09 Inferencia Hipotesis y Diseno Experimental IMPRESION

Se denomina poblacin al conjunto de unidades de anlisis
(individuos o sujetos) con determinadas caractersticas

seleccionadas (edad, sexo, nivel educativo, patologa, etc.).
En Estadstica la poblacin (tambin llamada universo o
Muestra y Poblaciones
colectivo) es el conjunto de elementos de referencia sobre el

que se realizan las observaciones.
Parmetros, Estadsticos y Estimadores
En epidemiologa una poblacin es un conjunto de sujetos o
individuos con determinadas caractersticas demogrficas, de la

que se obtiene una muestra (o participantes en un estudio
epidemiolgico) con el objetivo de extrapolar los resultados de
dicho estudio al total de la poblacin (inferencia estadstica).
Pablo Salgado EMAIL: estadisticaymetodologia@gmail.com cursos-estadistica@centroredes.org.ar
Poblacin base: es el grupo de personas (unidades de anlisis)
Si se quisiera conocer los parmetros de una variable en la
designadas por caractersticas personales, geogrficas o temporales,

que son elegibles para participar en el estudio.
poblacin de inters, se debera medir en el total de

individuos de la poblacin, siendo esto la mayora de las
Poblacin muestreada: es la poblacin base con criterios de viabilidad
veces de imposible realizacin, por diferentes factores como
o posibilidad de realizarse el muestreo.
por ejemplo el costos y el tiempo.
Muestra estudiada: es el grupo de sujetos en el que se recogen los
datos y se realizan las observaciones, siendo realmente un subgrupo de

la poblacin muestreada y accesible.
En general el procedimiento es extraer un subconjunto de la
poblacin de estudio, denominado muestra, en el cual se
Poblacin diana: es el grupo de personas a la que va proyectado dicho
miden las variables de inters. En esta muestra tienen que
estudio, la clasificacin caracterstica de los mismos, lo cual lo hace

modelo de estudio para el proyecto establecido.
estar representadas las variables principales de la

3
poblacin.
El objetivo fundamental del muestreo es obtener
De esta manera se minimizar el error debido al
conclusiones vlidas sobre la poblacin de la cual se
muestreo.
obtuvo la muestra.
La forma ms intuitiva de reducir el error de
Para que de los valores obtenidos de una muestra se
muestreo es aumentando el tamao de la muestra.
puedan inferir los valores poblacionales, la muestra
Hay importantes implicancias estadsticas y ticas en
debe ser representativa de la poblacin. Para ello
la eleccin del tamao optimo de una muestra para
debe haber sido seleccionada por algn mtodo de
un estudio.
muestreo que logre esta representatividad.

5
Si la muestra es muy pequea el estudio no puede
El
tamao de la muestra est relacionado
detectar importantes efectos entre los grupos o
directamente con la precisin de los resultados
variables estudiados.
que se obtendrn.
Cuanto mayor sea el tamao de la muestra mayor
Un estudio con una muestra demasiado grande
implica involucrar ms unidades de anlisis que los
precisin tendrn los resultados, pues el tamao
necesarios (pacientes, animales, etc), incrementando
de la muestra estar ms cerca del tamao de la

poblacin y cuanto ms pequea sea el tamao de
adems los costos.
la muestra, los resultados sern menos precisos.

7
La forma en que se seleccina a la muestra est
Por tal motivo existen mtodos para poder
relacionado directamente con la exactitud de los
establecer o calcular de acuerdo a la

situacin (diseo experimental) cul es el
tamao y muestreo ms adecuado.
resultados que se obtendrn.

Cuanto ms representativa es el mtodo elegido
Esto
no quiere decir que no pueda

seleccionarse otro tamao o forma de
seleccionar la muestra, solamente es ms
recomendable desde el punto de vista de
costo-beneficio.
en la seleccin de las unidades de anlisis, ms

vlidos
sern
los
estadsticos
resultados
obtenidos en la muestra con la intencin de

extrapolar estos al total de la poblacin.
9
10
MUESTREO
La manera usual de realizar un estudio en
Eleccin de la
muestra
una poblacin es tomar muestras de

individuos o unidades experimentales
pertenecientes a ella.
A partir de los datos registrados en estas
unidades luego es posible realizar inferencias

sobre el conjunto total de la poblacin.
12
Una condicin que debe reunir la
La representatividad de la muestra es garantizada por
muestra para poder realizar inferencias

de la poblacin es que sea
representativa.
la forma de seleccin de sus componentes.

El estudio de los diferentes mtodos de muestreo y las
En ella debe estar representada todas
distintas variantes ocasionadas, se define a partir de lo
las condiciones existentes en la

poblacin y que puedan influir en los
datos.
que se denomina diseo experimental.
13
14
Antes de elegir una muestra, se tiene que saber y definir a la poblacin
El diseo experimental constituye el plan general del
de la que se va a extraer.
investigador para obtener respuestas a sus
Definir la unidad de anlisis y las caractersticas que se van a medir

(variables) de las mismas.
interrogantes o comprobar la/s hiptesis planteadas.
El diseo de experimental desglosa las estrategias
A la poblacin habr que delimitarla mediante criterios de inclusin y

criterios de exclusin (controlar variables).
Los objetivos del estudio ayudarn a definir la poblacin de la cual se
bsicas que el investigador adopta para generar
extraer la muestra a estudiar, las variables a medir, la forma de
informacin exacta e interpretable.
medirlas y los mtodos estadsticos a utilizar.

15
16
En general se toma la decisin de cules son las variables
Por ejemplo, si se desea comparar elementos de
principales y a partir de estas es que se plantea el

procedimiento de muestreo, de tal manera que por lo menos
para esta variables seleccionadas se minimice el error.
Una muestra constituye un subconjunto de individuos de la
poblacin (generalmente pequeo), por lo que algo se pierde
durante el proceso de muestreo. Adems es altamente
probable que una muestra difiera de cualquier otra muestra que
se hubiese podido seleccionar de la misma poblacin y por lo
tanto tambin diferirn los estadsticos obtenidos.
A esto se lo denomina error de muestreo y es inherente al
proceso.
subpoblaciones como gnero y/o grupo de edades,

mediante el muestreo se tratar de lograr que se
mantengan las proporciones de estas dos variables en
la muestra elegida.
Generalmente se emplean diferentes tipos de muestreo
y su eleccin depender de los objetivos del estudio y

de factores como exactitud, el tiempo y el costo.
17
Algunas de las razones para efectuar un muestreo en
18
5. Viabilidad: la eleccin de una muestra permite la realizacin
de estudios que seran imposible hacerlo sobre el total de la

poblacin.
vez de un censo pueden ser las siguientes:

1. Tamao: La poblacin es muy grande (en ocasiones, infinita,
como ocurre en determinados experimentos aleatorios) y, por

tanto, imposible de analizar en su totalidad.
2. Rapidez: al reducir el tiempo de recogida y tratamiento de los
datos, se consigue mayor rapidez.
3. Reduccin de costos: al estudiar una pequea parte de la
poblacin, los gastos de recogida y tratamiento de los datos
sern menores que si los obtenemos del total de la poblacin.
4. Tiempo: Las caractersticas de la poblacin varan si el estudio
se prolonga demasiado tiempo.
19
6. La poblacin es suficientemente homognea respecto a la
caracterstica medida, con lo cual resultara intil malgastar

recursos en un anlisis exhaustivo (por ejemplo, muestras
sanguneas).
7. El proceso de estudio es destructivo o es necesario consumir
un artculo para extraer la muestra (ejemplos: vida media de

una bombilla, carga soportada por una cuerda, precisin de un
proyectil, etc.).
20
La Teora del muestreo es el estudio de las
Cmo debe elegirse una muestra?
relaciones entre una poblacin y las muestras que se

extraen de ella.
Si se conocen ciertas caractersticas de la
poblacin, mejora los resultados inferenciales que

se pueden obtener de una muestra.
Del anlisis de las muestras se pueden estimar o
inferir datos de la poblacin como su media ( ),

varianza ( 2 ), probabilidad de ocurrencia de un
suceso () etc., (parmetros poblacionales, denotados
usualmente con letras griegas) a partir de los valores
obtenidos de la muestra (estadsticos), tales como la
media muestral, la varianza muestral, la proporcin de
un suceso (frecuencia relativa) denominados
estimadores.
Si bien el mtodo de seleccin en forma aleatoria
(muestreo al azar simple) generalmente se obtienen

los mejores resultados, quiz el adecuar la manera
de extraer la muestra a las posibles distintas
naturalezas de las poblaciones, puede mejorar el
rendimiento, aunque slo fuere a nivel del tamao
muestral, error de muestreo y costos en general.
21
22
No es lo mismo intentar conocer la altura media de
los habitantes de un pas, que el nmero de errores

en la contabilidad de una empresa, dado que la
naturaleza de su universo, el nivel de medicin de
las variables y el comportamiento poblacional son
distintos.
Tipos de
Muestreo
Es por ello, que para distintas "naturalezas" del
problema han de plantearse distintas soluciones, si

bien todas, o casi todas, pasan por la aleatoriedad.
Es por esto que es necesario definir diferentes
"tcnicas" o "mtodos" de muestreo.

23
Los autores proponen diferentes criterios de clasificacin
Es muy importante tener en cuenta que slo
de los diferentes tipos de muestreo, aunque en general

pueden dividirse en dos grandes grupos: mtodos de
muestreo probabilsticos y mtodos de muestreo no
probabilsticos.
los mtodos de muestreo probabilsticos

aseguran la representatividad de la muestra
extrada y son, por tanto, los ms
recomendables.
A veces, el muestreo probabilstico resulta
excesivamente costoso o no es necesario la
representatividad de la muestras dado que no
se trata de un estudio epidemiolgico o
demogrfico y se acude a mtodos no
probabilsticos.
Los mtodos de muestreo probabilsticos son aquellos
que se basan en el principio de equiprobabilidad, es

decir, aquellos en los que todos los individuos tienen la
misma probabilidad de ser elegidos para formar parte de
una muestra y, consiguientemente, todas las posibles
muestras de igual tamao n tienen la misma
probabilidad de ser elegidas.
25
26
Los tipos ms comunes de muestreo son:
Se pueden utilizar esta forma de muestreo a pesar de que
no sirven para realizar generalizaciones o extrapolaciones,
Probabilstico
Simple
Sistemtico
Estratificado
Por conglomerados
Polietpico
No Probabilstico
Por cuotas
Intencionado
Incidental
Bola de nieve
ya que no todos los sujetos de la poblacin tienen la misma

probabilidad de se elegidos.
Pero en general se seleccionan a los sujetos siguiendo
determinados criterios de inclusin (delimitar la poblacin

de estudio) y criterios de exclusin (para controlar o anular
aquellas variables que puedan afectar el resultado del
estudio), siempre teniendo en cuenta que las
generalizaciones se referirn a esta poblacin seleccionada
y que las unidades de anlisis no se eligieron al azar.
27
28
Muestreo aleatorio simple:

Una muestra aleatoria simple es seleccionada de tal
manera que cada muestra posible del mismo tamao

tiene igual probabilidad de ser seleccionada de la
poblacin (equiprobabilidad de seleccin de muestras).
Muestreos
Probabilsticos
Adems para obtener una muestra aleatoria simple,
cada elemento (unidad de anlisis) en la poblacin

tiene que tener la misma probabilidad de ser
seleccionado (equiprobabilidad de seleccin de
unidades de anlisis).
Muestreo aleatorio sistemtico:
Muestreo aleatorio simple
El procedimiento empleado es el siguiente:

1.
2.
30
Esta tcnica consiste en extraer elementos de la
Se asigna un nmero a cada unidad de anlisis de la

poblacin (esto se denomina marco muestral).
poblacin mediante una regla sistematizadora que

previamente se crea; sencillamente cada una
A travs de algn medio que asegure la aleatoriedad

(bolas dentro de una bolsa, tablas de nmeros aleatorios,
nmeros aleatorios generados por una computadora, etc.)
se eligen tantas unidades de anlisis como sea necesario
para completar el tamao de muestra requerido.
cantidad fija de elementos se extrae un elemento.

Un vez numerada la poblacin, se elige
aleatoriamente un primer elemento base, partiendo
Este procedimiento, atractivo por su simpleza, tiene poca
de ste se aplica la regla para conseguir los dems
o nula utilidad prctica cuando la poblacin que estamos

manejando es muy grande.
hasta conseguir el tamao muestral adecuado.

31
32
Muestreo aleatorio sistemtico
Este procedimiento exige, como el anterior, numerar todos
Se usa para el caso de sucesiones de elementos.
los elementos de la poblacin, pero en lugar de extraer n

nmeros aleatorios slo se extrae uno. Se parte de ese
nmero aleatorio i, que es un nmero elegido al azar, y los
elementos que integran la muestra son los que ocupan los
lugares i, i+k, i+2k, i+3k,...,i+(n-1)k, es decir se toman los
individuos de k en k.
Por ejemplo, el caso de las historias clnicas de

pacientes, certificados de nacimiento, etc.
Se elige una cifra entera, razonable, tomando en
cuenta el tamao de la muestra y el de la

poblacin.
Por
ejemplo: hay que tomar una muestra de tamao

30 de un archivo que contiene 1000 fichas; luego, el
cociente entre poblacin y muestra es 1000 /30,
aproximadamente 33.
Siendo k el resultado de dividir el tamao de la poblacin
entre el tamao de la muestra: k = N/n.

El nmero i que empleamos como punto de partida ser un
nmero al azar entre 1 y k.

33
34
El riesgo se este tipo de muestreo est en los casos en que
se dan periodicidades ocultas en la poblacin ya que al

elegir a los miembros de la muestra con una periodicidad
constante (k) podemos introducir una homogeneidad que
no se da en la poblacin.
Supongamos que se quiere seleccionar una muestra sobre
listas de pacientes que concurren a un consultorio en el
que se atienen 10 pacientes por da. Un da se atienden los
que tiene la patologa A otro da los que tiene la B. Si
empleamos un muestreo aleatorio sistemtico con k=10 la
seleccin no representara las proporciones de pacientes
que se atienden en el consultorio, ya que se elegiran
pacientes con A o con B.
Otro ejemplo:
Supongamos
que queremos testar el funcionamiento

de una herramienta, para lo cul vamos a
seleccionar una de cada 15 piezas producidas.
Si
ocurriera que justamente 1 de cada 15 piezas

fuese defectuosa y el error de la mquina fuera
defectuoso peridicamente, tendramos dos posibles
resultados del muestreo:
35
Que falla siempre
Que no falla nunca.

36
Muestreo aleatorio estratificado:
Muestreo aleatorio estratificado:
Lo que se pretende con este tipo de muestreo es
Si tenemos informacin a cerca de una
asegurarse de que todos los estratos de inters estarn

representados adecuadamente en la muestra.
poblacin (es decir de su composicin) y esta

es importante para nuestra investigacin,
podemos mejorar el muestreo aleatorio por
medio de la estratificacin.
Cada estrato funciona independientemente, pudiendo
aplicarse dentro de ellos el muestreo aleatorio simple o el

estratificado para elegir los elementos concretos que
formarn parte de la muestra.
Este es un procedimiento que consiste en
En ocasiones las dificultades que plantean son demasiado
dividir (estratificar) la poblacin en un

nmero de subpoblaciones o estratos.
grandes, pues exige un conocimiento detallado de la

37
poblacin (tamao geogrfico, sexos, edades, etc.).
Muestreo aleatorio estratificado
Muestreo aleatorio estratificado
La muestra es obtenida mediante la separacin de los
elementos de la poblacin en grupos que son heterogneos

entre si (estratos).
Generalmente estos estratos son identificables en la
poblacin como grupos homogneos (poca varianza

interna).
Este muestreo generalmente se utiliza cuando se conoce
claramente caractersticas (variables) que delimitan estos

estratos y que si se seleccionaran con un muestreo simple
al azar podran quedar algunos de estos estrados poco
representados o se necesitara una muestra grande para
que la muestra sea representativa para cada uno de ellos.
39
38
Dicha distribucin-reparto de la muestra se

denomina afijacin y se realiza de varias formas:
afijacin simple: a cada estrato le corresponde
igual nmero de elementos (extracciones)
muestrales.
afijacin proporcional: la distribucin se hace de
acuerdo con el peso (tamao) relativo de cada
estrato.
afijacin ptima: Se tiene en cuenta la previsible
dispersin de los resultados, de modo que se
considera la proporcin y la desviacin tpica.
40
Muestreo por conglomerados:
Muestreo por conglomerados
El muestreo por conglomerados consiste en seleccionar
aleatoriamente un cierto nmero de conglomerados (el

necesario para alcanzar el tamao muestral establecido) y
en investigar despus todos los elementos pertenecientes a
los conglomerados elegidos.
Los mtodos presentados hasta ahora estn pensados para
seleccionar directamente los elementos de la poblacin, es decir,

que las unidades muestrales son los elementos de la poblacin.
En el muestreo por conglomerados la unidad muestral es un grupo
de elementos de la poblacin que forman una unidad, a la que

llamamos conglomerado.
Las unidades hospitalarias, los departamentos universitarios, una

caja de determinado producto, etc, son conglomerados naturales.
En otras ocasiones se pueden utilizar conglomerados no naturales

como, por ejemplo, las urnas electorales.
Cuando los conglomerados son reas geogrficas suele hablarse de

muestreo por reas.
La unidad muestral es un grupo de elementos de la
poblacin que forman previsiblemente una unidad de

comportamiento representativo. Dicha unidad es el
conglomerado cuyo comportamiento interno puede ser muy
disperso (varianza grande) pero que presumiblemente
poseer un comportamiento prximo a otros
conglomerados (varianza entre conglomerados, pequea).
41
Muestreo por conglomerados
Muestreo de etapas mltiples:
Los conglomerados se estudian en profundidad hasta conseguir el
tamao muestral adecuado.
Ante lo compleja que puede llegar a ser la
Por ejemplo, el caso de las escuelas para hacer un muestreo de
situacin real de muestreo con la que nos

enfrentemos es muy comn emplear lo que
se denomina muestreo polietpico.
alumnos en el sistema educativo, o las facultades para los

universitarios. Los conglomerados podran ser las unidades educativas
(escuelas o facultades).
42
Si se trata de estudiar las condiciones laborales de los empleados de
Este tipo de muestreo se caracteriza por
comercio que trabajan en supermercados. Primero se empadronan los
operar en sucesivas etapas, empleando en

cada una de ellas el mtodo de muestreo
probabilstico ms adecuado.
lugares naturales de trabajo (supermercados) y luego se sortea entre

estos conglomerados para elegir a un nmero determinado. Luego se
entrevista a todos los empleados del supermercado elegido, y se

acepta esto como una muestra representativa del sector.
43
44
Se utiliza para el caso de grandes poblaciones
humanas. Ejemplo tomar una muestra de la

poblacin de un pas.
Muestreos
No probabilsticos
La
unidad de muestreo en la primera etapa son los

departamentos de cada provincia.
En
una segunda etapa se distingue la poblacin rural

de la urbana, subdividiendo en fracciones (diferentes
superficies con densidad de poblacin semejante).
Se
contina con otra divisin en radios dentro de las

fracciones, segmentos dentro de radios, y as
sucesivamente.
45
Muestreo por cuotas:
Muestreo intencional:
Generalmente se tiene un buen conocimiento de los estratos de la
poblacin y/o de los individuos ms representativos o adecuados

para los fines de la investigacin.
Mantiene, por tanto, semejanzas con el muestreo aleatorio
estratificado, pero no tiene el carcter de aleatoriedad de aqul.
En este tipo de muestreo se fijan unas cuotas que consisten en un
nmero de individuos que renen unas determinadas condiciones,
por ejemplo: 30 individuos de con instruccin superior a secundario
completo, de sexo femenino y que sean residentes de una regin
determinada. Idem con otras cuotas.
Una vez determinada la cuota se eligen los primeros que se
encuentren que cumplan esas caractersticas hasta completarla y asi
con las dems cuotas definidas.
Este mtodo se utiliza mucho en las encuestas de opinin y en
investigacin clnica.
Este tipo de muestreo se caracteriza por un
esfuerzo deliberado de obtener muestras

representativas mediante la inclusin en la
muestra de grupos supuestamente tpicos.
Es muy frecuente su utilizacin en sondeos
preelectorales de zonas que en anteriores

votaciones han marcado tendencias de voto.
47
48
Muestreo casual o incidental:
Bola de nieve:
Se trata de un proceso en el que el investigador
Se localiza a algunos individuos, los cuales
selecciona directa e intencionadamente los

individuos de la poblacin.
conducen a otros, y estos a otros, y as hasta

conseguir una muestra suficiente.
El caso ms frecuente de este procedimiento el
utilizar como muestra los individuos a los que se

tiene fcil acceso (los profesores de universidad
emplean con mucha frecuencia a sus propios
alumnos). Un caso particular es el de los
voluntarios.
Este tipo se emplea muy frecuentemente
cuando se hacen estudios con poblaciones

marginales, sectas, determinados tipos de
enfermos, etc.
49
50
Inferir es, generalmente, establecer un nuevo
conocimiento partiendo de uno ya conocido.
Inferencia
Estadstica
La inferencia estadstica consiste, bsicamente, en
determinar algunas caractersticas desconocidas de

una poblacin partiendo de datos obtenidos de una
muestra.
La inferencia estadstica trata de obtener
informacin de parmetros de la poblacin a travs

de los estimadores (estadsticos) muestrales.
52
INFERENCIA ESTADISTICA
ESTIMACION DE LOS PARAMETROS

POBLACIONALES
La inferencia estadstica se interesa por dos

tipos de problemas:
Estadstico: Es una medida usada para
describir alguna caracterstica de una

muestra. Es un valor calculado obtenido con
los elementos incluidos en la muestra.
1. La estimacin de los parmetros de la poblacin.

2. Las pruebas de Hiptesis.
A partir de la inferencia estadstica se pueden

obtener conclusiones de un gran nmero de
acontecimientos fundndose en las
observaciones de una parte de los mismo.
Parmetro: Es una medida usada para
describir alguna caracterstica de una

poblacin.
53
54
Estadsticos
Tipos de Estadgrafos
Tendencia Central:
de Tendencia Central
Indican valores con respecto a los que los datos parecen

agruparse: Media, mediana y moda
Posicin:
de Posicin
de Dispersin
Dividen un conjunto ordenado de datos en grupos con la misma

cantidad de individuos: Cuantiles, percentiles, cuartiles, deciles,...
Dispersin:
De Formas
Indican la mayor o menor concentracin de los datos con

respecto a las medidas de centralizacin: Desviacin tpica,
coeficiente de variacin, rango, varianza
Forma:
Especificas
55
Asimetra y Curtosis
56
La Teora del muestreo es el estudio de las relaciones
Parmetro: Es una cantidad numrica calculada sobre una poblacin.

Ejemplos:
entre una poblacin y las muestras que se extraen de

ella.
La altura media de los individuos de un pas.

Porcentajes de mujeres en una empresa.
La idea es resumir toda la informacin que hay en la poblacin en unos pocos
nmeros (parmetros).
Del anlisis de las muestras se pueden estimar o inferir
datos de la poblacin como su media (), varianza (2),
Estadstico: dem (cambiar poblacin por muestra)
probabilidad de ocurrencia de un suceso () etc.,

llamados parmetros poblacionales, denotados
usualmente con letras griegas, a partir de los valores
obtenidos de la muestra, tales como la media muestral,
la varianza muestral, la proporcin de un suceso
(frecuencia relativa) denominados estadsticos.
Ejemplos:
La EDAD media de los que cursamos estadstica.
Es una muestra representativa de la poblacin general?
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.
57
58
Se estiman los parmetros a partir los

estadsticos correspondientes:
Por consiguiente, cuando a partir de los estadsticos
calculados en la muestra se realiza inferencias sobre

los parmetros poblacionales, a stos estadsticos los
Medida
denominamos estimadores.
Muestra: Estadsticos
Poblacin: Parmetros
Estimacin (error debido al muestreo)
59
Smbolo para el
Smbolo para el
estadstico (muestra) parmetro (poblacin)
Media
Desvo estndar
Nmero de elementos
Proporcin
60
Por ejemplo, cinco exmenes
Tales procedimientos sirven para deducir o
inferir algo acerca de un conjunto de datos
seleccionados al azar entre todos los
numricos (poblacin), seleccionando un
exmenes de los alumnos de una
grupo menor de ellos (muestra).
Ctedra, fueron excelentes.
Existen ciertos riesgos relacionados con el
Podra concluirse a partir de esta
empleo de resultados de las muestras para

deducir algo acerca de una poblacin
muestra que todos los exmenes
desconocida.
fueron excelentes?
61
62
Existe la posibilidad de que esta
ltima afirmacin sea falsa.
INTERVALOS DE
Hay una serie de anlisis que se
CONFIANZA
realizan a los fines de evaluar los

riesgos de tomar una decisin
incorrecta.
63
La estimacin por intervalos de confianza consiste en
Como cualquier estimador de un parmetro,
determinar un posible rango de valores o intervalo, en
nunca podemos estar totalmente seguros de que
los que pueda precisarse (con una determinada
nuestro valor muestral (estadstico) estime el
probabilidad), que el valor de un parmetro se
valor exacto del parmetro.
encuentra dentro de esos lmites.
Sin embargo podemos encontrar un rango de
Este parmetro ser habitualmente:
valores que este asociados a cierto nivel de
Una proporcin: en el caso de variables dicotmicas
La media o la varianza: para distribuciones gaussianas.
confianza de que el parmetro este dentro de l.
65
66
La probabilidad de que el parmetro est
La tcnica de la estimacin consiste en
asociar a los estadsticos de la muestra un
contenido en dicho intervalo se la
intervalo, en el cual se sospecha que debe
denomina nivel de confianza.
contener al parmetro.
Se denomina nivel de significacin a la
A ste se le denomina:
probabilidad de que el parmetro no este

contenido en el intervalo de confianza.
Intervalo de confianza
67
68
Por ejemplo si para unas elecciones se realiza un estudio de
opinin para predecir que partido ganar. La empresa empresa
Indica la confianza que tenemos de que el intervalo
utiliza una muestra aleatoria de 2600 votantes y los resultados
contenga al valor de parmetro poblacional.
arrojan que el 37% votar al partido A, mientras que el 43% elegir

al partido B.
Generalmente es del 95% (0,95).
Los encuestadores calculan los intervalos de confianza al 97%
para cada uno de los estimadores, siendo para el partido A entre

el 35,5% y 38,5% y para el partido B el intervalo de confianza va
Significa el Nivel de Riesgo, e indica la probabilidad
entre el 41,5% y el 44,5%.
de que el intervalo no contenga al parmetro
Como no se superponen los intervalos, se puede afirmar que
poblacional.
ganar el partido B con una confianza del 97% o con una
Generalmente es del 5% (0,05).
significacin del 3%.

69
70
Un intervalo de confianza, se simboliza de la

siguiente manera:
En muchos casos adems, en estos informes reportan
el margen de error. En este caso el margen de error

sera aproximadamente de 1,5%.
Esto indicara que el intervalo de confianza obtenido
Siendo:
oscila en un 1,5% hacia arriba y hacia abajo del

estimador calculado, siendo la mitad del intervalo de
Li =Lmite inferior del intervalo que contiene al parmetro

Ls=Lmite superior del intervalo que contiene al parmetro
confianza.
= nivel de confianza
Si los intervalos de confianza calculados para los votos
= nivel de riesgo o de significacin
que alcanzan los dos partidos se superponen, no
Donde figura la palabra parmetro, debe indicarse cul es el parmetro que se

est estimando.
podra afirmar cual de los dos partidos saca ms votos.

71
72
Los trminos del Lmite inferior y del Lmite
Hay por lo menos cuatro factores que influyen
en el tamao del intervalo de confianza (para el

mismo nivel de confianza):
superior, se construyen basndose en el valor que

haya tomado:
1.
El estimador puntual del parmetro.
2.
La distribucin de probabilidades que posea ese

estimador (repasar distribucin de probabilidades).
3.
El error que se haya cometido en la estimacin

puntual, dada la variacin muestral (error de
muestreo).
1.
La diferencias entre los estadsticos calculados

(en el caso de comparar dos parmetros)
2.
La variabilidad de los datos (varianza)
3.
El tamao de la muestra
4.
Los tamaos relativos entre la muestra tomada y

la poblacin.
73
74
Supongamos que X es una variable cuantitativa,
Calculo del Intervalo

de Confianza para el
promedio
con un promedio y una varianza 2 y que
es
el promedio extrada de una muestra tomada al

azar de n (tamao de la muestra) valores de X.
Si extrajramos un nmero suficientes de muestras
al azar de tamao n tendramos una distribucin de

los promedios muestrales. Para cada muestra
tendramos un valor de
diferente y se puede
considerar que los valores
siguen una
distribucin de probabilidades.
76
La naturaleza de la distribucin de
es de gran
importancia, ya que determina el grado de
incertidumbre que se otorga a
a travs del
proceso del muestreo.
La teora matemtica
proporciona tres resultados
bsicos referidos a las
distribuciones de las
Hay dos caractersticas que determinan la
variabilidad de
1. : cuanto mayor sea ms variables sern las

de las distintas muestras de tamao n.
medias muestrales.
2. n: a mayor tamao de cada muestra extrada

ms prximos sern los valores de
esperados.
77
78
79
80
1. La media de las medias muestrales es igual a la media
real de la poblacin es decir :
2. El desvo estndar de las medias muestrales es igual:

Desvo Estndar de la
distribucin de
medias muestrales
Desvo Estndar de la
poblacin
Tamao de la muestra
3. La distribucin de las medias muestrales sigue una
distribucin Normal.
Esto significa que la distribucin de medias
Por lo tanto la distribucin de probabilidades
muestrales de tamao n extradas de una
de las muestras (de tamao=n) extrada al

azar de esta poblacin (N) ser tal que:
poblacin (normal o no normal) se distribuye

segn:
Error Estndar de la
muestra
Repasar Distribucin Normal

81
Si las medias muestrales tienen una distribucin
82
En general el nivel de confianza (1-)% de
normal, para calcular las probabilidades se utilizara
las muestras de tamao n tendrn una media
la Distribucin Normal Estandarizada, donde:
comprendida entre:
83
84
Siendo:
Si el nivel de confianza es del 95%:
Error debido al muestreo
1-=0,95 y =0,05
Este valor sale de la tabla de distribucin normal
Nivel de significacin
Esto implica que dentro de este intervalo de
confianza encontraremos el 95% de los valores

promedios de las muestras de igual tamao (n)
extradas al azar de esta poblacin.
85
Intervalo de confianza al 95% para muestras de tamao n
86
En la prctica lo que se calcula es el intervalo de confianza
para el parmetro en cuestin (en este caso el promedio

poblacional) a partir de los estadsticos calculado en la
muestra (en esta caso el promedio de la muestra) siendo el
estimador del parmetro.
Lo que indica el nivel de confianza es el % de certeza que
en este intervalo se encuentre el valor del parmetro

poblacional, que es lo que se trata de estimar. Siendo la
formula:
x
87
88
Por lo que en el caso hipottico de que extrajramos
de la poblacin 100 muestras de igual tamao (n)

con la misma equiprobabilidad para seleccionar a
cada unidad de anlisis y a cada muestra extrada;
en el intervalo de confianza construido para cada
una de las 100 muestras; en 95 se encontrara el
parmetro y en 5 de estas muestras el intervalos de
confianza no incluira al parmetro.
En los grficos siguiente se esquematizan estos
casos hipotticos que ejemplifican la teora del

muestreo.
89
Distribucin de varias muestras (n=30) al azar de

una poblacin de 30000 datos
90
Relacin entre el Intervalo de confianza y el n de la muestra
190
N=10
Intervalo de confianza 95%
N=15
180
N=20
N=25
170
N=30
N=60
160
N=120
150
En estas muestras el IC no
incluye el parmetro
poblacional
N=240
N=1200
140
155
Variable: altura de hombres adultos.

Promedio= 170 cm Desvo Standard= 20 cm
160
165
170
175
180
IC 95% (altura)
91
92
Este caso que planteamos es ms a nivel terico
que prctico.
Intervalo para el promedio
Difcilmente vamos a poder conocer con exactitud
poblacional, si se conoce la
Sin embargo nos aproxima del modo ms simple a
la varianza poblacional.
la estimacin del IC de medias.
varianza poblacional
Para estimar, el estadstico que mejor nos va a
ayudar es, del que conocemos su ley de

distribucin:
94
Intervalo de confianza para la media

poblacional con varianza conocida
Intervalo de confianza para la media

poblacional con varianza conocida
Nivel de significacin
elegido
95
Error debido al
muestreo
96
Por lo tanto sabiendo el promedio de la muestra y sabiendo
el desvo estndar de la poblacin, se puede calcular el

intervalo de confianza para el promedio poblacional.
En este caso se utiliza como modelo matemtico la
distribucin normal estandarizada (Z =0 y =1) para el
clculo de probabilidades.
En el caso de usar un nivel de significacin () del 5%
(0,05) el nivel de confianza (1- ) es del 95% (0,95). Este
valor se divide por 2 dado que se reparte el nivel de
significacin en dos colas de la distribucin (/2 y 1- /2),
siendo estos valores -1,96 (0,025) y +1,96 (0,975)
respectivamente.
Si se usara un del 1% (0.01) el valor de la tabla Z sera de
-2,58 (0,005) y +2,58 (0,995).
Ejemplo 1:
Se quiere estimar el promedio (poblacional) de llamadas,
que debe atender un servicio de emergencias.

Para conformar la muestra, se han seleccionado 30 das
del ao de manera aleatoria.

Se conoce 2 = 48. La media muestral es de 19.
La confianza con que queremos trabajar (1-) es del 95%
(nivel de confianza= 0,95 y por lo tanto el nivel de

significacin = 0,05).
97
98
Ejemplo 2:
Una persona decide buscar trabajo en el sector educacin
y le ofrecen un empleo con un sueldo mensual de $ 1200.

Antes de aceptarlo desea conocer un rango de valores
para el salario esperado para este puesto. Para ello

recoge la siguiente muestra de salarios de avisos
clasificados de un diario:
En el excel:
=INTERVALO.CONFIANZA(;;n)
=INTERVALO.CONFIANZA(0,05 ; 6,93 ; 30) = 2,48
[ver archivo Excel IC varianza conocida.xls]

El promedio de salarios fue de $ 1445 y se sabe, que el
Por lo tanto [19-2,48< < 19+2,48]

El intervalo de confianza es= [17 - 21] llamadas.
salario mensual sigue un distribucin Normal con un

desvo estndar de $ 160.
99
100
Distribucin normal estndar
El salario ofrecido de $ 1200

est por debajo del lmite
inferior del IC95% por lo que es
menor que los salarios
ofrecidos.
En el excel:
=INTERVALO.CONFIANZA(;;n)
=INTERVALO.CONFIANZA(0,05 ; 160 ; 90) = 33,06
IC 95%
Por lo tanto [1445-33,06< < 1445+33,06]

El intervalo de confianza es= [1412 - 1478]
-3
-2
-1,96
1412
101
-1
1,96
1478
102
Intervalo para la media con varianza

poblacional desconocida
Intervalo para el promedio
Este caso difiere del anterior, slo por el hecho de trabajar
con el desvo muestral.
poblacional, si no se conoce la
varianza poblacional
En vez de usar la tabla de distribucin normal, debemos
trabajar con la tabla de distribucin de t de Student.
104
Propiedades de las distribuciones t:

1. Cada curva t tiene forma de campana con centro en 0.
2. Cada curva t, es ms dispersa que la curva Normal
Estndar Z , reflejando la estimacin del desvo
estndar.
3. A medida que aumentan los gl (generalmente n-1), la
dispersin de la curva t disminuye.
La distribucin-t o distribucin t de Student es una
distribucin de probabilidad que surge del problema

de estimar la media de una poblacin normalmente
distribuida cuando el tamao de la muestra es
pequeo.
Esta es la base del conocido test de la t de Student
para la determinacin de las diferencias entre dos

medias muestrales y para la construccin del
intervalo de confianza para la diferencia entre las
medias de dos poblaciones.
4. Cuando los gl se aproximan a (infinito), la
secuencia de curvas t se aproxima a la curva normal

estndar.
105
106
Ejemplo 3:
Curvas t de Student segn los grados de libertad
Supongamos que queremos estimar el intervalo
de confianza para la cantidad de kilos de carne

que compran los clientes de una carnicera por
semana, con una confianza del 95%.
Para ello se recolect una muestra aleatoria, que
indica los kg de carne vendidos durante 12

semanas del ltimo ao por esta carnicera.
107
108
Media muestral=30 Kg
Desvo estndar muestral= 5 Kg
N=12
En Excel:
DISTR.T.INV(probabilidad;grados_de_libertad):
Devuelve el valor t de la distribucin t de Student
Podemos afirmar que, con un 95% de
como funcin de la probabilidad y los grados de

libertad (n-1).
confianza, la cantidad de carne que compran

los clientes de esta carnicera por semana esta
En este caso:
comprendida entre los valores del intervalo P.
DISTR.T.INV(0,05;11)= 2,201
109
110
Ejemplo 4:
Distribucin t de student con 11 gl
Una persona decide buscar trabajo en el sector educacin
y le ofrecen un empleo con un sueldo mensual de $ 1200.

Antes de aceptarlo desea conocer un rango de valores
para el salario esperado para este puesto. Para ello

recoge la siguiente muestra de salarios: ver archivo excel
IC varianza conocida.xls y el archivo IC varianza
conocida y desconocida CALCULADORA.xls
IC 95%
Adems sabe, que el salario mensual sigue un distribucin

-4
-2,2
26,8
-2
2,2
33,2
Normal pero no conoce el desvo estndar de la poblacin
4
111
112
Calculo del Intervalo

de Confianza para una
proporcin
Podemos afirmar que, con un 95% de

confianza, que el sueldo esta comprendido
entre los valores del intervalo P.
113
Intervalo de confianza para una proporcin
Una distribucin binomial Bi (n, p) se puede
Si deseamos estimar la proporcin (pi) con que una
aproximar por una distribucin normal, siempre que
determinada caracterstica se da en una poblacin, a
n sea grande y p no est muy prxima a 0 o a 1.
partir de la proporcin p observada en una muestra de
La aproximacin consiste en utilizar una
tamao n, sabemos que la distribucin muestral de
distribucin normal con la misma media y
proporciones sigue tambin una distribucin normal
desviacin tpica que la distribucin binomial.
con q = 1-p
En la practica se utiliza cuando:
n 30; np 5; nq 5
Ver aproximacin de una distribucin Binomial a una distribucin Normal
115
116
Distribucin binomial: Ensayos = 15, Probabilidad de xito= 0.5
0.00
Nmero de ensayos
10
12
Nmero de ensayos
117
118
10
15
Nmero de ensayos
0.00
0.00
0.01
0.02
0.04
0.02
0.06
0.08
Probabilidad
0.10
0.05
0.12
0.06
0.14
Probabilidad
0.04
0.03
0.00
0.05
0.05
0.10
Probabilidad
0.15
0.10
Probabilidad
0.20
0.15
0.25
0.20
20
60
119
70
80
Nmero de ensayos
90
100
120
Aproximacin de una Distribucin Binomial a

una Distribucin Normal
Intervalo de confianza para una

proporcin
121
122
Un intervalo de 95% de confianza para la proporcin
Ejemplo 5:
de mujeres hipertensas en la Regin Metropolitana

est dado por:
En un estudio de prevalencia de factores de

riesgo en una cohorte de 412 mujeres
mayores de 15 aos en la Regin
Metropolitana, se encontr que el 17,6%
eran hipertensas.
Calcular un intervalo de 95% de confianza
para la proporcin de mujeres hipertensas

en la Regin Metropolitana.
Luego, la proporcin de hipertensas vara entre
[0,14 ; 0,21] con una confianza de 95%.

123
124
Intervalo de confianza para la varianza poblacional

con media conocida
TEST DE
Intervalo de confianza para la varianza poblacional
con media desconocida
HIPOTESIS
Ver archivo de Excel: Ejemplo IC para la varianza.xls

125
Siempre que reunamos dos grupos de puntajes
Un problema comn de la inferencia
estadstica es determinar (en trminos de

probabilidad) si las diferencias
por mtodos al azar, probablemente

encontraremos que los puntajes difieren.
Los procedimientos de la inferencia estadstica
observadas entre dos muestras significan
nos permiten determinar, en trminos de
que las poblaciones muestreadas son
probabilidad, si la diferencia observada est

dentro del rango del azar o es tan grande que
realmente diferentes o producto del azar.
significa que las dos muestras son probablemente

de dos poblaciones diferentes.
127
128
UTILIDAD
El contraste de hiptesis es el instrumento que
permite decidir si esas diferencias pueden
1. Determinar si dos muestras son de
interpretarse como fluctuaciones del azar
poblaciones diferentes.
(hiptesis nula ) o bien, son de tal importancia que
2. Determinar la probabilidad de que una
requieren una explicacin distinta (hiptesis

alternativa ).
muestra sea de una poblacin especfica.
Como en los intervalos de confianza las
3. Decidir si podemos inferir que varios grupos
conclusiones se formularn en trminos de
difieren entre si.
probabilidad.
129
Para definir con objetividad si una hiptesis particular es

confirmada por un conjunto de datos se siguen los
siguientes pasos:
1.
Formulacin de la hiptesis de nulidad (H0)
2.
Eleccin de una prueba estadstica para probar H0.
3.
Especificar el nivel de significacin () y el tamao de la

muestra (n).
4.
Definir la regin de rechazo.
5.
LA HIPOTESIS DE NULIDAD (H0)

Se denomina a la hiptesis de diferencias
nulas.
Es formulada con la intencin de ser
rechazada.
Si es rechazada, puede aceptarse entonces la
hiptesis alternativa (H1).

La H1 es la aseveracin operacional de la
Clculo del valor de la (s) prueba (s) estadstica (s).

a)
b)
130
Si el valor se encuentra en la regin de rechazo, debe rechazarse H0
hiptesis de la investigacin. Deriva de la

teora que se est probando.
Si el valor cae fuera de la regin de rechazo, no debe rechazarse H0 al

nivel de significacin escogido.
131
132
La relacin entre los resultados posibles de la prueba

y la "verdad" se muestran en la siguiente figura:
En los casilleros A y D de la figura los
resultados del estudio concuerdan con la

"verdad".
LOS TRATAMIENTOS DIFIEREN
LOS TRATAMIENTOS NO
LOS
TRATAMIENTOS
DIFIEREN
DIFIEREN
LOS
TRATAMIENTOS
NO DIFIEREN
RESULTADO DE LA MUESTRA
RESULTADOS DE LA POBLACION VERDAD
A
VERDADERO POSITIVO
VERDAD
resultados del estudio no estn de acuerdo

con la "verdad", es decir, se cometen
errores.
FALSO POSITIVO
ERROR DE TIPO I =
FALSO NEGATIVO
VERDADERO NEGATIVO
VERDAD
ERROR DE TIPO II =
Sin embargo, en los casilleros B y C los
Estos dos tipos de error difieren en su origen
e implicaciones.
133
134
DEFINICIN: ERROR DE TIPO I
Si el estudio encuentra una diferencia en
los tratamientos, cuando de hecho no hay

diferencia (B), entonces se ha producido
un ERROR TIPO I.
Bajo esta circunstancia, los resultados del
estudio son FALSAMENTE POSITIVOS.

135
El Error de tipo I es la probabilidad de
rechazar la hiptesis nula por azar, cuando

en realidad es cierta.
A la probabilidad de cometer el Error de
tipo I se denomina (alfa).
Generalmente se elige una probabilidad
< 0.05; tambin denominado nivel de
significacin de la prueba estadstica.
136
Si el estudio no encuentra una diferencia
en los tratamientos cuando en realidad si

la hay (casillero C), se dice que ha
ocurrido un ERROR TIPO II.
Bajo esta circunstancia, los resultados del
estudio son FALSAMENTE NEGATIVOS.
DEFINICIN: ERROR DE TIPO II

El Error de tipo II es la probabilidad de
NO rechazar la hiptesis nula cuando

es cierta la hiptesis alternativa.
A la probabilidad de cometer el Error de
tipo II se denomina (beta).
Generalmente se elige una probabilidad
< 0,20.
137
Los estudios falsos positivos o falsos negativos
138
La probabilidad de un error tipo I es el nivel
pueden ocurrir debido a metodologa imprecisa,
La diferencia observada entre grupos no es
por casualidad o por ambas razones.
una diferencia verdadera sino, debida a la
Aunque el error metodolgico puede minimizarse
casualidad.
por atencin cuidadosa al protocolo del estudio,
La probabilidad de un error tipo II es el nivel
los errores debido a la casualidad nunca pueden
El estudio no encontr diferencia cuando en
eliminarse por completo.
realidad si la hay.
No obstante, estos errores pueden estimarse.

139
140
Como ya se vio los investigadores
Adems, el investigador debe especificar de
especifican los niveles alfa y beta cuando

planean un estudio.
antemano el nivel beta o riesgo de cometer

un ERROR TIPO II.
Por lo comn, el nivel alfa se especifica
Con frecuencia 0,20 se considera un nivel
como 0,05, que significa que el investigador

est dispuesto a aceptar un riesgo de 5 %
de cometer un ERROR TIPO I (concluir
falsamente que los grupos difieren cuando
en realidad no es as).
adecuado para beta, en otras palabras se

permite una casualidad de uno en cinco de
ignorar una diferencia verdadera entre los
grupos.
141
La FUERZA O POTENCIA ESTADISTICA,
142
La fuerza estadstica para un estudio con un
esto es, la capacidad de un estudio para
nivel beta de 0,20 sera 0,80 u 80 %.
detectar una diferencia verdadera entre

Un estudio as tendra una probabilidad de
grupos, es :
80 % de detectar una diferencia especificada
Potencia = 1 prob. del error de tipo II
en el resultado entre los grupos de

tratamiento.
143
144
En condiciones ideales los valores de alfa y

0.3
beta deberan ser especificados por el
0.2
0.1
0
experimentador antes de iniciar la
-3
-2
-1
investigacin.
Estos valores determinarn qu tamao de

0.3
muestra (n) tendr que escoger para
0.2
calcular la prueba estadstica que haya
0.1
-3
-2
-1
seleccionado.
3
5
145
Sin embargo, en la prctica es comn que alfa y n
146
En el caso de la investigacin clnica otro
queden especificados por adelantado.
parmetro del estudio en extremo importante es la
Una vez que alfa y N han sido seleccionados,
magnitud de la diferencia en el resultado entre
queda determinado beta.
grupos de tratamiento que el estudio estar
En vista que hay una relacin inversa entre las
ideado para detectar.
probabilidades de cometer ambos tipos de

errores, al decrecer alfa se incrementa beta para
cualquier N dado.
Esta diferencia entre los tratamientos bajo
comparacin tiene gran importancia y deber

seleccionarse con base a la informacin clnica, al
Si se desea reducir la probabilidad de ambos tipos
decidir sobre el nivel de diferencia.
de errores, se debe incrementar el N.

147
148
Al decidir sobre el nivel de diferencia a detectar, se
Resumiendo:
podra considerar una o ms cuestiones:
1. El nivel de significacin define la
1. Qu diferencia en el resultado ser importante para los
probabilidad de rechazar H0 cuando en

realidad es verdadera.(Error de Tipo I)
clnicos que tratan este tipo de paciente?

2. Qu diferencia sera significativa para un paciente que
2. La probabilidad de que se acepte H0 cuando
puede experimentar las consecuencias de la
en realidad es falsa queda definida por .

(Error de Tipo II)
enfermedad?
3. Qu diferencia en el resultado justificara el uso del
3. La potencia (1 - ) mide la probabilidad de
tratamiento ms eficaz a pesar de un costo mayor o ms
rechazar en forma acertada la H0.
efectos secundarios adversos?

149
150
ELECCION DE LA PRUEBA ESTADISTICA

ADECUADA
Factores que afectan el tamao Efecto sobre el tamao de

de la muestra
muestra
Depende de:
Error Tipo I aceptable
1. Potencia de la prueba.
Error Tipo II aceptable
2. El diseo del experimento.

Variabilidad de las
medidas resultantes
3. Forma de distribucin de la variable.
Diferencias esperadas
en resultado y entre
grupos
4. Tipo de medicin o escala empleada.
151
152
En el desarrollo de los mtodos estadsticos
modernos, las primeras tcnicas de inferencia
METODOS ESTADISTICOS
fueron las que hicieron un buen nmero de
PARAMETRICOS Y
suposiciones acerca de la naturaleza de la

poblacin.
NO PARAMETRICOS
Puesto que los valores de la poblacin son
parmetros, estas tcnicas estadsticas son

llamadas paramtricas.
154
Por ejemplo:
Mas recientemente se desarrollaron tcnicas de
inferencia que no hacen suposiciones numerosas
una tcnica de inferencia puede basarse en la
suposicin de que los valores se sacaron de una
acerca de los parmetros. Estas nuevas distribuciones
poblacin distribuida normalmente.
libres o tcnicas no paramtricas permiten sacar

conclusiones independientemente de la forma de la(s)
La tcnica de inferencia puede basarse en la
poblacin (es).
suposicin de que ambos conjuntos de puntajes se
Algunas tcnicas no paramtricas se llaman pruebas
sacaron de poblaciones que tienen la misma
de rango o pruebas de orden.
varianza (homocedacea).
155
156
Muchas pruebas no paramtricas se fijan en el
Al realizar pruebas paramtricas sumamos, dividimos,
orden o rango de los puntajes, no en en sus valores

numricos y otras tcnicas no paramtricas se
pueden utilizar con datos nominales usando las
frecuencias.
multiplicamos los valores de la variable.

Cuando estas operaciones aritmticas se realizan con
puntajes que no son verdaderamente numricos ,
Mientras que una prueba paramtrica fijar su
ocasionan naturalmente deformaciones de los datos y
atencin en la diferencia de medias de dos

conjuntos de datos, la prueba no paramtrica
equivalente se fijar en la diferencia entre las
medianas.
menoscaban el valor de las conclusiones de las pruebas.

Por esa razn las pruebas paramtricas deben utilizarse
con datos que sean verdaderamente numricos.

157
MODELOS PROBABILISTICOS
158
Hay muchos modelos de distribucin de
probabilidades (i.e. Normal o Gausiana, t de

Student, F de Fisher, Chi cuadrado).
Por modelo probabilstico se entiende el tipo de
distribucin esperada para una variable

determinada.
Las tcnicas paramtricas ms utilizadas se basan
en la hiptesis de que los datos estn normalmente

distribuidos.
Se define una funcin denominada densidad de
probabilidades, que asigna un valor numrico a

cada valor de la variable aleatoria, describiendo as
la distribucin en probabilidades de la variable de
inters y permitiendo la aplicacin de modelos
estadsticos basados en probabilidades.
La experiencia muestra que la mayor parte de los
datos de medicin biolgica se puede considerar

como extrados de poblaciones de origen
normalmente distribuidas.
159
160
ESCALAS DE MEDICION Y ESTADITICAS APROPIADOS
EL MODELOS ESTADISTICO
Cualquier prueba estadstica implica un modelo y una
escala de medicin. La prueba es vlida en ciertas

condiciones que especifican el modelo y el nivel de
medicin.
Escala
Estadsticos apropiados
Pruebas estadsticas apropiadas
Nominal
Moda
Frecuencia
Coeficiente de contingencia
No paramtricas
Ordinal
Mediana
Percentiles
Mann-Witney
Spearman
Kendall
No paramtricas
Intervalo
Media
Desvo estndar
Correlacin
Paramtricas
Proporcin
Media geomtrica
Coeficiente de variacin
Las condiciones del modelo estadstico son llamadas
suposiciones.
A medida que las suposiciones que definen un modelo
sean mas escasas, se est menos limitado para llegar a

una decisin lograda por la prueba estadstica asociada al
modelo. Es decir, a menores y mas dbiles suposiciones
habr conclusiones mas generales.
161
Paramtricas
162
Experimento
Experimento, tiene dos acepciones, una general y una
Diseos de
investigacin
particular.
La regla general se refiere a "tomar una accin" y despus
observar las consecuencias. Se requiere la manipulacin

intencional de una accin para analizar sus posible efectos y
la aceptacin particular (sentido cientfico).
Un estudio de investigacin en el que se manipulan
deliberadamente una o ms variables independientes

(factores), dentro de una situacin de control para el
investigador.
164
El primer requisito es la manipulacin intencional de
En un autntico experimento, la variable independiente
una o ms variables independientes.
resulta de inters para el investigador por ser la variable

que se hipotetiza, que ser una de las causas que
producen el efecto supuesto.
La variable independiente es considerada como
supuesta causa (factor) en una relacin entre

variables; es la condicin antecedente, y al efecto
provocado por dicha causa se le denomina variable
dependiente (consecuente).
Para obtener respuesta de esta relacin causal supuesta,
el investigador manipula la variable independiente y

observa si la dependiente vara o no. Manipular es hacer
variar o dar distintos valores a la variable independiente.
Un experimento se lleva a cabo para analizar si una
o ms variables independientes afectan a una o ms

variables dependientes y, si se puede, por qu lo
hacen.
La variable dependiente no se manipula, sino que se mide
para ver el efecto de que la manipulacin de la variable

independiente tiene sobre ella.
165
166
El tercer requisito que todo experimento "verdadero" debe
El segundo requisito es medir el efecto que la
cumplir es el control o validez interna de la situacin

experimental.
El trmino "control" tiene diversas connotaciones dentro de
la experimentacin. Sin embargo, su acepcin ms comn
es que, si en el experimento se observa que una o ms
variables independientes hacen variar a las dependientes,
la variacin de estas ltimas se deba a la manipulacin y
no a otros factores o causas; si se observa que una o ms
independientes no tienen efecto sobre las dependientes, se
pueda estar seguro de ello.
En trminos coloquiales, "control" significa saber qu est
ocurriendo realmente con la relacin entre las variables
independientes y las dependientes.
variable independiente tiene en la variable

dependiente. Esto es igualmente importante y
como en la variable dependiente se observa el
efecto, la medicin debe ser vlida y confiable.
Si no podemos asegurar que se midi
adecuadamente, los resultados no servirn.

En la planificacin de un experimento se debe
precisar cmo se van a manipular las variables

independientes y cmo a medir las dependientes.
167
168
Cuando hay control podemos conocer la relacin causal.
En la estrategia de la investigacin experimental, "el

investigador no manipula una variable slo para
comprobar lo que le ocurre con la otra, sino que al efectuar
un experimento es necesario realizar una observacin
controlada".
Lograr "control" en un experimento es controlar la
Diseos de Investigacin
El DISEO de investigacin constituye el plan
general del investigador para obtener respuestas a

sus interrogantes o comprobar la hiptesis de
investigacin.
El diseo de investigacin desglosa las estrategias
influencia de otras variables extraas en las variables

dependientes, para que as podamos saber realmente si
las variables independientes tienen o no efecto en la
dependientes (criterios de inclusin y exclusin).
bsicas que el investigador adopta para generar

informacin exacta e interpretable.
169
Diseo se refiere al plan o estrategia
170
Los diseos de investigacin son estrategias con las
concebida para responder a las preguntas de

investigacin.
que se intenta obtener respuestas a preguntas como:
El diseo seala al investigador lo que debe
hacer para alcanzar sus objetivos de estudio,

contestar las interrogantes que se ha planteado
y analizar la certeza de las hiptesis
formuladas en un contexto en particular.
171
Contar.
Medir.
Describir.
El diseo de investigacin estipula la estructura

fundamental y especifica la naturaleza global de la
intervencin.
172
Una vez definido el tipo de estudio a
El diseo tambin debe especificar los pasos que
habrn de tomarse para controlar las variables

extraas y seala cundo, en relacin con otros
acontecimientos, se van a recabar los datos y debe
precisar el ambiente en que se realizar el estudio.
Esto quiere decir que el investigador debe decir
dnde habrn de llevarse a cabo las intervenciones y

la recoleccin de datos, esta puede ser en un
ambiente natural (como el hogar o el centro laboral
de los sujetos) o en un ambiente de laboratorio (con
todas las variables controladas).
173
realizar y establecer la/as hiptesis de

investigacin, el investigador debe
concebir la manera prctica y concreta de
responder a las preguntas de
investigacin.
Esto implica seleccionar o desarrollar un
diseo de investigacin y aplicarlo al

contexto particular de su estudio
174
DEFINICINES DE HIPTESIS
Tamayo afirma que:
Es una proposicin que establece relaciones, entre los
"La hiptesis es una proposicin que nos permite establecer relaciones
hechos; para otros es una posible solucin al problema;

otros mas sustentan que la hiptesis no es mas otra cosa
que una relacin entre las variables, y por ltimo, hay
quienes afirman que es un mtodo de comprobacin.
entre los hechos. Su valor reside en la capacidad para establecer mas

relaciones entre los hechos y explicar el por que se producen".
Arias asegura que:
La hiptesis como proposicin que establece relacin entre
los hechos: una hiptesis es el establecimiento de un

vnculo entre los hechos que el investigador va aclarando
en la medida en que pueda generar explicaciones lgicas
del porqu se produce este vnculo.
La hiptesis tiene como propsito llegar a la comprensin del porqu
entre dos elementos se establece algn tipo definido de relacin y

establece que la hiptesis: "Es una proposicin respecto a alguno
elementos empricos y otros conceptos y sus relaciones mutuas, que
emerge mas all de los hechos y las experiencias conocidas, con el
propsito de llegar a una mayor comprensin de los mismos".
175
176
La hiptesis como una posible solucin del problema: la hiptesis no
Hiptesis como relacin entre variables: una expresin de las
es solamente la explicacin o comprensin del vnculo que se

establece entre los elementos inmersos en un problema, es tambin
el planteamiento de una posible solucin al mismo.
relaciones existentes entre dos o mas variables, la hiptesis se

formula en trminos de oracin aseverativa por lo tanto:
"Es una expresin conjetural de la relacin que existe entre dos
o ms variables. Siempre aparece en forma de oracin
aseverativa y relaciona de manera general o especfica, una
variable con otra.
Hiptesis como mtodo de comprobacin: para otros
investigadores, la hiptesis es algo mas que el establecimiento
de relaciones entre elementos, o la posible solucin a un
problema; por lo tanto; afirman que es fundamentalmente y ante
todo, una herramienta de comprobacin de los supuestos con la
realidad.
Pardinas:
"La hiptesis es una proposicin anunciada para responder
tentativamente a un problema".
Van Dalen conduce a una definicin en la que se establece que:
"La hiptesis son posibles soluciones del problema que se expresan
como generalizaciones o proposiciones. Se trata de enunciados que

constan de elementos expresados segn un sistema ordenado de
relaciones, que pretenden describir o explicar condiciones o sucesos
an no confirmados por los hechos".
177
Volviendo a Diseo de Investigacin
178
Cuando se plantea realizar un estudio suele tratar
Si el diseo est concebido, el producto final de
un estudio tendr mayores posibilidades de ser

vlido.
No es lo mismo seleccionar un tipo de diseo
que otro; cada uno tiene sus caractersticas
propias.
La precisin de la informacin obtenida puede
variar en funcin del diseo o estrategia
elegida.
de desarrollar algn tipo de comparacin.

El diseo de investigacin supone, as, especificar
la naturaleza de las comparaciones que habran de

efectuarse, sta pueden ser:
Entre dos o ms grupos.
De un grupo en dos o ms ocasiones.
De un grupo en diferentes circunstancias.
Con muestras de otros estudios.
179
180
CLASIFICACINDELOSDISEOSDEINVESTIGACIN
Segn su estructuracin: Cualitativos / Cuantitativo
Tipos de Diseos de
Investigacin
Segn la intervencin: Experimentales / Observacionales

Segn el grado de intervencin: Controlados / No controlados
Segn el tiempo de estudio: Transversales / Longitudinales

Bsqueda causalidad: Descriptivos /Analticos
En funcin de la variable Independiente: Simple / Factorial
En funcin de la toma de datos: Retrospectivo / Prospectivo /
Ambipectivos
El diseo experimental es una tcnica estadstica
que permite identificar y cuantificar las causas de un

efecto dentro de un estudio experimental.
En un diseo experimental se manipulan
deliberadamente una o ms variables, vinculadas a
las causas, para medir el efecto que tienen en otra
variable de inters. El diseo experimental prescribe
una serie de pautas relativas qu variables hay
manipular, de qu manera, cuntas veces hay que
repetir el experimento y en qu orden para poder
establecer con un grado de confianza predefinido la
necesidad de una presunta relacin de causa-efecto.
183
DISEOS EXPERIMENTALES
En ellos el investigador desea comprobar los
efectos de una intervencin especfica, en este

caso el investigador tiene un papel activo, pues
lleva a cabo una intervencin.
DISEOS NO EXPERIMENTALES
En ellos el investigador observa los fenmenos tal y
como ocurren naturalmente, sin intervenir en su

desarrollo.
184
Los DISEOS TRANSVERSALES implican la recoleccin
ESTUDIOS CUANTITATIVOS tienden a ser altamente
estructurados, de modo que el investigador especifica las
de datos en un solo corte en el tiempo o que la variable
caractersticas principales del diseo antes de obtener un
tiempo no influye en el diseo experimental.

DISEOS LONGITUDINALES renen datos en dos o ms
solo dato.
momentos. La aplicacin de un diseo longitudinal es
ESTUDIOS CUALITATIVOS es ms flexible; permite e
recomendable para el tratamiento de problemas de
incluso estimula la realizacin de ajustes, a fin de sacar
investigacin que involucran tendencias, cambios o
provecho a la informacin reunida en las fases tempranas
desarrollos a travs del tiempo, o bien, en los casos en
de su realizacin.
que se busque demostrar la secuencia temporal de los

fenmenos.
185
ESTUDIOS DE SEGUIMIENTO estudian en dos o
ms momentos a las mismas unidades de
186
ESTUDIOS DE COHORTE, se examina un determinado
fenmeno en el curso del tiempo recurriendo a una

particular subpoblacin.
anlisis, quienes por lo general han recibido un
Un estudio de cohorte, modela la realidad mediante la observacin
de dos grupos de sujetos, ambos sanos, en quienes medir la
tratamiento o comparten una particular
aparicin de la enfermedad o variable dependiente en estudio a lo

largo del tiempo.
caracterstica de inters; el seguimiento persigue,
Uno de estos grupos estar expuesto o en contacto con variables
as, estudiar su desarrollo subsecuente.
que puedan explicar la ocurrencia de los fenmenos estudiados y el

otro no lo est.
187
188
DISEOS RETROSPECTIVOS
DISEOS PROSPECTIVOS
Los diseos retrospectivos los podemos definir como aquellos en los
Se inician con la observacin de ciertas causas
que una vez medida la variable dependiente, buscamos hacia atrs

los indicios qu nos permitan determinar con qu otros fenmenos
presumibles y avanzan longitudinalmente en el tiempo
correlacionan. Pero esta bsqueda de indicios requiere como
a fin de observar sus consecuencias.
cualquier investigacin una teora para buscar de manera apropiada
La investigacin prospectiva se realiza, por lo comn,
las posibles fuentes que producen el fenmeno.

el investigador observa la manifestacin de algn fenmeno (variable
despus de que la investigacin retrospectiva ha
dependiente) e intenta identificar sus antecedentes o causas (variable
producido evidencia importante respecto a
independiente).
determinadas relaciones causales.

189
190
Experimentos observacionales:
Lo que busca el investigador es encontrar
Los diseos de investigacin de tipo
evidencia en favor de diferencias en los
observacional intentan reconstituir la ocurrencia
patrones de exposicin entre los individuos
natural de los fenmenos, sin influir de manera
enfermos y los sanos.
alguna en la ocurrencia de ellos (sin manipulacin
En este caso, se transforma en un mero
espectador de la ocurrencia de los hechos en
de las variables).
estudio, los que intentar explicar mediante la
Son aquellos en que el investigador no determina
estructuracin ordenada de la informacin.
que sujetos sern controles y cuales tratados.

191
192
Experimentos controlados
Experimentos controlados:
Diseo de una experiencia para testear la
Son aquellos en que el investigador
efectividad de una nueva droga.
decide seleccionar qu sujetos sern lo
Comparacin: dos grupos

Grupo Tratamiento
controles y cules sern los que reciben
Grupo Control
el tratamiento. Es un estudio de
Las respuestas de los dos grupos se comparan.
Intervencin.
193
La comparacin directa de dos o ms modalidades de
194
La inclusin de los individuos al grupo
tratamiento en grupos humanos se refiere como una

"prueba clnica".
tratamiento o control deben ser asignados al
El desarrollo de pruebas clnicas es un producto de la
azar.
aplicacin del mtodo cientfico moderno a la medicina

clnica.
El experimento debe ser por lo menos a doble
ciego. Ni los individuos ni los mdicos deben
El propsito de la prueba clnica es proporcionar a los
profesionales de la salud informacin que les ayude a

realizar tratamientos apropiados a sus pacientes.
conocer quien ha sido tratado por la droga y

quien es del grupo control.
Los experimentos en poblaciones humanas tienen
dificultades inherentes no encontradas en el laboratorio.

195
196
Ejemplo: Vacuna Salk
Se llevo a cabo en los grupos de edades ms
1954 el Servicio de salud Pblica decide probar
vulnerables (1, 2 y 3 grado) y en los distritos
la eficacia de la vacuna en cerca de 2.000.000
con mayor riesgo de polio.
de nios.
Grupo tratamiento (vacuna) y grupo control
1.000.000 sin vacunar
(placebo) de diferente tamao.
500.000 rechazaron la vacuna
Se trabajara con las proporciones de nios que
500.000 fueron vacunados
contrajeron polio en los 2 grupos.

197
Cuestin tica:
198
Posible diseo:
no debera haberse ofrecido la vacuna a
Grupo tratamiento: padres que autorizan a
todos los nios para su proteccin?
vacunar.
Se podra haber evitado el grupo control y
Grupo control: padres que no autorizan a
observar que ocurra con los tratados?
vacunar.
199
200
El diseo utilizado fue bastante complicado. Por
Para evitar el sesgo, los grupos tratamiento y
un lado lo que se llam estudio de control por
control deben ser los mas parecidos posibles
observacin, que consisti en administrar
con la excepcin del tratamiento.
vacuna a los alumnos de 2 grado escolar (7-8
Cualquier diferencia en la respuesta entre dos
aos), mientras los de 1 y 3 grado no la
grupos se debe al tratamiento y no a otro factor
reciban para servir como controles.
(efecto confundente)
Se compararan los casos de poliomielitis
aparecidos en uno u otro grupo.
201
202
Diseo Dobles ciego aleatorizado y

controlado.
Diseo de la NFIP (National Flood Insurance Program)
Los grupos tratamiento y control deben pertenecer a la
misma poblacin.
Grupo tratamiento: Vacunar a todos los nios
De la poblacin de nios autorizados por sus padres a
de 2 grado cuyos padres aceptaban.
ser vacunados, usando un procedimiento de azar se los

asignaba a uno de los dos grupos.
Grupo control: nios de 1 y 3 grado.
A los nios del grupo control se les dio una inyeccin de
solucin salina.
Ni los nios ni el mdico saban si reciban la vacuna.
Doble-ciego.
203
204
Resultados
INVESTIGACION CLINICA CONTROLADA

ALEATORIZADA (ICCA)
COMIENZO ESTUDIO
BUSCO CONSECUENCIA
Diseo doble ciego controlado

aleatorizado
Diseo NFIP
EFECTO
ALEATORIZACION
CON
(a)
SIN
(c)
CON
(b)
P c/cienmil
2 grado
225.000
25
71
1 y 3 grado
725.000
54
46
2 grado
125.000
44
P c/cienmil
Tratamiento
200.000
28
Control
200.000
No Acept
350.000
COHORTE
INDIVIDUOS
ESTUDIO
CON CRITERIOS
DE INCLUSION
COHORTE
CONTROL
SIN
(d)
205
206
Asignacin de la intervencin
Aleatorizacin:
Porqu aleatorizar?
Las variables pronstico, conocidas y desconocidas,
Cada participante tiene una probabilidad

conocida de ser asignado a uno de los
tratamientos.
estarn equilibradamente distribuidas entre los grupos.

Aleatorizar es la mejor forma conocida de minimizar los
sesgos de seleccin.
Es una forma de controlar el efecto de variables

de confusin conocidas y desconocidas.
Nos protege del sesgo de seleccin al
independizar del investigador, la asignacin de la
intervencin.
Nos permite investigar efectos moderados.

Los estudios con controles histricos o con malos
sistemas de aleatorizacin tienden a arrojar resultados

ms extremos. Es decir, que favorecen la hiptesis de los
investigadores.
207
208
LAS PRUEBAS DE HIPOTESIS

Para definir con objetividad si una hiptesis particular
es confirmada por un conjunto de datos se siguen los
siguientes pasos:
Pasos de una ICCA

Cul es la hiptesis, cules los objetivos
Seleccionar la poblacin de estudio.
Formulacin de la hiptesis de nulidad (H0)
Eleccin de una prueba estadstica para probar H0.
Seguimiento de los participantes.
Especificar el nivel de significacin () y el tamao de la

muestra (n).
Medicin de resultados.
Definir la regin de rechazo.
Clculo del valor de la (s) prueba (s) estadstica (s).
Asignar la intervencin.
Anlisis de los datos.
Interpretacin de los resultados.
Si el valor se encuentra en la regin de rechazo, debe rechazarse H0

Si el valor cae fuera de la regin de rechazo, no debe rechazarse H0
al nivel de significacin escogido.
209
Ejemplo:
210
En teora, tPA tiene dos ventajas sobre la
PLAN DE TRATAMIENTO PARA UN PACIENTE CON INFARTO DE

MIOCARDIO
estreptoquinasa:
INTRODUCCION:
La estreptoquinasa no es una protena de origen
La capacidad de lisar cogulos sanguneos por medios
humano y por esa razn tiene mayor probabilidad de

causar respuestas alrgicas graves que tPA, que es
un factor derivado del ser huinano.
farmacolgicos est entre los tratamientos ms recientes

y promisorios para infarto del miocardio.
Frmacos como estreptoquinasa, urocinasa y alteplasa
Segundo y ms importante, se piensa que tPA es
(activador del plasmingeno tisular, tPA) pueden

transfundirse a travs de una vena perifrica o de
manera directa en las arterias coronaras para lisar
cogulos de su interior.
activo solo en sitios de trombosis, en tanto que la

estreptoquinasa induce un "estado ltico"
generalizado.
211
212
Por tanto:
El uso de estos trombolticos en las
primeras cuatro horas despus de una
tPA pueda ser tan eficaz como la

estreptoquinasa (o ms) sin aumentar el riesgo
ataque cardaco puede reducir la lesin
del paciente de experimentar la complicacin
del tejido miocrdico e incrementar los
ms grave de la teraputica ltica (la
ndices de supervivencia en pacientes
hemorraga).
con ataques al corazn.
tPA es mucho ms costoso que la

estreptoquinasa.
213
Aunque la ventaja terica tendera a
214
El parmetro que se mide para contestar a la
inclinarse en favor del uso de tPA, conviene

efectuar un estudio para comparar estos dos
tratamientos.
cuestin ms importante (la hiptesis) de la

prueba clnica es el punto final primario.
Una prueba clnica aleatoria controlada es un
protocolo de investigacin donde un

tratamiento se compara de manera directa
con otro para determinar cual de las dos
opciones ofrecera el mximo beneficio.
En la determinacin de este punto, los
investigadores clnicos deben considerar los

siguientes interrogantes:
215
216
PREGUNTA: Es la estreptoquinasa o el tPA
1. Cules puntos finales tienen mayor importancia
"superior" en el tratamiento de pacientes con

infarto agudo del miocardio?
en clnica?
2. Cules de estos puntos finales pueden medirse
Para valorar la eficacia de un tratamiento es
en una forma razonable?
posible medir ms de un punto final.
3. Qu restricciones prcticas existen, como
Los tipos de puntos finales pueden medir:
tamao de la poblacin, recursos financieros del
calidad de vida.
estudio y capacidad para seguir a los pacientes
Porcentaje de pacientes que sobreviven.
por tiempo prolongado?
Indice de complicaciones.
217
En la valoracin de la "superioridad" para
218
Siguen ejemplos de dos de estas cuestiones
tratamiento del infarto del miocardio, las

medidas de resultados posibles incluyen:
% de pacientes que sobreviven por lo
menos un mes despus del tratamiento.
Capacidad del paciente para el ejercicio o
para regresar a trabajar.
Riesgo de tener una complicacin mayor
por el tratamiento.
consideradas de manera simblica como

hiptesis:
H0:
219
0 = 1
Donde H0 es la llamada hiptesis nula y p0 y p1 son

los porcentajes de personas que sobreviven un ao
despus de tratamiento en los grupos de
estreptoquinasa y tPA, respectivamente.
220
Otra posibilidad es:
H0:
0 = 1
Donde m0 y m1 son las medias de FEVI de

personas en los grupos estreptoquinasa y tPA,
respectivamente.
Ntese que estas hiptesis se han establecido de

manera nula, es decir, no hay diferencia entre los
grupos de tratamiento respecto al punto final
especificado.
El propsito de la prueba clnica es analizar los

resultados observados son consistentes con estas
hiptesis nulas. Si los datos encontrados no estn de
acuerdo con la hiptesis nula, entonces esta hiptesis
(H0) se rechaza en favor de la hiptesis alternativa H1
como sigue:
221
HA:
Donde
222
De igual modo, podra establecerse una
0 = 1
hiptesis alternativa para el resultado de

FEVI:
HA: 0 = 1
0 y 1 son de nuevo los porcentajes
respectivos de supervivientes un ao despus del
Donde 0 y 1 son de nuevo las medias FEVI
tratamiento en los grupos estreptoquinasa y tPA.
respectivas para los grupos con estreptoquinasa

y tPA.
En otras palabras, esta hiptesis alternativa
establece que los dos tratamientos diferirn
respecto a la media FEVI lograda en los
pacientes despus del tratamiento.
Esta hiptesis alternativa establece que los dos
tratamientos diferirn respecto a la supervivencia

al ao.
223
224
1. FEVI es una medida cuantitativa de funcin cardiaca que
Respecto a la controversia estreptoquinasa - tPA,
los puntos finales clnicos importantes incluyen

supervivencia al ao y calidad de vida despus de
supervivencia.
Pero investigadores escogieron FEVI como punto
final primario del estudio.

La eleccin de punto final se debi a varias
razones:
se comprende con facilidad y es de uso comn como

"predictor" de la extensin del infarto de miocardio y
tambin de insuficiencia cardiaca y muerte despus de
infarto.
2. FEVI puede medirse de manera oportuna despus del
infarto, evitando la necesidad de un seguimiento
prolongado, lo cual puede ser difcil y costoso.
3. Los investigadores saban que podra ser muy difcil
encontrar suficientes sujetos para la prueba (dado el
costo y su poblacin de pacientes), para contestar de
manera adecuada a interrogantes respecto a la
supervivencia al ao.
225
FEVI es un punto final intermedio, que se cree predice los dos

puntos finales importantes: supervivencia y calidad de vida.
226
LISTA DE VERIFICACION PARA VALORAR PRUEBA

CLINICA
1. Cul fue la hiptesis nula?
a) Cul fue el resultado de inters?
Por tanto, se escogi como punto final primario para este
b) Cul se pens fuera una diferencia significativa en el
estudio por tres razones:
resultado?
1. Debido a la creencia de que es un "predictor" de puntos
2. Cul grupo se estaba probando?
finales clnicos importantes.
a) Cmo fue la poblacin en estudio para seleccionarse para la
2. Debido a que podra medirse de manera fcil y econmica
prueba?
1. Criterios de exclusin
3. Dado que se dispona de un tamao de muestra
2. Aleatorio contra voluntario
adecuado para hacer factible el anlisis de diferencias
b) Cules fueron las caractersticas
FEVI postratamiento.
demogrficas y de salud
de los grupos?
227
228
3. Cuntos sujetos participaron? Cul fue el tamao
6. Este estudio fue del tipo ciego?
decidido antes del comienzo del estudio?
a) Saban los pacientes cul tratamiento estaban
4. Como se seleccionaron los grupos experimental y
recibiendo?
control? Se seleccionaron de alguna manera para

asegurar una distribucin igual de los factores de riesgo
conocidos?
b) Conocan los mdicos que tratamiento estaban
recibiendo los pacientes?
5. Se describieron los regmenes de tratamiento de
c) Conocan las personas que efectuaban las
manera adecuada?
mediciones de resultados si los pacientes estaban
a) Si es apropiado, haba un grupo no tratado?
en el grupo control o en el experimental?
b) Si el control es la teraputica estndar", el
tratamiento fue razonable?

229
7. Cules fueron los resultados?
230
f)
a) Fueron los grupos de tratamiento semejantes

b)
c)
d)
e)
Fueron suficientes los datos presentados de modo que

las conclusiones puedan justficarse?
respecto a factores de pronstico conocidos?

Se registraron e informaron los efectos
secundarios?
Quines se incluyeron en los resultados finales?
Quines se perdieron en el seguimiento? Diferan
de aquellos que completaron el estudio?
Durante el anlisis, los pacientes se conservaron en
sus grupos asignados originalmente?
g) En el anlisis se describieron los factores de riesgo
conocidos?
h) Se informaron los intervalos de confianza?
i)
Si los resultados fueron negativos, se consign la

potencia estadstica?
8. Los resultados fueron biolgicamente plausibles y
consistentes con la literatura previa? Si no, Se

consign este dato?
231
232

09 Inferencia Hipotesis y Diseno Experimental IMPRESION

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

09 Inferencia Hipotesis y Diseno Experimental IMPRESION

Uploaded by

Copyright:

Available Formats

Se denomina poblacin al conjunto de unidades de anlisis

(individuos o sujetos) con determinadas caractersticas

colectivo) es el conjunto de elementos de referencia sobre el

Parmetros, Estadsticos y Estimadores

En epidemiologa una poblacin es un conjunto de sujetos o

individuos con determinadas caractersticas demogrficas, de la

Poblacin base: es el grupo de personas (unidades de anlisis)

Si se quisiera conocer los parmetros de una variable en la

designadas por caractersticas personales, geogrficas o temporales,

poblacin de inters, se debera medir en el total de

Poblacin muestreada: es la poblacin base con criterios de viabilidad

veces de imposible realizacin, por diferentes factores como

o posibilidad de realizarse el muestreo.

por ejemplo el costos y el tiempo.

Muestra estudiada: es el grupo de sujetos en el que se recogen los

datos y se realizan las observaciones, siendo realmente un subgrupo de

En general el procedimiento es extraer un subconjunto de la

poblacin de estudio, denominado muestra, en el cual se

Poblacin diana: es el grupo de personas a la que va proyectado dicho

miden las variables de inters. En esta muestra tienen que

estudio, la clasificacin caracterstica de los mismos, lo cual lo hace

estar representadas las variables principales de la

El objetivo fundamental del muestreo es obtener

De esta manera se minimizar el error debido al

conclusiones vlidas sobre la poblacin de la cual se

La forma ms intuitiva de reducir el error de

Para que de los valores obtenidos de una muestra se

muestreo es aumentando el tamao de la muestra.

puedan inferir los valores poblacionales, la muestra

Hay importantes implicancias estadsticas y ticas en

debe ser representativa de la poblacin. Para ello

la eleccin del tamao optimo de una muestra para

debe haber sido seleccionada por algn mtodo de

muestreo que logre esta representatividad.

Si la muestra es muy pequea el estudio no puede

tamao de la muestra est relacionado

detectar importantes efectos entre los grupos o

directamente con la precisin de los resultados

Un estudio con una muestra demasiado grande

implica involucrar ms unidades de anlisis que los

precisin tendrn los resultados, pues el tamao

necesarios (pacientes, animales, etc), incrementando

de la muestra estar ms cerca del tamao de la

adems los costos.

la muestra, los resultados sern menos precisos.

La forma en que se seleccina a la muestra est

Por tal motivo existen mtodos para poder

relacionado directamente con la exactitud de los

establecer o calcular de acuerdo a la

resultados que se obtendrn.

no quiere decir que no pueda

en la seleccin de las unidades de anlisis, ms

obtenidos en la muestra con la intencin de

una poblacin es tomar muestras de

unidades luego es posible realizar inferencias

Una condicin que debe reunir la

La representatividad de la muestra es garantizada por

muestra para poder realizar inferencias

la forma de seleccin de sus componentes.

En ella debe estar representada todas

distintas variantes ocasionadas, se define a partir de lo

las condiciones existentes en la

que se denomina diseo experimental.

Antes de elegir una muestra, se tiene que saber y definir a la poblacin