La estadstica descriptiva

Se dedica a analizar y representar los datos. Este anlisis es muy bsico, pero fundamental en todo estudio. Aunque hay tendencia a generalizar a toda la poblacin las primeras conclusiones obtenidas tras un anlisis descriptivo, su poder inferencial es mnimo y debera evitarse tal proceder.

La inferencia estadstica
Comprende los mtodos y procedimientos para deducir propiedades (hacer inferencias) de una poblacin, a partir de una pequea parte de la misma (muestra).
La bondad de estas deducciones se mide en trminos probabilsticos, es decir, toda inferencia se acompaa de su probabilidad de acierto.

La estadstica inferencial comprende:

La Teora de muestras. La estimacin de parmetros. El Contraste de hiptesis. El Diseo experimental. La Inferencia bayesiana. Los mtodos no paramtricos.

Pueden realizarse para probar hiptesis. Para realizar anlisis paramtricos debe partirse de los siguientes supuestos:

 La distribucin poblacional de la variable dependiente es normal. El nivel de medicin de la variable dependiente es por intervalos o razn. Cuando dos a mas poblaciones son estudiadas, tienen una varianza homognea: las poblaciones en cuestin poseen una similar en sus distribuciones.

METODOS O PRUEBAS ESTADISTICAS UTILIZADAS EN LA PARAMTRIA

LAS PRUEBAS ESTADISTICAS PARAMTRICAS SON:

Coeficiente de correlacin de Pearson y regresin lineal. Prueba T. Prueba de contraste de la diferencia de proporciones. Anlisis de varianza unidireccional (ANOVA Oneway). Anlisis de varianza factorial (ANOVA). Anlisis de covarianza (ANOVA).

COEFICIENTE DE CORRELACION

 Es una prueba estadstica apara analizar la relacin entre dos variables medidas en un nivel por intervalos o de razn. Se calcula a partir de las puntuaciones obtenidas en una muestra en dos variables. Se relacionan las puntuaciones obtenidas de una variable con las puntuaciones obtenidas de la otra, con los mismos participantes o casos.

 COEFICIENTE CORRELACIO NAL DE PEARSON

El coeficiente R de Pearson puede variar de -1.00 a + 1.00, donde:

-1.00= correlacin negativa perfecta -0.90= correlacin negativa muy fuerte. -0.75= Correlacin negativa considerable. -0.50= Correlacin negativa media. -0.25= Correlacin negativa dbil. 0.00= No existe correlacin alguna entre las variables.

 +0.10= Correlacin positiva muy dbil.

+0.25= Correlacin positiva dbil.

+0.50= Correlacin positiva media.

+0.75= Correlacin positiva considerable.

+0.90= Correlacin positiva muy fuerte

+1.00= Correlacin positiva perfecta.

REGRESION LINEAL

Es un modelo matemtico para estimular el efecto de una variable sobre otra. Est asociado con el coeficiente R de Pearson. Brinda la oportunidad de predecir las puntuaciones de una variable tomando las puntuaciones de la otra variable. Entre mayor sea la correlacin entre las variables (covaracion), mayor capacidad de prediccin. Se determina con base en el diagrama de dispersin.

PRUEBA T

Es una prueba estadstica para evaluar si dos grupos difieren entre s de manera significativa respecto a sus medidas. Analiza las hiptesis de diferencia entre dos grupos. Se utiliza para comparar los resultados de una preprueba con los resultados de una posprueba en un contexto experimental. Se comparan las medidas y las varianzas del grupo en dos momentos diferentes, o bien, para comparar las prepruebas o pospruebas de dos grupos que participan en un experimente.

ANALISIS DE VARIANZA

Prueba estadstica para analizar si ms de dos grupos difieren entre s de manera significativamente en cuanto a sus medidas y varianzas.
Analiza hiptesis de una variable independiente y una variable dependiente.

CORRELACION ESPURIA

Es una relacin matemtica en la cual dos acontecimientos no tienen conexin lgica, aunque se puede implicar que la tienen debido a un tercer factor no considerado an (llamado "factor de confusin" o "variable escondida").

La relacin espuria da la impresin de la existencia de un vnculo apreciable entre dos grupos que es invlido cuando se examina objetivamente.

ANALISIS NO PARAMTRICOS
Para realizar los anlisis no paramtricos debe partirse de las siguientes consideraciones:
La mayora de estos anlisis no requieren de presupuestos acerca de la forma de la distribucin poblacional. Aceptan distribuciones no normales.

 Las variables no necesariamente tienen que estar medidas en un nivel por intervalos o de razn, pueden analizar datos nominales u ordinales.

METODOS Y PRUEBAS UTILIZADAS EN ANALISIS NO PARAMTRICOS

LAS PRUEBAS NO PARAMTRICAS MS USADAS SON:

La CHI cuadrada o X2
LOS COEFICIENTES DE CORRELACION E INDEPENDENCIA PARA TABULACIONES CUADRADAS. LOS COEFICIENTES DE CORRELACION POR RASGOS ORDENADOS DE Spearman y Kendall.

CHI CUADRAD A O X2

Es una prueba estadstica para evaluar hiptesis acerca de la relacin entre dos variables categricas. Prueba hiptesis correlacinales. Se calcula por medio de una tabla de contingencia o tabulacin cruzada, que es un cuadro de dos dimensiones, y cada dimensin contiene una variable. A su vez, cada variable se subdivide en dos o ms categoras.

TIPOS DE VARIABLES

Las variables se clasifican de acuerdo a su categorizacin, si se admiten o no un orden o como se miden. Estos tres criterios determinan la escala de medicin a usarse. Tres tipos de escalas se utilizan: Nominal Ordinal Intervalo-razn.

VARIABLE ORDINAL
La variable puede tomar distintos valores ordenados siguiendo una escala establecida, aunque no es necesario que el intervalo entre mediciones sea uniforme, por ejemplo: estrs (1=mnimo,2=moderado,3=intenso)

VARIABLE NOMINAL
Cuando los datos correspondan a una variable cualitativa que se agrupa sin ninguna jerarqua entre s, como por ejemplo: nombres de personas, grupos sanguneos, estado civil. Estas variables no tienen ningn orden inherente a ellas ni un orden de jerarqua.

VARIABLE DE INTERVALO RAZN

Las variables con nivel intervalo-razn, adems de categorizacin y ordenamiento, permiten definir la distancia entre categoras.
Se miden en unidades uniformes con respecto a una escala. Todas las operaciones aritmticas estn permitidas con estas variables.

GRAFICACIN DE VARIABLES

Para las variables con nivel de medicin nominal u ordinal elaboramos graficas de pastel o de barras.

La grafica de barras muestra la frecuencia de cada categora como reas rectangulares de tamao proporcional mientras que la de pastel muestra la frecuencia como una seccin proporcional en un circulo.

Para las variables con nivel de medicin intervalo-razn elaboramos distribuciones de frecuencia e histogramas. La distribucin muestra la frecuencia de cada valor de la variable. Esta tabla sirve para determinar la variabilidad de una variable.

PARA VARIABLES NOMINALES U ORDINALES:

PARA VARIABLES INTERVALO-RAZN:

paramtrico
Una muestra nominal Grafica de barras o de pastel Grafica de barras o de pastel

No paramtrico
Grafica de barras o de pastel Grafica de barras o de pastel

ordinal

Intervalorazn

Histograma o Histograma o distribucin de distribucin de frecuencias frecuencias

paramtrico No paramtrico

Dos nominal muestras relacionadas ordinal

Correlacin de pearson Correlacin de pearson Intervalo- Analisis de razn varianzas

chi cuadrada chi cuadrada

Correlacin por rasgos de spearman

paramtrico No paramtrico

Dos muestras

Correlacin de pearson independiente ordinal Correlacin s de pearson Intervalo Analisis de -razn varianzas

nominal

chi cuadrada chi cuadrada Correlacin por rasgos de spearman

paramtrico

No paramtrico

Dos muestras Relacionadas e independientes

nominal

Analisis de varianzas Analisis de varianzas

ordinal

Intervalorazn

Analisis de varianzas

Correlacion por rasgos spearman Correlacion por rasgos spearman cuadrada Correlacin espuria