Criterios para determinar uso de estadísticos:

1) Nivel de medida.
2) Tipo de prueba estadística.
3) Numero de grupos.
4) Condición de las muestras.

1. Nivel de medida:

Nivel de
Estadísticos Descriptivos Gráficos más apropiados
Medida
Nominal Moda- Frecuencia-Mínimo y Tortas o Sectores
Máximo
Ordinal Mediana-Rango Diagrama de Caja (comparar grupos).
Gráficos de barra (para representar
frecuencias).
Intervalo Media- Desviación típica- Gráficos de líneas e Histogramas (para
Varianza medidas continuas de un mismo grupo).
Barras separadas (para medidas de
Razón Media- Desviación típica- grupos distintos). Dispersión (para
Varianza Correlaciones). Diagrama de caja (para
comparar grupos).
Todos los estadísticos descriptivos y graficas son útiles para el nivel de medida
superior o siguiente, no siendo así al contrario.

2. Tipo de prueba estadística, 3. Numero de Grupos y, 4. Condición de la

muestra:

PARAMETRICA NO PARAMETRICA
Intervalo o Razón Nominal Ordinal
Z de Kolmogorov-
X²
“T” de student para una muestra Smirnov
“T” de student para 2 MUESTRAS
Datos del MISMO
RELACIONADAS McNemar Signos y Wilcoxon
grupo
Datos de DIFERENTES Probabilidad exacta Mediana y U de
INDEPENDIENTES
grupos de Fisher Mann-Whitney
ANOVA
Q de Cochran Friedman
ANOVA para K MUESTRAS RELACIONADAS
(De una vía. Para datos del MISMO grupo) (Para datos del MISMO grupo)
ANOVA para K MUESTRAS INDEPENDIENTES
Dos o más V.I. El
diseño de la
FACTORIAL X²
investigación es
factorial.
Una sola V.I. con varios
niveles. El Diseño
MULTIGRUPO X² Kuskal Wallis
puede incluir 3 grupos
o más.
El nivel de medida para estos datos puede
El nivel de medida para estos datos debe
ser Nominal u Ordinal. Las pruebas no
ser de Intervalo o Razón. Las pruebas
paramétricas son más eficaces a este
paramétricas requieren esa condición.
nivel.
 Elaborado por: Carlos Clemente
a partir de José Rondon y Nilda
Salazar.

EJESTADISTICO
TIPO DE PRUEBA
RELACIONES S
ESCALA ESTIDISTICA
DEFINIDAS DESCRIPTIVOS
APROPIADA
APROPIADOS

1)
NOMINAL Moda X²
EQUIVALENCIAS
Coeficiente de
McNemar
Contingencia
Probabilidad exacta
Frecuencia
de Fisher
Q de Cochran Pruebas NO
Paramétricas
1) Z de Kolmogorov-
ORDINAL Mediana
EQUIVALENCIAS Smirnov
2) DE MAYOR A
Percentiles Signos y Wilcoxon
MENOR
Mediana y U de
Spearman
Mann-Whitney
Kendall Friedman
Kuskal Wallis

1)
INTERVALO Media y D.T.
EQUIVALENCIAS
2) DE MAYOR A Correlación de T de student para
MENOR Pearson una muestra
3) PROPORCION
CONOCIDA DE UN Correlación T de student para 2
INTERVALO A Múltiple MUESTRAS Pruebas
OTRO
Paramétricas
RAZÓN o ANOVA para K
1)
PROPORCIÓ MUESTRAS
EQUIVALENCIAS
N RELACIONADAS
2) DE MAYOR A
MENOR
3) PROPORCION
Media geométrica ANOVA para K
CONOCIDA DE UN
de coeficiente de MUESTRAS
INTERVALO A
variación INDEPENDIENTES
OTRO
4) PROPORCION
CONOCIDA DE UN
VALOR DE LA
ESCALA A
CUALQUIER OTRO
 Elaborado por: Carlos
ff Claves para identificar diseños: Clemente
Para caso único se usan generalmente estadísticos descriptivos y
análisis visual de los resultados.
Se compara el sujeto con si mismo y no con otros o con valores
grupales (media, varianza).
El sujeto es su propio control, por esto las investigaciones tienden a
ser de corte longitudinal.
Los resultados solo son analizables desde el punto de vista del
individuo y la generalización es poco práctica y no recomendable.

Si son varias variables independientes, puede ser Multigrupo o

Factorial.

Para cada grupo hay una variable independiente. (Ej. Que tratamiento
es mejor)
○ Si es factorial mide efectos principales e interacción.
○ Si la V.I. tiene Varios Niveles, puede ser un diseño factorial.

Las hipótesis son condicionales, no de relación causal.

La interpretación se hace en base al nivel de significación.

Se procura falsear la hipótesis nula, no comprobar la hipótesis de

investigación. Falsasionismo Popperiano.

De acuerdo a los resultados puedo decir que:

“acepto la Ho dado que NO existen diferencias estadísticamente

significativas que me permitan afirmar lo contrario, y las variaciones
en la V.D. se deben al azar o a errores de medición.”

“rechazo la Ho dado que (SI) existen diferencias estadísticamente

significativas que no me permitan afirmar lo contrario, y que las
variaciones en la V.D. no se deben al azar o a errores de medición.”

Si el estadístico arroja un valor:

1) ≥0,05 - acepto la hipótesis nula

2) ≤0,05 - rechazo la hipótesis nula

Elaborado por:
Contrastes de hipótesis
Una hipótesis estadística es una asunción relativa a una o varias poblaciones, que puede ser
cierta o no. Las hipótesis estadísticas se pueden contrastar con la información extraída de las
muestras y tanto si se aceptan como si se rechazan se puede cometer un error.
La hipótesis formulada con intención de rechazarla se llama hipótesis nula y se representa por H0.
Rechazar H0 implica aceptar una hipótesis alternativa (H1).
La situación se puede esquematizar:
H0 cierta H0 falsa
H1 cierta
H0 rechazada Error tipo I (α ) Decisión correcta (*)
H0 no rechazada Decisión correcta Error tipo II (β )
(*) Decisión correcta que se busca
α = p(rechazar H0|H0 cierta) β = p(aceptar H0|H0 falsa) Potencia =1-β = p(rechazar H0|H0 falsa)
Detalles a tener en cuenta
1 α y β están inversamente relacionadas.
2 Sólo pueden disminuirse las dos, aumentando n.
Los pasos necesarios para realizar un contraste relativo a un parámetro θ son:
1. Establecer la hipótesis nula en términos de igualdad

2. Establecer la hipótesis alternativa, que puede hacerse de tres maneras, dependiendo del
interés del investigador

En el primer caso se habla de contraste bilateral o de dos colas, y en los otros dos de lateral
(derecho en el 2º caso, o izquierdo en el 3º) o una cola.
3. Elegir un nivel de significación: nivel crítico para α
4. Elegir un estadístico de contraste: estadístico cuya distribución muestral se conozca en H0 y
que esté relacionado con θ y establecer, en base a dicha distribución, la región crítica: región en
la que el estadístico tiene una probabilidad menor que α si H0 fuera cierta y, en consecuencia, si
el estadístico cayera en la misma, se rechazaría H0.
Obsérvese que, de esta manera, se está más seguro cuando se rechaza una hipótesis que cuando
no. Por eso se fija como H0 lo que se quiere rechazar. Cuando no se rechaza, no se ha demostrado
nada, simplemente no se ha podido rechazar. Por otro lado, la decisión se toma en base a la
distribución muestral en H0, por eso es necesario que tenga la igualdad.
5. Calcular el estadístico para una muestra aleatoria y compararlo con la región crítica, o
equivalentemente, calcular el "valor p" del estadístico (probabilidad de obtener ese valor, u otro
más alejado de la H0, si H0 fuera cierta) y compararlo con α .