top of page

PREGUNTAS FRECUENTES

En esta página tendrá acceso a las preguntas más comunes.
Comprueba si tus dudas están entre ellas.

¿CUÁL ES EL TAMAÑO DE MUESTRA ADECUADO PARA MI INVESTIGACIÓN?

No hay una respuesta mágica a esta pregunta. Sería lo mismo si te preguntara: "¿Qué me pongo esta noche?" No saber a dónde voy, qué voy a hacer, si va a hacer frío o calor, no puedes responder correctamente. 
Para calcular el tamaño de la muestra, necesita conocer algunos datos:
- Cuál es el propósito de la investigación (descripción poblacional, comparación entre promedios poblacionales, etc.).
- Cuál es la principal variable de resultado (variable primaria) de la investigación, y su tipo (cualitativa nominal, cualitativa ordinal o cuantitativa).
- Grado de confianza en la estimación de la población (usualmente debemos definir los errores Alfa (Error Tipo I) y Beta (Error Tipo II), en biología el más utilizado es Alfa= 5% y Beta= 20%).
- En el caso de comparación entre poblaciones, debemos conocer la mínima diferencia entre las poblaciones que sea de importancia clínica, y en consecuencia sea importante para ser detectada por la investigación.
- También es necesario estimar la variabilidad de la variable primaria en las poblaciones estudiadas (por ejemplo, en el caso de una variable cuantitativa, cuál es la desviación estándar en la población).
Sin esta información, es imposible determinar el tamaño de muestra apropiado.

¿QUÉ ES EL “PODER DE LA PRUEBA”?

¿Qué es el “Poder de la Prueba”?
Respuesta: El poder estadístico de una prueba es la probabilidad de que la prueba realmente rechace la hipótesis nula cuando es falsa. En la prueba de hipótesis, el error Beta (error Tipo II) es la probabilidad de aceptar la hipótesis nula cuando en realidad es falsa, por lo que la potencia de la prueba viene dada por 1 – Beta.
Determinar la potencia de prueba deseada para calcular el tamaño de la muestra es un criterio importante. En biología son valores habituales para adoptar una potencia del 80% o del 90% (Beta = 20% o Beta = 10%) en la determinación del tamaño de muestra, recordando que a mayor potencia adoptada, mayor tamaño de muestra necesario. .

¿CUÁL ES LA FORMA CORRECTA DE TABULAR LOS DATOS DE MI ENCUESTA PARA REALIZAR EL ANÁLISIS ESTADÍSTICO?

Hay un video en el Canal PESQUISE en youtube que proporciona pautas y ejemplos de tabulación de datos para análisis estadístico. Además, estas normas también están disponibles en el sitio web de la Facultad de Odontología de Bauru-USP.

UNA DE LAS EVIDENCIAS DE MI INVESTIGACIÓN PRESENTÓ UN VALOR MUY DESIGUAL EN COMPARACIÓN CON LAS DEMÁS. ¿PUEDO DESCARTARLO EN EL ANÁLISIS ESTADÍSTICO?

Los valores atípicos pueden ocurrir por varias razones.  Es importante identificar lo sucedido antes de descartar el valor de uno o varios ejemplares.
Primero, es necesario verificar que no hubo falla metodológica en la preparación o medición de la muestra. Si hubo este tipo de problema, reportar lo sucedido en el informe de investigación y descartar el valor de análisis. Si esto ha ocurrido en varios especímenes, es mejor revisar la metodología utilizada, ya que no se está manteniendo una buena estandarización.
Si no se identifica ningún problema metodológico y los valores atípicos ocurrieron solo en uno o algunos casos, existen algunas fórmulas estadísticas para identificar si podemos considerar los valores como atípicos y eliminarlos del análisis.

¿QUÉ ES EL ERROR SISTEMÁTICO Y EL ERROR CASUAL?

Al realizar mediciones utilizando métodos que pueden tener interferencia del sujeto que realiza la medición, siempre es interesante evaluar si la interferencia del sujeto se mantiene en niveles aceptables. Para evaluar el “error de medida” repetimos la medida de algunos casos. Cuando la repetición la realice el mismo sujeto, tendremos el cálculo del “error intraexaminador”, y cuando la repetición la realice otro sujeto, tendremos el cálculo del “error interexaminador”. En las mediciones cuantitativas, normalmente evaluamos dos tipos de error a los que están sujetas las mediciones: 1- “Error sistemático” - queremos verificar si la segunda repetición de mediciones tiene, en promedio, una diferencia significativa de la primera medición, idealmente hay ninguna diferencia significativa, ya que esto indicaría que las medidas de una de las repeticiones son sistemáticamente mayores que la otra. 2- “Error casual”- queremos comprobar la diferencia entre el valor real probable de la medida y el valor que obtiene el sujeto al tomar la medida, es decir, si las diferencias individuales en cada elemento de la investigación son grandes o pequeñas cuando se repite la medición. En el error aleatorio, el resultado se da en la unidad de la cantidad que se mide (por ejemplo, mm, cm, etc.) y no si la diferencia es significativa o no.

¿CÓMO INTERPRETO EL COEFICIENTE DE CORRELACIÓN ENTRE DOS VARIABLES?

El coeficiente de correlación (r) es una medida del grado de relación entre dos variables. Va de -1 a 1, con valores positivos que indican que las dos variables (x e y) crecen en la misma dirección, por lo que a medida que x crece y también crece (por ejemplo, cuanto mayor es un niño, más alto es). Por otro lado, los valores de correlación negativos indican que x e y crecen en direcciones opuestas, es decir, cuando x aumenta y y disminuye (por ejemplo, cuanto más rico es un país, menor es la tasa de mortalidad infantil). En cuanto al valor del coeficiente, cuanto más cercano a -1 o 1, mayor es el grado de correlación entre las dos variables, y cuanto más cercano a 0 (cero) menor es el grado de correlación. Así, un valor de r = 0,92 indica una fuerte correlación entre xey y un valor de r = 0,11 indica una correlación débil entre xey.
Por lo general, se realiza una prueba estadística para verificar que r es estadísticamente significativo y, por lo tanto, un valor de p acompaña al valor de r. Es importante saber que la prueba tiene como hipótesis nula que la correlación es nula en la población. Entonces, un valor de p < 0.05 solo indica que la correlación entre x e y en la población no es cero. El valor p significativo no indica que la correlación sea fuerte, solo que no es nula. En muestras grandes, un valor r = 0,11 puede ser significativo (p < 0,05) y no ser una fuerte correlación.

UTILIZÉ ESTADÍSTICAS KAPPA PARA VERIFICAR EL GRADO DE ACUERDO ENTRE DOS EVALUADORES DE UNA VARIABLE CUALITATIVA NOMINAL Y AUNQUE EL PORCENTAJE DE ACUERDO HA SIDO ALTO, EL VALOR KAPPA FUE MUY BAJO, ¿POR QUÉ?

Esto puede ocurrir principalmente si una de las categorías de la variable ocurre un número muy pequeño de veces y en estas ocurrencias no hay acuerdo entre los evaluadores. p.ej si en una evaluación de 100 casos, el evaluador A clasifica 98 casos como “Sí” y 2 casos como “No” y el evaluador B clasifica los 100 casos como “Sí”, el porcentaje de acuerdo será del 98% pero el kappa da 0 , 00 (cero). Debemos entender que kappa evalúa si existe un buen acuerdo en todas las categorías en las que se pueden clasificar los casos, y en el ejemplo anterior tendríamos un buen acuerdo cuando la clasificación es "Sí", pero un mal acuerdo cuando es "No". resultando en un valor kappa bajo.

bottom of page