TEMA 13: PRUEBAS PARAMÉTRICAS MÁS UTILIZADAS EN ENFERMERÍA

1. Análisis bivariado variable cualitativa y cuantitativa

Este tipo de análisis es sumamente frecuente en todos los ámbitos,  puesto que con frecuencia nos interesa 
saber si las categorías (o factores)  de una variable cualitativa (o también en otras situaciones, observa los  
ejemplos) presentan unos valores medios similares, o no.

2. Comparación de medias: Casos

La media de una variable respecto a un valor de interés (p ej: límite para instaurar una intervención).

- Es diferente el valor medio de colesterol de un grupo de sujetos de 200mg/dl.

La media de dos muestras apareadas o dependientes. Los valores que adquiere una influye en los

que adquiere la otra. Datos provienen del mismo conjunto de sujetos.

Los valores que adquiere una influye en los que  adquiere la otra. Datos provienen del mismo  conjunto de
sujetos.

-  ¿Es diferente la agregación plaquetaria de un grupo de individuos antes y después de tomar un

nuevo antiagregante?

La media de dos muestras desapareadas o independientes. Los valores que adquiere una no influyen

en los de la otra. Datos provienen de sujetos diferentes. Los valores que adquiere una no influyen en los de la 
otra. Datos provienen de sujetos diferentes

- ¿Es diferente el peso medio de chicos y chicas de esta clase?

-  ¿Y si fueran dos grupos? ¿Uno de estudio y otro control?

 - Es diferente la presión arterial sistólica media de un grupo de individuos catalogados por su

IMC (infra, normo, sobrepeso y obeso).

3. Test a aplicar...

Paramétricos

-  T de Student para 1 o dos muestras (o categorías)

 - ANOVA (para más de dos muestras o categorías independientes)

No paramétricos

-  Prueba U de Mann-Whitney (muestras independientes)

 - Test Wilconxon (muestras apareadas).

-  Test Kruskal-Wallis (más de dos muestras o categorías)

1 muestra o 2 muestras apareadas:

- Paramétrica: t-Student

- No Paramétricos: Wilconson

2 muestras independientes:

- Paramétrica: t-Student

- No Paramétricos: U de Mann-Whitney

K muestras independiente:

- Paramétrica: Anova

- No Paramétricos: Kruskal-Wallis

1º Determinar si se trata de una muestra o dos muestras  independientes o apareadas.

2º determinar si usaremos test paramétricos o no paramétricos

- Si la relación entre ambas medias sigue una  distribución normal se realizará Test  paramétrico.

- Si la relación entre ambas medias no sigue una  distribución normal se realizará Test no  paramétrico.

- Para la normalidad hacer test de kolmogorov-  Smirnov (n>50) o Shapiro-Wilk (n<50)

4. T de student como test paramétrico

Criterios de parametricidad

- Distribución Normalidad (Test K-S o Shapiro)

- Homocedasticidad o igualdad de varianzas

-Test Levene.

-F> 0,05: Se asume igualdad de varianzas

-F< 0,05: No hay igualdad de varianzas

- N muestral > 30

Permite contrastar

- Sí dos muestras proceden o no de la misma población.

- Si hay diferencia entre las dos medias.

Las muestras

- Muestras independientes

- Muestras dependientes

Esta función matemática nació en la fábrica de cerveza Guinness.

Origen de la t de Student:

A finales del siglo XIX.

- En Dublín la fábrica Guinness era la cervecería más  grande del mundo: la Guinness.

-Se consumía en Irlanda y Gran Bretaña y comenzaba  a exportarse por todo el mundo.

- A los dueños les preocupaba la calidad de su  producto.

-Fueron pioneros en establecer controles de  calidad.

- Contratan al estadístico y matemático inglés William Sealy Gosset (1876-1937).

-Objetivo: Optimizar el producto

-Analizar toda la producción es muy caro…

-Extraen muestras y trata de establecer conclusiones para toda la producción.

- Con la ayuda del matemático Karl Pearson, Gosset obtuvo resultados a los que en principio no se concedió
mucha importancia … pero que acabarían siendo claves para la estadística  moderna.

- Pero… Guinness prohibía la publicación de las  investigaciones realizadas por la compañía,  (secreto
industrial).

- Gosset decidió entonces utilizar el seudónimo  “Student” y publicarlas.

Con la t de Student comprobamos si existe una  diferencia estadísticamente significativa entre las  medias de
dos muestras o grupos. Es decir, comprobamos si las dos medias difieren  más de lo que consideramos normal
cuando las  muestras proceden de la misma población o, lo que  es lo mismo, si las medias no difieren entre sí
más de  lo que normal que difieran los sujetos entre sí.

5. Anova: Analysis of variation

- Método para comparar dos o más medias, que es necesario porque cuando se quiere comparar más de dos
medias es incorrecto utilizar repetidamente el contraste basado en la t de  Student.

- Anova, es un método que permite comparar  varias medias en diversas situaciones;

-Dos variables: 1 categórica (+ de dos categorías), 1  cuantitativa

- Está muy ligado al diseño experimental

- Es la base del análisis multivariable

- Con el análisis de varianza comprobamos si existen diferencias estadísticamente significativas entre más  de
dos grupos.

-Comprobamos si las diversas muestras podemos  considerarlas muestras aleatorias de la misma
población.

- Es el método apropiado cuando tenemos más de dos  grupos en el mismo planteamiento

-En vez de comparar las medias de dos en dos, utilizamos el  análisis de varianza

- Permite estudiar la asociación entre una variable cuantitativa y una variable cualitativa de más de dos
categorías, siempre que la cuantitativa siga una  distribución normal.

- El análisis de varianza, analizando varios grupos simultáneamente, nos dirá si entre las medias de los

grupos hay o no hay diferencias significativas (superiores a la variabilidad normal dentro de los  grupos),

-Pero… en el caso de que haya diferencias entre los grupos, el mero análisis de varianza no dice
directamente entre qué grupos está la diferencia; habrá después que comparar los grupos de dos en
dos mediante procedimientos análogos (hay varios) a la t de Student, denominados contrastes
posteriores. Análisis de comparaciones múltiple o “Post-hoc”. 

- Se basa en el cálculo del estadístico F de Fisher-  Schnedecor.

Ej. de un análisis de la varianza de un  factor

- Tres grupos de pacientes se sometieron a cuidados de enfermería diferentes. Posteriormente se midió la
efectividad de  los cuidados y se obtuvieron los siguientes resultados:

- Cuidado A: 34,35,37,38,39,34

- Cuidado B: 39,40,38,39,41

- Cuidado C: 35,37,36,38

Factor (cuidados) con 3 niveles (cuidado A, B y C)

¿Hay diferencia significativa entre los cuidados a un nivel de  confianza del 95%?

H0= las medias son iguales

- Comparar medias: Anova un factor

 - En el cuadro de dependientes se selecciona una variable  cuantitativa (intervalo o razón). 

-edad

-En el cuadro de factor se seleccionar una variable  categórica (nominal u ordinal) 

-Participación en peleas (si/no) (factor)

- Ho= participar en peleas no difiere con la edad

- A nivel de error del 95%.

- El estadístico de Levene permite contrastar la hipótesis  de que las varianzas poblacionales son iguales

- Levene= 0,571

- Sig= 0,451

- Como 0,451>0,05 aceptamos la Ho o de igualdad de varianzas …y concluir que las poblaciones
definidas por  participar o no en peleas ….no difieren en la edad.