CLASIFICACIN DE LAS TCNICAS ESTADSTICAS

Las tcnicas estadsticas pueden clasificarse en univariadas y multivariadas. Las tcnicas

univariadas son recomendables cuando hay una sola medicin para cada elemento de la
muestra, o cuando hay varias mediciones para cada elemento pero cada variable se analiza
por separado.

Por otro lado, las tcnicas multivariadas son convenientes para el anlisis de los datos,
cuando hay dos o ms mediciones de cada elemento y las variables se analizan al mismo
tiempo. Las tcnicas multivariadas se interesan en las relaciones simultneas entre dos o ms
fenmenos. Difieren de las tcnicas univariadas en el hecho de que no se concentran en los
niveles (promedios) y las distribuciones (varianzas) del fenmeno, sino en la medida de las
relaciones (correlaciones o covarianzas) entre esos fenmenos.

Las tcnicas univariadas pueden clasificarse en funcin de si los datos son mtricos o no
mtricos. Los datos mtricos se miden en una escala de intervalo o de razn. Los datos no
mtricos se miden en una escala nominal u ordinal. Dichas tcnicas tambin se clasifican de
acuerdo con el uso de una, dos o ms muestras. Advierta que aqu el nmero de muestras se
determina segn la forma en que se tratan los datos para propsitos del anlisis, y no en
funcin de la manera en que se recolectaron los datos.

Por ejemplo, los datos para los hombres y las mujeres pueden haber sido recolectados como
una sola muestra; pero si el anlisis implica un examen de las diferencias sexuales, se usarn
tcnicas para dos muestras. Las muestras son independientes si se toman al azar de diferentes
poblaciones. Para propsitos del anlisis, los datos que conciernen a diferentes grupos de
encuestados (por ejemplo, hombres y mujeres) por lo general se tratan como muestras
independientes. Por otro lado, las muestras son pareadas cuando los datos de las dos muestras
se relacionan con el mismo grupo de encuestados.

En el caso de los datos mtricos, cuando hay una nica muestra, pueden usarse las pruebas z
y t. Cuando hay dos o ms muestras independientes, pueden usarse las pruebas z y t para las
dos muestras y un anlisis de varianza de un factor (ANOVA de un factor) para ms de dos
muestras. En el caso de dos o ms muestras relacionadas, puede usarse la prueba t pareada.

En el caso de los datos no mtricos que impliquen una sola muestra, puede usarse la
distribucin de frecuencias, chi-cuadrada, la prueba de Kolmogorov-Smirnov (K-S), corridas
y pruebas binomiales. Para dos muestras independientes con datos no mtricos, pueden
usarse la chi cuadrada, la prueba de Mann-Whitney, la mediana, K-S, y el anlisis de varianza
de un factor de Kruskal-Wallis (K-W ANOVA). En contraste, cuando hay dos o ms
muestras relacionadas deben usarse pruebas de signos, McNemar y Wilcoxon (figura 1).
 Figura 1: Clasificacin de las tcnicas univariadas

Las tcnicas estadsticas multivariadas se clasifican como tcnicas de dependencia o de

interdependencia (figura 2). Las tcnicas de dependencia son adecuadas cuando es posible
identificar a una o ms variables como variables dependientes y al resto como variables
independientes. Cuando hay una sola variable dependiente, se puede utilizar la tabulacin
cruzada, el anlisis de varianza y covarianza, la regresin, el anlisis discriminante de dos
grupos y el anlisis conjunto. Sin embargo, si hay ms de una variable dependiente, las
tcnicas apropiadas seran el anlisis multivariado de varianza y covarianza, la correlacin
cannica y el anlisis discriminante mltiple. En las tcnicas de interdependencia, las
variables no se clasifican como dependientes o independientes; ms bien se examina todo el
conjunto de relaciones de interdependencia. Estas tcnicas se enfocan en la interdependencia
de las variables o en la semejanza entre objetos. La principal tcnica para estudiar la
interdependencia de las variables es el anlisis factorial. El anlisis de la semejanza entre
objetos puede realizarse usando el anlisis de conglomerados y el escalamiento
multidimensional.
Figura 2: Clasificacin de tcnicas multivariadas