Fundamentos de Estadística: Tipos de Datos, Correlación y Pruebas

Fundamentos de Estadística

Tipos de datos

• Nominal: Variables categóricas, como sexo, lugar de procedencia o tratamiento.
• Ordinal: Variables categóricas o semi-cuantitativas, como nivel educativo o clase social.
• Escala: Variables cuantitativas, como edad, salario o altura.

Distribución paramétrica y no paramétrica

Una distribución se considera paramétrica si, al trazar una línea vertical en la mitad del eje x, la distribución de los datos es igual en ambos lados. En caso contrario, se considera no paramétrica.

Correlación lineal

Dos variables X e Y mantienen una relación lineal directa cuando los valores en Y tienden a emparejarse con valores en X.

Propiedades del coeficiente de correlación de Pearson/Spearman

El coeficiente de correlación de Pearson se sitúa entre −1 y +1. Es importante destacar que el coeficiente de correlación no expresa relaciones de causalidad.

Valoración e interpretación de una correlación

Una correlación cercana a 0 indica una relación baja o nula entre variables. Una correlación positiva indica una relación lineal directa, mientras que una correlación negativa indica una relación lineal inversa.

Regresión

El establecimiento de una correlación entre dos variables es un primer paso para predecir una variable a partir de la otra. Si la variable X está muy relacionada con Y, podemos predecir Y a partir de X.

Comparación de dos medias: ANOVA y t de Student

Objetivo

Comparar las medias obtenidas por dos grupos diferentes de sujetos. Es posible llegar a los mismos resultados con ambas pruebas (t² = F del ANOVA), aunque con el ANOVA pueden realizarse comparaciones entre un número mayor de medias, procedentes de estudios con más de dos grupos.

La prueba estadística ayuda a decidir si las diferencias observadas entre los promedios de ambos grupos pueden ser explicadas al azar o si están relacionadas con la participación en un programa de intervención.

Discusión

La discusión es la parte más difícil de redactar. Se deben discutir los resultados, relacionándolos con la literatura previa, la introducción y las hipótesis. Se debe explicar cómo encajan los resultados en el marco teórico, interpretar los hallazgos, recomendar aplicaciones y resumir las conclusiones confirmadas con las pruebas adecuadas.

Pruebas estadísticas

• Pearson: Paramétrico.
• Spearman: No paramétrico.

Si el valor p es mayor a 0.05, los datos son paramétricos. Si es menor a 0.05, los datos son no paramétricos.

• Prueba de Kolmogorov-Smirnov (K-S): Se utiliza para más de 50 casos.
• Prueba de Shapiro-Wilk: Se utiliza para menos de 50 casos.

Prueba de Kruskal-Wallis

Es un método no paramétrico para probar si un grupo de datos proviene de la misma población. Es una extensión de la prueba U de Mann-Whitney para 3 o más grupos.

Prueba U de Mann-Whitney

Es una prueba no paramétrica aplicada a dos muestras independientes. Es la versión no paramétrica de la prueba t de Student.

Prueba de Kolmogorov-Smirnov (K-S)

Es una prueba no paramétrica que se utiliza para determinar la bondad de ajuste de dos distribuciones de probabilidad entre sí.