MTODOS ESTADSTICOS PARA LA

INVESTIGACIN CIENTFICA
Hctor Ren Vega-Carrillo y Miguel ngel Salas-Luvano
Cuerpo Acadmico de Radiobiologa
(CA1-UAZ)

Universidad Autnoma de Zacatecas

INICIACIN A LA INVESTIGACIN CIENTFICA

Escuela de Verano
16 al 20 de Junio 2014

Contenido

Estadsticas
Usos de la Inferencia Estadstica
Prueba de Hiptesis
Estimacin de Parmetros
Anlisis paramtricos
Anlisis no paramtricos
Prueba de hiptesis
Conclusin

Estadsticas

Descriptiva

Nos permite utilizar tablas o grficas para

representar los datos experimentales.
Utilizan variables independientes y dependientes.
Las medidas de tendencia central y las de dispersin
(estadgrafos) permiten caracterizar al conjunto de
datos obtenidos.

Inferencial

Mediante los estadgrafos y su posterior tratamiento,

nos permite inferir conclusiones que son objetivas.

Usos de la Inferencia Estadstica

Prueba de Hiptesis

Estimar Parmetros

Prueba de Hiptesis

Hiptesis Estadstica

Proposicin respecto a uno o varios parmetros.

Lo que el investigador hace, a travs de la

prueba de hiptesis, es determinar si la
hiptesis es congruente con los datos
obtenidos de la muestra.

Hiptesis estadstica

Ho, Hiptesis nula

Es la hiptesis de trabajo y es la que

se somete a prueba mediante la
estadstica inferencial.

HA, Hiptesis alternativa

Es la hiptesis alterna, que se adopta si

la hiptesis nula es rechazada.

Nivel de Confianza y de Significancia

La probabilidad de que un evento ocurra oscila

entre 0 y 1.

Si es 0 significa la imposibilidad de ocurrencia.

Si es 1 significa la certeza de que ocurra el
fenmeno.

Nivel de confianza: 1 a.

El nivel de significancia: a

Si a = 0.5 implica que el investigador tiene un 95%

de
seguridad
(1-a)
para
generalizar
sin
equivocarse, y slo 5% en contra.

Errores que se comenten con la

inferencia estadstica

Los resultados posibles al probar hiptesis pueden ser:

Aceptar una hiptesis verdadera

Rechazar una hiptesis falsa
Aceptar una hiptesis falsa (Error tipo II, b)
Rechazar una hiptesis verdadera (Error tipo I, a)

Los errores tipo I y II son indeseables, la probabilidad de

cometerlos se reduce mediante:

Muestras representativas
Inspeccin cuidadosa de los datos
Seleccin de pruebas estadsticas apropiadas
Conocer el espacio muestral

Estimacin de Parmetros

Anlisis Paramtricos

Anlisis No Paramtricos

Anlisis paramtricos

Para realizarlos se parte de los

siguientes supuestos:

El universo de la variable dependiente

bajo anlisis tiene una distribucin
Normal.
La muestra de la variable dependiente
tiene una distribucin Normal.

Tipos de prueba

Si la poblacin de donde se obtienen las

muestras, y stas tambin, son normales
se
pueden
presentar
diferentes
situaciones.

La poblacin es grande, 30

Muestras independientes
Muestras dependientes

La poblacin es pequea, < 30

Muestras independientes
Muestras dependientes

Poblaciones, Grandes o
Pequeas, normales

Comparamos promedios: Datos o

proporciones.

Experimento vs Estndar
Experimento Gpo 1 vs Experimento Gpo2

Comparamos varianzas: Cuando los

promedios son iguales. Datos o
proporciones.

Experimento vs Estndar
Experimento Gpo 1 vs Experimento Gpo2

Pruebas estadsticas
paramtricas ms utilizadas

Prueba Z
Prueba de t-student.
Prueba de Fisher
Regresin lineal y coeficiente de
Pearson.
Anlisis de varianza (ANOVA).

Anlisis no paramtricos

Para realizarlo,

No se requiere de conocer o asumir

una
distribucin
normal
de
la
poblacin muestral.

Pruebas estadsticas no
paramtricas ms utilizadas

La ji o chi cuadrada,
Coeficientes de
independencia.
Coeficientes
rangos.

de

c2 .

correlacin

correlacin

por

Usos de las pruebas

Regresin lineal y Coeficiente de Pearson

Se utiliza para analizar la relacin entre dos

variables.
El Coeficiente de Pearson o Coeficiente de
correlacin, r, se usa para determinar si se da la
correlacin entre la variable dependiente y la
independiente:

r2 = 1 => existe correlacin

r2 = 0 => no existe correlacin

r2 indica la varianza de factores comunes: Da el

porcentaje de la variacin de una variable debido a
la variacin de otra y viceversa.

Prueba de t-student
Permite evaluar si dos grupos difieren entre s
de manera significativa respecto a sus medias.

t Cal

X1 X 2

n1 n 2
2
1

2
2

t Cal

sp
gl = n1 + n2 - 2

sp

X1 X 2
1 1
n1
n2

(n1 1) s1 (n 2 1) s 2
n1 n 2 2

Ejemplo: Dos medicamentos H y M para bajar la presin sangunea

tienen precios distintos, se desea saber si ambos tienen el mismo
tiempo de respuesta.

Ho: <TH> = <TM>

HA:. <TH> <TM>
En el estudio se el medicamento H se aplic a 12 individuos y el
medicamento M se aplic a otro grupo de 12. Se midi la presin y el
tiempo que se requiri para abatir la presin alta.
Al procesar los datos se obtuvieron los siguientes resultados: <xH> =
26.8 3.9, <xM> = 32.6 4.2 minutos
Obteniendo la t-student calculada:
tCalculada = (32.6-26.8)/[4.07 (1/12 + 1/12)1/2] = 3.49
De tablas de la distribucin t-student, buscamos el valor
correspondiente, t-student de tablas, para g.l. = (12+12)-2 = 22
y a = 0.025 (dos colas). El valor es:
tTablas = 2.074
Como tCalculada > tTablas = 3.49 > 2.074, rechazamos Ho y
aceptamos HA.

Prueba F

Permite establecer la diferencia entre

varianzas.

FCal

s Mayor
s Menor

Ejemplo: Se utilizan dos procedimientos para inducir un mismo efecto en

ratones. El procedimiento A se aplica a 21 ratones y el B se aplica a 31. El
efecto se determina midiendo los niveles de Higadina X. Se encuentra que
el grupo A los niveles son de 426.2 y los del grupo B son de 425.7 mg.

Ho: <sA> = <sB>

HA:. <sA> > <sB>
Se calcula la F de los datos,
F = 6.22/5.72 = 39/33 = 1.18
Para a = 0.5, de tablas se obtiene
F0.5(20,30) = 1.93
Como FCalculada < FTablas aceptamos Ho

Prueba de diferencia de
proporciones

Permite analizar si dos proporciones difieren

significativamente entre s.
z Calculada

P1 P2
P1 q 1
n1

q 1 1 P1
q 2 1 P2

P2 q 2
n2

Ejemplo

Ho: El porcentaje de simpatizantes del PRI en Guadalupe es igual que en

Zacatecas. PGpe = PZac
HA: El porcentaje de simpatizantes del PRI en Guadalupe no es igual que en
Zacatecas. PGpe PZac
A travs de 711 encuestas se obtuvieron los siguientes resultados:

PGpe = 55%, qGpe= 1-0.55 = 0.45, nGpe = 410,

PZac = 48%, qZac=1-0.48 =0.52, nZac = 301.

Con estos datos calculamos el valor de z.

zCalculada = 1.56
Usando a = 0.05, para g.l. = 711-2 = 709, obtenemos,
zTablas = 1.96
Como zCalculada < zTablas, aceptamos Ho.

ANOVA

Permite para analizar si ms de dos

grupos difieren significativamente
entre s en cuanto a sus medias y
varianzas.

c2

Permite determinar las diferencias entre

dos grupos de datos, uno de estos, el
esperado es una distribucin ideal.
n

O i E i 2

i 1

Ei

c 2 Calculada

O Datos observados
E Datos esperados

Procedimiento para realizar

una prueba de Hiptesis

Planteamiento de la hiptesis estadstica

Ho: x1 = x2
Ha: x1 > x2 o x1 < x2 (o x1 x2 dos colas)

Defina el estadstico de prueba

Establezca el criterio de rechazo,

Si YCalculada YTablas, rechaze Ho y acepte HA

Seleccione el valor de a 0.05 (o 0.025 si es de dos colas)

Obtenga la YCalculada
De tablas determine la YTablas, usando el valor de a y los
grados de libertad
Aplique el criterio de rechazo
Concluya

Conclusiones

En el anlisis de los datos experimentales las

conclusiones deben ser objetivas.
Los datos, junto con la o las pruebas estadsticas,
representan la evidencia que el investigador utiliza
para sustentar sus conclusiones.
Las pruebas estadsticas es una herramienta, no la
investigacin
Aplicadas correctamente, las pruebas estadsticas le
agregan objetividad a la investigacin.

Conclusiones

Mucha estadstica y poca creatividad producen malas

investigaciones.
Poca o mala estadstica y mucha
producen malas investigaciones.

creatividad

Una buena proporcin de estadstica unidad a mucha

creatividad generan buenas investigaciones.