Trabajo acadmico

Lima, 2014

DESARROLLO DE LAS ACTIVIDADES

1. A continuacin se indican las edades de un Grupo de

Confirmacin:
18,12,16,14,13,14,15,12,16,14,15,17,12,19,17,14,15,16,15,
14.
a. Calcule la media aritmtica, la mediana y la moda.
Interpretar los resultados.
Media aritmtica
X=
1812+16+14 +13+14+15+ 12+16 +14+15+17+ 12+ 19+ 17+14+15+ 16+15+14
20

298
20
X = 14.9
El grupo de confirmacin tienen en promedio una edad de 14.9
aos.

Mediana

Me =

15+15
2

= 15

El 50% del grupo de Confirmacin tienen ms de 15 aos .

Moda
Mo = 14
La edad ms frecuente del grupo de Confirmacin es de 14 aos.

b. Calcule el rango y desviacin estndar. Interpretar los

resultados

Rango:
Rango

Vmax Vmin
19 12
=
=

La dispersin segn el rango es igual a 7

X= 14.9
12
12
12
13
14
14
14
14
14
15
15
15
15
16
16
16
17
17
18
19
298

2.9
2.9
2.9
1.9
0.9
0.9
0.9
0.9
0.9
-0.1
-0.1
-0.1
-0.1
-1.1
-1.1
-1.1
-2.1
-2.1
-3.1
-4.1

8.41
8.41
8.41
3.61
0.81
0.81
0.81
0.81
0.81
0.01
0.01
0.01
0.01
1.21
1.21
1.21
4.41
4.41
9.61
16.81
71.8

Varianza:
S

S2

( X X i )2
n1

71.8
19

= 1.9439515

Desviacin Estndar:
S =
S=

S2
1.9439515

= 3.7789

2. Si tenemos una poblacin de 1200 alumnos de nivel

primario en un centro educativo, la cual se distribuye de
forma normal. Seale que numero de estudiantes del total
de la poblacin se encontrara entre +0.15 y +1.75
desviaciones estndares.

0.15

1.75

P(0.15 < X < 1.75 ) = P( X < 1.75 ) - P( X < 0.15)

= 0.95994 - 0.55962
4

= 0.40032

1200 X 0.40032 = 480.384 alumnos.

3. Por qu cree Ud. Que es importante plantear hiptesis

estadsticas en las ciencias sociales? Seale un ejemplo
basado en un estudio de Tesis o Artculo en Revista
Cientfica.
Es importante porque la formulacin de cualquier hiptesis es sobre la
base de determinados hechos o fenmenos, que al conocerse generan
datos (informacin) de su comportamiento. Estos datos apenas
constituyen una descripcin de la realidad; pero sin ellos, carecemos de
la materia inicial para tal formulacin. Ya que en la actualidad la
concepcin de cmo se trabaja en la ciencia se conoce como el "modelo
hipottico-deductivo", cuyo nombre se debe al filsofo Carl Hempel; y
que efectivamente con base en este enfoque se enlaza a la teora con la
emprica.
Por lo tanto, la observacin de la realidad conforma la gran experiencia
que proporciona datos a partir de los cuales se formulan las hiptesis,
que contrastadas adecuadamente, contribuyen a la creacin de la teora
que sustenta o explica el comportamiento de cualquier hecho o
fenmeno de la naturaleza. Es en esta fase cuando se genera
conocimiento cientfico.
Podemos "descubrir" una hiptesis a travs de:

La informacin respecto a la observacin de un fenmeno es tan

clara que conduce fcilmente a una hiptesis,
El cientfico tiene una serie de convicciones o prejuicios filosficos,
producto de una gran experiencia en torno al problema que
aborda. Lo cual lo conduce fcilmente a una hiptesis,
Un sueo en torno al problema de inters sugiere una hiptesis y
su redaccin correspondiente, y
Una analoga, con relacin al problema de inters podr conducir a
la hiptesis buscada.

Ejemplo:
5

INTERPRETACIN DEL TEST DE CHI-CUADRADO (X2) EN

INVESTIGACIN PEDITRICA
INTERPRETATION OF CHI-SQUARE TEST IN PEDIATRIC
INVESTIGATION
Waisman y colaboradores describieron en 1998 la epidemiologa de los
accidentes infantiles ocurridos en la Regin Centro Cuyo, Argentina . Uno
de sus objetivos fue determinar si exista alguna asociacin entre la tasa
de incidencia de consultas por accidentes y la estacin del ao. Para
ello, compararon la proporcin de consultas por accidentes en invierno y
en verano. La tala 1 resume sus observaciones.
Si la variable tipo de consulta fuese independiente de la variable
estacin del ao, la tasa de incidencia de consultas por accidentes en
ambas estaciones debera ser igual. En el ejemplo, se observa que la
tasa de incidencia de consultas por accidentes en verano es superior a la
registrada en invierno (13,5% vs 6,6%), por lo tanto, es posible afirmar
que las variables tipo de consulta y estacin del ao estn asociadas,
ms ignoramos si esta asociacin es estadsticamente significativa. Para
objetivar la asociacin entre las dos variables, se utiliza el test de 2.
La hiptesis nula (H0) del test de 2 apoya la independencia de las
variables, en otras palabras, el tipo de consulta es independiente de la
estacin del ao. Por el contrario, la hiptesis alternativa (H 1) apoya la
asociacin de las variables, es decir, el tipo de consulta se asocia a la
estacin del ao. El test de 2 contrasta los resultados observados con
valores tericos, estos ltimos calculados bajo el supuesto que H0 es
verdadera. Por consiguiente, se deben calcular los valores tericos de la
tabla de contingencia asumiendo que la proporcin de consultas por
accidentes en invierno y verano son iguales entre s e iguales a la
proporcin de consultas por accidentes totales (9,6%). En la tabla 2 se
presentan los valores tericos que toman las variables asumiendo la
veracidad de H0. Ntese que los valores totales no cambian, slo lo
hacen los valores de los niveles que toma cada variable (a, b, c y d El
estadstico 2 dimensiona cunto difieren los valores observados (tabla
1) de los valores tericos (tabla 2). Se calcula sumando el valor del
cuadrado de la diferencia del valor observado en cada casilla y su valor
terico, dividido por el valor terico. La razn para elevar las diferencias
al cuadrado es convertir todas las diferencias en valores positivos. La
siguiente frmula entrega el valor del estadstico:
6

2 = [(aa)2/a] + [(bb)2/b] + [(cc)2/c] + [(d d)2/d].

Utilizando los valores observados y tericos del ejemplo, el valor de
estadstico 2 es el siguiente:
2 = [(1.4182.062)2/2.062] + [(2.221 1.577)2/1.577] + [(20.133
19.489)2/19.489] + [(14.26914.913)2/14.913] = 512,5.

A mayor valor del estadstico 2, mayor es la diferencia entre los valores

observados y tericos, por consiguiente, ms alejados estn los valores
observados de los valores calculados bajo el supuesto que las variables
fuesen independientes (H0 verdadera). En consecuencia, a mayor valor
del estadstico 2, mayor es el grado de asociacin entre las variables
(H1 verdadera).
El siguiente paso consiste en evaluar si el valor que toma el estadstico
2 es significativo. Para ello, se utiliza la tabla de distribucin
probabilstica de 2, la cual es dependiente de los grados de libertad
(estimador del nmero de categoras independientes en un test
particular o experimento estadstico). En una tabla de contingencia de r
filas y k columnas, los grados de libertad son igual al producto del
nmero de filas menos 1 (r1) por el nmero de columnas menos 1 (k
1). Para el caso de variables dicotmicas, es decir, variables que toman
solamente dos niveles (como las del ejemplo), los grados de libertad son
igual a 1. En la tabla de distribucin probabilstica de 2, se ubica en la
fila correspondiente al nmero de grados de libertad el valor del
estadstico 2, determinndose su valorp. En el ejemplo, el estadstico
2 (512,5) con 1 grado de libertad tiene un valorp menor a 0,005. Esto
significa que existe una probabilidad menor a 0,005 de obtener
frecuencias como las observadas en caso de ser H0 verdadera; en
consecuencia, se rechaza H0 en favor de H 1, apoyando la asociacin
entre las variables.
7

Existen algunas consideraciones importantes inherentes al test de 2. En

primer lugar, es un test de tipo no dirigido (test de planteamiento
bilateral), es decir, solamente determina la asociacin o independencia
de dos variables cualitativas, sin informar el sentido ni la magnitud de
dicha asociacin. Para conocer estos atributos, una vez establecida la
asociacin entre las variables deben calcularse medidas de riesgo, por
ejemplo, odds ratio. En segundo lugar, es importante destacar que el
test de 2 siempre determina la asociacin o independencia de dos
variables cualitativas, sin embargo, cada una de las variables puede
tener ms de dos niveles. Un ejemplo de esta situacin sera estudiar la
asociacin entre la variable nivel socioeconmico, (alto, medio y bajo) y
la variable grupo sanguneo Rh positivo (A, B, AB y 0). En este caso, la
tabla de contingencia ser de 3 4, por consiguiente, los grados de
libertad (g.l.) se calculan segn la frmula g.l. = (3-1) (4-1) = 6. Por
ltimo, para realizar el test de 2 los valores que toman los niveles de
las variables deben cumplir una serie de condiciones numricas; como
norma general, se exigir que el 80% de las celdas en una tabla de
contingencia tengan valores esperados mayores de 5. As, en una tabla
de dos por dos ser necesario que todas las celdas verifiquen esta
condicin; en caso contrario, se deben aplicar herramientas estadsticas
tales como el test exacto de Fisher, cuya explicacin excede el propsito
de esta publicacin3,5.
Existen numerosos programas computacionales capaces de realizar el
test de 2, sin embargo, su clculo es til solamente cuando lo realiza
un investigador familiarizado con su significado estadstico e
interpretacin. El presente artculo abord aspectos generales
relacionados a este test, siendo necesario para una comprensin ms
acabada del mismo el estudio personal de estos conceptos en mayor
profundidad. Un buen punto de partida es construir tablas de
contingencia a partir de los datos reportados en artculos de
investigacin, calcular el valor del estadstico 2 para cada una de ellas
y determinar su significancia estadstica. Esta prctica seguramente
aportar al lector una mejor comprensin de los resultados del estudio.

4. Utilizando una tabla de doble entrada, sealar

SIMILITUDES y DIFERENCIAS que hay entre :
a. La Prueba T Student para muestras independientes y la
prueba U de Mann-Whitney

las

b. La Prueba F de anlisis de varianza de una va (Anova) y la

prueba de anlisis de varianza de Kruskall-wallis (H)
c. La prueba R de Pearson y la prueba rho de Spearman
d. La prueba t de Student para muestras relacionadas y la
prueba t de Wilcoxon para muestras relacionadas

SIMILITUDES

T STUDENT
muestras
independiente.

Tienen el mismo
objetivo el de
comparar

U DE MANN-WHITNEY

LA PRUEBA F ( ANOVA )
LA PRUEBA DE
KRUSKALL- WALLS

Ambas comparan
variables

DIFERENCIAS

La prueba T Student;
estadstica paramtrica es
mas terica y
La Whitney es mas prctica
y no tiene muchos clculos
en comparacin con la t
-Student.
Tienen clculos diferentes.

El ANOVA (y t-test) es una

prueba de igualdad de
medias de los valores.
El Kruskal-Wallis (y MannWhitney) se pueden ver
tcnicamente como una
comparacin de las
medias filas.
El anlisis de varianza es un
enfoque paramtrico
mientras Kruskal.
Test es un enfoque no
paramtrico.

PRUEBA DE R DE
PEARSON
PRUEBA RHO DE
SPEARMAN

T DE STUDENT
muestras relacionadas
T DE WILCOXON
muestras relacionadas

Miden la relacin
lineal entre
dos variables
aleatorias cuantitati
vas

Ambas son
comparativas.

La de Pearson se usa
cuando los datos se miden
en escalas de razn o
proporcin, por ejemplo:
estaturas, edades, dinero.
La de Spearman se usa
cuando los datos son rangos
que miden el orden en que
los datos quedan, por
ejemplo> calificacin de un
servicio de 1 a 10

La prueba t Student es
paramtrica y la prueba
t Wilcoxon es no
paramtrica.

10