Documente Academic
Documente Profesional
Documente Cultură
ELI AGUILAR
estas propiedades pueden variar, se llaman variables Si en un caso particular no var an, se llaman
constantes
Lic. En Psicologa
UC.S.
ELI AGUILAR
ESTADSTICA
La observacin
La descripcin cientfica se pone en marcha con la observaci n, que consiste en la percepci n de
un dato sensible. Sobre los datos se pueden realizar las operaciones psicol gicas de clasificaci n,
relacin y seriacin que permiten establecer distinciones entre los estados de las variables La
matemtica por medio de la cuantificacin establece distinciones entre los estados de las
variables asignando nmeros a los estados. El recuento es muy utilizado en las ciencias sociales
cuando interesa saber el n mero de habitantes de una localidad, n mero de veces que en un
tiempo determinado interact an entre si dos individuos. La estad stica tambi n tiene muchas
veces como materia prima operaciones de recuento
Posibilidad de medicin en las ciencias sociales y de la conducta
Todo lo que existe, existe en cierta cantidad. En la investigaci n cient fica es esencial la
medicin de fenmenos porque permite ver si hay variaciones, si son concomitantes, si se
relacionan. Cuando un fsico mide, asigna nmeros a las observaciones, los nmeros pueden
analizarse por manipulaciones como contar o medir, seg n ciertas reglas. El psic logo intenta
hacer lo mismo midiendo variables de comportamiento, pero para operar con los n meros que
asigna a las observaciones, la estructura de asignar n meros debe ser isom rfica. Para eso hay
que entender la naturaleza de la matemtica.
Toda rama de las matemticas comienza con un conjunto de postulados. Un postulado es un juicio
que establece relaciones entre objetos. Un postulado es til por las conclusiones que podemos
sacar de el. En un sistema de postulados no debe haber dos que se contradigan y no deben
repetirse. Las deducciones lgicas que se sacan de los postulados son los teoremas
Postulados y teoremas est n en el reino de las ideas, no refieren al mundo real. La funci n de las
matemticas es proveer modelos convenientes para describir la naturaleza, pero esta no puede
ser descripta exactamente por modelos matem ticos, toda descripci n es una aproximaci n. La
naturaleza no obedece a leyes matemticas pero su estructura posee propiedades que son
similares, paralelas a la estructura de los sistemas l gicos matem ticos. Existe un isomorfismo o
equivalencia de estructuras.
La estad stica y la investigaci n en las ciencias sociales y de la conducta
La estadstica permite conocer y medir individuos u observaciones bajo dos puntos de vista:
1) En funci n a caracter sticas del grupo y no a cualidades particulares, dando:
a) Conocimiento preciso de la composicin del grupo por relevamiento de la caracter stica medida
b) Conocimiento de cualidades abstractas ligadas al grupo mediante el c lculo resumido en:
1. La media o valor central tpico del grupo
2. La desviacin estndar, grado de variacin de las observaciones respecto de la media
3. La forma de distribucin de las observaciones: simetra o asimetr a
4. El error est ndar que permite conocer la cantidad de casos que deben tomarse para obtener
un determinado grado de seguridad o en que medida pueden ser generalizadas las conclusiones
c) Da el grado de asociacin que puede existir entre dos variables
2) Se emplea con el fin de predecir o estimar una situaci n probable
Por eso la Estad stica puede dividirse fundamentalmente en:
Estadstica Descriptiva: Parte de un conjunto de datos y obtiene conclusiones de los mismos pero
no rebasan el conjunto de conocimientos que proporcionan esos datos.
Estadstica Inferencial: Parte de un conjunto de datos pero las conclusiones obtenidas rebasan
los lmites del grupo y permiten inferir valores para individuos o grupos dentro de ciertos l mites
Lic. En Psicologa
UC.S.
ELI AGUILAR
ESTADSTICA
entre valores sucesivos no hay intermedios (n de hijos). Los puntajes de los test son discretos
pero se trabajan como continuas pues la aptitud subyacente se considera continua
Lic. En Psicologa
UC.S.
ELI AGUILAR
ESTADSTICA
intervalos o razones.
Lic. En Psicologa
UC.S.
ELI AGUILAR
ESTADSTICA
anteriores ya que tiene en cuenta las distancias que existen entre las diversas observaciones.
Solo se puede utilizar en escalas de intervalos.
Lic. En Psicologa
UC.S.
ELI AGUILAR
ESTADSTICA
Lic. En Psicologa
UC.S.
ESTADSTICA
ELI AGUILAR
TEORA DEL MUESTREO
Cu l es la diferencia entre un estad stico y un par metro?
La Estadstica descriptiva describe valores que se hallan considerando todas las observaciones
del grupo definido que se llama poblaci n, para una determinada variable. Pero casi nunca se
puede medir a todos los integrantes de la poblacin, generalmente se extrae una muestra
representativa y calculamos en ella los valores que la describen. Cuando se puede trabajar con
toda la poblacin de observaciones, los valores descriptivos hallados se llaman par metros,
cuando se trabaja con muestra, los valores descriptivos hallados se llaman estad sticos. Los
estadsticos son estimadores de los parmetros.
Qu implica el supuesto de independencia dentro de una muestra aleatoria?
La muestra simple al azar cumple el requisito probabil stico de la independencia dando a cada
elemento de la poblacin, o a toda combinacin de ellos, igual probabilidad de ser elegidos para la
muestra. Esto ocurre siempre que la probabilidad de extraer un elemento sea independiente de la
probabilidad de extraer otro, o sea que si se trata de una poblaci n finita efectuemos el
reemplazo. Si no lo efectu ramos la probabilidad de cada extracci n sucesiva no ser a
independiente. La cantidad de unidades del universo puede ser finita o infinita. Cuando se realiza
muestra de un universo finito se trabaja con muestra sin reemplazo, en cambio cuando se trabaja
con reemplazo se trabaja con un universo infinito.
En qu casos no es tan importante efectuar el reemplazo en el muestreo al azar simple?
Ejemplo
No es tan importante hacer el reemplazo cuando la diferencia entre el n mero de elementos de la
poblaci n y el numero de elementos de la muestra es grande. Es m s importante hacer el
reemplazo en una poblaci n de 1000 elementos cuya muestra es 300 que en una poblaci n de
5000 cuya muestra es 400.
Se puede obtener una muestra representativa que no sea probabil stica? Porqu ?
No es posible obtener una muestra no probabil stica que sea representativa, pues si hablamos de
representatividad, esta debe interpretar fielmente a la poblaci n, y la muestra no probabil stica
suponen un procedimiento de seleccin informal y arbitrario, y como no puede calcularse el error
estandar no puede generalizarse a la poblacin, solo se usa como una primera aproximaci n y en
trabajos de tipo piloto
En qu teor a se basa el muestreo? Porqu ?
El muestreo se basa en la Teor a de las Muestras, ya que su objeto es obtener, por camino
inferencial, conclusiones validas para la poblaci n, partiendo de la observaci n de una parte,
denominada muestra. Al decir inferencial nos referimos a que a partir de los valores hallados en
las muestras inferimos los valores m s probables para las poblaciones de las cuales provienen
dichas muestras.
Para qu se muestrea?
Se recurre a una muestra cuando no se cuenta con recursos econ micos, humanos, etc. A veces la
muestra es el nico recurso. El trabajo sobre una muestra se llama muestreo y las conclusiones
obtenidas a partir ellas permiten: A) Probar hip tesis validas para la poblaci n, con la
informacin de la muestra B) Estimar caractersticas de la poblacin, denominadas par metros, a
Lic. En Psicologa
UC.S.
ELI AGUILAR
ESTADSTICA
para que se obtengan respuestas correctas para las preguntas que se formulan.
Lic. En Psicologa
UC.S.
ELI AGUILAR
ESTADSTICA
El objeto del m todo por conglomerados consiste en dividir la poblaci n en sectores llamados
conglomerados, cuya caracter stica fundamental es que las entidades sean lo mas heterog neas
Lic. En Psicologa
UC.S.
ELI AGUILAR
ESTADSTICA
entre si dentro de cada conglomerado y que lo mas homogneos posibles entre conglomerados. La
ventaja es que las entrevistas se realizan en distancias cortas, es mas econ mica en tiempo,
dinero y recursos humanos. La desventaja es que en general, el error de muestra por
conglomerado es mayor que en el mtodo al azar simple, es mayor cuanto mas grande es el tama o
del conglomerado. Se pueden observar dos errores principales: tama o del conglomerado y la
heterogeneidad dentro de el.
Cmo debe ser la homogeneidad y heterogeneidad en muestreos estratificados y por
conglomerados?
En los muestreos por conglomerado los resultados mas precisos se obtienen cuando dentro de
cada grupo hay una mezcla lo mas variada posible y cuando cada grupo es lo mas similar posible a
los dem s. Para una muestra estratificada eficaz los estratos deben ser lo mas homog neos
posibles, y lo mas distinto (heterogneo) que se pueda entre s
Elabore un ejemplo para cada uno de los cuatro tipos de muestreo probabil sticos:
A. Muestreo al Azar Simple: Si en un curso de 50 alumnos, necesitamos elegir 2 personas para
que sean las representantes frente a las autoridades; podr amos poner en una bolsa 50 papelitos
de igual tamao, y doblarlos de la misma manera escribiendo en ellos los nombres de cada alumno.
Una persona que no este dentro de las 50, elegir dos papeles al azar. Estas personas tendr n la
misma posibilidad de ser elegidas. Una vez elegida la persona N 1 se la debe volver a introducir
en la caja o bolsita, es decir se debe realizar el reemplazo para que haya independencia entre
un papelito (elemento) y otro.
B) Muestreo Sistemtico: Si se desea muestrear Cu ntas personas de primer a o de psicolog a
(considerando que existen 3 comisiones de 100 alumnos cada una), tienen el libro de
neuropsicologa?
Podramos tomar una muestra de 60 personas; en este caso deber amos fijar el intervalo, que se
saca, dividiendo la cantidad total de elementos que componen el listado por la cantidad de
elementos que componen la muestra; entonces aqu deber amos hacer 300 (cantidad total)
dividido 60 (muestra), que dara un total de 5, as se debe tomar un elemento cada 5 personas. En
este caso al primer individuo se lo elige por el m todo del muestreo al azar simple; es decir se
saca un numero del 1 al 5(limite superior del primer intervalo) supongamos que sea 3, el pr ximo
numero elegido ser 8 y as sucesivamente.
C) Muestreo Estratificado al Azar: Si queremos saber el porcentaje de materias aprobadas en
alumnos de la carrera de Psicolog a, este procentaje est en estrecha relaci n, en la mayor a de
los casos con el ao que se encuentra cursando cada alumno. Por eso deber a hacerse un muestreo
estratificado, tomando, alumnos de 1 a o de la carrera, alumnos de 2 a o de la carrera, y as
sucesivamente. Luego puede obtenerse una submuestra por azar simple
D) Muestreo por Conglomerados al Azar: Este lo podr amos utilizar supongamos si nosotros
queremos saber Cuntas personas de entre 3 y 8 a os y cuantas de entre 40 y 65 a o
viven en cada casa del el barrio el Tribuno? Aqu deber amos dividir la poblaci n (todo el barrio
el Tribuno) en conglomerados por ejemplo cada manzana del barrio. As se elegir una muestra de
conglomerados y se observan todas las entidades dentro de cada uno de ellos. Para que esto
suceda las entidades dentro de los conglomerados deben ser lo mas heterog neas posible y los
conglomerados lo mas homogneos posible.
Lic. En Psicologa
UC.S.
10
ESTADSTICA
ELI AGUILAR
ESTAD STICA INFERENCIAL
CAP TULO I - INTRODUCCI N
Un tema central de la estadstica es la Inferencia Estad stica. Esta se interesa en: la estimaci n de
los parmetros de la poblacin y las pruebas de hiptesis. Le interesa sacar conclusiones de un gran
nmero de hechos basndose en las observaciones de una parte. Los procedimientos de la inferencia
estadstica introducen orden en una inferencia a partir del testimonio muestral. Hay condiciones en
que los testimonios deben reunirse y las pruebas estadsticas determinan cun grandes deben ser las
diferencias observadas antes de confiar que representarn diferencias reales en el grupo mayor.
Los procedimientos de la inferencia estadstica permiten determinar, en trminos de probabilidad, si
la diferencia entre dos muestras est dentro del rango en el que podra aparecer fcilmente por azar,
o si es tan grande que indica que las muestras son, probablemente, de dos poblaciones diferentes.
Otro problema es determinar la probabilidad de que una muestra de puntajes sea de una poblaci n
especfica y otro el de decidir si podemos inferir legtimamente que varios grupos difieren entre s.
Ya que los valores de poblacin son parmetros, estas t cnicas estad sticas se llaman param tricas.
Estas tcnicas conducen a conclusiones con limitaciones, Si las suposiciones respecto a la forma de la
poblacin son vlidas, entonces podemos concluir que.... Tambin se desarrollaron tcnicas de
inferencia que no hacen suposiciones numerosas ni severas acerca de los par metros. Estas nuevas
distribuciones libres o tcnicas no paramtricas permiten sacar conclusiones con menos reservas. A
Algunas pruebas no paramtricas se las llama pruebas de rango o pruebas de orden
Las tcnicas paramtricas solo se usan con puntajes realmente num ricos, las no param tricas se
fijan en el orden o rango de puntajes, no en sus valores numricos, otras se pueden utilizar con datos
que ni siquiera presentan orden. Mientras una prueba paramtrica pondr su atencin en la diferencia
entre las medias de dos conjuntos de puntajes, la no paramtrica se fijar en la diferencia entre las
medianas. Calcular la media requiere operaciones aritmticas, calcular la mediana solo exige contar
CAP TULO II USO DE LAS PRUEBAS ESTAD STICAS EN LA INVESTIGACI N
Para decidir con objetividad si una hiptesis es confirmada por un conjunto de datos, se precisa un
procedimiento que lleve a un criterio objetivo para rechazar o aceptar esa hiptesis. El procedimiento
objetivo debe basarse en la informacin obtenida al investigar y en el margen de riesgo que estemos
dispuestos a aceptar si el criterio de decisin respecto a la hiptesis resulta incorrecto. Pasos:
1) Formulacin de la hiptesis de nulidad (Ho)
2) Eleccin de una prueba estadstica para probar Ho. De las pruebas que pueden usarse en un diseo
dado hay que escoger aquella cuyo modelo se aproxima mas a las condiciones de la investigaci n y
cuyos requisitos de medicin satisfacen las medidas usadas en la investigacin
3) Especificacin del nivel de significacin y del tamao de la muestra N
4) Encuentro (o suposicin) de la distribucin muestral de la prueba estadstica conforme a Ho
5) Definicin de la regin de rechazo
6) Clculo del valor de la prueba estadstica con los datos de la muestra. Si el valor desciende a la
zona de rechazo, se rechaza Ho, si el valor cae fuera de la regin de rechazo Ho no puede rechazarse
1) Hiptesis de nulidad: La Hiptesis nula es una hiptesis de diferencias nulas. Es formulada con la
intencin de ser rechazada. Si se rechaza puede as aceptarse la hip tesis alterna Ho. La hip tesis
alterna es la aseveracin operacional de la hiptesis de investigacin. La hiptesis de investigacin es
la prediccin que deriva de la teora a probar. La naturaleza de la hiptesis de investigacin determina
como debe ser formulada Ho. Si la hiptesis de investigacin solo dice que los dos grupos difieren
respecto a las medias, entonces Ho ser 1 2. Pero si la teora predice la direccin de la diferencia,
que un grupo especfico tiene una media mayor que el otro, entonces Ho puede ser 1>2 o que 1<2
Lic. En Psicologa
UC.S.
11
ELI AGUILAR
ESTADSTICA
UC.S.
12
ESTADSTICA
ELI AGUILAR
Lic. En Psicologa
UC.S.
13
ELI AGUILAR
ESTADSTICA
Medicin
La medicin es la asignacin de nmeros a observaciones, de modo que los nmeros sean susceptibles
de anlisis por medio de manipulaciones u operaciones de acuerdo con ciertas reglas. La relacin entre
los objetos que se estn observando y los nmeros es tan directa que mediante la manipulacin se los
nmeros se obtiene nueva informacin acerca de los objetos. El cient fico social que toma la f sica
como modelo, para hacer operaciones con los nmeros asignados a las observaciones, no debe pasar
por alto la estructura del m todo de correspondencia de los n meros a las observaciones sea
isomrfica con respecto a alguna estructura numrica que incluya estas operaciones. La teora de la
medicin est formada por un conjunto de teoras, cada una referida a un nivel diferente de medicin.
Las operaciones permitidas con un conjunto de puntajes dado dependen del nivel de medida que se
logre. Cuatro niveles de medida son: nominal, ordinal, de intervalo y de proporcin. Cada nivel tiene
estadsticos y pruebas permitidas.
Escala Nominal: La medicin se da en un nivel elemental cuando los nmeros o smbolos se usan para la
clasificacin de objetos, personas o caractersticas. Cuando se usan con el fin de distinguir entre s
los grupos a que pertenecen varios objetos, los nmeros o smbolos constituyen una escala nominal. Ej:
las tipologas esquizofrnico, paranoico, manaco-depresivo, psiconeurtico.
Propiedades formales: En estas escalas la operacin de escalamiento consiste en partir de una clase
dada y formar un conjunto de subclases que se excluyen mutuamente. La nica relacin implicada es
de equivalencia, los miembros de cualquier subclase deben ser equivalentes en la propiedad medida. La
relacin de equivalencia es reflexiva, simtrica y transitiva.
Operaciones admisibles: Como en toda escala nominal la clasificaci n se representa por cualquier
conjunto de smbolos, es nica hasta una transformacin de uno a uno. Los signos que designan a los
diferentes grupos pueden intercambiarse sin alterar la informacin de la escala, por eso las nicas
estadsticas descriptivas posibles son las que no se alteran en este proceso: modo, frecuencia, conteo.
En ciertas condiciones podemos probar las hiptesis usando la prueba no paramtrica X, o la basada
en la frmula binomial, apropiadas para datos nominales. La medida de asociaci n mas com n es el
coeficiente de contingencia C, una estadstica no paramtrica.
Escala ordinal: Puede que los objetos de una categora de la escala no sean precisamente diferentes a
los de otra categora, sino que estn relacionados entre s. Relaciones tpicas entre clases son las que
comparan altura, dificultad, madurez. Tales relaciones pueden formularse con el signo >, que puede
usarse como mayor que, mas preferible, mas dificil.
En un grupo de clases equivalentes (escala nominal), si la relacin > se sostiene entre algunos pares de
clases, tenemos una escala parcialmente ordenada. Si la relacin > se sostiene en todos los pares de
clases que modo que surja un rango ordenado completo, tenemos una escala ordinal. Muchos
inventarios de personalidad o habilidades arrojan puntajes que tienen fuerza de rangos
Propiedades Formales: La diferencia entre escala nominal y ordinal es que esta incorpora no solo la
relacin de Equivalencia sino tambin la relacin mayor que. Es irreflexiva, asimtrica, transitiva.
Operaciones admisibles: Como cualquier cambio que conserve el orden no altera informaci n de una
escala ordinal, esta es nica hasta una transformacin monot nica, o sea, no importa que n meros
demos a una pareja de clases siempre que el mayor sea dado a los miembros de la clase mayor.
La estadstica mas apropiada para describir la tendencia central de los puntajes en una escala ordinal
es la mediana porque no es afectada por los cambios de puntaje por encima o por debajo de ella,
siempre y cuando el nmero de ambos puntajes sea el mismo. Con esta escala, las hip tesis pueden
UC.S.
14
ELI AGUILAR
ESTADSTICA
El nico supuesto necesario para algunas pruebas de rango es que los puntajes tengan como base una
distribucin continua. Las pruebas paramtricas tambin funcionan con este supuesto. Una variable
continua puede tomar cualquier valor del intervalo. Una discreta toma un nmero finito de valores.
Para algunas tcnicas no paramtricas que requieren medicin ordinal, debe haber un continuo como
base de los puntajes observados. Los puntajes reales pueden caer en categoras discretas. La rudeza
de los instrumentos de medida suele representar pobremente la continuidad base que puede existir.
Si una variable est verdaderamente distribuida en forma continua la probabilidad de que tener
puntajes iguales es cero. Si ocurren, estos reflejan la falta de sensibilidad de los instrumentos de
medida
Las pruebas estadsticas paramtricas, que usan media y desviaciones estandar no deben usarse con
datos de escala ordinal. Las propiedades de esta escala no son isom rficas al sistema aritm tico.
Cuando solo se conoce orden de puntajes, las medias y desviaciones estandar dan lugar a errores, en
la medida en que los intervalos sucesivos de la escala no son iguales. Cuando se emplean t cnicas
paramtricas de inferencia estadstica con esos datos, las decisiones de las hip tesis son dudosas.
Las declaraciones de probabilidad derivadas de la aplicacin de pruebas paramtricas a datos
ordinales son errneas si la estructura del mtodo de recoger datos no es isom rfico respecto a la
aritmtica.
Escala de intervalo: Cuando una escala tiene caractersticas de una escala ordinal y adems conocemos
la distancia entre dos nmeros cualesquiera tenemos una consideracin mas fuerte que la ordinal. La
medicin se ejecut en el sentido de una escala de intervalo. Si la asignacin de n meros a varias
clases de objetos es tan precisa que sabemos la magnitud de los intervalos (distancias) entre todos
los objetos de la escala, tenemos una medida de intervalo.
Una escala de intervalo se caracteriza por una unidad de medida comn y constante que asigna un
nmero real a todos los pares de objetos en un conjunto ordenado. En esta clase de medida, la
proporcin de dos intervalos es independiente de la unidad de medida y del punto cero. En una escala
de intervalo, el punto cero y la unidad de medida son arbitrarios.
Una suposicin necesaria de los cientficos de la conducta es que la variable que se est sujetando a
escala se distribuye normalmente. As quien elabora la escala manipula sus unidades hasta que obtiene
la supuesta distribucin normal a partir de puntajes individuales. Otra suposicin es que la respuesta
si de una persona a un inciso es equivalente a su respuesta afirmativa en cualquier otro inciso.
Propiedades formales: Las operaciones y relaciones en que se origina la estructura de una escala
intervalar son tales que las diferencias en la escala son isomrficas a la estructura de la aritm tica.
Los nmeros pueden asociarse con las posiciones de los objetos en una escala intervalar de tal modo
que las operaciones aritmticas puedan realizarse significativamente con las diferencias entre esos
nmeros. Al construir una escala intervalar no solo se especifican equivalencias como en la escala
nominal, y relaciones de mayor a menor como en la ordinal, sino tambi n la proporci n de dos
intervalos cualesquiera.
Operaciones admisibles: Cualquier cambio de los nmeros aosciados con los objetos medidos en escala
intervalar debe preservar no solo el orden sino tambin las diferencias relativas entre ellos, o sea, la
escala intervalar es nica hasta una transformacin lineal. La escala intervalar es laprimera
verdaderamente cuantitativa. Todas las estadsticas paramtricas comunes (media, desviaciones
estandar, correlaciones de Pearson) se aplican a datos en escala intervalar, como las pruebas
estadsticas param tricas comunes (t, F). Si la medici n en el sentido de la escala intervalar se
ejecut en realidad y si todos los supuestos en elmodelo estadstico se cumplen, el investigador debe
utilizar pruebas estadsticas paramtricas. Los mtodos no paramtricos no suelen sacar provecho de
toda la informacin contendida en los datos de la investigacin
Lic. En Psicologa
UC.S.
15
ELI AGUILAR
ESTADSTICA
Escala de Proporcin: Cuando una escala tiene las caractersticas de una escala intervalar y adems
tiene un punto cero real en su origen se llama escala de proporcin. En ella la proporcin de un punto a
otro de la escala es independiente de la unidad de medida
Propiedades Formales: Las operaciones y relaciones en una escala de proporcin son correspondientes
a una escala isomrfica a la estructura aritmtica. Por eso las operaciones aritmticas son permisibles
en valores numricos asignados a los objetos mismos, como tambi n en los intervalos entre los
nmeros. Las escalas de proporcin mas frecuenten en las ciencias f sicas se logran cuando cuatro
relaciones son operacionalmente posibles: equivalencia, mayor a menor, proporcin conocida de dos
intervalos, proporcin conocida de dos valores.
Operaciones admisibles: Los nmeros asociados con valores de una escala de proporcin son
verdaderos nmeros con un verdadero cero, solo la unidad de medida es arbitraria. As, la escala de
proporcin es nica hasta la multiplicacin por una constante positiva, o sea, las proporciones entre
dos nmeros cualesquiera son preservadas cuando los valores de la escala son multiplicados por una
constante positiva y la transformacin no altera la informacin de la escala. Cualquier prueba
estadstica puede usarse cuando se logr medida de proporcin. Adems de las pruebas anteriores
apropiadas para escala intervalar pueden usarse estadsticas como la media geomtrica y el
coeficiente de variacin, que requieren del verdadero punto cero.
Lic. En Psicologa
UC.S.
16
ESTADSTICA
ELI AGUILAR
Estad stica Param trica
Perfecta Eficiencia, siempre en trminos de No son perfectas, sino probables, no tienen 100
precisin. Tienen el 100 % de eficacia certeza % de eficacia sino de probabilidad.
Lic. En Psicologa
UC.S.
17
ESTADSTICA
ELI AGUILAR
p(x)= N
x
n-x
p Q
N!
x! ( N x )!
4.1
es:
P es la proporcin de casos esperados en una categora y Q (1-P) proporcin de casos esperados en la
otra
Pero en una investigacin no nos ocuparnos de la probabilidad de
obtener exactamente los valores que fueron observados, en
p(x)=
t=0
N
i
n-t
4.2
pQ
Muestra pequeas: en el caso de una muestra, cuando se usa para una clase con dos categoras, una
situacin comn ocurre si P = . La tabla D que contiene las probabilidades de una cola asociadas con la
ocurrencia de valores tan extremos como x conforme a Ho de que P=Q=.. La tabla D es til si N es <=
25. La tabla D contiene las probabilidades asociadas con la ocurrencia de valores tan pequeos como x
para diferentes N (de 5 a 25). Las probabilidades (p) de la tabla D son de una cola. Se usa una prueba
de una cola cuando hemos predicho cul de las categoras contendr el menor nmero de casos. Si solo
se predice la diferencia, se usa una prueba de dos colas y se duplica la p D.
Muestras grandes: La tabla D no puede usarse con N > 25, pero a medida que N aumenta, la
distribucin binomial tiende a la distribucin normal. Esta tendencia es r pida con P cercano a y
lenta con P pr ximo a 0o1. A mayor disparidad entre P y Q, mayor debe ser N para que la
aproximacin pueda usarse para una prueba estadstica si N>25. Cuando P se acerca a 0o1, el sentido
comn indica que NPQ debe ser, al menos = 9 para ser aplicable a la prueba estadstica basada en la
aproximacin normal. Dentro de estas limitaciones la distribucin
muestral de x es aproximadamente normal, con media = NP y
z = x NP / NPQ
4.3
desviacin estandar = NPQ.
UC.S.
18
ESTADSTICA
ELI AGUILAR
4.5
X =
i=1
( Oi Ei )
Ei
Si el acuerdo entre frecuencias observadas y esperadas es grande la diferencia (Oi-Ei) ser pequea,
entonces X ser tambin pequea. Si la divergencia es grande X2 con la f rmula 4.5 tambi n ser
grande. Entonces, podemos decir que para valores mayores de X, aumentarn las probabilidades de
que las frecuencias observadas no provengan de la poblacin en la que se bas la Ho.
La distribucin muestral de X conforme a Ho calculada con la formula sigue la distribuci n de X
con gl = k-1. En la parte superior de cada columna de la tabla C encontramos las probabilidades de
ocurrencia asociadas (de 2 colas) conforme a Ho. Hay una valor diferente de X para cada gl. Hay
diferentes distribuciones muestrales para X, una para cada valor de gl. El tama o de gl refleja el
nmero de observaciones susceptible de variar despus de ciertas restricciones en los datos.
En general, en casos de una muestra, cuando Ho especifica completamente las Ei, gl = k-1, donde k
representa el numero de categoras de la clasificacin.
Para usar X en la prueba de una hiptesis en casos de una muestra, se pone cada observacin en cada
una del numero k de celdillas. El nmero total de tales observaciones ser el numero de casos en su
muestra N. Esto es, una observacin debe ser independiente de cualquier otra. As se evitan
observaciones en la misma persona. Para cada una de las k celdillas, la frecuencia esperada tambin
debe ser registrada. Si Ho supone que la proporcin de casos en cada categora es la misma entonces
Ei= N/k. Conociendo los diferentes valores de Ei y Oi, se puede computar el valor de X mediante la
formula 4.5. La significacin de este valor obtenido de X puede determinarse recurriendo a la tabla
UC.S.
19
ESTADSTICA
ELI AGUILAR
Resumen del procedimiento:
se elabor una tabla de cuatro entradas de frecuencias que representa al primero y al segundo
conjunto de respuestas de los mismos individuos. Los rasgos generales de la tabla (se ilustran en la
Lic. En Psicologa
UC.S.
20
ELI AGUILAR
ESTADSTICA
tabla 5.1-pag. 86 Ver gr fico de la tabla , de antes y despus), en la que se usan + y porque
simbolizar respuestas diferentes. Ntese q los casos q muestran cambios entre la primera y segunda
respuesta aparecen en las celdillas A y D. Un individuo es clasificado en la celdilla A si cambio de + a -.
Es clasificado en la celdilla D si cambio de a +. Si no es observado ningn cambio, va a la celdilla B
(rtas. d + antes y despus) o a la celdilla C (rtas. D antes y despus).
Puesto q A + D representan el numero total de personas que cambiaron, se espera que (A + D) sea la
frecuencia esperada conforme a Ho en ambas celdillas A y D.
Resumen del procedimiento: estos son los pasos p calcular la prueba d Mc Nemar:
1.
Se ordena las frecuencias observadas en una tabla de cuatro entradas de la forma d la tabla
5.1.
xej. 14 de 17 parejas tuvieron puntajes d diferencia con signo, por lo que N = 14.
Lic. En Psicologa
UC.S.
21
ELI AGUILAR
ESTADSTICA
Muestras grandes: si N es mayor que 25, puede emplearse la aproximacin normal a la distribucin
binomial.
Resumen del procedimiento: estos son los pasos de la prueba de los signos:
1.
Para cada par igualado, se determina la diferencia del signo (di) entre los dos puntajes.
2. Se ordenan estas di sin respetar el signo. Con las d ligadas, se asigna el promedio de los
rangos ligados.
3. Se aade a cada rango el signo (+ -) de la d q representa.
4. Se determina T, la mas pequea suma de los rangos igualados.
5. Se determina N, el numero total de d con un signo.
UC.S.
22
ESTADSTICA
ELI AGUILAR
LA PRUEBA DE WALSH
Funcin: si el investigador esta en condiciones de suponer que los puntajes en diferencia observados
en dos muestras relacionados se tomaron de una poblacin simtrica, puede usar la poderosa prueba
desarrollada d Walsh. La prueba supone poblaciones sim tricas, d manera q la media representa
exactamente la tendencia central, y es igual a la mediana. La prueba d Walsh requiere mediciones por
lo menos de escala de intervalo.
Mtodo: para la prueba de Walsh, se obtienen puntajes de diferencia (di) para cada uno d los N
pares, q se colocan en orden a su tamao, teniendo en cuenta el signo d cada d. Sea d1 el puntaje de
diferencia mas bajo (puede ser una d negativa), d2 la diferencia siguiente mas baja, etc. As ,
d1d2d3d4...dn.
La hiptesis de nulidad supone q los valores de di fueron tomados de una poblacin de mediana cero (o
de un grupo de poblaciones de mediana comn de cero). En una distribucin sim trica, la media y la
mediana coinciden. La prueba d Wlash supone q las di provienen de poblaciones con distribuciones
simtricas. Por consiguiente, Ho afirma q el promedio de los puntajes de diferencia (0) es cero. Para
una prueba de dos colas, Hi supone q 2 0. Para una prueba de una cola, Hi puede ser bien 2>0, o
bien, 2<0.
La tabla H del apndice se usa para determinar la significacin se diferentes resultados conforme a la
prueba d Wlash. Para usar esta tabla, se necesita conocer el valor observado en N (el numero d
parejas), la naturaleza de Hi y los valores numricos de cada di.
La tabla H contiene los valores significativos para pruebas tanto de una como de dos colas.
Resumen del procedimiento: estos son los pasos de la prueba d Wlash:
1. Se determina el puntaje de diferencia con signo (di) para cada par.
2. Se determina N, el numero de pares igual a dos.
3. Se colocan las di, en tamaos cada vez mayores, de di a dn, teniendo en cuenta el signo.
As, di es el valor negativo mayor de d y dn es el valor positivo mayor de d.
4. La tabla H sirve para determinar si Ho se rechaza y se acepta Hi, con valores observados
de di, d2,d3...dn.
CAPITULO VI - EL CASO DE DOS MUESTRAS INDEPENDIENTES
Al estudiar las diferencias entre dos grupos, podemos usar grupos relacionados o independientes.
Aunque tiene meritos usar dos muestras relacionadas en un dise o de investigaci n, suele
resultar poco practico. Frecuentemente, la naturaleza de la variable dependiente impide usar a
los sujetos como sus propios controles. Cuando el uso de dos muestras relacionadas no es practico
ni adecuado, pueden usarse dos muestras independientes. En este dise o, las dos muestras
pueden obtenerse con la ayuda de dos m todos: a) tomadas al azar de dos poblaciones o b)
asignados al azar ambos tratamientos a miembros de alguna muestra de or genes arbitrarios. En
cualquier caso no es necesario que las muestras sean del mismo tama o.
Las tcnicas paramtricas usuales para analizar datos de dos muestras independientes consiste en
aplicar una prueba t a alas medidas de los dos grupos. La prueba t supone que los puntajes (que se
suman al calcular las medidas) son observaciones independientes de poblaciones distribuidas
normalmente con varianzas iguales, y requiere que las observaciones se midan por lo menos en una
escala de intervalo. Para una investigaci n dada, la prueba t puede ser aplicable debido a varias
razones. El investigador puede encontrar que a) las suposiciones de la prueba t son poco adecuadas
para sus datos; b) prefiere no hacer suposiciones y as dar a sus conclusiones mayor generalidad o; c)
sus puntajes pueden no ser verdaderamente num ricos y por tanto no satisfacer la medida de la
prueba t.
Lic. En Psicologa
UC.S.
23
ESTADSTICA
ELI AGUILAR
LA PRUEBA DE LA PROBABILIDAD EXACTA DE FISHER
FUNCION: Esta es una tcnica no parametrica sumamente til para analizar datos discretos
(nominales u ordinales) cuando las dos muestras independientes son pequeas. Se usa cuando los
puntajes de dos muestras recogidas independientemente al azar perteneces respectivamente a clases
mutuamente excluyentes. En otras palabras, cada sujeto en ambos grupos obtiene uno de los dos
puntajes posibles. Los puntajes se representan mediante frecuencias en una tabla de contingencia de
2X2, como la tabla 6.1. Los grupos I y II pueden ser dos grupos independientes cualquiera, tales por
ejemplo pueden ser como experimentales y control, hombres y mujeres, empleados y no empleados,
etc. Tambin en cuanto a las dos clasificaciones pude ser cualquiera ejemplo aprobado- desaprobado,
de acuerdo y en desacuerdo, etc. La prueba determina si los grupos difieren en la proporci n
correspondiente a las clasificaciones.
Ejemplo de la tabla de contingencia 2X2:
TOTAL
-
Grupo I
A+B
Grupo II
C+D
TOTAL
A+C
B+D
UC.S.
24
ESTADSTICA
ELI AGUILAR
Deber notarse que los valores de la tabla I son aproximados. Y tambi n que los niveles de
significacin de esta tabla son para regiones de rechazo de 1 cola. Si se necesita una regi n de
rechazo de 2 colas hay que duplicar el nivel de significacin dado en la tabla I.
RESUMEN DEL PROCEDIMIENTO: Estos son los pasos para usar la prueba de Fisher:
1)
(6.3)
E
Donde O es el numero observado de casos clasificados y E es el numero de casos esperados conforme
con la Ho. Para encontrar la frecuencia esperada par cada casillero o celdilla se multiplican los dos
totales marginales comunes por una celdilla particular y se divide este producto por el nmero total
de casos N.
Los valores sacados despus de la formula son distribuidos aproximadamente con un gl= (k-1). (r-1)
donde k quiere decir numero de categoras y r quiere decir nmero de columnas.
Ahora bien, si las frecuencias observadas est n estrechamente de acuerdo con las frecuencias
esperadas, las diferencias (O-E) sern por supuesto, pequeas y consecuentemente el valor de X
ser pequeo. Con un valor X no podemos rechazar la hip tesis de nulidad (o nula), que supone
independientes entre si a los dos conjuntos de caracter sticas. Sin embargo, si hay una o varias
diferencias grandes, el valor de X tambin ser grande. Cuanto mayor es X tanto mas probable es
que los dos grupos difieran con respecto a las clasificaciones.
Las probabilidades asociadas con diferentes valores de chi cuadrada se encuentran en la tabla C del
apndice.
Lic. En Psicologa
UC.S.
25
ESTADSTICA
ELI AGUILAR
TABLAS DE CONTENGENCIA DE 2X2: Tal vez el uso mas comun de la prueba de X se refiere a la
posibilidad de que ocurra conforme a Ho un colapso observado de frecuencias en una tabla de
contingencia de 2X2. Cuando aplicamos a la prueba X a los datos donde tanto r como k son iguales a
2, deber usarse la formula:
N
X = N (/ AD BC/ - 2 )
(6.4)
gl= 1
Se calculan las frecuencias observadas en una tabla de contingencia k x r, usando las columnas
de k para los grupos y las filas de r para las condiciones
2) Se determina la frecuencia esperada para cada una de las celdillas para obtener el producto
de los totales marginales. Comunes a ella y dividirlo por N( N es la suma de cada grupo de
totales marginales. Representa el numero total de observaciones independientes. Las N
infladas invalidan la prueba). El paso de 2 es innecesario cuando los datos estn en una tabla
de 2x2.
3) Para una tabla de 2x2, se calcula X con una formula (6.4) cuando es mayor que 2, se calcula
X con una formula de (6.3)
4) Se determina la significacin de la X observada consultando la tabla C. Para una prueba de
una cola, se divide por dos el nivel de significacin sealado. Si la probabilidad dad por la tabla
C es igual o menor que se rechaza Ho y se acepta H1.
Cuando se usa la prueba X
El caso 2X2. Si las frecuencias estn en una tabla de contingencia 2X2, la decisin concerniente al
uso de X debe guiarse por estas consideraciones:
1) Cuando N> 40, se usa X corregida por la continuidad, es decir con la formula 86.4)
2) Cuando N esta entre 20 y 40, la prueba X (6.4), puede usarse en el caso de que todas las
frecuencias esperadas sean de 5 o mas. Si la frecuencia esperada ms pequea es menor
que 5 se usa la prueba de Fisher.
3) Cuando N<20, se usa la prueba de Fisher.
Tablas de contingencia con gl mayor que 1: Cuando k es mayor que 2 (y as gl > 1), puede usarse la
prueba X si menos del 20 por ciento de las celdillas tiene una frecuencia esperada menor que 5 y si
no hay ninguna celdilla con una frecuencia espera menor que 1. Si estos requisitos no son reunidos por
los datos en la forma en que se obtuvieron originalmente, el investigador debe combinar las categoras
adyacentes para aumentar la frecuencia esperada en las diferentes celdillas.
LA PRUEBA DE LA MEDIANA
FUNCION: La prueba de la mediana es un procedimiento para probar si dos grupos independientes
difieren en sus tendencias centrales. M s exactamente, la prueba de la mediana dar informaci n
acerca de la probabilidad de que dos grupos independientes (no necesariamente del mismo tamao) se
hayan tomado de poblaciones con la misma mediana. La hiptesis de nulidad supone que proviene de
poblaciones con la misma mediana; la hiptesis alterna puede ser que la mediana de una poblacin es
diferente de la de la otra (prueba de dos colas) o que la mediana de una poblacin es ms alta que la
de la otra (prueba de una cola). La prueba puede usarse siempre que los puntajes de los dos grupos
Lic. En Psicologa
UC.S.
26
ESTADSTICA
ELI AGUILAR
TOTAL
Grupo II
A+B
D
A+C
B+D
C+D
N=n1 +n2
Ahora bien, si en los grupos I y II tenemos muestras procedentes de poblacin con la misma mediana,
cerca de la mitad d los puntajes e cada grupo deber estar por encima de la mediana combinada y
cerca de la otra mitad por debajo. Es decir, esperaremos que las frecuencias A y C sean
aproximadamente iguales, y las frecuencias B y D tambin lo sean.
Puede demostrarse que si A es el numero de casos en el grupo I por encima de la mediana combinada y
si B es el numero de casos en el grupo II en la misma situacin, la distribucin muestral de A y B bajo
la hiptesis nula (Ho es A = 1 n1 y B = 1 n2) es la distribucin hipergeometrica.
2
2
P (A,B)= (A+C) . (B+D)
A
B
(n1 +n2)
A+B
(6.5)
Si el numero total de casos en ambos grupos (n1+n2) es peque o puede usarse la prueba de Fisher
para probar Ho. Si el numero total de casos es suficientemente grande puede usarse X con gl= 1.
Cuando se analizan datos divididos en la mediana, hay que guiarse por estas consideraciones al escoger
entre la prueba de Fisher y la prueba X.
1) Cuando n1+ n2 > 40 se usa X corregida por continuidad es decir con la formula (6.4).
2) Cuando n1+ n2 esta entre 20 y 40 y ninguna celdilla tiene una frecuencia esperada menor a 5
se usa X corregida por continuidad por (6.4). Si la mas peque a frecuencia esperada es
menor que 5, se usa la prueba de Fisher.
3) Cuando n1+ n2 < 20 se usa Fisher.
Puede surgir una dificultad al calcular la prueba de la mediana: puede que haya varios puntajes
exactamente, en la mediana combinada. Si sucede, el investigador tiene dos alternativas: a) si n1+ n2
es grande y si solamente unos pocos casos caen en la mediana combinada esos casos pueden retirarse
del anlisis o b) los grupos pueden dividirse en puntajes que excedan o no excedan la mediana.
RESUMEN DEL PROCEDIMIENTO: Son los pasos para usar la mediana
1) Se determina la mediana combinada de los puntajes n1 + n2.
2) Se dividen en la mediana combinada los puntajes de cada grupo. Se registran las frecuencias
resultantes en una tabla como la 6.10. Si son muchos los puntajes que quedan en la mediana
combinada, se dividen los puntajes en categoras: excedentes y no excedentes de la mediana.
UC.S.
27
ESTADSTICA
ELI AGUILAR
ELECCI N DE LA PRUEBA ESTAD STICA ADECUADA
2.
3.
4.
5.
Potencia-Eficiencia
A medida que son m s d biles las suposiciones de un modelo particular son mas generales las
conclusiones derivadas al aplicar la prueba estadstica asociada con l, pero menos poderosa es la
prueba de Ho. Esta aserci n es generalmente verdadera para cualquier tama o de muestra, pero
no se sostiene al comparar dos pruebas estad sticas que se aplican a dos muestras de distinto N.
El concepto de potencia eficiencia se refiere al incremento en el tama o de la muestra necesario
para hacer la prueba B tan poderosa como la A
Potencia-eficiencia de la prueba B = 100 Na/Nb %
Al escoger otra prueba estad stica con menos suposiciones podemos evitar las suposiciones por
medio del incremento en N.
Potencia-eficiencia de las pruebas No param tricas
Potencia-eficiencia de la Binomial: En vista de que no hay t cnica param trica aplicable a datos
medidos en escala nominal, carece de sentido inquirir la potencia-eficiencia de la prueba binomial
cuando se emplea con datos nominales. Al ser dicotomizado un continuo si con los datos
resultantes se emplea la prueba binomial, puede actuar disipadoramente. En tales casos, la prueba
binomial tiene una potencia eficiencia del 95% con una N de 6 disminuyendo a una eficiencia
eventual de 2/= 63%. Sin embargo, si los datos se prestan b sicamente a la dicotom a, aunque la
variable tenga en la base una distribucin continua, la prueba binomial puede no tener alternativas
mas poderosas.
Lic. En Psicologa
UC.S.
28
ELI AGUILAR
ESTADSTICA
Potencia-eficiencia de la Prueba 2 para una muestra: En vista de que esta prueba suele ser
usada cuando no se dispone de otra alternativa clara, usualmente no estamos en condiciones de
calcular su potencia exacta. Cuando se usa la medicin nominal o cuando los datos est n
conformados por categor as inherentemente discretas, la noci n de potencia-eficiencia de la
prueba 2 no tiene importancia, en tales casos, no hay prueba param trica adecuada. Si los datos
permiten que pueda disponerse de una prueba param trica, la prueba 2 puede ser disipadora de
la informacin.
Cuando gl >1, las pruebas 2 son insensibles a los efectos de orden, y as , cuando una hip tesis
tiene en cuenta el orden, la prueba 2 puede no ser la mejor
Potencia-eficiencia dela Prueba de McNemar: Cuando la prueba de McNemar se usa con medidas
nominales, el concepto de potencia eficiencia no tiene sentido pues no hay otra alternativa. Sin
embargo, cuando la medici n y otros aspectos de los datos son tales que es posible aplicar la
prueba paramtrica t, tanto la prueba de McNemar como la binomial, tienen una potenciaeficiencia de cerca del 95% para A+D=6, que declina a medida que aumenta el tama o de A+D
hasta una eficiencia final asinttica de cerca del 63%
Potencia-eficiencia de la Prueba los Signos: La ptencia-eficiencia de la prueba de los signos est
cerca del 95% para N=6, pero declina a medida que el tama o de la muestra se incrementa hasta
una eficiencia final asinttica del 63%.
Potencia-eficiencia de la Prueba de Wilcoxon: Cuando las suposiciones de la prueba param trica t
en verdad se satisfacen, la eficiencia asint tica cercana a Ho de la prueba de rangos se alados y
pares igualados de Wilcoxon, comparada con la prueba t es de 3/ = 95,5%. Esto significa que
3/ es la proporcin lmite, de tama os de muestras, necesaria para que las pruebas de Wilcoxon
y t alcancen el mismo poder . Para muestras pequeas la eficiencia se acerca al 95%
Potencia-eficiencia de la Prueba de Walsh: Cuando se compara con la prueba mas poderosa, la
prueba paramtrica t, la de Walsh tiene una potencia-eficiencia del 95 % para la mayor a de los
valores de Ny de . Su potencia-eficiencia es del 99 % (N=9 y =0.01 en una prueba de una cola)
sin bajar del 87,5 (N=10 y =0.06 en una prueba de una cola)
Potencia-eficiencia de la Prueba de Fisher: Con la modificaci n de Tocher (considerando las
distribuciones de frecuencia mas extremas que pudieran ocurrir con los mismos totales
marginales), la prueba de Fisher es la mas poderosa de las pruebas de una cola para datos
adecuados
Potencia-eficiencia de la Prueba de 2 para 2 muestras independientes : Cuando la prueba de 2
se usa, generalmente no hay una alternativa clara, y la potencia exacta de la prueba es dif cil de
calcular. Sin embargo se demostr que el l mite de la distribuci n de potencia de 2 tiende a 1
cuando N toma un valor grande
Potencia-eficiencia de la Prueba de 2 para la prueba de la Extensi n de la mediana (k muestras
ind) Como se sabe, la extensi n de la prueba de la mediana es en esencia, una prueba 2 para k
muestras, por tanto su potencia eficiencia es similar a la 2 para 2 muestras independientes
Potencia-eficiencia del rango de Spearman: La eficiencia de la correlaci n de rango de Spearman
cuando se compara con la correlacin mas poderosa, la r de Pearson, es de cerca de 91 %. Cuando p
el r se usa con una muestra para probar la existencia de una asociacin en la poblaci n, y cuando s
la poblacin tiene una distribucin normal bivariada y la medici n se ha hecho en escala
Intervalar, r tiene una eficiencia del 91 % respecto a r para rechazar Ho. Si existe una s
correlacin entre X e Y en esa poblaci n, r necesitar 100 casos para establecer esa correlaci n s
al mismo nivel de significacin que r logra con 91 casos
Lic. En Psicologa
UC.S.
29
ESTADSTICA
ELI AGUILAR
INDICADORES DEL NIVEL DE SALUD
Lic. En Psicologa
UC.S.
30
ELI AGUILAR
ESTADSTICA
UC.S.
31
ESTADSTICA
ELI AGUILAR
Propuestas para medir niveles de salud
cual proviene. Ejemplo: Proporci n de pacientes que curaron con una droga con respecto al total
de pacientes tratados con dicha droga
Lic. En Psicologa
UC.S.
32
ESTADSTICA
ELI AGUILAR
Tasa: Es la relacin existente entre el nmero de veces que ocurri un hecho vital o de salud, y la
poblacin que estuvo expuesta al riesgo de acaecimiento del hecho mencionado en el numerador.
Tiene mayor implicancia que las razones y proporciones pues involucra el factor riesgo o
probabilidad. La mayora de las tasas miden la fuerza de acaecimiento de un fen meno y con ello
evala el riesgo inherente. Una tasa est compuesta por tres elementos: numerador, denominador
y factor de ampliaci n. En el numerador se consigna el n mero de veces que se registr un
fenmeno (total de nacimientos, defunciones, matrimonios) y en el denominador la poblaci n que
estuvo expuesta al riesgo de acaecimiento de lo asignado en el numerador. Generalmente los
datos del numerador provienen de sistemas de registro permanente y los del denominador de
recuentos censales o proyecciones hechas a partir de los censos.
Para que una tasa sea correcta se debe considerar la concordancia de numerador y denominador
en lo referente a la naturaleza, tiempo y rea de referencia. Respecto a la concordancia en la
naturaleza, en la tasa de mortalidad por c ncer de tero no se considera la poblaci n total pues
los hombres no pueden producir tales defunciones. Respecto del tiempo, los datos deben haber
sido enumerados en el mismo periodo. Respecto del rea de referencia se deben descartar
hechos acaecidos a personas no residentes en el rea, as en hospitales muy especializados los
casos que puedan registrarse pueden corresponder a personas residentes en otras reas
Tasa general: Mide la fuerza de acaecimiento de un fen meno en el total de la poblaci n e intenta
cuantificar la probabilidad de ocurrencia en el conjunto de los componentes.
Tasa espec fica: Mide un hecho registrado en un segmento de la poblaci n en relaci n a la
poblacin de ese segmento
Ejemplos:
Tasa general =
N de de nacimientos en el rea Y en el perodo Z
De Natalidad
Poblacin total del rea Y, a la mitad del perodo Z
Tasa especfica = N de nacimientos en un segmento del rea Y en el periodo Z
de natalidad
Poblacin de ese segmento a la mitad del perodo
Tasas ajustadas: Que 2 tasas generales sean iguales no implica que ambas poblaciones tengan
igual riesgo de acaecimiento del fen meno pues pueden tener estructura diferente, pero las
diferencias se compensan y los resultados finales son iguales. Ejemplo: La tasa general anual de
mortalidad por cncer en hombres en 1962-63 fue de 259.4 por 1000.000 habitantes. En Lima en
igual per odo fue de 91.9. Al comparar ambas poblaciones se ve que en La Plata un 36% de la
poblacin tiene entre 45-74 aos y en Lima solo un 20%, Lima tiene una poblaci n mas joven y por
ello menos expuesta a tal riesgo. Debe entonces eliminarse esa diferencia. Suprimiendo las
diferencias de edad, las tasas son 132.16 y 112.5, la disimilitud tiende a disminuir. Por ello cuando
se desean comparar dos poblaciones respecto a cierto riesgo deben tomarse uno de dos caminos:
1) Comparar las tasas espec ficas: Se comienza estableciendo cu l es el factor espec fico mas
importante (edad, sexo) luego se obtienen las tasas espec ficas correspondientes y luego se
comparan clase a clase, las clases de cada tramo. Esto se puede hacer cuando el n mero de
clases es pequeo sino debe optarse por el segundo mtodo
2) Comparar las tasas ajustadas: a) Se determinan cu les son los factores de variaci n posible b)
Se asla el que se supone mas probable c) Se estudia la estructura de las poblaciones tabuladas y
se detectan similitudes o diferencias d) se calculan las tasas espec ficas para cada tramo y se las
compara una a una
BIBLIOGRAFIA
Slonim, M. (1967). Muestreo: Gu a gil y precisa de Estad stica Pr ctica. Buenos Aires:
Editorial Americana.
Siegel, S. (1970). Diseo experimental no param trico aplicado a las ciencias de la
conducta. Mxico: Editorial Trillas SA.
Lic. En Psicologa
33
UC.S.