HIPÓTESIS, VARIABLES Y ELECCIÓN DE LA PRUEBA ESTADÍSTICA

Presentación del tema: "HIPÓTESIS, VARIABLES Y ELECCIÓN DE LA PRUEBA ESTADÍSTICA"— Transcripción de la presentación:

1 HIPÓTESIS, VARIABLES Y ELECCIÓN DE LA PRUEBA ESTADÍSTICA

2 Hipótesis Científica Es un supuesto, una respuesta tentativa al problema con fundamento teórico-científico. Desde el punto de vista operacional y estadístico, la hipótesis es la propuesta de la relación entre dos o más variables. Siempre aparece en forma de oración aseverativa y relaciona de manera general o específica, una variable con otra.

3 Hipótesis Científica (características)
Establecer y precisar la relación entre variables. Ser congruente con el problema.

4 Hipótesis como método de comprobación
Además del establecimiento de relaciones entre elementos puede ser la posible solución a un problema: es fundamentalmente y ante todo, una herramienta de comprobación de los supuestos con la realidad.

5 IMPORTANCIA DE LA HIPÓTESIS
Cuando la hipótesis de investigación ha sido bien elaborada, y en ella se observa claramente la relación o vínculo entre dos o mas variables, es factible que el investigador pueda: Elaborar el objetivo, o conjunto de objetivos que desea alcanzar en el desarrollo de la investigación Seleccionar el tipo de diseño de investigación factible con el problema planteado.

6 Seleccionar el método, los instrumentos y las técnicas de investigación acordes con el problema que se desea resolver, y Seleccionar los recursos, tanto humanos como materiales, que se emplearán para llevar a feliz término la investigación planteada

7 CLASIFICACIÓN DE LA HIPÓTESIS
a. Hipótesis general: es cuando trata de responder de forma amplia a las dudas que el investigador tiene acerca de la relación que existe entre las variables. b. Hipótesis específica: es específica aquella hipótesis que se deriva de la general, estas tratan de concretizar a la hipótesis general y hace explícitas las orientaciones concebidas para resolver la investigación.

8 Hipótesis estadística: la hipótesis estadística es aquella hipótesis que somete a prueba y expresa a las hipótesis operacionales en forma de ecuaciones matemáticas. c1 Hipótesis nula: (X1) = (X2); no existe relación en los promedios obtenidos por los estudiantes entrenados en técnicas de estudio (X1) y los no entrenados (X2) c2 Hipótesis alternativas: X1 > X2; los alumnos sometidos a entrenamientos en técnicas de elaboración de resumen (X1) obtuvieron mejor promedio de rendimiento que aquellos alumnos que no recibieron ningún tipo de entrenamiento (X2).

9 VARIABLES

10 VARIABLE La definición más sencilla, es la referida a la capacidad que tienen los objetos y las cosas de modificar su estado actual, es decir, de variar y asumir valores diferentes.

11 Briones (1987 : 34) define: "Una variable es una propiedad, característica o atributo que puede darse en ciertos sujetos o pueden darse en grados o modalidades diferentes. . . son conceptos clasificatorios que permiten ubicar a los individuos en categorías o clases y son susceptibles de identificación y medición".

12 CLASIFICACIÓN DE LAS VARIABLES
Variable Independiente Variable Dependiente Variable Interviniente Variables Cualitativas Nominal Ordinal Variable Cuantitativa Contínua Discreta

13 Variables de Independiente
Variables aplicables o manipuladas por el investigador Variable causal

14 Variable Dependiente La variable dependiente es el factor que es observado y medido para determinar el efecto de la variable independiente. Variable de efecto.

15 Variable Interviniente
Son aquellas características o propiedades que de una manera u otra afectan el resultado que se espera y están vinculadas con las variables independientes y dependientes.

16 Variables Cualitativas
Son aquellas que se refieren a atributos o cualidades de un fenómeno. Sabino (1989) señala que sobre este tipo de variable no puede construirse una serie numérica definida.

17 Variable Cuantitativa
Son aquellas variables en las que características o propiedades pueden presentarse en diversos grados de intensidad, es decir, admiten una escala numérica de medición.

18 Variables (Clasificación Estadística)
Continuas: Enteros y fracciones Cuantitativas Discretas: Números enteros Nominales: Características mutuamente excluyentes (dicotómicas) Cualitativas Ordinales: Establece intensidad (politómicas)

19 Operacionalización de la Variable
Es un paso importante en el desarrollo de la investigación. Cuando se identifican las variables, el próximo paso es su operacionalización.

20 Operacionalización de variables
Variable Definición Nivel de medición Categorías Cuantitativa discreta Edad que refiere el Sujeto al momento del estudio Años cumplidos Edad Cualitativa nominal Características fenotípicas del individuo Hombre Mujer Género Siempre Casi siempre Nunca Casi nunca Percepción de falta de apoyo familiar y social Cualitativa ordinal Soledad Índice Masa Corporal Medida entre el peso y la talla que presenta el paciente en el momento de la investigación Cuantitativa continua Decenas y unidades

21 Instrumentos de medición
Medios validados y estandarizados que permiten medir en forma precisa las variables. Pueden ser equipos sofisticados, pruebas psicológicas (tests), cuestionarios, guías para entrevistas a profundidad, etc...

22 Factores que amenazan la fiabilidad
Inherentes al observador: capacitación, interés, fatiga física, estandarización. Inherentes al instrumento: pertinencia, condiciones físicas, sensibilidad, especificidad, valor predictivo. Validez por consenso. Inherentes al sujeto: predisposición, representatividad, intereses. Inherentes a las condiciones: espacio adecuado a las mediciones.

23 Validez en Investigación
Métodos técnicos y estadísticos que permiten garantizar con cierta certidumbre que se está midiendo lo que se quiere medir.

24 Factores que amenazan la validez interna y externa de los experimentos
Historia Maduración Administración del test Instrumentación Regresión estadística Sesgos de selección Mortalidad experimental Interacción entre la selección y la maduración EXTERNA Efecto reactivo o de interacción de pruebas Interacción sesgo de selección y la variable experimental Dispositivos experimentales Tratamientos múltiples

25 Validez Interna Aplicación de criterios de inclusión, exclusión y eliminación, considerando los factores que afectan la fiabilidad*, con el fin de controlar las variables que influyen en el objeto de estudio y no son motivo de la investigación. Garantiza la comparabilidad y replicación del estudio. *Probabilidad de que una máquina, un aparato o un dispositivo funcionen correctamente bajo ciertas condiciones y en un periodo de tiempo determinado

26 Validez Externa Aplicación de técnicas de muestreo con el fin de garantizar representatividad de la muestra (tamaño y calidad).

27 ELECCIÓN DE PRUEBAS ESTADÍSTICAS

28 Elección de pruebas estadísticas
Edad Genero Escolaridad Estado civil Peso IMC Glucosa Colesterol Triglicéridos Albúmina Hemoglobina Diagnóstico Alcoholismo Tabaquismo Horas de sueño Con quien vive Ingreso económico ¿…qué hago con estos datos? ¿Como se reportan? ¿Cuales son pertinentes? ¿Son validos estos resultados? ¿Qué prueba estadística usar….? ¿..y como se interpreta?

29 Estadística Técnica que permite la organización y resumen de los datos con el fin de interpretarlos bajo un contexto teórico.

30 Datos Son el resultado de una investigación investigación biomédica, clínica o epidemiológica. Los datos pueden ser obtenidos de observaciones, descripciones hechas por los sujetos, pacientes o médicos, exámenes de laboratorio o gabinete, recolección de datos por encuestadores, etc.

31 Clasificación “Blandos” o subjetivos: No son cuantificables porque dependen de la evaluación de quien los observa o del informe verbal del paciente. “Duros” u objetivos: Las que pueden ser cuantificadas o medidas físicamente, además: Deben haber sido obtenidos objetivamente. La entidad observada debe ser preservable para poder evaluarla de nuevo. Debe ser posible medirla en una escala de intervalo.

32 Validación de los procedimientos para la obtención de datos
Mínimas variaciones entre tres componentes El examen El examinado El examinador

33 Estadística en la investigación científica
Marco teórico Problema Hipótesis Variables Estadística

34 División de la Estadística
Paramétrica Descriptiva No paramétrica Estadística Paramétrica Comparativa No paramétrica Analítica Paramétrica Inferencial No paramétrica

35 Tipos de estadística Paramétrica:
La distribución de los datos es de tipo normal o gaussiana. Las observaciones son independientes. La escala de medición es cuantitativa. No paramétrica: Un modelo que especifica sólo condiciones generales y ninguna distribución. Las observaciones son independientes. La escala de medición puede ser ordinal y nominal.

36 División de la estadística
Descriptiva: Permite organizar los datos, mostrarlos gráficamente y calcular cantidades “representativas” del conjunto de datos. También llamadas medidas de resumen. Analítica: Ayuda a “analizar” a los grupos de datos en la búsqueda de semejanzas, asociaciones o diferencias. Se divide en: Comparativa: comparación de grupos. Inferencial: resultados representativos para generalizar a una población.

37 Aspectos a considerar para la elección de pruebas estadísticas.
Objetivos Hipótesis Tamaño de muestra Tipo de estudio Variables

38 Variables Característica y/o atributo del objeto de estudio que puede adoptar diferentes valores o modalidades durante la investigación. Clasificación: Dependiente: Variable desenlace o de interés, que se presenta como consecuencia de la manipulación o presencia de otra(s) variable(s). Independiente: Manipulada por el investigador, o presente en la investigación cuyo fin es el de producir un efecto.

39 Variables por escala de medición
Nominal Cualitativa Ordinal Variable Discreta Cuantitativa Continua

40 Variables cualitativas
Nominales: Nombres utilizados para representar a grupos, deben ser excluyentes. Ej. Sexo, estado civil. Ordinales: Poseen valores que se asocian a cantidades numéricas que especifican el grado de diferencia entre un nivel y el siguiente en un orden jerárquico. Ej. Dolor (nada, poco, medio, intenso, muy intenso).

41 Variables cuantitativas
Discretas: Poseen un número finito de intervalos cuantificables. La distancia entre dos puntos es igual. Ej. Número de piezas dentales. Continuas: Poseen intervalos cuantificables sobre una escala aritmética infinita de valores. Ej. Edad en años y meses.

42 Tipos de estudio Descriptivos (No experimentales): Levantamiento epidemiológico para caracterizar a una comunidad o la descripción del comportamiento de los sujetos después de una intervención. Analíticos: Basados en grupos: Comparación de datos grupales. Experimentos: Estudios de intervención con la evaluación, un tratamiento, contra un control, generalmente longitudinales (a través del tiempo).

43 Tipos de estudio Analíticos:
 Dos grupos sin evaluación inicial, sólo final.  Dos grupos con evaluación inicial y final. Pareados o expost-facto: Apareamiento considerando las variables críticas (edad, sexo).

44 Tipos de distribución Distribución paramétrica Distribución no

45 Selección de pruebas estadísticas
Determinar la escala de medición de las variables. Seleccionar el tipo de estadística a utilizar. Determinar el número de grupos a comparar y la forma de selección de los sujetos. Seleccionar la prueba estadística.

46 Inicio del análisis de datos
Comenzar con el análisis descriptivo (describir a los datos) y después la parte analítica (comparación de grupos o estadística inferencial). Tablas de distribución de frecuencias (cualitativas). Promedios y desviaciones estándar (cuantitativas). Gráficas.

47 Estadística Descriptiva
Paramétrica Medida de tendencia central: promedio, media (m, ). Medidas de dispersión: desviación estándar (DE, s, s), varianza (Var, s2, s2) No paramétrica Cualitativas: Frecuencias y porcentajes. Medidas de tendencia central (cuantitativas): Mediana (Me), moda (Mo). Medidas de dispersión: Intervalos de confianza al 95%. Rango (R), percentiles.

48 Estadística descriptiva
Promedio (media): Mediana: Moda: El dato que más se repite. Rango: Dato mayor – dato menor. o

49 Descripción de variables para dos poblaciones de adultos mayores.
Urbana (n = 112) Rural (n = 83) Sin patología* 45 (40%) 39 (47%) Diabetes mellitus* 15 (14%) 10 (12%) Hipertensión arterial* 39 (35%) 22 (26%) DM + HTA* 9 (8%) 11 (13%) Tabaquismo* 9 (10%) 3 (4%) Ingesta de alcohol* 27 (29%) 35 (44%) Sedentarismo* 66 (76%) 60 (75%) Horas de sueño† 7.4 ± 1.5 7.7 ± 1.7 *Frecuencia; †promedio ± desviación estándar

50 Niveles de estrés oxidativo por diagnóstico en la población de estudio

51 Análisis comparativo o inferencial
Determinar la escala de medición de las variables y el tipo de distribución. Indicar cuál es la variable dependiente y cuál(es) la(s) independiente(s). Observar cómo fue la selección de los sujetos en la investigación: Independiente: Cuando la observación o medición se realiza en los individuos independientemente uno del otro. Dependiente: Cuando la observación o medición se lleva a cabo en un mismo individuo, pero en diferentes momentos.

52 Estadística Analítica
Variable Dependiente Paramétrica No Paramétrica Cuantitativas Cualitativas Normalidad Sesgo ±0.5 Curtosis +2,+4 Nominal Ordinal 2 grupos 3 o más gpos 2 grupos 3 o más gpos 2 grupos 3 o más gpos Muestras Independ Muestras Depend Muestras Independ Muestras Depend Muestras Independ Muestras Depend Muestras Independ Muestras Depend Muestras Independ Muestras Depend Muestras Independ Muestras Depend c2 Pba. Exacta Fisher McNemar c2 para k mtras. Mantel- Haenszel Q- Cochran U-Mann Whitney Wilco- xon Kruskal- Wallis Friedman t-Student t pareada ANOVA 1 Factor 2 Factor ANOVA medidas repet. Bloques Dra. Martha Sánchez Rodríguez/Dr. Abdiel Antonio Ocampo

53 Pruebas estadísticas que se utilizan con mayor frecuencia
Paramétricas t de student: permite evaluar la diferencia entre 2 medias. Análisis de varianza (ANOVA): Permite evaluar la diferencia entre más de 2 medias. Correlación (r): Asociación entre variables Regresión (r2): Permite establecer dependencia entre variables Paramétricas No paramétricas Ji cuadrada (x2): Permite establecer dependencia entre variables cualitativas.

54 Prueba de t de Student Uso: Probar diferencias entre grupos
con variables contínuas Limitaciones: Requiere distribuciones normales Dist normal = Promedio -2de

55 Análisis de la varianza (ANOVA, ANADEVA)
Comparación de medias de tres o más grupos. Las variables deben estar en escala cuantitativa y el grupo o factor en cualitativa. La variación total de un conjunto de datos se distribuye en varios componentes, cada uno de los cuales tiene asociada una fuente de variación específica. Indica que hay diferencia entre los pares de medias, pero no dice cuáles son los diferentes

56 Correlación de Pearson
Uso: Probar asociación entre dos variables Requisitos: Variables contínuas, distribución normal y relación lineal

57 Prueba de 2 (tablas de 2 x2)
Uso: Probar diferencias entre grupos con variables discontínuas Limitaciones: Requiere más de 40 casos Valores esperados >5 por casilla

58 Presentación de resultados
Variable Urbano (n = 70) Rural (n = 53) Edad (años) Mujeres Hombres 66.2  5.9 67.7  5.1 70.9  8.3 76.2  6.5* Lipoperóxidos (mmol/L) 0.308  0.17 0.224  0.13* SOD (U/L) 179  17.5 167  7.7* GPx (U/L) 6667  2221 8477  2916* AT (mmol/L) 1.13  0.21 1.15  0.16 * t de Student

59 Significancia estadística
También llamado nivel de significancia o . Es un valor de probabilidad, o sea, la probabilidad de que las diferencias de los datos no sean debidas al azar.

60 Nivel de significancia
Probabilidad de rechazar una hipótesis de nulidad cuando esta es cierta.

61 Valor de p El valor de p es la probabilidad de que el resultado obtenido se deba al azar si la hipótesis nula es cierta.

62 Factores que influyen en la significancia estadística
Tamaño de la muestra Variabilidad del fenómeno Prueba estadística Sesgo (criterios de inclusión, exclusión y eliminación)

63