos generales para elaborar los formatos de presentacin y graficacin,
adems de proporcionar los elementos para construir los juicios de valor a partir de los
resultados de los anlisis estadsticos.
USOS POTENCIALES DE LA METODOLOGA ESTADSTICA
La estadstica es ampliamente aceptada como una metodologa fundamental para la
investigacin y los estudios tcnicos en disciplinas como la biologa, la ingeniera, las
ciencias administrativas, y todas aquellas reas donde los mtodos cuantitativos han
adquirido gran popularidad. Tambin goza de gran reconocimiento en las ciencias
sociales, en la antropologa, la lingstica y en las ciencias polticas, aun cuando en
esta ltima los procesos de cuantificacin son menos comprendidos y utilizados. En las
empresas u organizaciones, la estadstica juega un papel fundamental, ya que se
constituye en una herramienta eficaz, sus principios apoyan al diseo de mejores
sistemas de informacin, organizacin y sistematizacin de datos que pueden ser
aprovechados en la toma de decisiones y, en general, para disponer de manera
eficiente, rpida y econmica, de toda la informacin puntual para desarrollar los
objetivos de la organizacin o empresa. El incremento de la productividad y de la
calidad est asociado ntimamente con el uso eficiente de los mtodos estadsticos.

Por tal motivo, la estadstica se ensea como una herramienta sustancial para
administradores, tcnicos y cientficos; sin embargo, al impartirse siguiendo el enfoque
tradicional descontextualizado de la problemtica real, su utilidad no logra ser
apreciada. Con frecuencia, en los cursos tradicionales, se hace nfasis en aspectos
que poco o nada ayudan al aprecio o valoracin de la estadstica para la solucin de
problemas.

Los conceptos clave de la estadstica son pocos y muy sencillos de presentar y


entender en el contexto de los problemas autnticos. Esto se podra efectuar de
manera sencilla si en un curso se incluyen abundantes ilustraciones, adems de
resolver ejercicios verdicos de aplicacin.
CONCEPTOS CLAVES

Poblacin
Conjunto finito o infinito de personas, animales o cosa que presenten caractersticas
comunes, sobre la cuales se quiere realizar un estudio determinado.

Muestra
Subconjunto de la poblacin, seleccionado de tal forma, que sea representativo de la
poblacin en estudio, obtenindose con el fin de investigar alguna o algunas de las
propiedades de la poblacin de la cual procede.

Medicin
Asignacin o magnitud que se aplica a las categoras o clases de acuerdo a ciertas
reglas o smbolos. Consiste en la recopilacin de datos y su utilizacin mediante el
empleo de una serie de normas de tipo estadstico.

Escala de Medicin
Sesin de medidas que permiten organizar datos en orden jerrquico.

Variable
Asignacin de valores numricos a las caractersticas de una muestra a una poblacin,
se mide bsicamente en proporcin a la escala.

Dato Estadstico
Conjunto de valores numricos que tienen relacin significativa entre si. Los mismos
pueden ser comparados, analizados, e interpretados en una investigacin cualquiera.
Se puede afirmar que son las expresiones numricas obtenidas como consecuencia de
observar un individuo de la poblacin, por lo tanto, son las caractersticas que se han
tomado en cuenta de cualquiera poblacin para una investigacin determinada.
COLECTIVOS, DESCRIPCIONES E INFERENCIAS
La estadstica toma como su materia prima de trabajo un conjunto de objetos,
individuos o entidades. El colectivo est formado por un conjunto de elementos o
unidades de estudio. Todas las unidades o elementos poseen caractersticas
particulares, de tal manera que dos o ms elementos comparten caractersticas
comunes y difieren en otras caractersticas. As, aunque los elementos de un colectivo
difieren entre s en mltiples caractersticas, sus caractersticas comunes los hacen
susceptibles de ser estudiados por los mtodos estadsticos.

Por ejemplo: un colectivo formado por personas indica que todos son diferentes en
carcter, color de la piel, color de los ojos, etc., pero en un momento dado todos
pueden compartir la misma preferencia por un partido poltico. Obviamente, con
independencia de las diferencias que tienen entre s, son un conjunto homogneo para
los propsitos especficos de un estudio de preferencias electorales. As entonces, la
primera fase en un estudio estadstico es definir las unidades de estudio. Es por lo
tanto recomendable al inicio de cualquier estudio o investigacin definir cul es la
unidad y cul es el colectivo.

Los colectivos pueden ser muy simples, como un grupo de plantas, tiendas, personas o
pueden ser muy abstractos como un rea especfica o como una entidad observada en
diferentes tiempos fijos (cada mes, cada ao, etc.), o ser de estructura muy compleja
combinando el tiempo y el espacio. Hay tres tipos de estudios estadsticos:
observacionales, experimentales y de muestreo. En los primeros, las unidades de
estudio estn dadas en la investigacin, de tal forma que el investigador slo las
observa en las caractersticas de inters. En los estudios experimentales, el
investigador agrupa las unidades de estudio mediante un mecanismo aleatorio y asigna
un tratamiento para cada grupo. Por otro lado, en los estudios de muestreo las
unidades de estudio son una muestra (aleatoria o no aleatoria) de un colectivo mayor
llamado poblacin de muestreo.
La materia prima para el uso de las tcnicas estadsticas son los datos, que son el
resultado de la medicin de una serie de caractersticas que se denominan variables de
estudio. Por tal motivo es posible afirmar que los datos son la descripcin numrica de
todos y cada uno de los elementos del colectivo en estudio.

Usualmente la dimensin de la caracterizacin numrica es mltiple, es decir, el


nmero de caractersticas que se miden en cada unidad de estudio es de dos o ms.
As, se afirma que los problemas reales son casi siempre multivariados o
multidimensionales.

Objetivos de las tcnicas estadsticas de anlisis de datos


Las tcnicas estadsticas de anlisis de datos persiguen, en general, el objetivo bsico
de caracterizar dos aspectos del colectivo: el patrn y la dispersin, siempre en
trminos de las caractersticas que se miden en las unidades o elementos del colectivo.
Identificar el patrn en s es como construir el individuo tpico del colectivo; y evaluar la
dispersin es determinar el grado de variacin que hay en torno al patrn.

De este objetivo general se pueden derivar algunos otros objetivos particulares, como
identificar uno o varios individuos siempre que stos sean atpicos al colectivo, obtener
agrupaciones en el colectivo, o representar el colectivo en una dimensin en la que se
pueda interpretar ms fcilmente su comportamiento en trminos del patrn y la
dispersin.

A este respecto no se debe perder de vista que la estadstica es una disciplina que
permite construir juicios sobre colectivos que son caracterizados a partir de sus
propiedades numricas. En este sentido, el juicio es vlido para el colectivo, pero no
para un individuo en particular. As, cuando hablamos de los mexicanos pensando en
un mexicano tpico no estamos hablando de Juan Prez en especfico. Al referirnos a
un juicio estadstico sobre un colectivo estamos hablando de un individuo tpico, que
no necesariamente es el ms frecuente. Este individuo tpico puede incluso no existir
en el colectivo como un individuo real, pero es un concepto resumen del colectivo. Si
no podemos identificar claramente el individuo tpico es porque hay varios tpicos
(varios patrones), o porque la dispersin es muy grande.

La mayora de la gente piensa que el promedio es un buen representante de un


conjunto de datos, y esto puede ser falso en algunas situaciones, es decir, el patrn de
comportamiento en cuanto al valor de los datos puede no ser captado por el promedio
aritmtico, en cuyo caso la solucin estadstica nos remite a conceptos como la
mediana o la moda. A manera de ilustracin considrese el caso de un estudio sobre la
diversidad vegetal en un rea de selva. Para tal efecto se define un rea mnima de 10
x 10 metros, la cual es considerada como la unidad de estudio. En esta rea se miden
las variables. El colectivo de estudio es una muestra de 20 reas de 10 x 10,
seleccionadas aleatoriamente de toda el rea de estudio cuadriculada en unidades de
10 x 10.

Otro de los objetivos de la estadstica es el de generalizar los resultados del patrn y la


dispersin en el colectivo de estudio, a un colectivo ms general que se llama
poblacin objetivo o de referencia. Por ejemplo, para realizar el estudio sealado
anteriormente es ms econmico, rpido y operativo trabajar con una muestra de reas
de 10 x 10. Hasta dnde es posible generalizar las conclusiones obtenidas con los
datos de este estudio? Es claro que el grupo de reas con las que se trabaj es un
fragmento de una poblacin mayor, que est compuesta por todas las posibles reas
de la regin de estudio, las cuales comparten una serie de caractersticas vitales para
el estudio, como son contemporaneidad, clima, etc.

Para hacer las inferencias o generalizaciones se necesita precisar con claridad la


poblacin objetivo o de referencia, a fin de no extrapolar las conclusiones ms all de la
validez del estudio y, desde luego, para que las inferencias sean vlidas es necesario
tener una muestra representativa, es decir, que presente las caractersticas de la
poblacin y que sea de tamao suficiente.
METODOLOGA DE DISEO ESTADSTICO

El muestreo en los estudios estadsticos


En muchos estudios es recomendable utilizar el muestreo. Para hacer esto primero se
identifica y delimita la poblacin objetivo y despus se construye un procedimiento para
seleccionar o confeccionar una muestra representativa. Por ejemplo, si queremos
hablar a detalle sobre las reas del gran territorio bajo estudio, el primer aspecto a
determinar es cuntas son, cules son y dnde estn. Si esto est claro, entonces, se
podra fcilmente idear un procedimiento para seleccionar algunas de las reas
representativas. Se podra comenzar construyendo un mapa cuadriculado y un listado
que proporcionar elementos suficientes para disear una muestra con cierto grado de
representatividad y validez para hacer inferencias sobre la poblacin objetivo o de
referencia, que en este caso es obvio que est en el mapa. A este tipo de poblacin de
referencia se le llama finita. Cuando es as, se dice que el estudio es de naturaleza
enumerativa; en general, para los casos de estudios enumerativos interesa determinar
estimaciones de totales, proporciones, promedios, etc.

La mayora de las veces, en contraposicin, el estudio ms bien se orienta por el


inters en analizar una relacin causa-efecto. Por ejemplo, para el estudio de las reas
podramos estar interesados en la relacin que existe entre la diversidad y las
caractersticas fisicoqumicas del suelo, o bien evaluar los factores de microclima que
determinan el nivel de diversidad. En este caso deberemos construir cuidadosamente
la muestra que garantice tener un nmero suficiente de reas para hacer la inferencia
sobre la relacin causa-efecto. A este tipo de inferencia se le denomina analtica.

Los estudios pueden ser unigrupo o comparativos. Pueden ser transversales o


longitudinales, es decir, estudios de un tiempo fijo, o estudios que impliquen el
seguimiento de las unidades a travs del tiempo. En el caso de los estudios
transversales comparativos usualmente interesa ver si la tendencia del patrn se
mantiene cuando se cambian algunas condiciones. Por ejemplo, en el caso de las
reas el inters podra centrarse en ver si el patrn de diversidad se sostiene cuando
se hacen agrupaciones con criterios climticos o con algn otro criterio, como tamao
de las especies mayores. Los estudios longitudinales pueden ser retrospectivos o
prospectivos. En el primer caso se observa la unidad en el tiempo hacia atrs, y en el
segundo hacia adelante.

Por ejemplo, en el caso de las reas el inters est en la historia de la diversidad en los
ltimos doce meses. Los estudios prospectivos son ms comunes en investigaciones
ecolgicas, ya que es muy difcil contar con informacin histrica, que est usualmente
disponible en los estudios clnicos o econmicos.

Estudios estadsticos segn el objetivo


Los estudios estadsticos pueden ser tambin exploratorios, confirmatorios o de
seguimiento. En los estudios exploratorios se tiene poco conocimiento del colectivo y el
inters central es caracterizarlo, describirlo, o conocerlo en una primera aproximacin.
Este conocimiento nos permitir tomar decisiones idneas, implementar mejores
acciones que impliquen intervencin en el colectivo.

Si ya se tiene una idea del colectivo, pero se desea confirmar una hiptesis o relacin
causal, entonces el estudio es confirmatorio. Los estudios de seguimiento se hacen
usualmente despus de una intervencin, para medir el impacto, para describir los
cambios, etctera. Como ya se mencion, hay tres tipos de estudios estadsticos:
estudios experimentales, estudios observacionales y estudios de muestreo. En todos
los casos se realiza la fase del diseo, que consiste en la planeacin de las actividades
hasta que se han colectado los datos. En los estudios experimentales el investigador
cuenta con unidades de estudio a las que asigna un conjunto de tratamientos
(estmulos) y observa una serie de variables respuesta.

En el caso de los estudios de muestreo el investigador selecciona de una poblacin


mayor las unidades a estudiar, y les observa tanto las variables explicatorias como las
variables respuesta. Un estudio experimental se puede combinar con un muestreo, por
ejemplo, en un estudio sobre ecologa en cultivos de caa de azcar. Aqu se puede
considerar un experimento de fertilizacin sobre grandes reas donde se prueban
cuatro diferentes frmulas de fertilizacin. Sin embargo, al no poder evaluar las
variables respuesta sobre las grandes extensiones, entonces se hace un muestreo por
reas, como el que se ha especificado para el ejemplo de la diversidad vegetal
presentado antes. Por otro lado, los estudios observacionales son aquellos en los que
las unidades ya estn dadas (no hay muestreo) y se observan las caractersticas de
inters. Son ejemplos tpicos aquellos en que se usan expedientes, informacin
periodstica, estudios con voluntarios, etc.

Las mayores aplicaciones de este tipo se dan en epidemiologa, economa,


administracin y negocios. Muchos aspectos definitorios de cuntos, cules y cmo
determinar los elementos del colectivo bajo estudio se encuentran en los propsitos del
estudio, en el tipo de inferencia que interesa y en el nivel de generalizacin que se
desea hacer de los resultados. Aqu tambin se debe especificar el tipo de estudio que
se desea realizar.

Recomendaciones para el diseo estadstico


A manera de sntesis, las principales recomendaciones respecto a la aplicacin del
diseo estadstico de un estudio o investigacin son:

Comprender el problema que se tiene ante s. En caso de que no est


suficientemente claro, la estadstica no podr aplicarse de manera adecuada, y
si se le usa, ser de poca utilidad.
Definir con precisin cules son sus unidades de estudio y cules son las
variables de inters fundamental; por lo general, esto debe resultar sencillo. Si
se presentan dificultades tal vez no se ha entendido del todo bien el problema.
Pensar en los resultados que se obtendrn al hacer el estudio que se est
tratando de disear, e intentar explicar los resultados; esto llevar a identificar
claramente factores o variables a considerar. Se debe incluir en la lista slo
aquellos factores de los que espere influencia con alguna explicacin lgica en
el contexto del problema.
Definir con precisin si el estudio implica inferencia descriptiva o analtica; si es
longitudinal o no; si es transversal o no. Definir si se usar muestreo, y si es as,
qu caractersticas o variables se requieren para definir la representatividad y el
tamao de la muestra.
Puede ser que ya se tengan los casos a estudiar. En tal situacin se deber
preguntar hasta dnde es posible generalizar los resultados.

En diversas reas del conocimiento en que se utiliza la metodologa estadstica se


reconoce la importancia de sus principios en la fase de la conceptualizacin del
proyecto de investigacin. sta es la primera fase del diseo de la investigacin y
requiere, como se ha visto en este apartado, de una lista clara de conceptos
estadsticos. La fase de diseo se complementa con la planeacin del proceso de
medicin, que implica decidir qu medir y cmo medirlo. Esto es lo que se trata en el
siguiente apartado.

MEDICIN: OBTENCIN DE DATOS


Una vez que ha determinado el colectivo bajo estudio, es decir, cules unidades son
las que se van a estudiar en concreto, se debe determinar qu caracterstica o
variables son de inters y cmo se va a medir cada unidad. A esto se le llama
medicin. Medir se entiende, en este contexto, de una manera muy general. Por
ejemplo, de una planta se pueden medir varias cosas: el nmero de ramas principales,
el tipo de hojas, su floracin, y respecto a sus hojas se puede medir el nmero de ellas,
la concentracin de alguna sustancia, etc. Algunos de estos aspectos se pueden
determinar fcilmente, y traducir a una escala numrica ya conocida. Para el caso del
nmero de ramas y el nmero de hojas es claro que hay que determinar un criterio de
conteo y ya. Sin embargo, para otras caractersticas, como concentracin de alguna
sustancia, es necesario recurrir, muy probablemente, a un procedimiento de
laboratorio. Pero incluso en tal caso, al final se tendr un nmero, que tiene un
significado concreto.
Al concepto que se mide se le llama variable y a la forma de operacionalizarlo se le
denomina indicador, y al resultado para una unidad particular se denomina dato. En
estadstica, de manera muy genrica, lo que se mide se llama variable y al resultado de
la medicin en una unidad de estudio se le llama dato.

Escalas de medicin
Para medir se utiliza una escala: sta puede ser de naturaleza cualitativa o cuantitativa.
Por ejemplo, en el nmero de ramas y el nmero de hojas es obvio que la escala es
cuantitativa. Por otro lado, el tener o no cierto tipo de floracin produce una medicin
en la cual los valores podran ser no tiene y si tiene. Estas categoras en s no son
numricas, pero es posible traducirlas a cdigos numricos, por ejemplo: 1 y 2 0 y 1.
Estos nmeros no tienen significado cuantitativo: sirven exclusivamente para identificar,
son como nminas. Por tal motivo a escalas como stas se les llama nominales. En los
datos que se generan con ellas nicamente se puede contar cuntos individuos hay en
cada categora y hacer representaciones comparando las frecuencias relativas o
absolutas de las categoras. Representaciones como las tablas de frecuencias o los
grficos de barras y pasteles son los adecuados para estos datos.

Hay otra escala cualitativa, pero que tiene un elemento adicional de importancia en
muchas investigaciones: el orden. Datos que se generan con caractersticas como la
opinin respecto a algn asunto, se pueden registrar en una escala ordinal. Para este
caso se podran definir las categoras como favorable, neutra y desfavorable. Estas
categoras podran codificarse con nmeros como 1, 2 y 3. Es claro que aqu en los
nmeros 1 y 2, hay un significado de orden, pero no se sabe qu tanto menos es
neutra que favorable.

Las escalas de medicin que usualmente se utilizan son cuatro: la nominal, la ordinal,
la de intervalo y la de razn. Las ltimas sirven para registrar datos cuantitativos; la de
intervalo tiene una caracterstica importante: el cero no significa ausencia de la
caracterstica de inters, sino ms bien es un valor que tiene un significado especfico.
La escala de grados Farenheit es un ejemplo de este tipo.
La ltima escala es la de razn, y en ella la ausencia de la caracterstica de inters se
registra con el cero; aqu tienen sentido las proporciones o razones. Con esta escala se
registran variables como longitudes, cantidades, pesos, volmenes, etc.

Tipos de variables y datos


Las caractersticas o conceptos que se miden en las unidades de estudio se
denominan variables, y se clasifican, por su naturaleza, en continuas y discretas.

Las variables discretas son aquellas caractersticas en las que las categoras que
puede tomar la variable son un nmero finito.
Las variables continuas son variables que, en principio, su medicin puede resultar
cualquier valor en un continuo.

En el proceso de medicin todas las variables son discretas debido a la precisin de los
instrumentos que restringe el conjunto de valores posibles siempre a un conjunto finito.

Tambin pueden encontrarse variables que combinan las caractersticas de las


continuas y discretas; son llamadas variables mixtas. Aunque son raras, tambin es
posible encontrar variables de esta naturaleza.

Usualmente los datos se seleccionan a partir de motivaciones especficas y es posible


establecer una serie de preguntas que permiten clasificar a las variables como
independientes o explicativas y como variables respuesta. Esto proporciona los
elementos para especificar con precisin los objetivos del anlisis estadstico, sobre
todo cuando se establece como objetivo el estudio de una relacin causa-efecto. Por
ejemplo, si se est interesado en ver si la diversidad est asociada a las caractersticas
del suelo, las variables explicativas seran las caractersticas del suelo y las variables
respuesta la frecuencia de aparicin de especies.
El producto de la medicin son los datos, los cuales se organizan en una matriz o tabla
de doble entrada en la que los individuos o unidades de estudio son los renglones y las
mediciones en las diferentes variables son las columnas, algunas de las cuales sirven
para definir la estructura del colectivo. sta es, junto con las preguntas de
investigacin, la materia prima del anlisis estadstico.

La matriz de datos usualmente se constituye en un reto para la creatividad del analista.


Al analizar esta matriz hay que tener siempre en mente las preguntas que originaron el
estudio, el objetivo preciso y las ideas clave de la estadstica. Con los medios
modernos de la computacin, hacer un anlisis estadstico requiere del diseo de
estrategias muy precisas. En la siguiente seccin se presentan algunas ideas
generales al respecto.

ANLISIS ESTADSTICO
El Anlisis estadstico es el proceso que se le aplica a la matriz de datos con el
propsito de obtener respuestas a las preguntas de investigacin. El anlisis tiene
varias fases, la primera de las cuales es de naturaleza descriptiva y exploratoria; esto
implica la aplicacin de una serie de procedimientos de conteo, y la obtencin de tablas
de frecuencias y porcentajes para tener la primera informacin sobre los patrones y la
variabilidad.

Al anlisis que se realiza de cada columna de la tabla de datos de le llama anlisis


marginal. Este anlisis nos da la base para las primeras conclusiones sobre el estudio.
Le sigue una serie de anlisis que se denominan anlisis bi-variados o cruzados; esto
implica la seleccin de una serie de preguntas de inters, las cuales posibilitan
identificar las variables a cruzar. La elaboracin de conteos cruzados y la construccin
de tablas de resumen permiten tener un soporte informativo para contestar las
preguntas de investigacin que se refieren a asociaciones entre variables o relaciones
causa-efecto. Cuando hay una cantidad grande de variables explicativas y una cantidad
grande de variables causales, entonces se requiere de esfuerzos tcnicos especiales
para el tratamiento de estos datos, se dice entonces que se deben usar tcnicas
multivariadas.

Para hacer un anlisis estadstico hay que entender con claridad la estructura de la
matriz de datos y los datos mismos. Se deben llevar a cabo primero exhaustivos
anlisis marginales e ir construyendo poco a poco juicios sobre el colectivo. En este
sentido el anlisis estadstico de los datos es un proceso iterativo que se puede
realizar, de esta forma, frente a la computadora.

Estrategias para el anlisis de los datos


En la actualidad no sera posible pensar en un anlisis estadstico sin el apoyo de uno
o varios paquetes computacionales estadsticos idneos; por tal motivo cuando se va a
abordar el proceso de anlisis de los datos es necesario disear una estrategia
general, entendida sta como una serie de pasos, los cuales en ocasiones se deben
iterar o repetir con datos que varan gradualmente varias veces hasta completar una
serie de resultados necesarios para decidir sobre la ejecucin de anlisis sucesivos. El
diseo de una estrategia es imprescindible en los casos en que se requiere ajustar un
modelo estadstico, ya que aqu la postulacin del modelo debe ser seguida de un
exhaustivo anlisis exploratorio y descriptivo de los datos; en esta fase preliminar se
revisa la viabilidad del modelo y lo razonable de los supuestos, con el apoyo de
grficas y procedimientos descriptivos.

Una vez postulado un modelo idneo, entonces se contina con una serie de pasos
que tienen que ver con el ajuste y la evaluacin de la bondad de ste. En tal serie se
realizan procesos de estimacin y prueba de hiptesis, los cuales deben estar
validados y bien sustentados. Una vez que se ha logrado ajustar el modelo, se realiza
el diagnstico y evaluacin de sensibilidad, lo que implica el anlisis de residuos, el que
se hace tanto de manera grfica como a partir de pruebas formales.

Problemas detectados en el anlisis de residuos pueden llevar al replanteamiento del


modelo y a repetir los pasos anteriores al diagnstico. Una vez diagnosticado el modelo
viene la fase de interpretacin y uso, la cual requiere nuevamente de los conocimientos
tericos del problema. Hay varias tcnicas multivariadas que se denominan
exploratorias, porque no se requiere suponer un modelo estadstico para su
instrumentacin. En s son tcnicas numricas, como lo sera cualquier proceso de
obtencin de estadsticos descriptivos, pero aqu la complejidad de clculos requeridos
las hace no bsicas.
Aun cuando estas tcnicas son consideradas exploratorias, requieren de anlisis
previos, por su naturaleza multivariada y porque muchas veces son las que se aplican
en la fase final de los anlisis estadsticos. As, tcnicas como correlacin cannica,
componentes principales, anlisis de agrupacin (cluster analysis) y anlisis de
correspondencia, son procedimientos que antes de su aplicacin requieren de
abundantes anlisis exploratorios univariados y bivariados.

Por otro lado, la regresin multivariada, el anlisis de varianza multivariado y el anlisis


discriminante son procedimientos que demandan de un modelo estadstico. Muchos de
los anlisis slo requieren de los conocimientos bsicos de la estadstica, pero hay
algunos otros anlisis ms elaborados que reclaman el concurso de un estadstico con
una calificacin en el uso de tcnicas avanzadas, como es el caso de la modelacin
estadstica a travs de modelos especiales. En tales casos se debe recurrir a con- sulta
de manera oportuna.

Reglas para analizar datos


Chatfield (1995) plantea una serie de reglas para analizar datos en el contexto de un
estudio o investigacin. A continuacin se presentan las llamadas seis reglas bsicas.

No intentar analizar los datos antes de tener un entendimiento claro de qu es lo


que se est midiendo y por qu; tratando, adems, de encontrar si existe
informacin anterior o primaria acerca de los posibles efectos que pueda
introducir cada varia- ble en el comportamiento general del problema o
fenmeno. En este orden de ideas, el estadstico deber hacer muchas
preguntas con la finalidad de: clarificar los objetivos del estudio o anlisis del
problema; conocer el significado de cada variable y las unidades en que se est
midiendo; conocer el significado de los smbolos especiales que se estn
utilizando (si los hay), y si existen experiencias similares que aporten
informacin complementaria sobre el problema o fenmeno en cuestin, que
apoya los anlisis.
Una vez realizado lo anterior, es necesario explicar cmo fueron recolectados los
datos. Aqu se destaca la necesidad de conocer si hubo un proceso de
aleatorizacin apropiado que garantice la confiabilidad de las mediciones. Si los
datos provienen de un proceso no aleatorizado propiamente, es posible que slo
sea justificado realizar un anlisis descriptivo simple.
Especificar cul es la estructura de los datos. Aqu es importante contestar las
siguientes preguntas:Son suficientes las observaciones para explicar el
problema o fenmeno? Son muchas o pocas las variables explicativas? Aqu
es necesario distinguir los diferentes tipos de variables que se van a estudiar,
definiendo si son demogrficas, controlables o variables de respuesta, etc.
Adems de hacer una clasificacin de variables por tipo de medida o escala que
se utilicen: continuas o discretas, cualitativas o binarias. Todo ello porque los
anlisis resultantes dependen crticamente de la estructura que guarden los
datos.
Despus los datos deben de ser examinados en una forma exploratoria, antes
de tratar de intentar un anlisis ms sofisticado. Para llevar a efecto este anlisis
es necesario el clculo de estadsticas bsicas y el ajustar grficas de funciones
a los datos en cualquier forma que aparezca apropiada, haciendo esto, para
cada variable por separado (y en algunos casos por pares de ellas). Se
recomienda el uso de histogramas, diagramas de cajas y lneas, as como
diagramas de dispersin, de tallos y hojas, para ilustrar los tipos de distribucin
que puedan suponerse para los datos. As como tambin para tratar de observar
los efectos de los valores faltantes o valores extremos y que puedan, o no,
afectar los posibles anlisis.
Utilizar el sentido comn todo el tiempo.
Reportar los resultados en una forma clara y explicativa por s mismos.
Se puede decir que el anlisis de datos es una actividad que est directamente
vinculada con lo realizado en la fase del diseo del estudio o investigacin. En el caso
en el que el investigador maneje la metodologa estadstica de manera integral, ser
posible planear antes de la obtencin de datos una estrategia general de anlisis. Por
desgracia, en la mayora de los casos el anlisis estadstico se disea una vez que los
datos se han obtenido, lo cual muchas veces demerita la calidad de la investigacin en
general.

ELABORACIN DE UN REPORTE
El trabajo estadstico termina con la elaboracin de un reporte o informe, en el cual se
debe presentar la descripcin del problema, la metodologa de obtencin y anlisis de
datos, as como los resultados y las conclusiones. La tarea de disear y elaborar un
reporte requiere una clara comprensin, tanto del problema como del proceso que se
sigui para su solucin. En este sentido, el manejo de los conceptos clave de la
estadstica es fundamental, sobre todo en lo que se refiere a la descripcin de la
metodologa de obtencin y anlisis de datos, as como en la presentacin y discusin
de los resultados.

El anlisis de los resultados, una vez realizado, debe ser plenamente justificado, y los
resultados deben presentarse de manera apropiada. Usualmente se recomienda
disear y elaborar slo unos cuantos cuadros, tablas y grficos. No hace falta presentar
todo lo que se hizo, ms bien seleccionar lo ms relevante, lo relacionado de manera
directa con las preguntas que dieron origen a la investigacin o estudio. Por otro lado,
la discusin de los resultados debe incluir los aspectos estadsticos, pero tambin
aspectos del marco de referencia del problema; debe tratar de darse una explicacin de
los resultados y no slo hacer una recapitulacin de los mismos.

Para escribir reportes de anlisis estadsticos no hay en la literatura ms que


recomendaciones generales, aunque recientemente se est abordando ya con mayor
profundidad el tema (Spurrier, 2002). En este sentido, una prctica consciente
propiciar, sin duda, la adquisicin de las habilidades que se requieren para hacerlo de
manera adecuada. Con seguridad es posible decir que una investigacin o estudio no
se ha terminado hasta que se publica y difunde.

El reporte de la investigacin es la prueba de fuego para el investigador, ya que es all


donde concurren muchos de los problemas propiciados por la mala conduccin de
algunos pasos en el desarrollo de la investigacin. La apropiada organizacin y
correcta administracin de los pasos y fases producir materiales fundamentales para
elaborar un reporte satisfactorio; sin embargo, tambin se requiere un esfuerzo de
sntesis y un manejo de la comunicacin escrita en el estilo tcnico. La sntesis de los
resultados y un hbil esfuerzo de diseo, revisin repetida y un justo manejo del estilo,
producen, en general, reportes favorables. De un adecuado reporte de investigacin es
inmediata y relativamente sencilla la preparacin de una ponencia para un foro o
congreso. Tambin es inmediata la construccin de un artculo cientfico. Muchas de
las formas especficas de reportes y escritos cientficos estn determinadas por
convenciones aceptadas, que son diferentes segn el rea de conocimiento y hasta la
disciplina; por tal motivo es difcil tratar los puntos involucrados de manera muy
particular. El investigador debe estudiar a fondo y en su contexto disciplinario estos
temas.

ESCALAS Y VARIABLES ESTADISTICAS

ESCALA
Sucesin ordenada por grado o intensidad, de cosas distintas, pero de la misma
especie

ESCALA DE MEDICIN
Son consecuencia de la medicin, puede llevarse segn diferentes conjuntos de reglas
A continuacin se discutirn las principales, as como las implicaciones en
Bioestadstica, dentro de ellas tenemos: Escala Nominal. Escala Ordinal. Escala de
Intervalo. Escala de Razn.

ESCALA NOMINAL
Consiste en designar o nombrar las observaciones. Las categoras son mutuamentes
excluyentes y colectivamente exhaustivas. No es posible ordenar las categoras. Son
dicotmicas (no ordenables): sano o enfermo, si o no La prctica de utilizar nmeros
para distinguir entre diversos diagnsticos mdicos constituye una medicin sobre una
escala nominal.

ESCALA ORDINAL
Es categrica. Cuando las observaciones no slo difieran de categora a categora, sino
que adems pueden clasificarse por grados de acuerdo con algn criterio de orden

Ejemplos: Niveles de una enfermedad. Rango acadmico. Edad (menor igual a 18


aos; mayor a 18 aos y menor a 40 aos; mayor igual a 40 aos).

ESCALA DE INTERVALO
Es cuantitativa. No slo distingue orden entre categoras, sino que tambin pueden
discernirse diferencias iguales entre las observaciones. Se considera unidad de
medida, segn un parmetro (escalas de grados en temperatura, metros, pie,
puntajes). Cero arbitrario, es decir, el valor cero no indica ausencia de la caracterstica,
en otras palabras, la caracterstica est presente y vale cero algunos ejemplos son la
temperatura, pruebas de coeficiente intelectual, acadmicas, altura sobre el nivel del
mar

ESCALA DE RAZN
Es cuantitativa. Cero absoluto, es decir, el valor cero representa ausencia de la
caracterstica o atributo). Claros ejemplos de esta escala son la distancia, altura, masa,
peso, estatura, entre otros.
VARIABLE
Una caracterstica se clasifica como variable si, se encuentra que sta toma diferentes
valores en los diferentes elementos de la muestra o poblacin en estudio, por lo tanto
NO es constante. En otras palabras, es una propiedad que puede fluctuar y cuya
variacin es susceptible de medirse u observarse. Ejemplos: Presin sangunea
diastlica. Masa de nios en edad preescolar. Frecuencia cardiaca. Estatura de
varones adultos. Edad de los pacientes de un mdico

VARIABLES ESTADSTICAS CUALITATIVAS NOMINAL ORDINAL CUANTITATIVAS


DISCRETAS CONTINUAS

VARIABLES CUALITATIVAS Son aquellas variables estadsticas que clasifican el


conjunto de elementos de la muestra o poblacin en categoras. Por ejemplo: estado
civil, nacionalidad, religin, nivel educativo, grupo tnico, etc.

V. CUALITATIVAS NOMINAL Categoras No ordenada. Dicotmicas no ordenadas.


ORDINAL Categoras ordenadas.

VARIABLES CUANTITATIVAS Son aquellas variables estadsticas que miden de


manera numrica y cuantificable el conjunto de observaciones de la muestra o
poblacin. Ejemplos: Estatura de varones adultos. Nmero de pupitres en un saln de
clases.

V. CUANTITATIVAS DISCRETAS No existen valores intermedios entre dos valores


consecutivos de la variable. CONTINUAS Existen valores intermedios entre dos valores
consecutivos de la variable.

RELACIN ENTRE ESCALAS Y VARIABLES ESCALA NOMINAL VARIABLE


CUALITATIVA NOMINAL ESCALA ORDINAL VARIABLE CUALITATIVA ORDINAL
ESCALA DE INTERVALO ESCALA DE RAZN VARIABLE CUANTITATIVA
DISCRETA CONTINUA
EXPERIMENTO Situacin de control en la cual se manipulan de manera intencional,
una o ms variables independientes (causas) para analizar las consecuencias de tal
manipulacin sobre una o ms variables dependientes (efectos).

VARIABLE INDEPENDIENTE Es una variable que no depende de otra, por lo general,


es el objeto o evento en el que se centra la investigacin.

VARIABLE DEPENDIENTE Es una variable que depende de otra o est subordinada a


otra variable (variable independiente).

VARIABLES INTERVINIENTES Son variables que pueden tomar parte en el estudio o


investigacin.

VARIABLES EN UN EXPERIMENTO O INVESTIGACIN

EJEMPLO 1 Un mdico desea determinar la influencia de la Edad (aos cumplidos)


sobre las Enfermedades cardiacas, en los habitantes de Pueblo Nuevo del Sur, Mrida.
Variable independiente: Edad. Escala de razn. Variable cuantitativa continua. Variable
dependiente: Enfermedades cardiacas. Escala nominal. Variable cualitativa nominal.
Variables intervinientes: Calidad de alimentacin (Buena, Regular, Mala). Escala
ordinal. Variable cualitativa ordinal

EJEMPLO 2 Un investigador desea determinar si la Miopa influye en el Rendimiento


promedio (puntos) de los Estudiantes de primer ao de la Escuela de Medicina.
Variable independiente: Presencia de Miopa (si, no) Escala Nominal. Variable
cualitativa nominal. Variable dependiente: Rendimiento promedio (puntos). Escala
Intervalo. Variable cuantitativa continua Variable interviniente: Cumple con el
tratamiento (si, no) Escala Nominal. Variable cualitativa nominal.
CONCLUSION

En la actualidad, con la disponibilidad de las facilidades computacionales, la aplicacin


de la metodologa estadstica requiere una compenetracin con los principios
fundamentales de esta disciplina ms que con los aspectos operativos de las tcnicas,
ya que rara vez un investigador debe hacer clculos; por todo esto el nfasis debe ser
puesto en el cundo usar una tcnica o procedimiento, qu condiciones debe cumplir el
problema bajo estudio para que la aplicacin de la tcnica sea adecuada y, sobre todo,
cmo interpretar los resultados que se obtienen.

Un aspecto adicional que debe ser garantizado es la instrumentacin de la tcnica a


partir de un paquete estadstico. Como observacin final se debe decir que la
metodologa estadstica se adapta al proceso de diseo y realizacin de la
investigacin, por lo que su particularidad en trminos de qu y cmo, en mucho est
definida por el problema objeto de estudio. El proceso general de la aplicacin de la
metodologa estadstica requiere necesariamente un nivel de compenetracin en el
problema en cuestin, adems de la comprensin cabal de los conceptos clave de la
estadstica. El dominio de los conceptos clave de la metodologa estadstica por parte
del investigador es fundamental, ya que esto permitir una correcta comunicacin, con
la consiguiente rpida comprensin del problema y diseo de la estrategia para
resolverlo. Es decir, para el investigador es fundamental una buena cultura estadstica,
independientemente de que muchas veces necesite recurrir a un asesor. Ms an, una
slida cultura estadstica le permitir recurrir al estadstico de manera oportuna.
BIBLIOGRAFIA

Armas, J. (1988). Estadstica Sencilla Descriptiva. Mrida: Consejo de Publicaciones de


la Universidad de Los Andes.

Daniel, W. (2010). Bioestadstica: Base para el anlisis de las ciencias de la salud (4a.
Ed.). Mxico.

Limusa Wiley. Glass, G. y Stanley J. (1986). Mtodos Estadsticos Aplicados a las


Ciencias Sociales. Mxico.

Prentice Hall. Real Academia Espaola (2002). Diccionario de la Lengua Espaola


(22a. Ed.). Madrid: Diccionarios Espasa.

Вам также может понравиться