Teoría | Tipos básicos de contraste de hipótesis

En la rama de Estadística Inferencial, se realizan los denominados contraste de hipótesis. Se trata de distintos procedimientos que se emplean para descubrir el comportamiento de una o varias variables en función de la información recogida y del objeto de estudio. Sin embargo, no todas las pruebas estadísticas son iguales. Como ya se habrá visto en entradas anteriores, en función de la naturaleza de las variables objeto de estudio deberemos realizar un tipo de prueba u otro. Entonces, es muy habitual contar con algún tipo de guía o apoyo que nos oriente sobre las pruebas más adecuada que debemos realizar en función de nuestro objetivo principal de estudio y en función de la naturaleza de nuestros datos. 

A continuación, se muestra una tabla de doble entrada en la que se relacionan las variables más frecuentes en los análisis estadísticos y las pruebas que se deben realizar siempre y cuando se satisfagan los supuestos que dichos contrastes implican:

Así, por ejemplo, sabemos que para un estudio en el que tenemos calificaciones de los alumnos de una asignatura (variable cuantitativa continua) y el sexo de los mismo (variable cualitativa nominal) debemos realizar una regresión logística de nuestros datos.

Puedes hacer clic en el siguiente botón para acceder y descargar la imagen anterior en formato .pdf para poder imprimirla y consultarla cuando quieras.

Jacob Sierra Díaz y Alti

Teoría | Tipos de análisis según las variables

Ya hemos visto la definición de variable y la clasificación clásica de variables (cualitativa o cuantitativa). Además, también hemos aprendido la diferencia entre una variable dependiente y una independiente. Puedes hacer clic en los siguientes botones para volver a leer sobre esto:

Bien es sabido que el objetivo de cualquier análisis estadístico es la de analizar una determinada variable o grupo de variables en algunos individuos de una población (García-Pérez, 2011). Por tanto, en función del número de variables implicadas en el análisis se deberán tener en cuenta distintas dimensiones y proceder de una manera concreta.

• Cuando se desea analizar una sola variable (por ejemplo, número de pulsaciones por minuto en pacientes que acaban de sufrir un infarto de miocardio) hablamos de un análisis unidimensional. Es decir, tenemos una única dimensión (variable) objeto de estudio en cada uno de los individuos.

• Cuando se desean analizar varias variables (por ejemplo, el peso y la talla de los estudiantes de una academia de preparación para policías) para cada uno de los individuos que forman la muestra de la investigación hablamos de un análisis multidimensional. Este, se puede especificar en función del número de variables que están implicadas en el proceso: análisis bidimensional (dos variables), análisis tridimensional (tres variables) y así sucesivamente. 

¿Por qué es esto importante? Principalmente porque en función del análisis habrá que hacer unas pruebas estadísticas específicas. De esta forma, es imposible realizar un análisis de la varianza (ANOVA) cuando solo tenemos una variable (análisis unidimensional). Del mismo modo, es posible que un análisis de frecuencias se quede corto en una investigación en el que se han obtenido varias variables (análisis multidimensional). El siguiente diagrama, ilustra la clasificación de análisis básicos que se pueden realizar en función del número de variables.