Esta Di Stica

ESTADSTICA
Anlisis estadstico segn tipo de estudio en la investigacin
Mg. Rosa Padilla Castro

Fac. de Ingeniera y Arquitectura Dir. CIEST
INVESTIGACIN CIENTFICA
Sistemtica controlada emprica - crtica
Conclusiones y Recomendaciones
PROBLEMA Descripcin de la realidad Antecedentes tericos Definicin del problema Objetivos Justificacin Factivilidad/ viabilidad
HIPTESIS Preposiciones Implicancias Variables Operacionalizacin de las variables
MTODO Diseo Universo muestra Plan de recoleccin de datos Plan de procesamiento de datos
RECOLECCI N DE DATOS
Tcnicas Observacin Pruebas Experimentos Instrumentos Datos
PROCESA MIENTOANLISIS Crtica Tabulacin Grfica Estadgrafos Pruebas de hiptesis Discusin de resultados
REALIDAD
REALIDAD
MARCO TERICO
Cosmovisin
Antecedentes
Visin Histrica
Bases Marco Tericas Conceptual
METODOLOGIA DE INVESTIGACION
Diseo Metodolgico
Diseo de investigacin Tipo de Estudio Poblacin y Muestra

Mtodos e instrumentos de recoleccin de datos
Plan de Tabulacin y Anlisis
Procedimientos
6
TIPOS DE INVESTIGACIN CUANTITATIVA
EXPLORATORIA
DESCRIPTIVA
CORRELACIONAL
EXPLICATIVAS
Alcance de la investigacin a realizar
Exploratorio
Familiarizarse con el fenmeno

Lograr inmersin inicial Ubicacin de variables
I N V E S T I G A C I N
Descriptivo
Tener medicin precisa o descripcin profunda
Alcances Correlacional
Explicacin parcial Relacionar variables Mayor estructuracin Explicativo Entender el fenmeno
Fuente: Hernndez, Fernndez y Baptista

Estadstica Descriptiva
Describe y analiza una poblacin, sin pretender sacar conclusiones de tipo general.
Es el conjunto de mtodos, cuyo propsito es inferir o inducir leyes de comportamiento de una poblacin, a partir del estudio de una muestra, las cuales nos ayudaran en la toma de decisiones bajo un cierto grado de confianza; este grado de confianza se mide por la probabilidad.
ESTADSTICA Estadstica Inferencial
Ejemplo de cmo se interpreta una tabla

Tabla 1: Evolucin de la equidad segn desnutricin crnica y vacunacin, 1992 2000 Desnutricin crnica Vacunacin 1992 2000 1992 2000 Promedio 36,8 27,3 54,6 40,4 Grupo ms pobre 63,2 51,5 41,9 25,3 2ndo 50,6 40,4 49,4 34,7 Medio 37,5 26,8 53,4 40,2 Medio alto 24,7 12,6 60,3 47,8 Grupo ms rico 7,8 5,3 68,2 53,8 Ratio pobre/rico 8,1 9,8 0,6 0,5
FUENTE: INEI Encuesta Demogrfica y de Salud Familiar, 1992-2000
La tabla 1 muestra que, a pesar de que los niveles de desnutricin crnica mejoraron, tanto en el nivel promedio como por grupo de ingresos, entre 1992 y 2000, las desigualdades entre el grupo ms pobre y el ms rico se acentuaron (el ratio pobre-rico pas de 8,1 a 9,8). Esto implicara que los programas de salud pblica estn favoreciendo en mayor medida a las poblaciones con ms recursos y, en consecuencia, aumentando la brecha entre estos grupos y los ms pobres. Por el lado del acceso a los servicios pblicos, la situacin es aun ms grave, como lo revela la cada del porcentaje de nios que ha recibido vacunacin completa en todos los grupos de ingreso, siendo esta ms pronunciada en la poblacin ms pobre, lo que nuevamente ha significado una mayor distancia social.
La presentacin de los datos se realiza fundamentalmente utilizando dos mtodos: el mtodo tabular y el mtodo grfico.
Mtodo tabular
Consiste en una presentacin resumida de la informacin usando tablas. Si se utilizan tablas debe prestarse atencin a los tres elementos que la constituyen: el ttulo, la tabla propiamente dicha y las notas aclaratorias.
El ttulo.- Es un enunciado breve e informativo acerca del contenido de la tabla, un buen ttulo debe contestar a las siguientes preguntas: Qu contiene la tabla? Cmo se presenta este contenido? De dnde se presenta (lugar)? Cundo se obtuvo la informacin (fecha)?
Ejemplo: Treinta pacientes con cncer pulmonar provenientes de cuatro distritos fueron atendidos en el Hospital de Talara en el 2008.
Tabla 2. Pacientes con cncer pulmonar segn distrito de procedencia. Hospital de Talara-Piura. 2008
Distrito Talara El Alto
Nmero 11 6
% 36,7 20,0
Los rganos
Lobitos Total
7
6 30
23,3
20,0 100,0
Fuente: Archivo del Departamento de Estadstica del Hospital de Talara - Piura 2008
Tabla 3. Pacientes con cncer pulmonar segn distrito de procedencia y sexo. Hospital de Talara-Piura. 2008
Distrito
Sexo Femenino Masculino TOTAL TOTAL Los Talara El Alto Lobitos rganos 4 7 11 3 3 6 2 5 7 1 5 6 10 20 30
Fuente: Archivo del Departamento de Estadstica del Hospital de Talara - Piura 2008
Las notas aclaratorias son toda informacin adicional que facilita la interpretacin de la tabla y para enterarse de donde se obtuvo la informacin presentada, es decir la fuente. En las Tablas 1, 2 y 3 la nota aclaratoria es la fuente. Un aspecto importante de una tabla de doble entrada (tabla de contingencia) es el clculo de los porcentajes, estos deben calcularse tomando como 100% el total de cada categora o intervalo de la variable independiente.
Tabla 4. Amas de casa segn costumbre de cocinar con lea y presencia de EPOC *. Hospital Hiplito Unanue. Lima.2008
Cocina con lea EPOC* Siempre A veces Nunca Total
n
Si No Total 50 25 75
%
67,0 33,0
n
20 65
%
24,0 76,0
n
10
%
7,0
n
80
%
27,0
130 93,0
220 73,0
100,0 85
100,0 140 100,0 300 100,0
* Enfermedad pulmonar obstructiva crnica Fuente: Servicio de neumologa del Hospital Hiplito Unanue.
Tablas simples en SPSS

En SPSS: Analizar/Tablas/Tablas personalizadas/ Aceptar/Seleccionar la variable que se desea estudiar/ pasarla Aceptar
Construir una tabla de frecuencia de la variable sexo
Tabla 5: Pacientes que acuden al hospital de Tarapoto segn sexo, 2006
Frecuencia %
Sexo del entrevistado
Femenino Masculino Total
134 121 255
52.5% 47.5% 100.0%
Fuente: Encuesta a pacientes Para desarrollar los temas siguientes abrir la data proporcionada en clase: Hospital Tarapoto.sav
Tablas agrupadas para variables cuantitativas

En la siguiente tabla se presentar la edad de los pacientes, siendo esta una variable cuantitativa se formaran intervalos de clase Regla general para la construccin de intervalos. Determinacin del rango (R): R = Xmx - Xmn Determinacin del nmero de intervalos de clase (I): I = 1+3.32*log(n) Amplitud del intervalo (A): A=R/I Determinacin de los lmites de clase: LCI LCS Sin embargo, para formar los intervalos de clase, generalmente el investigador usa su criterio y/o generalmente la variable ya tiene intervalos definidos.
Agrupar variable en SPSS:

Transformar/recodificar/en distintas variables/ seleccionar la
variable y pasarla a Var. Numrica Var. de resultado haciendo clik en /poner nombre en Variable de resultado/hacer clik en cambiar/valores antiguos y nuevos/clik en rango (poner los intervalos de clase)/valor nuevo (1)(el nmero de intervalo)/aadir/continuar/aceptar
Ejercicio: Agrupar la variable edad en los siguientes intervalos: (menor de
18=menor de edad, de 18 60=adulto, mayor de 60=adulto mayor)
Tablas agrupadas
Tabla 6. Pacientes que acuden al hospital de Tarapoto segn grupos de edad, 2006
Grupos de edad
Menor de edad Adulto Adulto mayor Total
Intervalos
Menor de 18 18 - 60 Mayor 60
Frecuencia
26 180 49 255
Porcentaje
10.20 70.59 19.22 100
Porcentaje acumulado 10.20 80.78 100.00
Fuente: Encuesta a pacientes
Prctica: Recodificar la variable edad en 4 intervalos: Menor de edad, jvenes, adultos y adulto mayor
Tablas de contingencia
En SPSS: Analizar/Estadsticos descriptivos/Tablas de contingencia/Seleccionar la variable y pasarla a fila, otra a columna haciendo clik en /Casillas: se puede seleccionar reportes de porcentajes/Continuar/ Aceptar
Tabla 7. Opinin del paciente que acude al hospital de Tarapoto segn sexo Recomendara Sexo del entrevistado el Hospital de Tarapoto? Femenino Masculino si Frecuencia 84 81 % de Sexo 62.7 66.9 no Frecuencia 50 40 % de Sexo 37.3 33.1 Total Frecuencia 134 121 % de Sexo 100 100
Total 165 64.7 90 35.3 255 100
Ejercicio: Construir una tabla de contingencia con las variables recomendara al hospital de Tarapoto y grupos de edad
Es el anlisis de variables categricas, donde las filas y las columnas de una tabla estn formadas por las categoras de dos variables. Se construyen tales tablas porque ellas muestran el comportamiento de las respuestas a preguntas con datos nominales u ordinales. Igualmente se estudia la relaciones entre dos o tres variables categricas.
Tablas apiladas
En SPSS: Analizar/Tablas/Tablas personalizadas/Aceptar/Seleccionar las variables y pasarlas /Aceptar Ejercicio: Construir una tabla apilada con las variables acudira nuevamente al hospital de Tarapoto y sexo
Tabla 8. Frecuencia de asistencia al hospital de Tarapoto segn sexo de los entrevistados, 2006
Sexo del Acudira nuevamente al Frecuencias entrevistado Hospital de Tarapoto? Si 65 Femenino No 69 Si 48 Masculino No 73
Total Fuente: elaboracin propia
Total 25.5 27.1 18.8 28.6 100%
255
Un grfico estadstico es la presentacin de la informacin por medio de figuras geomtricas. El objetivo primordial de un grfico es dar una impresin visual de conjunto para una rpida y fcil comprensin. Es importante considerar el titulo de la figura, especificar las escalas, la leyenda y determinar la figura adecuada a la informacin.
Tipos de grficos Para variables categricas: (sexo, estadio TNM, profesin, etc.) se quiere conocer la frecuencia y el porcentaje del total de casos que caen en cada categora. Grfico de barras: Simples Una variable, tambin cuando la variable es cuantitativa pero discreta Agrupadas Dos variables Apiladas Dos variables Grfico de sectores circulares Una variable Para variables cuantitativas: Histogramas Lneas Tallo y hojas Cajas (combinacin de cuantitativa y cualitativa)
En SPSS: Grficos/Generador de grficos/Aceptar/seleccionar el

tipo de grfico/pasar la variable al eje correspondiente/aceptar
Grficos para variables categricas

Barras: Para representar variables cualitativas. Representa hechos o
fenmenos sin continuidad. Las categoras pueden representar distintos aspectos, no ordenados de una caracterstica.
Figura 1. Opinin de los pacientes que acuden al hospital Tarapoto, 2006
Barras agrupadas
Cuando se ha clasificado la informacin segn dos variables. Figura 2. Opinin de los pacientes acerca de la calidad de los alimentos segn sexo, Hospital Tarapoto, 2006
Barras apiladas
En SPSS. Grficos/cuadro de dilogos antiguos/barras/apiladas/ definir/continuar los pasos segn observa la figura
Barras apiladas
Figura 3. Opinin de los pacientes acerca de la calidad de los alimentos segn sexo, Hospital Tarapoto, 2006
Grfico de sectores o circulares

Para representar una variable cualitativa cuyo principal inters es conocer su frecuencia relativa.
Figura 4. Percepcin del paciente segn trato que recibi de la enfermera, Hospital Tarapoto, 2006
En SPSS. Grficos/cuadro de dilogos antiguos/ sectores/ resmenes para grupos de casos/ definir sectores por/ pasar la variable de inters/ resaltar % de casos/aceptar
Grficos para variables cuantitativas: Histograma

Grfico utilizado para representar las frecuencias absolutas o relativas mediante rectngulos, adyacentes teniendo como base los respectivos lmites reales de los intervalos de clase y la altura igual a la frecuencia respectiva.
Figura 5. Pacientes que acuden al hospital de Tarapoto segn edad, 2006
En SPSS. Grficos/cuadro de dilogos /histograma/pasar la variable de inters/mostrar curva normal/aceptar
Histograma
En SPSS. Grficos/cuadro de dilogos/pasar la variable de inters a: variable / a panel por filas (pasar la variable sexo)/aceptar
Figura 6. Edad de los pacientes que acuden al hospital de Tarapoto segn sexo, 2006
Polgono de frecuencias o Lneas

Cuando se tiene una variable cuantitativa continua y en especial que se mida a travs del tiempo
Figura 7. N de veces que los pacientes recibieron un servicio, Hospital Tarapoto, 2006
En SPSS. Grficos/cuadro de dilogos /lneas/pasar la variable de inters a eje de categoras/resaltar porcentaje de casos/aceptar
Diagrama de caja
Esta herramienta permite estudiar la simetra de los datos y detectar valores atpicos (outliers). Este grfico divide los datos en cuatro reas de igual frecuencia. La caja central (donde se encuentra el 50% central de los datos) tiene una lnea vertical (u horizontal) en el interior de la caja que indica la mediana (si esta lnea est en el centro en el centro de la caja hay simetra). Partiendo del centro de cada lado vertical (u horizontal) de la caja se dibujan los bigotes. El bigote de la izquierda (o inferior) tiene su extremo en el valor ms cerca de Q1 1,5*RIC, mientras que el bigote de la derecha (o superior) tiene su extremo en el valor ms cerca de Q3 + 1,5*RIC. Se consideran atpicos (outliers) los valores mayores a Q3 + 1,5*RIC y menores a Q1 1,5*RIC y se consideran atpicos extremos los mayores a Q3 + 3*RIC o menores a Q1 3*RIC (en SPSS se representan por o y x, respectivamente) Recordar que. Q1= cuartil uno o percentil 25. Q3 = cuartil tres o percentil 75. RIC = rango intercuartlico = Q3 - Q1.
Diagrama de caja
Min
Max
Q1
mediana Escala
Q3
Diagrama de caja
Se usa para comparar muestras, mediante los cuantiles.
Figura 8. N de veces que los pacientes recibieron un servicio segn sexo, Hospital Tarapoto, 2006
En SPSS. Grficos/cuadro de dilogos antiguos/diagramas de caja/Simple/resaltar Resmenes para grupos de casos/ pasar la variable de inters a eje de categoras pasar la variable sexo/aceptar
Grfico de Tallo y Hojas

Se usa para observar la variable en su forma original, muestra los valores extremos y atpicos. Figura 9. N de veces que los pacientes recibieron un servicio. Hospital Tarapoto, 2006
N de veces que asisti a recibir un servicioStem-and-Leaf Plot
Frequency Stem & Leaf
25.00 43.00 51.00 39.00 29.00 12.00 16.00 1 . 000000000000 2 . 000000000000000000000 3 . 0000000000000000000000000 4 . 0000000000000000000 5 . 00000000000000 6 . 000000 7 . 00000000
20.00
4.00 4.00 8.00 4.00
8 . 0000000000
9 . 00 10 . 00 11 . 0000 12 . 00 1 2 case(s)
Stem width: Each leaf:
Barras de error
Se usa para comparar intervalos de confianza entre muestras. En SPSS: Grficos/cuadro de dilogo antiguo /barras de error/simple/definir/pasar la variable de inters/al eje de categoras pasar la variable a contrastar/aceptar
Barras de error
Las barras de error, nos permiten identificar la variabilidad de la medida empleada como funcin de resumen en el grfico (ya sea la media, desviacin estndar, etc). La estructura del grfico se basa en un punto central que identifica el valor de la media, la cual se ubica en una lnea vertical; la longitud de la lnea (barra de error) indica un intervalo de confianza (porcentaje de los datos) o un nmero especificado de errores. Figura 10. Pacientes que acuden al hospital de Tarapoto segn edad y sexo, 2006
Barras de error
Figura 11. Pacientes que acuden al hospital de Tarapoto segn edad y opinin acerca de la calidad de los alimentos, 2006
Barras de error
Figura 12. Salario actual segn sexo y clasificacin de minoras de un grupo de empleados del banco x
Mg. Rosa Padilla
Parmetro: Es una cantidad numrica calculada sobre una poblacin

El colesterol promedio en varones menores de 30 aos
de los individuos de un pas La idea es resumir toda la informacin que hay en la poblacin en unos pocos nmeros (parmetros).
Estadstico: Es una cantidad numrica calculada sobre una muestra

El colesterol promedio en varones menores de 30 aos de los que estamos en este aula. Somos una muestra (representativa?) de la
poblacin. Si un estadstico se usa para aproximar un parmetro tambin se le suele llamar estimador.
Normalmente nos interesa conocer un parmetro, pero por la dificultad que conlleva estudiar a *TODA* la poblacin, calculamos un estimador sobre una muestra y confiamos en que sean prximos. Ms adelante veremos como elegir muestras para que el error Mg. Rosa Padilla Castro sea confiablemente pequeo.
Nominal
Definicin Categoras no ordenadas Gnero, estado civil, procedencia Moda
Ordinal
Categoras ordenadas Nivel de satisfaccin, rango de edades Moda y mediana
Escala
Mtrica-valores numricos
Ejemplos
Edad, peso, talla, ingreso
Medida de tendencia central Medida de dispersin
Moda, mediana, media aritmtica
Min/max/Rango/RIC Min/max/Rango/RIC/desviacin
Grficos
Procedimientos
Sectores/Barras Barras/sectores
Frecuencias/% Frecuencias/%
Histograma/lneas/cajas/Tallo y hojas/diagrama de dispersin

Frecuencias/descriptivos
Medidas de resumen en SPSS
Centralizacin Indican valores centrales en que los datos parecen agruparse.

Media, mediana y moda
Dispersin Indican la mayor o menor concentracin de los datos con respecto a las medidas de centralizacin.
Desviacin tpica, coeficiente de variacin, rango, varianza, rango intercuartil
Posicin (cuantiles) Dividen un conjunto ordenado de datos en grupos con la misma cantidad de individuos.
Percentiles, deciles, cuartiles, ...
Forma Asimetra Apuntamiento o curtosis


Estadsticos edad N Vlidos Perdidos Media Mediana Moda Desv. tp. Varianza Asimetra Error tp. de asimetra Curtosis Error tp. de curtosis Mnimo Mximo Percentiles 255 0 44.83 46.00 40.00 18.34 336.5 -0.06 0.15 -0.30 0.30 86.00 3.00 33.00 39 46 57
En SPSS: Analizar/Estadsticos descriptivos/frecuencias/Seleccionar la variables y pasarla a variables haciendo clik en /Estadsticos: seleccionar todas las medidas de resumen que se desee/Continuar/ Aceptar.
Ejercicio: Hallar las medidas de resumen para la variable edad.
25 35 50 75
Medidas de tendencia central

Media: Muestra el centro de gravedad de los datos.
Se usa cuando la poblacin es homognea Datos simples x x n

Mediana: Divide a los datos en dos partes iguales.
Se usa cuando la poblacin es heterognea. Datos simples: Se ordena los datos y se toma el valor central si la serie es impar, o la semisuma de los dos datos centrales si la serie es impar. Moda: Muestra el valor ms frecuente de los datos
Medidas de tendencia central
Altura mediana
Medidas de posicin: Cuantiles

Se define el cuantil de orden como un valor de la variable por debajo del cual se encuentra una frecuencia acumulada Casos particulares son los percentiles, cuartiles, deciles, ...
Cuartiles: Divide a los datos en 4 partes iguales

Deciles: Divide a los datos en diez partes iguales Percentiles: Divide a la informacin en 100 partes
iguales
Medidas de posicin: Cuantiles
Ejemplos (si estuviramos analizando la variable peso en recin nacidos y la variable

colesterol en adultos)
El 5% de los recin nacidos tiene un peso demasiado bajo.
Qu peso se considera demasiado bajo? Percentil 5
Qu peso es superado slo por el 25% de los individuos? Percentil 75

El colesterol se distribuye simtricamente en la poblacin. Se
considera patolgico los valores extremos. El 90% de los individuos son normales Entre qu valores se encuentran los individuos normales? Entre el percentil 5 y el 95 ms normales de una poblacin? Entre el cuartil Mg. Rosa3 Castro 1 y Padilla
Entre qu valores se encuentran la mitad de los individuos
Qu edad no llega a alcanzar el 25% de los individuos?
Primer cuartil = percentil 25 = 33 aos.
Qu edad es superado por el 25% de los individuos?
Tercer cuartil= percentil 75= 57 aos.
Entre qu valores se encuentra el 50% de los individuos con una edad ms normal?

Entre el primer y tercer cuartil = entre 33 y 57 aos Observar que indica cmo de dispersos estn los individuos que ocupan la parte central de la muestra. Ver ms adelante rango intercuartlico. Los diagramas de caja (boxplot) sintetizan esta informacin (y algo ms).
Estadsticos edad Percentiles 25 50 75 33.00 46.00 57.00

Medidas de dispersin
Miden el grado de dispersin (variabilidad) de los
datos, independientemente de su causa.
Varianza:
Es una medida terica, muestra la variabilidad al cuadrado. x 2 n( x ) 2 s2 En una muestra: n 1 Datos simples
s2 x2 f f n( x ) 2 1
Datos agrupados En la poblacin:

2
x2 N
N ( )2
Medidas de dispersin
Desviacin tpica: 2 Muestra la dispersin de los datos respecto a la media. A una distancia de una desviacin tpica de la media tendremos 68% observaciones. A una distancia de dos desviacin tpica de la media tendremos 95% observaciones.
Coeficiente de variacin: Es la dispersin relativa de datos. Permite
comparar variabilidad entre muestras en donde las unidades son diferentes. s
cv%
.100
Rango intercuartlico:
Es la distancia entre el primer y tercer cuartil. RI= P75 - P25 Parecida al rango, pero eliminando las observaciones ms extremas inferiores y superiores.Mg. Rosaes tan sensible a valores extremos. No Padilla Castro
Centrado en la media y a una desviacin tpica de distancia tenemos ms de la mitad de las observaciones (izquierda) A dos desviaciones tpicas las tenemos a casi todas (derecha.)
Medidas de forma
Asimetra: Permite identificar hacia donde se acumula la
informacin. S: As 0 La distribucin es simtrica As > 0 La distribucin es positiva (Sesgo positivo) As < 0 La distribucin es negativa (Sesgo negativo)
Es una cantidad adimensional. Interesante para comparar la
variabilidad de diferentes variables. Si el peso tiene CV=30% y la altura tiene CV=10%, los individuos presentan ms dispersin en peso que en altura
Una distribucin es simtrica si la mitad izquierda de su distribucin es la imagen especular de su mitad derecha.
En las distribuciones simtricas media y mediana coinciden. Si slo hay una moda tambin coincide La asimetra es positiva o negativa en funcin de a qu lado se encuentra la cola de la distribucin. La media tiende a desplazarse hacia las valores extremos (colas). Las discrepancias entre las medidas de centralizacin son indicacin de asimetra. Rosa Padilla Castro Mg.
Medidas de forma
grado de apuntamiento (aplastamiento) que tiene la distribucin con respecto a la distribucin normal o gaussiana.
Frecuencia
300
200
Apuntamiento (Coeficiente de Kurtosis): Indica el
100
0 27 32 37 41 45 49 53 57 61 65 69 73 77 81 85 89 93 99
Mesocrtica
160
Frecuencia
Si k 0,263, diremos que la curva correspondiente a la distribucin de frecuencias es mesocrtica (tiene igual apuntamiento que la normal o campana de Gauss) si k < 0,263, diremos que la curva correspondiente a la distribucin de frecuencias es platicrtica si k > 0,263, diremos que la curva correspondiente a la distribucin de frecuencias es leptocrtica
140
120
100
80
Frecuencia
60
40 45 48 51 54 57 60 63 66 69 72 75 78 81 84
Platicrtica
400
300
200
100
0 3 16 27 32 37 42 47 52 57 62 67 72 77 82 87 92 97 108 138 102
Leptocrtica
Medidas de resumen para variables cualitativas

Las medidas de resumen numrico empleadas para variables cualitativas son: Proporcin (prevalencia) Razn (muertes fetales/nacidos vivos) Tasa (incidencia)
Proporcin
Es el cociente entre el nmero de elementos de un subconjunto y el nmero de elementos del conjunto al que pertenece dicho subconjunto. En este caso el numerador est incluido en el denominador, por este motivo los valores siempre van a ser menores que la unidad. Por ejemplo, si en la poblacin hubo 175 casos de cncer pulmonar de un total de 1925 casos de todos los tipos de cncer, la proporcin se calcular. 175 / 1925 = 0.09
Razn
Es el cociente entre dos cifras de diferentes o similar naturaleza en donde el numerador y el denominador son excluyentes. Por ejemplo, si tenemos 380 camas hospitalarias y 95 enfermeras y queremos encontrar la razn entre ellas, tenemos que dividir: 380 camas hospitalarias / 95 enfermeras = 4 camas/enfermera Este nmero constituye un valor que refleja una relacin. Indica que por cada enfermera hay cuatro camas hospitalarias.
Tasa
d
Posicin Pas Tasa de mortalidad (muertes/ 1000 habitantes) 22.7 19.56 16.41 16.06 15.93 14.65 14.3 13.92
DZ N 30
VI Z
* 1000
dZ : La tasa bruta de mortalidad en el ao Z
DZ : Nmero total de fallecimientos ocurridos en el ao Z.

N30 VI Z : Poblacin total a mitad del ao Z (30 de junio de dicho ao).
3 11 15 18 20 23 26 29
Sudfrica Afganistn Nigeria Rusia Ucrania Costa de Marfil Bulgaria Bielorrusia
39 41
Camern Congo
12.41 12.28
Tasa
Menores
Tasa de mortalidad (muertes/ 1000 habitantes) 6.16
d
Pas
DZ N 30
VI Z
* 1000
dZ > As, se puede afirmar que en 2008, por cada 179,754 Mil fallecieron un 29,180,899 poco ms de 6 personas. 6.16
Puesto
DZ
>
155 186 187
Per
N30 VI Z>
Venezuela 5.1 Egipto 5.09
192
199 201 204 205 207
Mxico
4.78
Singapur 4.53 Paraguay 4.49 Nicaragua 4.33 Costa Rica 4.31 Ecuador Emiratos rabes Unidos 4.21
220
2.13
Tasa
Mayores puesto s Pas Tasa de natalidad (nacimientos/1 000 habitantes)
BZ N30
VI Z
1000
bZ 4 Afganistn Repblica del Congo Nigeria 45.82
: La tasa bruta de natalidad en el ao Z
BZ : Nmero total de nacimientos vivos ocurren en el ao Z. N30 VI Z : Poblacin total a mitad del ao Z (30 de junio de dicho ao).
9 19
43 39.98
25
41 44 49 52
Madagascar
Camern Costa de Marfil Iraq Nepal
38.38
34.59 34.26 30.77 29.92
56 58
Guatemala Paraguay
28.55 28.47
Tasa
b
Puesto Pas Tasa de natalidad (nacimiento s/1000 habitantes)
Z
BZ N30
VI Z
1000
= = = 19.77 576,906 29,180,899
bZ BZ N30 VI Z
108
Per
19.77
Este valor indica que en 2008, ocurrieron en el Per 19.77 nacimientos por cada mil habitantes.
205
208 209
Grecia
Taiwn Singapur Repblica Checa Austria Italia Alemania Japn Hong Kong
9.54
8.99 8.99
211
215 217 219 220 221
8.89
8.66 8.36 8.18 7.87 7.37
Trabajo de aplicacin grupal

Con la base de datos Hospital Tarapoto construir e interpretar: 1. Una tabla simple 2. Una tabla agrupada con la variable frecuencia de asistencia 3. Una tabla de contingencia 4. Una tabla apilada 5. Dos grficos para variables cualitativas 6. Dos grficos para variables cuantitativas 7. Un grfico de cajas con la variable frecuencia de asistencia y edad recodificada 8. Calcular todas las medidas de resumen para la variable frecuencia de asistencia
68
Objetivo
Estudios de una sola muestra Estimacin de la media ( )
Supuestos bsicosprueba paramtrica
Prueba paramtrica
Supuestos bsicosprueba no paramtrica
Prueba no paramtrica
Estimacin de la proporcin ( )
Prueba de hiptesis para ( ) Prueba de hiptesis para ( )
Normalidad Se conoce Se desconoce
t de Student
Z
t de Student Z
Bondad de ajuste
Mg. Rosa Padilla
Libre distribucin
Kolmogorov,
2
Objetivo
Diferencias de promedios Independencia (2x2) Independencia (rxc) Nominal por nominal
Supuestos bsicos-prueba paramtrica
Prueba paramtrica
Supuesto Prueba no s no paramtrica paramt rica
Comparacin de dos muestras independientes

Normalidad Homogeneidad t de Student para grupos independi entes Libre distribuci n U de MannWhitney Fisher, Coeficiente Phi 2 sin corregir Coeficiente de contingencia V de Cramer Coeficiente de incertidumbre Gamma, d de Somers; Tau-b de Kendall Eta Kappa Mediana
Mg. Rosa Padilla
Ordinal por ordinal
Nominal x intervalo Acuerdo entre 2 jueces Numrica y categrica
Objetivo
Prueba paramtrica
Estudios de 2 muestras relacionadas Diferencia de muestras relacionadas

Antes / despus
Normalidad t para muestras relaciona das
Libre distribucin
Wilcoxon Signos
til para McNemar (respuestas evaluar el dicotmicas) cambio en Homogeneid dos ad marginal momentos- (respuestas multinomiales) diseos antes/despu s
Mg. Rosa Padilla
Objetivo
Prueba paramtrica
Estudios con ms de 2 muestras Muestras independientes: Diferencia de promedios Numrica y ordinal

Muestras relacionadas Variables numricas Homogeneidad (dicotmica) Concordancia
Normalidad Homogenei dad ANOVA
Libre distribucin
Kruskal Wallis Mediana Friedman Q de Cochran W de Kendall
ANOVA bloques aleatorios
Mg. Rosa Padilla
Objetivo
Anlisis correlacional
Entre dos variables : Ambas numricas Ambas ordinales Ambas nominales
Prueba paramtrica
Anlisis de los errores Tamao de muestra grande
Regresin / r de Pearson
Libre distribucin (numrica u ordinal)
R de Spearman Tau-b de Kendall Riesgo relativo Odds ratio
Mg. Rosa Padilla
Objetivo
Diseos prospectivos o de cohortes (hacia adelante)
Supuestos no paramtrica
Estudios con dos muestras independientes

Se establecen dos grupos de sujetos a partir de la presencia o ausencia de una condicin que se considera desencadenante y se hace seguimiento hacia adelante para determinar en que proporcin de sujetos de cada grupo se produce un determinado desenlace Se forman dos grupos de sujetos a partir de alguna condicin de inters, se va haca atrs buscando la presencia de algn factor desencadenante Riesgo relativo (Rr)
Diseos retrospectivos o de caso control (haca atrs)
Odds ratio
Mg. Rosa Padilla
Mtodos de anlisis multivariante

I. Mtodo predictivo
Pruebas multivariantes
Regresin lineal mltiple Anlisis de covarianza Anlisis de varianza Regresin logstica mltiple Anlisis discriminante
II. Mtodos reductivos Componentes principales Anlisis factorial Correlacin cannica Anlisis cluster Anlisis de correspondencia
Mg. Rosa Padilla
Probabilidades
Poblacin: N
2
Muestra: n
x
S2
Representati vidad (tipo de muestreo) Tamao de muestra
Estimacin de
Inferencia
parmetros Pruebas de hiptesis
Inferencia
Los mtodos estadsticos inferenciales
constituyen una forma de extraer conclusiones respecto a una poblacin, de los datos obtenidos de una muestra.
La inferencia estadstica comprende dos tipos
principales de tcnicas: Estimacin de parmetros y contrastacin de hiptesis. Independientemente de la tcnica que se utilice, la finalidad general es utilizar datos de una muestra para extraer conclusiones respecto a una poblacin.
Estimacin de parmetros
Las tcnicas de estimacin son utilizadas cuando el investigador no tiene hiptesis previa respecto al valor de una caracterstica de la poblacin y desea conocer cul podra ser tal valor.
La estimacin puede asumir 2 formas:
Estimacin puntual Estimacin por intervalos
Estimacin puntual (A) Estimacin Puntual para la media poblacional. Se halla mediante las siguientes frmulas.
xi = x= n
(B) Estimacin Puntual para la varianza poblacional. Se halla mediante las siguientes frmulas.
2 2
s=
x n( x) n 1
Estimacin de parmetros
Estimacin por intervalos
La estimacin por intervalos de un parmetro nos indica lmites dentro de los cuales el parmetro tiene la probabilidad especificada de estar. Los estimados por intervalos se conoce como intervalos de confianza y los lmites inferior y superior como los lmites de confianza.
-k P(
+ k ) = 1 -
En muchos problemas, los datos de slo una parte de la poblacin (muestra), pueden dar la
informacin necesaria para tomar una decisin o

probar una hiptesis referente a la poblacin o universo.
El objetivo del muestreo es seleccionar una muestra que sea representativa de la poblacin. Para esto, se
debe determinar el mtodo adecuado de seleccin,

el tamao correcto de la muestra y la tcnica de estimacin de las caractersticas de la poblacin en base a la muestra.
DISEO MUESTRAL
Definicin de la poblacin a estudiar
Determinacin del marco muestral

Fijacin de las unidades de muestreo Tipo de muestreo Clculo del tamao de muestra (confiabilidad y error de estimacin) Determinacin de los niveles de inferencia
Marco muestral: es el listado de unidades del cual se seleccionar una muestra.

Unidades del Marco Muestral
CONTIENE
Unidades de la Poblacin
Por ejemplo: En una encuesta de hogares, si bien el objeto de estudio es la poblacin, el marco muestral esta conformado por las unidades habitacionales, las manzanas o las viviendas.
84
Por que muestrear? La naturaleza destructiva de ciertas pruebas:

Los catadores de vino, Quienes prueban la calidad de una semilla
La imposibilidad de revisar todos los integrantes
de la poblacin:
poblaciones de aves, peces, mosquitos, en constante movimiento. Incluso los humanos: migran, nacen, mueren
El costo de estudiar a todas las unidades de una
poblacin es prohibitivo La muestra genera informacin til a bajo costo: Tiempo consumido para entrevistar a la totalidad de una poblacin.
85
NIVEL TECNICO
NIVEL ECONOMICO
Cul ser el tamao adecuado de mi muestra para que sea representativa?
Cul es la cantidad de error que su presupuesto puede pagar?
Tomar el 5% o 10% de los casos. Tomar 100, 400 o 1000 casos.

Solicitar ms presupuesto. Dejar de hacer otras actividades para realizar la encuesta.

86
Poblacin
Muestra al azar
EDAD Media = 47
EDAD Media = 48.5
DIFERENCIA =1.5
= Error de estimacin
87
Tipos de Muestreo
Universo de estudio Variables de inters Parmetros a investigar
No probabilstico
Probabilstico
Margen de error
Muestreo por conveniencia Muestreo a juicio de expertos Muestreo por cuotas Muestreo bola de nieve
Muestreo aleatorio simple
Muestreo sistemtico
Muestreo estratificado
Muestreo conglomerados
Muestreo polietpico
88
Condiciones bsicas
La muestra debe ser representativa

Tipo de muestreo
La muestra debe ser adecuada

Tamao optimo
Tipos de muestreo
Para elegir una muestra de individuos o elementos de una poblacin de estudio, tenemos dos posibilidades de llevar acabo:
Muestreos probabilsticos
Conocemos la probabilidad de que un individuo o elemento sea elegido para la muestra. Interesantes pues sus resultados se pueden extrapolar a la poblacin de estudio con un mnimo sesgo de error y un grado de confianza asumido por el investigador.
Muestreos no probabilsticos
No se conoce la probabilidad. Son muestreos que seguramente esconden sesgos. En principio no se pueden extrapolar los resultados a la poblacin.
A pesar de ello una buena parte de los estudios que se publican usan esta tcnica.
En adelante vamos a tratar exclusivamente con muestreos con la menor posibilidad de sesgo (probabilsticos)
Muestreo aleatorio simple (m.a.s.)

Se eligen individuos de la poblacin de estudio, de manera que todos tienen la misma probabilidad de aparecer, hasta alcanzar el tamao muestral deseado. Se puede realizar partiendo de listas de individuos de la poblacin, y eligiendo individuos aleatoriamente con un ordenador o una tabla de nmeros aleatorios. Normalmente tiene un costo bastante alto su aplicacin. En general, las tcnicas de inferencia estadstica suponen que la muestra ha sido elegida usando m.a.s., aunque en realidad se use alguna de las que veremos a continuacin.
Muestreo sistemtico
Se tiene una lista de los individuos de la poblacin de estudio. Si queremos una muestra de un tamao dado, elegimos individuos igualmente espaciados de la lista, donde el primero ha sido elegido al azar.
CUIDADO: Si en la lista existen periodicidades, obtendremos una muestra
sesgada.
Un caso real: Se eligi una de cada cinco casas para un estudio de salud pblica en una ciudad donde las casas se distribuyen en manzanas de cinco casas. Salieron con mucha frecuencia las de las esquinas, que reciben ms sol, estn mejor ventiladas,
Muestreo estratificado
Se aplica cuando sabemos que hay ciertos factores (variables, subpoblaciones
o estratos) que pueden influir en el estudio y queremos asegurarnos de tener

cierta cantidad mnima de individuos de cada tipo:
Hombres y mujeres, Jvenes, adultos y ancianos

Se divide a la poblacin en estratos y luego se toma la muestra aleatoria de los individuos de cada uno de los estratos.
Al extrapolar los resultados a la poblacin hay que tener en cuenta el tamao
relativo del estrato con respecto al total de la poblacin.
Muestreo por grupos o conglomerados

Se aplica cuando es difcil tener una lista de todos los individuos que forman parte de la poblacin de estudio, pero sin embargo sabemos que se encuentran agrupados naturalmente en grupos. Se realiza eligiendo varios de esos grupos al azar, y ya elegidos algunos podemos estudiar a todos los individuos de los grupos elegidos o bien seguir aplicando dentro de ellos ms muestreos por grupos, por estratos, aleatorios simples, Ejemplo: Para conocer la opinin de los mdicos del sistema nacional de salud, podemos elegir a varias regiones del pas, dentro de ellas varias ciudades, y dentro de ellas varios centros de salud, y
Al igual que en el muestreo estratificado, al extrapolar los resultados a la poblacin hay que tener en cuenta el tamao relativo de unos grupos con respecto a otros regiones con diferente poblacin pueden tener probabilidades diferentes de ser elegidas, ciudades, hospitales grandes frente a pequeos,
Muestreo no probabilstico
Tambin conocido como muestreo por "conveniencia", no es aleatorio, mtodo cuyos resultados y estimaciones no son de ninguna manera confiables, dado que la seleccin de las unidades que conforman la muestra no se realiza en forma aleatoria, sino por conveniencia, primando el juicio del investigador.
En trminos generales no se recomienda utilizar el muestreo no probabilstico en las investigaciones cuantitativas, debido a que por sus caractersticas no permite calcular el error de muestreo (diferencia que existe entre el verdadero valor de la poblacin y el valor encontrado en la muestra).
Tipos de muestreo no probabilstico

Muestreo a juicio o intencional. Donde se eligen los elementos que estn ms al alcance del investigador, o los que l a su juicio conoce que pueden aportar datos relevantes a su investigacin. Muestreo por voluntarios. Donde el informante, voluntariamente suministra informacin sin ser seleccionado. Muestreo por cuotas. Es un nmero de entrevistas, encuestas, condiciones o cuotas que se le fijan al encuestador para que a su vez seleccione los elementos en la forma que considere oportuno, un ejemplo de esto son las encuestas de opinin pblica, en las que los encuestadores proceden a buscar las personas hasta cubrir la cuota previamente fijada, sin preocuparse por reas geogrficas, zonas u otros criterios. Muestreo bola de nieve
TAMAO DE MUESTRA: variables cualitativas
Proporcin
Si la poblacin es infinita
2
. p.q
E2
Si la poblacin es finita
2 2 2
N n N 1E
. p.q
2 2
. p.q
si
n0 N
0,10
nc
n n 1 N
TAMAO DE MUESTRA: variables cuantitativas
Promedio
Nz 2 2 e ( N 1) z
Ajuste de tamao de muestra: Si
-Zc
+Zc
n N
2 2
0.10
n0 1
n n N
98
Ejemplo de aplicacin
Evaluacin del Impacto en Programa Amigo del Cepillo de Dientes en los conocimientos, Actitudes y Practicas en Alumnos del 4to y 5to de secundaria del CNMx 1230 de Via Alta La Molina
Poblacin y Muestra
Poblacin. La constituyen 400 alumnos del nivel secundario del CNMx 1230 de Via Alta que se matricularon el ao 2007.
Muestra. La muestra est constituida por 110 alumnos de 4to y 5to de secundaria del CNMx 1230 de Via Alta, la seleccin de unidades se
realiz mediante un Muestreo probabilstico, con un error mximo de

estimacin del 8%.
Diseo muestral. La poblacin de estudio se encuentra conformada por

400 alumnos nivel secundario del CNMx 1230 de Via Alta. Para la determinacin del nmero de las unidades de anlisis se tom el tamao
de muestra estratificado por asignacin proporcional:
Poblacin y Muestra
N n0
n0
2 2 2
pq
2 2
n0
N 1 e
pq
400 x 1.96 2 x 0.50 x 0.50 400 1 x 0.08 2 1.96 2 x 0.50 x 0.50
149 .87 150 ALUMNOS Como el factor de correccin para poblaciones finitas es 150 n0 mayor que 0.10 0.375 0.10 si 400 N
entonces se corrige el tamao de muestra utilizando la n c siguiente frmula:
n n 1 N
150 150 1 400
109 .09 110

alumnos.
Confianza Distribucin normal inversa Tamao de poblacin Proporcin de poblacin que presenta la caracterstica Proporcin de la poblacin que no presenta la caracterstica Error de estimacin
1- Z=Z(1- /2)
N
0,95 1,96 400 0,50 0.50 0,08
p q e
Ejercicio de aplicacin
Un hospital dispone de un listado de los pacientes, organizados por reas de atencin (neurologa, traumatologa,....). Comente en grupo que tipo de muestreo podra realizarse, y como lo haran.
Un hospital dispone de un listado de los pacientes, organizados por reas de atencin (neurologa, traumatologa,....). Comente en grupo que tipo de muestreo podra realizarse, y como lo haran.
Un grupo de especialistas de la Salud, entre ellos Mdicos, Enfermeros, Nutricionistas, Psiclogos, estn interesados en indagar acerca de la relacin que existe entre desnutricin y grado de conocimiento de la poblacin del adulto mayor en cuanto a una alimentacin balanceada. Suponga que la poblacin objetivo son todos los barrios marginales del Cono Sur de Lima. Sugiera el tipo de muestreo ms conveniente, el tamao de muestra apropiado, quin es la unidad de anlisis?
Se toma una encuesta de hogares sobre violencia familiar, el objetivo es obtener informacin acerca de los conocimientos, valores, actitudes y prcticas respecto a la violencia en el mbito familiar segn las percepciones de las mujeres en Lima y Callao, que sirvan de apoyo a la formulacin y evaluacin de polticas pblicas, de iniciativas legislativas y la proposicin de programas de prevencin que contribuyan a disminuirla. La poblacin de estudio estuvo conformada por las mujeres de 15 a 65 aos de edad, residentes habituales en Lima y Callao. La cobertura geogrfica fue 43 distritos de la provincia de Lima y 6 distritos de la provincia constitucional del Callao. Segn data del INEI se calcula que en el 1993 los delitos ocurridos (violencia familiar) fue de 532,968. y segn el censo nacional la poblacin de mujeres de 15 aos y ms fue de 4809624. Determinar el tamao de muestra.
Se precisa conocer cual es la tasa de desnutricin crnica actual entre los nios menores de 6 aos de una determinada regin. El error mximo permitido para la evaluacin es de 3% y el nivel de confianza 95%. De un estudio realizado en la regin durante el 2000 se sabe que la tasa de desnutricin crnica fue de 25%. Determinar el tamao de muestra necesario para el estudio
106
Se precisa conocer cual es la tasa de desnutricin crnica actual entre los nios menores de 6 aos de una determinada regin. La poblacin de nios en este tramo de edad es aproximadamente de 1352. El error mximo permitido para la evaluacin es de 3% y el nivel de confianza 99%. De un estudio realizado en la regin durante el 2000 se sabe que la tasa de desnutricin crnica fue de 25%. Determinar el tamao de muestra necesario para el estudio
107
Pruebas de hiptesis
Hiptesis: Una Hiptesis estadstica es una afirmacin relativa sobre un modelo probabilstico y una prueba de hiptesis es un mtodo para determinar la posibilidad de esa afirmacin relativa en base a una muestra. Hiptesis establecidas en esta forma proporcionan con frecuencia motivo para realizar una investigacin. Por esta razn se le denomina hiptesis de investigacin Hiptesis nula (Ho): Son aquellas que estn referidas a algn parmetro de la poblacin o de las poblaciones de estudio. Estas son llamadas hiptesis cientficas. Hiptesis alternativa (Ha): Junto a la hiptesis nula se debe formular la denominada hiptesis alternativa que es la que sirve para contrastarla.
Errores de prueba y nivel de significacin
Ho cierta No rechazo Ho Decisin correcta El tratamiento no tiene efecto y as se decide Error de Tipo I ( El tratamiento no tiene efecto, pero se decide que si
Ho falsa
Error de Tipo II ( El tratamiento si tiene efecto, pero no lo percibimos

Decisin correcta El tratamiento tiene efecto y el experimento lo confirma
Rechaza Ho
Siempre que se rechaza una Hiptesis nula se corre el riego de cometer un error del tipo I ( )
Siempre que no se rechaza una Hiptesis nula existe el riego de cometer al error tipo II ( )
La decisin de una prueba estadstica est asociada al nivel de significacin: a) Si P < 0.05 ( = 0.05). Se dice que existe significacin en la prueba b) Si P < 0.01 ( = 0.01). Se dice que existe alta significacin en la prueba
Pasos para las pruebas de Hiptesis
1.Formular dos hiptesis mutuamente excluyentes Hiptesis nula (Ho): que especifica valores hipotticos para uno o ms de los parmetros poblacionales.
Hiptesis alterna (Ha): donde se afirma que el parmetro poblacional tiene un valor distinto al hipottico, esta se acepta cuando se rechaza la Ho.
2.Determinar el nivel de significancia a la probabilidad de cometer un error tipo I pueden ser:
0.01
0.05
0.10
3. Determinar la prueba a utilizar.
Pasos para las pruebas de Hiptesis
4. Determinar la potencia de la prueba o probabilidad de aceptar la hiptesis nula. p-vale sig. 5. Tomar la decisin de aceptar o rechazar la Ho, o nos abstenemos de tomar la decisin de acuerdo al criterio.
La decisin de una prueba estadstica est asociada al nivel de significacin ( = 0.05, 0.01) a) Si P < Se rechaza la hiptesis nula, es decir existe significacin en la prueba b) Si P >= No se puede rechazar la hiptesis nula, es decir no existe significacin en la prueba
6. Formular las conclusiones finales.
Hiptesis relativa a una media
Ho : Ha :
o
/2 /2
bilateral.
o
o o
unilateral
Nivel de significancia:
0.05 0.01
Supuestos para pruebas paramtricas

En SPSS: Analizar/estadsticos descriptivos/explorar/grficos (continuar segn figura al pie) Ejercicio: probar si la variable edad sigue una Normalidad distribucin normal H0: La variable se distribuye normalmente
Sig
= .200 >.05
Decisin: No se puede rechazar H0 Por lo tanto concluimos que la variable sigue una distribucin normal
Grfico Q-Q normal de edad

3 2
Normal esperado
1 0 -1 -2 -3 -20 0 20 40 60 80 100
edad
Kolmogorov-Smirnov(a) Shapiro-Wilk Estadsti Estadsti co gl Sig. co gl .035 255 .200(*) .992 255
Sig. .214
Valor observado
Prueba t para una muestra

H 0: H a: = vs.
0
Contrasta si la media de una variable difiere
de una constante especifica.

0
Se determina el nivel de significacin
, y si el valor resultante es menor o mayor se rechaza la hiptesis nula
Para cada variable a contrastar se calcula, la
media, desviacin tpica y error tpico de la media. La diferencia promedio entre cada valor de los datos y el valor de contraste hipottico.

Ejm. Probar, si los pacientes asisten a recibir algn servicio al hospital ms de 4 veces por ao: Ho: 4
Ha:
En SPSS:
>4
Una media poblacional: Analizar/Comparar medias/Prueba t para una muestra/seleccionar la variable a probar, pasarla a contrastar variables haciendo clik en /Valor de prueba: poner el valor del parmetro a probar/Opciones: cambiar la confianza/Continuar/Aceptar

Reporte en el SPSS
N N de veces que asisti a recibir un servicio Media Desviacin tp. Error tp. de la media
255
4.40
2.692
0.169
Valor de prueba = 4
t
N de veces que asisti a recibir un servicio
gl
Sig. (bilateral)
Diferencia de medias
95% Intervalo de confianza para la diferencia Inferior Superior
2.349
254
0.020
0.396
0.064
0.728
Decisin: Dado que el valor p o sig es menor que el 5%, rechazamos la Ho, por lo tanto al nivel de significancia del 5% se puede afirmar que los pacientes acuden al hospital en promedio ms de 4 veces por ao
Prueba t para muestras independientes
Poblacin N1
Poblacin N2
Muestra
n1
Comparacin
Muestra
n2
Muestras independientes
Prueba t para muestras independientes

H 0: H a: = vs.
1 1 2
Compara
100
80
las medias de dos grupos de casos. Para esta prueba, idealmente los sujetos deben asignarse aleatoriamente a dos grupos, de forma que cualquier diferencia en la respuesta sea debida al tratamiento (o falta de tratamiento) y no a otros factores.
60
edad
Se base en el tamao de la
40
20
muestra, media, desviacin tpica y error tpico. Adicionalmente, se realiza la prueba de Levene sobre la igualdad de varianzas.
Femenino Masculino
Sexo del entrevistado
Ej: Probar si existe diferencia significativa en la edad del entrevistado segn su genero
Ho:
1= 2
Ha:
1 2
En SPSS:
Para comparar medias poblacionales: Analizar/Comparar medias/Prueba t para muestras independientes/seleccionar la variable a comparar pasarla a contrastar variables haciendo clik en /Seleccionar la variable y pasarla a variable de agrupacin/Definir grupos: dar valor al grupo 1 y grupo 2/Continuar/Opciones: cambiar la confianza si se desea/Continuar/Aceptar
Reporte segn el SPSS

Sexo del entrevistad o Femenino Masculino Error Desvia tp. de cin la N Media tp. media 134 45.20 18.221 1.574 121 44.42 18.548 1.686
edad
Prueba de Levene para la igualdad de varianzas
Prueba T para la igualdad de medias Sig. (bilateral) Inferior Diferencia de medias Superior Error tp. de la diferencia Inferior 95% Intervalo de confianza para la diferencia Superior Inferior
F Inferior edad Se han asumido varianzas iguales No se han asumido varianzas iguales
Sig. Superior
t Inferior
gl Superior
.064
.800
.338
253
.735
.780
2.305
-3.759
5.319
.338
249.392
.736
.780
2.307
-3.763
5.323
Decisin: Siendo que el p valor o sig es mayor que el 5%, no podemos rechazar la Ho, por lo tanto concluimos que la edad no difiere segn el sexo de los pacientes
Supuestos para la prueba de muestras independientes

Ejercicio: Ademas de probar la normalidad de los datos, tambin probar la homogeneidad de varianzas para la variable edad segn sexo
Homogeneidad (Levene)
Ho :
2 1
2 2
Sig= .800 > 0.05

Decisin: No se puede rechazar H0 Por lo tanto concluimos que las varianzas de ambos grupos son homogneas
Prueba de Levene para la igualdad de varianzas F edad Se han asumido varianzas iguales No se han asumido varianzas iguales .064 Sig. .800
Muestras relacionadas
Poblacin N1
Muestra
intervencin
Muestra
n0 ; t=0
n1 ; t=1
Prueba t para muestras relacionadas

Compara las medias de dos variables de un
solo grupo. Calcula las diferencias entre los valores de las dos variables de cada caso y contrasta si la media difiere de 0.
H 0: H a:
=0 0
vs.
d
Ejm: Se desea determinar la efectividad del programa consumo de hierro en el incremento de la hemoglobina de los pacientes que asisten al Hospital Ho: Ha:
d d
=0 0
En SPSS:
Para comparar medias poblacionales: Analizar/Comparar medias/ Prueba t para muestras relacionadas/seleccionar a la vez las dos variables a comparar/ pasarla a variables relacionadas haciendo clik en / Estadsticos/Continuar/Aceptar
Prueba t para muestras relacionadas

Reporte del SPSS
Hb_antes Hb_despues 12.8 16.1 10.8 15.1 12 11.7 11 12.7 10.9 14 10.5 13.9 11 11.8 12.8 13.7 13.5 15.1 13.5 12.6 10.9 14.4 10.5 15.7 14.1 15.4 14.3 15.6 13 15.5 10.9 13.1 13.1 12.9 13.5 13.2 10.3 11.4 11.6 13.1
Desviacin tp.
20 20
Diferencias relacionadas
Media Hb_antes Hb_despus 12.05 13.85
Error tp. de la media

.301 .326
1.348 1.457
95% Intervalo de Desvia Error tp. confianza para la diferencia cin de la

Media tp. media Inferior Superior t gl
Sig. (bilateral)
Hb_antes Hb_despus -1.800 1.64 .366 -2.57 -1.03 -4.918 19 .000
Decisin: Siendo que el p valor o sig es .000 menor que el 5%, rechazamos la Ho, por lo tanto concluimos que el programa consumo de hierro increment la hemoglobina de los pacientes que asisten al Hospital xxx
Prueba para ms de dos grupos (ANOVA)

El procedimiento ANOVA de un factor genera
H 0:
... = k vs. Ha: Al menos un par de medias difieren

1
2=
un anlisis de varianza para una variable dependiente cuantitativa respecto a una nica variable de factor. El anlisis de varianza se utiliza para contrastar la hiptesis de que varias medias son iguales. Esta tcnica es una extensin de la prueba t para dos muestras.
Adems de determinar que existen diferencias entre las medias, es posible
que desee saber qu medias difieren. Existen dos tipos de contrastes para comparar medias: a priori y post hoc. Tambin puede contrastar las tendencias existentes a travs de las categoras.

Ejemplo: Se quiere determinar si existe diferencia significativa entre la
percepcin del trato por parte del Residente y la edad de los pacientes.
Para cada grupo se tiene en cuenta el nmero de casos, media, desviacin
tpica, error tpico, mnimo, mximo, intervalo de confianza al 95% para la media. Prueba de Levene sobre la homogeneidad de varianzas, tabla de anlisis de varianza y contrastes robustos de igualdad de medias para cada variable.
En SPSS:
Para comparar medias poblacionales: Analizar/Comparar medias/ANOVA de un factor/seleccionar la variable cuantitativa a comparar trasladar a dependientes haciendo clik en / seleccionar la variable cualitativa y trasladar a factor(los subgrupos)/Estadsticos/ Opciones: prueba de homogeneidad/Post hoc (Prueba de comparaciones mltiples) seleccionar una prueba/ Continuar/Aceptar
Resultados ANOVA)
H 0:
1
2=
vs. Ha: Al menos un par de medias difieren Decisin: Sig 0.001< 0.05 Rechazamos Ho Conclusin: Existe diferencia significativa entre la percepcin que tiene el paciente acerca del trato que da el Residente segn el nmero de veces que acude a recibir un servicio
Reporte del SPSS
Fuentes de variacin Inter-grupos Intra-grupos Total
Suma de cuadrados 100.3 1740.7 1841.0
Media gl cuadrtica 2 50.2 252 6.9 254
F 7.261
Sig. 0.001
Opciones y pruebas post hoc

N de veces que asisti a recibir Homogeneidad Duncan un servicio Fue amable el trato Subconjunto para alfa = Estadstico de Levene gl1 gl2 Sig. que recibi por .05 parte del 4.852 2 252 0.009 RESIDENTE N 1 2 Desacuerdo 45 3.044 Decisin: Sig <0.05, por lo tanto rechazo Ho. Totalmente de Las variables no son homogneas Acuerdo 165 4.661 Acuerdo 45 4.778 Normalidad Sig. 1 0.808 Se puede observa que para aquellos que presentan mayor promedio de asistencia son los que opinan a favor del trato que perciben del residente Sin embargo, tambin se puede observar que la variable dependiente no cumple el requisito de la homogeneidad ni normalidad, por lo tanto se recomienda hacer una prueba no paramtrica H de Kruscal-Wallis
Fue amable el trato que recibi por parte del KolmogorovRESIDENTE Smirnov(a) N de veces que asisti a recibir un servicio Estadstico gl Sig. Totalmente de Acuerdo 0.194 165 0.000 Acuerdo 0.158 45 0.007 Desacuerdo 0.198 45 0.000 Correccin de la significacin de Lilliefors
Decisin: Sig <0.05, por lo tanto rechazo Ho. Las variables no siguen una distribucin normal
En este captulo vamos a tratar diferentes formas de describir la relacin entre dos variables cuando estas son numricas.
Estudiar si hay relacin entre la altura y el peso.
Tambin se hace estudios correlacionales cuando alguna de las variables es ordinal.

Estudiar la relacin entre el sobrepeso y el dolor de espalda (ordinal)
Hay ms de dos variables relacionadas.

Conocer el peso de una persona conociendo su altura y contorno de cintura?
El estudio conjunto de dos variables cualitativas lo vemos a travs del contraste de hiptesis (X2).
Hay relacin entre fumar y padecer enfermedad de pulmn?
Regresin y correlacin: datos cuantitativos

Anlisis de regresin. Se utiliza para realizar
estimaciones de una variable dependiente en funcin a un valor especfico de las variables independientes. Anlisis de correlacin. Es utilizada para determinar el grado de asociacin entre variables.
OBJETIVO:
Entender como los valores de Y cambian en promedio cuando X varia entre los posibles valores que puede tener.
Regresin lineal
2.00
1.50
1Y = 0.15 + 0.01 * x R-cuadrado = 0.68
El anlisis de Regresin se enfoca al establecimiento de una ecuacin que permite que el valor desconocido de una variable se pueda estimar a partir del valor conocido de una o ms variables.
1.00
0.50
0.00
X1
X2
X3
Xn
40
80
120
X
El modelo de regresion lineal simple
Su representacion para la observacion i
Suposiciones del modelo:
Yi
X i ei
La variable predictora X es no aleatoria Los errores ei son variables aleatorias con media 0 y varianza constante 2. Los erroresei y e j (i j=1,n) son independientes entre si
1. 2. 3. 4. 5.
Los residuales son aleatorios Los residuales siguen una distribucin normal Tienen media igual a 0 Tienen varianza constante No estn auto correlacionados
a) Durbin Watson b) Grafico de Auto correlacin
Regresin Mltiple
El anlisis de regresin mltiple produce una ecuacin con varios coeficiente , dependiendo del nmero de variables independientes X que se introduzcan al modelo, generando de esta forma hiperplanos. El Coeficiente de Correlacin Mltiple mide la proporcin de la variacin total de los valores de la variable independiente, que es explicada por la regresin mltiple.
X1
X2
X3
Xn
Caso I Ho: * Ha: *
Caso II Ho: = * Ha: *
Caso III Ho: * Ha: *
Prueba Estadstica
* s Sxx
~ t( n
2)
Regla de Decisin
Rechazar Ho, si tcal<-t( ,n-2) Rechazar Ho si |tcal |>t( /2,n-2) Rechazar Ho si tcal>t( ,n-2)
*Un P-value o Sig cercano a cero, sug irira rechazar la hiptesis nula.
Correlacin
El objetivo del anlisis de correlacin es medir
el grado de relacin que existe entre las variables.

El coeficiente de determinacin mide el aporte
de la variable dependiente.(r2)
independiente
sobre
la
Slo toma valores en [-1,1] Las variables son incorreladas r=0 Relacin lineal perfecta entre dos variables r=+1 o r=-1 Cuanto ms cerca est r de +1 o -1 mejor ser el grado de relacin lineal
Relacin inversa casi perfecta
Variables incorreladas
Relacin directa casi perfecta
-1
0
+1
Regresin y correlacin
Con la data patient_los.sav (SPSS<tutorial<sample_files)
Ejemplo: Hallar el diagrama de dispersin, la
recta estimada de regresin, el coeficiente de correlacin y determinacin de las variables Coste del tratamiento en funcin de la duracin de la estancia.
Regresin y correlacin
En SPSS: 1. Grfico de dispersin Grficos/dispersin/simple/definir/Coste del tratamiento trasladar a Y y duracin de la estancia a X/aceptar. 2. Correlacin Analizar/Correlacin bivariada/se seleccionan las variables cuantitativas y se trasladan/Seleccionar Pearson/aceptar 3. Regresin Analizar/Regresin lineal/se selecciona la variable cuantitativa dependiente y se traslada a dependiente, luego la independiente o independientes y se traslada a independientes/aceptar
Diagrama de dispersin
En el diagrama de dispersin se aprecia una fuerte relacin lineal directa
Regresin y correlacin mltiple
Regresin
Coeficientes
Coeficientes no estandarizados Modelo 1 B (Constante) Duracin de la estancia .667 .146 Error tp. .016
0.0005961
Coeficientes estandarizad os Beta t 42.318 .939 244.369 Sig. .000 .000
Cons tan tes
0.667 0.146 X 1
Idoneidad del modelo de regresin

Resumen del modelo
Modelo 1 R .939(a) R cuadrado .882 R cuadrado Error tp. de corregida la estimacin .882 .923 DurbinWatson 2.029
Coeficiente de determinacin: r2 = 88.2%; el costo del tratamiento est siendo explicado en un 88.2% por la variabilidad de la duracin de la estancia y un 11.8% se debe a la intervencin de otras variables. ANOVA
Modelo 1 Suma de cuadrados Regresin Residual Total 50860.685 6810.240 57670.925 gl 1 7996 7997 Media cuadrtica F Sig. .000(a)
50860.685 59716.253 .852
Siendo que el anlisis de varianza (ANOVA) da una significancia < 0.05, entonces podemos decir que el modelo de regresin propuesto es muy bueno (p=.000)
Correlacin
Duracin de la estancia Duracin de la estancia Correlacin de Pearson Sig. (bilateral) N Correlacin de Pearson Sig. (bilateral) N
Costes de tratamiento
1
7998 0.94 0 7998
0.94 .000 7998

1
Costes de tratamiento
8629
Ho : Ha :
0 0
No existe correlacin
Existe correlacin
Decisin: Dado que el p value o sig < 0.05 , rechazamos Ho; concluimos que el costo del tratamiento esta asociado a la duracin de la estancia

Ejercicio: Determinar el modelo de regresin para la duracin de la estancia segn el resultado quirrgico y la edad del paciente. En SPSS: Regresin Analizar/Regresin lineal/se selecciona la variable cuantitativa dependiente y se traslada a dependiente, luego las variables independientes y se traslada a independientes/grficos: pasar (zpred) a (x) y (zresid) a (y); click en histograma y grfico de prob. Normal/continuar/ aceptar

b Resum en del modelo
Modelo 1
R .379a
R cuadrado .144
R cuadrado corregida .144
Error tp. de la estimacin 1.574
DurbinWatson 2.012
a. Variables predictoras: (Constante), Resultado quirrgico, Edad en aos b. Variable dependiente: Duracin de la estancia
ANOVAb Suma de cuadrados 1801.795 10719.245 12521.040 Media cuadrtica 900.898 2.479
Modelo 1
gl 2 4324 4326
Regresin Residual Total
F 363.410
Sig. .000a
a. Variables predictoras: (Constante), Resultado quirrgico, Edad en aos b. Variable dependiente: Duracin de la estancia
Coeficientes no estandarizados Modelo 1 B (Constante) Edad en aos Resultado quirrgico 1.897 .045 .802 Error tp. .180 .003 .039
Coeficientes estandarizad os
Beta .232 .291 t 10.547 16.497 20.668 Sig. .000 .000 .000
Las pruebas no paramtricas llamadas de distribucin libre, no asumen ningn parmetro, trabajan con simple ordenacin y recuento (asignando rangos) a los valores de la variable. Se deben usar con: Datos de distribucin libre Se puede usar con datos nominales, ordinales e incluso cuantitativos (convertir a ordinal) Cuando la data es cuantitativa pero no cumple los supuestos bsicos de normalidad y homogeneidad, si se trata de ms de dos grupos.
Pruebas no paramtricas de acuerdo al tipo de muestras y variables

Chi cuadrado 1 muestra Cuantitativacualitativa Binomial Independientes 2 muestras Relacionadas Cuantitativa Antes/despus Independientes Ms de 2 muestras Cuantitativa Relacionadas Cualitativa
Cuantitativa
U de MannWhitney
Wilcoxon Mc Nemar Kruscal Wallis
Cuantitativa
Friedman Q de Cochran
Es una prueba de significacin estadstica que responde a la siguiente ecuacin general:

F C
X 2 (F
(O ij
Eij ) 2 Eij
1)(C 1) i 1 j 1
CRITERIO DE LA INDEPENDENCIA
Ho: Las variables son independientes

Ha: Las variables estn relacionadas
En el SPSS: Analizar/estadsticos descriptivos/tablas de contingencia/pasar las variables/pedir en estadsticos/Chi cuadrado/continuar/aceptar
Prueba Chi-cuadrado: criterio de independencia

En SPSS:
Para comparar medias poblacionales: Analizar/Estadsticos descriptivos/Tablas de contingencia/seleccionar las variables cualitativas y trasladar a fila y a columna haciendo clik en /Estadsticos/seleccionar Chi-cuadrado y coeficiente de contingencia/Continuar/Aceptar
Ej: Probar si el trato que recibe por parte del mdico influye para recomendar al Hospital de Tarapoto Ho: El trato que recibe por parte del mdico no influye para recomendar al Hospital de Tarapoto Ha: El trato que recibe por parte del mdico influye para recomendar al Hospital de Tarapoto
Prueba Chi-cuadrado
Ho: El trato que recibe el paciente de parte del mdico no influye para recomendar al Hospital de Tarapoto Ha: El trato que recibe el paciente de parte del mdico influye para recomendar al Hospital de Tarapoto
Pruebas de chi-cuadrado
Chi-cuadrado de Pearson b Correccin por continuidad Razn de verosimilitudes Estadstico exacto de Fisher Asociacin lineal por lineal N de casos vlidos
Valor 29,219a 26.286
gl
Sig. asinttica (bilateral) 1 .000 1 .000
Sig. exacta (bilateral)
Sig. exacta (unilateral)
32.995
.000
.000 .000
29.104 255
.000
Decisin: siendo sig 0.000<0.05, por lo tanto rechazamos la Ho Conclusin: Al nivel de confiabilidad del 95% podemos concluir que el trato que recibe por parte del mdico influye para recomendar al Hospital de Tarapoto
Pruebas no paramtricas: Comparacin de grupos (dos muestras independientes)
U de Man Witney

Comparar dos grupos independientes que no siguen una distribucin normal y no homogneas o que sean ordinales Paralela a la prueba t de muestras independientes Contrasta si dos poblaciones son equivalentes en su posicin Es recomendable pero no imprescindible que las poblaciones comparadas tengan el mismo tamao
Ejemplo: Con la data patient_los.sav (SPSS<tutorial<sample_files)
U de Man Witney: Comparacin de grupos (dos muestras independientes)

Ho: La duracin de la estancia es igual a si presentan o no infarto del miocardio Ho: La duracin de la estancia no es igual a si presentan o no infarto del miocardio
Historial de infarto de miocardio No S Total Suma Rango de prome rango N dio s 34553 535 645.85 0.50 75189 946 794.81 0.50 1481
U de Mann-Whitney W de Wilcoxon Z Sig. asintt. (bilateral)
Duracin de la estancia 202150.500 345530.500 -6.595 .000
Duracin de la estancia
El rango promedio de duracin de la estancia de los que no presentan historial de infarto de miocardio esta en 645.85 y los que si presentan infarto esta en 794.81, es decir hay diferencia entre los que presentan y los que no presentan historial de infarto y como sig<0.05, se rechaza Ho
Conclusin: La duracin de la estancia es diferente en los que si presentan con los que no presentan, siendo mayor en los que si presentan historial de infarto de miocardio. Mg. Rosa Padilla Castro
H de Kruskal Wallis: Comparacin de k grupos independientes
Comparar k grupos independientes y variables cuantitativas que no cumplan los supuestos bsicos de normalidad y homogeneidad Paralela a la prueba paramtrica ANOVA para muestras independientes
Ejemplo: Con la data patient_los.sav (SPSS<tutorial<sample_files)
Ho: La duracin de la estancia es igual en los tres grupos de resultado quirrgico (cualquiera sea el resultado) Ho: La duracin de la estancia no es igual en los tres grupos de resultado quirrgico
H de Kruskal Wallis: Comparacin de k grupos independientes
Resultados
Rangos
Resultado quirrgico Recuperado Estable Crtico Total Rango N promedio 1323 686.04 121 1153.55 37 1357.19 1481
Duracin de la estancia
Chi-cuadrado gl Sig. asintt.
Duracin de la estancia 221.625 2 .000
a Prueba de Kruskal-Wallis b Variable de agrupacin: Resultado quirrgico
Regla de decisin: Con sig<0.05 se rechaza Ho Con sig>0.05 no se rechaza Ho
Conclusin: Hay diferencia entre los tres grupos para tener ms das de estancia en el hospital frente al resultado quirrgico
Pruebas no paramtricas: Dos muestras relacionadas (Mac Nemar antes/despues)

Ejemplo: Una muestra aleatoria de 150 estudiantes se someti a un cuestionario de opinin acerca de si fumar produce cncer al pulmonar. Obtenida la informacin se les dio una conferencia y se les presento una exposicin llevada acabo por un equipo de sanidad explicando los peligros de fumar y se les explico la relacin sobre el efecto de fumar sobre el cncer pulmonar (se les hizo una encuesta y luego recibieron una charla y se quiere ver que tan fructfera fue esa charla) Despus de la conferencia Antes de la conferencia NO SI NO 43 10 SI 67 30 Total 110 40 150
Ho: la probabilidad de que la conferencia no tenga efecto sobre la opinin de los estudiantes es igual a que la probabilidad de que la conferencia si tenga efecto sobre la opinin de los estudiantes Ha: la probabilidad de que la conferencia es mayor sobre la opinin de los estudiantes
Test Statisticsb antes de la conf erencia & despues de la conf erencia 150 40.727 .000
N Chi-Square a Asymp. Sig.
a. Continuity Corrected b. McNemar Test
El sig<0.05, rechazamos la Ho por lo tanto concluimos que si existe un efecto estadsticamente significativo de que la conferencia cambie la opinin de los estudiantes a favor de que el fumar si produce cncer
Pruebas no paramtricas: Dos muestras relacionadas (Wilcoxon)

Comparar dos grupos relacionados y variables cuantitativas que no tienen distribucin normal o que sean ordinales
Paralela a la prueba paramtrica de contraste t para muestras relacionadas

Contrasta si dos poblaciones muestreadas son equivalentes en su posicin Es recomendable pero no imprescindible que las poblaciones tengan el mismo
tamao
Ejemplo: Con la data tabaquismo probar si existe relacin entre las variables consumo de tabaco y presentar problemas vasculares
Ho: Problemas vasculares = si consume o no tabaco
Ha: Problemas vasculares
si consume o no tabaco
Pruebas no paramtricas: Dos muestras relacionadas (Wilcoxon)

Con la data tabaquismo probar si existe relacin entre las variables consumo de tabaco y presentar problemas vasculares sexo 1 1 1 1 2 2 2 2 tabaco vascular ncasos 1 1 22 1 2 103 2 1 17 2 2 151 1 1 23 1 2 81 2 1 9 2 2 127 Prueba de los rangos con signo de Wilcoxon
Rango Suma promedi de N o rangos 2743.0 26(a) 105.50 0 19412. 184(b) 105.50 00 323(c) 533
vascular tabaco
Rangos negativos Rangos positivos Empates Total
Estadsticos de contraste(b) vascular tabaco Z -10.903(a) Sig. asintt. (bilateral) .000

E a Basado en los rangos negativos. b Prueba de los rangos con signo de Wilcoxon
Conclusin: El consumo de tabaco incide significativamente en los problemas vasculares
PRUEBA PARA K MUESTRAS RELACIONADAS: en

dos direcciones por Rangos de Friedman
Comparar k grupos relacionados y variables cuantitativas que no siguen una distribucin normal o que sean datos ordinales Paralela a la prueba paramtrica de ANOVA para muestras relacionadas Contrasta si K poblaciones son equivalentes en su posicin Es recomendable pero no imprescindible que las poblaciones comparadas tengan el mismo tamao Ejemplo: Suponga que se desea comprobar la hiptesis nula de que un grupo de 10 sujetos reaccionan de la misma manera ante tres situaciones diferentes; Se obtienen los siguientes resultados, que se ubican en cada uno de los tres grupos I, II, III Ho: La reaccin de los sujetos ante situaciones diferentes es igual Ha: La reaccin de los sujetos ante situaciones diferentes no es igual
PRUEBA PARA K MUESTRAS RELACIONADAS: en

dos direcciones por Rangos de Friedman
Puntajes Sujeto A
2 25 Timoteo292:15 28 N Procura con 10 B 30 33 32 Chi-cuadrado C 21 19 16 5.600 diligencia D 28 31 32 gl 2 presentarte ante E 19 22 23 Sig. asintt. .061 F 22 21 25 Dios, aprobado G 31 33 34 a Prueba de Friedman como obrero que H 17 14 21 I no tiene de que 25 21 24 J avergonzarse que 33 35 37 usa bienexistepalabra la diferencia significativa de los grupos en cuanto a Conclusin: No la reaccin tras diferentes estmulos. (p= 0,061>0.05). de verdad
Grupo 1 Grupo 2 Grupo 3 Estadsticos de contraste(a)

Esta Di Stica

Загружено:

Сведения о документе

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Esta Di Stica

Загружено:

Авторское право:

Доступные форматы

ESTADSTICA

Anlisis estadstico segn tipo de estudio en la investigacin

Mg. Rosa Padilla Castro

Mg. Rosa Padilla Castro

Mg. Rosa Padilla Castro

Mg. Rosa Padilla Castro

HIPTESIS Preposiciones Implicancias Variables Operacionalizacin de las variables

Tcnicas Observacin Pruebas Experimentos Instrumentos Datos

Bases Marco Tericas Conceptual

Diseo de investigacin Tipo de Estudio Poblacin y Muestra

Plan de Tabulacin y Anlisis

TIPOS DE INVESTIGACIN CUANTITATIVA

Alcance de la investigacin a realizar

Familiarizarse con el fenmeno

Tener medicin precisa o descripcin profunda

Explicacin parcial Relacionar variables Mayor estructuracin Explicativo Entender el fenmeno

Fuente: Hernndez, Fernndez y Baptista

Mg. Rosa Padilla Castro

ESTADSTICA Estadstica Inferencial

Mg. Rosa Padilla Castro

Mg. Rosa Padilla Castro

Ejemplo de cmo se interpreta una tabla

Distrito Talara El Alto

Mg. Rosa Padilla Castro

100,0 140 100,0 300 100,0

Tablas simples en SPSS

Sexo del entrevistado

Femenino Masculino Total

134 121 255

52.5% 47.5% 100.0%

Tablas agrupadas para variables cuantitativas

Mg. Rosa Padilla Castro

Agrupar variable en SPSS:

18=menor de edad, de 18 60=adulto, mayor de 60=adulto mayor)

Porcentaje acumulado 10.20 80.78 100.00

Fuente: Encuesta a pacientes

Total 165 64.7 90 35.3 255 100

Total 25.5 27.1 18.8 28.6 100%

En SPSS: Grficos/Generador de grficos/Aceptar/seleccionar el

Mg. Rosa Padilla Castro

Grficos para variables categricas

Mg. Rosa Padilla Castro

Mg. Rosa Padilla Castro

Grfico de sectores o circulares

Grficos para variables cuantitativas: Histograma

En SPSS. Grficos/cuadro de dilogos /histograma/pasar la variable de inters/mostrar curva normal/aceptar

Polgono de frecuencias o Lneas

Grfico de Tallo y Hojas

Stem width: Each leaf:

Mg. Rosa Padilla Castro

Mg. Rosa Padilla Castro

Mg. Rosa Padilla Castro

Mg. Rosa Padilla

Parmetro: Es una cantidad numrica calculada sobre una poblacin

Estadstico: Es una cantidad numrica calculada sobre una muestra

Edad, peso, talla, ingreso

Medida de tendencia central Medida de dispersin

Moda, mediana, media aritmtica

Histograma/lneas/cajas/Tallo y hojas/diagrama de dispersin

Mg. Rosa Padilla Castro

Medidas de resumen en SPSS

Mg. Rosa Padilla Castro

Centralizacin Indican valores centrales en que los datos parecen agruparse.

Forma Asimetra Apuntamiento o curtosis