Después de haber estudiado recurso sobre "Análisis univariado, Bivariado y Prueba

de Hipótesis", realiza un control de lectura sobre el recurso, en el mismo debes

explicar la importancia que tiene este análisis en la investigación de merados.

Estudios univariados

En un estudio univariado, se examinan los efectos de la variable independiente sobre una

única variable dependiente. Para un estudio experimental, al grupo experimental se le da
el tratamiento (un nuevo fármaco, por ejemplo) y al grupo de control no se le da el
tratamiento. Se mide la misma variable dependiente para cada sujeto en cada grupo
(azúcar en la sangre, el ritmo cardíaco, las calificaciones o actitudes, por ejemplo). Con
las estadísticas univariantes, se intenta establecer una relación causal entre la variable
independiente y un cambio en la variable dependiente. ¿Funcionó la medicación? En este
tipo de estudios, también puedes tener más de una variable independiente (un cóctel de
fármacos, por ejemplo), siempre y cuando todavía haya una única variable dependiente.

Estudios bivariados

Los estudios bivariados miden la relación entre dos variables. Ninguna de las variables en
estudio es independiente, por lo que el procedimiento no es experimental, como en los
estudios univariados. Las correlaciones bivariadas son herramientas comunes y se
utilizan para estudiar cómo una variable influye en la otra. Por ejemplo, si quieres ver
cómo los ingresos de la familia influyen en las tasas de graduación, se puede utilizar una
correlación bivariada para examinar las dos variables.

Estudios multivariados

Los estudios multivariados son similares a los estudios univariados, pero tienen más de
una variable dependiente. Por ejemplo, si deseas examinar la capacidad de tres nuevos
productos químicos para limpiar un derrame de aceite, las tres sustancias químicas serían
las variables independientes. Se podrían medir las propiedades de las sustancias
químicas dispersantes, la desintoxicación del aceite, la toxicidad de la sustancia química y
el efecto sobre el medio ambiente como variables dependientes. Luego, se utiliza un
análisis estadístico multivariable para examinar las relaciones entre todas las variables.

El uso de la estadística multivariada

En el estudio univariado clásico, a un grupo de sujetos seleccionados al azar se le asigna

un grupo de control o tratamiento y se examina un solo factor (variable dependiente). En
áreas como la psicología, interesa más de un factor y se quieren probar varios métodos
de tratamiento diferentes. Digamos que quieres estudiar la eficacia de un nuevo
tratamiento conductual en personas con depresión. Las personas que se reúnen para el
estudio probablemente tengan una serie de cualidades diferentes, todas las cuales
pueden ser clasificadas como una variable independiente. Además, el nuevo tratamiento
puede afectar otros aspectos de las personas además de la depresión, tales como la
autoestima o autoimagen. Este estudio multivariado es mucho más realista que
simplemente etiquetar personas en distintos grupos con la esperanza de que todos salgan
como se predijo.

Una prueba de hipótesis es una regla que especifica si se puede aceptar o rechazar una
afirmación acerca de una población dependiendo de la evidencia proporcionada por una
muestra de datos.

Una prueba de hipótesis examina dos hipótesis opuestas sobre una población: la
hipótesis nula y la hipótesis alternativa. La hipótesis nula es el enunciado que se probará.
Por lo general, la hipótesis nula es un enunciado de que "no hay efecto" o "no hay
diferencia". La hipótesis alternativa es el enunciado que se desea poder concluir que es
verdadero de acuerdo con la evidencia proporcionada por los datos de la muestra.

Con base en los datos de muestra, la prueba determina si se puede rechazar la hipótesis
nula. Usted utiliza el valor p para tomar esa decisión. Si el valor p es menor que el nivel de
significancia (denotado como α o alfa), entonces puede rechazar la hipótesis nula.

Un error común de percepción es que las pruebas estadísticas de hipótesis están

diseñadas para seleccionar la más probable de dos hipótesis. Sin embargo, al diseñar una
prueba de hipótesis, establecemos la hipótesis nula como lo que queremos desaprobar.
Puesto que establecemos el nivel de significancia para que sea pequeño antes del
análisis (por lo general, un valor de 0.05 funciona adecuadamente), cuando rechazamos
la hipótesis nula, tenemos prueba estadística de que la alternativa es verdadera. En
cambio, si no podemos rechazar la hipótesis nula, no tenemos prueba estadística de que
la hipótesis nula sea verdadera. Esto se debe a que no establecimos la probabilidad de
aceptar equivocadamente la hipótesis nula para que fuera pequeña.