EL SPSS Y SU APLICACIONES ESTADSTICAS.

Dr. Luis Alzamora de los Godos

Dra. Jully Pahola Caldern Saldaa

LA TOMA DE DECISIN ESTADSTICA

Es obvio que hoy en da no se necesita de conocer mucho de estadstica y
cada vez se hace menos necesario el apoyo del estadstico en la investigacin
cientfica, especialmente en lo que se relaciona a las ciencias de la salud,
conducta y educacin, pues las variables se manejan por el investigador, los
diseos se trabajan por la epistemologa y la metodologa y solo queda decidir
que prueba estadstica emplear, y para esto solo es necesario conocer el tipo
de variable con la que se trabaja y el nmero de muestras que intervienen.

Procedimiento:
a)Postule la hiptesis estadstica contraria a lo que espera. H0
b)Postule "su" hiptesis estadstica. Ha
c) Determine el riesgo o Nivel de significacin. Alfa
d)Establezca la Prueba estadstica a utilizar.
e)Establezca las condiciones de la toma de decisin
f) Realice el clculo

PRUEBAS ESTADSTICAS USUALES

La cantidad de pruebas estadsticas es abrumadora. Sin embargo, no debemos

saber todas, sino entender su construccin, al menos aproximadamente.

Casi toda prueba estadstica, tiene la siguiente forma:

Valor Valor hallado en la var. - Valor esperado de la Var.

de la = -----------------------------------------------------------------
Prueba Variabilidad esperada de la Var.

Lo que hace una prueba estadstica en general, es hallar la "diferencia" entre lo

que espero y lo que obtengo y a esa diferencia la "reduzco" o "expreso" en
trminos de la variabilidad que espero.

I. PRUEBAS PARA UNA SOLA VARIABLE

1. CUANDO TENEMOS UNA SOLA MUESTRA: Cuando se desea comparar

la muestra estudiada con la poblacin con respecto a una variable

A.- Cuando se desea hacer inferencia acerca de la media de una variable

continua con respecto a la media de la poblacin cuando la distribucin de la
variable es normal (o se asume el teorema de lmite central) y la varianza
(cuadrado de la desviacin estndar) de la poblacin es conocida.
a. PRUEBAS PARA VARIABLES CUANTITATIVAS
Este tipo de clculo estadstico es para trabajo eminentemente descriptivos.

CLCULO PARA UNA LA MEDIA POBLACIONAL

Prueba z normal para una muestra.

Ej: queremos saber si el promedio de hemoglobina en sangre de una muestra
de 1000 pacientes usuarias de anticonceptivos orales es diferente o no del
promedio de los niveles de hemoglobina en la poblacin general. Sabemos que
los valores de hemoglobina siguen una distribucin normal y conocemos la
desviacin estndar (por lo tanto la varianza) de los valores normales de
glicemia en la poblacin

B.- Cuando se desea hacer inferencia acerca de la media de una variable

continua con respecto a la media de la poblacin cuando la distribucin de la
variable es normal (o se asume el teorema de lmite central) y la varianza
(cuadrado de la desviacin standard) no es conocida

_ ___
= x z / .
n

Prueba t para una muestra

Ej. El caso anterior si es que no conociramos la desviacin estndar (por lo
tanto la varianza) de los valores de hemoglobina en la poblacin.

C.- Cuando se desea hacer inferencia acerca de la varianza (cuadrado de la

desviacin estndar) de una variable continua con respecto a la varianza de la
poblacin cuando la distribucin de la variable es normal (o se asume el
teorema de lmite central).

_ ___
= x t / Sx .
n
_
x= Promedio de la muestra.
= Desviacin estndar de la poblacin (puede usarse Se).
Sx = Desviacin estndar muestral.
Z= Coeficiente de confiabilidad para la distribucin normal (>30 casos )
t= Coeficiente de confiabilidad para la t de student con 1 grado de
libertad.
= Media poblacional

CALCULO DE LA PROPORCIONAL POBLACIONAL

___
= p z / pq .
n

p= Proporcin muestral.
Q= 1-p
b. PRUEBAS PARA VARIABLES CUALITATIVAS

Prueba Chi cuadrado para varianzas para una muestra

Cuando queremos comparar una muestra con la poblacin con respecto a una
variable de distribucin binomial (no sigue una distribucin normal).

Ej: Cuando queremos saber si la varianza (cuadrado de la desviacin estndar,

que es una medida de dispersin de los datos) de la distribucin de los valores
de hemoglobina en la muestra de usuarias de anticoncepcin oral es diferente
de la varianza de los valores de hemoglobina en la poblacin general. Esta
prueba estadstica es muy sensible y por lo tanto no da resultados confiables si
la distribucin de los valores de hemoglobina no siguen una curva normal en la
poblacin.

(Obs - Esp)
JI = SUMA -------------------
Esp

Obs= es el nmero observado de casos clasificados por cada categora.

Esp= es el nmero esperado de casos clasificados por cada categora.

Test binomial para una muestra

Cuando queremos comparar una muestra con la poblacin con respecto a una
variable de distribucin no normal ni binomial.

Ej. Queremos comparar una muestra de escolares de un colegio con la

poblacin escolar en general con respecto a la presencia o no de parasitosis.
Variable binomial: Presencia de parasitosis: Si o No.

II. PRUEBAS PARA DOS VARIABLES

PRUEBAS PARA DOS MUESTRAS:

Se desea comparar dos muestras con respecto a una variable.

A.- Cuando queremos comparar medias entre dos muestras independientes,

las varianzas no son diferentes y la distribucin de la variable es normal (o se
asume teorema de limite central):

a. PARA DOS VARIABLES CUANTITATIVAS

La prueba de Z para dos promedios

Esta prueba es aplicada para n1 y n2 mayores a 30 casos.
__ __
Z = ( X1 - X2) .
/ S1 + S2
n1 n2

Prueba T para dos promedios

Esta prueba es aplicada para n1 y n2 menores a 30 casos.
 __ __
t = ( X1 - X2) .
/ Sp + Sp
n1 n2

Sp = (n1 1)s1 + (n2 1)S2

n1 + n2 - 2

Prueba t para dos promedios independientes con iguales varianzas.

Cuando queremos comparar las medias de dos muestras independientes, las
varianzas son diferentes y asumimos que la distribucin de la variable es
normal (o se asume teorema de limite central):

Ej: queremos saber si el promedio de triglicridos en sangre de una muestra de

pacientes con preeclampsia no es diferente del promedio de los valores de
triglicridos de una muestra de gestantes sin preeclampsia. Se supone que la
distribucin de los valores de triglicridos sigue un patrn normal, las muestras
de pacientes con preeclampsia y las que no tienen preeclampsia son
independientes (No estn relacionadas) y la varianza de los valores de
triglicridos no es diferente entre el grupo de gestantes con preeclampsia y el
grupo que no tiene preeclampsia.

Prueba t para dos promedios con diferentes varianzas.

Cuando queremos comparar medias entre dos muestras dependientes,
asumiendo que la distribucin de la variable es normal (o se asume teorema de
limite central):

Ej: El caso anterior si es que asumimos que la varianza de los valores de

trigliciridemia es diferente entre las mujeres con preeclampsia y las mujeres sin
preeclampsia.

Prueba t pareada
Inferencia acerca de varianzas, distribucin normal (o se asume teorema de
lmite central), se emplea cuando existe la comparacin de los promedios de
dos muestras relacionadas:
Ej. Cuando queremos comparar el promedio de la presin arterial sistlica en
100 hipertensos antes y despus de un tratamiento farmacolgico. Asumimos
que la distribucin de los datos de presin arterial sigue una distribucin
normal. Tambin son muestras dependientes aquellas en que se realiza un
pareamiento para una o ms variables.

_
t = d , t con (n-1) grados de libertad
Sd n

Prueba f para dos muestras para comparar varianzas (muy sensible

cuando el patrn no es normal).
Cuando tenemos dos muestras de distribucin binomial y las muestras son
dependientes:

Ej. Queremos comparar si las varianzas (cuadrado de la desviacin estndar)

son diferentes entre los valores de espirometra de un grupo de 100 pacientes
con asma y un grupo de 100 pacientes con tuberculosis. Es decir queremos ver
si la dispersin de los valores entre estas dos muestras es diferente. Asumimos
que la distribucin de los valores de espirometra siguen una curva normal.

F = n1s1 /(n1-1)
n2s2 /(n2-1)

n1 = grados de libertad del numerador

n -2 = grados de libertad del denominador
s = Varianza muestral
n = cantidad de muestra

Correlacin de pearson:
Es la relacin entre dos variables continuas que no tienen distribucin normal.
Se realiza entre valores de dos variables en un grupo o dos grupos con la
misma variable o distinta. Tambin puede ser de tipo lineal, la caracterstica
recta que tanto llama la atencin, parcial, curvilnea, mltiple o de varias
variables a la vez. En principio puede hacerse para cualquier tipo de funcin.

Ej. Existe o no relacin entre los valores de colesterolemia y la presin arterial

en un grupo de 1000 diabticos.

R = n XY - X y .
(n X - (X) (n Y - (Y))

Antes de la correlacin, normalmente se efecta lo que se denomina la recta

de regresin. El valor de la correlacin, es predecir el valor de una variable a
partir del valor de la otra.

Es bastante complicada para lo que se pretende de unos "apuntes

estadsticos". Calcula tambin una "dispersin" respecto de cada funcin que
se trabaja, es decir "predice los valores entre tal y tal valor". Un valor 0 es
ausencia de correlacin (prediccin), el opuesto, 1, es lo mximo, jamas
alcanzado a no ser matemticamente con objetos de orden ideal. La realidad
es otra.

Como valores establecidos se denota que intensidades de correlacin:

Cuando esta entre 0 y 0,25 = No hay correlacin
Cuando esta entre 0,26 y 0,50 = baja correlacin.
Cuando est entre 0,51 y 0,74 = Mediana Correlacin
Cuando est entre 0,76 y 1 = Existe alta correlacin.

Hay que cuidar que siempre se encuentre la significancia estadstica p < 0,05.
Valor Predictivo
Que es r.r (r cuadrado) es de 0.49 (0.7x0.7) y esto es lo mismo que decir "una
prediccin de una variable a travs de otra puede acertar como no", o es
blanco o es negro, no dice nada ms, debemos tener como mnimo 0.85 y ah
empezar a inferir la influencia de la variable.

Mtodos de correlacin rank.: Coeficiente de correlacin spearman

Ej. El uso de condn (medido en porcentaje de los coitos) en una muestra de
trabajadoras sexuales y el nmero de leucocitos en secrecin cervical.

Anlisis de regresin
El investigador suele tener razones tericas o prcticas para creer que
determinada variable es causalmente dependiente de una o ms variables
distintas. Si hay bastantes datos empricos sobre estas variables, el anlisis de
regresin es un mtodo apropiado para desvelar el patrn exacto de esta
asociacin.

El algoritmo de anlisis de regresin construye una ecuacin, que tiene el

siguiente patrn. Adems, da los parmetros a1, a2 etc. y b valores tales que la
ecuacin corresponde a los valores empricos con tanta precisin como es
posible.

y = a1x1 + a2x2 + a3x3 + ... + b

En la ecuacin, y = la variable dependiente x1 , x2 etc. = variables

independentes a1, a2 etc. = parmetros b = coeficiente.

En su estructura para un anlisis de dos variables cuantitativas la frmula para

un anlisis de regresin sera:

Y= a + bX.

En donde
Y = Variable dependiente (numrica).
X = variable independiente (numrica)
A = Ordenada de origen
B = Coeficiente de regresin lineal.

Clculo de a:
_ _
a = Y bX
_
Y= Promedio de las Y
_
X= Promedio de las X
n= Tamao muestral

b= n XY - XY
nX - (X)
b. PRUEBAS PARA VARIABLES CUALITATIVAS

La prueba de Z para dos proporciones

Esta prueba es aplicada para n1 y n2 mayores a 30 casos.

Z = ( P1 - P2) .
/ p1q1 + p2q2
n1 n2

Prueba de Ji cuadrado para dos proporciones

Sume cada diferencia entre lo que observo y lo que esperaba, elevada al

cuadrado y dividida por lo que esperaba

X = (fo - fe)
fe

En donde:
fe = (fi) (c)
ft

gl = (fi -1) ( c 1)

fo = Frecuencias observadas
fe = Frecuencias esperadas.
fi = Filas
c= Columna
gl = Grados de libertad

No es el mismo concepto que el anterior, pues no mide "diferencias de medias"

propiamente dichas, sino cual es la "variabilidad total", un resultado
"significativo" no nos dice quien es mas o menos, sino que son diferentes.

Utiliza el concepto de GL pero no por cantidad de sujetos sino por cantidad de

Grupos Fi de Condiciones C, GL =(Fi-1) (C-1) Para un nico grupo, GL = C-1,
para una nica condicin GL = Fi-1.

Adems contiene condiciones de restriccin como que ningn valor esperado

sea menor a 5. Formas para sacar los "esperados" si no se tiene idea de lo que
se espera y otras aplicaciones de "asociacin", "contingencia", etc.

Variaciones de la prueba de chi y pruebas alternativas

Test x de mc nemar
Cuando tenemos dos variables de distribucin binomial, las muestras son
independientes pero algn valor esperado de alguna de las celdas de la tabla
de 2 x 2 es < 5:

Ej: Se desea determinar si dos tcnicas difieren en la deteccin de cierto tipo

de virus en sangre (+). Se toma una muestra de sangre de, por ejemplo, 100
pacientes y cada una se divide en dos, una sub muestra se analiza con la
tcnica A y la otra con la B. Con la prueba de c2 de Mc Nemar se determina si
la proporcin de los (+) con la tcnica A difiere de los (+) con la tcnica B.

DESPUES
+ -
ANTES + a b
- c d

X de Macnemar = ( |a - d| - 1 ) , x con un grado de libertad

( a + d)

Prueba exacta de fisher

Cuando tenemos dos variables de distribucin binomial, las muestras son
independientes y todos los valores esperados son 5. Los valores usados no
corresponden a densidad de incidencia:

Ej: Cuando en el ejemplo anterior uno de los valores esperados de una de las
celdas de la tabla de 2 x 2 es menor de 5. El valor esperado se halla
multiplicando el total de la columna (a + b) por el total de la fila (a +
c)correspondientes a esa celda (ej. la celda a) y dividiendo por el total de
participantes (a+b+c+d).
+ -
I + a b
II - c D

Se calcula el valor de p (nive de significancia) con la siguiente frmula:

p= (a +c)! (b +d)! (a+b)! (c + d)!

a! b! c! d!

Pruebas para proporciones binomiales a dos muestras o metodos para tablas

de 2x2 si no existen confusores. Si existen confusores: prueba de Mantel-
Haenszel

Distribucin binomial, muestras independientes, todos los valores esperados

5, valores de densidad de incidencia incluidos:

Ej: Cuando el ejemplo anterior uno de los valores esperados son de 5 y el

estudio no es uno de tipo cohortes: es uno de tipo caso control o transversal

a B F1
c d F2
C1 C2 N

XMH = ( a .d b.c /N)

F1F2C1C2/N3
C = Filas
F = Columnas
Trabaja con 1 grado de libertad

Mtodos de tablas de contingencias r x c

Distribucin no normal (o teorema de lmite central no asumido), datos no
categricos:

Ej. Queremos saber si existe asociacin entre la variable dolor abdominal (leve,
moderado o severo) en tres grupos de mujeres con cervicitis leve, moderada y
severa.

Prueba Kappa
Ej. Queremos saber en que grado concuerdan el diagnstico clnico de un
gineclogo y el diagnostico de laboratorio en la etiologa de la vulvovaginitis en
100 mujeres que venan con el sntoma de flujo vaginal anormal.

Prueba Cochran Q
La prueba Cochran Q puede usarse para evaluar la relacin entre dos variables
que se miden en una escala nominal. Una de las variables puede incluso ser
dicotmica, o consistir en slo dos valores posibles.
_
Q = k.(k 1) (V - V)
kH - H

k= nmero de variables
H= Total de situaciones en filas
V= Total de situaciones en columnas

Prueba Wilcoxon
Con la prueba Wilcoxon podemos comprobar la representatividad de las
preferencias entre dos (o ms) alternativas. La escala al dar las preferencias es
ordinal.

c. PRUEBAS PARA VARIABLES CUALITATIVAS Y CUANTITATIVAS.

Anlisis de varianza
Bsicamente la variable independiente es cualitativa nominal y la dependiente
es cuantitativa. El anlisis de varianza (en ingls ANOVA, ANalysis Of
VAriance) examina dos o ms conjuntos de mediciones, especialmente sus
varianzas, e intenta detectar diferencias estadsticamente representativas entre
los conjuntos. Estos conjuntos podran ser, por ejemplo, reacciones medidas
para dos grupos experimentales, y el investigador quiere examinar si hay una
diferencia en las reacciones, tal vez causada por los distintos estmulos a los
grupos.

El mtodo de anlisis de varianza se basa en el hecho matemticamente

probado de que hay una diferencia entre los grupos slo si la varianza inter-
grupos es mayor que la varianza intra-grupo.
El anlisis se inicia calculando la varianza intra-grupo para cada grupo, y la
media de todas estas varianzas de grupo.

El siguiente paso es calcular la media para cada grupo, y entonces la varianza

de estas medias. Esa es la varianza inter-grupos.
Entonces calculamos la proporcin de las dos cifras que acabamos de obtener,
que es llamada F. En otras palabras, = (varianza de las medias de grupo) /
(media de las varianzas de grupo).

variabilidad inter
F = --------------------
variabilidad intra

Frmulas:

La prueba de F para la regresin lineal

F= CM entre-grupos
CM intra-grupos

CM = Cuadrados medios

CM = SC/gl

SC = Suma de cuadrados
gl = Grados de libertad

proviene de :
Clculo de la suma de cuadrados intragrupo:

SC iintragrupo = SC total SC entre grupos

Para esto se calcula:

Suma de cuadrados totales:

Sctotal = x - ( x)
N

x = Suma de las observaciones (puntuaciones de la variable dependioente).

X= Suma de los cuadrados de las observaciones
N = nmero total de casos

Suma de los cuadrados entre grupos

SC entre grupos =
[ n n n n
]
(x1) + (x2) + (x3) + (x4) - (x)
N
Lo que precisamente trata de ver Fisher es que si el numerador es grande y el
denominador es pequeo, F es grande y por lo tanto significativa. Por que ?
porque arriba sera "grande" si y solo si hay una gran diferencia entre los
grupos y abajo sera pequeo si y solo si los grupos tienen datos
"parejitos", de poca variabilidad. Fisher trata de manejar eso de que hay
mucha diferencia entre los grupos, pero dentro de cada uno hay cualquier
"causalidad", es decir, no afirmar la diferencia significativa, si los grupos no son
"representativos" de esa diferencia. Muy buena solucin.

Finalmente nos referimos a la tabla (en manuales estadsticos) que muestra

qu valores puede alcanzar el coeficiente F cuando slo acta el azar. Si el F
obtenido del ANOVA es mayor que el valor de la tabla, hay una diferencia entre
los grupos que es significativa segn muestra la tabla.

La frmula del anlisis de varianza es muy compleja y es preferible saber la

decisin y emplearla en un paquete estadstico.

Anova un factor
Ej: Queremos comparar el promedio del efecto hipotensor (variable continua y
dependiente) entre cuatro drogas (variable independiente y categrica) en u un
grupo de 100 gestantes adolescentes con preeclampsia. Asumimos que los
valores de las diferencias de PA antes y despus de la administracin del
medicamento siguen un patrn normal.

Prueba de Kruskal-Wallis: No Parametrica

Inferencia acerca de varianzas, distribucin normal (o teorema de limite central
asumido):

Ej. Queremos comparar los promedios de edad entre tres grupos de mujeres:
con papanicolaou normal, otro en el que existe un resultado de displasia
cervical y el ultimo grupo donde el resultado del papanicolaou es carcinoma
invasor.

Prueba de Bartlett's para homogeneidad de varianzas

Distribucin no normal (o teorema de limite central no asumido), datos
categricos.

Ej: Queremos en el ejemplo anterior, comparar la dispersin de las edades en

los tres grupos, tomando en cuenta las varianzas (cuadrado de la desviacin
estndar).

Anova de dos factores.

Ej: Queremos ver la diferencia de promedios de colesterolemia (variable
dependiente continua) entre dos grupos de mujeres: 100 que toman
anticonceptivos y 100 que no toman. Pero hay que considerar que dentro de
estos dos grupos existen mujeres que fuman y mujeres que no fuman. En
realidad habran 4 grupos en la variable independiente: Fuman y toman ACO,
Fuman y no toman ACO, No fuman y toman ACO y No fuman y no toman ACO.
Asumimos que los valores de colesterolemia siguen un patrn normal.
Anlisis de Covarianza
Distribucin no normal de la variable dependiente (o no se asume teorema de
limite central):

Ej: Queremos comparar el promedio del efecto hipotensor (variable dependente

y continua) entre cuatro drogas (variable independiente y categrica) en un
grupo de 100 gestantes de diferentes edades. Variables a ser controlada: la
edad de la gestante, diabetes mellitus asociada. Asumimos que los valores de
las diferencias de PA antes y despus de la administracin del medicamento
siguen un patrn normal.

Anlisis Factorial
A veces tiene el investigador una gran cantidad de datos sobre numerosas
variables diferentes con correlacin entre ellas. Con ayuda del anlisis factorial,
tales datos suelen poder comprimirse y las variaciones presentarse a travs de
slo unas pocas variables.

Como ejemplo, consideremos los datos de un cuestionario (mostrado en otra

parte) donde a un cierto nmero de sujetos de un test se les pregunt en qu
grado se correspondan sus problemas de gastritis con las diferentes dietas y
costumbres referidas por el investigador (mostrados en escalas "semnticas
diferenciales"). El investigador ahora quiere descubrir si tras las estimaciones
de los sujetos, hay algunas "variables de fondo" cuya medicin directa por a
travs de medios lingsticos no sera posible a causa de la carencia de
adjetivos apropiados en el lenguaje. La hiptesis del investigador es que estas
variables de fondo "aparecen" a travs de los adjetivos usados en las escalas
semnticas, habitualmente no con un adjetivo nico, sino mediante un grupo de
adjetivos con correlacin entre ellos.

Con la ayuda de un anlisis factorial, las variables de combinacin o factores

ocultos tras los atributos medidos pueden detectarse y especificarse, y el
anlisis tambin dice lo estrechamente que estos factores estn vinculados con
las variables originalmente verificadas.-- A veces se sita tambin una
condicin suplementaria sobre los factores, concretamente que no deben tener
correlacin alguna entre ellos y estn por lo tanto en "la dieta rica en grasas"
uno con respecto a otro (= "dieta vegetariana" de los factores durante el
anlisis).

Un inconveniente del mtodo del anlisis factorial es que es demasiado fcil de

usar para estudios que son formalmente correctos pero en la prctica
absurdos, porque siempre presenta los resultados de una forma elegante y
matemticamente exacta, incluso cuando los factores obtenidos son tienen
ningn contenido emprico sensato.

Anlisis de serie temporal

Una serie cronolgica es una lnea de valores de variables reunidos en un
cierto periodo de tiempo, habitualmente en intervalos regulares. Si cada valor
nuevo se aade a los previos, la serie es acumulativa.
La curva es la presentacin ms usual para la serie cronolgica. El tiempo
siempre se presenta en el eje horizontal, x. Si es necesario, pueden situarse
varias variables o series de datos en el mismo diagrama. Esto tiene especial
sentido cuando se estn investigando sus conexiones o ha de ponerse nfasis
en stas. Cuando se presentan dos series cronolgicas distintas con distintas
escalas en una figura, podemos situar una escala cuanto al margen izquierdo
de la figura y la otra junto al margen derecho.

Si es necesario, tanto los valores medidos como los que se predicen pueden
mostrarse en la misma curva.

Si el rango de la variable es muy pequeo, puede ser resaltado acortando la

escala Y, es decir, cortando la parte que no contiene valores, normalmente a
partir de la parte de abajo de la escala.

La figura a continuacin tiene exactamente los mismos contenidos que la de la

figura anterior, pero la variacin se ha hecho ms visible al recortar la escala
por la parte de abajo. - Si, por el contrario, la variable vara en una escala muy
amplia, puede hacerse logartmica la escala del eje Y.

Toda serie cronolgica es intrnsecamente discontinua, es decir, obtiene un

valor discreto para cada periodo de tiempo. Esto es por lo que la presentacin
elegida para una serie cronolgica suele ser una curva "en escalera", que es en
principio lo mismo que un histograma donde las columnas se dibujan una junto
a otra.
Si dirigimos una mirada ms detenida a la variacin de la serie cronolgica,
sta suele revelar componentes, todos los cuales tienen sus regularidades
especficas que pueden ser analizadas. Los ms habituales de estos
componentes son:
Tendencia
Variacin peridica
Variacin coyuntural
Una tendencia es una direccin lineal de desarrollo en un periodo de tiempo.
Una forma sencilla de estudiarla es hacer un diagrama de dispersin y
entonces situar manualmente una estimacin aproximada de la lnea que
describe la tendencia en l (la lnea roja).

Un mtodo ms refinado y exacto para la tarea arriba mencionada es el anlisis

de regresin. Tras haber encontrado la ecuacin que se ajusta de forma ptima
a la tendencia, sta habitualmente es tambin presentada de forma grfica,
posiblemente junto con el diagrama de dispersin original.

Una variacin peridica es una variacin cclica recurrente en forma similar

una y otra vez. El periodo de variacin suele ser una unidad natural de tiempo,
como un ao o un da.

Por ejemplo, el consumo de carbohidratos de una muestra de personas con

diabetes vara simultneamente con tres frecuencias: ritmos anual, semanal y
diario. Estos se calculan uno cada vez, por el siguiente mtodo, bsicamente el
mismo en los tres casos:
La variacin peridica anual se halla haciendo un grupo de los valores
para enero, otro de los de febrero, etc. Entonces, para cada uno de
estos doce grupos se calcula la media y finalmente las doce medias se
presentan como la variacin anual (la curva roja).
Cuando calculan los valores semanales, habr siete grupos, es decir,
uno para cada da de la semana. Se calcula la media para cada uno de
los siete grupos, y las siete medias conforman la variacin semanal.
(Curva Palorosa)
El ritmo diario de 24 mediciones diarias se calcula de forma tal que todos
los valores se disponen en grupos de 24. Las 24 medias indican
entonces la variacin diaria buscada. (Curva azul)

Cuando se ha encontrado la variacin peridica, sta se presenta, sea

grficamente como curva de la longitud de un periodo, o bien numricamente
como un ndice. Este ndice habitualmente se hace a partir de una base de 100
( 1,00), y sus valores peridicos se obtienen cuando las medias peridicas
(por ejemplo mensuales) se dividen por la media comn del conjunto de los
datos.

Una variacin de coyuntura tiene lugar repetidamente en la misma manera

que una variacin peridica, pero su longitud y forma varan.

Para revelar la variacin de coyuntura, la tendencia y las variaciones peridicas

de los datos han de ser halladas primero. Tras esto, la tendencia y las
variaciones peridicas se eliminan de los datos. Esto se hace por ejemplo
dividiendo todos los valores individuales por el ndice de la variacin peridica,
y por la frmula de la tendencia tal y como se ha hallado por el mtodo de
anlisis de regresin.

Tras estas operaciones, los datos slo incluyen (de forma suplementaria a la
variacin aleatoria) la variacin de coyuntura.

La variacin aleatoria es habitualmente eliminada mediante la media flexible.

Por ejemplo, en datos que contienen valores mensuales, esto se hace
sustituyendo para cada valor mensual una media que comprende a ese mes y
los meses vecinos.

La media de cinco o siete meses puede tambin usarse, aunque la desventaja

de esto es que puede oscurecer incluso la variacin que podra interesar al
investigador.

La variacin aleatoria no es necesariamente una perturbacin que haya de ser

eliminada. Si hay una gran cantidad de ella, el investigador podra intentar
plantearse las razones para esta variacin: es causada por un factor
importante o interesante que debiera ser incluido en la hiptesis del proyecto
de investigacin?

Todos los anlisis de series cronolgicas que acaban de mencionarse son hoy
realizados normalmente con un ordenador.

III. CUANDO SE ESTUDIA TRES O MS VARIABLES

a. CUANDO LA VARIABLE DEPENDIENTE ES CONTINUA:

Mtodo de regresin mltiple

Ej. Queremos saber si la variable dependiente talla esta independientemente
relacionada (y en qu grado) a otras variables como edad, estado nutricional,
raza, etc.

Cuando la variable dependiente es binaria y el tiempo en que ocurre el

evento es importante.

Mtodo de anlisis de sobrevida

Ej. Queremos ver que variables (edad, tcnica quirrgica, tipo de tumor, etc.)
estn independientemente asociadas a la sobrevida o no (variable
dependiente) a 5 aos de pacientes con cncer de mama.

Cuando la variable dependiente nominal y las independientes numrica

Mtodo de regresin logstica
Ej. Queremos saber cules de las variables (edad, uso de condn por coito,
numero de compaeros sexuales, etc.) estn independientemente asociadas a
la presencia o no de infeccin cervical en mujeres que acuden al consultorio de
Planificacin Familiar.
Ej. Se desea identificar los factores de riesgo con variables independientes
cuantitativas de cncer de estmago en cierto hospital.

REFERENCIAS BIBLIOGRFICAS
- Caldern Saldaa Jully Pahola. Del guila Villar Carlos. Alzamora de los Godos Urcia Luis, La
Rosa Botonero Luis. La Investigacin Cientfica en Ciencias de la Salud. 1ra Edicin 2013. ISBN:
978-612-00-1390-8. Depsito Legal: 2013-15244. Universidad Nacional Federico Villareal.
Editorial Universitaria - 2013.
- Caldern Saldaa Jully Pahola, Alzamora de los Godos Urcia Luis, Del guila Horna Eduardo. La
Tesis de Posgrado. 1ra Edicin 2013. ISBN: 978-612-4097-55-3. Depsito Legal: 2013-03871.
Universidad Alas Peruanas. Lima - 2013.
- Caldern Saldaa Jully Pahola, Alzamora de los Godos Urcia Luis. INVESTIGACIN
CIENTFICA PARA LA TESIS DE POSTGRADO (Print and Ebook). ISBN: 9780557950812
Copyright. Jully Pahola Caldern Saldaa (Standard Copyright License) Edition 1ra Edicin
PublisherJully Pahola Caldern SaldaaPublished. January 4, 2011.
http://www.lulu.com/shop/jully-pahola-calder%C3%B3n-salda%C3%B1a-and-luis-alex-alzamora-
de-los-godos-urcia/investigaci%C3%B3n-cient%C3%ADfica-para-la-tesis-de-
postgrado/paperback/product-14440215.html. Disponible en lulu.com Inglaterra, en amazon.com
de USA. y fishpond.com de Australia.
- Caldern Saldaa Jully Pahola, Alzamora de los Godos Urcia Luis. ESTADSTICA PARA LA
TESIS DE POSTGRADO(Print and Ebook). ISBN: 9780557976041 Copyright Jully Pahola
Caldern Saldaa (Standard Copyright License) Edition 1ra Edicin. Publisher Jully Pahola
Caldern Saldaa y Luis Alzamora de los Godos Urcia. Published February 11, 2011.
http://www.lulu.com/shop/jully-pahola-calder%C3%B3n-salda%C3%B1a-and-luis-alex-alzamora-
de-los-godos-urcia/estad%C3%ADstica-para-la-tesis-de-postgrado/paperback/product-
14729221.html. Disponible en lulu.com Inglaterra, en amazon.com de USA. y fishpond.com de
Australia.
- Caldern Saldaa Jully Pahola, Alzamora de los Godos Urcia Luis. DESARROLLO DE LA TESIS
(ebook): Volumen I. ISBN: 9780557847648 Copyright Jully Pahola Caldern Saldaa (Standard
Copyright License) Edition 2da Edicin. Published November 17, 2010.
http://www.lulu.com/shop/jully-pahola-calder%C3%B3n-salda%C3%B1a-and-luis-alex-alzamora-
de-los-godos-urcia/desarrollo-de-la-tesis-volumen-i/ebook/product-13630126.html.
- Caldern Saldaa Jully Pahola, Alzamora de los Godos Urcia Luis. DESARROLLO DE LA TESIS
(ebook). Segunda Etapa. ISBN: 9780557855469 Copyright Jully Pahola Caldern Saldaa
(Standard Copyright License) Edition 2da Edicin. Published November 17, 2010.
http://www.lulu.com/shop/jully-pahola-calder%C3%B3n-salda%C3%B1a-and-luis-alex-alzamora-
de-los-godos-urcia/desarrollo-de-la-tesis-segunda-etapa/ebook/product-13630654.html
- Caldern Saldaa Jully Pahola, Alzamora de los Godos Urcia Luis. DESARROLLO DE LA TESIS
(ebook). Tercera Etapa. ISBN 9780557857517 Copyright Jully Pahola Caldern Saldaa
(Standard Copyright License) Edition 2da Edicin. Published November 18, 2010.
http://www.lulu.com/shop/jully-pahola-calder%C3%B3n-salda%C3%B1a-and-luis-alex-alzamora-
de-los-godos-urcia/desarrollo-de-la-tesis-tercera-etapa/ebook/product-13634992.html.
- Caldern Saldaa Jully Pahola, Alzamora de los Godos Urcia Luis. METODOLOGA DE LA
INVESTIGACIN CIENTFICA EN POSTGRADO (Print and Ebook). ISBN 9780557970735
Copyright Jully Pahola Caldern Saldaa (Standard Copyright License) Edition 1ra Edicin.
Publisher Jully Pahola Caldern Saldaa y Luis Alzamora de los Godos Urc. Published.
December 14, 2010. http://www.lulu.com/shop/jully-pahola-calder%C3%B3n-salda%C3%B1a-
and-luis-alex-alzamora-de-los-godos-urcia/metodolog%C3%ADa-de-la-investigaci%C3%B3n-
cient%C3%ADfica-en-postgrado/hardcover/product-14303611.html.
- Caldern Saldaa Jully Pahola, Alzamora de los Godos Urcia Luis. EPIDEMIOLOGIA Y
ESTADSTICA EN SALUD (Ebook). Pblico. N de pginas: 197.
http://www.bubok.es/libros/193076/EPIDEMIOLOGIA-Y-ESTADISTICA-EN-SALUD .
- Dra. Jully Pahola Caldern Saldaa. Dr. Luis Alzamora de los Godos Urcia, Dr. Eduardo del
guila Horna. GUA DE ELABORACIN DE PROYECTOS DE TESIS DOCTORAL. Universidad
Alas Peruanas. Vicerectorado de Investigacion y Postgrado. Lima Per. 2009.
http://dued.uap.edu.pe/books/60/600260107/60107-12-482455wuvytxgoko.pdf
- Caldern Saldaa Jully Pahola, Alzamora de los Godos Urcia Luis. GUA DE ELABORACIN DE
PROYECTOS DE INVESTIGACIN E INFORMES DE TESIS CUANTITATIVA. @ 2006
Universidad Inca Garcilaso de la Vega EPG 2006. Escuela de Postgrado. Seccin de
Maestra. Editor: Luis Alzamora de los Godos Urcia. Revisin del documento: Jully Pahola
Caldern Saldaa. https://es.scribd.com/doc/256413894/Esquema-Cuantitativo-Maestria
- Caldern Saldaa Jully Pahola, Alzamora de los Godos Urcia Luis. GUA DE ELABORACIN DE
LA TESINA. Instituto Cientfico y Tecnolgico Del Ejrcito. Lima- Per. 2010.
https://es.scribd.com/doc/115461124/Esquema-ICTEo