reales. Estas son determinadas usando un nmero finito de parmetros. Esto es,
por ejemplo, si conocemos que la altura de las personas sigue una distribucin
normal, pero desconocemos cul es la media y la desviacin de dicha normal. La
media y la desviacin tpica de la desviacin normal son los dos parmetros que
queremos estimar. Cuando desconocemos totalmente que distribucin siguen
nuestros datos entonces deberemos aplicar primero un test no paramtrico, que
nos ayude a conocer primero la distribucin.
La mayora de procedimientos paramtricos requiere conocer la forma de
distribucin para las mediciones resultantes de la poblacin estudiada. Para la
inferencia paramtrica es requerida como mnimo una escala de intervalo, esto
quiere decir que nuestros datos deben tener un orden y una numeracin del
intervalo. Es decir nuestros datos pueden estar categorizados en: menores de 20
aos, de 20 a 40 aos, de 40 a 60, de 60 a 80, etc, ya que hay nmeros con los
cuales realizar clculos estadsticos. Sin embargo, datos categorizados en: nios,
jvenes, adultos y ancianos no pueden ser interpretados mediante la estadstica
paramtrica ya que no se puede hallar un parmetro numrico (como por ejemplo
la media de edad) cuando los datos no son numricos.
Es la que requiere que los elementos que integran las muestras contengan
elementos parmetros o medibles. Puede resolver tres tipos de problemas:
Estimacin puntual: En la que pretendemos darle un valor al parmetro a estimar.
Estimacin por intervalos (buscamos un intervalo de confianza).
Contraste de hiptesis, donde buscamos contrastar informacin acerca del
parmetro.
Prueba de Anderson-Darling
Prueba de Cochran
Prueba de Cohen kappa
Prueba de Fisher
Prueba de Friedman
Prueba de Kendall
Prueba de Kolmogrov-Smirnov
Prueba de Kruskal-Wallis
Prueba de Kuiper
Prueba de Mann-Whitney o prueba de Wilcoxon
Prueba de McNemar
Prueba de la mediana
Prueba de Siegel-Tukey
Prueba de los signos
Coeficiente de correlacin de Spearman
Tablas de contingencia
Prueba de Wald-Wolfowitz
Prueba de los rangos con signo de Wilcoxon
La mayora de estos test estadsticos estn programados en los paquetes
estadsticos ms frecuentes, quedando para el investigador, simplemente, la tarea
de decidir por cul de todos ellos guiarse o qu hacer en caso de que dos test nos
den resultados opuestos. Hay que decir que, para poder aplicar cada uno existen
diversas hiptesis nulas y condiciones que deben cumplir nuestros datos para que
los resultados de aplicar el test sean fiables. Esto es, no se puede aplicar todos los
test y quedarse con el que mejor convenga para la investigacin sin verificar si se
cumplen las hiptesis y condiciones necesarias pues, si se violan, invalidan
cualquier resultado posterior y son una de las causas ms frecuentes de que un
estudio sea estadsticamente incorrecto. Esto ocurre sobre todo cuando el
2.1 POBLACION
Es el conjunto de todos los posibles elementos que intervienen en un experimento
o en un estudio. La hay de dos tipos
Poblacin finita. Es aquella que indica que es posible alcanzarse o sobrepasarse
al contar. Es aquella que posee o incluye un nmero limitado de medidas y
observaciones.
Poblacin infinita. Es infinita si se incluye un gran conjunto de medidas y
observaciones que no pueden alcanzarse en el conteo. Son poblaciones infinitas
porque hipotticamente no existe lmite en cuanto al nmero de observaciones
que cada uno de ellos puede generar.
2.2 MUESTRA
Un conjunto de medidas u observaciones tomadas a partir de una poblacin dada.
Es un subconjunto de la poblacin.
Muestra representativa. Un subconjunto representativo seleccionado de una
poblacin de la cual se obtuvo.
Muestreo. Al estudio de la muestra representativa.
Donde:
n = el tamao de la muestra. N = tamao de la poblacin.
Desviacin estndar de la poblacin que, generalmente cuando no se tiene su
valor, suele utilizarse un valor constante de 0,5.
Z = Valor obtenido mediante niveles de confianza. Es un valor constante que, si no
se tiene su valor, se lo toma en relacin al 95% de confianza equivale a 1,96
(como ms usual) o en relacin al 99% de confianza equivale 2,58, valor que
queda a criterio del encuestador.
e = Lmite aceptable de error muestral que, generalmente cuando no se tiene su
valor, suele utilizarse un valor que vara entre el 1% (0,01) y 9% (0,09), valor que
queda a criterio del encuestador.
Ejemplo ilustrativo: Calcular el tamao de la muestra de una poblacin de 1000
elementos.
Solucin:
Se tiene N=1000, y como no se tiene los dems valores se tomar o=0,5 , Z =
1,96 y e = 0,05. Reemplazando valores en la frmula se obtiene:
2.3 VARIABLE
Son caracteres susceptibles a cambio y pueden tener diferentes valores en cada
elemento o individuo.
Clasificacin
- Variable Cualitativa
Son atributos que se expresan mediante palabras no numricas. Como por
ejemplo, profesin, religin, marca de automvil, estado civil, sexo, raza, etc.
- Variable Cuantitativa
Es toda magnitud representada por nmeros. Como por ejemplo, peso, estatura,
nmero de habitantes, etc.
- Variable Discreta
Es una caracterstica cuantitativa representada por nmeros enteros o exactos,
que generalmente resultan del proceso de conteo, como por ejemplo: nmero de
estudiantes de la promocin del ao anterior.
- Variable Continua
Es una caracterstica cuantitativa que puede tomar cualquier valor representado
por un nmero racional, que generalmente resultan del proceso de medicin,
como por ejemplo, tiempo destinado a estudiar Estadstica
Niveles de medicin
- Nivel Nominal
Cuando los datos slo pueden contarse y clasificados en categoras, no existe un
orden especfico entre las clases. Como por ejemplo, se cuentan cuntos hombres
y cuntas mujeres asisten a determinado evento.
- Nivel Ordinal
Cuando se ordenan los datos por jerarquas, una categora es mayor que otra.
Como por ejemplo, excelente es mejor que bueno o bueno es mejor que regular.
Otro ejemplo: Una persona puede tener mucho o poco dinero.
- Nivel de Intervalos
Cuando se incluye todas las caractersticas del nivel ordinal, pero la diferencia
entre los valores tiene un significado medido en unidades iguales que son
comunes y constantes, que permiten asignar nmeros reales a todos los
miembros de la clase ordenada, facilitando el establecimiento de diferencias en
grados de propiedad y entre objetos sobre la base de una medida. Como por
ejemplo: La diferencia entre 70 kilogramos y 60 kilogramos, es de 10 kilogramos.
Otro ejemplo: Si la temperatura de hoy es de 20 grados centgrados y la de ayer
fue de 25 grados centgrados, se sabe que la de hoy es 5 grados centgrados ms
baja que la de ayer.
- Nivel de Razn o Cociente
Este es el nivel de medicin "ms alto", tiene todas las caractersticas del nivel de
intervalos y adems en este nivel de medicin el cero tiene significado (as si se
tiene 0 dlares, entonces no se poseen fondos), y la razn (o cociente) entre dos
nmeros tambin es significativa (Un estudiante obtiene una calificacin de 3/10 y
otro 6/10, el segundo estudiante obtiene el doble que el primero).
2.4 DATO
Los datos son agrupaciones de cualquier nmero de observaciones relacionadas.
Para que se considere un dato estadstico debe tener 2 caractersticas: a) Que
sean comparables entre s. b) Que tengan alguna relacin.
2.5 EXPERIMENTO
Es una actividad planificada, cuyos resultados producen un conjunto de datos. Es
el proceso mediante el cual una observacin o medicin es registrada.
2.6 PARAMETRO
Se conoce como parmetro al dato que se considera como imprescindible y
orientativo para lograr evaluar o valorar una determinada situacin. A partir de un
parmetro, una cierta circunstancia puede comprenderse o ubicarse en
perspectiva. Por dar algunos ejemplos concretos: Si nos basamos en los
parmetros habituales, resultar imposible comprender esta situacin, El
paciente est evolucionando de acuerdo a los parmetros esperados, Estamos
investigando pero no hay parmetros que nos permitan establecer una relacin
con el caso anterior, La actuacin del equipo en el torneo local es el mejor
parmetro para realizar un pronstico sobre su participacin en el campeonato
mundial.
2.7 ESTADISTICO
es una medida cuantitativa, derivada de un conjunto de datos de una muestra, con
el objetivo de estimar o inferir caractersticas de una poblacin o modelo
estadstico.
Ms formalmente un estadstico es una funcin medible T que, dada una muestra
estadstica
de
valores
(X_1,X_2,...,X_n),
les
asigna
un
nmero,
T(X_1,X_2,...,X_n), que sirve para estimar determinado parmetro de la
distribucin de la que procede la muestra. As, por ejemplo, la media de los valores
de una muestra (media muestral) sirve para estimar la media de la poblacin de la
que se ha extrado la misma; la varianza muestral podra usarse para estimar la
varianza poblacional, etc.1 Esto se denomina como realizar una estimacin
puntual.
2.8 SESGO
Se llama sesgo de un estimador a la diferencia entre su esperanza matemtica y
el valor numrico del parmetro que estima. Un estimador cuyo sesgo es nulo se
llama insesgado o centrado.
En notacin matemtica, dada una muestra X_1, \dots, X_n\, iid
X
estimador T(x_1, \dots, x_n)\, del parmetro muestral \theta\,, el sesgo es:
y un
E(T) - \theta\,
El no tener sesgo es una propiedad deseable de los estimadores. Una propiedad
relacionada con sta es la de la consistencia: un estimador puede tener un sesgo
pero el tamao de ste converge a cero conforme crece el tamao muestral.
Dada la importancia de la falta de sesgo, en ocasiones, en lugar de estimadores
naturales se utilizan otros corregidos para eliminar el sesgo. As ocurre, por
ejemplo, con la varianza muestral.
En el diseo y elaboracin de un estudio de investigacin en clnica, puede haber
distintos tipos de sesgos:
Ejemplos :
INCONVENIENTES
3.1.1 DESCRIPTIVOS
Es un tipo de metodologa a aplicar para deducir un bien o circunstancia que se
est presentando; se aplica describiendo todas sus dimensiones, en este caso se
describe el rgano u objeto a estudiar. Los estudios descriptivos se centran en
recolectar datos que describan la situacin tal y como es.
Los estudios descriptivos clsicos son los estudio de serie de casos y los estudios
de prevalencia.
Objetivos de un estudio descriptivo
Identificar casos de enfermedad, estimar su frecuencia y examinar tendencias de
la poblacin estadstica segn las variables de estudio.
Justificar estudios analticos para probarse hiptesis especficidades.
Otro tipo del Trmino descriptivo es que el lector obtenga una imagen exacta de la
realidad que estamos transmitiendo en palabras as que representa lo que el lector
cree poder describir mediante una idea.
Funcin
Su funcin es describir cmo se distribuye una enfermedad o evento en cierta
poblacin, en un lugar y durante un perodo de tiempo determinado; cul es su
frecuencia y cules son los determinantes o factores con ella asociados.
La Epidemiologa Descriptiva considera
-Que poblacin o subgrupos desarrollan la enfermedad o lo hacen con ms
frecuencia.
-Como la frecuencia de sta vara a lo largo del tiempo y/o en poblaciones con
diferentes caractersticas.
-En que localizacin geogrfica es ms o menos frecuente dicha enfermedad.
A partir de la descripcin de la distribucin de estos eventos, se podr arriesgar
una explicacin o "hiptesis" que d cuenta de las causas que los producen.
En lneas generales, si Ustedes quieren describir la ocurrencia de una
enfermedad entonces tendrn que utilizar algunos de los distintos diseos
descriptivos
Si tienen datos de una sola persona o de un grupo de personas que
experimentaron una determinada enfermedad y quiere describir estos casos
debidos, por ejemplo, a la rareza de la enfermedad en cuestin, entonces debern
optar por un diseo descriptivo. En esta situacin, entonces, lo nico que harn es
describir detalladamente la enfermedad en uno o varios individuos.
ESTUDIOS DE PREVALENCIA
se denomina prevalencia a la proporcin de individuos de un grupo o una
poblacin que presentan una caracterstica o evento determinado en un momento
o en un perodo determinado ("prevalencia de periodo"). Por tanto podemos
distinguir dos tipos de prevalencia: puntual y de periodo.
Prevalencia puntual: cuntas personas de un grupo definido estn enfermas en un
determinado momento. Ejemplo hipottico: 1% de los empleados estn esta
semana enfermos.
Prevalencia de periodo: la proporcin de personas que estn o estarn enfermas
en algn momento. Ejemplo hipottico: 10% de los habitantes de este pueblo
tendr cncer en algn momento durante su vida.
La prevalencia de una enfermedad es el nmero total de los individuos que
presentan un atributo o enfermedad en un momento o durante un periodo dividido
por la poblacin en ese punto en el tiempo o en la mitad del periodo. Cuantifica la
proporcin de personas en una poblacin que tienen una enfermedad (o cualquier
otro suceso) en un determinado momento y proporciona una estimacin de la
proporcin de sujetos de esa poblacin que tenga la enfermedad en ese momento.
Es un parmetro til porque permite describir un fenmeno de salud, identificar la
frecuencia poblacional del mismo y generar hiptesis explicatorias. La utilizan
normalmente los epidemilogos, las personas encargadas de la poltica sanitaria,
las agencias de seguros y en diferentes mbitos de la salud pblica.
CARACTERISTICAS
SERIE DE CASOS
Un estudio de serie de casos clnicos (o situaciones de cualquier tipo que estn
relacionados con la investigacin cientfica, industrial, acadmica, etc.) es un
estudio epidemiolgico, descriptivo, que se limita a la simple identificacin y
descripcin de un conjunto de casos clnicos que han aparecido en un intervalo de
tiempo.
En el caso de nuevas enfermedades o frmacos, las series de casos contribuyen a
la caracterizacin del perfil y delimitacin de nuevas entidades nosolgicas. Sin
embargo para valorar la importancia de los antecedentes y posibles asociaciones
es necesaria la presencia de un grupo control que sirva de referencia y
comparacin.
ESTUDIOS ECOLOGICOS
Un estudio ecolgico es un tipo de estudio epidemiolgico basado en la poblacin
como unidad de estudio, en el que falta informacin sobre la relacin en el
individuo entre el factor de exposicin y la enfermedad en la poblacin en estudio.
TIPOS DE ESTUDIO
VENTAJAS
INCONVENIENTES
Falacia ecolgica: Debido a que los grupos no son totalmente homogneos con
respecto al estado de exposicin, el realizar inferencias causales est limitado
por la asociacin que se realiza en el grupo ms que en el individuo, es decir
no es correcto extrapolar datos de la poblacin al individuo, por el diseo de
este estudio.
Multicolinealidad: Es difcil separar los efectos observados de dos o ms
exposiciones.
Muchos datos no estn disponibles cuando estn agregados en la poblacin.
Ambigedad temporal: A menudo no se puede determinar si la exposicin
precede a la enfermedad.
En los estudios de tendencias es difcil separar las influencias de cambios en
un intervalo corto de tiempo de las influencias de un intervalo grande de
tiempo.
3.1.2 ANALITICOS
ESTUDIOS DE COHORTES
es un estudio epidemiolgico, observacional, analtico, longitudinal prospectivo, en
el que se hace una comparacin de la frecuencia de enfermedad (o de un
determinado desenlace) entre dos poblaciones, una de las cuales est expuesta a
un determinado factor de exposicin o factor de riesgo al que no est expuesta la
otra. Los individuos que componen los grupos de estudio se seleccionan en
funcin de la presencia de una determinada caracterstica o exposicin.
Estos individuos no tienen la enfermedad de inters y son seguidos durante un
cierto periodo de tiempo para observar la frecuencia con que la enfermedad
aparece en cada uno de los grupos. Tambin se llama estudio de seguimiento, de
proyeccin o de incidencia, y tienen por objetivo medir causalidad entre factores
de riesgo y la enfermedad a estudiar.
Los estudios de seguimiento son los estudios prospectivos clsicos,
caracterizados por el hecho de que el planteamiento del estudio se produce con
anterioridad al desarrollo de la enfermedad. A pesar de que se trata de estudios
muy costosos, al requerir grandes recursos econmicos y de tiempo, y de gran
solidez ya que la probabilidad de que estn sesgados es menor, hay que cuidar
extremadamente los aspectos del diseo y evitar sesgos, especialmente de
clasificacin y el de los trabajadores sanos.
Tcnicas de un estudio de cohorte
Seleccionar una muestra de la poblacin de riesgo de enfermar pero que est libre
de la enfermedad problema, que ser el grupo control.
Medir las variables predictoras, que son los factores de riesgo.
Ventajas de los estudios de casos y controles
Son tiles para estudiar eventos raros o dichas enfermedades.
Permiten el estudio con tamaos muestrales relativamente pequeos.
Exigen poco tiempo en su ejecucin.
Relativamente baratos comparados con los estudios de cohortes. Los de diseo
de base poblacional suelen ser ms caros.
Proporcionan estimadores de odds ratio.
Evalan muchos factores de riesgo para una enfermedad o suceso.
Inconvenientes de los estudios de casos y controles
Es ineficiente para el estudio de efectos de exposicin raros.
No establece la secuencia de eventos de inters.
Posibles errores de seleccin de casos y controles. Este sesgo es menor en el
diseo de base poblacional.
Posible sesgo de supervivencia.
Slo pueden estudiar una variable de resultado (enfermedad).
No proporcionan estimadores de prevalencia, incidencia o riesgo atribuible. En el
diseo de base poblacional, s se puede estimar la incidencia.
Son inapropiados cuando el resultado de inters no se conoce al comienzo del
estudio o cuando el resultado es una variable continua.
3.2 ESPERIMENTALES
Un ensayo clnico es una evaluacin experimental de un producto, sustancia,
medicamento, tcnica diagnstica o teraputica que, en su aplicacin a seres
humanos, pretende valorar su eficacia y seguridad.
Los estudios de prometedores tratamientos nuevos o experimentales en pacientes
se conocen como ensayos clnicos. Un ensayo clnico se realiza slo cuando hay
razones para creer que el tratamiento que se est estudiando puede ser
beneficioso para el paciente. Los tratamientos usados en los ensayos clnicos con
frecuencia demuestran tener beneficios reales. Los investigadores realizan
estudios sobre nuevos tratamientos para conocer la utilidad del nuevo tratamiento,
el mecanismo de accin del nuevo tratamiento, si la efectividad es mayor que
otros tratamientos ya disponibles, los efectos secundarios del nuevo tratamiento y
si son mayores o menores que el tratamiento convencional, si supera los
beneficios a los efectos secundarios y en qu pacientes el nuevo tratamiento es
ms til.
3.2.1 ENSAYO CLINICO NO CONTROLADO
Un estudio no controlado obtiene resultados que se comparan con datos
histricos, que se obtuvieron previamente con otro tratamiento o que son
consecuencia de la evolucin natural de una enfermedad. Existe el peligro en este
tipo de estudios, de que las poblaciones no sean comparables, o de que los
medios utilizados para obtener los resultados sean diferentes, lo cual puede
condicionar la comparacin.
3.2.2 ESNSAYO CLINICO CONTROLADO
El ensayo clnico es un estudio experimental en el que en el diseo de
investigacin estn definidas las variables y los mecanismos de control de dichas
variables, cuya funcin es evitar los sesgos y las variables de confusin. Existe un
grupo con el que se compara la intervencin experimental. Este grupo sufre
tambin una intervencin con un procedimiento placebo o con un procedimiento
estndar de referencia, ya validado para la situacin objeto de estudio. Para que
ambos grupos sean comparables todos los factores pronsticos, tanto los
conocidos (mediante los criterios de seleccin) como los desconocidos (mediante
la asignacin aleatoria), deben estar repartidos por igual entre los grupos antes de
iniciar el tratamiento. Pueden existir ms de un grupo de intervencin experimental
cuando queremos probar ms de una hiptesis, as como ms de un grupo de
control cuando existe ms de una intervencin validada que se sabe eficaz. Esto
se suele hacer cuando se quiere estratificar la eficacia de las intervenciones. A
cada grupo, tanto de intervencin como de control, se les llama brazos del estudio.
Un ejemplo: Queremos probar la eficacia de dos frmacos A y B en la enfermedad
E, para la cual ya se han mostrado efectivos los frmacos C y D. Pues bien,
podemos hacer los siguientes grupos: grupo del frmaco A, grupo del frmaco B,
grupo del frmaco C, grupo del frmaco D y grupo con placebo. Tras el anlisis
estadstico de los resultados, la comparacin de los brazos A y B con el brazo
placebo nos dir si los frmacos son o no eficaces en esa enfermedad. La
comparacin con los brazos C y D nos dir el grado de eficacia respecto a lo ya
Inconvenientes
Tamao desigual de los
brazos en muestras <100
sujetos.
Desigual
distribucin
respecto a los factores de
seleccin de la muestra en
muestras
pequeas
y
ensayos de corta duracin.
Imposibilita
los
anlisis
intermedios.
Grupos desequilibrados en
estudios multicntricos.2
Aleatorizacin restrictiva o equilibrada
La aleatorizacin restrictiva o equilibrada se realiza igual que la asignacin
aleatoria simple pero en sta se asegura que el nmero de sujetos de cada
brazo del ensayo sea el mismo, con lo cual se facilita el anlisis de los
resultados. El nmero de sujetos se puede determinar de forma global o
creando bloques con aleatorizacin interna y entre ellos, pero que pueden o no
ser iguales entre s; teniendo cada eleccin sus ventajas e inconvenientes.
Aleatorizacin restrictiva
Tipo
Ventajas
Aleatorizacin
restrictiva global
Aumenta
la potencia
estadstica
.
Aleatoriza
cin
restrictiva
por
bloques
Equilibrad
a en los
estudios
multicntri
cos.
Inconvenientes
Es
desequilibr
ada en los
estudios
multicntri
cos.
Problema
s
en
cuanto a la
eleccin
del tamao
de
los
bloques
Aleatorizacin estratificada
Cuando alguno de los factores pronsticos presenta gradientes en su definicin
(por ejemplo pacientes con enfermedad leve o grave), la aleatorizacin simple o la
equilibrada no puede asegurar la adecuada distribucin de estos gradientes en
cada brazo del estudio. La aleatorizacin estratificada clasifica los pacientes en
diferentes estratos o categoras segn determinados criterios pronsticos
conocidos antes de la asignacin aleatoria. Los pacientes de cada categora son
asignados de forma independiente a cada brazo del estudio mediante un
procedimiento de aleatorizacin propio. De esta manera se consigue que los
grupos contengan aproximadamente el mismo nmero de sujetos en cada
gradiente definido.
Aleatorizacin estratificada
Ventajas
Inconvenientes
til en ensayos
pequeos
En
estudios
multicntricos
cada centro puede
ser un estrato.
Asegura
la
correcta
aleatorizacin
cuando
hay
gradientes.
Muchos gradientes
obligan a un elevado
nmero de estratos,
lo que dificulta la
realizacin
del
3
ensayo.
Ventajas
Evalan
intervenciones
de
efecto grupal
Han
mejorado
mucho la eficacia de
programas de salud,
educativos, etc.
Inconvenientes
Dificultad
para
determinar
el
tamao muestral
Menor potencia
estadstica
No permite llegar
a
conclusiones
respecto
a
individuos.
nota
6,0 Primero, se suman las notas:
5,4
6,0+5,4+3,1+7,0+6,1 = 27,6
3,1 Luego el total se divide entre la cantidad de alumnos:
7,0
27,6/5=5,52
6,1
, donde
es la media aritmtica de
4.1.3 MEDIANA
La mediana es un valor de la variable que deja por debajo de s a la mitad de los
datos, una vez que stos estn ordenados de menor a mayor. 7 Por ejemplo, la
mediana del nmero de hijos de un conjunto de trece familias, cuyos respectivos
hijos son: 3, 4, 2, 3, 2, 1, 1, 2, 1, 1, 2, 1 y 1, es 2, puesto que, una vez ordenados
los datos: 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 3, 3, 4, el que ocupa la posicin central es 2:
Nmero de alumnos
xi
fi
Fi
13
19 = 19
28
32
36
38
Calculemos la Mediana:
Primero hallamos las frecuencias absolutas acumuladas Fi (ver tabla margen
derecho).
Si volvemos a utilizar la frmula asociada a la mediana para n par,
obtenemos X(38/2) = X19 y basndonos en la frmula que hace referencia
a las frecuencias absolutas --> Ni-1< n/2 < Ni = N18 < 19 < N19
Con lo cual la mediana ser la media aritmtica de los valores de la
variable que ocupen el decimonoveno y el vigsimo lugar.
En nuestro ejemplo, el lugar decimonoveno lo ocupa el 5 y el vigsimo el 6,
(desde el vigsimo hasta el vigsimo octavo)
con lo que Me = (5+6)/2 = 5,5 puntos.
Propiedades e inconvenientes
Las principales propiedades de la mediana son: 8
alguien con el salario "mediano" sabra que hay tanta gente que gana
ms dinero que l, como que gana menos.
Sus principales inconvenientes son que en el caso de datos agrupados en
intervalos, su valor vara en funcin de la amplitud de estos. Por otra parte,
no se presta a clculos algebraicos tan bien como la media aritmtica.
4.1.4 MODA
La moda es el dato ms repetido de la encuesta, el valor de la variable con
mayor frecuencia absoluta.5 En cierto sentido la definicin matemtica
corresponde con la locucin "estar de moda", esto es, ser lo que ms se lleva.
Su clculo es extremadamente sencillo, pues solo necesita un recuento. En
variables continuas, expresadas en intervalos, existe el denominado intervalo
modal o, en su defecto, si es necesario obtener un valor concreto de la variable, se
recurre a la interpolacin.
Por ejemplo, el nmero de personas en distintos vehculos en una carretera: 5-7-46-9-5-6-1-5-3-7. El nmero que ms se repite es 5, entonces la moda es 5.
Hablaremos de una distribucin bimodal de los datos, cuando encontremos dos
modas, es decir, dos datos que tengan la misma frecuencia absoluta mxima.
Cuando en una distribucin de datos se encuentran tres o ms modas, entonces
es multimodal. Por ltimo, si todas las variables tienen la misma frecuencia
diremos que no hay moda.
Cuando tratamos con datos agrupados en intervalos, antes de calcular la moda, se
ha de definir el intervalo modal. El intervalo modal es el de mayor frecuencia
absoluta.
La moda, cuando los datos estn agrupados, es un punto que divide el intervalo
modal en dos partes de la forma p y c-p, siendo c la amplitud del intervalo, que
verifiquen que:
Siendo
la frecuencia absoluta del intervalo modal y
y
las
frecuencias absolutas de los intervalos anterior y posterior, respectivamente, al
intervalo modal.
Las calificaciones en la asignatura de Matemticas de 39 alumnos de una
clase viene dada por la siguiente tabla (debajo):
Calificaciones
Nmero de alumnos
Propiedades
Sus principales propiedades son:
Clculo sencillo.
Interpretacin muy clara.
Al depender solo de las frecuencias, puede calcularse para variables
cualitativas. Es por ello el parmetro ms utilizado cuando al resumir una
poblacin no es posible realizar otros clculos, por ejemplo, cuando se
enumeran en medios periodsticos las caractersticas ms frecuentes de
determinado sector social. Esto se conoce informalmente como "retrato
robot".6
Inconvenientes
Su valor es independiente de la mayor parte de los datos, lo que la hace
muy sensible a variaciones muestrales. Por otra parte, en variables
agrupadas en intervalos, su valor depende excesivamente del nmero de
intervalos y de su amplitud.
Usa muy pocas observaciones, de tal modo que grandes variaciones en los
datos fuera de la moda, no afectan en modo alguno a su valor.
No siempre se sita hacia el centro de la distribucin.
Puede haber ms de una moda en el caso en que dos o ms valores de la
variable presenten la misma frecuencia (distribuciones bimodales o
multimodales).
4.2 MEDIDAS DE DISPERSION
Las medidas de dispersin, tambin llamadas medidas de variabilidad, muestran
la variabilidad de una distribucin, indicando por medio de un nmero si las
diferentes puntuaciones de una variable estn muy alejadas de la media. Cuanto
mayor sea ese valor, mayor ser la variabilidad, y cuanto menor sea, ms
homognea ser a la media. As se sabe si todos los casos son parecidos o varan
mucho entre ellos.
Para calcular la variabilidad que una distribucin tiene respecto de su media, se
calcula la media de las desviaciones de las puntuaciones respecto a la media
aritmtica. Pero la suma de las desviaciones es siempre cero, as que se adoptan
dos clases de estrategias para salvar este problema. Una es tomando las
desviaciones en valor absoluto (desviacin media) y otra es tomando las
desviaciones al cuadrado (varianza).
4.2.1 AMPLITUD(RANGO)
Requisitos del rango
Ejemplo
Para una muestra de valores (3, 3, 5, 6, 8), el dato de menor valor Min= 3 y
el dato de mayor valor Max= 8. El medio rango resolvindolo mediante la
correspondiente frmula sera:
4.2.2. VARIANZA
La varianza es una medida estadstica que mide la dispersin de los valores respecto a un
valor
central
(media),
es
decir,
es
el
cuadrado
de
las
desviaciones:
Propiedades
Si a los datos de la distribucin los multiplicamos por una constante, la varianza queda
multiplicada por el cuadrado de esa constante.
Propiedad
distributiva:
,
y
sean independiente
Para conocer con detalle un conjunto de datos, no basta con conocer las medidas
de tendencia central, sino que necesitamos conocer tambin la desviacin que
presentan los datos en su distribucin respecto de la media aritmtica de dicha
distribucin, con objeto de tener una visin de los mismos ms acorde con la
realidad al momento de describirlos e interpretarlos para la toma de decisiones.
La desviacin tpica es una medida del grado de dispersin de los datos con
respecto al valor promedio. Dicho de otra manera, la desviacin estndar es
simplemente el "promedio" o variacin esperada con respecto a la media
aritmtica.
Por ejemplo, las tres muestras (0, 0, 14, 14), (0, 6, 8, 14) y (6, 6, 8, 8) cada una
tiene una media de 7. Sus desviaciones estndar muestrales son 7, 5 y 1
respectivamente. La tercera muestra tiene una desviacin mucho menor que las
otras dos porque sus valores estn ms cerca de 7.
La desviacin estndar puede ser interpretada como una medida de
incertidumbre. La desviacin estndar de un grupo repetido de medidas nos da la
precisin de stas. Cuando se va a determinar si un grupo de medidas est de
acuerdo con el modelo terico, la desviacin estndar de esas medidas es de vital
importancia: si la media de las medidas est demasiado alejada de la prediccin
(con la distancia medida en desviaciones estndar), entonces consideramos que
las medidas contradicen la teora. Esto es coherente, ya que las mediciones caen
fuera del rango de valores en el cual sera razonable esperar que ocurrieran si el
modelo terico fuera correcto. La desviacin estndar es uno de tres parmetros
de ubicacin central; muestra la agrupacin de los datos alrededor de un valor
central (la media o promedio).
La s me di da s de p os ic in d i vi d e n u n con j un to d e da to s
en gru p o s con el mismo n m e ro de in d i vi d uo s.
La me di da s de p os ic in so n :
Cuartiles
l o s tr es
va l or e s d e
u n c on junt o de da tos
la
va ri a bl e
or de na d os e n c ua tr o
pa r te s i gua le s .
Q1,
Q2 y
Q 3 determinan
los
valores
correspondientes
2, 5, 3, 6, 7, 4, 9
2, 5, 3, 4, 6, 7, 1, 9
En
primer
encuentra
lugar
buscamos
la clase donde
se
acumuladas.
F i - 1 es
la frecuencia
acumulada anterior
mediana.
a i es la amplitud de la clase.
la
clase
Ejercicio de cuartiles
fi
Fi
[50, 60)
[60, 70)
10
18
[70, 80)
16
34
[80, 90)
14
48
[90, 100)
10
58
[100, 110)
63
[110, 120)
65
65
Deciles
En
primer
lugar
encuentra
buscamos
la
clase
donde
se
acumuladas.
F i - 1 es
la frecuencia
acumulada anterior
la
mediana.
a i es la amplitud de la clase.
Ejercicio de deciles
fi
Fi
clase
[50, 60)
[60, 70)
10
18
[70, 80)
16
34
[80, 90)
14
48
[90, 100)
10
58
[100, 110)
63
[110, 120)
65
65
Percentiles
En
primer
lugar
buscamos
encuentra
la
clase
donde
se
acumuladas.
F i - 1 es
la frecuencia
acumulada anterior
la
clase
mediana.
a i es la amplitud de la clase.
Ejercicio de percentiles
fi
Fi
[50, 60)
[60, 70)
10
18
[70, 80)
16
34
[80, 90)
14
48
[90, 100)
10
58
[100, 110)
63
[110, 120)
65
65
Percentil 35
Percentil 60
La confusin tiene el mismo efecto sobre los clculos de riesgo que el sesgo.
Produciendo una desviacin de los clculos de riesgo del verdadero valor, aunque
no es un sesgo.
UNIDAD 6 EVALUACION DE PROYECTO DE INVESTIGACION
En gestin de proyectos, la evaluacin de proyectos es un proceso por el cual se
determina el establecimiento de cambios generados por un proyecto a partir de la
comparacin entre el estado actual y el estado previsto en su planificacin. Es
decir, se intenta conocer qu tanto un proyecto ha logrado cumplir sus objetivos o
bien qu tanta capacidad poseera para cumplirlos.
En una evaluacin de proyectos siempre se produce informacin para la toma de
decisiones, por lo cual tambin se le puede considerar como una actividad
orientada a mejorar la eficacia de los proyectos en relacin con sus fines, adems
de promover mayor eficiencia en la asignacin de recursos. En este sentido, cabe
precisar que la evaluacin no es un fin en s misma, ms bien es un medio para
optimizar la gestin de los proyectos.
TIPOS DE EVALUACION
Segn el nivel de gestin
La evaluacin de proyectos la podemos clasificar de la siguiente manera:
Poltica-Estratgica: La parte poltica ver la parte social y poltica, su consistencia
para trascender en el tiempo y que sea en cierta forma equitativo.
Administrativa: En el caso administrativo, el fin siempre es la mayor racionalizacin
de todos los recursos, el logro de sus planes, objetivos, metas, actividades,
programas; expresin de la eficiencia y eficacia en su mayor expresin.
Tcnica: Lo tcnico es una mezcla de lo anterior y lo propio, ya que incide hoy en
da al mejor logro de los dos puntos anteriores, por el avance en los
registradas
til: Debe ser til y elaborarse en un lenguaje conciso y directo, entendible para
todos los que accedan a la informacin elaborada, los resultados de una
evaluacin no deben dirigirse slo a quienes tienen tienen altos conocimientos
tcnicos sino que debe servir para que cualquier involucrado pueda tomar
conocimiento de la situacin del proyecto.
Participativo:Debe incluirse a todos los involucrados en el proyecto, buscando de
reflejar sus experiencias, necesidades, intereses y percepciones.
Retroalimentador:Un proceso de evaluacin debe garantizar la diseminacin de
los hallazgos y su asimilacin por parte de los involucrados en el proyecto (desde
las altas esferas hasta los beneficiarios), para as fomentar el aprendizaje
organizacional.
Costo/eficaz:La evaluacin debe establecer una relacin positiva entre su costo
(econmico, de tiempo y recursos) y su contribucin en valor agregado para la
experiencia de los involucrados en el proyecto.
DISEO DE EVALUACION
En general, cualquier forma de evaluacin de proyectos se basa en los conceptos
y procedimientos de la metodologa de la investigacin cientfica,11 sin embargo
cabe precisar que cuando se efecta una evaluacin de proyectos de tipo de
resultado o de impacto es necesario asumir un diseo especfico de
investigacin. Alguno de estos diseos son los siguientes: 12
Evaluacin slo despus
Es un diseo simple que carece de lnea de base. Su principal defecto es tener
poca capacidad para explicar los efectos alcanzados por un proyecto.
Su esquema es el siguiente:
.......... X .......... A1
Donde:
Diseo cuasiexperimental
Este diseo permite realizar una evaluacin antes y despus de la intervencin del
proyecto, comparando los hallazgos adems con un grupo control para los
resultados "despus" de la intervencin. La precisin de este diseo es mucho
mayor que el de los anteriores y por su viabilidad tcnica es el ms recomendado.
Su esquema es el siguiente:
A .......... X .......... A1
......................... B
Donde:
DIFICULTADES
La labor de evaluacin de proyectos no es fcil y conlleva mltiples dificultades,
muchas de ellas de orden metodolgico pero tambin de orden poltico.
Falta de disponibilidad de informacin.
No contar con personal calificado para efectuar el trabajo.
Clientelismo de la poblacin beneficiaria y de los encargados de la ejecucin del
proyecto.
Carencia de un sistema de evaluacin y monitoreo, por lo que no se conoce el
proceso desarrollado.
Resistencias de la comunidad. En este caso muchas veces ocurre que la
poblacin ha recibido muchas promesas incumplidas por parte de polticos de
turno o bien se ha generado una expectativa muy alta frente al proyecto, por lo
cual desarrolla una actitud contraria hacia ste; tambin se presentan resistencias
debido a los prejuicios o ignorancia de los beneficiarios.13