Sei sulla pagina 1di 30

ANALISIS ESTADISTICO

1. Tipos de variables y alternativas de anlisis


2. Analisis univariado
3. Analisis bivariado
4. Analisis multivariado
1. ORGANIZACIN Y PRESENTACION
DE LOS DATOS

1.1 LAS VARIABLES Y SU CLASIFICACION


VARIABLE

1. Es una caracterstica, cualidad o propiedad


que pueden variar con relacin a s mismos o diferentes objetos a
lo largo del tiempo,
y cuya variacin es susceptible de observarse o medirse.

2. conjunto de valores resultantes de medir una caracterstica


(propiedad, atributo) en las distintas unidades de observacin
objeto de estudio.

Son las caractersticas que queremos estudiar, lo que queremos


conocer de nuestra muestra.
Los datos son producto de la medicin de las variables de estudio.
CLASIFICACION
1. Cuantitativas o numricas: valores resultantes de la medicin
son nmeros, que indican el grado o cantidad de lo que se est
midiendo. Pueden ser: Discretas y continuas
1.FUNCION
2. Variables cuasi-cuantitativas u ordinales: valores observados son
COMO SON
indicativos del orden o posicin de las unidades de observacin en lo
MEDIDAS
que se est midiendo. [1: Nada; 2: Algo; 3: Bastante; 4: Mucha]
las
variables 3. Variables categricas (cualitativas, nominales): valores slo
diferencian a los casos en distintas categoras de pertenencia.
Pueden ser: dicotmicas y politmicas.
2. EN 1. Variables psicolgicas: personalidad, la inteligencia,
FUNCIN conocimientos, hbitos, aptitudes, actitudes y habilidades, y otras
DE QU SE facetas de la psicologa.
MIDE:
2.Variables socio-demogrficas: aspectos biolgicos y sociolgicos:
edad, el sexo, lugar de residencia, nivel de estudios, estado civil...

rol que V. Explicativa V. de Respuesta


desempea V. Predictora V. Criterio
investigaci V. Independiente V. Dependiente
n
CLASIFICACION

1. POR SU CUALITATIVA O - Dicotmicas


NATURALEZA CATEGORICA - Politmicas

CUANTITATIVA - Discretas (enteros)


- Continuas (porcentaje,
fracciones)
2. POR SU FUNCION - Dependiente (criterio o explicada)
En la investigacin - Independiente (predictora o explicativa)
- Interviniente (influye en la relacin)
- Extraa (escapan control e influye en resultados)

3. ESCALA DE - Nominal
MEDICION - Ordinal
(METRICAS) - De intrvalo
- De razn

4. GRADO DE - Simple
COMPLEJIDAD - Complejo (dimensiones)
CUALITATIVA O CATEGORICA - Dicotmicas: se expresan en dos
No son susceptibles de (2) categoras:
medida numrica; sus SEXO: varn mujer
1. POR SU valores son atributos.
NATURALEZA - Politmicas: con ms de dos
Ejemplo: estado civil: categoras :
soltero, casado, viudo Bueno-Regular-Malo

- Discretas: asumen valores enteros


LA CUANTITATIVA positivos.
DIFERENCIA Se expresan en datos EJEMPLO:
entre numricos y sus valores nmeros de hijos,
categrica y indican cantidad de estudiantes matriculados.
cuantitativa variable de intervalo o de
estn razn. - Continuas: pueden asumir
relacionadas cualquier valor real dentro de su
con las Ejemplo: intervalo de validez:
Ingresos, edad (valores decimales o fraccionarios)
escalas de
medicin
EJEMPLO:
peso estudiantes (Kg.)
promedio de talla (Cm.)
- Dependiente (criterio o explicada)
es la variable en la que observamos las consecuencias de la
variacin de la variable independiente.

- Independiente (predictora o explicativa)


Es la variable que influye, afecta, provoca en la variable
2. POR SU dependiente
FUNCION
- Interviniente
en la
Se sospecha que influye en la relacin dependiente-
investigacin
independiente

- Extraa
Escapan control del investigador y tienen alguna influencia en los
resultados.
Escala NOMINAL: slo identifican al elemento
La informacin se puede clasificar en categoras NO numricas.
Pueden ser: dicotmicas y politmicas.
Ejemplo: lugar de nacimiento: Lima-Junn- Ica- Tacna- Cuzco
3. ESCALA
DE Escala Ordinal:
MEDICION o indican orden creciente o decreciente
o NO indican la magnitud de las diferencias entre categoras
(METRICAS) o Ejemplos: CLASE SOCIAL: alta-media-baja.
GRADO DE INSTRUCCIN: primaria-secundaria-superior
Escala de intervalo:
mide las variables de manera numrica (orden y cuantificacin). El
cero (0) no indica ausencia de la variable medida.
Permiten establecer distancias exactas entre dos objetos de
medicin. Ejemplos: temperatura (Celsius-Fahrenheit); rendimiento
acadmico.

Escala de razn (proporcin): las mismas caractersticas que la


de intervalo.
El cero (0) indica ausencia total de la caracterstica o variable.
Ejemplos: ingresos, estatura, peso.
PARAMETROS Y ESTADISTICOS

Paramtro Es el valor de un ndice estadstico (media, varianza,


proporcin...) obtenido a partir de los datos de una poblacin, que
describe alguna caracterstica de la misma.

Estadstico Es el valor de un ndice estadstico obtenido a partir de


los datos de una muestra que nos va a permitir inferir el valor de
alguna caracterstica de la poblacin.

Ejemplo: el ndice estadstico de la media aritmtica,

- si lo obtenemos a partir de los datos de una muestra obtendremos un estadstico,


- si a partir de los datos de una poblacin, un parmetro.
Una diferenciacin tradicional de la estadstica:
- resumir los datos recogidos que resulte informativa, comprensible y permita
tomar decisiones tiles (estadstica descriptiva)
- inferir sobre una poblacin numerosa en su tamao, a partir de una muestra
(estadstica inferencial).
- En la prctica, la aplicacin de ambas es complementaria.

MUESTRA POBLACION

ESTADISTICA ESTADISTICOS PARAMETROS


DESCRIPTIVA (variable) (constante)

ESTADISTICA ESTIMACIONES DE
INFERENCIAL PARAMETROS X
ANALISIS DE DATOS CUANTITATIVOS

2. ANALISIS UNIVARIADO O DESCRIPTIVO

a. DISTRIBUCION DE FRECUENCIAS Y
GRAFICOS

b. MEDIDAS DE POSICION MODA MEDIANA - MEDIA


CUARTILES PERCENTILES

RANGO
C. MEDIDAS DE DISPERSION DESVIACION ESTANDAR O TIPICA
VARIANZA

o ASIMETRIA
D. MEDIDAS DE DEFORMACION o CURTOSIS O APUNTAMIENTO
ANALISIS DE DATOS CUANTITATIVOS

1. ANALISIS UNIVARIADO O DESCRIPTIVO


a. DISTRIBUCION DE FRECUENCIAS Y
GRAFICOS

b. MEDIDAS DE POSICION MODA MEDIANA - MEDIA


CUARTILES PERCENTILES

RANGO
C. MEDIDAS DE DISPERSION DESVIACION ESTANDAR O TIPICA
VARIANZA

o ASIMETRIA
D. MEDIDAS DE DEFORMACION o CURTOSIS O APUNTAMIENTO
1. MODA 2. MEDIANA

3. MEDIA

MEDIDAS DE TENDENCIA CENTRAL


Medidas de tendencia central

1. MEDIA ARITMTICA ( X -M)


Es el promedio aritmtico de una distribucin (frecuencia).
Es la suma de todos los valores dividida entre el nmero de casos.
Es la medida ms utilizada y es para variables numricas.

2. MEDIANA (Me)
Es el valor que divide las frecuencias en dos mitades iguales: por encima de la
mediana y por debajo de la mediana encontramos el mismo nmero de sujetos.
Me= N + 1
2

3. MODA ( Mo)
Es la puntuacin que tiene una mayor frecuencia (donde encontramos un
mayor nmero de casos).
Es muy poco rigurosa. Puede haber ms de una puntuacin con idntico
nmero de casos, o dos o ms puntuaciones con una frecuencia que superan
notablemente al resto de los valores de la distribucin (distribuciones
bimodales, o plurimodales).
CARACTERISTICAS Y PROPIEDADES DE LA CURVA NORMAL
1. La distribucin normal es simtrica, unimodal, de forma acampanada; su altura mxima
(que indica el mayor nmero de sujetos) se encuentra en la media, que coincide con la moda y
la mediana (la ordenada mxima (Y) corresponde a una abscisa (X) igual a la media).
Comparacin de las medidas de tendencia central
Comparacin de las medidas de tendencia central

2. La media se presta a muchos ms anlisis estadsticos de


inters.
en el clculo de la media se utiliza toda la informacin disponible. Esta
razn tiene peso en estadstica inferencial, cuando pretendemos inferir
la media de una poblacin a partir de los datos de una muestra:
solemos utilizar la media con un propsito meramente descriptivo

3. En la distribucin normal coinciden los valores de la media, la mediana y


la moda.

la media, la mediana y la moda tienen valores distintos.

cuando la distribucin es normal (simtrica, acampanada) los tres


valores de tendencia central son idnticos.
Medidas de variabilidad o dispersin: su utilidad

indica el grado de dispersin o de heterogeneidad de las puntuaciones


individuales.
1. RANGO, (AMPLITUD O RECORRIDO)
es la diferencia entre la puntuacin mayor y la puntuacin menor.
Cuanto ms grande sea el rango, mayor ser la dispersin de los datos.

2.La desviacin tpica o standard (S; )


Promedio de desviacin de las puntuaciones con respecto a la media.
Cuanto mayor sea la dispersin de los datos alrededor de la media,
mayor ser la desviacin estndar.
Solo se utiliza con variables numricas.

3. VARIANZA ( S2)
o es la desviacin tpica elevada al cuadrado.
o La interpretacin de la desviacin tpica y de la varianza es la misma, aunque
obviamente las magnitudes sern distintas.
ANALISIS DE DATOS CUANTITATIVOS

2. ANALISIS INFERENCIAL (BIVARIADO)

PRUEBAS PARAMETRICAS PRUEBAS NO PARAMETRICAS

COMPARACION DE PRUEBA t Mann- Whitney


MEDIAS

ANALISIS DE Coeficiente de Spearman


CORRELACION, Coeficiente de Kendall Tau
ASOCIACION Coeficiente de Pearson Coeficientes de Tablas
cruzadas (Chi- cuadrado,
Fisher)

ANALISIS DE ANOVA I Kruskal Wallis


VARIANZA
ASOCIACION DE VARIABLES
CATEGORICAS O CUALITATIVAS
1. TABLAS CRUZADAS Y CHI-CUADRADO

NUMERO DE CATEGORIAS TAMAO MUESTRA ESTADISTICO


DE AMBAS VARIABLES

< 100 FISHER


2x2
> 100 CHI CUADRADO
(CORRECCIN DE YATES)

MAS DE DOS CATEGORIAS


EN UNA DE LAS VARIABLES cualquiera CHI - CUADRADO
(o en las dos)
Cul es la diferencia entre pruebas paramtricas y no paramtricas?

Las pruebas paramtricas asumen distribuciones estadsticas


subyacentes a los datos.
Por tanto, deben cumplirse algunas condiciones de validez, de modo que el
resultado de la prueba paramtrica sea fiable.

Ejemplo: prueba t de Student para dos muestras independientes ser fiable solo
si cada muestra se ajusta a una distribucin normal y si las varianzas son
homogneas

Las pruebas no paramtricas no deben ajustarse a ninguna


distribucin.

Pueden aplicarse incluso aunque no se cumplan las condiciones de validez


paramtricas.

Las pruebas paramtricas tienen muchas veces sus equivalentes no paramtricas.


Condiciones para usar las pruebas paramtricas

1) Todas las variables tienen distribucin normal.

2) Las muestras tienen varianzas uniformes (iguales). Que la


varianza de una variable no dependa del nivel de otra variable.

3) Escala de medida: las variables deben medirse en una escala


mtrica (numrica)

4) Independencia: las respuestas de una persona no dependen de


otra.

5) Al menos 20 individuos en la muestra (recomendado)


Cul es la ventaja de usar una prueba paramtrica?

- La paramtrica tiene ms potencia estadstica, es decir, mayor


capacidad para conducir a un rechazo de H0.

- La mayora de las veces:


el valor p asociado a una prueba paramtrica es menor
que
el valor p asociado a su equivalente no paramtrica
ejecutada sobre los mismos datos.
Cul es la ventaja de usar una prueba no paramtrica?

Las pruebas no paramtricas:

- son ms robustas que las paramtricas.

- exigen menos condiciones de validez


VARIABLE NOMINAL NOMINAL ORDINAL NUMERICO
DICOTOMICA POLITOMICA

-Coeficiente Phi Coeficiente de


NOMINAL -Kappa de Cohen contingencia ETA
DICOTOMICA

Coeficiente de -V de CRAMER
NOMINAL contingencia -LAMBDA SPEARMAN
POLITOMICA -Kappa de Cohen

-GAMMA
ORDINAL -Tau-b Kendall SPEARMAN
-Tau-c Kendall
-D de Sommers
-Spearman

PEARSON/
NUMERICO ETA SPEARMAN SPEARMAN SPEARMAN
TECNICAS ESTADISTICAS DE ACUERDO A LA ESCALA DE MEDICION
AJUSTE / PRUEBA DE NORMALIDAD

Condiciones para usar las pruebas paramtricas

1) Todas las variables tienen distribucin normal.


2) Las muestras tienen varianzas uniformes (iguales). Que la
varianza de una variable no dependa del nivel de otra variable.
3) Escala de medida: las variables deben medirse en una escala
mtrica (numrica)
4) Independencia: las respuestas de una persona no dependen de
otra.

a) Kolmogorov Smirnov. (> 50) b) Shapiro Wilk (< 50)


c) Lillifoors
4. TECNICAS DE ANALISIS MULTIVARIANTE

VARIABLES DEPENDIENTES

NO METRICAS METRICAS

(Nominales Ordinales) (Escala)

NO METRICAS ANOVA II
1) Anlisis Discriminante MANOVA
VARIABLES (Nominales 2) Regresin Logistica Modelo Lineal
INDEPENDIEN Ordinales) General (MGL)
TES

METRICAS ANCOVA
1) Anlisis Discriminante Regresin Lineal
(Escala) 2) Regresin Logistica Modelo Lineal
General (MGL)