YT YouTube2Text

YouTube2Text → Transcripts → José Supo - Cómo elegir una prueba estadística | Presentación

José Supo - Cómo elegir una prueba estadística | Presentación — Transcript

by SINCIE · 14,126 words · 2,420 segments · language en · Watch on YouTube

Open in transcriber Summarize with AI Download SRT/VTT

Full transcript

0:01[Música]
0:09[Música]
0:14[Música]
0:27[Música]
0:36[Música]
0:46Muy buenas tardes a todos Mi nombre es
0:49José supo y el día de hoy tenemos una
0:52nueva transmisión en vivo vamos a
0:57pedirles a las personas que están
0:59conectadas con nosotros coloquen un
1:02presente aquí en la caja de comentarios
1:05indicándonos la ciudad desde donde se
1:08conectan para así poder saludarlos
1:11también esta tarde
1:14quienes están con nosotros el día de hoy
1:16por aquí vamos viendo
1:18Saludos para la ciudad de México el
1:22doctor Porfirio vizzoso nos acompaña
1:24desde este lugar también vamos a saludar
1:29a días vivar también
1:32se conecta desde México
1:36Saludos para la Ciudad de Lima Manuel
1:38Albino Buenas noches nos dice también
1:42Richard Aguirre en la República
1:45Dominicana
1:47el profesor dicen Montero saludos para
1:51Colombia Luis Fernando sabogal en Ciudad
1:55de México Antonio Martínez
1:59en Guatemala nos acompaña Donaldo manso
2:02saludos para Puebla
2:05María Elena de la cruz está con nosotros
2:09también desde Huancayo Rocío Rosario en
2:13Guadalajara en el alumno Luis
2:17Quienes más están por aquí Orizaba
2:23México Jaime Hernández muy bien Vamos a
2:26comenzar el tema que tenemos programado
2:28para el día de hoy
2:56la pregunta que todo Estudiante
3:00tesista se hace Es como elegir una
3:05prueba estadística
3:08antes de entrar
3:10de lleno en la materia vamos a hacer una
3:13introducción una presentación previa
3:17En estadística
3:20o más bien en investigación utilizamos a
3:24la estadística como una herramienta
3:27como la inferencia como el muestreo
3:31como
3:33el algoritmia son herramientas para la
3:36investigación científica
3:39y esto implica que su uso aparece Cuando
3:45hacemos
3:46investigación cuantitativa
3:50y no Cuando hacemos investigación
3:53cualitativa que no es más que una fase
3:55previa en su momento anterior son dos
3:59fases del desarrollo de la misma línea
4:02de investigación Entonces al principio
4:05no hay estadística después Sí hay
4:08estadística al principio es cualitativo
4:10después es cuantitativo hago esta
4:14aclaración porque erróneamente he visto
4:17que algún autor ha dicho de que en la
4:22investigación
4:24cualitativa no hay mediciones
4:29Y eso es falso porque la investigación
4:33cualitativa Sí hay mediciones
4:36si hay métricas lo que no hay es
4:39análisis estadístico ejemplo
4:44un estudio cualitativo a propósito de un
4:47caso en la medicina un solo paciente a
4:50ese paciente le podemos medir el peso
4:53con una balanza un instrumento mecánico
4:57a ese paciente le podemos medir la
5:00temperatura
5:00le podemos medir la presión arterial
5:03estamos utilizando instrumentos
5:05mecánicos Entonces tenemos datos que
5:08provienen de mediciones en investigación
5:11cualitativa sí que se pueden hacer
5:14mediciones pero como quiera que
5:17solamente tienes un paciente un caso no
5:20puedes hacer conteo porque solo es uno
5:24no puede sacar la media porque solo es
5:27uno no puedes sacar la desviación
5:30estándar solo es un caso para que tú
5:33puedas sacar la media desviación
5:35estándar mínimo tiene que haber dos y en
5:38la investigación cualitativa solamente
5:40hay un paciente en este diseño llamado a
5:43propósito de un caso Entonces cuando
5:46hablamos de análisis de datos
5:48estadísticos para esta primera parte
5:51estamos hablando de el segundo momento
5:53de la investigación científica que es la
5:56investigación
5:57cuantitativa hoy vamos a hablar de eso
5:59de la investigación cuantitativa
6:02en segundo lugar
6:06si bien la pregunta que todo se hacen es
6:09como el hijo mi prueba estadística en
6:11realidad esta pregunta la podemos
6:14interpretar según este esquema En
6:17estadística hay estadísticos
6:22hay pruebas estadísticas
6:25hay técnicas estadísticas
6:29y hay modelos
6:32Qué es un estadístico la media por
6:34ejemplo es una estadístico la desviación
6:37estándar es un estadístico
6:39un percentil un valor de percentil es un
6:43estadístico
6:44Qué es una prueba estadística una prueba
6:47estadística es un procedimiento que nos
6:49permite concluir con algunas de las dos
6:52hipótesis H uno h0 como chi cuadrado o
6:55TD studen entonces Fíjate que entre la
6:58media la desviación estándar hay
7:01diferencias Pues con una con un chi
7:04cuadrado verdad Luego de eso están las
7:07técnicas estadísticas Como por ejemplo
7:09la regresión logística
7:13o la regresión lineal ya la regresión
7:16logística la regresión lineal no son
7:19pruebas estadísticas es un conjunto de
7:21procedimientos estadísticos para crear
7:23algo
7:26hasta aquí tenemos Entonces los
7:29estadísticos las pruebas estadísticas
7:31las técnicas de estadísticas y luego
7:35viene los modelos
7:38por ejemplo
7:42el diseño el experimental para el área
7:47clínica el ensayo clínico es un modelo
7:51preformateado preestablecido no es
7:53rígido ojo cada quien lo tiene que
7:55adaptar a su propia necesidad
7:58y también existen esos premodelos en la
8:01minería de datos también existen estos
8:04premodelos en el control estadístico de
8:06procesos son modelos preformateados de
8:10análisis estadísticos no es un solo
8:12procedimiento es un conjunto listo
8:15entonces todo eso vamos a ampliar el día
8:18de hoy y finalmente Pues de estos
8:20criterios para elegir un procedimiento
8:23estadístico vamos a comenzar
8:37[Música]
8:58Este es el primer criterio para elegir
9:01un procedimiento estadístico
9:03el nivel investigativo yo he visto que
9:07hay tablas
9:08en los libros y también en internet
9:13encontramos una tabla que dice cuando
9:15ocurra esto utilizas chip cuadrado
9:18cuando ocurra lo otro utiliza sted
9:21student o q de cochran o el análisis de
9:24la varianza
9:26Yo he intentado hacer una tabla y no es
9:29posible para hacerla para todos los
9:31procedimientos estadísticos
9:35de pronto puedes hacer para un conjunto
9:37yo hice una tabla para los objetivos
9:40comparativos por ejemplo
9:43pero es insuficiente para hablar de
9:46todos los procedimientos y por qué
9:49ocurre esto
9:51porque para elegir una prueba
9:53estadística no hay
9:57un algoritmo sino más bien hay una
10:02heurística un razonamiento y de eso es
10:04lo que vamos a ver el día de hoy primer
10:06criterio nivel investigativo
10:15aquí le he agregado al estudio
10:18exploratorio solo para tener los niveles
10:21de la investigación completos
10:23no debería estar puesto que ahí en el
10:27nivel exploratorio no hay procedimientos
10:29estadísticos
10:31de modo que
10:34este
10:36esta pirámide para hablar de
10:38Procedimientos estadísticos solamente
10:40debería tener
10:41cinco niveles el descriptivo el
10:44relacional el explicativo el predictivo
10:47y el aplicativo dado que el nivel
10:49exploratorio no hace análisis
10:52estadístico
10:53sí puede hacer medidas ojo Ya lo hemos
10:56aclarado pueden haber en métricas hay
10:59datos numéricos no solamente es
11:02información en el estudio exploratorio
11:06puede haber datos numéricos Y también
11:08pueden haber medidas se mide la presión
11:11arterial se mide la temperatura el peso
11:15de una persona lo que no hay en el
11:17estudio exploratorio es análisis de
11:20datos
11:21estadísticos ya ni siquiera un conteo ni
11:25siquiera una media ni siquiera una
11:28desviación estándar en el nivel
11:32descriptivo empieza la estadística
11:36y aquí la estadística es univariada el
11:41análisis estadístico de este nivel para
11:44las variables desde uno en uno entonces
11:47te va a ocurrir lo siguiente
11:54que tengas una variable numérica qué le
11:59harías a una variable numérica
12:01pues le puedes evaluar las medidas de
12:05tendencia central como la media mediana
12:07moda
12:09le puedes evaluar las medidas de
12:11dispersión como la varianza la
12:15desviación estándar el error típico de
12:17la media
12:18le puedes evaluar las medidas de
12:21posición como los gentiles no el los
12:25cuartiles deciles percentiles
12:30y también le puedes evaluar las medidas
12:32de forma como son la asimetría y la
12:36curtosis eso en forma global Pero qué
12:40pasaría si tienes una variable
12:42categórica
12:44en una variable categórica se hace
12:48conteo frecuencias frecuencias absolutas
12:52frecuencias relativas que vienen a ser
12:55los porcentajes y nada más Eso es todo
12:58eso es todo el análisis estadístico del
13:02nivel descriptivo no hay más
13:07dado que el análisis estadístico es
13:09univariado entonces aquí la palabra
13:12clave la palabra más importante de todas
13:15es univariado una estrategia para poder
13:20estudiar y para poder recordar lo que
13:24uno ha estudiado
13:26es simplificarlo de la forma más amplia
13:30que puedas por el principio de la
13:33parsimonia Y entonces si tú puedes
13:36definir algo con una sola palabra has
13:40avanzado bastante ya entonces cuál sería
13:43la palabra para describir al nivel
13:46descriptivo al nivel investigativo
13:49descriptivo la palabra única sería
13:52univariado y con eso ya tienes bastante
13:55eso te va a ayudar para recordar como un
13:57recurso nemotécnico de el análisis
14:00estadístico que se hace en este nivel
14:02dos
14:05vi el nivel relacional es bivariado
14:10en el nivel relacional tienes que
14:12relacionar dos variables ya por eso es
14:15bi variado bi dos
14:18pero te puede ocurrir lo siguiente
14:21te puede ocurrir que las dos variables
14:23sean categóricas en ese caso aplicarías
14:26un chi cuadrado
14:28te puede ocurrir que las dos variables
14:30sean numéricas
14:33en ese caso harás una correlación y te
14:36puede ocurrir que una variable sea
14:38categórica y la otra sea numérica si
14:41esta variable categórica es dicotómica
14:43te destuden pero si la variable
14:46categórica es politómica
14:48análisis de la varianza esto en forma
14:53global no estamos no vamos a estudiar en
14:57este momento a cada una de las pruebas
14:58estadísticas la presentación se llama
15:00como elegir una prueba estadística y lo
15:04que quiero que quede claro en esta
15:05primera etapa es que el primer criterio
15:08para
15:09elegir un procedimiento estadístico es
15:11el nivel investigativo y cada nivel es
15:14distinto Mira ya vamos con tres que el
15:16exploratorio no tiene análisis
15:18estadístico el análisis estadístico
15:21empieza en el nivel descriptivo para
15:22arriba el nivel descriptivo es
15:25univariado el nivel relacional es
15:28bivariado y el nivel explicativo desde
15:32el punto de vista de la estadística
15:35hace uso de el análisis estadístico
15:38multi variado
15:42has de recordar que el nivel explicativo
15:44Busca
15:46descubrir las relaciones de causalidad
15:49Busca demostrar la relación causa efecto
15:52y por eso se apoya mucho en los
15:55experimentos Cómo es un experimento
15:59variable manipulada variable
16:01independiente variable efecto
16:07sin embargo esta relación entre la causa
16:10y el efecto hablando de un experimento
16:12muchas veces se da en un contexto hay
16:15una condición previa que no se puede
16:18modificar intrínseca de las unidades de
16:21estudio tú puedes decir vamos a tratar
16:23el dolor con dos medicamentos Entonces
16:25lo manipulado serían los medicamentos el
16:28tratamiento y la variable efectos sería
16:31el dolor
16:33la disminución del dolor pero
16:36el dolor es una percepción subjetiva que
16:39muchas veces depende de la edad
16:42de modo que hay una tercera variable que
16:44viene a ser la edad y ya van tres no el
16:47tratamiento la disminución del dolor y
16:51la edad entonces estamos hablando de
16:54análisis estadístico
16:56multi variado sería el análisis de la
17:01varianza o
17:04el diseño experimental
17:08si es que solamente es variable
17:10manipulada y resultado diseño
17:13experimental completamente aleatorio
17:15Pero si tú le agregas una tercera
17:18variable viene a ser el diseño
17:23en bloques aleatorio y este modelo ya es
17:27multivariado estamos hablando del nivel
17:29explicativo entonces si te fijas Pues
17:32hay una diferencia del procedimiento
17:34estadístico en el nivel explicativo del
17:37nivel relacional
17:43desde el punto de vista de los objetivos
17:46el nivel
17:48relacional Busca
17:51relacionar variables para ver si están
17:54relacionadas o no nada más y el nivel
17:58explicativo lo que busca es demostrar
18:01relación causal entre dos variables que
18:04ya sabemos están relacionadas por eso es
18:07un nivel Superior y al tratar de
18:10demostrar esta relación causa efecto la
18:13estadística es insuficiente para poder
18:16llegar a esta conclusión entonces este
18:19nivel explicativo se apoya en otros
18:22elementos otros criterios de causalidad
18:25pero a nivel estadístico la principal
18:29estrategia de el nivel explicativo Para
18:33apoyar una relación causal para
18:35descubrirla para medirla es el análisis
18:39multi variado
18:42ya Entonces nada que ver la estadística
18:44del nivel explicativo con la del
18:45relacional son totalmente distintas Y
18:48por supuesto con la del nivel
18:50descriptivo pasamos al siguiente nivel
18:53que viene a ser el predictivo
18:56qué procedimientos estadísticos hay en
18:59el nivel predictivo primero veamos
19:01Cuáles son las intenciones del nivel
19:03predictivo en principio predecir y para
19:07predecir tú puedes crear por ejemplo una
19:10regresión lineal
19:14Esa es la herramienta más básica para la
19:19predicción
19:21una regresión lineal lo que busca es
19:24calcular el valor de una variable
19:26numérica en función de un conjunto de
19:28predictores
19:31estos predictores ya están demostrados
19:33que sí tienen un efecto sobre la
19:36variable predecir no es que lo estés
19:38explorando a ver si tendrá efecto a ver
19:41si no tendrá efecto no tú ya lo sabes
19:43Entonces en un estudio previo en uno
19:46explicativo tú has encontrado que hay un
19:49listado de variables que tienen efectos
19:50sobre un resultado
19:52partiendo de esa premisa construyamos un
19:55modelo predictivo y otro método para
19:59predecir sería la regresión logística
20:02binaria cuando la variable predecir es
20:06una variable categórica
20:08predecir es el cálculo de la
20:10probabilidad de ocurrencia en el caso de
20:12que la variable a predecir sea
20:14categórica dicotómica o estimar el valor
20:17numérico en el caso de que la variable
20:20predecirse numérica pero en este nivel
20:23predictivo no solamente hay predicciones
20:26también hay pronósticos y el pronóstico
20:29A diferencia de la predicción
20:31involucra la participación de la
20:34variable tiempo que hasta este momento
20:36no aparecía
20:38el pronóstico tiene que ver con el
20:39cálculo del tiempo medio hasta que algo
20:41ocurra Como por ejemplo el tiempo de
20:44vida media y el tiempo de vida media se
20:47calcula con
20:52con el kapland ya es un procedimiento
20:57que permite calcular el tiempo medio
21:00hasta que ocurra un suceso kaplan Meyer
21:04otro procedimiento para hacer
21:06pronósticos viene a ser la regresión de
21:10Cox
21:12y la regresión de involucra al tiempo
21:15pero también involucra a otros
21:16predictores que es lo más natural que
21:18ocurra Pues en en un fenómeno en la
21:21naturaleza
21:23entonces ahí te voy dejando dos
21:25procedimientos para hacer pronósticos
21:29la ocurrencia en función al tiempo
21:32el método de supervivencia de katlan
21:36Meyer y la regresión de Cox y que la
21:39regresión de Cox vendría a ser una
21:40suerte de evolución del cap plan Meyer
21:42pero en el nivel predictivo no solamente
21:45hay que hacer predicciones pronósticos
21:48sino también hay que hacer previsiones y
21:52cómo se hace una previsión para empezar
21:54Qué es una previsión una previsión ya no
21:58tiene que ver con el cálculo de la
21:59probabilidad de ocurrencia ni con el
22:00tiempo medio hasta que algo ocurra sino
22:03la estimación de la magnitud de un valor
22:06en función al tiempo cómo se hace eso
22:09con una serie temporal
22:12Entonces en este nivel predictivo hemos
22:15encontrado procedimientos estadísticos
22:17que nada tiene que ver con los otros
22:20niveles no el explicativo el relacional
22:22y el descriptivo mira estos
22:24procedimientos como la regresión lineal
22:27la regresión logística el plan Meyer la
22:31regresión de Cox o las series temporales
22:33no aparecen en el nivel explicativo no
22:37nada tienen que ver ahí porque de lo que
22:40se trata en este nivel predictivo es de
22:42predecir pronosticar y previsionar
22:45prever
22:57en este último nivel aplicativo
23:03lo que se busca es mejorar una
23:06intervención sobre las
23:10unidades de estudio mejorar una
23:12condición hacer una intervención para
23:13mejorar una condición Y entonces los
23:16objetivos estadísticos son también
23:18totalmente distintos qué procedimientos
23:20estadísticos encontramos aquí en el
23:23nivel aplicativo por ejemplo los
23:26estudios de r y r
23:29repetibilidad y reproducibilidad el
23:33procedimiento estadístico de este nivel
23:36aplicativo es también propio
23:42y hay Incluso un capítulo de La
23:45estadística dedicado a este nivel se
23:48llama control estadístico de procesos
23:52es todo un curso que podemos desarrollar
23:57para el aprendizaje de estos métodos
23:59estadísticos el control estadístico de
24:03procesos de hecho incluye pues al r y r
24:08de repetibilidad y reproducibilidad el
24:12muestreo de aceptación también se
24:14encuentra en este nivel aplicativo
24:17muy bien entonces ya con eso Hemos
24:20completado nuestro primer nivel
24:23investigativo vamos a pedirles a los
24:26presentes que nos hagan preguntas
24:28respecto de esta primera parte
25:16[Música]
25:25y Cuál es la diferencia
25:28entre factores asociados
25:32factores relacionados y factores de
25:35riesgo justamente la finalidad de esta
25:39presentación Es descubrir cuál es esa
25:43diferencia Así que la voy a mencionar de
25:44forma rápida porque en el resto de la
25:47transmisión la vamos a ir analizando
25:49poco a poco un factor asociado es una
25:52condición Que
25:56estadísticamente se presentan juntos ya
26:00están asociados estadísticamente como la
26:03obesidad y la diabetes cuando está la
26:05obesidad Pues también está la diabetes
26:07con mayor probabilidad y cuando está la
26:10diabetes Pues también está la obesidad
26:11con mayor probabilidad no es que siempre
26:13sea así Pero hay una asociación
26:16estadística
26:19y decimos relacionados para referirnos a
26:24la asociación y a la correlación el
26:26término relación Es más amplio que el
26:29término de asociación y de correlación
26:32por esta razón es que el nivel
26:35investigativo
26:36relacional lleva este nombre en el nivel
26:40relacional relacionamos variables si son
26:44dos categóricas asociación Y si son dos
26:47numéricas correlación entonces la
26:50diferencia entre el factor asociado es
26:52que son condiciones que se presentan
26:54juntas probabilísticamente hablando y
26:57factores relacionados haría alusión a
27:02todo tipo de variables ya sean numéricas
27:04o categóricas un factor de riesgo en
27:07cambio es una condición que incrementa
27:09la probabilidad de
27:11de enfermar de una condición y
27:14clásicamente está asociado al diseño de
27:18que es un estudio de seguimiento
27:20en la diferencia con los otros es que en
27:23un diseño de cortes al ser un estudio de
27:25seguimiento Se involucra una variable
27:27llamada tiempo que es la temporalidad y
27:32puede puedes demostrar como investigador
27:34que el factor de exposición estuvo antes
27:37que la enfermedad lo cual suma un
27:39criterio más para la demostración de
27:42Causa y efecto de modo que la medida de
27:46riesgo correspondería ya a un nivel
27:48explicativo porque estaríamos hablando
27:50de relación causal
27:57dos objetivo estadístico bien ya hemos
28:00hablado de
28:02el nivel investigativo ahora hablemos de
28:04El objetivo estadístico como criterio
28:07para elegir una prueba estadística no
28:10vamos a desarrollar todos los objetivos
28:12estadísticos porque esto nos tomaría
28:15como dos horas y la idea es hablar
28:18solamente o dejar en claro que el
28:21objetivo estadístico es un criterio para
28:23elegir un procedimiento estadístico Así
28:26que vamos a utilizar el más conocido de
28:29todos el más famoso de todos
28:33el nivel relacional
28:38Este es el nivel investigativo que desde
28:43el punto de vista estadístico es el más
28:46conocido de todos
28:52De hecho cuando tú tomas un curso de
28:55estadística
28:57como que te divide en el curso y te
28:59dicen vamos a estudiar estadística
29:01descriptiva
29:05y luego vamos a estudiar estadística
29:07inferencial qué te están enseñando en tu
29:12curso de estadística descriptiva te
29:15están enseñando el análisis estadístico
29:17del nivel descriptivo y en tu capítulo
29:21de estadística inferencial te están
29:25enseñando el análisis estadístico del
29:28nivel relacional
29:30pregunta alguien dirá Oye Acaso no es
29:33que
29:34en los estudios inferenciales también
29:36abarcan el explicativo el predictivo y
29:39el aplicativo La respuesta es sí los
29:44otros niveles Además
29:46del relacional como el explicativo el
29:49predictivo y el aplicativo también son
29:52inferenciales Entonces por qué no
29:55aparecen en los cursos de estadística
29:57Pues porque solo te enseñan lo básico
30:00Esa es la verdad te enseñan el nivel
30:02descriptivo y el nivel relacional y de
30:05ahí no pasa
30:08sino acuérdate la última vez que tomaste
30:10un curso de estadística en la
30:12universidad no te enseñaron el diseño
30:15cuadrado latino que aparece en el nivel
30:17explicativo no te enseñaron caplan Meyer
30:20que aparece en el nivel predictivo ni
30:23tampoco los estudios r y r que aparecen
30:26en el nivel aplicativo
30:31entonces aún cuando el curso intenta ser
30:35global de enseñarte estadística
30:39descriptiva y estadística inferencial en
30:42realidad solamente abarcaron el nivel
30:45descriptivo y el nivel relacional Por
30:48eso digo que este nivel relacional es el
30:50más conocido de todos Porque ahí sí que
30:53le han puesto un énfasis porque ahí está
30:54la tele student porque ahí está el chi
30:56cuadrado está el riesgo relativo el otro
30:59el capa de cogen todos esos
31:01procedimientos estadísticos que son muy
31:03conocidos Así que veamos los tres
31:07objetivos estadísticos de este nivel y
31:09cuando decimos que son objetivos
31:10estadísticos es porque hay un
31:12procedimiento estadístico
31:14relacionado a esa intención un objetivo
31:16es una intención del investigador
31:20que hay que expresarlo en términos
31:22operativos cuando de objetivos se trata
31:24porque la intención del investigador
31:27expresada en el enunciado es el
31:30propósito del estudio pero cuando tú lo
31:32quieres operativizar lo conviertes en
31:34objetivo y como objetivo estadístico que
31:37es pues tiene que haber una prueba
31:38estadística para poder alcanzarlo si no
31:40estamos hablando teoría verdad Muy bien
31:42veamos el primero recordemos antes de
31:45que el nivel relacional es para
31:47relacionar variables
31:50recordemos que es vivariado así que vas
31:53a tener dos el primero es comparar
31:57Qué podemos encontrar en la comparación
32:02cuando tú comparas dos grupos
32:06puede ser que la variable que vas a
32:09comparar sea numérica y en ese caso
32:11aplicarías
32:14y si la variable a comparar es
32:18categórica sería sí cuadrado de
32:21homogeneidad
32:23segundo objetivo asociar
32:26o correlacionar
32:31bueno en este caso
32:33si tú tienes dos variables categóricas
32:36el objetivo es asociar y se desarrolla
32:40con la prueba denominada chi cuadrado de
32:43Independencia
32:44pero si tú tienes dos variables
32:47numéricas el objetivo se llama
32:50correlacionar y se desarrolla con la
32:53correlación de piercing una vez que has
32:57demostrado que has encontrado que existe
32:59asociación o que existe correlación
33:03El tercer objetivo viene a ser la
33:06medición de esa asociación o correlación
33:09que previamente has encontrado
33:15de modo que si tú habías desarrollado
33:18una asociación te toca realizar una
33:21medida de asociación Como por ejemplo
33:25capa de cogen
33:28Como por ejemplo riesgo relativo Como
33:31por ejemplo ratio y si lo que has hecho
33:36es una correlación O sea tú tenías dos
33:39variables numéricas y existe correlación
33:42has hecho una prueba de hipótesis lo que
33:44toca es medir la fuerza de correlación Y
33:48esa correlación se mide con el r de
33:51pearson
33:53por si acaso no es el r cuadrado sino el
33:57r que no está al cuadrado
34:00ya el r de pearson es el coeficiente de
34:03correlación El r cuadrado es el
34:06coeficiente de determinación que mide la
34:10capacidad predictiva de una variable
34:11sobre la otra Recuerda que también
34:14existe la regresión lineal simple donde
34:17la variable predecir se calcula a partir
34:20de un solo predictor entonces si tú
34:22tienes dos variables numéricas y tu
34:24intención es crear un modelo predictivo
34:27con una sola variable predictora pues
34:29haces una regresión lineal simple
34:33Y ahí sí que utilizas el r cuadrado que
34:36mide la capacidad predictiva del modelo
34:38Pero eso se hace donde en el nivel
34:41predictivo o sea más arriba acá en el
34:43nivel relacional todavía no por eso en
34:46el nivel relacional es hay relación o no
34:48hay relación y si hay relación Cuál es
34:51la medida de relación Entonces si tú
34:53tienes dos variables numéricas haces una
34:55correlación y si tal correlación existe
34:58mide la correlación Con qué con el r de
35:00pearson y listo muy bien ahí tenemos
35:03entonces nuestro criterio número dos
35:06para elegir una prueba estadística un
35:09procedimiento estadístico
35:14y lo hemos hecho con el nivel relacional
35:17que es el nivel
35:20más conocido por todos podríamos hacerlo
35:22con todos los niveles
35:24pero de lo que se trata esta
35:26presentación Es de
35:28saber qué criterios nos guían a elegir
35:32un procedimiento estadístico Ahora sí
35:34vamos con las preguntas que tengan nos
35:37invitamos a participar
35:51[Música]
36:10[Música]
36:20[Música]
36:38pregunta qué procedimientos estadísticos
36:42se usan en investigación en el nivel
36:46predictivo se puede usar algo tan simple
36:49como una regresión lineal simple ya lo
36:53dijimos o una regresión logística pero
36:57también están los métodos estadísticos
37:00para hacer pronósticos como el análisis
37:04de supervivencia de katlan Meyer la
37:07regresión de Cox y si quieres hacer
37:09previsiones tienes que utilizar series
37:11de tiempo y cuando hablamos de series de
37:15tiempo
37:15esencialmente el más sencillo de todos
37:18es el método aditivo de winters
37:21qué implica pues descomponer una serie
37:24temporal en una tendencia en una
37:26estacionalidad y en un ruido
37:29eso en términos simples
37:34qué otra pregunta tenemos por aquí
37:39podría repetir lo del coeficiente de
37:42correlación en resumen diríamos que el
37:46coeficiente de correlación es la medida
37:49de correlación que hay entre dos
37:51variables numéricas
37:54sin plantear Quién es variable
37:57independiente o quién es Valeria
37:59dependiente sin la intención de crear un
38:01modelo predictivo simplemente a ver si
38:03hay correlación o no y en caso de que
38:05haya pues le medimos la fuerza de
38:07correlación que se mide con él r Claro
38:11que cuando tú lo sacas en el software
38:13también te sale el r cuadrado porque te
38:16está dando más datos para procedimientos
38:19futuros que tú quieras hacer No de hecho
38:21el software te da bastantes datos y a tu
38:23vez y ya tú escoges Cuáles son los que
38:25necesitas
38:28O sea que con variables categóricas no
38:31se habla de correlación Pues no cuando
38:34trabajamos con variables categóricas
38:37hablamos de asociación
38:45si quiero saber cuáles son los factores
38:48asociados a hipertiroidismo primero
38:50tendría que saber los factores de riesgo
38:53y si encuentro
38:55al estrés como FR factor de riesgo como
39:00lo mediría a ver
39:02en principio
39:04el término factor En estadística Es un
39:09término técnico y cuando tú hablas de
39:12factor estás hablando de una variable
39:14categórica dicotómica
39:20y cuando hablamos de factor
39:23condición que incrementa la probabilidad
39:25de enfermar el resultado la enfermedad
39:29también es categórica dicotómica
39:31Entonces cuando tú haces un estudio de
39:34factores de riesgo o de factores
39:37asociados
39:38todas tus variables son categóricas
39:43dicotómicas y si no lo son pues las
39:46categorizas y las dicotomizas
39:51y ya veremos también Cómo medir esta
39:53Estos factores de riesgo vamos con el
39:57siguiente
40:02con el siguiente criterio
40:05el siguiente criterio viene a ser
40:08el número tres
40:10tipo de variable
40:19Este es el tercer criterio para elegir
40:22un procedimiento estadístico ojo es
40:24importante el orden en el que les estoy
40:28presentando estos seis criterios primero
40:31lo que Define todo es el nivel
40:33investigativo ya una vez que te has
40:36ubicado en tu nivel investigativo vas
40:38por tu objetivo
40:41una vez que ya has identificado el
40:43objetivo el tercer criterio viene a ser
40:46el tipo de variable
40:50que creo ya nos habíamos adelantado no
40:54cuando vamos a relacionar dos variables
40:58Por ejemplo si las dos variables son
41:00categóricas
41:01sí cuadrado
41:06si las dos variables son numéricas
41:10correlación de pearson
41:13pero si una variable es categórica y la
41:16otra es numérica entonces haces la t de
41:19student
41:21Este ejemplo sería perfecto en en caja
41:25perfecto
41:27en el nivel relacional porque ahí
41:31relacionadas a las variables de dos en
41:33dos verdad Pero esto mismo se puede
41:35aplicar a procedimientos más avanzados
41:39Si se quiere por ejemplo en el nivel
41:42predictivo
41:44cuando tú quieres crear un modelo
41:46predictivo y la variable predecir es
41:50categórica
41:51regresión logística binaria pero si lo
41:55que quieres predecir es una variable
41:57numérica
41:58regresión lineal múltiple y los
42:01predictores no te interesa de que sean
42:03pueden ser variables numéricas pueden
42:06ser categóricas dicotómicas politómicas
42:09ordinales pueden ser lo que quieras ya
42:13Entonces de qué depende o Qué diferencia
42:15hay entre una regresión logística
42:19binaria y una regresión lineal múltiple
42:22la variable ha predecir también le
42:25llaman variable endógena Entonces qué es
42:28lo que cambia el el procedimiento
42:31estadístico la técnica estadística en
42:33buena cuenta aquí pues es el tipo de
42:36variable Yo te he puesto aquí ejemplo
42:39pues el nivel relacional porque es el
42:41nivel más conocido ya lo
42:44cuando tú llevas un curso de estadística
42:47te dividen al curso de estadística En
42:49estadística descriptiva e inferencial
42:52pero solamente te están enseñando el
42:55nivel descriptivo y el relacional no
42:59porque ignoren que existen otros niveles
43:02como el explicativo el predictivo y el
43:05aplicativo sino porque también pues el
43:07curso sería muy amplio de hecho cada uno
43:10de los otros niveles tiene su propio
43:11curso por ejemplo el nivel explicativo
43:15tiene procedimientos estadísticos que
43:19están en los libros de diseños
43:21experimentales
43:23el nivel predictivo tiene su propio
43:25curso tiene su propio libro que es los
43:29métodos predictivos la minería de datos
43:31y el nivel aplicativo también tiene su
43:34propio curso su propio libro que es el
43:37control estadístico de procesos
43:39y y aprenderse todo eso Pues sí que
43:43sería todo un diplomado completo
43:46no no lo podrías aprender en un curso de
43:48de cuatro semanas o de o de un semestre
43:52dos veces a la semana tampoco no no
43:55podrías Es muy amplio sería todo un
43:58diplomado completo es por esa razón que
44:00en los cursos de la universidad siempre
44:02te enseñan estadística descriptiva
44:06estadística inferencial pero en la
44:08inferencial solo te enseñan el nivel
44:10relacional y no te enseñan los otros
44:12niveles
44:13y es por eso que el nivel relacional es
44:16muy conocido o sea quien no conoce a la
44:18chico al chi cuadrado o a la tele studen
44:20o a la correlación de piercing lo que
44:22dudan muchos es cuando la utilizo
44:25Esa es la gran duda que queremos
44:27resolver el día de hoy
44:30el tipo de variable entonces viene
44:32siendo el
44:33criterio número tres
44:42cuando hablamos de influencia
44:52de una variable hacia otra qué prueba
44:55estadística es la que hay que usar
44:57Esta es una pregunta muy interesante
45:01porque la influencia
45:04es una intención
45:08investigativa y también analítica y
45:11entonces cuando tú planteas una
45:14influencia
45:15estás buscando
45:18demostrar una relación de causalidad
45:24pero las relaciones causales no siempre
45:27se hacen con experimentos también
45:29existen estudios observacionales que
45:33pueden demostrar relaciones de
45:34causalidad como es el caso de la
45:36influencia por ejemplo
45:38el hábito de fumar influye en la
45:42aparición del cáncer de pulmón
45:46y cómo lo demostramos pues hacemos un
45:49seguimiento a dos cortes a una corte
45:53expuesta que son los fumadores y a una
45:56corte no expuesta que son los no
45:58fumadores y les hacemos evaluaciones
46:01seriadas a lo largo del tiempo Esto no
46:04es un experimento ojo porque tú no los
46:06estás induciendo a fumar
46:10otro ejemplo sería la exposición al
46:12sílice en los trabajadores de la mina
46:16se les hace una evaluación preliminar
46:18para ver que no tengan ninguna patología
46:20pulmonar luego hay un seguimiento para
46:23ver en qué momento aparece la patología
46:25pulmonar nuevamente Esto no es un
46:28experimento porque tú no los estás
46:30exponiendo deliberadamente pues una
46:32labor que hay que desarrollar y de
46:35repente es un factor de riesgo es lo que
46:36estamos analizando tampoco es que
46:38estamos diciendo que siempre lo va a
46:39hacer Entonces estos estudios
46:43no experimentales estos estudios
46:46observacionales también se pueden
46:47utilizar para demostrar relaciones de
46:50causalidad y
46:52se está agregando un criterio de
46:54causalidad que es la temporalidad Porque
46:56al principio no estaba la enfermedad y
46:59después si está entonces además de la
47:02estadística hay un criterio temporal
47:11Pero la pregunta es qué prueba
47:13estadística es la que hay que utilizar
47:18se puede utilizar una asociación
47:21como es el caso del chi cuadrado y para
47:24medir esta fuerza de asociación podemos
47:27utilizar
47:29el riesgo relativo Qué es precisamente
47:33lo vamos a ver en esta presentación
47:35entonces hagamos un repaso Cuáles son
47:38los criterios para elegir un
47:40procedimiento estadístico una prueba
47:42estadística primero es
47:45el nivel investigativo
47:48cada nivel investigativo tiene sus
47:51propios procedimientos
47:52segundo el objetivo estadístico no es lo
47:56mismo asociar que comparar
47:59asociar por ejemplo es chi cuadrado de
48:02homogeneidad
48:04si cuadrado de Independencia perdón y
48:07comparar es chi cuadrado de homogeneidad
48:12el tercer criterio es
48:15el tipo de variable si tú vas a
48:18relacionar dos variables pues no es lo
48:21mismo que tengas dos categóricas a que
48:24tengas dos numéricas verdad que si son
48:26dos categóricas y cuadrado y si son dos
48:28numéricas la correlación de
48:31vamos con el siguiente el número cuatro
48:37ya en el mismo texto pues es se va
48:41anunciando que son seis No ya estamos en
48:44el número cuatro
48:45el criterio número cuatro es el tipo de
48:48estudio
48:50y claro podemos poner muchos ejemplos
48:53pero yo quiero dejar uno aquí en en
48:55claro el más conocido igual
48:58todos conocen a la TD studen en la t de
49:01student para muestras independientes la
49:05tv student para muestras relacionadas y
49:09luego hay más té de studenojo hay una
49:12tercera que también es muy conocida
49:15que se llama Ted student para una sola
49:17muestra
49:19y luego hay otras más son bastantes pero
49:22las más conocidas digamos son estas dos
49:25de aquí la t de student para muestras
49:28independientes y la t de student para
49:30muestras relacionadas es muy probable
49:33que tú ya sepas calcularlas que entras
49:36al software creas una Data
49:38aplicas en los comandos Y sacas la t de
49:41student para muestras independientes o
49:44saques una t de student para muestra
49:48relacionadas que incluso en internet hay
49:51bastantes tutoriales para esto pero lo
49:54que pocos te dicen es Cuándo es que las
49:57debes utilizar
49:58incluso hay errores en libros
50:03y en profesores respecto a esto por eso
50:06es crítico
50:10una t de student para muestras
50:14independientes
50:16es una comparación entre grupos
50:21Entonces en realidad no hay muestras lo
50:25que hay son grupos
50:29Por ejemplo tú mides el índice de masa
50:32corporal en la población
50:36Y de pronto sospechas de que el índice
50:39de masa corporal en los hombres es
50:42distinto que el índice de masa corporal
50:44en las mujeres
50:47Y si esto fuese así pues no habría que
50:49juntarlos al momento de evaluar el
50:52índice de masa corporal de hecho te
50:54adelanto que si hay diferencia por eso
50:56es que el peso para la talla en adultos
50:59son dos tablas distintas
51:01O sea si hay diferencias pero vamos al
51:04origen de esto alguien se dio cuenta de
51:06que el índice de masa corporal en los
51:09hombres no era igual al de las mujeres
51:11Entonces qué hay que hacer para tener la
51:14certeza de que esto es así pues hay que
51:16compararlos
51:18Y qué prueba estadística vas a utilizar
51:21que estudian para muestras
51:23independientes
51:25Y por qué te detuden para muestras
51:27independientes porque es una comparación
51:28entre grupos te das cuenta no hay
51:31muestras hay grupos
51:35ya este si tú dices pero mi población
51:38tiene un millón de habitantes
51:42bueno toma una muestra toma una muestra
51:45ponte que tu muestra sean cuatrocientas
51:48personas
51:50Esa es tu muestra esas cuatrocientas
51:52personas
51:53ya de las cuatrocientas personas pues
51:56doscientos varones
51:57doscientas mujeres y luego los comparas
52:00no Entonces no hay muestras hay grupos
52:05Incluso el nombre más adecuado para este
52:08procedimiento debiera ser te des tuden
52:12para
52:13comparar grupos así Debería ser el
52:17nombre correcto
52:18tedesuden para comparar grupos no es muy
52:21adecuado este nombre de estudio para
52:24muestras independientes pero lo que nos
52:26revela este procedimiento estadístico es
52:29que tú a los dos grupos los estás
52:33midiendo al mismo tiempo
52:37y cuando haces eso se llama estudio
52:39transversal
52:43cuando tú haces una sola medida
52:56y evalúas a todos en una sola ocasión
53:00estás frente a un estudio transversal la
53:03t de student para muestras
53:05independientes se aplica a los estudios
53:07transversales
53:10también se le llama comparación
53:12entre sujetos
53:16ahora vámonos para el otro lado
53:19Vámonos a la t de student para muestras
53:22relacionadas
53:25en los libros aparece también como
53:28tedesuden para
53:31datos emparejados
53:39tedes tú en para muestras relacionadas
53:41no es un nombre muy adecuado Porque para
53:45empezar aquí
53:46menos que en el anterior hay muestras
53:48solamente hay una muestra un grupo
53:52El ejemplo en este caso sería que de qué
53:56tal si un grupo de personas con
53:58sobrepeso y obesidad deciden
54:00inscribirse a un programa de dieta y
54:02ejercicios de tres meses
54:05y luego de los tres meses del programa
54:09cómo sabes si has bajado de peso
54:12pues tendrías que haberte pesado antes
54:14verdad el peso al inicio el peso al
54:17final luego sacas la diferencia
54:20Y si esta diferencia es significativa
54:22Pues sí se ha conseguido el objetivo
54:25Cuántos cuántas muestras hay una digamos
54:29que Eran cien personas cien
54:31participantes Entonces a las cien
54:33personas las pesas al principio
54:36luego pasan por el programa de dieta y
54:39ejercicios de tres meses y los vuelves a
54:42pesar al final
54:44Cuántos grupos hay uno de cien personas
54:46Pero que han sido evaluadas en dos
54:49ocasiones Entonces ya no es un estudio
54:52transversal ahora es un estudio de
54:56seguimiento es un estudio longitudinal
55:00se le conoce a esta t como una
55:03comparación intragrupo
55:07comparación
55:09intrasujeto ya porque lo que hay que
55:12hacer aquí
55:14y esto quiero que quede claro en el
55:18ejemplo de las cien personas que van al
55:21gimnasio para el programa de dieta y
55:23ejercicios ya tienes una lista de cien
55:25personas digamos que la persona apes
55:28ochenta kilos cuando termina el programa
55:31pesa 70 kilos ha bajado diez kilos la
55:36persona ve la persona número dos ha
55:39bajado siete kilos la persona número
55:41tres no ha bajado nada sigue igual la
55:44persona cuatro incluso subí un kilogramo
55:46puede ocurrir y así los evalúas a los
55:51Cien
55:53y luego en esa diferencia se crea una
55:56nueva columna llamada diferencia Ahí es
55:59donde hay que evaluar la normalidad y
56:02ahí es donde hay que evaluar si esta
56:04diferencia es diferente de cero para ver
56:06si esta variación del peso es
56:09significativa
56:13lo expongo de esa manera porque hay
56:17gente que la confunde a la t de student
56:20para
56:22muestras relacionadas que algunos le
56:24llaman té de studen para datos
56:26emparejados
56:28erróneamente erróneamente
56:32dicen
56:34se puede aplicar este procedimiento
56:36cuando tienes dos grupos emparejados
56:39falso
56:41no hay grupos emparejados lo que hay son
56:45medidas repetidas la t de student para
56:48muestras relacionadas se aplica a un
56:51mismo grupo de sujetos antes y después
56:54en un estudio longitudinal
56:58no hay tal cosa de que yo tengo un grupo
57:00de cien personas y lo emparejo con otro
57:03grupo de cien personas y aplico esta t
57:05no
57:08porque lo que hay que evaluar es la
57:10diferencia entre El antes y el después
57:12si tú tuvieras dos grupos emparejados
57:15Como algunos alucinan Cómo podrías tú
57:18sacar la diferencia del del paciente uno
57:22del grupo a con el paciente uno del
57:25grupo b y Y si luego le pones en otro
57:27orden no te va a salir la columna
57:29diferencia Entonces no existe tal cosa
57:33por eso el nombre de datos emparejados
57:36no
57:37no te acerca al al verdadero
57:41a la verdadera razón de este
57:44procedimiento estadístico no hay tal
57:46cosa y lo ha escuchado de personas que
57:49incluso conocen de estadística ya Y por
57:53qué se confunden porque el software los
57:57hecho confundir Pues porque no han
57:58aprendido a usar el software en el
58:00software
58:02Tú metes para hacer una comparación
58:07de muestras independientes vamos a
58:09hablar de la primera Tú metes una
58:11primera variable que se llama
58:12conformación de grupo y otra segunda
58:15variable que se llama la variable a
58:17medir en la variable de conformación de
58:19grupo ahí están el grupo a y el grupo B
58:22Pero hay Software que te permiten meter
58:26el grupo hay el grupo B en dos columnas
58:28distintas
58:30Y eso Tú tendrías que saber distinguirlo
58:34y es algo que no se debe hacer el
58:37software te da esa opción por al caso tú
58:41no cuentes con una Data y tengas que
58:43tipear los datos en ese momento digamos
58:45que es una ayuda extra
58:48una herramienta adicional el spc se lo
58:51ha integrado en sus últimas versiones de
58:53poder meter dos grupos en dos diferentes
58:55columnas cuando solamente debiera ser en
58:58una columna cuando como lo tenía en sus
59:01versiones anteriores pero eso ya queda a
59:04disposición de cada uno pues uno es el
59:06que tiene que saber el software
59:08solamente te brinda posibilidades
59:11otro programa que te permite meter dos
59:13grupos el grupo hay el grupo B en dos
59:15columnas es el mini Tab que también es
59:17muy utilizado por por muchos
59:19profesionales pero igual tú tienes que
59:21saber
59:23si los datos pertenecen a una sola
59:25variable o a dos variables distintas en
59:28una matriz de datos Y esto es clave
59:32en una matriz de datos hay columnas y
59:35hay filas cada fila representa a una
59:39unidad de estudio a un paciente a un
59:41usuario a un cliente
59:43y luego están las columnas y cada
59:46columna representa a una variable
59:49sin embargo
59:51el software te puede permitir ingresar
59:54la Data de otra manera pero tú tienes
59:56que estar muy atento muy alerta que lo
59:59hayas hecho de forma diferente lo
1:00:01natural lo convencional lo regular lo de
1:00:06toda la vida es que las filas sean
1:00:08unidades de estudio y las columnas sean
1:00:10variables
1:00:13se puede modificar eso y el software te
1:00:16da posibilidades y herramientas para que
1:00:18lo hagas sí te aconsejo hacerlo si es
1:00:21que estás aprendiendo no te aconsejo
1:00:23hacerlo pero si surge la necesidad
1:00:28entonces a veces
1:00:30puedes meter
1:00:33una misma variable en dos columnas para
1:00:37el grupo de individuos a y el grupo de
1:00:39individuos B yo
1:00:43sí me pidieras Una sugerencia te diría
1:00:46que no lo hagas
1:00:48crea la matriz de datos de la forma
1:00:50convencional cada fila un individuo y
1:00:53cada columna una variable y así no vas a
1:00:56tener problemas ya entonces no existen
1:00:59los grupos emparejados eso no existe y
1:01:03hay personas que siguen sosteniéndolo
1:01:06habría que hacer Pues un una discusión
1:01:09un debate un análisis para ver cómo es
1:01:12que siguen sosteniéndolo tal cosa no
1:01:14existe la tede student para muestras
1:01:17relacionadas es una t para estudios
1:01:22longitudinales para medidas repetidas y
1:01:26lo que evalúa es la diferencia entre la
1:01:28medida antes y la medida después del
1:01:31mismo individuo
1:01:33eso no se podría hacer si existiera el
1:01:37concepto de los grupos emparejados por
1:01:39esa razón el nombre de muestras
1:01:42emparejadas de datos emparejados
1:01:44confunden y bueno confunden a que no han
1:01:48analizado y no estudiado a fondo esta
1:01:50situación no es un adecuado nombre el
1:01:54nombre más adecuado para este
1:01:55procedimiento llamado TD student para
1:01:58muestras
1:01:59relacionadas sería té de student para
1:02:02medidas repetidas
1:02:06ese debiera ser el nombre más adecuado
1:02:09Pero bueno ya le han puesto ese nombre y
1:02:11todo el mundo se lo ha aprendido así
1:02:13pues no es un nombre oficial este de
1:02:16student para muestras relacionadas pero
1:02:18ojo no hay muestras es solo un grupo
1:02:22y es la medición del mismo grupo en dos
1:02:26ocasiones
1:02:30la t de student se puede extender
1:02:33la tede student para muestras
1:02:35independientes la primera es la
1:02:37comparación de dos grupos y si hubieran
1:02:40tres sería el análisis de la varianza
1:02:43ahora pasémonos a longitudinal
1:02:47es la medición de un grupo en dos
1:02:51ocasiones y Qué pasaría si se midiera en
1:02:55tres ocasiones ya no sería antes después
1:02:58sino sería medida uno medida dos medida
1:03:02tres qué procedimiento estadístico se
1:03:04aplica ahí también se aplica el análisis
1:03:06de la varianza Pero entonces
1:03:09hay dos análisis de la varianza en
1:03:13realidad
1:03:14análisis de la varianza es un conjunto
1:03:17de Procedimientos estadísticos
1:03:21por eso cuando hablamos de el análisis
1:03:23de la varianza en realidad También
1:03:25estamos hablando de sus sucedáneos
1:03:28cuando tú comparas dos grupos tedes tú
1:03:31en para muestras independientes y si son
1:03:33más de dos el análisis de la varianza
1:03:36con un factor
1:03:38entre sujetos así se llama
1:03:42análisis de la varianza con un factor
1:03:44entre sujetos
1:03:46ahora si estás aplicando la tedes todo
1:03:50en para muestras relacionadas porque
1:03:51tienes dos mediciones del mismo grupo
1:03:53pero luego resulta que son tres Entonces
1:03:56vas a aplicar el análisis de la varianza
1:03:59con un factor
1:04:02intrasujeto Ya esa es la diferencia la
1:04:06primera es análisis de la varianza con
1:04:08un factor entre sujetos y la otra es el
1:04:12análisis de la varianza con un factor
1:04:15intrasujeto Por qué Porque hay tres
1:04:17mediciones del mismo grupo
1:04:22incluso este análisis de la varianza con
1:04:25un factor intrasujeto desbarata pues la
1:04:28teoría eso de los grupos emparejados
1:04:31ya un poquito más de lectura para
1:04:32quienes siguen sosteniendo esa
1:04:35posibilidad
1:04:37muy bien esto nos ha permitido hacer un
1:04:40breve análisis de lo que son los
1:04:41estudios transversales y los estudios
1:04:44longitudinales que si a esta hora del
1:04:47partido
1:04:49que si a estas alturas del escenario
1:04:53no sabes diferenciar un estudio
1:04:55transversal de una longitudinal ahí sí
1:04:59estamos perdidos
1:05:01por eso Aunque parezca obvio vamos a
1:05:04remarcar un estudio transversal
1:05:09es aquel que mide a sus variables en una
1:05:12sola ocasión
1:05:15y no importa cuánto te demore no tiene
1:05:17nada que ver con eso un estudio
1:05:19transversal es aquel que mide a todas
1:05:22sus variables en una sola ocasión
1:05:26por otro lado un estudio longitudinal
1:05:29que no tiene nada que ver con la
1:05:31duración del tiempo es un estudio que
1:05:33mide a sus variables en más de una
1:05:37ocasión medidas repetidas el antes
1:05:40después O si quieres cuando evalúas el
1:05:43peso de de un recién nacido lactante un
1:05:48lactante el peso de lactante cuando nace
1:05:50luego al mes a los dos meses tres meses
1:05:52cuatro meses cinco meses seis meses
1:05:54estás haciendo medidas repetidas
1:05:58Y entonces ahí pues estamos hablando de
1:06:00un estudio longitudinal ya ya yo estoy
1:06:05partiendo de la premisa de que todo el
1:06:06mundo sabe la diferencia entre un
1:06:08estudio transversal y una longitudinal
1:06:09pero a veces alguien todavía ahí tiene
1:06:12duda porque hay autores
1:06:14equivocados otra vez que dicen que el
1:06:17estudio transversal es el que dura poco
1:06:19tiempo y el estudio longitudinal es el
1:06:22que dura más tiempo nada tiene que ver
1:06:25con la duración del estudio de hecho tu
1:06:28estudio transversal te puede durar un
1:06:30año y tu estudio longitudinal un día
1:06:34Cómo así un estudio transversal te puede
1:06:36demorar un año de repente pues las
1:06:38medidas que estás haciendo son
1:06:39complicadas y no las haces
1:06:43todas al mismo tiempo son costosas y las
1:06:46Ha sido recogiendo durante un margen de
1:06:50tiempo que es un año pero las has medido
1:06:52a todas tus variables en una sola
1:06:54ocasión cómo sería un estudio
1:06:56longitudinal en un solo día
1:06:58la evaluación Pues de la capacidad
1:07:01pulmonar
1:07:03cardiorrespiratoria en general mediante
1:07:06un test de Cooper a un grupo de personas
1:07:08que van a realizar una actividad de
1:07:11campo por decir No En qué consiste el
1:07:13test de Cooper es muy sencillo de mido
1:07:16la frecuencia cardíaca la frecuencia
1:07:18respiratoria y luego hay que correr
1:07:21durante 12 minutos a toda velocidad y
1:07:24cuando regresas
1:07:26te vuelvo a medir la frecuencia cardíaca
1:07:29y te vuelvo a medir la frecuencia
1:07:31respiratoria
1:07:33las personas que tienen buena capacidad
1:07:36cardiopulmonar
1:07:38no tiene mucha diferencia entre El antes
1:07:40y el después pero las personas
1:07:43sedentarias cuando les haces ese test de
1:07:45Cooper Se incrementa demasiado la
1:07:48frecuencia respiratoria y Se incrementa
1:07:49demasiado la frecuencia cardíaca
1:07:51Entonces esta persona de pronto no está
1:07:55pues para hacer un trabajo de campo
1:07:57extenuante por eso se hace el test de
1:08:00Cooper y ese estudio pues lo hiciste
1:08:03todo en un solo día y evaluaste de
1:08:05repente cien personas y es un estudio
1:08:07longitudinal por qué porque has hecho
1:08:09medidas repetidas sobre la misma
1:08:12variable frecuencia cardíaca frecuencia
1:08:14respiratoria listo Entonces nada tiene
1:08:18que ver
1:08:19la duración de un estudio entre los
1:08:22estudios transversales y longitudinales
1:08:24transversal es aquel estudio que mide a
1:08:27todas sus variables en una sola ocasión
1:08:29y longitudinal es el estudio de las
1:08:31medidas repetidas
1:08:33y de eso depende el procedimiento
1:08:36estadístico Entonces si alguien no sabe
1:08:39la diferencia entre un estudio
1:08:40transversal y uno longitudinal o lo ha
1:08:44aprendido erróneamente Pues no va a
1:08:45saber elegir un procedimiento
1:08:46estadístico
1:08:55preguntas
1:08:57puede un estudio ser relacional y
1:09:00descriptivo a la vez
1:09:05los estudios los trabajos de
1:09:08investigación
1:09:09las tesis tienen intenciones
1:09:16y estas intenciones tienen niveles de
1:09:20allí nacen los niveles de la
1:09:22investigación
1:09:23Entonces el primer nivel el exploratorio
1:09:26Busca conocer los hechos
1:09:30descubrirlos interpretarlos
1:09:33establecer reglas para reconocer su
1:09:36presencia Esa es la intención de un
1:09:39estudio exploratorio
1:09:40el estudio descriptivo va más allá ya
1:09:44sabemos Cómo reconocer el hecho fenómeno
1:09:46o acontecimiento Entonces ahora hay que
1:09:48contarlo con qué frecuencia aparece
1:09:50partiendo de lo conocido previamente
1:09:54como la prevalencia o la incidencia de
1:09:56una enfermedad el estudio relacional
1:10:00va tiene una intención de mayor alcance
1:10:04y dice Será que esta condición está
1:10:07relacionada con esta otra
1:10:10si tú ya sabes diagnosticar cáncer de
1:10:12pulmón que es el estudio exploratorio si
1:10:16ya tú conoces la frecuencia del cáncer
1:10:18de pulmón y consideras que es un
1:10:21problema de salud pública
1:10:24entonces tú dices cuáles son los
1:10:26factores relacionados al cáncer de
1:10:28pulmón porque partes de la premisa del
1:10:31que lo anteriormente planteado ya se
1:10:35conoce
1:10:37Entonces si tu estudio tiene una
1:10:40intención relacional Es evidente que vas
1:10:44a describir
1:10:46y no es necesario que le pongas
1:10:48descriptivo relacional porque sería como
1:10:52decirle a un militar tú eres Teniente
1:10:55capitán No pues si ya ascendió de
1:10:57Teniente a Capitán ahora es capitán y
1:11:00nada más él no va a decir inmigrado
1:11:02militar es capitán Teniente o Teniente
1:11:05capitán No ya ascendió entonces un
1:11:09estudio relacional se entiende que va a
1:11:13describir lo que va a encontrar así que
1:11:15nada más sería relacional
1:11:22qué errores
1:11:24conlleva no elegir adecuadamente el
1:11:28estadístico porque el software arroja
1:11:30resultados casi siempre
1:11:35no elegir un procedimiento estadístico
1:11:37es una cuestión crítica es decir el
1:11:40estudio no sirve para nada
1:11:45entonces no es un error
1:11:49cuantificable medible
1:11:52Es simplemente que se descarta el
1:11:55estudio ya es algo así son puntos
1:11:58críticos en investigación cada elemento
1:12:01cada herramienta que tú utilizas en
1:12:03investigación es crítico
1:12:05Por ejemplo si tú quieres evaluar el el
1:12:09estado nutricional de un grupo de niños
1:12:11peso para la edad peso para la talla
1:12:16Y tú tienes una balanza malograda
1:12:21esta balanza está descalibrada y le
1:12:26resta dos kilogramos de peso a todas las
1:12:28personas que se suben en ella pero tú no
1:12:30te diste cuenta tú tienes ahí la balanza
1:12:32no sabes que está descalibrada no sabes
1:12:35que le resta dos kilos a todos los que
1:12:37se suben en ella
1:12:38y entonces procedes a evaluar el estado
1:12:42nutricional de un grupo de niños en bajo
1:12:45los parámetros de peso para la edad peso
1:12:47para la talla pregunta esos resultados
1:12:50sirven para algo no verdad no sirven
1:12:54para nada porque el instrumento estaba
1:12:57malogrado ya es lo mismo con la prueba
1:13:00estadística si tú en lugar de elegir una
1:13:03prueba estadística eliges otra que no es
1:13:05la adecuada pues tu resultado no sirve
1:13:08para nada
1:13:10en investigación hay un concepto muy
1:13:13importante que se llama validez
1:13:18los estudios tienen que ser válidos y la
1:13:23las amenazas para la validez de un
1:13:25estudio son El error aleatorio y el
1:13:28error sistemático dentro del error
1:13:31sistemático está por ejemplo la balanza
1:13:34malograda que no te diste cuenta
1:13:37dentro del error sistemático está no
1:13:40elegir adecuadamente el estadístico
1:13:43en cualquiera de los casos cuando tú
1:13:47cometes un error sistemático o cometes
1:13:50un error aleatorio alto
1:13:53el estudio no sirve para nada O sea no
1:13:57has demostrado lo que querías demostrar
1:13:58no has encontrado lo que dices que has
1:14:01encontrado
1:14:03Y si revisamos trabajos de investigación
1:14:06que están en la biblioteca
1:14:09que están en las revistas indizadas vas
1:14:13a ver que encontramos bastante
1:14:15casuística
1:14:19de autores que no han elegido
1:14:22correctamente el procedimiento
1:14:23estadístico
1:14:25y alguien dirá Oh pero han sido
1:14:28evaluados por pares y que hay unos
1:14:31expertos que también son investigadores
1:14:32y que ellos son los que han evaluado el
1:14:35estudio y por eso está publicado en una
1:14:38revista sí con todo y eso hay errores
1:14:40estadísticos y podemos hacer revisiones
1:14:44en vivo de artículos publicados en
1:14:48revistas indicadas con errores
1:14:49estadísticos de los cuales te vas a dar
1:14:52cuenta únicamente Si conoces la
1:14:55estadística porque nadie se puede dar
1:14:57cuenta de un error que no conoce como el
1:15:02ejemplo de la balanza malograda
1:15:04para hacer una evaluación del peso de un
1:15:09grupo de personas el instrumento tiene
1:15:12que estar calibrado la balanza tiene que
1:15:15estar calibrada
1:15:21y si no lo haces Estás cometiendo un
1:15:24sesgo se llama sesgo de la capacidad
1:15:28diagnóstica del instrumento
1:15:31y esto también aplica a los instrumentos
1:15:33documentales ojo estoy hablando de los
1:15:35cuestionarios escalas o inventarios
1:15:39Entonces si tú construyes un
1:15:41cuestionario para evaluar la calidad de
1:15:43vida en un grupo de pacientes
1:15:45y no conoces el sesgo de la capacidad
1:15:49diagnóstica del instrumento
1:15:51probar ampliamente lo cometas y si tú
1:15:55cometes el sesgo de la capacidad
1:15:56diagnóstica del instrumento para tu
1:16:00cuestionario tu tu cuestionario para
1:16:03valorar la calidad de vida de un grupo
1:16:04de pacientes tus resultados sirven para
1:16:07algo pues no no sirven para
1:16:10absolutamente nada y es posible que tus
1:16:13profesores jurados de tesis no se den
1:16:15cuenta sí es posible que no se den
1:16:18cuenta
1:16:20y es posible que tus revisores los pares
1:16:22de la revista no se den cuenta también
1:16:24es posible que no se den cuenta igual
1:16:27está publicado y tienes un artículo
1:16:29publicado
1:16:30Pero eso no significa que eso vaya a
1:16:34trascender desde el punto de vista del
1:16:37conocimiento Es simplemente pues algo
1:16:39equivocado que está publicado
1:16:44saludos desde La
1:16:47la ciudad Imperial del cusco nos dice
1:16:50Pedro López
1:16:56y en qué caso se utiliza la
1:16:59Kendall y la tauce Gracias Nos Dice
1:17:02Alexis Julián
1:17:08y tauce son
1:17:10procedimientos estadísticos
1:17:14para variables ordinales
1:17:19y la diferencia está
1:17:24en que
1:17:27se puede utilizar tanto para una
1:17:30correlación ordinal de una variable
1:17:32consigo misma
1:17:35en cambio tauce digamos que es más
1:17:38evolucionada puede variar una variable
1:17:40ordinal respecto de otra variable
1:17:42ordinal distinta cómo así cómo así estás
1:17:47correlaciones Voy a hablar en general de
1:17:49correlaciones porque las relaciones
1:17:51entre variables ordinales muchos autores
1:17:54las consideran como correlaciones Y sí
1:17:56en cierta forma tienen razón
1:17:59entonces en forma global Mira cómo es
1:18:02una correlación entre dos variables
1:18:05distintas y entre una misma variable
1:18:09aquí va
1:18:11tú puedes hacer una correlación
1:18:15entre el colesterol y la presión
1:18:18arterial ya el colesterol se mide en
1:18:21miligram en miligramos por ciento y la
1:18:25presión arterial se mide en milímetros
1:18:27de mercurio Entonces estamos hablando de
1:18:29dos magnitudes
1:18:32totalmente distintas verdad son
1:18:34magnitudes físicas distintas
1:18:37el colesterol y que se mide en
1:18:40concentración y la presión arterial que
1:18:42se mide en milímetros de Mercurio
1:18:45dos variables totalmente distintas
1:18:47puedes hacer una correlación y si hay
1:18:49una correlación Pues de repente las
1:18:51personas que tienen colesterol alto
1:18:52También tienen la presión alta eso es la
1:18:55coordinación de dos variables distintas
1:18:58ahora cómo es la correlación de una
1:19:00misma variable
1:19:02imagina que quieres calcular el peso de
1:19:04un recién nacido antes de que nazca ya
1:19:07porque si es muy grande pues no vaya a
1:19:10ser que haga un parto prolongado y con
1:19:12todas las dificultades que yo conlleva
1:19:13entonces por eso siempre se hace una
1:19:16estimación del del peso fetal cuánto va
1:19:18a pesar este niño cuando nazca Y eso hay
1:19:20que hacerlo Pues antes de que nazca de
1:19:23repente se requiere una cesárea de
1:19:25repente y macrosomía
1:19:27Cómo se hace la estimación del peso
1:19:29fetal cuando todavía está en el útero
1:19:31materno mediante métodos ecográficos y
1:19:35entonces pues hacen la medición del
1:19:37diámetro biparietal y una serie de
1:19:41mediciones y luego aplican una fórmula y
1:19:43dicen este niño pesa tres mil quinientos
1:19:45gramos este efecto porque todavía no ha
1:19:47nacido No no es un niño todavía
1:19:49para efectos técnicos entonces tú
1:19:53estimación del peso al nacer es de tres
1:19:57mil quinientos gramos
1:19:58y luego cuando nace lo vuelves a pesar
1:20:01ya en una balanza Y ves Cuánto pesa y
1:20:03resulta que pesaba
1:20:05tres mil cuatrocientos cincuenta gramos
1:20:07fallaste por 50 gramos pero en ambos
1:20:10casos la misma variable es gramos gramos
1:20:12verdad peso peso Entonces estás corre
1:20:15relacionando la misma variable ya está
1:20:17cuando hablamos de tauv y tauce estamos
1:20:20hablando de correlación de variables
1:20:22ordinales
1:20:23y tauv correlaciona a la variable a la
1:20:30misma variable o sea eso exigencia
1:20:32Entonces si la variable ordinal era
1:20:35alto mediano bajo
1:20:38la otra medida también tiene que ser
1:20:40alto mediano bajo ya no puede tener
1:20:42cuatro categorías tiene que ser tres
1:20:44tres porque es la misma variable eso
1:20:46está V pero tauce sí te permite hacer un
1:20:49tres cuatro por qué Porque puede ser
1:20:52otra variable ya puede ser otra magnitud
1:20:55Entonces el el tav siempre es cuadrado y
1:21:00el tauce
1:21:01No necesariamente es cuadrado
1:21:05de forma primigenia se utiliza para
1:21:08variables ordinales y hay gente que lo
1:21:11utiliza para hacer correlaciones de
1:21:12variables numéricas que no tienen
1:21:15distribución normal también es válido
1:21:18pero originalmente están hechos para
1:21:19variables ordinales
1:21:23y ahora pasamos con el criterio número
1:21:26cinco
1:22:23el criterio número 5 es el diseño del
1:22:26estudio
1:22:29ya vamos entrando un poco más a fondo
1:22:32con
1:22:34los procedimientos estadísticos vamos a
1:22:37explicarlo de la siguiente manera
1:22:40todo el mundo conoce
1:22:41al riesgo relativo y el otro ojo Esta no
1:22:46es una clase de de factores de riesgo
1:22:48pero los voy a usar de ejemplo porque
1:22:50son muy conocidos
1:22:52el tema del día de hoy Son Los criterios
1:22:56para elegir procedimientos estadísticos
1:23:00Cómo elegir una prueba estadística
1:23:05por esa razón voy a utilizar conceptos
1:23:07que con mayor probabilidad ya los
1:23:10conocen
1:23:13el riesgo relativo
1:23:15y el ratios son primos hermanos
1:23:20el riesgo relativo es la medida de
1:23:23riesgo por excelencia
1:23:25y se ha desarrollado para calcularlo en
1:23:29un estudio de cortes como el grupo de
1:23:33los fumadores que sería una corte
1:23:34expuesta y el grupo de los no fumadores
1:23:38que son una corte no expuesta a la
1:23:42patología pulmonar
1:23:47hay que hacer una medición previa para
1:23:49ver que todos estén sanos al principio
1:23:51Porque el estudio de corte es un estudio
1:23:54longitudinal y luego hacemos un
1:23:56seguimiento los evaluamos cada año
1:23:58y claro en algún momento el estudio
1:24:01tiene que terminar así que hacemos un
1:24:03corte y decimos a ver qué proporción de
1:24:06los que fumaban hicieron cáncer de
1:24:09pulmón o No necesariamente cáncer de
1:24:11pulmón patología pulmonar en términos
1:24:13generales
1:24:14Y también vamos a preguntar y vamos a
1:24:16decir a ver de los que no estaban
1:24:18expuestos de los que no fumaban cuántos
1:24:20han hecho patología pulmonar que también
1:24:23pueden hacer claro con menor
1:24:25probabilidad que aquellos que fuman no
1:24:27Entonces la corte exporta Son expuestas
1:24:30son los fumadores la corte no expuesta
1:24:33son los no fumadores
1:24:36Y entonces hay que dividir A ver cuántos
1:24:38enfermaron en los que fumaban
1:24:41respecto de su total
1:24:44ya respecto de su total eso se llama
1:24:47incidencia de la enfermedad en la corte
1:24:52expuesta así se llama luego hay que
1:24:55calcular a ver cuántos se enfermaron de
1:24:57aquellos que no fumaban o sea los que se
1:24:59enfermaron pero respecto de su total
1:25:01eso se llama incidencia
1:25:05de la enfermedad en la corte no expuesta
1:25:08Y la incidencia si te fijas es también
1:25:11una medida
1:25:13de riesgo Sí porque si aunque no fumes
1:25:17puedes hacer patología pulmonar Pues sí
1:25:20que estás en riesgo claro no tanto como
1:25:22aquellos que fuman Y entonces ahora
1:25:24vamos a dividir el riesgo en los
1:25:27fumadores respecto del riesgo en los no
1:25:31fumadores por eso se llama riesgo
1:25:34relativo
1:25:39el riesgo en la corte expuesta es un
1:25:42porcentaje lo mismo que en la corte No
1:25:44expuesta pero si tú a un porcentaje lo
1:25:47divides entre otro porcentaje las
1:25:49unidades se anulan por tanto el riesgo
1:25:52relativo es adimensional no tiene
1:25:55dimensiones no tiene milímetros de
1:25:58mercurio no tiene
1:26:01gramos no tiene grados centígrados No ni
1:26:05siquiera tiene porcentaje porque es la
1:26:07división de un riesgo entre otro y
1:26:09cuando tú divides algo sobre lo mismo
1:26:12Pues las unidades se anulan así el
1:26:15riesgo relativo es una medida de riesgo
1:26:18para los estudios de seguimiento para
1:26:21los estudios longitudinales para los
1:26:24estudios
1:26:26prospectivos como es el diseño de cortes
1:26:34Pero hay una dificultad
1:26:36y la dificultad
1:26:38es precisamente la naturaleza
1:26:41prospectiva y longitudinal de este tipo
1:26:44de estudios
1:26:46por lo general suelen tomar muchos años
1:26:50en el ejemplo del hábito de fumar y la
1:26:53patología pulmonar no es que en un año
1:26:56ya vayas a hacer patología pulmonar no
1:26:58toman varios años y lo mismo aplica a
1:27:02muchas enfermedades entonces hacer un
1:27:04estudio de corte es un estudio de
1:27:06seguimiento puede tomar muchos años diez
1:27:08años quince años veinte años
1:27:13por esa razón hay una forma más rápida
1:27:16de medir el riesgo que es a través del
1:27:19diseño de casos y controles
1:27:23el diseño de casos y controles parte de
1:27:26que la enfermedad Ya está establecida y
1:27:29luego va hacia atrás a buscar
1:27:32a los factores de riesgo
1:27:36entonces Esta división de los estudios
1:27:40de aquellos estudios que parten de
1:27:44la causa en Búsqueda del efecto
1:27:48respecto de los estudios que parten del
1:27:51efecto En búsqueda de la causa eso es
1:27:54una división de los estudios
1:27:56solamente para los estudios explicativos
1:27:58ojo porque no todos los estudios
1:28:01pretenden demostrar relaciones de
1:28:03causalidad
1:28:05y ese concepto muchos lo han utilizado
1:28:08para diferenciar entre un estudio
1:28:10prospectivo y uno retrospectivo
1:28:13falso nuevamente
1:28:15los estudios prospectivos son aquellos
1:28:17donde tú planeas hacer tus mediciones y
1:28:20los estudios retrospectivos es donde las
1:28:23mediciones ya están hechas y tú nada más
1:28:25te copias los datos que provienen de
1:28:28mediciones donde tú no participaste
1:28:30entonces
1:28:33esta definición de estudio prospectivo y
1:28:36retrospectivo coincide con los estudios
1:28:38de de la búsqueda de la relación causal
1:28:41pero es más amplio es más holístico ya
1:28:44entonces no puedes tú diferenciar a los
1:28:46estudios prospectivos y retrospectivos
1:28:48por por que si partes del efecto En
1:28:52búsqueda de la causa o partes de la
1:28:53causa en busca del efecto porque esa
1:28:55clasificación solo se dividía para los
1:28:58estudios explicativos y es la
1:29:01clasificación de John cylor tercero pero
1:29:05que aplica solo a los estudios
1:29:08explicativos estamos hablando nosotros
1:29:10estudios en términos generales
1:29:15Bueno entonces qué pasa si tú quieres
1:29:17hacer un estudio de factores de riesgo
1:29:18pero en el en el corto plazo
1:29:22en un estudio transversal Bueno vas a
1:29:26buscar un conjunto de personas que ya
1:29:29tengan diagnosticada la enfermedad
1:29:33que son los casos y luego los vas a
1:29:35comparar con un grupo de personas que no
1:29:38tienen la enfermedad
1:29:41vamos a suponer que son cien casos y
1:29:44cien controles en estos dos grupos lo
1:29:46que hay que buscar es el factor de
1:29:48exposición
1:29:50Y entonces se podría sospechar que en el
1:29:54grupo de los casos el factor de
1:29:56exposición está con mayor frecuencia que
1:29:58en el grupo de los controles Entonces se
1:30:02hace una razón pero ya no sería de
1:30:04riesgos verdad porque el riesgo si lo
1:30:07ponemos en términos simples se calcula
1:30:09en forma horizontal Y en este caso
1:30:11estamos trabajando en forma vertical
1:30:13entonces no es en sí un riesgo lo que es
1:30:18es un momio
1:30:21Y entonces en este caso Hablamos de una
1:30:23razón de momios Cómo se lee Cómo se
1:30:26interpreta los ratio Exactamente igual
1:30:29al riesgo relativo porque lo que busca
1:30:32el otro ratio es estimar el riesgo
1:30:35relativo aproximarse al riesgo relativo
1:30:38calcular el riesgo relativo en lo que
1:30:41busca el ratio es pues ya que no sé cuál
1:30:44es el riesgo relativo pero por lo menos
1:30:46Dame uno cercano entonces la
1:30:48interpretación es Exactamente igual
1:30:50ahora en un software estamos hablando de
1:30:54criterios para elegir una prueba
1:30:56estadística no cómo sé yo si voy a
1:30:59utilizar el riesgo relativo y el otro
1:31:01ratio Cómo debo ingresar los datos al
1:31:03software estadístico dado que lo que
1:31:06tengo que construir es una tabla de
1:31:08contingencia Pues tú construyes tu tabla
1:31:11de contingencia de la misma forma que
1:31:13siempre lo has hecho
1:31:15el software te puede dar el riesgo
1:31:17relativo y el off ratio al mismo tiempo
1:31:19de hecho te los da ambos tú ves cuál
1:31:21escoges
1:31:23Entonces hasta esta parte
1:31:26ya el software no te ayuda
1:31:30no porque hasta el criterio anterior
1:31:31todavía en software se puede poner
1:31:33rígido y te dice ponme a todas las
1:31:36variables en columnas y a todas las
1:31:38unidades de estudio en filas de
1:31:40parametra como lo hacía antes y el
1:31:42software spss cosa que ahora lo han
1:31:47variado y y hay que estar más atentos
1:31:49hay que estar más atentos
1:31:53y sin embargo en en este criterio número
1:31:56cinco del diseño del estudio ahí el
1:31:58software no te va a ayudar en nada Por
1:32:00más rígido que sea el software te da a
1:32:03ti tu riesgo relativo te da tu voz ratio
1:32:06ya tú ves con cuál te quedas ahora Cuál
1:32:09ha sido tu estudio pues la pregunta
1:32:11viene en realidad para el investigador
1:32:14Cuál es el que has hecho tú has hecho el
1:32:16diseño de cortes o has hecho el diseño
1:32:19de casos y controles has hecho un
1:32:22estudio de seguimiento has hecho un
1:32:24estudio prospectivo o has hecho un
1:32:26estudio
1:32:27transversal un estudio retrospectivo eso
1:32:32el software no lo sabe nada más tú lo
1:32:35sabes porque mira la tablet es
1:32:36Exactamente igual
1:32:38es exactamente la misma tabla claro la
1:32:41forma de calcular el riesgo relativo y
1:32:42el otro reto es distinta por el diseño
1:32:45del estudio por eso el criterio número
1:32:47cinco es el diseño del estudio Así que
1:32:51este es un ejemplo nada más donde el
1:32:53diseño del estudio modifica la prueba
1:32:55estadística Ahora sí De repente alguna
1:32:58pregunta sobre
1:32:59este criterio número cinco diseño del
1:33:02estudio criterios para elegir una prueba
1:33:04estadística
1:33:35Y qué pasa con
1:33:38la t de esto de que indica que es para
1:33:42muestras de tamaño pequeño
1:33:44eso es una falacia
1:33:48vamos a hacer una transmisión sobre
1:33:51mitos y verdades En estadística de
1:33:54repente ya no en investigación que es
1:33:56muy global solo En estadística y esto de
1:34:00la t de student para una muestra de
1:34:01tamaño 30 o menos es una falacia
1:34:05es una mentira es un engaño es un
1:34:10fantasma porque no existe no hay una t
1:34:14para menos de treinta y una t para más
1:34:16de 30
1:34:18pero Les explico de dónde nace esta
1:34:20fantasía
1:34:21esta imaginación que todavía algunos
1:34:25siguen arrastrando y siguen arrastrando
1:34:27Y todavía son profesores
1:34:31resulta que para
1:34:33cuando tú usas la t de student hay que
1:34:36calcular
1:34:38la probabilidad de quedarte con h uno o
1:34:40h0 TD student es una prueba de hipótesis
1:34:45entonces usted estudiante tiene que
1:34:46ayudar a decidirte Con qué hipótesis te
1:34:49quedas si te quedas con h cero o con h
1:34:51uno algunos les gusta hablar
1:34:53trabalenguas y dicen Si no rechazo H
1:34:56cero o si rechazo H cero está bien Es
1:35:00correcto si les gusta hablar
1:35:02trabalenguas está bien pero en realidad
1:35:05una prueba de hipótesis consiste en te
1:35:08quedas con h cero o con h uno
1:35:11a nivel de probabilidad ojo a nivel de
1:35:14probabilidad Esto no es absoluto por eso
1:35:16es una prueba de hipótesis y té de
1:35:19student te ayuda a eso a decidirte con
1:35:21cuál te quedas con h cero o con h1 a
1:35:24nivel de probabilidad
1:35:26pero te des tuden es una t es un
1:35:29estadístico es un número que no te dice
1:35:31nada Y que además depende de los grados
1:35:33de libertad es decir del tamaño de la de
1:35:36los grupos y por eso es que antes en el
1:35:39pasado en los libros de estadística
1:35:41venían la distribución t con diferentes
1:35:43grados de libertad
1:35:47pero resulta que
1:35:50cuando el tamaño del grupo o de los
1:35:53grupos
1:35:54es mayor a 30
1:36:00la distribución t de student
1:36:04se parece mucho a la distribución Z
1:36:08Entonces como en los libros de
1:36:10estadística antes Te venían en los
1:36:12anexos la distribución t con diferentes
1:36:14grados de libertad
1:36:16tampoco es pues que todo el libro fueran
1:36:19tablas de distribución t porque ya el
1:36:21libro tendría mil páginas y y el cuerpo
1:36:24sería cien páginas y novecientas de
1:36:26anexos no no tiene sentido Entonces por
1:36:29hacer una economía del espacio para la
1:36:32distribución t que hacían los autores
1:36:35decían lo siguiente Bueno si la
1:36:39distribución t para un para un dos
1:36:43grupos de treinta individuos
1:36:45o más allá de los treinta individuos se
1:36:47parece a la distribución Z mejor utiliza
1:36:50la distribución Z cuando el tamaño de
1:36:53los grupos sea mayor a 30 por qué es
1:36:55casi lo mismo y entonces en el libro en
1:36:58el anexo te lo pongo Solamente hasta el
1:37:01tamaño de los grupos a 30 y así me
1:37:03ahorro espacio y entonces el profesor de
1:37:05estadística cuando daba clases decía
1:37:07cuando el tamaño de los grupos sea menor
1:37:10a 30 utilicen las tablas de té y cuando
1:37:13el tamaño de los grupos sea mayor a 30
1:37:16utilicen las tablas de Z y estaba
1:37:19mintiendo No no estaba mintiendo por qué
1:37:21decía eso el profesor porque en el libro
1:37:23solo habían tablas de té hasta 30 no
1:37:25habían más entonces era obvio que tenías
1:37:28que utilizar té para menos de 30 y para
1:37:32más de 30 Z porque en el libro no había
1:37:34Z con más de 30
1:37:37eso era porque los cálculos de té los
1:37:39hacíamos a mano a pesar de que el
1:37:41software estadístico ya existía va hace
1:37:43mucho tiempo
1:37:44hoy en día lo que calculamos es el p
1:37:47valor porque hay software estadístico
1:37:49para todo
1:37:51Entonces ya no nos interesa la t lo que
1:37:54nos interesa para saber si nos quedamos
1:37:56con h cero o con h uno es el p valor
1:38:00Porque si el p valor está por debajo del
1:38:02nivel de significancia te quedas con h
1:38:04uno y si el p valor está por encima del
1:38:07nivel de significancia te quedas con h
1:38:10cero Entonces ya no me interesa la t es
1:38:12más para para qué la calculo bueno el
1:38:14software la va a calcular igual pero ya
1:38:16no me interesa ni siquiera me interesan
1:38:18sus grados de libertad porque el p valor
1:38:20ya considera los grados de libertad en
1:38:23cambio antes tú tenías que comparar la t
1:38:25calculada con el té de la tabla en
1:38:27función a los grados de libertad y luego
1:38:29cuando hacías un análisis de la varianza
1:38:31en función a los grados de libertad del
1:38:32numerador y los grados de libertad del
1:38:34denominador y las tablas serán pues como
1:38:36cuatrocientas tablas y era
1:38:39complicadísimo
1:38:40primero porque el profesor de
1:38:41estadística te exigía que hagas un
1:38:43cálculo a mano de la t o del f en el
1:38:45caso del análisis de la varianza y que
1:38:47luego lo vayas a contrastar con el
1:38:50el estadístico de tabla ya sea tof pero
1:38:53qué resulta que has cometido un error en
1:38:55el cálculo y ya todo esto ya no sirve
1:38:57para nada Eso era en el pasado eso es la
1:38:59prehistoria eso está en los museos esos
1:39:01libros debieran colocarlos en los museos
1:39:03si ustedes ven un libro de estadística
1:39:05que en los anexos atrás llevan las
1:39:07tablas de distribución de distribución Z
1:39:10distribución F de fishers o F desnudo
1:39:13Core esos libros por favor llévenlos al
1:39:15museo ahí donde deben estar ya no se
1:39:18hace así Eso era
1:39:20de la época jurásica
1:39:22todos los software estadísticas hoy en
1:39:25día te calculan el p valor y es a través
1:39:28del P valor que tú decides si te quedas
1:39:30con h cero con h uno y resulta que todas
1:39:33las pruebas estadísticas Y esto es
1:39:35absoluto todas las pruebas estadísticas
1:39:38te calculan el p valor y incluso hay
1:39:42pruebas estadísticas ni estadístico
1:39:43tienen como es el caso del test exacto
1:39:46de Fisher no tiene estadístico
1:39:48este procedimiento de frente te calcula
1:39:51el pre valor que es la probabilidad de
1:39:54equivocarse al cometer al afirmar la
1:39:56hipótesis h1 que es la hipótesis del
1:39:58investigador o como dicen los
1:40:00estadísticos ya es la probabilidad de
1:40:02equivocarse Al haber rechazado la
1:40:05hipótesis nula cuando en realidad Este
1:40:07era cierta es exactamente lo mismo pero
1:40:10para qué hablar de trabalenguas
1:40:15vamos con más preguntas que tengan los
1:40:18participantes
1:40:23Francisco Javier nos dice
1:40:26entre los casos y controles uno a uno
1:40:29uno a dos o uno a tres Cuánto es la
1:40:32relación entre el caso y control Lo
1:40:35ideal Francisco es que sea uno a uno
1:40:38ahora No necesariamente tiene que ser
1:40:41uno a uno es decir se puede aplicar un
1:40:44uno a dos o si quieres un uno a uno coma
1:40:47cinco ya no no es rígido esto ponte que
1:40:52tú haces un estudio de casos y controles
1:40:54y resulta que necesita cien casos y los
1:40:57vas a comparar con sin controles eso
1:40:59dice tu ecuación tu fórmula matemática
1:41:01tu algoritmo
1:41:03y resulta que no consigues Pues los cien
1:41:06casos te quedan nada más noventa
1:41:08entonces tú tienes que aumentar
1:41:09controles verdad pero no es que le
1:41:11aumentes los días que le faltan a este
1:41:13no también hay que hacer otro cálculo
1:41:15matemático y entonces no va a ser
1:41:17exactamente uno a dos ojo eh No va a ser
1:41:21exactamente uno dos podría ser uno a uno
1:41:23coma veinticinco Entonces esto de uno a
1:41:25uno uno a dos uno a tres es muy rígido
1:41:27ya si tú calculas el tamaño de los
1:41:30grupos para tu diseño de casos y
1:41:32controles y resulta que necesita cien
1:41:34para cada uno pero aquí nada más tienes
1:41:3695 Bueno a este vas a tener que
1:41:38aumentarle Cuántos o otro cálculo del
1:41:41tamaño de la muestra que para eso están
1:41:42los algoritmos
1:41:53Cómo podría obtener el control es a
1:41:55partir de historias clínicas si quisiera
1:41:58hacer factores de riesgo en
1:41:59hipertiroidismo es una buena pregunta
1:42:01porque
1:42:03la teoría dice que a los controles hay
1:42:05que sacarlos del mismo lugar de donde
1:42:07sacaste los casos y si en este caso son
1:42:11historias clínicas pues esos pacientes
1:42:12ya no están Ya se fueron y han sido
1:42:14dados de alta no una alternativa podría
1:42:16ser Belén historias clínicas
1:42:19también sin hipertiroidismo en el mismo
1:42:22periodo de tiempo de donde sacaste las
1:42:24historias clínicas de los casos eso es
1:42:26una opción
1:42:36vamos con nuestro último procedimiento
1:42:37con nuestro último criterio el criterio
1:42:40número 6
1:42:45Cómo elegir una prueba estadística seis
1:42:48criterios para elegir un procedimiento
1:42:49estadístico
1:43:06este último criterio lo vamos a
1:43:08presentar de la siguiente manera
1:43:13se llama distribución de los datos
1:43:16los datos numéricos que son con los que
1:43:19habitualmente trabajamos
1:43:22exhiben en su mayoría de los casos
1:43:25distribución normal
1:43:28Qué significa distribución normal
1:43:30significa que tú puedes construir una
1:43:33campana gaussiana
1:43:35por qué lo he pintado de blanco a la
1:43:37campana gaussiana porque lo que se mide
1:43:40en una distribución normal es el área
1:43:44bajo la curva ojo ya la función de
1:43:48la distribución normal es una función de
1:43:51densidad y lo que mide es el área por
1:43:54eso lo he pintado Porque muchos lo
1:43:56dibujan solamente como una silueta como
1:43:59si fuera una curva y no no es una curva
1:44:03es una función de densidad ya entonces
1:44:05todo lo que está dentro de la campana es
1:44:08el 100%
1:44:11pero esta campana tiene que tener una
1:44:13altura mediana vamos a llamarle así no
1:44:16puede ser muy alta ni muy chata porque
1:44:18si está muy alta Entonces los datos
1:44:20están muy concentrados Y si está muy
1:44:22aplanada si está muy chata Pues los
1:44:24datos están muy dispersos tiene
1:44:27variabilidad muy amplia
1:44:29del mismo modo
1:44:31digamos que la parte más alta del de la
1:44:35campana tiene que estar en el medio no
1:44:36puede estar a la derecha ni a la
1:44:38izquierda porque cuando está hacia la
1:44:40derecha o está hacia la izquierda
1:44:43entonces hablamos de distribuciones
1:44:45asimétricas
1:44:49de allí que se dice que una distribución
1:44:51normal es simétrica Y mesocúrtica
1:44:55entonces vamos a hablar de un
1:44:56procedimiento estadístico básico que es
1:44:58la t de student para una sola muestra
1:45:05Cómo es una de student para una sola
1:45:08muestra
1:45:10la t de student para una sola muestra es
1:45:12un procedimiento estadístico descriptivo
1:45:16de un solo grupo es una prueba de
1:45:17hipótesis de nivel descriptivo
1:45:20ejemplo
1:45:21yo sospecho que los niños de madres
1:45:25adolescentes nacen con menos peso que el
1:45:28peso que deberían tener el peso regular
1:45:30el peso estándar el peso teórico Y cómo
1:45:33demuestro esa hipótesis es muy simple
1:45:36evalúa un grupo de niños de madres
1:45:39adolescentes los peso al nacer y lo
1:45:42comparo con el parámetro de la población
1:45:44con el dato fijo qué procedimiento
1:45:46estadístico es t de student para una
1:45:49sola muestra ya ese dato fijo se llama
1:45:52media poblacional el valor normal
1:45:56digamos del peso al nacimiento en este
1:45:58ejemplo y luego yo tengo el el caso uno
1:46:01que es el un grupo de niños de madres
1:46:04adolescentes
1:46:06como es un grupo yo puedo sacar una
1:46:08media que está en el punto medio y
1:46:11también puedo calcular un intervalo de
1:46:13confianza para la media
1:46:15este intervalo de confianza para la
1:46:18media se calcula con
1:46:20una medida de dispersión llamada error
1:46:23típico de la media que el software toda
1:46:26la vida te lo da y mucha gente no sabe
1:46:28para qué sirve
1:46:30el error típico de la media
1:46:34sirve para
1:46:37calcular el intervalo de confianza para
1:46:42la media
1:46:45y hacemos esta lectura
1:46:48si el intervalo de confianza para la
1:46:51media
1:46:52contiene a la media poblacional vamos a
1:46:57suponer que el peso promedio de los
1:47:00niños de madres adolescentes fue de
1:47:04tres mil gramos
1:47:06y su intervalo de confianza para la
1:47:09media fue de
1:47:13doscientos noventa gramos a tres mil
1:47:15cien gramos ya cien hacia abajo 100
1:47:18hacia arriba
1:47:20Entonces si este Rango no contiene a los
1:47:24tres mil trescientos gramos que debe
1:47:28tener un niño al nacer Pues sí que están
1:47:30bajos de peso pero si este intervalo de
1:47:32confianza contiene al parámetro esperado
1:47:35Entonces no hay diferencia pues Esa
1:47:38diferencia numérica se debe al azar es
1:47:40aleatoria
1:47:43Y eso lo puedes hacer solamente cuando
1:47:47una variable tiene distribución normal y
1:47:50te paso a explicar lo siguiente
1:47:53en un caso número dos son casos
1:47:55hipotéticos Por cierto no en un caso
1:47:58número dos en el primer caso la media
1:48:00poblacional con está contenida dentro
1:48:02del intervalo de confianza por lo tanto
1:48:04no hay diferencia caso número dos
1:48:08el intervalo de confianza sigue siendo
1:48:11del mismo tamaño que el caso uno no ha
1:48:14variado O sea la variabilidad es la
1:48:16misma
1:48:18y sin embargo el promedio no está en el
1:48:21centro
1:48:23está a un costado o sea es una
1:48:25distribución asimétrica de modo que si
1:48:29este caso dos
1:48:32hubiesen sido simétrico pues uno de los
1:48:36brazos de este intervalo de confianza si
1:48:39hubiese contenido a la media poblacional
1:48:41entonces como que el intervalo de
1:48:43confianza se ha desplazado O si quieres
1:48:45la media se ha desplazado y ya no me
1:48:48permite hacer ese razonamiento
1:48:51Por qué Porque no hay distribución
1:48:53normal o qué pasaría que si incluso tú
1:48:56mantienes el mismo valor promedio pero
1:48:58los brazos del intervalo de confianza se
1:49:00han acortado porque
1:49:02la variabilidad es menor estamos
1:49:04hablando de una distribución
1:49:05leptocúrtica muy alta muy concentrada
1:49:08tampoco puedo hacer el razonamiento de
1:49:11comparar si la media poblacional está
1:49:14contenida dentro del intervalo de
1:49:16confianza con el grupo a comparar no
1:49:18puedo Por qué Porque la distribución no
1:49:20es normal porque es leptocúrtica
1:49:23entonces para poder hacer el
1:49:25razonamiento de que si la media
1:49:27poblacional está contenida dentro del
1:49:29intervalo de confianza del grupo a
1:49:31comparar no hay diferencia
1:49:33el requisito Es que la distribución
1:49:36tenga que ser simétrica y mesocúrtica en
1:49:39resumen tiene que tener distribución
1:49:41normal y ese es el primer requisito de
1:49:45los procedimientos
1:49:48estadísticos paramétricos
1:49:53Ahora sí si tu distribución si tu
1:49:56variable no tiene distribución normal
1:49:58pues hay equivalentes no paramétricos
1:50:02el ejemplo que hemos puesto es la t de
1:50:04student para una muestra pero aplica el
1:50:07mismo razonamiento a la t de student
1:50:09para muestras independientes tú tienes
1:50:10dos grupos cada grupo tiene su promedio
1:50:13y también tiene su
1:50:16intervalo de confianza
1:50:20si el promedio de un grupo está
1:50:22contenido dentro del intervalo de
1:50:25confianza del otro grupo no hay
1:50:26diferencias pero si el promedio de un
1:50:28grupo no está contenido dentro del
1:50:31intervalo de confianza del segundo grupo
1:50:32hay diferencias
1:50:34requisitos para eso distribución normal
1:50:39y hay otro más que el tamaño del
1:50:43intervalo de confianza para los dos sea
1:50:46más o menos el mismo homoselasticidad
1:50:51el primer requisito para hacer un
1:50:53procedimiento paramétrico es la
1:50:54normalidad y que se le exige por ejemplo
1:50:56a la t de student para una sola muestra
1:50:58pero cuando tú vas a comparar dos grupos
1:51:00Entonces ya aparece otro requisito que
1:51:04es la homogeneidad de varianzas que
1:51:09compara la variabilidad entre ambos
1:51:11grupos Entonces qué pasaría si no
1:51:13cumples los requisitos
1:51:15Qué pasaría si tú quieres comparar dos
1:51:18grupos y no cumple la normalidad o no
1:51:21cumple la homoseaticidad o no cumple
1:51:24ambos Qué hago Ya no hago el estudio no
1:51:27el estudio lo tienes que hacer de todas
1:51:28maneras pero ya no vas a poder utilizar
1:51:30la prueba de té para muestras
1:51:33independientes vas a tener que utilizar
1:51:34la u de
1:51:37que es el equivalente no paramétrico de
1:51:39la t de student para muestras
1:51:41independientes es la alternativa no
1:51:44paramétrica hace un rato alguien
1:51:46preguntó sobre la tauvita
1:51:50también podrían ser considerados
1:51:52equivalentes no paramétricos de la
1:51:54correlación de piercing al caso en que
1:51:56tú tengas dos variables numéricas y no
1:51:59se cumpla la distribución normal
1:52:00Entonces no podrías aplicar la
1:52:02correlación de pierzum te quedaría la el
1:52:05equivalente no paramétrico que es la
1:52:07correlación de esperma que es un
1:52:11procedimiento estadístico no paramétrico
1:52:12para la correlación de dos variables
1:52:14numéricas sin distribución normal por
1:52:16esta razón el hecho de no tener
1:52:18normalidad en la distribución de tu
1:52:21variable puede hacer que cambies la
1:52:22prueba estadística que tengas que
1:52:24utilizar otro procedimiento estadístico
1:52:26y por esa razón la distribución de los
1:52:29datos es el sexto criterio para elegir
1:52:33una prueba estadística aún así solamente
1:52:38hemos puesto un ejemplo por cada uno de
1:52:40los seis criterios hay más de hecho cada
1:52:44procedimiento estadístico se encaja
1:52:46dentro
1:52:47de una de estas casuísticas ahora vamos
1:52:50con una pregunta principal
1:52:57vamos con esta pregunta
1:53:11si tuviéramos que
1:53:13elegir una sola palabra
1:53:16hace un rato les dije que una buena
1:53:19estrategia de análisis
1:53:21de aprendizaje y de nemotecnia estamos
1:53:27hablando Ya del campo pedagógico es
1:53:30utilizar una sola palabra
1:53:33para describir algo una sola palabra
1:53:38el nivel exploratorio dijimos sería
1:53:40cualitativo no con una sola palabra
1:53:42describiste todo el nivel el nivel
1:53:44descriptivo sería uni variado con una
1:53:47sola palabra describiste todo el nivel
1:53:49el nivel relacional sería bi variado
1:53:52todo el nivel el nivel explicativo ya no
1:53:55hablaría solo de estadística sino de la
1:53:57intención que es causalidad el nivel
1:53:59predictivo en forma global predecir y el
1:54:01nivel aplicativo en forma global mejorar
1:54:03ahora
1:54:05Qué palabra utilizaríamos para
1:54:08responder
1:54:10a la pregunta qué prueba estadística
1:54:13debo utilizar a ver quién se atreve a
1:54:16lanzar una propuesta
1:54:20Qué palabra
1:54:22utilizarías para
1:54:25resumir todo lo que hemos hablado el día
1:54:28de hoy
1:54:29y que responde a la pregunta qué prueba
1:54:32estadística debo utilizar
1:54:34cuál sería esa respuesta si solo
1:54:37tuviéramos que utilizar una sola palabra
1:54:39Yo la voy poniendo la voy poniendo por
1:54:42aquí
1:54:48y se atreve a lanzar una sola palabra A
1:54:50ver es posible acaso describir
1:54:55a los seis criterios para elegir un
1:54:58procedimiento estadístico
1:55:01en una sola palabra
1:55:03Tenemos aquí algunas
1:55:05propuestas a ver propuestas dice
1:55:08normalidad
1:55:09sí es un criterio importante Alan Pero
1:55:12recuerda que hay variables en las que
1:55:15nunca buscamos normalidad como es el
1:55:16caso pues de las variables categóricas
1:55:20y ya le atinó en una el doctor Porfirio
1:55:23vizzoso heurística Esa es la palabra
1:55:25perfecto
1:55:28es tan fácil estaba doctor Porfirio
1:55:31visorso compártamos por aquí la palabra
1:55:34para resumir a los seis criterios es
1:55:36heurística
1:55:39y les paso a explicar por qué
1:55:42vamos a mostrar nuevamente
1:55:50Por qué la palabra heurística resume
1:55:52todo lo que hemos hablado el día de hoy
1:55:55porque no existe una fórmula
1:56:00para elegir una prueba estadística no
1:56:03existe un algoritmo así tipo matemáticas
1:56:06uno más uno dos no existe eso
1:56:10la prueba estadística que debemos usar
1:56:17la encontramos luego de hacer un
1:56:19razonamiento heurístico como como el
1:56:22diagnóstico médico más o menos ya para
1:56:24hacer un diagnóstico médico hay que
1:56:26hacer un razonamiento heurístico por eso
1:56:28es que una computadora no puede hacer un
1:56:30razonamiento no puede ser un diagnóstico
1:56:33médico
1:56:36se necesita un razonamiento heurístico
1:56:41Entonces el primer criterio y el
1:56:43razonamiento turístico consiste en
1:56:45escribir una serie de reglas Entonces el
1:56:48primer criterio es nivel investigativo
1:56:50cada nivel es distinto desde el punto de
1:56:54vista del análisis estadístico
1:56:59brevemente el nivel exploratorio es sin
1:57:02estadística el nivel descriptivo
1:57:04univariado el nivel relacional bivariado
1:57:08en el nivel explicativo aparece el
1:57:10análisis multivariado en el nivel
1:57:12predictivo aparece las ecuaciones
1:57:15regresión lineal regresión logística
1:57:18supervivencia de kaplan Meyer las series
1:57:22temporales en el nivel aplicativo
1:57:23estudios de aceptación r y r de
1:57:26repetibilidad y reproducibilidad el
1:57:28nivel investigativo es el primero ya el
1:57:31segundo criterio que tienes que ubicar
1:57:32es el objetivo estadístico Incluso
1:57:35un procedimiento estadístico te puede
1:57:38servir para dos intenciones como chi
1:57:40cuadrado de homogeneidad para comparar
1:57:42ocho cuadrado de independencia para
1:57:44asociar el tercer criterio es el tipo de
1:57:48variable si tienes dos variables
1:57:49categóricas chi cuadrado si tienes dos
1:57:51variables numéricas con relación de
1:57:54Pierce
1:57:55el cuarto criterio es el tipo de estudio
1:57:58no es lo mismo un estudio transversal y
1:58:00uno longitudinal Acuérdate de la t de
1:58:03student para muestras independientes y
1:58:04las de student para muestras
1:58:06relacionadas El quinto criterio es el
1:58:09diseño del estudio ahí el software no te
1:58:11va a ayudar en nada te va a dar todo lo
1:58:13todo lo que pueda darte Y tú tienes que
1:58:15saber qué escoger Con qué te tienes que
1:58:17quedar y el sexto criterio es la
1:58:20distribución de los datos tenemos
1:58:22procedimientos ideales llamémoslo así
1:58:24como los procedimientos estadísticos
1:58:26paramétricos pero que si no se cumplen
1:58:28los supuestos Entonces no se pueden
1:58:31aplicar todo este razonamiento se llama
1:58:34razonamiento heurístico por eso Si
1:58:38quisiéramos responder a la pregunta cómo
1:58:40elegir una prueba estadística la palabra
1:58:42única sería
1:58:44heurística y de eso se trató la
1:58:48presentación de el día de hoy
1:58:52por su atención Muchísimas gracias mi
1:58:55nombre es José
1:58:58Los invito a suscribirse al Canal a
1:59:01compartir el contenido a darle like y
1:59:04nos vemos en una siguiente ocasión

About this transcript

This page contains the full transcript of José Supo - Cómo elegir una prueba estadística | Presentación by SINCIE, generated from the public captions YouTube serves with the video. The transcript has 14,126 words across 2,420 segments, with the original timestamps preserved so you can click any line to jump to that moment in the embedded player.

What you can do with it

Use the transcript to take notes, quote the speaker, build a study guide, generate a summary with ChatGPT or Claude via the YouTube Summary tool, or export it as a timed subtitle file with YouTube to SRT. You can also re-open it in the transcriber to translate the transcript into 100+ languages.

Free YouTube transcript tool

YouTube2Text is a free YouTube transcript generator — no signup, no daily limit. Paste any YouTube link and get the full transcript instantly, with timestamps, click-to-jump, translation to 100+ languages, AI prompts for ChatGPT, Claude, and Gemini, and exports to TXT, SRT, VTT, or Markdown.