ANÁLISIS ESTADÍSTICOS DE LOS

RESULTADOS EN LOS DIFERENTES NIVELES

DE INVESTIGACION

Dr. José Luis Soto Velásquez

Junio, 2019
 Contenido
1.- Métodos estadísticos “La cajita de la
estadística”

2.- Los 7 criterios para elegir un método

estadístico

3.- Análisis estadístico del nivel Descriptivo

4.- Análisis estadístico del nivel Relacional

5.- Análisis estadístico del nivel Experimental

Disertante: Dr. José Luis Soto Velásquez
 𝑍2 ∗ 𝑝 ∗ 𝑞 ∗ 𝑁
𝑛= 2
𝑑 ∗ 𝑁 − 1 + 𝑍2 ∗ 𝑝 ∗ 𝑞
Tamaño muestral para poblaciones finitas

Media o Promedio

Dispersión de Nubes y puntos

Desviación estándar

Histograma

y    x
Chi-cuadrado Regresión Lineal

s
cv  *100
T de Student para comparar dos grupos
x
Distribución Normal Coeficiente de Variación
 Su uso depende:

Lo que quiera De la intensión del

preparar la persona investigador
 MÉTODO ESTADÍSTICO
¿Qué es la estadística?

Conjunto de
HERRAMIENTAS

COLECTAR ANALIZAR
datos datos
 MÉTODO ESTADÍSTICO
• “Cajita” de la estadística con 2 compartimientos

RESUMIR GENERALIZAR
 MÉTODO ESTADÍSTICO
• “Cajita” de la estadística con 3 compartimientos

RESUMIR GENERALIZAR
 MÉTODO ESTADÍSTICO
• “Cajita” de la estadística , según el NÚMERO DE VARIABLES con 9 compartimientos
D E
Univariable o 1 variable S
E T
Unidimensional I
S M
(1 variable) 2 variables A
C C
I
R bivariable o P variables Ó
N
I Bidimensional T
E
P (2 variables) 1 variable S
T

T H

multivariable o 2 variables I
P
I O
multidimensional T
V E
(P variables) P variables S
I
A S
 MÉTODO ESTADÍSTICO
• “Cajita” de la estadística , según LA ESCALA DE MEDICIÓN DE LAS VARIABLES con 24 compartimientos
D 1 UNIVARIABLE E
1 UNIVARIABLE 9 10
S
E CUANTI CUALI T
CUANTI CUALI I
S M
11 12 13 A
C
1 2 CUANTI MIXTO CUALI C
P MULTIVARIANTE I
Ó
R
2 BIVARIABLE 14 15 16 N
CUANTI MIXTO CUALI
I T
CUANTI MIXTO CUALI 1 UNIVARIABLE E
P S

3 4 5 CUANTI
17 18 CUALI
T

T 2 BIVARIABLE H
I
P MULTIVARIANTE 19 20 21 P
I O
CUANTI MIXTO CUALI T
CUANTI MIXTO CUALI
V P MULTIVARIANTE E
S

A 6 7 8 22 23 24 I
CUANTI CUALI S
MIXTO
Análisis de la ESTADISTICA DESCRIPTIVA de los datos
1 2 P
TIPO DE VARIABLES
VARIABLE VARIABLE VARIABLE
• Gráficas: Histogramas,
• Diagrama de Dispersión
Box Plot.
• Coeficiente de • Análisis de los
• Estadígrafos: Medidas de
correlación de Pearson componentes
tendencia central, Medidas
• Regresión lineal y no principales
CUANTITATIVOS de dispersión, Medidas de
lineal • Análisis Factorial de
Posición, Medidas de
• Coeficiente de Correspondencia
Orden (Coeficientes de
determinación • Correlación canónica
asimetría y Curtosis de
• Varianza residuales
Fisher)
• Distribución de
• Diagrama de barra, de
frecuencia bidimensional
sectores
(Tablas de contingencia) • Análisis Factorial de
• Distribución de
CUALITATIVOS • Coeficiente de Correspondencia
frecuencia (Tablas de
correlación Spearman • Modelo log-lineal
frecuencia)
• Coeficiente de
• Moda
contingencia

• Box Plot
• Diagrama de error • Regresión múltiple
MIXTOS NO CORRESPONDE
• Coeficiente biserial de • Regresión Logística
punto
Análisis de la INFERENCIA ESTADISTICA: ESTIMACIÓN
1 2 P
TIPO DE VARIABLE
VARIABLE VARIABLE VARIABLE
• Intervalo de confianza de • Estimación de los
• Intervalo de confianza de un coeficiente de coeficientes de regresión
un promedio. correlación múltiple
CUANTITATIVOS • Intervalo de confianza de • Intervalo de confianza de • Estimación de los
una varianza un coeficiente de coeficientes de correlación
regresión parcial

• Estimación de los
• Estimación del
coeficientes del modelo
coeficiente de
Log-lineal
• Intervalo de confianza contingencia
CUALITATIVOS • Estimación de los
de una proporción • Estimación del
coeficientes de
coeficiente Spearman
contingencia parciales

• Estimación de los • Estimación de los

MIXTOS NO CORRESPONDE coeficientes de la coeficientes del Análisis
regresión logística lineal Discriminante decisional
Análisis de la INFERENCIA ESTADISTICA: TEST DE HIPÓTESIS
1 2 P
TIPO DE VARIABLE
VARIABLE VARIABLE VARIABLE
• Correlación de Pearson, Correlación • Test de significación de los
de Spearman, Coeficiente de coeficientes de correlación
• Test de Student para una Correlación Rho de Spearman canónica
CUANTITATIVOS muestra • t de Student para muestras • Test de conformidad de los
relacionadas, Wilcoxon coeficientes de regresión
• ANOVA para medidas repetidas, múltiple
ANOVA de Friedman
• X2 de Homogeneidad, X2 de
Independencia, coeficiente de
contingencia, Índice Kappa de • Test de significación de los
Cohen coeficientes del modelo Log
• U Mann-Whitney, Test exacto de Lineal
• X2 Chi-Cuadrado de Bondad
CUALITATIVOS Fisher, Riesgo • Test de significación del
de ajuste
• Correlación de Spearman, Tau b y c modelo de Análisis Factorial de
de Kendall Correspondencia
• ANOVA de Kruskal-Wallis,
ANOVA de Friedman
X2 de McNemar, Q de Cochran
• t de Student para muestras
independientes, U Mann-Whitney
• Correlación de Spearman,
Coeficiente de Correlación Rho de
MIXTOS NO CORRESPONDE Spearman, Eta • MANOVA
• ANOVA con un factor INTERsujetos,
ANOVA de Kruskal-Wallis, ANOVA de
Friedman
Criterios para elegir un método estadístico
1. Resultados esperados

2. Número de Variables
3. Escala de medición de las variables

4. Condiciones de aplicación
5. Tipo de investigación
6. Objetivo estadístico
7. El comportamiento de los datos

MÉTODO ESTADÍSTICO
 Criterios para elegir un método estadístico:

1. Resultados esperados

• Problema - Objetivos – Resultados Esperados (Ri)

• Necesidad de información

RESUMIR GENERALIZAR
El proceso se inicia planteando a Ri la sgte. pregunta: ¿Usted quiere resumir o generalizar?
 Criterios para elegir un método estadístico:

2. Número de Variables

Se plantea la sgte. pregunta: ¿Cuántas variables trabajan con usted?

D E
Univariable o 1 variable S
E T
Unidimensional I
S M
(1 variable) 2 variables A
C C
I
R bivariable o P variables Ó
N
I Bidimensional T
E
P (2 variables) 1 variable S
T

T H

multivariable o 2 variables I
P
I O
multidimensional T
V E
(P variables) P variables S
I
A S
 Criterios para elegir un método estadístico:

3. Escala de medición de las Variables

Se plantea la sgte. pregunta: ¿Cómo han sido medidas las variables?

Dicotómicas

Nominales
CUALI
Politómicas
Categóricas

Ordinales
Variables

Discretas
CUANTI
Numéricas

Continuas
 Criterios para elegir un método estadístico:

3. Escala de medición de las Variables

Se plantea la sgte. pregunta: ¿Cómo han sido medidas las variables?

D 1 UNIVARIABLE E
1 UNIVARIABLE S
E CUANTI
9 10 CUALI T
CUANTI CUALI I
S M
11 12 13 A
C
1 2 CUANTI MIXTO CUALI C
P MULTIVARIANTE I
Ó
R
2 BIVARIABLE 14 15 16 N
CUANTI MIXTO CUALI
I T
CUANTI MIXTO CUALI 1 UNIVARIABLE E
P S

3 4 5 CUANTI
17 18 CUALI
T

T 2 BIVARIABLE H
I
P MULTIVARIANTE 19 20 21 P
I O
CUANTI MIXTO CUALI T
CUANTI MIXTO CUALI
V P MULTIVARIANTE E
S

A 6 7 8 22 23 24 I
CUANTI CUALI S
MIXTO
 Criterios para elegir un método estadístico:

4. Condiciones de aplicación

Se plantea la sgte. pregunta: ¿Usted quiere Estimar o realizar un Test de hipótesis?

RESUMIR GENERALIZAR
 Criterios para elegir un método estadístico:

5. Tipos de investigación

Según el número de VARIABLES de interés (analíticas)

Aplicativo Mejorar El análisis estadístico por lo menos es

Analítico
bivariado; aquí se plantean y ponen a prueba
Predictivo Predecir hipótesis, su nivel más básico propone la
asociación entre factores.

Explicativo Causalidad

Relacional Bivariado
El análisis estadístico es univariado porque solo

Descriptivo
determina condiciones, estima los parámetros
Descriptivo Univariado
de la población a partir de una muestra o
describe sus características.
Exploratorio
 Criterios para elegir un método estadístico:

5. Tipos de investigación

Según el número de MEDICIONES de la variable de estudio

Transversal Longitudinal

Las variables son medidas en una sola ocasión; La variable de estudio es medida en dos o más
el tiempo que ello tome es indiferente, las ocasiones; se trata de estudios de seguimiento,
comparaciones son entre grupos (muestras las comparaciones son entre medidas
independientes). (muestras repetidas o relacionadas).
 6. Objetivo estadístico
Según el número de VARIABLES de interés (analíticas)

COMPARAR UN GRUPOS

COMPARAR DOS GRUPOS COMPARAR DOS MEDIDAS

ASOCIACIÓN/CORRELACIÓN

Medidas o Fuerza de:

ASOCIACIÓN/CORRELACIÓN

COMPARAR MÁS DE DOS GRUPOS COMPARAR MÁS DE DOS MEDIDAS

6. Objetivo estadístico

COMPARAR UN GRUPOS

Obesidad en una
población de estudio
 6. Objetivo estadístico

COMPARAR DOS GRUPOS

Pruebas Paramétricas Pruebas No Paramétricas Pruebas No Paramétricas: Dicotómicas y Politómicas

T Student para muestras independiente U Mann-Whitney X2 de Homogeneidad
Corrección de Yates
Test exacto de Fisher
 6. Objetivo estadístico

COMPARAR DOS GRUPOS

Pruebas Paramétricas Pruebas No Paramétricas Pruebas No Paramétricas: Dicotómicas y Politómicas

T Student para muestras independiente U Mann-Whitney X2 de Homogeneidad
Corrección de Yates
Test exacto de Fisher
 6. Objetivo estadístico

COMPARAR DOS GRUPOS

Pruebas Paramétricas Pruebas No Paramétricas Pruebas No Paramétricas: Dicotómicas y Politómicas

T Student para muestras independiente U Mann-Whitney X2 de Homogeneidad
Corrección de Yates
Test exacto de Fisher
 6. Objetivo estadístico

COMPARAR DOS GRUPOS

Pruebas Paramétricas Pruebas No Paramétricas Pruebas No Paramétricas: Dicotómicas y Politómicas

T Student para muestras independiente U Mann-Whitney X2 de Homogeneidad
Corrección de Yates
Test exacto de Fisher
6. Objetivo estadístico

Comparar Dos MEDIDAS

Antes = Pre Después = Post

Pruebas Paramétricas
T Student para muestras relacionadas
Pruebas No Paramétricas:
Pruebas No Paramétricas Dicotómicas: X2 de McNemar
Prueba de Wilcoxon Politómicas: Q de Cochran
6. Objetivo estadístico

Asociación
Variables CATEGÓRICAS No Paramétrica: X2 de

o
Independencia

Correlación
Variables NUMÉRICAS Paramétrica: Pearson
No Paramétrica: Spearman
6. Objetivo estadístico

Medidas o Fuerza de Correlación/Asociación

Si existe CORRELACIÓN (P < 0,05) Si existe ASOCIACIÓN (P < 0,05)

RIESGO
Coeficiente de correlación R Pearson o Rho Spearman:
Muy baja Baja Moderada Buena Alta

Odds Ratio OR
0,2 0,4 0,6 0,8 1,0 Riesgo Relativo RR
6. Objetivo estadístico: COMPARAR

A n á l i s i s d e l a Va r i a n za

ANOVA
ANOVA con un factor INTER-sujetos y pruebas Post Hot ,
ANOVA de Kruskal-Wallis,
X2 Chi-cuadrado de Homogeneidad
6. Objetivo estadístico: COMPARAR A n á l i s i s d e l a Va r i a n za

ANOVA
MAS DE DOS MEDIDAS ANOVA con un factor INTRA-sujetos y
Comparación por pares, ANOVA de Friedman,
Q de Cochran
 Criterios para elegir un método estadístico:

7. El comportamiento de los datos

Las Variables numéricas: Si cumplen el supuesto de normalidad (Pruebas paramétricas), si
No cumplen el supuesto de normalidad (Pruebas No paramétricas).
Distribución Normal o
Campana de Gauss

P ≥ 0,05: Acepta Ho
95% P < 0,05: Acepta H1

5% = 0,05
2,5% 2,5%
-3σ -2σ -1σ μ +1σ +2σ +3σ
Media = μ Desv. estándar = σ
 Criterios para elegir un método estadístico:

7. El comportamiento de los datos

Si cumplen el supuesto de normalidad (Pruebas paramétricas), si No cumplen el supuesto

de normalidad (Pruebas No paramétricas).
Tipo VARIABLES CATEGÓRICAS VARIABLES NUMÉRICAS
Naturaleza CUALITATIVAS CUANTITATIVAS
Clasificación de Nominal
Escala Dicotómicas Ordinal Discretas Continuas (ALEATORIAS)
Observaciones Pruebas noPolitómicas
paramétricas Pruebas para determinar la Normalidad (Distribución normal)
Las variables categóricas no se ajustan a una distribución normal a) Test de Shapiro-Wilk: Se utiliza cuando el tamaño de la muestra es
menor de 50.
b) Prueba de Kolmogórov-Smirnov: Se utiliza cuando el tamaño de la
muestra es igual o mayor de 50.
c) Prueba de Kolmogórov-Smirnov Lilliefors: Corrige la prueba de K-S
con el límite máximo de significancia de 0,2.

Si P > 0,05: Se acepta Ho: Si se ajusta a la distribución normal: Prueba

PARAMETRICAS.
Si P < 0,05: Se acepta H1: No se ajusta a la distribución normal:
Prueba NO PARAMETRICA
 ESTADÍSTICA
Niveles de Investigación 06 Aplicativo
Tratamiento

05 Predictivo
Pronóstico

04 Explicativo
Causalidad

03 Relacional
Bivariado

02 Descriptivo Univariado

01 Exploratorio
02
02 Descriptivo
Univariado
Ejemplo de algunos TEMAS:
Hábitos alimentarios pH glucemia
Obesidad Frecuencia de consumo de alimentos
Composición corporal Perímetro
Perfil lipídico
Kilocalorías Evaluación del Estado Nutricional

Anemia en embarazadas Desnutrición en menores de 5 años

Lactancia y alimentación complementaria Pliegues

Micronutrientes
% de Grasa Diagnóstico de necesidades
Sedentarismo Diabetes
Hipertensión arterial
02 Descriptivo
Univariado
Ejemplo de algunos TEMAS:
Variables Numéricas Variables Categóricas

Perfil lipídico Micronutrientes

glucemia Hábitos alimentarios
Kilocalorías Lactancia y alimentación complementaria
Composición corporal Diagnóstico de necesidades
Frecuencia de consumo de alimentos
pH
Evaluación del Estado Nutricional
% de Grasa
Obesidad
Peso Desnutrición en menores de 5 años
Talla Anemia en embarazadas
Perímetro Diabetes
Pliegues Hipertensión arterial
IMC Sedentarismo
02 Descriptivo
Univariado

Variables Numéricas Variables Categóricas

Micronutrientes
Hábitos alimentarios
Lactancia y alimentación complementaria
Diagnóstico de necesidades
Frecuencia de consumo de alimentos
Peso /(Talla)2 = IMC
Estado Nutricional
Peso /(Talla)2 = IMC
Obesidad
Peso/Edad; Talla/Edad; Peso/Talla
Desnutrición en menores de 5 años
Hemoglobina g/dl
Anemia en embarazadas
Curva de tolerancia a la Glucosa mg/dl
Diabetes
Presión arterial mmHg
Hipertensión arterial
02 Descriptivo
Univariado

Variables Categóricas
Micronutrientes
Hábitos alimentarios
Cuali-Nominal-Politómicas
Lactancia y alimentación complementaria
Diagnóstico de necesidades
Cuali-Ordinal Frecuencia de consumo de alimentos
Cuali-Ordinal
Estado Nutricional
Cuali-Dicotómica
Obesidad
Cuali-Ordinal Desnutrición en menores de 5 años
Cuali-Dicotómica Anemia en embarazadas
Cuali-Dicotómica Diabetes
Cuali-Dicotómica
Hipertensión arterial
 Descriptivo
Univariado

¿Cómo elegir un método estadístico?

RESULTADOS METODO D 1 UNIVARIABLE E
VARIABLES
ESPERADOS ESTADÍSTICO 1 UNIVARIABLE 9 10
S
E CUANTI CUALI T
R1: Hábitos X1: Hábitos
CUANTI CUALI I
alimentarios alimentarios ¿? M
S
(Cuali-Politómica) 11 12 13 A
R2: Estado Estado Nutricional C
1 2 CUANTI MIXTO CUALI C
¿? P MULTIVARIANTE I
Nutricional (Cuali-Ordinal)
Ó
R
2 BIVARIABLE 14 15 16 N
CUANTI MIXTO CUALI
R3: Colesterol Colesterol total I T
CUANTI MIXTO CUALI 1 UNIVARIABLE
total (Cuanti-Continua) ¿? E
P S

3 4 5 17 18 T
CUANTI CUALI
R4: HTA Hipertensión T 2 BIVARIABLE H
(Cuali-Dicotómica) ¿? P MULTIVARIANTE I
I 19 20 21 P
O
CUANTI MIXTO CUALI T
CUANTI MIXTO CUALI
R5: Obesidad Obesidad V P MULTIVARIANTE E
(Cuali-Dicotómica) ¿? S

A 6 7 8 22 23 24 I
CUANTI CUALI S
MIXTO

RESUMIR GENERALIZAR
 Descriptivo
Univariado
RESULTADOS
VARIABLES
METODO R1: HÁBITOS ALIMENTARIOS
ESPERADOS ESTADÍSTICO
R1: Hábitos X1: Hábitos
alimentarios alimentarios ¿? 1. ¿Usted quiere resumir o generalizar?
(Cuali-Politómica) R1 responde: Tengo interés de resumir. Entonces corresponde el
D 1 UNIVARIABLE E compartimiento de la mano izquierda de la “cajita”
1 UNIVARIABLE 9 10
S
E CUANTI CUALI T

2. ¿Cuántas variables trabajan con usted?

CUANTI CUALI I
S M
11 12 13 A
1 2 CUANTI MIXTO CUALI
R1 responde: una variables. Entonces seleccionamos el compartimiento
C C
P MULTIVARIANTE I
Ó
R
2 BIVARIABLE 14 15 16
I
CUANTI MIXTO CUALI
N
de herramientas univariado.
T
CUANTI MIXTO CUALI 1 UNIVARIABLE E
P S
17 18
5
3. ¿Cómo han sido medidas las variables?
T
3 4 CUANTI CUALI
T 2 BIVARIABLE H
I
P MULTIVARIANTE 19 20 21
X1: responde: variable Cualitativa- Nominal Politómica
P
I O
CUANTI MIXTO CUALI T
CUANTI MIXTO CUALI
V P MULTIVARIANTE E
S

A 6 7 8 22 23 24 I
CUANTI CUALI S
MIXTO

Cuali: Entonces el método estadístico para poder responder de

RESUMIR GENERALIZAR manera efectiva a R1 se encuentra en el compartimiento 2.
Análisis de la ESTADISTICA DESCRIPTIVA de los datos
1 2 P
TIPO DE VARIABLES
VARIABLE VARIABLE VARIABLE
• Gráficas: Histogramas,
• Diagrama de Dispersión
Box Plot.
• Coeficiente de • Análisis de los
• Estadígrafos: Medidas de
correlación de Pearson componentes
tendencia central, Medidas
• Regresión lineal y no principales
CUANTITATIVOS de dispersión, Medidas de
lineal • Análisis Factorial de
Posición, Medidas de
• Coeficiente de Correspondencia
Orden (Coeficientes de
determinación • Correlación canónica
asimetría y curtosis de
• Varianza residuales
Fisher)
• Distribución de
• Diagrama de barra, de
frecuencia bidimensional
sectores
(Tablas de contingencia) • Análisis Factorial de
• Distribución de
CUALITATIVOS • Coeficiente de Correspondencia
frecuencia (Tablas de
correlación Spearman • Modelo log-lineal
frecuencia)
• Coeficiente de
• Moda
contingencia

• Box Plot
• Diagrama de error • Regresión múltiple
MIXTOS NO CORRESPONDE
• Coeficiente biserial de • Regresión Logística
punto
Análisis de la ESTADISTICA DESCRIPTIVA de los datos
Lugar de almuerzo
Tablas de frecuencia Diagrama de sectores
Frecuencia (n) Porcentajes (%) 6%
Lugar de almuerzo Lugar de almuerzo Casa
10%
Casa 169 77,5

Mercado 14 6,4 6% Lugar de almuerzo Mercado

Pensión 22 10,1 Lugar de almuerzo Pensión

En el trabajo 13 6,0
Lugar de almuerzo En el
Total 218 100,0 78% trabajo

Tablas de frecuencia Gráfico de barras

Consumo de bebidas
Consumo de Frecuencia (n) Porcentajes (%) 35 33
bebida
30 26
Gaseosas 37 17,0
25 22

Porcentaje (%)
Jugos Embotellados 48 22,0 20 17
Bebida hipertónicas 5 2,3 15

10
Agua 57 26,1
5 2
Refresco 71 32,6 0
Gaseosas Jugos Bebida Agua Refresco
Total 218 100,0 Embotellados hipertónicas
Consumo de bebida
 Descriptivo
Univariado

RESULTADOS METODO R2: ESTADO NUTRICIONAL

VARIABLES
ESPERADOS ESTADÍSTICO

R2: Estado X2: Estado Nutricional 1. ¿Usted quiere resumir o generalizar?

Nutricional (Cuali-Ordinal) ¿?
R2 responde: Tengo interés de resumir. Entonces corresponde el
D 1 UNIVARIABLE E compartimiento de la mano izquierda de la “cajita”
1 UNIVARIABLE 9 10
S
E CUANTI CUALI T

2. ¿Cuántas variables trabajan con usted?

CUANTI CUALI I
S M
11 12 13 A
1 2 CUANTI MIXTO CUALI
R1 responde: una variables. Entonces seleccionamos el compartimiento
C C
P MULTIVARIANTE I
Ó
R
2 BIVARIABLE 14 15 16
I
CUANTI MIXTO CUALI
N
de herramientas univariado.
T
CUANTI MIXTO CUALI 1 UNIVARIABLE E
P S
17 18
5
3. ¿Cómo han sido medidas las variables?
T
3 4 CUANTI CUALI
T 2 BIVARIABLE H
I
P MULTIVARIANTE 19 20 21
X2: responde: variable Cualitativa- Ordinal
P
I O
CUANTI MIXTO CUALI T
CUANTI MIXTO CUALI
V P MULTIVARIANTE E
S

A 6 7 8 22 23 24 I
CUANTI CUALI S
MIXTO

Cuali: Entonces el método estadístico para poder responder de

RESUMIR GENERALIZAR manera efectiva a R2 se encuentra en el compartimiento 2.
Análisis de la ESTADISTICA DESCRIPTIVA de los datos
1 2 P
TIPO DE VARIABLES
VARIABLE VARIABLE VARIABLE
• Gráficas: Histogramas,
• Diagrama de Dispersión
Box Plot.
• Coeficiente de • Análisis de los
• Estadígrafos: Medidas de
correlación de Pearson componentes
tendencia central, Medidas
• Regresión lineal y no principales
CUANTITATIVOS de dispersión, Medidas de
lineal • Análisis Factorial de
Posición, Medidas de
• Coeficiente de Correspondencia
Orden (Coeficientes de
determinación • Correlación canónica
asimetría y curtosis de
• Varianza residuales
Fisher)
• Distribución de
• Diagrama de barra, de
frecuencia bidimensional
sectores
(Tablas de contingencia) • Análisis Factorial de
• Distribución de
CUALITATIVOS • Coeficiente de Correspondencia
frecuencia (Tablas de
correlación Spearman • Modelo log-lineal
frecuencia)
• Coeficiente de
• Moda
contingencia

• Box Plot
• Diagrama de error • Regresión múltiple
MIXTOS NO CORRESPONDE
• Coeficiente biserial de • Regresión Logística
punto
Análisis de la ESTADISTICA DESCRIPTIVA de los datos
Tabla N° 2.- Distribución del Estado Nutricional (Población, lugar y tiempo)
Frecuencia Porcentaje
Estado Nutricional
(n) (%) Tablas de frecuencia
Desnutrición 16 7
Normal (Eutrófico) 126 57
Sobrepeso 65 29
Obesidad 12 5
Obesidad mórbida 4 2
Total 223 100
Fuente.- Elaboración propia, 2018.

Grafico N° 2.- Distribución del Estado Nutricional (Población, lugar y tiempo)

Estado Nutricional
60% 57%

50% Gráfico de barras

Porcentaje (%)

40%
29%
30%

20%

10% 7% 5%
2%
0%
Desnutrición Normal Sobrepeso Obesidad Obesidad
(Eutrófico) mórbida

Interpretación:
 Descriptivo
Univariado
RESULTADOS
VARIABLES
METODO R3: COLESTEROL TOTAL
ESPERADOS ESTADÍSTICO
R3: Colesterol X3: Colesterol total
total (Cuanti-Continua) ¿? 1. ¿Usted quiere resumir o generalizar?
R3 responde: Tengo interés de resumir. Entonces corresponde el
D 1 UNIVARIABLE E compartimiento de la mano izquierda de la “cajita”
1 UNIVARIABLE 9 10
S
E CUANTI CUALI T

2. ¿Cuántas variables trabajan con usted?

CUANTI CUALI I
S M
11 12 13 A
1 2 CUANTI MIXTO CUALI
R1 responde: una variables. Entonces seleccionamos el compartimiento
C C
P MULTIVARIANTE I
Ó
R
2 BIVARIABLE 14 15 16
I
CUANTI MIXTO CUALI
N
de herramientas univariado.
T
CUANTI MIXTO CUALI 1 UNIVARIABLE E
P S
17 18
5
3. ¿Cómo han sido medidas las variables?
T
3 4 CUANTI CUALI
T 2 BIVARIABLE H
I
P MULTIVARIANTE 19 20 21
X3: responde: variable Cuantitativa- Continua
P
I O
CUANTI MIXTO CUALI T
CUANTI MIXTO CUALI
V P MULTIVARIANTE E
S

A 6 7 8 22 23 24 I
CUANTI CUALI S
MIXTO

Cuanti: Entonces el método estadístico para poder responder de

RESUMIR GENERALIZAR manera efectiva a R3 se encuentra en el compartimiento 1.
Análisis de la ESTADISTICA DESCRIPTIVA de los datos
1 2 P
TIPO DE VARIABLES
VARIABLE VARIABLE VARIABLE
• Gráficas: Histogramas,
• Diagrama de Dispersión
Box Plot.
• Coeficiente de • Análisis de los
• Estadígrafos: Medidas de
correlación de Pearson componentes
tendencia central, Medidas
• Regresión lineal y no principales
CUANTITATIVOS de dispersión, Medidas de
lineal • Análisis Factorial de
Posición, Medidas de
• Coeficiente de Correspondencia
Orden (Coeficientes de
determinación • Correlación canónica
asimetría y Curtosis de
• Varianza residuales
Fisher)
• Distribución de
• Diagrama de barra, de
frecuencia bidimensional
sectores
(Tablas de contingencia) • Análisis Factorial de
• Distribución de
CUALITATIVOS • Coeficiente de Correspondencia
frecuencia (Tablas de
correlación Spearman • Modelo log-lineal
frecuencia)
• Coeficiente de
• Moda
contingencia

• Box Plot
• Diagrama de error • Regresión múltiple
MIXTOS NO CORRESPONDE
• Coeficiente biserial de • Regresión Logística
punto
Análisis de la ESTADISTICA DESCRIPTIVA de los datos
Tabla N° 3.- Medidas de tendencia Central y de dispersión Grafico N° 3.- Histograma “Colesterol total mg/dl
“Colesterol total mg/dl” (Población, lugar y tiempo) (Población, lugar y tiempo)

Estadísticos Colesterol mg/dl

192,37
Media =
186,00
Mediana =
129
Moda =
321
Rango =
59,426
Desviación Estándar =
3531,459
La varianza =
30,9%
Coeficiente de Variación (%) =
4,025
Error estándar =

Fuente.- Elaboración propia, 2018.

Interpretación:
 Análisis de la ESTADISTICA DESCRIPTIVA de los datos
Tabla N° 4.- Medidas de Posición: Cuantiles de Grafico N° 4.- Diagrama de Caja y bigotes de
“Colesterol total mg/dl” (Población, lugar y tiempo) “Colesterol total mg/dl (Población, lugar y tiempo)

Percentiles: Cuartiles: Deciles:

116,00 159,00
p5= D3=
155,00 155,00 170,00
p25= Q1= D4=
186,00 186,00 186,00
p50= Q2= D5=
212,00 212,00 194,40
p75= Q3= D6=
311,15 210,00
p95= D7=
Fuente.- Elaboración propia, 2018.

Interpretación:
 Variable numérica transformada a Variable categórica
Tabla N° 3.- Distribución de los valores de “Colesterol total” (Población, lugar y tiempo)
Frecuencia Porcentaje
Colesterol total
(n) (%)
Aceptable 11 22
Riesgo Moderado 13 26
Riesgo Alto 26 52
Total 50 100

Fuente.- Elaboración propia, 2018.

Grafico N° 3.- Distribución de los valores de “Colesterol total” (Población, lugar y tiempo)

El análisis estadístico se debe Interpretación:

realizar con la Variable numérica
 Descriptivo
Univariado
RESULTADOS METODO
ESPERADOS
VARIABLES
ESTADÍSTICO R4: HIPERTENSIÓN ARTERIAL
R4: X4: Hipertensión
Hipertensión (Cuali-Dicotómica) ¿? 1. R4: ¿Usted quiere resumir o generalizar?
Arterial R4 responde: Generalizar. Mano derecha de la “cajita”

D
1 UNIVARIABLE
1 UNIVARIABLE E
S
2. N° de Variables: ¿Cuántas variables trabajan con usted?
9 10 T
E
CUANTI CUALI
CUANTI CUALI
I R1 responde: una variables - univariado.
S M
11 12 13 A
C
1 2 CUANTI MIXTO
P MULTIVARIANTE
CUALI C
I
3. Escala de medición de las variables: ¿Cómo han sido medidas las
Ó
14 15 16 variables?
R
2 BIVARIABLE CUANTI CUALI
N
MIXTO
I T

P
CUANTI MIXTO CUALI 1 UNIVARIABLE E
S
X4: responde: variable Cualitativa- Nominal Dicotómica
3 4 5 17 18 T

4. Condiciones de aplicación: ¿Usted quiere Estimar o realizar un Test de

CUANTI CUALI
T 2 BIVARIABLE H
I
P MULTIVARIANTE 19 20 21 P

hipótesis?
I O
CUANTI MIXTO CUALI T
CUANTI MIXTO CUALI
V P MULTIVARIANTE E

X4: responde: Estimar

S

A 6 7 8 22 23 24 I
CUANTI CUALI S
MIXTO

RESUMIR GENERALIZAR Cuali: Entonces el método estadístico para poder responder de manera
efectiva a R4 se encuentra en el compartimiento 10.
Análisis de la INFERENCIA ESTADISTICA: ESTIMACIÓN
1 2 P
TIPO DE VARIABLE
VARIABLE VARIABLE VARIABLE
• Intervalo de confianza de • Estimación de los
• Intervalo de confianza de un coeficiente de coeficientes de regresión
un promedio. correlación múltiple
CUANTITATIVOS • Intervalo de confianza de • Intervalo de confianza de • Estimación de los
una varianza un coeficiente de coeficientes de correlación
regresión parcial

• Estimación de los
• Estimación del
coeficientes del modelo
coeficiente de
Log-lineal
• Intervalo de confianza contingencia
CUALITATIVOS • Estimación de los
de una proporción • Estimación del
coeficientes de
coeficiente Spearman
contingencia parciales

• Estimación de los • Estimación de los

MIXTOS NO CORRESPONDE coeficientes de la coeficientes del Análisis
regresión logística lineal Discriminante decisional
 Análisis de la INFERENCIA ESTADISTICA: ESTIMACIÓN

Tabla N° 4.- Intervalos de confianza para la PREVALENCIA DE HTA (95%)

Error
Muestra Prevalencia 1-Prevalencia Intervalos de confianza 95%
Estándar EE
Límite Límite
Parámetros n p q inferior superior

HTA 134 0,3731 0,6269 0,0418 0,2912 0,4550

Fuente.- Elaboración propia, 2018
IC  Pr evalencia  1,96 * EE
Intervalos de confianza para la prevalencia 95%:

37,31%
29,12% 45,50%
Límite Prevalencia Límite
Inferior LI HTA Superior LS
Análisis de la INFERENCIA ESTADISTICA: ESTIMACIÓN
Tabla N° 1.- Distribución de la Hipertensión arterial (Población, lugar y tiempo)
Hipertensión Frecuencia Porcentaje
arterial (n) (%)
Si 50 37,31
No 84 62,69
Total 134 100,00
Fuente.- Elaboración propia, 2018.

Grafico N° 1.- Distribución de la Hipertensión arterial (Población, lugar y tiempo)

No HTA
Si HTA
62,69% 37,31%

La Interpretación:
En el presente estudio la prevalencia de Hipertensión arterial fue del 37,31%, cuyos Intervalos de
Confianza al 95% se estima entre (29,12;45,50) %.
 Descriptivo
Univariado
RESULTADOS
VARIABLES
METODO R5: OBESIDAD
ESPERADOS ESTADÍSTICO
R5: Obesidad Obesidad
(Cuali-Dicotómica) ¿? 1. R5: ¿Usted quiere resumir o generalizar?
R1 responde: Generalizar. Mano derecha de la “cajita”

D 1 UNIVARIABLE E
1 UNIVARIABLE
2. N° de Variables: ¿Cuántas variables trabajan con usted?
S
E CUANTI
9 10 CUALI T
CUANTI CUALI I
S
11 12 13
M
A
R5 responde: una variables - univariado.
C
1 2 CUANTI MIXTO CUALI C
P MULTIVARIANTE I
Ó
R
2 BIVARIABLE 14
CUANTI
15
MIXTO
16
CUALI
N 3. Escala de medición de las variables: ¿Cómo han sido medidas las
I T

P
CUANTI MIXTO CUALI 1 UNIVARIABLE E
S variables?
3 4 5 17 18 T

X5: responde: variable Cualitativa- Nominal- Dicotómica

CUANTI CUALI
T 2 BIVARIABLE H
I
P MULTIVARIANTE 19 20 21 P
I O
CUANTI MIXTO CUALI T
CUANTI MIXTO CUALI
V
22
P MULTIVARIANTE
23 24
E
S
I
4. Condiciones de aplicación: ¿Usted quiere Estimar o realizar un Test de
A 6 7 8 S
hipótesis? R5 responde: Test de Hipótesis
CUANTI MIXTO CUALI

RESUMIR GENERALIZAR
Cuali: Entonces el método estadístico para poder responder de
manera efectiva a R5 se encuentra en el compartimiento 18.
Análisis de la INFERENCIA ESTADISTICA: TEST DE HIPÓTESIS
1 2
TIPO DE VARIABLE P VARIABLE
VARIABLE VARIABLE
• Correlación de Pearson, Correlación • Test de significación de los
de Spearman, Coeficiente de coeficientes de correlación
• Test de student para una Correlación Rho de Spearman canónica
CUANTITATIVOS muestra • t de Student para muestras • Test de conformidad de los
relacionadas, Wilcoxon coeficientes de regresión
• ANOVA para medidas repetidas, múltiple
ANOVA de Friedman
• X2 de Homogeneidad, X2 de
Independencia, coeficiente de
contingencia, Índice Kappa de • Test de significación de los
Cohen coeficientes del modelo Log
• U Mann-Whitney, Test exacto de Lineal
• X2 Chi-Cuadrado de Bondad
CUALITATIVOS Fisher, Riesgo • Test de significación del
de ajuste
• Correlación de Spearman, Tau b y c modelo de Análisis Factorial de
de Kendall Correspondencia
• ANOVA de Kruskal-Wallis,
ANOVA de Friedman
X2 de McNemar, Q de Cochran
• t de Student para muestras
independientes, U Mann-Whitney
• Correlación de Spearman,
Coeficiente de Correlación Rho de
MIXTOS NO CORRESPONDE Spearman, Eta • MANOVA
• ANOVA con un factor INTERsujetos,
ANOVA de Kruskal-Wallis, ANOVA de
Friedman
 Análisis de la INFERENCIA ESTADISTICA: TEST DE HIPÓTESIS
COMPARAR UN GRUPO
Inferencia

Prueba de Bondad de Ajuste

de Chi cuadrado

35,3% de Obesidad en
la población de estudio
P < 0,05 : Acepta H1
P ≥ 0,05 : Acepta Ho

Prueba de Chi cuadrado:

Dio P-Valor de 0,174 es cual es mayor a 0,05, por tanto se acepta la
Hipótesis nula (Ho), que dice que la prevalencia de Obesidad en la
población de estudio es igual al parámetro departamental.
 Análisis de la INFERENCIA ESTADISTICA: TEST DE HIPÓTESIS
COMPARAR UN GRUPO Tabla N° 1.- Distribución de Obesidad (Población, lugar y tiempo)
Porcentaje
Obesidad Frecuencia (n) (%)
Si 71 35,5
No 129 64,5
Total 200 100
Fuente.- Elaboración propia, 2018.

Grafico N° 1.- Distribución de Obesidad (Población, lugar y tiempo)

35,3% de Obesidad en Sin Obesidad

64,5% Con Obesidad
35,5%
la población de estudio

La Interpretación:
En el presente estudio la prevalencia de Obesidad fue del 35,3% en mayores de 40 años, la cual no se pudo demostrar
estadísticamente que esté por encima (P: 0,174) del parámetro departamental que es del 32,5% de Obesidad para la
ciudad de Santa Cruz de la Sierra.
03
 Tablas del Nivel de investigación RELACIONAL
Tabla N° 2.- Distribución del Estado Nutricional según Sexo

Sexo Porcentaje
Estado Nutricional Porcentaje Porcentaje Total
Masculino Femenino (% )
(% ) (% )
Desnutrición 2 1% 14 6% 16 7%
Normal (Eutrófico) 62 28% 64 29% 126 57%
Sobrepeso 53 24% 12 5% 65 29%
Obesidad 8 4% 4 2% 12 5%
Obesidad mórbida 2 1% 2 1% 4 2%
Total 127 57% 96 43% 223 100%
Bivariado
Tablas de contingencia
Tablas Cruzadas
Tablas del
Nivel Relacional Tablas de Cruces de Variables
Tablas de doble entradas
Tablas Tetracóricas
 03 Relacional
Bivariado
Relación del Estado Nutricional con la diabetes
mellitus tipo II en pacientes adultos
Variables CATEGÓRICAS

RELACIÓN: Se relacionan las variables independientemente de sus características (Tablas NxR)

(X2 de Independencia)
DICOTÓMICA
Diabetes
Estado
Si No Total
Nutricional
N % N % N %
El inconveniente es
ORDINALES

Bajo peso 0 0,0 2 0,9 2 0,9

Normopeso 4 1,8 27 12,4 31 14,2

que no sabemos, cual
Sobrepeso 13 6,0 82 37,6 95 43,6
de todos los GRADOS,
Obesidad 11 5,0 52 23,9 63 28,9
es el que se relaciona
Obesidad mórbida 7 3,2 20 9,2 27 12,4
con la DIABETES
Total 35 16,1 183 83,9 218 100,0

Si existe RELACIÓN (P < 0,05)

 Factores de riesgo asociados a la diabetes
03 Relacional
Bivariado mellitus tipo II en pacientes adultos
Variables CATEGÓRICAS

ASOCIACIÓN: Se realizan con variables Dicotómicas (Tablas 2x2) (X2 de Independencia)

DICOTÓMICA
ESTADO NUTRICIONAL Diabetes

DICOTÓMICA
Bajo peso Obesidad Si No Total
N % N % N %
Normopeso
Si 24 11,0 67 30,7 91 41,7
Sobrepeso grado I NO Obesos
No 11 5,0 116 53,2 127 58,3
Sobrepeso grado II
(preobesidad) Total 35 16,1 183 83,9 218 100,0
Obesidad de tipo I
Si existe ASOCIACIÓN (P < 0,05)
Obesidad de tipo II

Obesidad de tipo III SI Obesos

(mórbida)
Obesidad de tipo IV
(extrema)
Total ORDINAL Medir el “Riesgo” (Odds Ratio)
 Factores de riesgo asociados a la diabetes
03 Relacional
Bivariado mellitus tipo II en pacientes adultos
Variables CATEGÓRICAS

ASOCIACIÓN: Se realizan con variables Dicotómicas (Tablas 2x2) (X2 de Independencia)

Diabetes OR/(95%
Diabeticos No diabeticos P-Valor Intervalo de
confianza)
Variables n % n %
Delgadez

Con delgadez 6 5,3 15 13,2

1,000 1,09 (0,38-3,12)
Sin delgadez 25 21,9 68 59,6
Normopeso
Con normopeso 19 16,7 46 40,3
0,726 1,27 (0,55-2,56)
Sin normopeso 12 10,5 37 32,5
Sobrepeso
Con sobrepeso 5 4,4 20 17,5
0,509 0,61 (0,21-1,79)
Sin sobrepeso 26 22,8 63 55,3
Obesidad
Con obesidad 13 11,0 35 30,7
0,001 3,78 (1,74-8,20)
Sin obesidad 6 5,0 61 53,2
 Relación del Índice de Masa Corporal con el nivel
03 Relacional
Bivariado de Colesterol
Variables NUMÉRICAS

CORRELACIÓN: Se correlaciona las unidades de dos variables numéricas de diferente

dimensión, para ello hay que definir las unidades en ambas variables.

Medición de
la Variable
de prueba
Estadístico
TIPO DE Medida de
Correlación
VARIABLE Correlación

(Si tiene Distr. Normal)

PARAMÉTRICAS
Coeficiente de Correlación:

NUMÉRICA
Coeficiente de
Correlación de
CUANTITATIVAS
correlación R
Pearson Muy baja Baja Moderada Buena Alta
Pearson

0 0,2 0,4 0,6 0,8 1,0

NO PARAMÉTRICAS
(No tiene Distr. Normal)

NUMÉRICA

Coeficiente de
Correlación de
Correlación Rho de
Spearman
Spearman

Si existe CORRELACIÓN
(P < 0,05)
 03 Relacional
Bivariado

RELACIÓN: Se relacionan las variables independientemente de sus Si existe RELACIÓN (P < 0,05)
características (Tablas NxR) (Chi-cuadrado de Independencia)

ASOCIACIÓN: Se realizan con variables Dicotómicas (Tablas 2x2) Si existe ASOCIACIÓN (P < 0,05)
(Chi-cuadrado de Independencia)

Medir el “Riesgo” (Odds Ratio)

CORRELACIÓN: Se correlaciona las unidades de dos variables Si existe CORRELACIÓN (P < 0,05)
numéricas de diferente dimensión, para ello hay que definir las unidades
en ambas variables. (Pearson o Spearman)
Medir el “Coeficiente de Correlación”
R o Rho
03 Relacional
Bivariado
Métodos estadísticos
2
nivel RELACIONAL

Medición de la
Estadístico de
VARIABLE

Variable
prueba
TIPO DE Estudio Transversal Estudio Longitudinal
VARIABLE Muestras independientes Medidas repetidas
Asociación o Medida Mas de dos
Dos grupos Mas de dos grupos Dos medidas
correlación asociación/Correlación medidas

ORDINAL- DICOTÓMICA-
DICOTÓMICA POLITÓMICA DICOTÓMICA POLITÓMICA POLITÓMICA
Coeficiente de
X2 de Homogeneidad X2 de Independencia X2 de Homogeneidad ---- ----
contingencia

X2 de Homogeneidad X2 de Independencia Índice Kappa de Cohen X2 de Homogeneidad ---- ----

NO PARAMETRICAS
(No tiene Distr. Normal)

ORDINAL-
CUALITATIVAS

Coeficiente de
U Mann-Whitney X2 de Independencia X2 de Homogeneidad ---- ----
contingencia
Nominal

Análisis de
X2 de Homogeneidad X2 de Independencia Índice Kappa de Cohen Q de Cochran Q de Cochran
correspondencias

X2 de Homogeneidad Índice Kappa de Cohen

Nominal

2
Corrección de Yates X de Independencia Riesgo Relativo X2 de Homogeneidad X2 de McNemar Q de Cochran
Test exacto de Fisher Odds Ratio
ORDINAL

Correlación de Tau b de Kendall ANOVA de Kruskal- Prueba de ANOVA de

U Mann-Whitney
Spearman Tau c de Kendall Wallis Wilcoxon Friedman
 03 Relacional
Bivariado
Métodos estadísticos nivel RELACIONAL
2
Estadístico de prueba

Medición de la
VARIABLE

Variable
TIPO DE Estudio Transversal Estudio Longitudinal
VARIABLE Muestras independientes Medidas repetidas
Asociación o Medida Mas de dos
Dos grupos Mas de dos grupos Dos medidas
correlación asociación/Correlación medidas
(Si tiene Distr. Normal)
PARAMÉTRICAS

ANOVA para
medidas repetidas
NUMÉRICA

t de Student para
CUANTITATIVAS

Correlación de Correlación de Coeficiente de o

---- muestras
Pearson Pearson correlación R Pearson ANOVA con un
relacionadas
factor
INTRAsujetos
NO PARAMÉTRICAS
(No tiene Distr. Normal)

NUMÉRICA

Coeficiente de
Correlación de Correlación de Prueba de ANOVA de
Correlación Rho de ----
Spearman Spearman Wilcoxon Friedman
Spearman
03 Relacional
Bivariado
Métodos estadísticos nivel RELACIONAL
2

Estadístico de prueba

Medición de la
VARIABLE

Variable
TIPO DE Estudio Transversal Estudio Longitudinal
VARIABLE Muestras independientes Medidas repetidas
Asociación o Medida Mas de dos
Dos grupos Mas de dos grupos Dos medidas
correlación asociación/Correlación medidas

DICOTÓMICA
t de Student para

NUMÉRICA-
t de Student para
muestras
muestras ---- ---- ---- ----
independientes
independientes
(Pre-Post TEST)
(Si tiene Distr. Normal)
PARAMÉTRICAS
Análisis de la

POLITÓMICA
NUMÉRICA- varianza (ANOVA con
---- ---- ---- un factor ---- ----
INTERsujetos) y
pruebas Post Hoc
Análisis de la
NUMÉRICA-
ORDINAL

varianza (ANOVA con

---- ---- ---- un factor ---- ----
MIXTOS

INTERsujetos) y
pruebas Post Hoc
ORDINAL POLITÓMICA DICOTÓMICA
NUMÉRICA- NUMÉRICA- NUMÉRICA-

U Mann-Whitney
U Mann-Whitney ---- Eta ---- ----
(Pre-Post TEST)
NO PARAMÉTRICAS
(No tiene Distr. Normal)

ANOVA de Kruskal-
---- ---- ---- ---- ----
Wallis

Coeficiente de
Correlación de ANOVA de Kruskal- ANOVA de
---- Correlación Rho de ----
Spearman Wallis Friedman
Spearman
 03 Relacional
Bivariado
Ejemplo de algunos TEMAS:

ENUNCIADO VARIABLES RELACIONADAS VARIABLE DE SUPERVISIÓN

Factores de riesgo asociados a la
Prevalencia de diabetes
prevalencia de diabetes mellitus Factores de riesgo
mellitus tipo II
tipo II en pacientes adultos
Relación del Estado nutricional y
Estado nutricional Rendimiento escolar
hábitos alimentarios con el
Hábitos alimentarios
Rendimiento escolar
Relación entre los niveles de
Glicemia y las modificaciones del
Porcentaje Graso
Porcentaje Graso y el IMC en Niveles de Glicemia
IMC
mujeres de 18 a 50 años
practicantes de spinning
Relacionar el índice de cintura,
Índice de Masa Corporal con el
Índice de cintura
nivel de Colesterol y Triglicéridos Perfil lipídico
Índice de Masa Corporal
en trabajadores de la empresa de
Catering
 03 Relacional
Bivariado
Ejemplo de algunos TEMAS:

ENUNCIADO VARIABLES RELACIONADAS VARIABLE DE SUPERVISIÓN

Factores de riesgo asociados a la
Prevalencia de diabetes
prevalencia de diabetes mellitus Factores de riesgo
mellitus tipo II
tipo II en pacientes adultos
Relación del Estado nutricional y
Estado nutricional Rendimiento escolar
hábitos alimentarios con el
Hábitos alimentarios
Rendimiento escolar
Relación entre los niveles de
Glicemia y las modificaciones del
Porcentaje Graso
Porcentaje Graso y el IMC en Niveles de Glicemia
IMC
mujeres de 18 a 50 años
practicantes de spinning
Relacionar el índice de cintura,
Índice de Masa Corporal con el
Índice de cintura
nivel de Colesterol y Triglicéridos Perfil lipídico
Índice de Masa Corporal
en trabajadores de la empresa de
Catering
 03 Relacional
Bivariado
R1: FACTORES DE RIESGO ASOCIADOS A LA PREVALENCIA DE
DIABETES MELLITUS TIPO II

RESULTADOS METODO
VARIABLES
ESPERADOS ESTADÍSTICO

R1: Factores de X1: Factor de riesgo 1. R1: ¿Usted quiere resumir o generalizar?
riesgo asociados “Obesidad” ¿?
R1 responde: Generalizar. Mano derecha de la “cajita”
a la prevalencia (Cuali-Dicotómica)
de diabetes 2. N° de Variables: ¿Cuántas variables trabajan con usted?
mellitus tipo II X2: Diabetes Mellitus
(Cuali-Dicotómica) R1 responde: Dos variables - bivariado.

D
1 UNIVARIABLE
1 UNIVARIABLE E
S
3. Escala de medición de las variables: ¿Cómo han sido medidas las
9 10 T
variables?
E CUANTI CUALI
CUANTI CUALI I
S M
11 12 13
C
1 2 CUANTI MIXTO CUALI
A
C X1: responde: variable Cualitativa- Nominal- Dicotómica
P MULTIVARIANTE I
R 14 15 16 Ó X2: responde: variable Cualitativa- Nominal- Dicotómica
2 BIVARIABLE CUANTI CUALI
N
MIXTO
I T

P
CUANTI MIXTO CUALI 1 UNIVARIABLE E
S 4. Condiciones de aplicación: ¿Usted quiere Estimar o realizar un Test de
3 4 5 17 18 T

hipótesis? R1 responde: Test de Hipótesis

CUANTI CUALI
T 2 BIVARIABLE H
I
P MULTIVARIANTE 19 20 21 P
I O
CUANTI MIXTO CUALI T
CUANTI MIXTO CUALI
P MULTIVARIANTE
Cuali: Entonces el método estadístico para poder responder de
V E
S

6 7 8 22 23 24 I

manera efectiva a R1 se encuentra en el compartimiento 21.

A S
CUANTI MIXTO CUALI

RESUMIR GENERALIZAR
Análisis de la INFERENCIA ESTADISTICA: TEST DE HIPÓTESIS
1 2
TIPO DE VARIABLE P VARIABLE
VARIABLE VARIABLE
• Correlación de Pearson, Correlación • Test de significación de los
de Spearman, Coeficiente de coeficientes de correlación
• Test de student para una Correlación Rho de Spearman canónica
CUANTITATIVOS muestra • t de Student para muestras • Test de conformidad de los
relacionadas, Wilcoxon coeficientes de regresión
• ANOVA para medidas repetidas, múltiple
ANOVA de Friedman
• X2 de Homogeneidad, X2 de
Independencia, coeficiente de
contingencia, Índice Kappa de • Test de significación de los
Cohen coeficientes del modelo Log
• U Mann-Whitney, Test exacto de Lineal
• X2 Chi-Cuadrado de Bondad
CUALITATIVOS Fisher, Riesgo • Test de significación del
de ajuste
• Correlación de Spearman, Tau b y c modelo de Análisis Factorial de
de Kendall Correspondencia
• ANOVA de Kruskal-Wallis,
ANOVA de Friedman
X2 de McNemar, Q de Cochran
• t de Student para muestras
independientes, U Mann-Whitney
• Correlación de Spearman,
Coeficiente de Correlación Rho de
MIXTOS NO CORRESPONDE Spearman, Eta • MANOVA
• ANOVA con un factor INTERsujetos,
ANOVA de Kruskal-Wallis, ANOVA de
Friedman
 R1: FACTORES DE RIESGO ASOCIADOS A LA PREVALENCIA DE DIABETES MELLITUS TIPO II

RESULTADOS METODO
VARIABLES
ESPERADOS ESTADÍSTICO

R1: Factores de X1: Factor de riesgo

riesgo asociados “Obesidad” ¿?
a la prevalencia (Cuali-Dicotómica)
de diabetes
mellitus tipo II X2: Diabetes Mellitus
(Cuali-Dicotómica)

5. Tipo de investigación: Transversal

6. Objetivo estadístico: Asociación

7. El comportamiento de los datos: No

Paramétrica
 R1: FACTORES DE RIESGO ASOCIADOS A LA PREVALENCIA DE DIABETES MELLITUS TIPO II
2

Estadístico de prueba

Medición de la
VARIABLE

Variable
RESULTADOS METODO TIPO DE Estudio Transversal Estudio Longitudinal
VARIABLES VARIABLE Muestras independientes Medidas repetidas
ESPERADOS ESTADÍSTICO
Asociación o Medida Mas de dos
Dos grupos Mas de dos grupos Dos medidas
R1: Factores de X1: Factor de riesgo correlación asociación/Correlación medidas
riesgo asociados “Obesidad” ¿?

ORDINAL- DICOTÓMICA-
DICOTÓMICA POLITÓMICA DICOTÓMICA POLITÓMICA POLITÓMICA
2 2 2
a la prevalencia (Cuali-Dicotómica) X de X de Coefi ci ente de X de
---- ----
Homogenei da d Independenci a contingenci a Homogenei da d
de diabetes
mellitus tipo II X2: Diabetes Mellitus
2 2 2
(Cuali-Dicotómica) X de X de Índi ce Ka ppa de X de
---- ----
Homogenei da d Independenci a Cohen Homogenei da d

CUALITATIVAS
5. Tipo de investigación: Transversal

NO PARAMETRICAS
(No tiene Distr. Normal)

ORDINAL-
2 2
X de Coefi ci ente de X de
U Ma nn-Whi tney ---- ----
Independenci a contingenci a Homogenei da d

6. Objetivo estadístico: Asociación

Nominal
X2 de X2 de Índi ce Ka ppa de Aná l i s i s de
Q de Cochra n Q de Cochra n
Homogenei da d Independenci a Cohen corres pondenci a s
7. El comportamiento de los datos: No
X2 de Índi ce Ka ppa de
Paramétrica

Nominal
Homogenei da d X2 de Cohen X2 de 2
X de McNema r Q de Cochra n
Correcci ón de Independenci a Ri es go Rel a tivo Homogenei da d
Ya tes Odds Ra tio

ORDINAL
Correl a ci ón de Ta u b de Kenda l l ANOVA de Prueba de ANOVA de
U Ma nn-Whi tney
Spea rma n Ta u c de Kenda l l Krus ka l -Wa l l i s Wi l coxon Fri edma n

Cuali: Entonces el método estadístico para poder responder de manera efectiva a R1 se encuentra en el
compartimiento 21 y es Chi-cuadrado X2 de independencia y solo si las variables de estudio presentan asociación
(P<0,05) se realizará la medida de asociación calculando el indicador de Riesgo “Odds Ratio”.
 R1: FACTORES DE RIESGO ASOCIADOS A LA PREVALENCIA DE DIABETES MELLITUS TIPO II

P < 0,05: Acepta H1

Obesidad Vs Diabetes Intervalo de Confianza 95%

P-Valor Odds Ratio Límite inferior Límite superior
0,001 3,78 1,74 8,20
 R1: FACTORES DE RIESGO ASOCIADOS A LA PREVALENCIA DE DIABETES MELLITUS TIPO II
Tabla N° 3.- Distribución de la Obesidad asociado a la Diabetes (Población, Lugar y Tiempo)
Diabetes
Totales
Obesidad Si No

N % N % N %

Si 9 7 41 31 50 37

No 9 7 75 56 84 63

Total 18 13 116 87 134 100

Fuente.- Elaboración propia, 2018.

Gráfica N° 3.- Distribución de la diabetes asociado a la Obesidad (Población, Lugar y Tiempo)

Obesidad Si Obesidad No
56

PORCENTAJES (%)
31

7 7

SI NO
D I A BETES

En la tabla N° 3, el 13% de la población presenta diabetes, de los cuales el 7% de los diabéticos son obesos, mientras que la otra proporción de diabéticos
(7%) no presenta obesidad, a su vez se pudo demostrar que si existe asociación (P: 0,001) entre la Obesidad y la diabetes; mediante el indicador de riesgo
se demostró que una persona obesa tiene 3,78 veces más riesgo de desarrollar Diabetes, que una persona que no es obesa.
 03 Relacional
Bivariado
Ejemplo de algunos TEMAS:

ENUNCIADO VARIABLES RELACIONADAS VARIABLE DE SUPERVISIÓN

Factores de riesgo asociados a la
Prevalencia de diabetes
prevalencia de diabetes mellitus Factores de riesgo
mellitus tipo II
tipo II en pacientes adultos
Relación del Estado nutricional y
Estado nutricional Rendimiento escolar
hábitos alimentarios con el
Hábitos alimentarios
Rendimiento escolar
Relación entre los niveles de
Glicemia y las modificaciones del
Porcentaje Graso
Porcentaje Graso y el IMC en Niveles de Glicemia
IMC
mujeres de 18 a 50 años
practicantes de spinning
Relacionar el índice de cintura,
Índice de Masa Corporal con el
Índice de cintura
nivel de Colesterol y Triglicéridos Perfil lipídico
Índice de Masa Corporal
en trabajadores de la empresa de
Catering
 03 Relacional
Bivariado
R1: RELACIÓN DEL ESTADO NUTRICIONAL Y HÁBITOS ALIMENTARIOS
CON EL RENDIMIENTO ESCOLAR

RESULTADOS METODO
VARIABLES
ESPERADOS ESTADÍSTICO

R1: Relación del X1: Estado 1. R1: ¿Usted quiere resumir o generalizar?
Estado Nutricional ¿?
nutricional con (Cuali-Ordinal) R1 responde: Generalizar. Mano derecha de la “cajita”
el Rendimiento
escolar X2: Rendimiento 2. N° de Variables: ¿Cuántas variables trabajan con usted?
escolar
R1 responde: Dos variables - bivariado.
(Cuati-Continua)

D 1 UNIVARIABLE E 3. Escala de medición de las variables: ¿Cómo han sido medidas las
1 UNIVARIABLE 9 10
S

variables?
E CUANTI CUALI T
CUANTI CUALI I
S M
11 12 13
1 2 CUANTI MIXTO CUALI
A
C
X1: responde: variable Cualitativa- Ordinal
C
X2: responde: variable Cuantitativa- Continua
P MULTIVARIANTE I
Ó
R
2 BIVARIABLE 14 15 16 N
CUANTI MIXTO CUALI

4. Condiciones de aplicación: ¿Usted quiere Estimar o realizar un Test de

I T
CUANTI MIXTO CUALI 1 UNIVARIABLE E
P S
5 17 18 T

T
3 4 CUANTI
2 BIVARIABLE
CUALI
H hipótesis? R1 responde: Test de Hipótesis
I
P MULTIVARIANTE 19 20 21 P
I O
CUANTI MIXTO CUALI T
CUANTI MIXTO CUALI
V P MULTIVARIANTE E

Mixto: Entonces el método estadístico para poder responder de

S

A 6 7 8 22 23 24 I
CUANTI CUALI S
MIXTO
manera efectiva a R1 se encuentra en el compartimiento 20.
RESUMIR GENERALIZAR
Análisis de la INFERENCIA ESTADISTICA: TEST DE HIPÓTESIS
1 2
TIPO DE VARIABLE P VARIABLE
VARIABLE VARIABLE
• Correlación de Pearson, Correlación • Test de significación de los
de Spearman, Coeficiente de coeficientes de correlación
• Test de student para una Correlación Rho de Spearman canónica
CUANTITATIVOS muestra • t de Student para muestras • Test de conformidad de los
relacionadas, Wilcoxon coeficientes de regresión
• ANOVA para medidas repetidas, múltiple
ANOVA de Friedman
• X2 de Homogeneidad, X2 de
Independencia, coeficiente de
contingencia, Índice Kappa de • Test de significación de los
Cohen coeficientes del modelo Log
• U Mann-Whitney, Test exacto de Lineal
• X2 Chi-Cuadrado de Bondad
CUALITATIVOS Fisher, Riesgo • Test de significación del
de ajuste
• Correlación de Spearman, Tau b y c modelo de Análisis Factorial de
de Kendall Correspondencia
• ANOVA de Kruskal-Wallis,
ANOVA de Friedman
X2 de McNemar, Q de Cochran
• t de Student para muestras
independientes, U Mann-Whitney
• Correlación de Spearman,
Coeficiente de Correlación Rho de
MIXTOS NO CORRESPONDE Spearman, Eta • MANOVA
• ANOVA con un factor INTERsujetos,
ANOVA de Kruskal-Wallis, ANOVA de
Friedman
 R1: RELACIÓN DEL ESTADO NUTRICIONAL Y HÁBITOS ALIMENTARIOS
TEST DE HIPÓTESIS CON EL RENDIMIENTO ESCOLAR
ORDINAL NUMÉRICA-CONTINUA ORDINAL DICOTÓMICA
Estado Nutricional Rendimiento escolar Estado Nutricional Rendimiento escolar
Bajo peso 0 - 100 Bajo peso Reprobado (Menor 50)
Normopeso Normopeso Aprobado (Mayor 51)
Tiene 5 GRUPOS
Sobrepeso (Mas de dos grupos) Sobrepeso
Obesidad Obesidad
Los GRUPOS deben
Obesidad mórbida ser similares Obesidad mórbida

ORDINAL ORDINAL DICOTÓMICA DICOTÓMICA

Estado Nutricional Rendimiento escolar Estado Nutricional Rendimiento escolar
Bajo peso Excelente (90 a 100) Bajo peso Reprobado (Menor 50)
Normopeso Muy bueno (80 a 89) Normopeso Aprobado (Mayor 51)
Sobrepeso Bueno (70 a 79) Sobrepeso
Obesidad Regular (51 a 69) Obesidad
Obesidad mórbida Mal (Menor 50) Obesidad mórbida
R1: RELACIÓN DEL ESTADO NUTRICIONAL Y HÁBITOS ALIMENTARIOS CON EL RENDIMIENTO ESCOLAR
2
Opción A: Dos Variables

Medición de la
Estadístico de
VARIABLE
ORDINALES

Variable
prueba
TIPO DE Estudio Transversal
VARIABLE Muestras independientes
ORDINAL ORDINAL Dos grupos
Asociación o Medida
Mas de dos grupos
correlación asociación/Correlación
Estado Nutricional Rendimiento escolar

ORDINAL- DICOTÓMICA-
DICOTÓMICA POLITÓMICA DICOTÓMICA POLITÓMICA POLITÓMICA
Coeficiente de
Bajo peso Excelente (90 a 100) X2 de Homogeneidad X2 de Independencia X2 de Homogeneidad
contingencia
Normopeso Muy bueno (80 a 89)
Sobrepeso Bueno (70 a 79)
Obesidad Regular (51 a 69) X2 de Homogeneidad X2 de Independencia Índice Kappa de Cohen X2 de Homogeneidad
Obesidad mórbida Mal (Menor 50)

NO PARAMETRICAS
(No tiene Distr. Normal)

ORDINAL-
CUALITATIVAS
Coeficiente de
U Mann-Whitney X2 de Independencia X2 de Homogeneidad
5. Tipo de investigación: Transversal contingencia

Nominal
Análisis de
6. Objetivo estadístico: X2 de Homogeneidad X2 de Independencia Índice Kappa de Cohen
correspondencias

Relacionar/Correlación
X2 de Homogeneidad Índice Kappa de Cohen

Nominal
2
Corrección de Yates X de Independencia Riesgo Relativo X2 de Homogeneidad
Test exacto de Fisher Odds Ratio

ORDINAL
Correlación de Tau b de Kendall ANOVA de Kruskal-
U Mann-Whitney
Spearman Tau c de Kendall Wallis
R1: RELACIÓN DEL ESTADO NUTRICIONAL Y HÁBITOS ALIMENTARIOS CON
EL RENDIMIENTO ESCOLAR

ORDINAL

P > 0,05: Acepta Ho

No existe CORRELACIÓN
 R1: RELACIÓN DEL ESTADO NUTRICIONAL Y HÁBITOS ALIMENTARIOS CON EL RENDIMIENTO ESCOLAR
2
Opción B: Una Variables

Medición de la
Estadístico de
VARIABLE
ORDINAL y otra DICOTÓMICA

Variable
prueba
TIPO DE Estudio Transversal
VARIABLE Muestras independientes
ORDINAL DICOTÓMICA Asociación o Medida
Dos grupos Mas de dos grupos
correlación asociación/Correlación
Estado Nutricional Rendimiento escolar

ORDINAL- DICOTÓMICA-
DICOTÓMICA POLITÓMICA DICOTÓMICA POLITÓMICA POLITÓMICA
Coeficiente de
Bajo peso Reprobado (Menor 50) X2 de Homogeneidad X2 de Independencia X2 de Homogeneidad
contingencia
Normopeso Aprobado (Mayor 51)
Sobrepeso
Obesidad
X2 de Homogeneidad X2 de Independencia Índice Kappa de Cohen X2 de Homogeneidad
Obesidad mórbida

NO PARAMETRICAS
(No tiene Distr. Normal)

ORDINAL-
CUALITATIVAS
Coeficiente de
U Mann-Whitney X2 de Independencia X2 de Homogeneidad
5. Tipo de investigación: Transversal contingencia

Nominal
Análisis de
6. Objetivo estadístico: Relacionar X2 de Homogeneidad X2 de Independencia Índice Kappa de Cohen
correspondencias

X2 de Homogeneidad Índice Kappa de Cohen

Nominal
2
Corrección de Yates X de Independencia Riesgo Relativo X2 de Homogeneidad
Test exacto de Fisher Odds Ratio

ORDINAL
Correlación de Tau b de Kendall ANOVA de Kruskal-
U Mann-Whitney
Spearman Tau c de Kendall Wallis
R1: RELACIÓN DEL ESTADO NUTRICIONAL Y HÁBITOS ALIMENTARIOS CON
EL RENDIMIENTO ESCOLAR

P > 0,05: Acepta Ho

Interpretación: No existe relación (P: 0,344) entre el Estado Nutricional y el

Rendimiento Escolar.
R1: RELACIÓN DEL ESTADO NUTRICIONAL Y HÁBITOS ALIMENTARIOS CON
EL RENDIMIENTO ESCOLAR Opción C: Dos Variables
DICOTÓMICAS
Rendimiento académico OR/(95% “ASOCIACIÓN”
Reprobados Aprobados P-Valor Intervalo de
confianza)
Variables n % n %
Delgadez

Con delgadez 6 5,3 15 13,2

1,000 1,09 (0,38-3,12)
Sin delgadez 25 21,9 68 59,6
Normopeso
Con normopeso 19 16,7 46 40,3 Interpretación: No existe
0,726 1,27 (0,55-2,56) asociación (P > 0,05) entre el
Sin normopeso 12 10,5 37 32,5
Estado Nutricional y el
Sobrepeso Rendimiento Escolar.
Con sobrepeso 5 4,4 20 17,5
0,509 0,61 (0,21-1,79)
Sin sobrepeso 26 22,8 63 55,3
Obesidad
Con obesidad 1 0,9 2 1,8
1,000 1,35 (0,12-15,44)
Sin obesidad 30 26,3 81 71,1
 03 Relacional
Bivariado
Ejemplo de algunos TEMAS:

ENUNCIADO VARIABLES RELACIONADAS VARIABLE DE SUPERVISIÓN

Factores de riesgo asociados a la
Prevalencia de diabetes
prevalencia de diabetes mellitus Factores de riesgo
mellitus tipo II
tipo II en pacientes adultos
Relación del Estado nutricional y
Estado nutricional Rendimiento escolar
hábitos alimentarios con el
Hábitos alimentarios
Rendimiento escolar
Relación entre los niveles de
Glicemia y las modificaciones del
Porcentaje Graso
Porcentaje Graso y el IMC en Niveles de Glicemia
IMC
mujeres de 18 a 50 años
practicantes de spinning
Relacionar el índice de cintura,
Índice de Masa Corporal con el
Índice de cintura
nivel de Colesterol y Triglicéridos Perfil lipídico
Índice de Masa Corporal
en trabajadores de la empresa de
Catering
 03 Relacional
Bivariado
R1: RELACIÓN ENTRE LOS NIVELES DE GLICEMIA Y LAS
MODIFICACIONES DEL PORCENTAJE GRASO Y EL IMC

RESULTADOS
ESPERADOS
VARIABLES
METODO
ESTADÍSTICO
1. R1: ¿Usted quiere resumir o generalizar?
X1: Glicemia R1 responde: Generalizar. Mano derecha de la “cajita”
(Cuanti-Continua) ¿?
R1: Relación
entre los niveles X2: Porcentaje graso 2. N° de Variables: ¿Cuántas variables trabajan con usted?
de Glicemia y (Cuati-Continua)
las R1 responde: Dos variables - bivariado.
modificaciones X1: Glicemia
del Porcentaje (Cuanti-Continua) ¿?
Graso y el IMC 3. Escala de medición de las variables: ¿Cómo han sido medidas las
X3: IMC
(Cuati-Continua) variables?
X1: responde: variable Cuantitativa- Continua
D 1 UNIVARIABLE E
1 UNIVARIABLE 9 10
S
X2: responde: variable Cuantitativa- Continua
E CUANTI CUALI T
CUANTI CUALI I
S M
11 12 13 A
1 2
4. Condiciones de aplicación: ¿Usted quiere Estimar o realizar un Test de
CUANTI MIXTO CUALI C
C
P MULTIVARIANTE I
Ó
R 14 15 16
2 BIVARIABLE CUANTI MIXTO CUALI
N hipótesis? R1 responde: Test de Hipótesis
I T
CUANTI MIXTO CUALI 1 UNIVARIABLE E
P S

3 4 5 17 18 T
CUANTI CUALI
T
Mixto: Entonces el método estadístico para poder responder de
2 BIVARIABLE H
I
P MULTIVARIANTE 19 20 21 P

manera efectiva a R1 se encuentra en el compartimiento 19.

I O
CUANTI MIXTO CUALI T
CUANTI MIXTO CUALI
V P MULTIVARIANTE E
S

A 6 7 8 22 23 24 I
CUANTI CUALI S
MIXTO
Análisis de la INFERENCIA ESTADISTICA: TEST DE HIPÓTESIS
1 2
TIPO DE VARIABLE P VARIABLE
VARIABLE VARIABLE
• Correlación de Pearson, Correlación • Test de significación de los
de Spearman, Coeficiente de coeficientes de correlación
• Test de student para una Correlación Rho de Spearman canónica
CUANTITATIVOS muestra • t de Student para muestras • Test de conformidad de los
relacionadas, Wilcoxon coeficientes de regresión
• ANOVA para medidas repetidas, múltiple
ANOVA de Friedman
• X2 de Homogeneidad, X2 de
Independencia, coeficiente de
contingencia, Índice Kappa de • Test de significación de los
Cohen coeficientes del modelo Log
• U Mann-Whitney, Test exacto de Lineal
• X2 Chi-Cuadrado de Bondad
CUALITATIVOS Fisher, Riesgo • Test de significación del
de ajuste
• Correlación de Spearman, Tau b y c modelo de Análisis Factorial de
de Kendall Correspondencia
• ANOVA de Kruskal-Wallis,
ANOVA de Friedman
X2 de McNemar, Q de Cochran
• t de Student para muestras
independientes, U Mann-Whitney
• Correlación de Spearman,
Coeficiente de Correlación Rho de
MIXTOS NO CORRESPONDE Spearman, Eta • MANOVA
• ANOVA con un factor INTERsujetos,
ANOVA de Kruskal-Wallis, ANOVA de
Friedman
 Análisis de la INFERENCIA ESTADISTICA: TEST DE HIPÓTESIS
RESULTADOS METODO
VARIABLES
ESPERADOS ESTADÍSTICO

X1: Glicemia
(Cuanti-Continua) ¿?
R1: Relación
entre los niveles
5. Tipo de investigación: Transversal
X2: Porcentaje graso
de Glicemia y (Cuati-Continua)
las 6. Objetivo estadístico: Correlación
modificaciones X1: Glicemia
del Porcentaje (Cuanti-Continua) ¿?
Graso y el IMC
X3: IMC
2

Estadístico de prueba
(Cuati-Continua)

Medición de la
VARIABLE

Variable
TIPO DE Estudio Transversal Estudio Longitudinal
VARIABLE Muestras independientes Medidas repetidas
7. El comportamiento de los datos: Si la Asociación o Medida Mas de dos
Dos grupos Mas de dos grupos Dos medidas
correlación asociación/Correlación medidas
variable numérica tiene distribución normal,

(Si tiene Distr. Normal)

PARAMÉTRICAS
ANOVA pa ra
se aplica la PRUEBA PARAMÉTRICA: medi da s

NUMÉRICA
Coefi ci ente de t de Student
CUANTITATIVAS
Correl a ci ón de Correl a ci ón de repetida s o
correl a ci ón R ---- pa ra mues tra s
Correlación de Pearson, si la variable Pea rs on Pea rs on
Pea rs on rel a ci ona da s
ANOVA con un
fa ctor

numérica no tiene distribución normal se

INTRAs ujetos
NO PARAMÉTRICAS
(No tiene Distr. Normal)

aplica la PRUEBA NO PARAMETRICA: NUMÉRICA

Coefi ci ente de
Correlación de Spearman. Correl a ci ón de
Spea rma n
Correl a ci ón de
Spea rma n
Correl a ci ón Rho de ----
Prueba de
Wi l coxon
ANOVA de
Fri edma n
Spea rma n
R1: RELACIÓN ENTRE LOS NIVELES DE GLICEMIA Y LAS MODIFICACIONES
DEL PORCENTAJE GRASO Y EL IMC

Coeficiente de Correlación:
P < 0,05: Acepta H1

Si existe CORRELACIÓN (P < 0,05) Muy baja Baja Moderada Buena Alta

0 0,2 0,4 0,6 0,8 1,0

R1: RELACIÓN ENTRE LOS NIVELES DE GLICEMIA Y LAS MODIFICACIONES
DEL PORCENTAJE GRASO Y EL IMC
 03 Relacional
Bivariado
Ejemplo de algunos TEMAS:

ENUNCIADO VARIABLES RELACIONADAS VARIABLE DE SUPERVISIÓN

Factores de riesgo asociados a la
Prevalencia de diabetes
prevalencia de diabetes mellitus Factores de riesgo
mellitus tipo II
tipo II en pacientes adultos
Relación del Estado nutricional y
Estado nutricional Rendimiento escolar
hábitos alimentarios con el
Hábitos alimentarios
Rendimiento escolar
Relación entre los niveles de
Glicemia y las modificaciones del
Porcentaje Graso
Porcentaje Graso y el IMC en Niveles de Glicemia
IMC
mujeres de 18 a 50 años
practicantes de spinning
Relacionar el índice de cintura,
Índice de Masa Corporal con el
Índice de cintura
nivel de Colesterol y Triglicéridos Perfil lipídico
Índice de Masa Corporal
en trabajadores de la empresa de
Catering
Análisis de la INFERENCIA ESTADISTICA: TEST DE HIPÓTESIS
1 2
TIPO DE VARIABLE P VARIABLE
VARIABLE VARIABLE
• Correlación de Pearson, Correlación • Test de significación de los
de Spearman, Coeficiente de coeficientes de correlación
• Test de student para una Correlación Rho de Spearman canónica
CUANTITATIVOS muestra • t de Student para muestras • Test de conformidad de los
relacionadas, Wilcoxon coeficientes de regresión
• ANOVA para medidas repetidas, múltiple
ANOVA de Friedman
• X2 de Homogeneidad, X2 de
Independencia, coeficiente de
contingencia, Índice Kappa de • Test de significación de los
Cohen coeficientes del modelo Log
• U Mann-Whitney, Test exacto de Lineal
• X2 Chi-Cuadrado de Bondad
CUALITATIVOS Fisher, Riesgo • Test de significación del
de ajuste
• Correlación de Spearman, Tau b y c modelo de Análisis Factorial de
de Kendall Correspondencia
• ANOVA de Kruskal-Wallis,
ANOVA de Friedman
X2 de McNemar, Q de Cochran
• t de Student para muestras
independientes, U Mann-Whitney
• Correlación de Spearman,
Coeficiente de Correlación Rho de
MIXTOS NO CORRESPONDE Spearman, Eta • MANOVA
• ANOVA con un factor INTERsujetos,
ANOVA de Kruskal-Wallis, ANOVA de
Friedman
 03 Relacional
Bivariado
R1: RELACIONAR EL ÍNDICE DE CINTURA, ÍNDICE DE MASA
CORPORAL CON EL NIVEL DE COLESTEROL Y TRIGLICÉRIDOS

RESULTADOS METODO
VARIABLES
ESPERADOS ESTADÍSTICO

X1: Colesterol 2

Estadístico de prueba
(Cuanti-Continua)

Medición de la
VARIABLE
¿?

Variable
TIPO DE Estudio Transversal
X2: Índice de cintura VARIABLE Muestras independientes
(Cuati-Continua) Asociación o Medida
Dos grupos Mas de dos grupos
correlación asociación/Correlación
R1: X1: Colesterol

(Si tiene Distr. Normal)

(Cuanti-Continua)

PARAMÉTRICAS
Relacionar el
¿?
índice de

NUMÉRICA
Coefi ci ente de

CUANTITATIVAS
X3: IMC Correl a ci ón de Correl a ci ón de
correl a ci ón R ----
cintura, Índice (Cuati-Continua) Pea rs on Pea rs on
Pea rs on
de Masa
X4: Triglicéridos
Corporal con
(Cuanti-Continua)
el nivel de

NO PARAMÉTRICAS
(No tiene Distr. Normal)
¿?
Colesterol y X5: Índice de cintura

NUMÉRICA
Coefi ci ente de
Triglicéridos (Cuati-Continua) Correl a ci ón de Correl a ci ón de
Correl a ci ón Rho de ----
Spea rma n Spea rma n
X4: Triglicéridos Spea rma n

(Cuanti-Continua)
¿?
X6: IMC
(Cuati-Continua)
R1: CORRELACIÓN DEL ÍNDICE DE CINTURA, ÍNDICE DE MASA CORPORAL
CON EL NIVEL DE COLESTEROL Y TRIGLICÉRIDOS

Coeficiente de Correlación:

Muy baja Baja Moderada Buena Alta

P < 0,05: Acepta H1

Si existe CORRELACIÓN (P < 0,05)
0 0,2 0,4 0,6 0,8 1,0
R1: CORRELACIÓN DEL ÍNDICE DE CINTURA, ÍNDICE DE MASA CORPORAL
CON EL NIVEL DE COLESTEROL Y TRIGLICÉRIDOS
Coeficiente de Correlación:
04
 Experimento Verdadero (puro) Explicativo
Causalidad

Población

Grupo de estudio Grupo control

o experimental

O1 Antes Antes O3

Si Manipulación No
X
O2 Después Después O4

Diferencia Diferencia

Control interno o Control externo

autocontrol
Grupo O1 X O2
Experimental
Grupo O3 O4
control
6. Objetivo estadístico

COMPARAR DOS GRUPOS

Pruebas Paramétricas Pruebas No Paramétricas

T Student para muestras independiente U Mann-Whitney
 Explicativo
Diseños experimentales Causalidad

EFECTO DE LA COMPLEMENTACIÓN CON 1.2 GRAMOS DE

LECITINA DE SOYA SOBRE EL PERFIL LIPÍDICO E ÍNDICE
ATEROGÉNICO DURANTE UN PERIODO DE 7 SEMANAS EN
OFICIALES DE 30 A 60 AÑOS QUE FORMAN PARTE DE LA UNIDAD
OPERATIVA DE TRANSITO DE LA CIUDAD DE SANTA CRUZ DE LA
SIERRA, FEBRERO A JULIO- GESTIÓN 2018.

Autora: Lic. Gabriela Cardona Cuellar

 Explicativo
RESULTADOS METODO
Diseños experimentales Causalidad
VARIABLES
ESPERADOS ESTADÍSTICO

X1: Grupo de estudio

(Cuali-Dicotómica)
¿?
X2: Colesterol total
DICOTÓMICA
(Cuati-Continua)
Grupo de estudio
X1: Grupo de estudio
(Cuali-Dicotómica)
R1: Evaluar el ¿?
(1) Experimental Tiene 2 GRUPOS
perfil lipídico X3: HDL (2) Control
del grupo (Cuati-Continua)
experimental X1: Grupo de estudio
y grupo (Cuali-Dicotómica)
control PRE y ¿?
POST X4: LDL NUMÉRICA-CONTINUA = VARIABLE ALEATORIA
complementac (Cuati-Continua)
ión con X1: Grupo de estudio
Perfil lipídico
Lecitina de (Cuali-Dicotómica)
soya ¿? Colesterol total
X5: VLDL HDL
(Cuati-Continua)
LDL PRE y POST test
X1: Grupo de estudio
(Cuali-Dicotómica) VLDL
¿?
X6: Triglicéridos Triglicéridos
(Cuati-Continua)
 Explicativo
Causalidad
RESULTADOS METODO
VARIABLES 2
ESPERADOS ESTADÍSTICO

Estadístico de prueba

Medición de la
VARIABLE
X1: Grupo de estudio

Variable
TIPO DE Estudio Transversal
(Cuali-Dicotómica) Muestras independientes
VARIABLE
¿?
Asociación o Medida
X2: Colesterol total Dos grupos
correlación asociación/Correlación
Mas de dos grupos
(Cuati-Continua)

DICOTÓMICA
NUMÉRICA-
t de Student pa ra
X1: Grupo de estudio mues tra s ---- ---- ----
(Cuali-Dicotómica) i ndependi entes
R1: Evaluar el

(Si tiene Distr. Normal)

¿?

PARAMÉTRICAS
Aná l i s i s de l a
perfil lipídico

POLITÓMICA
NUMÉRICA-
X3: HDL va ri a nza (ANOVA
del grupo (Cuati-Continua) ---- ---- ---- con un fa ctor
INTERs ujetos ) y
experimental X1: Grupo de estudio prueba s Pos t Hoc
y grupo (Cuali-Dicotómica) Aná l i s i s de l a

NUMÉRICA-
ORDINAL
control PRE y ¿? va ri a nza (ANOVA

MIXTOS
---- ---- ---- con un fa ctor
POST X4: LDL INTERs ujetos ) y
complementac (Cuati-Continua) prueba s Pos t Hoc

POLITÓMICA DICOTÓMICA
NUMÉRICA- NUMÉRICA- NUMÉRICA-
ión con X1: Grupo de estudio
(Cuali-Dicotómica) U Ma nn-Whi tney ---- Eta ----
Lecitina de

NO PARAMÉTRICAS
(No tiene Distr. Normal)
soya ¿?
X5: VLDL
(Cuati-Continua) ANOVA de
---- ---- ----
Krus ka l -Wa l l i s
X1: Grupo de estudio
(Cuali-Dicotómica)

ORDINAL
Coefi ci ente de
Correl a ci ón de ANOVA de
¿? ---- Correl a ci ón Rho de
Spea rma n Krus ka l -Wa l l i s
X6: Triglicéridos Spea rma n
(Cuati-Continua)
 Explicativo
Diseños experimentales Causalidad

Grupo O1 X O2
Experimental
Grupo O3 O4
control

Comprobar si Comprobar si Concluir con

Comprobar Comprobar la
existe existe base en los
supuesto de igualdad de
diferencias en diferencias en resultados
Normalidad varianza
el ANTES el DESPUÉS obtenidos

1 2 3 4 5
 Explicativo
Diseños experimentales Causalidad

Grupo O1 X O2
Experimental
Grupo O3 O4
control

Distribución Normal

1.- Comprobar supuesto de Normalidad de las variables aleatorias

• Para verificar el supuesto de Normalidad se utiliza la prueba de
Kolmogorov-Smirnov (igual o mayor a 50), esta prueba permite contrastar
la hipótesis que los datos muestrales presentan una distribución Normal.
• Se usa para variables cuantitativas (numéricas)

H1: La distribución de las variables aleatorias es diferente a una distribución normal

H0: La distribución de las variables aleatorias es igual a una distribución normal
1.- Comprobar supuesto de Normalidad de los datos Explicativo
Causalidad
1.- Comprobar supuesto de Normalidad de los datos Explicativo
Causalidad

P < 0,05 : Acepta H1

P ≥ 0,05 : Acepta Ho

Interpretación: P-valor > 0,05: Acepta H0

La distribución de las variables aleatorias es igual a una distribución normal: PRUEBAS PARAMÉTRICAS
 Explicativo
Diseños experimentales Causalidad

2.- Comprobar la igualdad de varianza de los datos

• Se utiliza la prueba de Levene para la igualdad de las varianzas.
• Si el P-valor es > 0,05: Varianzas iguales (Acepta H0)
• Si el P-valor es < 0,05: Varianzas diferentes (Acepta H1)

Antes

Grupo O1 X O2
Experimental
Grupo O3 O4
control

3.- Comprobar si existe diferencias en el ANTES

• Se utiliza la prueba de “t de Student para muestras independientes” con
la finalidad de comparar las medias del grupo Experimental y del grupo
Control.

H1: Existe diferencia significativa entre el Colesterol total (ANTES) del GE y del GC.
H0: No existe diferencia significativa entre el Colesterol total (ANTES) del GE y del GC
3.- Comprobar si existe diferencias en el ANTES Explicativo
Causalidad

DICOTÓMICA
Grupo de estudio
(1) Experimental
(2) Control
3.- Comprobar si existe diferencias en el ANTES Explicativo
Causalidad

P < 0,05 : Acepta H1

P ≥ 0,05 : Acepta Ho
P > 0,05: Acepta Ho

Interpretación: el P-valor es 0,451 > 0,05: Acepta H0

No existe diferencia significativa entre el Colesterol total del grupo Experimental y del grupo control. En este
caso el Colesterol total es significativamente igual en ambos grupos ANTES de iniciar la complementación.
 Explicativo
Diseños experimentales Causalidad

EFECTO DE LA COMPLEMENTACIÓN CON 1.2 GRAMOS DE LECITINA

DE SOYA SOBRE EL PERFIL LIPÍDICO E ÍNDICE ATEROGÉNICO

DURANTE UN PERIODO DE 7 SEMANAS EN

OFICIALES DE 30 A 60 AÑOS QUE FORMAN PARTE DE LA UNIDAD

OPERATIVA DE TRANSITO DE LA CIUDAD DE SANTA CRUZ DE LA
SIERRA, FEBRERO A JULIO- GESTIÓN 2018.
 Explicativo
Diseños experimentales Causalidad

Después

Grupo O1 X O2
Experimental
Grupo O3 O4
control

4.- Comprobar si existe diferencias en el DESPUÉS

• Se utiliza la prueba de “t de Student para muestras independientes” con
la finalidad de comparar las medias en el DESPUÉS del grupo
Experimental y del grupo Control.

H1: Existe diferencia significativa entre el Colesterol total del DESPUÉS del GE y del GC
H0: No existe diferencia significativa entre el Colesterol total del DESPUÉS del GE y del GC
4.- Comprobar si existe diferencias en el DESPUÉS Explicativo
Causalidad
 4.- Comprobar si existe diferencias en el DESPUÉS Explicativo
Causalidad

P < 0,05 : Acepta H1

P ≥ 0,05 : Acepta Ho
P > 0,05: Acepta Ho

Interpretación: el P-valor es 0,016 < 0,05: Acepta H1

Si existe diferencia significativa entre el Colesterol Total del grupo Experimental y del grupo control. En este caso
el Colesterol Total del grupo Experimental es significativamente diferente al Colesterol Total del grupo Control.
 Explicativo
Diseños experimentales Causalidad

Grupo O1 X O2
Experimental
Grupo O3 O4
control

5.- Concluir con base en los resultados obtenidos

Interpretación: A partir del análisis estadístico de los datos aplicado prueba t
Student, se puede observar que al iniciar el proceso, el Colesterol Total del
grupo control era significativamente igual que del grupo experimental, y
posteriormente se observó una mejora en el Colesterol total del grupo
experimental, llegando a ser estadísticamente diferente a la del grupo
control.
 Explicativo
Causalidad
Tabla N° 23.- Distribución del Grupo experimental y Grupo control según el
“Colesterol total mg/dl PRE y POST complementación con Lecitina de soya” en
los oficiales de 30 a 60 años de la unidad operativa de Transito de la Ciudad de
Santa Cruz de la Sierra, febrero a julio del 2018.
Colesterol Total mg/dl Colesterol Total mg/dl
(PRE) (POST)
Estadísticos
Grupo Grupo
Grupo Control Grupo Control
Experimental Experimental
Media = 249,9 237,60 216,20 251,08

Error Estándar = 11,3 11,615 8,296 11,186

IC 95% Límite inferior = 227,9 215,0 200,0 229,3

IC 95% Límite superior = 271,8 260,2 232,4 272,9

P-Valor = 0,451 0,016

Grafica N° 23.- Distribución del Grupo experimental y Grupo control según el
Colesterol total mg/dl PRE y POST complementación con Lecitina de soya”

Se comprueba el EFECTO hipolipemiante de la Lecitina de

soya sobre los valores del Colesterol total
6. Objetivo estadístico: COMPARAR

A n á l i s i s d e l a Va r i a n za

ANOVA
ANOVA con un factor INTER-sujetos y pruebas Post Hot ,
ANOVA de Kruskal-Wallis,
X2 Chi-cuadrado de Homogeneidad
 Análisis de la Varianza (ANOVA)
con un Factor Intersujetos

Un factor o una variable politómica … Comparar Mas de Dos Grupos

Factor Fijo Variable aleatoria

1 Independiente
Causa
Unidad
Experimental
Dependiente
Efecto
1
Planteamiento: Se han evaluado a las 5 marcas de gelatinas (MIKI, KRIS, GELINUTRA, BONAIRE,
AROMA) más famosas en la ciudad de Santa Cruz de la Sierra, ¿Existirá diferencia entre el tiempo de
cuajado (minutos) en las diferentes marcas de gelatina comercializada en la ciudad de Santa Cruz de la
Sierra? Nivel de significancia 5%.

Factor: Marcas de Gelatinas (V.I.):

A = MIKI
B = KRIS
C = AROMA
D = BONAIRE
E = GELINUTRA
V.D.: Tiempo de cuajado (minutos)
 Análisis de la Varianza (ANOVA)
con un Factor Intersujetos

Un factor o una variable politómica … Comparar Mas de Dos Grupos

Tabla N° 1.- Distribución de la prueba de ANOVA (Análisis de la Varianza) del

tiempo de cuajado de las cinco marcas de gelatina.

ANOVA
Tiempo de cuajado (minutos)
Suma de Media
cuadrados gl cuadrática F Sig.

Entre grupos 6270,000 4 1567,500 58,708 ,000

Dentro de grupos 667,500 25 26,700
Total 6937,500 29
Tabla N° 2.- Distribución de las comparaciones múltiples del tiempo de cuajado
(minutos) entre las diferentes marcas de gelatinas
Intervalo de confianza al
Diferencia 95%
(I) Marcas de (J) Marcas de de medias Desv. Límite Límite
gelatinas gelatinas (I-J) Error Sig. inferior superior

Miki Kriss 7,500 2,983 ,119 -1,26 16,26

Aroma 42,500* 2,983 ,000 33,74 51,26

Bonaire 17,500* 2,983 ,000 8,74 26,26

Gelinutra 12,500* 2,983 ,003 3,74 21,26

Kriss Miki -7,500 2,983 ,119 -16,26 1,26
Aroma 35,000* 2,983 ,000 26,24 43,76
Bonaire 10,000* 2,983 ,020 1,24 18,76
Gelinutra 5,000 2,983 ,466 -3,76 13,76
Aroma Miki -42,500* 2,983 ,000 -51,26 -33,74
Kriss -35,000* 2,983 ,000 -43,76 -26,24
Bonaire -25,000* 2,983 ,000 -33,76 -16,24
Gelinutra -30,000* 2,983 ,000 -38,76 -21,24
Bonaire Miki -17,500* 2,983 ,000 -26,26 -8,74
Kriss -10,000* 2,983 ,020 -18,76 -1,24
Aroma 25,000* 2,983 ,000 16,24 33,76
Gelinutra -5,000 2,983 ,466 -13,76 3,76
Gelinutra Miki -12,500* 2,983 ,003 -21,26 -3,74
Kriss -5,000 2,983 ,466 -13,76 3,76

Aroma 30,000* 2,983 ,000 21,24 38,76

Bonaire 5,000 2,983 ,466 -3,76 13,76

 Análisis de la Varianza (ANOVA)
con un Factor Intersujetos

Un factor o una variable politómica … Comparar Mas de Dos Grupos

Tabla N° 3.- Distribución del tiempo de cuajado (minutos) de las cinco marcas de
gelatinas según subconjuntos homogéneos.

Subconjunto para alfa = 0.05

Marcas de gelatinas N 1 2 3 4

Aroma 6 73,00
Bonaire 6 98,00
Gelinutra 6 103,00 103,00
Kriss 6 108,00 108,00
Miki 6 115,50
Sig. (P-Valor) 1,000 ,466 ,466 ,119
 Análisis de la Varianza (ANOVA)
con un Factor Intersujetos

Un factor o una variable politómica … Comparar Mas de Dos Grupos

Interpretación de los resultados:

• Tabla 1: “Según la prueba de ANOVA se pudo demostrar que existe diferencias

significativas (P: 0,000) en el tiempo de cuajado de las diferentes marcas de gelatina”.

• Tabla 2: “En cuanto a las comparaciones entre pares existe diferencias significativas
entre el tiempo de cuajado entre las marcas Miki y Aroma (P: 0,000), también entre la
marca Miki y Bonaire (P:0,000), Miki y Gelinutra (P:0,003), también se demostró
diferencias significativas al comparar el tiempo de cuajado entre la marca de gelatina
Kriss con Aromas (P: 0,000), Kriss con Bonaire (P: 0,020), como también entre la marca
Aroma y Bonaire (P: 0,000) y Aroma y Gelinutra (P: 0,000); Lo cual quiere decir que
cada vez que el consumidor compre la combinación de estas dos marcas de gelatinas,
el tiempo de cuajado va ser distinto”.

• Tabla 3: En el estudio de comparación entre marcas de gelatinas que si tienen igual

tiempo de cuajado (minutos), se formaron cuatro grupos, como ser entre la marca
Bonaire y Gelinutra (P: 0,466), entre la marca Gelinutra y Kriss (P: 0,466) y la marca
Kriss y Miki (P: 0,119), sin embargo, la marca Aroma no se pudo demostrar que su
tiempo de cuajado sea igual al de las otras marcas de gelatina.
Planteamiento: Se ha evaluado el Peso (Kilogramos) a niños de 1 a 11 años en cuatro comunidades
guaraníes de la provincia Cordillera del Dpto. de Santa Cruz. ¿Existe diferencia de Peso en los niños de 1 a
11 años según las comunidades evaluadas? Nivel de significancia 5%.

Factor Fijo Variable aleatoria

1 Comunidades
Causa
Unidad
Experimental
Peso
Efecto
1
Factor fijo: Comunidades guaraníes (V.I.):

1 = Cruce
2 = Eity
3 = Itapicoe
4 = Ivamirapinta

Variable aleatoria: Peso de los niños (kilogramos)

V.D. Carpeta: 24
Archivo SPSS: Peso en Comunidades 1 a 11 años
Planteamiento: Se ha evaluado el Peso (Kilogramos) a niños de 1 a 11 años en cuatro comunidades
guaraníes de la provincia Cordillera del Dpto. de Santa Cruz. ¿Existe diferencia de Peso en los niños de 1 a
11 años según las comunidades evaluadas? Nivel de significancia 5%.
Planteamiento: Se ha evaluado el Peso (Kilogramos) a niños de 1 a 11 años en cuatro comunidades
guaraníes de la provincia Cordillera del Dpto. de Santa Cruz. ¿Existe diferencia de Peso en los niños de 1 a
11 años según las comunidades evaluadas? Nivel de significancia 5%.
Diferencia de
Comunidad medias Error típico Sig. (P-valor)
*
Cruce Eity 5,6941 1,2522 0,000
Itapicoe 1,9256 1,4589 0,552
Ivamirapinta * 1,3263 0,003
4,7480
Eity Cruce * 1,2522 0,000
-5,6941
*
Itapicoe -3,7685 1,3272 0,026
Ivamirapinta -,9461 1,1799 0,853
Itapicoe Cruce -1,9256 1,4589 0,552
Eity * 1,3272 0,026
3,7685
Ivamirapinta 2,8224 1,3973 0,185
Ivamirapinta Cruce * 1,3263 0,003
-4,7480
Eity ,9461 1,1799 0,853
Itapicoe -2,8224 1,3973 0,185
*. La diferencia de medias es significativa al nivel 0.05.
Planteamiento: Se ha evaluado el Peso (Kilogramos) a niños de 1 a 11 años en cuatro comunidades
guaraníes de la provincia Cordillera del Dpto. de Santa Cruz. ¿Existe diferencia de Peso en los niños de 1 a
11 años según las comunidades evaluadas? Nivel de significancia 5%.

Realizar los subconjuntos homogéneos

HSD de Tukey
Subconjunto para alfa = 0.05
Comunidad N 1 2 3
Eity 58 17,845
Ivamirapinta 44 18,791 18,791
Itapicoe 30 21,613 21,613
Cruce 36 23,539
Sig. (P-valor) 0,892 0,149 0,469
Interpretación de los resultados:

• Tabla 1: “Según la prueba de ANOVA se pudo demostrar que existe diferencias significativas (P:
0,000) en el Peso (Kg) de los niños de cada una de las comunidades guaraníes”.

• Tabla 2: “En cuanto a las comparaciones entre pares existe diferencias significativas entre el Peso
de los niños entre la comunidad de El Cruce y de Eity (P: 0,000), también hay diferencia
significativa en los Pesos de los niños que viven en la Comunidad de El Cruce y de Ivamirapinta
(P: 0,003), así también hay diferencia en los pesos de los niños entre la comunidad de Eity y la
comunidad de Itapicoe (P: 0,026)”.

• Tabla 3: En el estudio de comparación entre comunidades que tienen igual Peso (Kg), se
formaron tres grupos, como ser entre la comunidad de Eity e Ivamirapinta (P: 0,892), entre la
comunidad de Ivamirapinta y Itapicoe (P: 0,149) y las comunidades de Itapicoe y Cruce (P: 0,469).
6. Objetivo estadístico: COMPARAR A n á l i s i s d e l a Va r i a n za

ANOVA
MAS DE DOS MEDIDAS ANOVA con un factor INTRA-sujetos y
Comparación por pares, ANOVA de Friedman,
Q de Cochran

ANOVA con un factor INTRA-sujetos y Comparación por parejas

 Análisis de la Varianza (ANOVA)
con un Factor Intra-sujetos

Un factor con > dos medidas repetidas … Modelo lineal general:

Medidas repetidas

Factor Fijo Variable aleatoria

1 Independiente
Causa
Unidad
Experimental
Dependiente
Efecto
1
Planteamiento: Se desea evaluar la eficacia de un programa de dieta y ejercicios para bajar
de peso (Antes, a la mitad y al final). ¿El peso al final del programa de dieta y ejercicios es
menor al peso a la mitad y al peso basal? Nivel de significancia 5%.

Factor Fijo Variable aleatoria

1 Peso (A,M,F)
Causa
Unidad
Experimental
Eficacia dieta
Efecto
1
Carpeta: 32
Archivo SPSS: Peso inicial, mitad y final
 Análisis de la Varianza (ANOVA)
con un Factor Intra-sujetos

Un factor con > dos medidas repetidas … Modelo lineal general: Medidas repetidas
 Análisis de la Varianza (ANOVA)
con un Factor Intra-sujetos

Un factor con > dos medidas repetidas … Modelo lineal general: Medidas repetidas
 Análisis de la Varianza (ANOVA)
con un Factor Intra-sujetos

Un factor con > dos medidas repetidas … Modelo lineal general: Medidas repetidas
 Análisis de la Varianza (ANOVA)
con un Factor Intra-sujetos

Un factor con > dos medidas repetidas … Modelo lineal general: Medidas repetidas

P < 0,05 → H1: Diferencia E.S. En las varianzas de pares de medias

Incumplimiento supuesto de esfericidad
Ante esta situación los coeficiente de Épsilon están corrigiendo este error
 Análisis de la Varianza (ANOVA)
con un Factor Intra-sujetos

Un factor con > dos medidas repetidas … Modelo lineal general: Medidas repetidas

12,8% del comportamiento de la variable dependiente es por efecto de la perdida

de peso en los diferentes meses del tratamiento de la dieta y ejercicios.

Si bien la potencia observada es el máximo nivel de confiabilidad que podemos alcanzar en nuestra prueba, y cuando
los datos cumplen el supuesto de esfericidad, se asume la primera fila de “Esfericidad asumida” cuyo valor máximo es
1,000, pero cuando no se cumple el supuesto de esfericidad, se utiliza la mayor potencia observada, pero la potencia
más utilizada por ser conservadora es la de Greenhouse-Geisser, cuyo valor es de 0,419 y su P-valor: 0,091.
 Análisis de la Varianza (ANOVA)
con un Factor Intra-sujetos

Un factor con > dos medidas repetidas … Modelo lineal general: Medidas repetidas
 Análisis de la Varianza (ANOVA)
con un Factor Intra-sujetos

Un factor con > dos medidas repetidas … Modelo lineal general: Medidas repetidas

Interpretación de los resultados:

Antes de especificar el resultado de ANOVA, se puede reportar el incumplimiento del

supuesto de esfericidad.

• “El test de esfericidad de Mauschly indica que el supuesto de esfericidad no se cumple

para el efecto de la condición de la eficacia de la dieta y ejercicio para bajar de Peso (P-
valor: 0,000), por tanto los grados de libertad se han corregido con la estimación de
esfericidad de Greenhouse-Geisser (Ԑ = 0,628).

• “En la evaluación del programa de dieta y ejercicios de 1 año de duración, este no es

muy efectivo para reducir el peso de los participantes por lo que no existe diferencia
significativa (P-valor: 0,091) en la disminución del peso desde el inicio, la mitad y al final
del tratamiento.

• En cuanto a las comparaciones por pares, no existe diferencias estadísticamente

significativas entre el peso al iniciar la dieta y el peso a la mitad de la dieta (P: 1,000), sin
embargo sí existe diferencia significativa entre el peso al iniciar la dieta y el peso al
finalizar la dieta (P:0,033).
GRACIAS
Dos caminos se bifurcaban en un bosque y yo,
Yo tomé el menos transitado,
Y eso hizo toda la diferencia. Robert Frost (1946)