{"id":286,"date":"2020-05-11T12:11:32","date_gmt":"2020-05-11T15:11:32","guid":{"rendered":"https:\/\/metodocientifico.com.ar\/uai\/padawan\/blog\/?p=286"},"modified":"2020-05-13T17:21:42","modified_gmt":"2020-05-13T20:21:42","slug":"que-es-una-prueba-parametrica-y-no-parametrica","status":"publish","type":"post","link":"https:\/\/metodocientifico.com.ar\/uai\/padawan\/blog\/2020\/05\/11\/que-es-una-prueba-parametrica-y-no-parametrica\/","title":{"rendered":"\u00bfQu\u00e9 es una prueba param\u00e9trica y no param\u00e9trica?"},"content":{"rendered":"\n<p>Las <em>&#8220;Pruebas param\u00e9tricas y no param\u00e9tricas &#8220;<\/em>son una parte importante de la bioestad\u00edstica y constituyen excelentes herramientas a la hora de resumir y presentar datos obtenidos de una investigaci\u00f3n. El objetivo principal del art\u00edculo es introducir los conceptos b\u00e1sicos considerados necesarios para el buen entendimiento de la utilidad que estas pruebas pueden brindarnos. Como objetivo secundario se pretende que el art\u00edculo sirva de gu\u00eda al lector en la elecci\u00f3n de las pruebas adecuada en base a sus prop\u00f3sitos de investigaci\u00f3n. <\/p>\n\n\n\n<!--more-->\n\n\n\n<p style=\"font-size:29px\" class=\"has-text-align-center\"><em><span class=\"has-inline-color has-vivid-cyan-blue-color\">PRUEBAS PARAM\u00c9TRICAS<\/span><\/em><\/p>\n\n\n\n<p>Para comenzar con el desarrollo del tema  se proponen 3 situaciones habituales en la pr\u00e1ctica m\u00e9dica.<\/p>\n\n\n\n<p class=\"has-text-color has-very-dark-gray-color\"><em><strong>Situaci\u00f3n A<\/strong><\/em>:  Nos encontramos frente a un paciente adulto de 58 a\u00f1os de edad, consulta porque anteriormente le han medido la tensi\u00f3n arterial en la farmacia y le dijeron que estaba elevada.<\/p>\n\n\n\n<p><strong><em>Situaci\u00f3n B<\/em>:<\/strong> Un ni\u00f1o de 4 a\u00f1os es tra\u00eddo a consulta pedi\u00e1trica. El motivo es una evaluaci\u00f3n peri\u00f3dica de la salud y su madre quiere saber si el ni\u00f1o crece normalmente.<\/p>\n\n\n\n<p><em><strong>Situaci\u00f3n C<\/strong><\/em>: Su amigo le da sus estudios de laboratorio para que los interprete y quiere saber si sus valores de glucemia plasm\u00e1tica en ayunas son normales. <\/p>\n\n\n\n<p>De las tres situaciones podemos observar un patr\u00f3n que se repite,  la necesidad de <br> darle un contexto pr\u00e1ctico y \u00fatil a los valores que tenemos al frente. En cualquier situaci\u00f3n se evidencia la necesidad de un par\u00e1metro.  Gran parte de las acciones m\u00e9dicas se encuentran respaldadas en par\u00e1metros. <br>Si en la situaci\u00f3n A, medimos la tensi\u00f3n arterial del paciente y encontramos un valor por encima de 130\/85 mil\u00edmetros de mercurio, diremos al menos que no es normal ( SAC, 2018) . Al igual que en la situaci\u00f3n B si observamos que el ni\u00f1o solo aument\u00f3 su talla respecto al a\u00f1o anterior en 1 cent\u00edmetro (WHO, 2009) o la situaci\u00f3n C que el valor de glucemia plasm\u00e1tica en ayunas result\u00f3 ser de 80 mg\/dl en su estudio de laboratorio y se encuentra dentro de par\u00e1metros normales (SAD, 2016) . Sin la existencia de par\u00e1metros todos los datos obtenidos carecer\u00edan de sentido y la decisi\u00f3n m\u00e9dica depender\u00eda del criterio de cada profesional, situaci\u00f3n totalmente contraria a la que se necesita en medicina.<\/p>\n\n\n\n<p class=\"has-text-align-right has-small-font-size\">                                            <em>     SAC: Sociedad Argentina de Cardiolog\u00eda<\/em><br>WHO: World Health Organization<br>SAD: Sociedad Argentina de Diabetes<br><\/p>\n\n\n\n<p>La estad\u00edstica nos brinda la posibilidad de ordenar la evidencia obtenida, cuantificar sus valores y utilizarlos para mejorar la terap\u00e9utica ( Glantz,2003).<\/p>\n\n\n\n<p>Los <strong>par\u00e1metros<\/strong> se obtienen de estudiar a la poblaci\u00f3n . La evidencia que obtenemos de dichos estudios componen las bases de la medicina actual,  conocida como <strong>medicina basada en la evidencia<\/strong> (Cobo, 2007)<br> <\/p>\n\n\n\n<h2 class=\"has-vivid-cyan-blue-color has-text-color wp-block-heading\">Estad\u00edstica inferencial<\/h2>\n\n\n\n<p>La <strong>estad\u00edstica inferencial<\/strong> responde a dos prop\u00f3sitos vinculados entre s\u00ed  (Sampieri, 2010) <\/p>\n\n\n\n<ul><li>Estimar par\u00e1metros<\/li><li>Probar hip\u00f3tesis<\/li><\/ul>\n\n\n\n<h5 class=\"has-vivid-cyan-blue-color has-text-color wp-block-heading\">Par\u00e1metros poblacionales<\/h5>\n\n\n\n<p>Los <strong>par\u00e1metros<\/strong> son las<em> estad\u00edsticas de la poblaci\u00f3n.<\/em> Los<strong> par\u00e1metros reales <\/strong>normalmente no son conocidos ya que significaria un enorme costo y much\u00edsimo tiempo estudiar a toda la poblaci\u00f3n. Por este motivo se recurre a tomar muestras de la poblaci\u00f3n que se quiere estudiar. Dichas muestras deben ser tomadas de forma aleatoria, para que todos los habitantes tengan las mismas posibilidades de participar del estudio y de esta manera reducir al m\u00ednimo el sesgo de selecci\u00f3n. Sus resultados estad\u00edsticos son los <em>estad\u00edgrafos.  Los <\/em>estad\u00edgrafos forman para de las medidas de <em><strong>tendencia central <\/strong><\/em>y la m\u00e1s utilizada es la <strong>media<\/strong>.<br> A trav\u00e9s de la inferencia estad\u00edstica podemos utilizar los estad\u00edgrafos para estimar par\u00e1metros.  ( Sampieri, 2010).<\/p>\n\n\n\n<figure class=\"wp-block-image size-large\"><img decoding=\"async\" src=\"https:\/\/image.slidesharecdn.com\/introduccion-probabilidadinferenciaestadstica-170123031802\/95\/introduccion-probabilidad-inferencia-estadstica-2-638.jpg?cb=1485144848\" alt=\"imagen 1.1\"\/><figcaption>Imagen extra\u00edda del siguiente sitio web: <a href=\"https:\/\/www.google.com\/search?q=procedimiento+de+estadistica+inferencial&amp;rlz=1C1CHBF_esAR891AR892&amp;sxsrf=ALeKk03mM1kLfLGP3A3E5uy_ybTb_8PbvA:1588568298150&amp;source=lnms&amp;tbm=isch&amp;sa=X&amp;ved=2ahUKEwiv9_KItpnpAhVMGbkGHWLuBxEQ_AUoAXoECA4QAw&amp;biw=1366&amp;bih=625#imgrc=1jCUKg6V6cCkTM\">https:\/\/www.google.com\/search?q=procedimiento+de+estadistica+inferencial&amp;rlz=1C1CHBF_esAR891AR892&amp;sxsrf=ALeKk03mM1kLfLGP3A3E5uy_ybTb_8PbvA:1588568298150&amp;source=lnms&amp;tbm=isch&amp;sa=X&amp;ved=2ahUKEwiv9_KItpnpAhVMGbkGHWLuBxEQ_AUoAXoECA4QAw&amp;biw=1366&amp;bih=625#imgrc=1jCUKg6V6cCkTM<\/a><\/figcaption><\/figure>\n\n\n\n<p><\/p>\n\n\n\n<h4 class=\"has-vivid-cyan-blue-color has-text-color wp-block-heading\">Estad\u00edstica param\u00e9trica<\/h4>\n\n\n\n<p>Seg\u00fan Sampieri ( 2010) la <strong>estad\u00edstica param\u00e9trica<\/strong> debe partir de los siguientes supuestos. <\/p>\n\n\n\n<ul><li>El <strong>nivel de medici\u00f3n<\/strong> de las variables est\u00e1 dado por <strong>intervalos o raz\u00f3n<\/strong><\/li><li>La <strong>distribuci\u00f3n<\/strong> de la variable dependiente medida es <strong>normal<\/strong>.<\/li><li>Si dos poblaciones o m\u00e1s son estudiadas, su <strong>varianza<\/strong> debe ser homog\u00e9nea, es decir que sus datos deben tener una dispersi\u00f3n similar (Wiersma y Jurs, 2008).<\/li><\/ul>\n\n\n\n<h5 class=\"has-cyan-bluish-gray-color has-text-color wp-block-heading\">Escalas de medici\u00f3n<\/h5>\n\n\n\n<p>Cuando medimos una variable debemos cuantificarla y expresar sus resultados en unidades que contengan un  lenguaje com\u00fan a cualquier observador ( Cobo,2007).<br> Por este motivo se expresan los datos en escalas. Las escalas pueden ser <strong>nominales, ordinales , de intervalo o de raz\u00f3n. <\/strong><\/p>\n\n\n\n<p><strong>Escala Nominal:<\/strong> Agrupa unidades con similares caracter\u00edsticas  permitiendo establecer categor\u00edas. Por ejemplo: dos categor\u00edas ampliamente conocidas; <em>Agudo o grave<\/em>. Las patolog\u00edas agudas comparten caracter\u00edsticas en com\u00fan que las diferencian de las patolog\u00edas cr\u00f3nicas.<\/p>\n\n\n\n<p><strong>Escala Ordinal:<\/strong> Como la palabra lo dice, esta escala permite establecer una <em>relaci\u00f3n de orden <\/em>. Por ejemplo: leve, moderado y grave. Otro ejemplo podr\u00eda ser la cantidad de cruces en base a la concentraci\u00f3n proteica de una muestra de orina. +\/++\/+++.<\/p>\n\n\n\n<p><strong>Escala de intervalo:<\/strong> Un intervalo es una distancia X entre dos valores. Por ejemplo, la distancia medida en a\u00f1os entre 59 y 60 es igual a 1. Si la distancia entre todos los intervalos es igual, se puede hablar de unidad de medida. Entonces el intervalo entre 10 y 11 a\u00f1os es el mismo que entre 30 y 31. Si no disponemos de unidades de medida, entonces los saltos entre intervalos no ser\u00e1n iguales.<\/p>\n\n\n\n<p><strong>Escala de raz\u00f3n:<\/strong> En la escala de raz\u00f3n, el valor cero es absoluto, esto quiere decir que implica la ausencia total del atributo. Por ejemplo, si medimos la variable &#8220;Kilogramos&#8221;, el valor cero indica su ausencia absoluta. <\/p>\n\n\n\n<figure class=\"wp-block-image size-large\"><img decoding=\"async\" src=\"https:\/\/www.researchgate.net\/profile\/Roberto_Behar\/publication\/228773129\/figure\/fig14\/AS:356177343991818@1461930704989\/Figura-22-Cuadro-Resumen-de-las-caracteristicas-de-las-escalas-de-medicion.png\" alt=\"\"\/><figcaption>La fuente de la imagen es posible encontrarla en el siguiente sitio web: <br><br>https:\/\/www.researchgate.net\/profile\/Roberto_Behar\/publication\/228773129\/figure\/fig14\/AS:356177343991818@1461930704989\/Figura-22-Cuadro-Resumen-de-las-caracteristicas-de-las-escalas-de-medicion.png<\/figcaption><\/figure>\n\n\n\n<h4 class=\"has-cyan-bluish-gray-color has-text-color wp-block-heading\">Distribuci\u00f3n normal y desv\u00edo est\u00e1ndar <\/h4>\n\n\n\n<p class=\"has-text-align-left\">Cuando estudiamos una poblaci\u00f3n determinada, resumimos sus datos con la <strong>media<\/strong>, que representa el centro de la distribuci\u00f3n, pero creer que la totalidad de los valores rondan en la media implicar\u00eda perder toda la valiosa informaci\u00f3n que la variabilidad nos ofrece.<br>El <strong>desv\u00edo est\u00e0ndar<\/strong> o <strong>desviaci\u00f3n t\u00edpica<\/strong> representa el alejamiento protot\u00edpico de la media       (Cobo, 2007).<\/p>\n\n\n\n<h2 class=\"has-cyan-bluish-gray-color has-text-color wp-block-heading\">Ejemplo pr\u00e1ctico N\u00ba1<\/h2>\n\n\n\n<p class=\"has-text-align-left\"><br><em>Los profesores<\/em> de la materia &#8220;<em> investigaci\u00f3n aplicada y formulaci\u00f3n de proyectos<\/em>&#8221; desean averiguar cu\u00e1l fue la media de notas obtenidas por los alumnos en la \u00faltima evaluaci\u00f3n parcial de la materia .<br>La media calculada luego de procesar los datos corresponde al valor 7( siete). <\/p>\n\n\n\n<p>Cobo (2007) sostiene que utilizar el calculo de la media por si solo resulta insuficiente, pues debemos saber de qu\u00e9 manera var\u00edan o se dispersan los valores respecto a la media y en qu\u00e9 intervalos lo hace.<\/p>\n\n\n\n<h2 class=\"has-cyan-bluish-gray-color has-text-color wp-block-heading\">Ejemplo pr\u00e1ctico N\u00ba2<\/h2>\n\n\n\n<p class=\"has-text-align-left\">El decano de la Universidad Abierta Interamericana pretende averiguar la media de promedios con el que egresan los alumnos de medicina de dicha universidad. Adem\u00e1s est\u00e1 interesado en saber en qu\u00e9 rango de notas se encuentra la mayor\u00eda y si su distribuci\u00f3n es normal. <br><\/p>\n\n\n\n<p class=\"has-text-align-left\">Se dice que una muestra se distribuye de forma <em><strong>normal<\/strong> <\/em>cuando sus valores se concentran alrededor de la media (Glantz, 2003). Para representarlo mejor se propone la siguiente imagen. <\/p>\n\n\n\n<figure class=\"wp-block-image size-large\"><img decoding=\"async\" src=\"https:\/\/www.researchgate.net\/profile\/Antonio_Maurandi\/publication\/275349583\/figure\/fig1\/AS:613509289234484@1523283421656\/Figura-110-Funcion-de-densidad-Campana-de-Gauss.png\" alt=\"\"\/><figcaption>Puede consultar la fuente en el siguiente enlace:<br><a href=\"https:\/\/www.google.com\/search?q=campana+de+gauss&amp;rlz=1C1CHBF_esAR891AR892&amp;sxsrf=ALeKk03m7eQuomqXyngZjgwTWJ7fjOKlqA:1588571082974&amp;source=lnms&amp;tbm=isch&amp;sa=X&amp;ved=2ahUKEwizi-e4wJnpAhWQF7kGHUxSD-QQ_AUoAXoECA8QAw&amp;biw=1366&amp;bih=625#imgrc=QP76DVvVE7vznM\">https:\/\/www.google.com\/search?q=campana+de+gauss&amp;rlz=1C1CHBF_esAR891AR892&amp;sxsrf=ALeKk03m7eQuomqXyngZjgwTWJ7fjOKlqA:1588571082974&amp;source=lnms&amp;tbm=isch&amp;sa=X&amp;ved=2ahUKEwizi-e4wJnpAhWQF7kGHUxSD-QQ_AUoAXoECA8QAw&amp;biw=1366&amp;bih=625#imgrc=QP76DVvVE7vznM<\/a><\/figcaption><\/figure>\n\n\n\n<p>El <strong>desv\u00edo est\u00e1nda<\/strong>r o <strong>desviaci\u00f3n t\u00edpica<\/strong> como dijimos antes, es la medida del grado de dispersi\u00f3n o alejamiento del centro y se simboliza con la letra griega sigma min\u00fascula ( &nbsp;<strong><a href=\"https:\/\/es.wikipedia.org\/wiki\/%CE%A3\">\u03c3<\/a> )<\/strong>. El c\u00e1lculo del desv\u00edo est\u00e1ndar se realiza mediante la siguiente f\u00f3rmula. <\/p>\n\n\n\n<figure class=\"wp-block-image size-large\"><img decoding=\"async\" src=\"https:\/\/economipedia.com\/wp-content\/uploads\/Formula-Desviacion-Tipica.jpg\" alt=\"\"\/><figcaption>Imagen tomada de internet en base a la ecuaci\u00f3n ilustrada por Glantz,2003, Estad\u00edstica.<\/figcaption><\/figure>\n\n\n\n<p>Para explicar c\u00f3mo se realiza el c\u00e1lculo del <strong>desv\u00edo est\u00e1ndar<\/strong> utilizaremos el ejemplo de los profesores pero con un N de 10.<\/p>\n\n\n\n<p>Cada valor o nota obtenida se representa con X y un sub\u00edndice.  Existen tantos X como notas obtenidas, en este caso, 10.<\/p>\n\n\n\n<p>Las notas obtenidas fueron: <\/p>\n\n\n\n<figure class=\"wp-block-table aligncenter is-style-regular\"><table><tbody><tr><td>7<\/td><td>6<\/td><td>7<\/td><td>8<\/td><td>9<\/td><td>6<\/td><td>6<\/td><td>7<\/td><td>6<\/td><td>8<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n<p>La suma de todos los valores dividido por N nos da una media de <strong>7<\/strong>. <\/p>\n\n\n\n<p>Para calcular el<strong> desv\u00edo est\u00e1ndar <\/strong>solo queda reemplazar en la f\u00f3rmula. Cada X con su respectivo sub\u00edndice representa la nota obtenida y X con el guion encima representa la media de la muestra. Reemplazamos los datos, los elevamos al cuadrado y sumamos todos sus resultados. Al resultado lo dividimos por N y obtenemos el desv\u00edo est\u00e1ndar ( DE)<\/p>\n\n\n\n<p>Por cuestiones de tipificaci\u00f3n pasaremos directo al resultado. <\/p>\n\n\n\n<p><strong>DE=<\/strong>1  <\/p>\n\n\n\n<p>Esto quiere decir que cada 1 punto en la escala que me aleje de la media, tanto hacia arriba o hacia abajo constituye un desv\u00edo est\u00e1ndar.<br> La totalidad del \u00e1rea bajo la curva incluye al 97 % de resultados posibles. Esto se da entre -3 y + 3 desv\u00edos est\u00e1ndar. Si miramos en la imagen anterior, el 68% de las notas caer\u00e1n en el intervalo entre 6 y 8, comprendidos por un desvio hacia arriba y un desvio hacia abajo. Si usamos un intervalo m\u00e1s amplio comprendido entre -2 DE y +2DE encontraremos el 95,5 % de las notas. y si por \u00faltimo utilizamos el intervalo entre -3 y +3 incluiremos el 99,7 % de las notas. <\/p>\n\n\n\n<p>Con estos simples pasos podremos obtener informaci\u00f3n valiosa acerca de la forma en que se distribuye nuestra muestra. <\/p>\n\n\n\n<p>Si se desea una explicaci\u00f3n mas detallada se recomienda consultar el siguiente enlace: Para mayor entendimiento del tema se propone ver el siguiente video: <a href=\"https:\/\/www.youtube.com\/watch?v=phY8Z9-TXCY&amp;list=PLwCiNw1sXMSBwU_UiiqvIctctvFICYkKC\">https:\/\/www.youtube.com\/watch?v=phY8Z9-TXCY&amp;list=PLwCiNw1sXMSBwU_UiiqvIctctvFICYkKC<\/a><\/p>\n\n\n\n<p>La<strong> m\u00e1quina de dalton<\/strong> constituye una forma muy did\u00e1ctica de entender que es una distribuci\u00f3n normal. Se recomienda consultar el video a continuaci\u00f3n .<a href=\"https:\/\/www.youtube.com\/results?search_query=maquina+de+dalton\">https:\/\/www.youtube.com\/results?search_query=maquina+de+dalton<\/a><\/p>\n\n\n\n<p><\/p>\n\n\n\n<h4 class=\"has-cyan-bluish-gray-color has-text-color wp-block-heading\">varianza<\/h4>\n\n\n\n<p>Segun Cobo (2003) <\/p>\n\n\n\n<p>&#8220;<em>La varianza es el promedio de las distancias con la media elevadas al cuadrado. La desviaci\u00f3n t\u00edpica es su ra\u00edz cuadrada y valora el promedio de las distancias con la media: representa la distancia t\u00edpica o esperada de una observaci\u00f3n con la media<\/em>&#8220;.<\/p>\n\n\n\n<p>Para la ampliaci\u00f3n del tema se recomienda:<br>https:\/\/youtu.be\/cg4kUsbjQms?t=49<\/p>\n\n\n\n<h5 class=\"has-vivid-cyan-blue-color has-text-color wp-block-heading\">Prueba de hip\u00f3tesis<\/h5>\n\n\n\n<p>Como dijimos anteriormente se utiliza la <strong> inferencia estad\u00edstica<\/strong> para la puesta a prueba de <strong>hip\u00f3tesis<\/strong> y comenzaremos con un ejemplo.<\/p>\n\n\n\n<h2 class=\"has-cyan-bluish-gray-color has-text-color wp-block-heading\">Ejemplo pr\u00e1ctico N\u00ba3<\/h2>\n\n\n\n<p>Un investigador quiere saber si la variable  <strong>violencia familiar en adolescentes<\/strong> est\u00e1 relacionada con mayores <strong>\u00edndices de depresi\u00f3n<\/strong>, comparado con aquellos adolescentes que viven en un ambiente familiar sin violencia.<\/p>\n\n\n\n<p>Las hip\u00f3tesis correspondientes ser\u00edan:<\/p>\n\n\n\n<hr class=\"wp-block-separator has-text-color has-background has-vivid-cyan-blue-background-color has-vivid-cyan-blue-color\"\/>\n\n\n\n<p><strong>H0 o hip\u00f3tesis nula<\/strong> : &#8220;Los adolescentes que sufren violencia familiar no presentan mayores \u00edndices de depresi\u00f3n que aquellos que viven en entornos familiares sin violencia&#8221;<\/p>\n\n\n\n<p><strong>y la H1 o Hip\u00f3tesis alternativa:<\/strong>&#8221; Los adolescentes que sufren violencia familiar presentan mayores indices de depresi\u00f3n que aquellos que viven en entornos familiares sin violencia&#8221;<\/p>\n\n\n\n<hr class=\"wp-block-separator has-text-color has-background has-vivid-cyan-blue-background-color has-vivid-cyan-blue-color\"\/>\n\n\n\n<p>Como dijimos anteriormente, el prop\u00f3sito del investigador muchas veces es realizar un estudio y poder generalizar sus estad\u00edsticas a toda la poblaci\u00f3n. En el ejemplo anterior podr\u00edamos tomar una muestra representativa y tomar sus datos. La inferencia estad\u00edstica se encarga de reunir sus datos en forma de estad\u00edsticos y estimar los par\u00e1metros. (Sampieri, 2010)  Resulta necesario entonces introducir los conceptos de <strong>&#8221; Distribuci\u00f3n de medias muestrales&#8221;<\/strong> y &#8221; <strong>Nivel de significancia<\/strong>&#8220;.<\/p>\n\n\n\n<p>La <strong>distribuci\u00f3n de medias muestrales<\/strong> es la manera mas cercana de representar los par\u00e1metros, que insistimos, no conocemos sus valores reales, solo los inferimos con el menor grado de error posible. <\/p>\n\n\n\n<h2 class=\"has-cyan-bluish-gray-color has-text-color wp-block-heading\">Ejemplo pr\u00e1ctico N\u00ba4<\/h2>\n\n\n\n<p>Si nuestra poblaci\u00f3n de inter\u00e9s fueran los adultos diab\u00e9ticos podr\u00edamos estudiar cualquier variable en relaci\u00f3n a su enfermedad. Por lo que podr\u00edamos tomar muestras representativas de dicha poblaci\u00f3n y estudiarlas. Para cada muestra obtendremos una media, y la media de todas las medias representa la <strong>distribuci\u00f3n de medias muestrales<\/strong>. <br>Sampieri (2010) dice en su libro <em>&#8220;Si calcul\u00e1ramos la media de todas las medias de las muestras, pr\u00e1cticamente obtendr\u00edamos el valor de la media poblacional&#8221;<\/em><\/p>\n\n\n\n<p>Pero \u00bf C\u00f3mo aseguro que mi <strong>media muestral<\/strong> es congruente con la media poblacional y no fue una mera casualidad ?  Para poder generalizar con cierto grado de confianza es que el investigador estima a priori el<strong> &#8220;Nivel de significancia&#8221;<\/strong> ( Sampieri,2010 ).<\/p>\n\n\n\n<p>Existen dos niveles de significancia y se estiman en t\u00e9rminos de probabilidad.<\/p>\n\n\n\n<p><strong>Nivel 0.05<\/strong> Donde el investigador tiene 95% de seguridad en afirmar que los valores de su media muestral se acercan a los valores de la distribuci\u00f3n de medias muestrales, que recordemos son muy similares a los par\u00e1metros y 5% de equivocarse.<\/p>\n\n\n\n<p><strong>Nivel 0.01<\/strong> Donde las probabilidades se reducen a 99 % y 1 %.<\/p>\n\n\n\n<p>Se intenta estimar los par\u00e1metros con la mayor seguridad posible, pero siempre pueden cometerse errores al probar una hip\u00f3tesis (Sampieri, 2010). Las posibilidades son:<\/p>\n\n\n\n<ul><li>Tomar decisiones correctas, como aceptar una hip\u00f3tesis verdadera o rechazar una hip\u00f3tesis falsa. <\/li><li>Rechazar una hip\u00f3tesis verdadera ( error tipo 1 o alfa) y aceptar una hip\u00f3tesis falsa ( error del tipo 2 o Beta)<\/li><\/ul>\n\n\n\n<hr class=\"wp-block-separator\"\/>\n\n\n\n<p>Finalmente, habiendo explicado todos los conceptos necesarios para comprender el tema, podemos pasar al desarrollo de las <strong>pruebas param\u00e9tricas<\/strong> disponibles para el contraste de hip\u00f3tesis.<\/p>\n\n\n\n<p>Seg\u00fan Sampieri (2010),  las pruebas param\u00e9tricas m\u00e1s utilizadas son:<\/p>\n\n\n\n<ul><li>Cociente de correlaci\u00f3n de pearson <\/li><li>Prueba <em>t<\/em> de student<\/li><li>Prueba de contraste de la diferencia de proporciones<\/li><li>An\u00e1lisis de varianza unidireccional (ANOVA=<\/li><li>An\u00e1lisis de varianza factorial<\/li><li>An\u00e1lisis de Covarianza ( ANCOVA)<\/li><\/ul>\n\n\n\n<h3 class=\"has-vivid-green-cyan-color has-text-color wp-block-heading\"><strong>Cociente de correlaci\u00f3n de Pearson<\/strong><\/h3>\n\n\n\n<p>Prueba param\u00e9trica utilizada para evaluar la relaci\u00f3n entre dos variables medidas en escala de intervalo o razon&#8221;. Por ejemplo: &#8221; A mayor X, menor Y&#8221; &#8221; a Menor X, mayor Y&#8221; &#8221; A mayor X mayor Y&#8221; etc. <\/p>\n\n\n\n<p>El coeficiente obtenido se simboliza con la letra <strong>r<\/strong> y var\u00eda de <strong>-1.00 a +1.00<\/strong><\/p>\n\n\n\n<p>Una puntuaci\u00f3n de <strong>+1.00<\/strong> implica correlaci\u00f3n positiva perfecta. Es decir que por cada unidad que aumenta de la variable A se condice con un incremento en igual cantidad de la variable B. Algo similar ocurre con el valor <strong>-1.00<\/strong> o correlaci\u00f3n negativa perfecta. Por ejemplo,&#8221; a mayor X menor Y&#8221; en proporciones constantes. Los niveles intermedios representan correlaciones m\u00e1s d\u00e9biles y el cero indica ausencia absoluta de correlaci\u00f3n&#8221;<sub><strong> <\/strong><\/sub><\/p>\n\n\n\n<p class=\"has-text-align-right\">(Sampieri, 2010)<\/p>\n\n\n\n<p><\/p>\n\n\n\n<p><\/p>\n\n\n\n<h4 class=\"has-vivid-green-cyan-color has-text-color wp-block-heading\">Prueba t de Student<\/h4>\n\n\n\n<p>Esta prueba estad\u00edstica se utiliza para evaluar diferencias entre dos grupos. Por ejemplo , se quiere saber si la media de promedios de los alumnos egresados de medicina de la Universidad Abierta Interamericana difiere de la media de los alumnos de la Universidad de Buenos Aires. Se aplican tantas <strong>pruebas t<\/strong> como tantas variables se pretendan medir. La prueba t se puede utilizar tambi\u00e9n en el contexto experimental. Por ejemplo, se aplica una prueba t a dos grupos antes de la intervenci\u00f3n y otra luego de la intervenci\u00f3n. <br>(Sampieri, 2010)<\/p>\n\n\n\n<h4 class=\"has-vivid-green-cyan-color has-text-color wp-block-heading\"><strong>Prueba de diferencia de proporciones<\/strong><\/h4>\n\n\n\n<p>Como la palabra lo dice, la prueba eval\u00faa diferencia de proporciones entre dos grupos, se puede medir en escala de intervalo o raz\u00f3n pero los resultados siempre se expresan en porcentajes. (Sampieri,2010)<\/p>\n\n\n\n<h2 class=\"has-cyan-bluish-gray-color has-text-color wp-block-heading\">Ejemplo pr\u00e1ctico N\u00ba5<\/h2>\n\n\n\n<p>El jefe de terapia intensiva quien saber si el porcentaje de pacientes hospitalizados por covid-19 que necesitan asistencia respiratoria mec\u00e1nica en Buenos Aires es mayor que en New York.<\/p>\n\n\n\n<h4 class=\"has-vivid-green-cyan-color has-text-color wp-block-heading\"><strong>An\u00e1lisis de varianza unidireccional<\/strong><\/h4>\n\n\n\n<p>As\u00ed como la <em>prueba t <\/em>compara diferencias entre dos grupos, ANOVA sirve para comparar tres o m\u00e1s grupos. La prueba nos indica cu\u00e1nto se diferencian la <em>distribuci\u00f3n de medias<\/em> entre los grupos, pero no nos informa a favor de cual.<strong><sub> <\/sub><\/strong>(Sampieri,2010)<\/p>\n\n\n\n<h1 class=\"has-vivid-cyan-blue-color has-text-color has-text-align-center wp-block-heading\"><strong><em>PRUEBAS NO PARAM\u00c9TRICAS<\/em><\/strong><\/h1>\n\n\n\n<h1 class=\"has-vivid-cyan-blue-color has-text-color has-text-align-left wp-block-heading\"> <\/h1>\n\n\n\n<p>Sampieri (2010) asume que el <strong>an\u00e1lisis no param\u00e9trico<\/strong> debe partir de los siguientes supuestos:<\/p>\n\n\n\n<ul><li><strong>No<\/strong> requieren que la poblaci\u00f3n estudiada se distribuya de manera normal, aceptan distribuciones no normales.<\/li><li><strong>No<\/strong> es condici\u00f3n excluyente que las variables sean medidas en escala de intervalos o raz\u00f3n.<\/li><\/ul>\n\n\n\n<p>La <strong>estadistica no param\u00e9trica<\/strong> presenta algunas desventajas, como ser que sus datos son menos confiables que en la estad\u00edstica param\u00e9trica y sus datos no informan acerca de la magnitud de la diferencia entre variables medidas. Por lo cual, se desconocen la distribuci\u00f3n de los fen\u00f3menos estudiados. (Taylor, 2008)<\/p>\n\n\n\n<p> Segun Sampieri(2010) las <strong>pruebas no param\u00e9tricas <\/strong>m\u00e1s utilizadas son:<\/p>\n\n\n\n<ul><li>La<strong> chi cuadrada <\/strong>o \u03c7\u00b2.<\/li><li>Los <strong>coeficientes de correlaci\u00f3n<\/strong> e independencia para tabulaciones cruzadas.<\/li><li>Los<strong> coeficientes de correlaci\u00f3n por rangos ordenados<\/strong> de Spearman y kendall. <\/li><\/ul>\n\n\n\n<p>Otras pruebas no param\u00e9tricas utilizadas frecuentemente son la prueba de los <strong>rangos con signo de Wilcoxon<\/strong> (Taylor, 2008) y la<strong> prueba de kruskal-wallis<\/strong> (Triola, 2004).<\/p>\n\n\n\n<p>Como no sabemos la distribuci\u00f3n del fen\u00f3meno intentamos solucionarlo con alguna de estas pruebas, para conocer la naturaleza del mismo, y as\u00ed luego poder estudiarla en profundidad y establecer sus par\u00e1metros. Podr\u00eda decirse que la estadistica no parametrica es un primer enfoque orientativo para proceder a evaluar con pruebas param\u00e9tricas. (Glantz, 2003)<\/p>\n\n\n\n<p>Seg\u00fan Triola (2004) las pruebas no param\u00e9tricas presentan algunas ventajas y desventejas.<\/p>\n\n\n\n<div class=\"wp-block-columns is-layout-flex wp-container-3 wp-block-columns-is-layout-flex\">\n<div class=\"wp-block-column is-layout-flow wp-block-column-is-layout-flow\">\n<h2 class=\"has-text-color has-text-align-center wp-block-heading\" style=\"color:#a01c1c\"><strong>Ventajas<\/strong><\/h2>\n\n\n\n<ol><li>No requieren de poblaciones distribuidas normalmente<\/li><li>Sus resultados son categ\u00f3ricos<\/li><li>Implican c\u00e1lculos mas sencillos, f\u00e1ciles de entender y aplicar<\/li><\/ol>\n\n\n\n<p><\/p>\n<\/div>\n\n\n\n<div class=\"wp-block-column is-layout-flow wp-block-column-is-layout-flow\">\n<h2 class=\"has-vivid-red-color has-text-color has-text-align-center wp-block-heading\"><strong>Desventajas<\/strong><\/h2>\n\n\n\n<ol><li>Suelen desperdiciar informaci\u00f3n puesto que dividen en categor\u00edas. Se pierden datos puntuales<\/li><li>No son tan eficientes como las pruebas param\u00e9tricas, necesitan evidencia m\u00e1s fuerte.<\/li><\/ol>\n\n\n\n<p><\/p>\n<\/div>\n<\/div>\n\n\n\n<p>A continuaci\u00f3n se desarrolla Chi cuadrada. La ampliaci\u00f3n de las dem\u00e1s pruebas quedar\u00e1n a cargo del lector.<\/p>\n\n\n\n<h5 class=\"has-vivid-green-cyan-color has-text-color wp-block-heading\">Chi cuadrada<\/h5>\n\n\n\n<p><strong>Chi cuadrada<\/strong> o <strong>ji cuadrado<\/strong> es una prueba no param\u00e9trica utilizada para contrastar hip\u00f3tesis de tipo correlacionales medidas de forma categ\u00f3rica. No eval\u00faa causalidad sino correlaci\u00f3n. B\u00e1sicamente la distribuci\u00f3n Chi cuadrada intenta probar la existencia de relaci\u00f3n o no entre variables, o mejor dicho, eval\u00faa si funcionan de manera independiente o no. (sampieri, 2010)<\/p>\n\n\n\n<p class=\"has-text-color has-very-dark-gray-color\"> Una variable independiente es aquella que no varia en sus valores por la influencia de otra. por ejemplo la edad de una persona. ( Glantz, 2003 )<\/p>\n\n\n\n<h2 class=\"has-cyan-bluish-gray-color has-text-color wp-block-heading\"> Ejemplo pr\u00e1ctico N\u00ba6<\/h2>\n\n\n\n<p>Un profesor desea evaluar si la<strong> sensaci\u00f3n de malestar universitario<\/strong> ( variable 1) se relaciona con el hecho de <strong>adeudar materias de a\u00f1os anteriores<\/strong>.  Los datos en este caso toman valores categ\u00f3ricos. <em>SI o NO<\/em>, Entonces se generan las hip\u00f3tesis de la siguiente manera:<\/p>\n\n\n\n<p><strong>H0<\/strong>= El hecho de <strong>adeudar materias de a\u00f1os anteriores<\/strong> no est\u00e1 relacionado con la <strong>sensaci\u00f3n de malestar universitario.<\/strong><\/p>\n\n\n\n<p><strong>y la H1=<\/strong>El hecho de adeudar materias de a\u00f1os anteriores esta relacionado con la sensaci\u00f3n de malestar universitario.<\/p>\n\n\n\n<p>Se obtienen los datos, de una encuesta por ejemplo y se los vuelca en una tabla, llamada <strong>tabla de contingencia<\/strong>. (Sampieri, 2010)<\/p>\n\n\n\n<figure class=\"wp-block-table aligncenter is-style-regular\"><table class=\"has-subtle-light-gray-background-color has-background\"><tbody><tr><td class=\"has-text-align-center\" data-align=\"center\"><strong>Sensaci\u00f3n de Malestar<\/strong><\/td><td><strong>Adeuda Materias<\/strong><\/td><td>                   <\/td><\/tr><tr><td class=\"has-text-align-center\" data-align=\"center\"><\/td><td><strong>SI<\/strong><\/td><td><strong>NO<\/strong><\/td><\/tr><tr><td class=\"has-text-align-center\" data-align=\"center\"><strong>SI<\/strong><\/td><td>20<\/td><td>25<\/td><\/tr><tr><td class=\"has-text-align-center\" data-align=\"center\"><strong>NO<\/strong><\/td><td>10<\/td><td>45<\/td><\/tr><\/tbody><\/table><figcaption><br>La tabla nos informa que 20 alumnos sintieron malestar y adeudaban materias, 25 sintieron malestar y no adeudaban materias, 10 no sintieron malestar pero si adeudaban y 45 no sintieron malestar y no adeudaban materias.<br><\/figcaption><\/figure>\n\n\n\n<p class=\"has-text-align-left\">Los datos volcados constituyen frecuencias.  Para calcular <strong>Chi cuadrado<\/strong>: debemos ampliar la tabla. <\/p>\n\n\n\n<figure class=\"wp-block-table aligncenter is-style-regular\"><table class=\"has-subtle-light-gray-background-color has-background\"><tbody><tr><td class=\"has-text-align-center\" data-align=\"center\"><strong>Sensaci\u00f3n de Malestar<\/strong><\/td><td><strong>Adeuda Materias<\/strong><\/td><td>                   <\/td><td><\/td><\/tr><tr><td class=\"has-text-align-center\" data-align=\"center\"><\/td><td><strong>SI<\/strong><\/td><td><strong>NO<\/strong><\/td><td><\/td><\/tr><tr><td class=\"has-text-align-center\" data-align=\"center\"><strong>SI<\/strong><\/td><td>20<\/td><td>25<\/td><td>45<\/td><\/tr><tr><td class=\"has-text-align-center\" data-align=\"center\"><strong>NO<\/strong><\/td><td>10<\/td><td>45<\/td><td>55<\/td><\/tr><tr><td class=\"has-text-align-center\" data-align=\"center\"><\/td><td>30<\/td><td>70<\/td><td><strong>100<\/strong><\/td><\/tr><\/tbody><\/table><figcaption><br><br>Tabla de contingencia ampliada.<\/figcaption><\/figure>\n\n\n\n<p>En la tabla se puede observar como la suma del total de las filas es igual a la suma del total de las columnas.  Si extrapolamos los cuatro valores centrales obtenemos una tabla as\u00ed<\/p>\n\n\n\n<p>Ahora debemos calcular la <strong>frecuencia esperada<\/strong> que se obtiene del cociente entre el <em>total de la columna<\/em> por el<em> total de la fila<\/em> y el total. Una vez calculada la frecuencia esperada se procede a calcular <strong>Chi cuadrado<\/strong>:<\/p>\n\n\n\n<figure class=\"wp-block-image size-large\"><img decoding=\"async\" src=\"https:\/\/lolalvarez.files.wordpress.com\/2012\/06\/formula-chi.png\" alt=\"\"\/><\/figure>\n\n\n\n<p>Una vez obtenido el <strong>Chi calculado<\/strong> se calcula <strong>Chi cr\u00edtico<\/strong> teniendo en cuenta nivel de significancia y los grados de libertad. El valor obtenido de <strong>Chi cr\u00edtico<\/strong> se lo compara con Chi <strong>calculado<\/strong>. Si el calculado resulta mayor que el cr\u00edtico, se acepta la hip\u00f3tesis alternativa y si resulta menor, se adopta la hip\u00f3tesis nula (Sampieri, 2010). <\/p>\n\n\n\n<h4 class=\"has-vivid-cyan-blue-color has-text-color wp-block-heading\">Conclusiones<\/h4>\n\n\n\n<p>En base al desarrollo del articulo podemos concluir que la elecci\u00f3n entre una prueba param\u00e9trica o una prueba no param\u00e9trica deber\u00eda estar basada centralmente en el conocimiento de la distribuci\u00f3n de la poblaci\u00f3n en estudio y el tipo de datos que se quieran obtener. Si nuestra poblaci\u00f3n se distribuye normalmente  resulta conveniente utilizar el an\u00e1lisis param\u00e9trico,  pero si desconocemos su distribuci\u00f3n, un muy buen acercamiento resulta de utillizar  estadistica no param\u00e9trica.<\/p>\n\n\n\n<h4 class=\"has-vivid-cyan-blue-color has-text-color wp-block-heading\">Bibliograf\u00eda<\/h4>\n\n\n\n<ul><li>TAYLOR, B. R. (2008). <em>BIOESTADISTICA.<\/em> M\u00c9XICO: PEARSON EDUACI\u00d3N.<\/li><li>CARDIOLOGIA, S. A. (2018). Consenso Argentino de Hipertensi\u00f3n Arterial. <em>REVISTA ARGENTINA DE CARDIOLOGIA<\/em> , 6.<\/li><li>Diabetes, S. A. (2016). Gu\u00eda para el tratamiento de la diabetes mellitus tipo 2. <em>Revista de la sociedad Argentina de Diabetes<\/em> .<\/li><li>Erik Cobo, P. M. (2007). <em>Bioestad\u00edstica para no estad\u00edsticos.<\/em> EL SEVIER MASSON.<\/li><li> Triola. F. M. (2004). <em>ESTAD\u00cdSTICA novena edici\u00f3n.<\/em> M\u00e9xico: PEARSON.<\/li><li>Glantz, S. A. (2003). <em>Bioestadistica- 6ta edici\u00f3n.<\/em> M\u00e9xico: McGraw Hill.<\/li><li>Roberto Hernandez Sampieri, C. F. (2010). <em>Metodolog\u00eca de la investigaci\u00f3n- 5ta edici\u00f3n.<\/em> M\u00e9xico: Mc Graw-Hill.<\/li><li>Salud, O. M. (2009). <em>Manual WHO Anthro para computadoras personales versi\u00f3n 3.<\/em> Ginebra.<\/li><\/ul>\n","protected":false},"excerpt":{"rendered":"<p>Las &#8220;Pruebas param\u00e9tricas y no param\u00e9tricas &#8220;son una parte importante de la bioestad\u00edstica y constituyen excelentes herramientas a la hora de resumir y presentar datos obtenidos de una investigaci\u00f3n. El objetivo principal del art\u00edculo es introducir los conceptos b\u00e1sicos considerados necesarios para el buen entendimiento de la utilidad que estas pruebas pueden brindarnos. Como objetivo &hellip; <\/p>\n<p class=\"link-more\"><a href=\"https:\/\/metodocientifico.com.ar\/uai\/padawan\/blog\/2020\/05\/11\/que-es-una-prueba-parametrica-y-no-parametrica\/\" class=\"more-link\">Segu\u00ed leyendo<span class=\"screen-reader-text\"> &#8220;\u00bfQu\u00e9 es una prueba param\u00e9trica y no param\u00e9trica?&#8221;<\/span><\/a><\/p>\n","protected":false},"author":49,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"image","meta":{"_monsterinsights_skip_tracking":false,"_monsterinsights_sitenote_active":false,"_monsterinsights_sitenote_note":"","_monsterinsights_sitenote_category":0,"footnotes":""},"categories":[25],"tags":[],"_links":{"self":[{"href":"https:\/\/metodocientifico.com.ar\/uai\/padawan\/blog\/wp-json\/wp\/v2\/posts\/286"}],"collection":[{"href":"https:\/\/metodocientifico.com.ar\/uai\/padawan\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/metodocientifico.com.ar\/uai\/padawan\/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/metodocientifico.com.ar\/uai\/padawan\/blog\/wp-json\/wp\/v2\/users\/49"}],"replies":[{"embeddable":true,"href":"https:\/\/metodocientifico.com.ar\/uai\/padawan\/blog\/wp-json\/wp\/v2\/comments?post=286"}],"version-history":[{"count":36,"href":"https:\/\/metodocientifico.com.ar\/uai\/padawan\/blog\/wp-json\/wp\/v2\/posts\/286\/revisions"}],"predecessor-version":[{"id":3356,"href":"https:\/\/metodocientifico.com.ar\/uai\/padawan\/blog\/wp-json\/wp\/v2\/posts\/286\/revisions\/3356"}],"wp:attachment":[{"href":"https:\/\/metodocientifico.com.ar\/uai\/padawan\/blog\/wp-json\/wp\/v2\/media?parent=286"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/metodocientifico.com.ar\/uai\/padawan\/blog\/wp-json\/wp\/v2\/categories?post=286"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/metodocientifico.com.ar\/uai\/padawan\/blog\/wp-json\/wp\/v2\/tags?post=286"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}