Marco Teorico Merged
Marco Teorico Merged
Marco Teorico Merged
• De lo particular a lo general
– Mi estudio de caso presenta características que
pueden ser generalizadas a otros estudios y
transformadas en teorías (debe ser comprobable).
1. Populismo conceptualización general
2. Populismo en América Latina
conceptualización aplicada
3. Populismo en Argentina peronismo
4. Conceptos claves dependiendo de mi
pregunta de investigación (gobernabilidad,
sistema de partidos, cultura política,
instituciones políticas, etc.)
• Buscamos objetividad en los planteamientos,
por eso nos respaldamos en autores.
• No se introducen respuestas, solamente se
entrega la información existente respecto al
tema que se abordará.
• Toda esta información posteriormente nos
servirá para confirmar o rechazar nuestra
hipótesis.
• No existe una metodología única.
• No son excluyentes.
• Ejemplos:
– Por Temas
– Por Autores
• Por Autores
Investigación
Alternativas
Nulas Estadísticas
Investigación
Nulas
Alternativas
¿CUÁL ES LA UTILIDAD
DE LAS HIPÓTESIS? *La tercera función es la de probar teorías, si se
En primer lugar el formularlas nos ayuda a saber lo que estamos aporta evidencia en favor de una. Cuando varias
tratando de buscar, de probar. Proporcionan orden y lógica al hipótesis de una teoría reciben evidencia en su
estudio. favor,
Las sugerencias formuladas en las hipótesis pueden ser solucio- la teoría va haciéndose más robusta; y cuanto más
nes a(los) problema(s) de investigación, si lo son o no, evidencia haya en favor de aquéllas, más evidencia
efectivamente, es la tarea del estudio habrá en favor de ésta.
En segundo lugar, tienen una función descriptiva y explicativa, *Una cuarta función es la de sugerir teorías.
según sea el caso. Cada vez que una hipótesis recibe evidencia Algunas hipótesis no están asociadas con teoría
empírica en su favor o en su contra, nos dice algo acerca del alguna;
fenómeno al cual está asociado o hace referencia. Si la evidencia pero puede ocurrir que como resultado de la prueba
es en su favor, la información sobre el fenómeno se incrementa; y de una hipótesis, se pueda construir una teoría o las
aun si la evidencia es en su contra, descubrimos algo acerca del bases para esta. Esto no es muy frecuente pero ha
fenómeno que no sabíamos antes. llegado a ocurrir.
¿QUÉ PASA C U A N D O
N O SE APORTA EVIDENCIA
EN FAVOR DE LA(S)
No es raro escuchar una conversación como la siguiente entre dos
HIPÓTESIS pasantes que acaban de analizar los datos de su tesis (que es una
DE NUESTRA investigación):
INVESTIGACIÓN? Elena: "Los datos no apoyan nuestras hipótesis"
Roberto: ¿Y ahora qué vamos a hacer?, nuestra tesis no sirve"
Elena: "Tendremos que hacer otra tesis"
2)Es decir, no siempre los datos apoyan las hipótesis es importante
entender que el formular una hipótesis no asegura que vaya a
comprobarse).
Pero el que los datos no aporten evidencia en favor de las hipótesis
planteadas de ningún modo significa que la investigación carezca
de utilidad.
3)Para que las hipótesis tengan utilidad, no es necesario que sean
las respuestas correctas a los problemas planteados. En casi todas
las investigaciones, el estudioso formula varias hipótesis y espera
que alguna de ellas proporcione una solución satisfactoria del
problema. Al eliminar cada una de las hipótesis, va estrechando el
campo en el cual deberá hallar la respuesta.
4)La prueba de hipótesis falsas (que nosotros preferimos llamar
"hipótesis que no recibieron evidencia empírica) también resulta
útil si dirige la atención del investigador o de otros científicos
hacia factores o relaciones insospechadas que, de alguna manera,
podrían ayudar a resolver el problema
CONCEPTO VARIABLE
Una variable es una propiedad, característica o atributo que puede darse
en ciertos sujetos o pueden darse en grados o modalidades diferentes.
¿Q U É SON L A S V A RIA BL ES ?
Una variable es una propiedad que puede variar y cuya variación es
susceptible de medirse.
LA S V A RIA BLES
Es un aspecto, característica o propiedad de una realidad, hecho o
Las variables son manifestaciones de la realidad.
A través de ellas se puede conocer y medir la realidad, el hecho o fenómeno
V A R I A BL E S DE LA H I PÓ T E S I S
• Variable Independiente .- Causa
• Variable Dependiente .- Efecto
• Variable Interviniente o Concurrente.- Se interpone entre la VI y la V D
C l as i f i c aci ó n d e l as v ari ab l es
TIPO S D E V A R IA BL ES
Causa
INDEPENDIENTE
Efecto
DEPENDIENTE
Causa – efecto
INTERDEPENDIENTE
Ejemplo de hipótesis
¿ que factores afectaron en el rendimiento académico, que dio como resultado una
deficiente aplicación de técnicas de enseñanza, para los estudiantes del nivel medio
superior del colegio de bachilleres en el distrito Federal durante la gestión 2014?
Los factores que afectaron en el rendimiento académico y que dio como resultado una
deficiente aplicación de técnicas de enseñanza fue la deficiente aplicación de las
estrategias y técnicas de estudio para los estudiantes del nivel medio superior del colegio
de bachilleres en el distrito Federal durante la gestión 2014
Identificación de las variables
Nº 1Variable Independiente: técnica de enseñanza
Nº 2Variable Dependiente: aplicación de estrategias
RESUMEN FINAL:
Estadísticamente Estadísticamente no
Representativa Representativa
Determinado Determinado
Tamaño muestral
probabilísticamente arbitrariamente
Selección de la muestra Probabilística Dirigida
TAMAÑO MUESTRAL
Los cuestionarios por entrevista tienen alta tasa de respuesta, existe control
sobre quien y cómo da las respuestas, permite realizar encuestas con
preguntas dificultosas, pero son más costosas y requieren de
encuestadores preparados.
EL ENCUESTADOR
Investigación aplicada
Se basa en encontrar mecanismos o estrategias que permitan lograr un objetivo concreto, como curar una enfermedad
o conseguir un elemento o bien que pueda ser de utilidad.
SEGÚN EL LUGAR Y LOS RECURSOS DONDE SE OBTIENE LA
INFORMACIÓN REQUERIDA
Investigación documental
La investigación documental es aquella que se realiza a través de la consulta de documentos (libros,
revistas, periódicos, memorias, anuarios, registros, constituciones, etc.).
Investigación de campo
Es la que se efectúa en el lugar y tiempo en que ocurren los fenómenos objeto de estudio.
SEGÚN EL NIVEL DE PROFUNDIZACIÓN EN EL OBJETO DE
ESTUDIO.
Investigación exploratoria
Se centra en analizar e investigar aspectos concretos de la realidad que aún no han sido analizados en profundidad.
Investigación Explicativa
Se utiliza con el fin de intentar determinar las causas y consecuencias de un fenómeno concreto. Se busca no solo el qué
sino el porqué de las cosas.
SEGÚN EL TIPO DE DATOS.
Según el tipo de datos empleados.
Cualitativa
Se basa en la obtención de datos en principio no cuantificables, basados en la observación.
Cuantitativa
Se basa en el estudio y análisis de la realidad a través de diferentes procedimientos basados en la
medición.
SEGÚN EL GRADO DE MANIPULACIÓN DE VARIABLES
Investigación experimental
Cuasi-experimental
Se asemeja a la experimental en el hecho de que se pretende manipular una o varias variables concretas,
con la diferencia de que no se posee un control total sobre todas las variables.
No experimental
De método deductivo
Este tipo de investigación se basa en el estudio de la realidad y la búsqueda de verificación o falsación de unas premisas
básicas a comprobar.
De método inductivo
Se basa en la obtención de conclusiones a partir de la observación de hechos. La observación y análisis permiten
extraer conclusiones más o menos verdaderas, pero no permite establecer generalizaciones o predicciones.
De método hipotético-deductivo
Este tipo de investigación es la que se considera verdaderamente científica. Se basa en la generación de hipótesis a
partir de hechos observados mediante la inducción.
SEGÚN EL PERIODO TEMPORAL EN EL QUE SE REALIZA
Longitudinal
Se caracteriza por realizar un seguimiento a unos mismos sujetos o procesos a lo largo de un período
concreto.
Transversal
Se centra en la comparación de determinadas características o situaciones en diferentes sujetos en un
momento concreto, compartiendo todos los sujetos la misma temporalidad.
ESTUDIO CORRELACIONAL
Es un tipo de investigación social que tiene como objetivo medir el grado de relación que existe entre dos o
más conceptos o variables, en un contexto en particular.
La utilidad es saber cómo se puede comportar un concepto conociendo el comportamiento de otro u otros
relacionados.
Estudio de Casos.
ESTUDIO DE CASOS
El estudio de casos consiste en un método o técnica de investigación, habitualmente utilizado en las ciencias de
la salud y sociales, el cual se caracteriza por precisar de un proceso de búsqueda e indagación, así como el
análisis sistemático de uno o varios casos.
INVESTIGACIONES EXPERIMENTALES
• Este tipo de investigación provee de un método lógico y sistemático para responder a preguntas
tales como:
¿Qué sucederá, bajo condiciones cuidadosamente controladas, si esto (hecho) es dado?
INVESTIGACIONES EXPERIMENTALES
• La hipótesis básica del método experimental se basa en la ley de la variable única.
1. Método de las diferencias: Si se comparan dos fenómenos con las mismas circunstancias, excepto una,
esta es el efecto o la causa del fenómeno
2. Método de las concordancias: Si en varios casos se presenta el mismo fenómeno y estos casos tiene en
común una circunstancia de causa-efecto.
3. Método de las concordancias y diferencias: Si en varios casos – en los cuales se presenta un fenomeno –
este fenomeno no se presenta – tienen en comun la inexistencia de dicha circunferencia, esta es la causa o
efecto del fenómeno.
4. Método de Residuos: Si cuando se presenta un fenómeno abstraemos aquello que se sabe por
experiencias pasadas
5. Método de las Variaciones Concomitantes: Si un fenómeno varía de un cierto modo, cuando otro
fenómeno varía de ese mismo modo, es un efecto, una causa o hay entre ellos una relación de causalidad
INVESTIGACIONES EXPERIMENTALES
formación continuada
CURSO DE INTRODUCCIÓN A LA INVESTIGACIÓN CLÍNICA
Capítulo 7: Estadística: Estadística Descriptiva y Estadística
Inferencial
T. Seoanea, J.L.R. Martína,b, E. Martín-Sáncheza, S. Lurueña-Segoviaa,c y F.J. Alonso Morenod,e
aÁrea de Investigación Clínica. Fundación para la Investigación Sanitaria en Castilla-La Mancha (FISCAM). Toledo.
bUnidad de Investigación Aplicada. Hospital Nacional de Parapléjicos. Toledo.
cFENNSI Group. Fundación Hospital Nacional de Parapléjicos. Toledo.
dCentro de Salud Sillería. Toledo.
eResponsable de Investigación de Semergen.
La estadística estudia los métodos científicos para recoger, Statistics is the study of the scientific methods for collec-
organizar, resumir y analizar datos, permite obtener conclu- ting, organizing, summarizing, and analyzing data; it makes
siones válidas y tomar decisiones razonables basadas en el it possible to reach valid conclusions and make reasonable
análisis. decisions on the basis of the analysis.
La estadística es, por tanto, la ciencia que recoge, clasifica Statistics is, therefore, the science of gathering, classif-
y analiza la información que se presenta habitualmente me- ying, and analyzing information that is usually presented
diante datos agregados que permiten que las observaciones through aggregated data that enable observations to be quan-
puedan cuantificarse, medirse, estimarse y compararse utili- tified, measured, estimated, and compared using measure-
zando medidas de tendencia central, medidas de distribu- ments of central tendency, measurements of distribution,
ción, métodos gráficos, etc. La estadística aplicada trata so- graphical methods… Applied statistics deals with how and
bre cómo y cuándo utilizar los procedimientos matemáticos when to use the mathematical procedures (mathematical sta-
(estadística matemática) y cómo interpretar los resultados tistics) and how to interpret the results that are obtained
que se obtienen. using these procedures.
Así, la bioestadística es la rama de la estadística que en- Likewise, biostatistics is the branch of statistics that tea-
seña y ayuda a investigar en todas las áreas de las ciencias de ches and helps the investigator to carry out research in all of
la vida donde la variabilidad es la regla. Se divide en dos the different branches of the life sciences where variability is
grandes ramas, la bioestadística descriptiva y la bioestadísti- the rule. Biostatistics can be divided into two main areas: des-
ca analítica o inferencial. criptive biostatistics and analytical or inferential statistics.
La estadística descriptiva resume la información conteni- Descriptive statistics summarizes the information contai-
da en los datos recogidos y la estadística inferencial de- ned in the data collected and inferential statistics demons-
muestra asociaciones y permite hacer comparaciones entre trates associations and makes it possible to make compari-
características observadas. sons among the characteristics observed.
Palabras clave: estadística, bioestadística, variable, estadística Key words: statistics, biostatistics, variable, descriptive statistics,
descriptiva, inferencia estadística, contraste de hipótesis, regresión. statistical inference, hypothesis testing, regression.
INTRODUCCIÓN
La estadística se define como la ciencia matemática que se
refiere a la recopilación, estudio e interpretación de los da-
tos obtenidos en un estudio.
Correspondencia: J.L.R. Martín. Se aplica a una amplia variedad de disciplinas, entre las
Área de Investigación Clínica. que cabe destacar las ciencias de la salud; en particular, en
Fundación para la Investigación Sanitaria en Castilla-La Mancha
(FISCAM). Edificio Bulevar. el campo de la Atención Primaria es necesario conocer los
C/ Berna, n.o 2, local 0-2. 45003 Toledo. fundamentos de la estadística ya que la medicina es cada
Correo electrónico: jlrmartin@jccm.es
vez más cuantitativa, los resultados se utilizarán para la to-
Recibido el 30-07-07; aceptado para su publicación el 30-07-07. ma de decisiones pues se obtienen conclusiones correctas
de procedimientos diagnósticos y de diversas pruebas. ción contenida en los datos reales, o bien utilizando re-
La bioestadística es la disciplina que trata del desarrollo presentaciones gráficas que son muy útiles, ya que pueden
y aplicación de la teoría y métodos estadísticos en aquellos aportar mucha información en un solo golpe de vista5,7.
fenómenos que surgen de las ciencias biomédicas1,2. Si la variable a estudio es una variable cualitativa utiliza-
Como hemos estudiado en el capítulo “Selección de la remos tablas de frecuencias, que consisten una representa-
muestra” de esta serie, para aplicar un análisis estadísti- ción estructurada de toda la información que se ha recogi-
co necesitamos recopilar información de cierta población do sobre dicha variable. En estas tablas se detalla cada uno
que se define como el conjunto homogéneo de elemen- de los valores diferentes en el conjunto de datos con el nú-
tos que reúne unas características determinadas objeto de mero de veces que aparece, la frecuencia absoluta. Se pue-
estudio. Por razones prácticas se estudia un subconjunto de completar añadiendo la frecuencia relativa que repre-
de la población denominado muestra, sobre el que reali- senta la frecuencia en porcentaje sobre el total de datos.
zamos las mediciones o el experimento para obtener con- Si describimos una variable cualitativa gráficamente de-
clusiones generalizables a la población. Los datos recogi- bemos utilizar un diagrama de barras en el que se repre-
dos se analizan estadísticamente siguiendo dos propósitos: sentan tantas barras como categorías tiene la variable, de
descripción e inferencia. forma que la altura de cada uno de los rectángulos es pro-
porcional a la frecuencia de casos en cada clase; o un dia-
TIPOS DE DATOS grama de sectores, en el que se divide un círculo en tantas
La naturaleza de las observaciones es importante a la hora porciones como clases tiene la variable, de forma que a ca-
de elegir el método estadístico más apropiado para el aná- da una de las clases le corresponde un arco de círculo pro-
lisis. La característica observada de cada individuo de la porcional a la frecuencia absoluta o relativa.
muestra se denomina variable, por ejemplo: el peso, la edad, Supongamos que hemos recogido de una muestra de
el nivel de colesterol en sangre, etc., y se pueden clasificar 100 individuos la variable “hábito tabáquico”, dicha varia-
en dos grupos según el tipo de valores que toman3-5: ble tiene tres categorías: “fumador, no fumador y ex fuma-
dor”. La tabla de frecuencias se puede observar en la tabla
1) Variables cualitativas: son variables que representan 1 y las figuras 1 y 2.
una cualidad, no pueden medirse numéricamente pero Las variables cuantitativas se describen mediante gráfi-
pueden clasificarse en una o varias categorías. A su vez las cos y medidas características.
variables cualitativas se dividen en ordinales y nominales, Las medidas características se clasifican en cuatro gru-
dependiendo de que esas categorías admitan cierto orden. pos:
Por ejemplo, el estado de un paciente (leve, moderado,
grave) es una variable cualitativa ordinal y la variable sexo 1) Medidas de tendencia central: nos indican el valor al-
(hombre, mujer) es una variable cualitativa nominal. rededor del cual se agrupan los datos, dentro de este tipo
2) Variables cuantitativas: son variables que toman va- de medidas distinguimos:
lores numéricos y que se dividen a su vez en dos catego- – Media: que se obtiene sumando los valores de la va-
rías: variables continuas, asociadas a procesos de medición riable divididos por el número total de datos.
como la edad, el peso, etc., y variables discretas, asociadas
n
a procesos de conteo, por ejemplo, número de hijos, de ca-
– x + x2 + ... + xn = ⌺
xi
sos de sida, etc. X= 1 n
i=1
n
Puede realizarse una transformación de una variable
cuantitativa pasándola a una escala ordinal, este proceso se – Mediana: es la observación que ocupa la posición cen-
denomina categorización de una variable. Partiendo de tral después de haber ordenado los datos, si el número de
una variable numérica creamos grupos de casos colapsán- casos es impar será el dato que ocupa la posición (n + 1)/2,
dolos en k categorías. Por ejemplo, supongamos que he- en el caso de que el número de observaciones sea par, la
mos recogido la variable edad de los individuos que for- mediana se obtiene calculando la media de los datos que
man nuestra muestra, a partir de esta variable podemos ocupan las posiciones n/2 y (n/2) + 1.
crear una nueva variable (edad categorizada) de la forma – Moda: es el valor o valores más frecuentes de la dis-
siguiente: categoría 1 = joven (menores de 25 años), cate- tribución.
goría 2 = mediana edad (individuos entre 26-59 años) y 2) Medidas de dispersión: cuantifican la variabilidad de
categoría 3 = mayor (individuos mayores de 60 años). la distribución, es decir, nos dan una idea de la dispersión
de los datos. Entre estas medidas distinguimos:
ESTADÍSTICA DESCRIPTIVA
La estadística descriptiva es la parte de la estadística que Tabla 1. Distribución de frecuencias
sintetiza y resume la información contenida en un con-
junto de datos, por tanto, un análisis descriptivo consiste Frecuencia absoluta Frecuencia relativa
en clasificar, representar y resumir los datos2,3,6. La des- Simple Acumulada Simple Acumulada
cripción se puede hacer utilizando dos tipos de procedi- Fumador 45 45 0,45 0,45
mientos: mediante el cálculo de índices estadísticos que No fumador 27 72 0,27 0,72
son números que resumen de modo sencillo la informa- Ex fumador 28 100 0,28 1
50
45 A B C
40
30 28
26
X
0 1 2 3 4 5 6
20
Figura 3. Asimetría. A = asimétrica por la derecha; B = función simétrica;
C = asimétrica por la izquierda.
10
0 A
Fumador No fumador Ex fumador
Fuma
B
Figura 1. Diagrama de barras.
Ex fumador
X 0 1 2 3 4 5 6
40
Fumador
30
Frecuencia
No fumador
20
1 n
S2 = n ⌺ (xi – x–) Figura 5. Histograma, representa la variable aleatoria altura de una
i=l muestra de 316 individuos.
– Desviación típica: que se define como la raíz cuadrada 4) Medidas de forma: describen dos aspectos de la dis-
de la varianza, informa sobre la dispersión de la distribu- tribución:
ción y se expresa en las mismas unidades que la variable. – Asimetría: se define el coeficiente de asimetría como
– Rango: es la diferencia entre el valor mayor y el valor el grado en que los datos se reparten por encima y por de-
menor de la distribución, por tanto, está muy influencia- bajo de la tendencia central (fig. 3).
do por los outliers. – Curtosis: indica el grado de apuntamiento de la dis-
3) Medidas de posición: entre este tipo de medidas dis- tribución en la zona central (fig. 4).
tinguimos: Para resumir una variable aleatoria numérica continua,
– Percentiles: el percentil de orden k es el valor de la va- como por ejemplo la edad, se puede utilizar el histograma,
riable que deja por debajo el k% de las observaciones. en el cual el rango de valores de la variable se divide en in-
– Cuartiles: dividen el conjunto de datos en cuatro gru- tervalos de igual amplitud, sobre cada intervalo se repre-
pos de igual tamaño, el Q1 o 1.er cuartil deja por debajo el senta un rectángulo de forma que su altura mantiene la
25% de los datos, el Q2 o 2.o cuartil es la mediana y el Q3 proporción entre las frecuencias (absolutas o relativas) y
o 3.er cuartil deja por debajo de sí el 75% de los datos. la longitud del intervalo (fig. 5).
3) Pruebas de relación: evalúan la relación entre varia- Cuando analizamos la muestra obtendremos la signifi-
bles. cación del contraste, que se representa con la letra p, es un
indicador de la discrepancia entre la hipótesis nula y los
Los contrastes de hipótesis o tests de hipótesis10 permi- datos muestrales, de forma que cuanto más se acerque a
ten comprobar si la información muestral concuerda con cero tenemos mayor evidencia en contra de la hipótesis
la hipótesis estadística formulada, nos permiten cuantificar nula (si p es menor que el nivel de significación rechaza-
hasta qué punto los resultados de un estudio particular de- remos H0).
penden de la variabilidad de la muestra. Debemos tener en cuenta que la significación estadísti-
La hipótesis que se contrasta se denomina hipótesis nu- ca depende de la magnitud de la diferencia que queremos
la y se denota por H0, se puede interpretar como la hipó- probar, cuanto mayor sea esta diferencia más sencillo será
tesis que normalmente sería aceptada mientras los datos demostrar que es significativa. Al mismo tiempo depende
no indiquen lo contrario. Rechazar la hipótesis nula supo- también del tamaño muestral, cuanto más grande sea el
ne asumir una hipótesis complementaria, la hipótesis al- número de observaciones más sencillo es detectar diferen-
ternativa (H1), como correcta. cias.
Para realizar un contraste de hipótesis debemos definir
la hipótesis nula y la alternativa y definir una medida, el MODELOS DE REGRESIÓN
estadístico de contraste, que permite cuantificar la magni- Los modelos de regresión estudian la relación cuantitati-
tud de la diferencia entre la información que proporciona va12 entre una variable de interés, que se denomina varia-
la muestra y la hipótesis H0. Se pueden cometer dos tipos ble respuesta o dependiente (Y), y un conjunto de varia-
de errores11: bles explicativas (X1,X2,…,Xk). Puede ocurrir que exista
una relación funcional, de forma que el conocimiento de
1) Error tipo I: rechazamos la hipótesis nula cuando es las variables explicativas determina el valor de la variable
cierta. dependiente, o, en cambio, que no exista ninguna rela-
2) Error tipo II: no rechazamos la hipótesis nula cuan- ción, lo que significa que conocer el valor de las variables
do es falsa. (X1,X2,...,Xk) no aporta ninguna información sobre la va-
riable Y. Lo habitual es que exista cierta relación entre ellas
En la práctica no es posible saber si estamos cometien- de manera que el hecho de conocer el valor de las varia-
do un error tipo I o un error tipo II, pero existen ciertas bles independientes nos permite predecir el valor de la va-
recomendaciones para disminuir dichos errores. Por riable respuesta. Existen tantos modelos como funciones
ejemplo, para disminuir el error tipo I deberíamos depu- matemáticas, los más utilizados son: el modelo de regre-
rar la base de datos para evitar posibles outliers o valores sión lineal, polinómico, logístico, de Poisson, etc.
extremos que puedan producir resultados significativos, Los modelos de regresión se utilizan con dos objetivos:
utilizar un nivel de significación pequeño y disponer de 1) Predicción: se pretende predecir la variable depen-
una teoría que guíe las pruebas. Para reducir el error tipo diente utilizando un conjunto de variables independien-
II es aconsejable incrementar el tamaño muestral, estimar tes.
la potencia estadística o incrementar el tamaño del efecto 2) Estimación: el interés se centra en apreciar la relación
a detectar. entre la variable respuesta y las variables explicativas.
Es necesario establecer a priori el nivel de significación Cuando utilizamos los modelos de regresión para la es-
(␣) que se define como la probabilidad de cometer un timación debemos tener en cuenta dos conceptos impor-
error tipo I, normalmente se elige un valor pequeño, el 5% tantes, la interacción y la confusión. Existe interacción
o el 1%. El valor del nivel de significación divide en dos cuando la asociación entre la variable respuesta y la varia-
regiones el conjunto de posibles valores del estadístico de ble independiente varía según los diferentes niveles de otra
contraste: variable. Y existe confusión cuando la asociación entre la
variable respuesta y la de exposición difiere significativa-
1) Zona de rechazo (con probabilidad ␣, bajo H0). mente si se considera, o no, una tercera variable, denomi-
2) Zona de aceptación (con probabilidad 1-␣, bajo H0). nada variable de confusión.
El modelo de regresión más sencillo es el Modelo de Re- 4. Dawson-Saunders B, Trapp RG. Bioestadística Médica. 2.ª ed. Mé-
xico: Editorial el Manual Moderno; 1996.
gresión Lineal13 que estudia la posible relación lineal entre
5. Altman DG, Bland JM. Statistics Notes: Presentation of numerical
la variable dependiente, que es una variable cuantitativa, y data. BMJ. 1996;312:572.
las variables independientes. 6. De la Horra J. Estadística aplicada. Díaz de Santos; 1995.
La metodología de la regresión lineal no se puede apli- 7. Singer PA, Feinstein AR. Graphical display of categorical data. J
Clin Epidemiol. 1993;46:231-6.
car cuando la variable respuesta es dicotómica, por ejem-
8. Wassertheil-Smoller S. Biostatistics and Epidemiology. A primer for
plo, presencia/ausencia de una enfermedad. En estos casos health professionals. 2nd ed. New York: Springer-Verlag; 1995.
el modelo de regresión que se debe utilizar es el Modelo 9. Altman DG. Preparing to analyse data. En: Practical statistics for
Logístico14. medical research. London: Chapman and Hall; 1991. p. 132-45.
10. Jekel JF, Elmore JG, Katz DL. Epidemiology Biostatistics and Pre-
ventive Medicine. Philadelphia: W.B. Saunders Company; 1996.
11. Daly LE, Bourke GJ. Interpretation and uses of medical statistics.
BIBLIOGRAFÍA 5th ed. Oxford: Blackwell science; 2000.
1. Daniel WW. Bioestadística. Base para el análisis de las ciencias de la 12. Pita Fernández S, Rey Sierra T, Vila Alonso MT. Relaciones entre
salud. México: Ed. Uteha. Noriega Editores; 1995. variables cuantitativas (I). Cuadernos de Aten Primaria. 1997;4:
2. Martín Andrés A, Luna del Castillo J. Bioestadística para las cien- 141-5.
cias de la salud. 4.ª ed. Madrid: Ed. Norma; 1994. 13. Altman DA. Practical statistics for medical research. 1th ed. repr.
3. Cao R, Francisco M, Naya S, Presedo MA, Vázquez M, Vilar JA, Vi- 1997. London: Chapman & Hall; 1997.
lar JM. Introducción a la Estadística y sus aplicaciones. Ed. Pirámi- 14. Hosmer DW, Lemeshow S. Applied Logistic Regression, 2nd ed.
de; 2001. New York: Wiley; 2000.