UNIDAD 1 TIPOS Y USOS DE ESTADISTICA

La estadstica es una tcnica basada en la recoleccin, recuento, clasificacin, e

interpretacin de un conjunto de datos obtenidos a partir de la observacin, con el
propsito de poder llevar a cabo comparaciones y realizar estimaciones.
La estadstica es una ciencia formal y una herramienta que estudia el uso y los
anlisis provenientes de una muestra representativa de datos, busca explicar las
correlaciones y dependencias de un fenmeno fsico o natural, de ocurrencia en
forma aleatoria o condicional.
Sin embargo, la estadstica es ms que eso, es decir, es la herramienta
fundamental que permite llevar a cabo el proceso relacionado con la investigacin
cientfica.
Es transversal a una amplia variedad de disciplinas, desde la fsica hasta las
ciencias sociales, desde las ciencias de la salud hasta el control de calidad.
Se usa para la toma de decisiones en reas de negocios o instituciones
gubernamentales.
1.1 ESTADISTICA DESCRIPTIVA
Se dedica a la descripcin, visualizacin y resumen de datos originados a partir de
los fenmenos de estudio. Los datos pueden ser resumidos numrica o
grficamente. Ejemplos bsicos de parmetros estadsticos son: la media y la
desviacin estndar. Algunos ejemplos grficos son: histograma, pirmide
poblacional, grfico circular, entre otros.
1.2 ESTADISTICA INFERENCIAL
Se dedica a la generacin de los modelos, inferencias y predicciones asociadas a
los fenmenos en cuestin teniendo en cuenta la aleatoriedad de las
observaciones. Se usa para modelar patrones en los datos y extraer inferencias
acerca de la poblacin bajo estudio. Estas inferencias pueden tomar la forma de
respuestas a preguntas s/no (prueba de hiptesis), estimaciones de unas
caractersticas numricas (estimacin), pronsticos de futuras observaciones,
descripciones de asociacin (correlacin) o modelamiento de relaciones entre
variables (anlisis de regresin). Otras tcnicas de modelamiento incluyen anova,
series de tiempo y minera de datos.
1.3 ESTADISTICA PARAMETRICA
es una rama de la estadstica inferencial que comprende los procedimientos
estadsticos y de decisin que estn basados en las distribuciones de los datos

reales. Estas son determinadas usando un nmero finito de parmetros. Esto es,
por ejemplo, si conocemos que la altura de las personas sigue una distribucin
normal, pero desconocemos cul es la media y la desviacin de dicha normal. La
media y la desviacin tpica de la desviacin normal son los dos parmetros que
queremos estimar. Cuando desconocemos totalmente que distribucin siguen
nuestros datos entonces deberemos aplicar primero un test no paramtrico, que
nos ayude a conocer primero la distribucin.
La mayora de procedimientos paramtricos requiere conocer la forma de
distribucin para las mediciones resultantes de la poblacin estudiada. Para la
inferencia paramtrica es requerida como mnimo una escala de intervalo, esto
quiere decir que nuestros datos deben tener un orden y una numeracin del
intervalo. Es decir nuestros datos pueden estar categorizados en: menores de 20
aos, de 20 a 40 aos, de 40 a 60, de 60 a 80, etc, ya que hay nmeros con los
cuales realizar clculos estadsticos. Sin embargo, datos categorizados en: nios,
jvenes, adultos y ancianos no pueden ser interpretados mediante la estadstica
paramtrica ya que no se puede hallar un parmetro numrico (como por ejemplo
la media de edad) cuando los datos no son numricos.
Es la que requiere que los elementos que integran las muestras contengan
elementos parmetros o medibles. Puede resolver tres tipos de problemas:
Estimacin puntual: En la que pretendemos darle un valor al parmetro a estimar.
Estimacin por intervalos (buscamos un intervalo de confianza).
Contraste de hiptesis, donde buscamos contrastar informacin acerca del
parmetro.

1.4 ESTADISTICA NO PARAMETRICA

es una rama de la estadstica que estudia las pruebas y modelos estadsticos cuya
distribucin subyacente no se ajusta a los llamados criterios paramtricos. Su
distribucin no puede ser definida a priori, pues son los datos observados los que
la determinan. La utilizacin de estos mtodos se hace recomendable cuando no
se puede asumir que los datos se ajusten a una distribucin conocida, cuando el
nivel de medida empleado no sea, como mnimo, de intervalo.
Las principales pruebas no paramtricas son las siguientes:
Prueba de Pearson
Prueba binomial

Prueba de Anderson-Darling
Prueba de Cochran
Prueba de Cohen kappa
Prueba de Fisher
Prueba de Friedman
Prueba de Kendall
Prueba de Kolmogrov-Smirnov
Prueba de Kruskal-Wallis
Prueba de Kuiper
Prueba de Mann-Whitney o prueba de Wilcoxon
Prueba de McNemar
Prueba de la mediana
Prueba de Siegel-Tukey
Prueba de los signos
Coeficiente de correlacin de Spearman
Tablas de contingencia
Prueba de Wald-Wolfowitz
Prueba de los rangos con signo de Wilcoxon
La mayora de estos test estadsticos estn programados en los paquetes
estadsticos ms frecuentes, quedando para el investigador, simplemente, la tarea
de decidir por cul de todos ellos guiarse o qu hacer en caso de que dos test nos
den resultados opuestos. Hay que decir que, para poder aplicar cada uno existen
diversas hiptesis nulas y condiciones que deben cumplir nuestros datos para que
los resultados de aplicar el test sean fiables. Esto es, no se puede aplicar todos los
test y quedarse con el que mejor convenga para la investigacin sin verificar si se
cumplen las hiptesis y condiciones necesarias pues, si se violan, invalidan
cualquier resultado posterior y son una de las causas ms frecuentes de que un
estudio sea estadsticamente incorrecto. Esto ocurre sobre todo cuando el

investigador desconoce la naturaleza interna de los test y se limita a aplicarlos

sistemticamente.
Es importante mencionar que si la distribucin de los datos se ajusta a un tipo de
distribucin conocida, existen otras [pruebas] que, en la prctica, son ms
aconsejables pero que as mismo requieren otros supuestos. En este caso, la
estadstica a emplear es la estadstica paramtrica, dentro de la cual muchas
veces podemos encontrar equivalencias entre pruebas pero con diferencias en la
potencia entre ambas siendo siempre la potencia de las pruebas no paramtricas
menor que la potencia de las pruebas paramtricas equivalentes. Aun as, el uso
adecuado de los tamaos muestrales disminuye la posibilidad de cometer un [error
tipo II], puesto que aumenta al mismo tiempo la eficacia de la prueba . Es decir, a
medida que se aumenta el tamao de la muestra, disminuye la posibilidad de
cometer un error tipo II (un falso negativo: No rechazar la hiptesis nula cuando
sta en realidad es falsa).
UNIDAD 2 CONCEPTOS BASICOS DE ESTADISTICA

2.1 POBLACION
Es el conjunto de todos los posibles elementos que intervienen en un experimento
o en un estudio. La hay de dos tipos
Poblacin finita. Es aquella que indica que es posible alcanzarse o sobrepasarse
al contar. Es aquella que posee o incluye un nmero limitado de medidas y
observaciones.
Poblacin infinita. Es infinita si se incluye un gran conjunto de medidas y
observaciones que no pueden alcanzarse en el conteo. Son poblaciones infinitas
porque hipotticamente no existe lmite en cuanto al nmero de observaciones
que cada uno de ellos puede generar.

2.2 MUESTRA
Un conjunto de medidas u observaciones tomadas a partir de una poblacin dada.
Es un subconjunto de la poblacin.
Muestra representativa. Un subconjunto representativo seleccionado de una
poblacin de la cual se obtuvo.
Muestreo. Al estudio de la muestra representativa.

Es un subconjunto de la poblacin. Ejemplo: Estudiantes de 2do Semestre de la

Universidad UTN. Sus principales caractersticas son:
Representativa.- Se refiere a que todos y cada uno de los elementos de la
poblacin tengan la misma oportunidad de ser tomados en cuenta para formar
dicha muestra.
Adecuada y vlida.- Se refiere a que la muestra debe ser obtenida de tal manera
que permita establecer un mnimo de error posible respecto de la poblacin.
Para que una muestra sea fiable, es necesario que su tamao sea obtenido
mediante procesos matemticos que eliminen la incidencia del error.
Para calcular el tamao de la muestra suele utilizarse la siguiente frmula:

Donde:
n = el tamao de la muestra. N = tamao de la poblacin.
Desviacin estndar de la poblacin que, generalmente cuando no se tiene su
valor, suele utilizarse un valor constante de 0,5.
Z = Valor obtenido mediante niveles de confianza. Es un valor constante que, si no
se tiene su valor, se lo toma en relacin al 95% de confianza equivale a 1,96
(como ms usual) o en relacin al 99% de confianza equivale 2,58, valor que
queda a criterio del encuestador.
e = Lmite aceptable de error muestral que, generalmente cuando no se tiene su
valor, suele utilizarse un valor que vara entre el 1% (0,01) y 9% (0,09), valor que
queda a criterio del encuestador.
Ejemplo ilustrativo: Calcular el tamao de la muestra de una poblacin de 1000
elementos.
Solucin:
Se tiene N=1000, y como no se tiene los dems valores se tomar o=0,5 , Z =
1,96 y e = 0,05. Reemplazando valores en la frmula se obtiene:

2.3 VARIABLE
Son caracteres susceptibles a cambio y pueden tener diferentes valores en cada
elemento o individuo.
Clasificacin
- Variable Cualitativa
Son atributos que se expresan mediante palabras no numricas. Como por
ejemplo, profesin, religin, marca de automvil, estado civil, sexo, raza, etc.
- Variable Cuantitativa
Es toda magnitud representada por nmeros. Como por ejemplo, peso, estatura,
nmero de habitantes, etc.
- Variable Discreta
Es una caracterstica cuantitativa representada por nmeros enteros o exactos,
que generalmente resultan del proceso de conteo, como por ejemplo: nmero de
estudiantes de la promocin del ao anterior.
- Variable Continua
Es una caracterstica cuantitativa que puede tomar cualquier valor representado
por un nmero racional, que generalmente resultan del proceso de medicin,
como por ejemplo, tiempo destinado a estudiar Estadstica
Niveles de medicin
- Nivel Nominal
Cuando los datos slo pueden contarse y clasificados en categoras, no existe un
orden especfico entre las clases. Como por ejemplo, se cuentan cuntos hombres
y cuntas mujeres asisten a determinado evento.
- Nivel Ordinal

Cuando se ordenan los datos por jerarquas, una categora es mayor que otra.
Como por ejemplo, excelente es mejor que bueno o bueno es mejor que regular.
Otro ejemplo: Una persona puede tener mucho o poco dinero.
- Nivel de Intervalos
Cuando se incluye todas las caractersticas del nivel ordinal, pero la diferencia
entre los valores tiene un significado medido en unidades iguales que son
comunes y constantes, que permiten asignar nmeros reales a todos los
miembros de la clase ordenada, facilitando el establecimiento de diferencias en
grados de propiedad y entre objetos sobre la base de una medida. Como por
ejemplo: La diferencia entre 70 kilogramos y 60 kilogramos, es de 10 kilogramos.
Otro ejemplo: Si la temperatura de hoy es de 20 grados centgrados y la de ayer
fue de 25 grados centgrados, se sabe que la de hoy es 5 grados centgrados ms
baja que la de ayer.
- Nivel de Razn o Cociente
Este es el nivel de medicin "ms alto", tiene todas las caractersticas del nivel de
intervalos y adems en este nivel de medicin el cero tiene significado (as si se
tiene 0 dlares, entonces no se poseen fondos), y la razn (o cociente) entre dos
nmeros tambin es significativa (Un estudiante obtiene una calificacin de 3/10 y
otro 6/10, el segundo estudiante obtiene el doble que el primero).

2.4 DATO
Los datos son agrupaciones de cualquier nmero de observaciones relacionadas.
Para que se considere un dato estadstico debe tener 2 caractersticas: a) Que
sean comparables entre s. b) Que tengan alguna relacin.
2.5 EXPERIMENTO
Es una actividad planificada, cuyos resultados producen un conjunto de datos. Es
el proceso mediante el cual una observacin o medicin es registrada.
2.6 PARAMETRO
Se conoce como parmetro al dato que se considera como imprescindible y
orientativo para lograr evaluar o valorar una determinada situacin. A partir de un
parmetro, una cierta circunstancia puede comprenderse o ubicarse en
perspectiva. Por dar algunos ejemplos concretos: Si nos basamos en los
parmetros habituales, resultar imposible comprender esta situacin, El
paciente est evolucionando de acuerdo a los parmetros esperados, Estamos

investigando pero no hay parmetros que nos permitan establecer una relacin
con el caso anterior, La actuacin del equipo en el torneo local es el mejor
parmetro para realizar un pronstico sobre su participacin en el campeonato
mundial.

2.7 ESTADISTICO
es una medida cuantitativa, derivada de un conjunto de datos de una muestra, con
el objetivo de estimar o inferir caractersticas de una poblacin o modelo
estadstico.
Ms formalmente un estadstico es una funcin medible T que, dada una muestra
estadstica
de
valores
(X_1,X_2,...,X_n),
les
asigna
un
nmero,
T(X_1,X_2,...,X_n), que sirve para estimar determinado parmetro de la
distribucin de la que procede la muestra. As, por ejemplo, la media de los valores
de una muestra (media muestral) sirve para estimar la media de la poblacin de la
que se ha extrado la misma; la varianza muestral podra usarse para estimar la
varianza poblacional, etc.1 Esto se denomina como realizar una estimacin
puntual.
2.8 SESGO
Se llama sesgo de un estimador a la diferencia entre su esperanza matemtica y
el valor numrico del parmetro que estima. Un estimador cuyo sesgo es nulo se
llama insesgado o centrado.
En notacin matemtica, dada una muestra X_1, \dots, X_n\, iid
X
estimador T(x_1, \dots, x_n)\, del parmetro muestral \theta\,, el sesgo es:

y un

E(T) - \theta\,
El no tener sesgo es una propiedad deseable de los estimadores. Una propiedad
relacionada con sta es la de la consistencia: un estimador puede tener un sesgo
pero el tamao de ste converge a cero conforme crece el tamao muestral.
Dada la importancia de la falta de sesgo, en ocasiones, en lugar de estimadores
naturales se utilizan otros corregidos para eliminar el sesgo. As ocurre, por
ejemplo, con la varianza muestral.
En el diseo y elaboracin de un estudio de investigacin en clnica, puede haber
distintos tipos de sesgos:

de seleccin: debido a que los grupos no comparables a causa de cmo se

eligieron los pacientes o sujetos.
de informacin: debido a que los grupos no comparables a causa de cmo se
obtuvieron los datos.
de confusin: debido a una mezcla de efectos debido a una tercera variable
(variable de confusin).
2.9 CONFIABILIDAD
Una medicin es confiable si podemos esperar en forma razonable que los
resultados de dicha medicin sean sistemticamente precisos. Esto requiere que
el instrumento usado para realizar la medicin (como por ejemplo una prueba o
examen a estudiantes) sea confiable. Por ejemplo, una pistola es por completo
confiable si siempre da en el blanco al ser apuntada exactamente en la misma
direccin. En otras palabras, si la bala que dispara siempre da en el punto al cual
se apunta la pistola. O sea, que si la pistola no da en el blanco es porque la
persona que la dispar fall, o sea, no apunt correctamente.
2.10 VALIDEZ
Una medicin es vlida si mide lo que en realidad trata de medir. Por ejemplo,
una prueba de matemtica no es vlida para medir el rendimiento de
alfabetizacin de los estudiantes. Tampoco sera vlida una prueba culturalmente
sesgada. En el caso de la pistola, si sta no es apuntada en la direccin del
blanco, sino que fuera de l, simplemente jams dar en el blanco, por muy
confiable que sea.
El problema de la validez, entonces, consiste asegurarnos de que estamos
midiendo lo que deseamos medir o, de acuerdo con nuestro ejemplo, que estamos
apuntando en la direccin correcta. El problema de la confiabilidad, en cambio, se
resuelve utilizando un instrumento preciso (una pistola en perfecto estado).
2.11 DISEO DE MUESTRA

Proporcionar informacin para un estudio de investigacin.

Medir el desempeo en un servicio o proceso de produccin.
Ayudar a una mejor toma de decisiones
Satisfacer nuestra curiosidad.

Ejemplos :

El gerente de una empresa desea controlar un proceso de manera regular para

investigar la calidad del servicio.
Un investigador de mercados busca las caractersticas que distinguen su producto
del de sus competidores.
Cmo disear la muestra?
La fase del diseo de la muestra est relacionada con :
La estructuracin de los instrumentos para recoger datos.
Con las tcnicas estadsticas susceptibles de emplearse para el anlisis.
Con los resultados.
El disear la muestra implica:
Calcular el numero de casos.
Definir quienes sern los encuestados.
Prever los problemas para su levantamiento.
Lugar de entrevista.
Estrategia para sustituir encuestados.
Rutas que deben seguirse para su aplicacin.
Presentar 2 o mas opciones de muestra
Los puntos a discutirse son:
Los objetivos del Anlisis.
La disponibilidad de recursos financieros, humanos y materiales.
El nivel de confianza y precisin para estimar parmetros de la poblacin.
La forma de la poblacin (homognea o heterognea).
El tipo de preguntas (abiertas, cerradas).
El nmero de preguntas que est en relacin con la cantidad de variables sujetas
a investigacin.
El plan de anlisis estadstico

Qu tipos de muestra existen?

Muestreo probabilstica:
Las unidades de anlisis o de observacin son seleccionadas en forma aleatoria
Aleatoria simple
Estratificado
Por racimos
Sistemtico
Muestreo no probabilistico:
Es muy cmodo y econmico pero tiene el inconveniente de que los resultados
de la muestra no pueden generalizarse para toda la poblacin.
Cuotas
Intencional o selectivo

UNIDAD 3 LOS DISEOS EPIDEMIOLOGICOS

son el conjunto de actividades intelectuales y experimentales realizadas de modo
sistemtica con el objeto de generar conocimientos sobre las causas que originan
las enfermedades humanas.
Los estudios epidemiolgicos permiten establecer la relacin entre las causas de
la enfermedad (variables independientes) y la influencia de stas sobre el
surgimiento de la enfermedad (variables dependientes).
3.1 OBSERVACIONALES
El investigador no interviene. Se limita a observar y describir la realidad. Ejemplos
son el estudio caso control, estudio de cohortes y el estudio de la prevalencia.
son estudios de carcter estadstico y demogrficos, ya sean de tipo sociolgico o
biolgico -estudios epidemiolgicos- en los que no hay intervencin por parte del
investigador, y ste se limita a medir las variables que define en el estudio.
Un estudio observacional puede ser descriptivo o analtico.

Los estudios epidemiolgicos observacionales pueden ser de tres tipos

dependiendo del momento en que se llevan a cabo y de la informacin disponible
en cada caso:1

Estudios longitudinales: Se desarrollan durante un "perodo" definido de tiempo y

suponen trabajar con dos bloques de la informacin relativos a la misma
poblacin, la existente al comienzo del perodo en estudio y la existente al final de
ese perodo (p.e. estudios de historia demogrfica y biomtrica, fecundidad,
mortalidad...). stos pueden ser a su vez:1
Estudio caso control: Son "retrospectivos".
Estudio de cohorte: Son de carcter "prospectivo".
Estudios transversales: Se desarrollan en un "momento" concreto del tiempo. Son
los estudios de prevalencia. (p.e. pirmides de poblacin)
VENTAJAS
Los estudios observacionales,

Son ms prcticos y factibles de realizar ya que la cooperacin de los

sujetos es menos necesaria
Sus resultados son ms generalizables a poblaciones geogrfica o
demogrfica mente definidas, lo que permite que este tipo de estudios sean
apropiados para establecer metas de salud pblica orientadas a una
determinada accin.

INCONVENIENTES

Escaso control de las influencias de los factores de confusin sobre los

resultados del estudio.
Debido a la falta de control por parte del investigador, cada estudio
observacional tiende a ser nico, siendo muy difcil reproducir los resultados
por otro investigador.

3.1.1 DESCRIPTIVOS
Es un tipo de metodologa a aplicar para deducir un bien o circunstancia que se
est presentando; se aplica describiendo todas sus dimensiones, en este caso se
describe el rgano u objeto a estudiar. Los estudios descriptivos se centran en
recolectar datos que describan la situacin tal y como es.

Los estudios descriptivos clsicos son los estudio de serie de casos y los estudios
de prevalencia.
Objetivos de un estudio descriptivo
Identificar casos de enfermedad, estimar su frecuencia y examinar tendencias de
la poblacin estadstica segn las variables de estudio.
Justificar estudios analticos para probarse hiptesis especficidades.
Otro tipo del Trmino descriptivo es que el lector obtenga una imagen exacta de la
realidad que estamos transmitiendo en palabras as que representa lo que el lector
cree poder describir mediante una idea.
Funcin
Su funcin es describir cmo se distribuye una enfermedad o evento en cierta
poblacin, en un lugar y durante un perodo de tiempo determinado; cul es su
frecuencia y cules son los determinantes o factores con ella asociados.
La Epidemiologa Descriptiva considera
-Que poblacin o subgrupos desarrollan la enfermedad o lo hacen con ms
frecuencia.
-Como la frecuencia de sta vara a lo largo del tiempo y/o en poblaciones con
diferentes caractersticas.
-En que localizacin geogrfica es ms o menos frecuente dicha enfermedad.
A partir de la descripcin de la distribucin de estos eventos, se podr arriesgar
una explicacin o "hiptesis" que d cuenta de las causas que los producen.
En lneas generales, si Ustedes quieren describir la ocurrencia de una
enfermedad entonces tendrn que utilizar algunos de los distintos diseos
descriptivos
Si tienen datos de una sola persona o de un grupo de personas que
experimentaron una determinada enfermedad y quiere describir estos casos
debidos, por ejemplo, a la rareza de la enfermedad en cuestin, entonces debern
optar por un diseo descriptivo. En esta situacin, entonces, lo nico que harn es
describir detalladamente la enfermedad en uno o varios individuos.

ESTUDIOS DE PREVALENCIA
se denomina prevalencia a la proporcin de individuos de un grupo o una
poblacin que presentan una caracterstica o evento determinado en un momento
o en un perodo determinado ("prevalencia de periodo"). Por tanto podemos
distinguir dos tipos de prevalencia: puntual y de periodo.
Prevalencia puntual: cuntas personas de un grupo definido estn enfermas en un
determinado momento. Ejemplo hipottico: 1% de los empleados estn esta
semana enfermos.
Prevalencia de periodo: la proporcin de personas que estn o estarn enfermas
en algn momento. Ejemplo hipottico: 10% de los habitantes de este pueblo
tendr cncer en algn momento durante su vida.
La prevalencia de una enfermedad es el nmero total de los individuos que
presentan un atributo o enfermedad en un momento o durante un periodo dividido
por la poblacin en ese punto en el tiempo o en la mitad del periodo. Cuantifica la
proporcin de personas en una poblacin que tienen una enfermedad (o cualquier
otro suceso) en un determinado momento y proporciona una estimacin de la
proporcin de sujetos de esa poblacin que tenga la enfermedad en ese momento.
Es un parmetro til porque permite describir un fenmeno de salud, identificar la
frecuencia poblacional del mismo y generar hiptesis explicatorias. La utilizan
normalmente los epidemilogos, las personas encargadas de la poltica sanitaria,
las agencias de seguros y en diferentes mbitos de la salud pblica.
CARACTERISTICAS

Es una proporcin. Por lo tanto, no tiene dimensiones y su valor oscila entre 0

y 1, aunque a veces se expresa como porcentaje.
Es un indicador esttico, que se refiere a un momento temporal.
La prevalencia indica el peso o la abundancia del evento que soporta una
poblacin susceptible, teniendo su mayor utilidad en los estudios de
planificacin de servicios sanitarios.
En la prevalencia influye la velocidad de aparicin del evento y su duracin.
Por ello es poco til en la investigacin causal y de medidas teraputicas.
La prevalencia no debe confundirse con la incidencia. La incidencia es una
medida del nmero de casos nuevos de una enfermedad en un perodo
determinado. Podra considerarse como una tasa que cuantifica las personas
que enfermarn en un periodo. La prevalencia se refiere a todos los individuos
afectados, independientemente de la fecha de contraccin de la enfermedad.
Es decir, que con la prevalencia puede saberse en un determinado momento

cuantos enfermos hay. Una enfermedad de larga duracin que se extiende

ampliamente en una comunidad en 2002 tendr una alta prevalencia en 2003
(asumiendo como duracin larga un ao o ms), pero puede tener, sin
embargo, una tasa de incidencia baja en 2003. Por el contrario, una
enfermedad que se transmite fcilmente pero de duracin corta, puede tener
una baja prevalencia y una alta incidencia. La prevalencia es un parmetro til
cuando se trata de infecciones de larga duracin, como por ejemplo el SIDA,
pero la incidencia es ms til cuando se trata de infecciones de corta duracin,
como por ejemplo la varicela.
La prevalencia de una enfermedad en una poblacin determinada influye en la
eficacia real de una prueba para diagnosticar dicha enfermedad en esa
poblacin concreta. Se trata de un parmetro que, junto con los valores de
sensibilidad y especificidad intrnsecos a esa prueba, permite obtener
aplicando el teorema de Bayes los valores predictivos positivo y negativo, que
son probabilidades de que la enfermedad est realmente presente o no si el
resultado de la prueba es positivo o negativo, respectivamente. En definitiva,
se trata de que esas probabilidades de acierto por parte del test sern mayores
en funcin no solo de la muestra sobre la que se realiza el estudio, sino
tambin de la poblacin de la que procede. Por ejemplo, si tratamos de
detectar una enfermedad muy rara (con baja prevalencia)en una poblacn A
con una prueba de diagnstico, la cantidad de falsos positivos que vamos a
obtener va a ser mayor con respecto a los falsos positivos que obtendramos
usando esa misma prueba en otra poblacin B donde la enfermedad es mucho
ms abundante (alta prevalencia), lo cual equivale a decir que en la poblacin
A la probabilidad de que una persona est realmente enferma si la prueba da
positivo es menor que en la poblacin B.

SERIE DE CASOS
Un estudio de serie de casos clnicos (o situaciones de cualquier tipo que estn
relacionados con la investigacin cientfica, industrial, acadmica, etc.) es un
estudio epidemiolgico, descriptivo, que se limita a la simple identificacin y
descripcin de un conjunto de casos clnicos que han aparecido en un intervalo de
tiempo.
En el caso de nuevas enfermedades o frmacos, las series de casos contribuyen a
la caracterizacin del perfil y delimitacin de nuevas entidades nosolgicas. Sin
embargo para valorar la importancia de los antecedentes y posibles asociaciones
es necesaria la presencia de un grupo control que sirva de referencia y
comparacin.

ESTUDIOS ECOLOGICOS
Un estudio ecolgico es un tipo de estudio epidemiolgico basado en la poblacin
como unidad de estudio, en el que falta informacin sobre la relacin en el
individuo entre el factor de exposicin y la enfermedad en la poblacin en estudio.
TIPOS DE ESTUDIO

Estudio ecolgico exploratorio.

Estudio con emigrantes.
Estudio ecolgico de comparacin.
Estudio ecolgico de tendencias.
Estudio ecolgico mixto.

VENTAJAS

Son relativamente baratos y factibles, especialmente con datos secundarios

obtenidos de bases de datos poblacionales. Es til para seleccionar nuevas
hiptesis.
Es til para evaluar la efectividad de programas, intervenciones y polticas de
salud en la poblacin, especialmente cuando los efectos en el individuo
(eficacia) no se prueban, pero son conocidos por investigaciones previas.
A veces sirven para identificar ciertos tipos de efectos que no se detectan en el
individuo.

INCONVENIENTES

Falacia ecolgica: Debido a que los grupos no son totalmente homogneos con
respecto al estado de exposicin, el realizar inferencias causales est limitado
por la asociacin que se realiza en el grupo ms que en el individuo, es decir
no es correcto extrapolar datos de la poblacin al individuo, por el diseo de
este estudio.
Multicolinealidad: Es difcil separar los efectos observados de dos o ms
exposiciones.
Muchos datos no estn disponibles cuando estn agregados en la poblacin.
Ambigedad temporal: A menudo no se puede determinar si la exposicin
precede a la enfermedad.
En los estudios de tendencias es difcil separar las influencias de cambios en
un intervalo corto de tiempo de las influencias de un intervalo grande de
tiempo.

3.1.2 ANALITICOS

es un estudio epidemiolgico en el que el anlisis del estudio se establecen

relaciones entre las variables, de asociacin o de causalidad. Cuando se plantea
realizar un estudio analtico, se conoce bastante sobre la enfermedad, as pueden
probarse hiptesis especficas previas surgidas de un estudio descriptivo.
Son estudios analticos tpicos: El estudio de cohorte, el estudio caso control y el
ensayo clnico.
Objetivos de un estudio analtico

Probar hiptesis etiolgicas o preventivas y estimar los efectos crnicos

sobre la salud.
Justificar estudios adicionales para probar hiptesis an ms especficas.
Sugerir aspectos potenciales para la prevencin de la enfermedad o
promocin de la salud.
Analizar los aspectos potenciales
Analizar 3 veces para decir algo mente/mental

ESTUDIOS DE COHORTES
es un estudio epidemiolgico, observacional, analtico, longitudinal prospectivo, en
el que se hace una comparacin de la frecuencia de enfermedad (o de un
determinado desenlace) entre dos poblaciones, una de las cuales est expuesta a
un determinado factor de exposicin o factor de riesgo al que no est expuesta la
otra. Los individuos que componen los grupos de estudio se seleccionan en
funcin de la presencia de una determinada caracterstica o exposicin.
Estos individuos no tienen la enfermedad de inters y son seguidos durante un
cierto periodo de tiempo para observar la frecuencia con que la enfermedad
aparece en cada uno de los grupos. Tambin se llama estudio de seguimiento, de
proyeccin o de incidencia, y tienen por objetivo medir causalidad entre factores
de riesgo y la enfermedad a estudiar.
Los estudios de seguimiento son los estudios prospectivos clsicos,
caracterizados por el hecho de que el planteamiento del estudio se produce con
anterioridad al desarrollo de la enfermedad. A pesar de que se trata de estudios
muy costosos, al requerir grandes recursos econmicos y de tiempo, y de gran
solidez ya que la probabilidad de que estn sesgados es menor, hay que cuidar
extremadamente los aspectos del diseo y evitar sesgos, especialmente de
clasificacin y el de los trabajadores sanos.
Tcnicas de un estudio de cohorte

Seleccionar una muestra de estudio sanos de poblacin.

Medir variables de exposicin en la muestra, si el factor de riesgo est
ausente o presente.
Seguir a la cohorte.
Medir las variables de resultado, es decir, la presencia o ausencia de
enfermedad.
Ventajas de un estudio de cohorte[editar]
Estudiar factores de exposicin extraos.
Visualizar los mltiples efectos que puede tener una exposicin
Observar simultneamente los efectos de varias exposiciones (siempre y
cuando esta posibilidad sea planteada desde el principio del estudio).
Posibilitar la muestra de la secuencia temporal entre exposicin y
desenlace
Permitir la estimacin de incidencia y riesgo relativo.
Establecer claramente la secuencia de sucesos de inters como es la
exposicin-enfermedad.
Evitar el sesgo de supervivencia.
Tener mejor control sobre la seleccin de sujetos.
Tener mayor control de las medidas.
Se caracteriza por tener movimiento.
Inconvenientes de un estudio de cohorte[editar]
Requiere a menudo grandes tamaos muestrales.
No es eficiente en eventos raros o con largos perodos de latencia.
Su ejecucin puede requerir mucho tiempo y dinero.
No es til para enfermedades raras.

Son estudios caros por la cantidad de personas y el tiempo de seguimiento

necesarios, as como por los esfuerzos que han de llevarse a cabo para que la
calidad del seguimiento minimice las prdidas entre las poblaciones que se
siguen, mantenindolas en un nivel aceptable.
Como alternativa, existe otro tipo de estudios de cohortes: las cohortes
retrospectivas, en las cuales la investigacin se plantea despus de haberse
producido la enfermedad, para lo cual tanto la presencia de exposicin como la de
desenlace deben provenir de registros histricos de alta fiabilidad en los que se
hayan registrado con precisin la exposicin y el desenlace, en el momento de
producirse. Surge la siguiente pregunta: es tica la realizacin de estudios de
cohortes?
Ejemplos de estudios de cohorte

The Framingham Heart Study es uno de los estudios de cohorte ms conocidos al

estudiar los factores de riesgo cardiovascular.
El United Kingdom Prospective Diabetes Study (UKPDS) es el estudio de cohorte
sobre la evolucin de la diabetes mellitus tipo 2.

ESTUDIO DE CASOS Y CONTROLES

es un estudio epidemiolgico, observacional, analtico, en el cual los sujetos son
seleccionados en funcin de que tengan (casos) o no tengan (control) una
determinada enfermedad, o en general un determinado efecto. Una vez
seleccionados los individuos en cada grupo, se investiga si estuvieron expuestos o
no a una caracterstica de inters y se compara la proporcin de expuestos en el
grupo de casos frente a la del grupo de controles.
Tipos de estudio de casos y controles
Estudio de casos y controles retrospectivo: Todos los casos han sido
diagnosticados antes del inicio del estudio.
Estudio de casos y controles prospectivo: Los casos son diagnosticados con
posterioridad al inicio del estudio y as pueden incluirse los nuevos casos
detectados durante un cierto tiempo establecido previamente.
Estudio de casos y controles de base poblacional: Combina elementos del estudio
de cohorte y de casos y controles. Se sigue a un grupo de individuos hasta cuando
aparezca la enfermedad de inters de igual forma del estudio de cohortes. Estos
casos se comparan con un grupo control, muestreado de la misma poblacin. Una
vez obtenidos todos los casos y los controles se analiza el tipo de exposicin
previa o actual, como en un estudio de casos y controles.
Estudio casos y controles anidados: Es un estudio caso control en el cual tanto los
casos como los controles son tomados de la poblacin que participa en un estudio
de cohortes. Como los datos de esta poblacin se obtienen a lo largo del tiempo,
se reduce la posibilidad de sesgos de seleccin e informacin, que son comunes
en los diseos caso control.
Tcnica de un estudio de casos y controles
Seleccionar una muestra de poblacin con la enfermedad o con el problema de
estudio. A los individuos de esta muestra se les llama casos.

Seleccionar una muestra de la poblacin de riesgo de enfermar pero que est libre
de la enfermedad problema, que ser el grupo control.
Medir las variables predictoras, que son los factores de riesgo.
Ventajas de los estudios de casos y controles
Son tiles para estudiar eventos raros o dichas enfermedades.
Permiten el estudio con tamaos muestrales relativamente pequeos.
Exigen poco tiempo en su ejecucin.
Relativamente baratos comparados con los estudios de cohortes. Los de diseo
de base poblacional suelen ser ms caros.
Proporcionan estimadores de odds ratio.
Evalan muchos factores de riesgo para una enfermedad o suceso.
Inconvenientes de los estudios de casos y controles
Es ineficiente para el estudio de efectos de exposicin raros.
No establece la secuencia de eventos de inters.
Posibles errores de seleccin de casos y controles. Este sesgo es menor en el
diseo de base poblacional.
Posible sesgo de supervivencia.
Slo pueden estudiar una variable de resultado (enfermedad).
No proporcionan estimadores de prevalencia, incidencia o riesgo atribuible. En el
diseo de base poblacional, s se puede estimar la incidencia.
Son inapropiados cuando el resultado de inters no se conoce al comienzo del
estudio o cuando el resultado es una variable continua.
3.2 ESPERIMENTALES
Un ensayo clnico es una evaluacin experimental de un producto, sustancia,
medicamento, tcnica diagnstica o teraputica que, en su aplicacin a seres
humanos, pretende valorar su eficacia y seguridad.
Los estudios de prometedores tratamientos nuevos o experimentales en pacientes
se conocen como ensayos clnicos. Un ensayo clnico se realiza slo cuando hay
razones para creer que el tratamiento que se est estudiando puede ser

beneficioso para el paciente. Los tratamientos usados en los ensayos clnicos con
frecuencia demuestran tener beneficios reales. Los investigadores realizan
estudios sobre nuevos tratamientos para conocer la utilidad del nuevo tratamiento,
el mecanismo de accin del nuevo tratamiento, si la efectividad es mayor que
otros tratamientos ya disponibles, los efectos secundarios del nuevo tratamiento y
si son mayores o menores que el tratamiento convencional, si supera los
beneficios a los efectos secundarios y en qu pacientes el nuevo tratamiento es
ms til.
3.2.1 ENSAYO CLINICO NO CONTROLADO
Un estudio no controlado obtiene resultados que se comparan con datos
histricos, que se obtuvieron previamente con otro tratamiento o que son
consecuencia de la evolucin natural de una enfermedad. Existe el peligro en este
tipo de estudios, de que las poblaciones no sean comparables, o de que los
medios utilizados para obtener los resultados sean diferentes, lo cual puede
condicionar la comparacin.
3.2.2 ESNSAYO CLINICO CONTROLADO
El ensayo clnico es un estudio experimental en el que en el diseo de
investigacin estn definidas las variables y los mecanismos de control de dichas
variables, cuya funcin es evitar los sesgos y las variables de confusin. Existe un
grupo con el que se compara la intervencin experimental. Este grupo sufre
tambin una intervencin con un procedimiento placebo o con un procedimiento
estndar de referencia, ya validado para la situacin objeto de estudio. Para que
ambos grupos sean comparables todos los factores pronsticos, tanto los
conocidos (mediante los criterios de seleccin) como los desconocidos (mediante
la asignacin aleatoria), deben estar repartidos por igual entre los grupos antes de
iniciar el tratamiento. Pueden existir ms de un grupo de intervencin experimental
cuando queremos probar ms de una hiptesis, as como ms de un grupo de
control cuando existe ms de una intervencin validada que se sabe eficaz. Esto
se suele hacer cuando se quiere estratificar la eficacia de las intervenciones. A
cada grupo, tanto de intervencin como de control, se les llama brazos del estudio.
Un ejemplo: Queremos probar la eficacia de dos frmacos A y B en la enfermedad
E, para la cual ya se han mostrado efectivos los frmacos C y D. Pues bien,
podemos hacer los siguientes grupos: grupo del frmaco A, grupo del frmaco B,
grupo del frmaco C, grupo del frmaco D y grupo con placebo. Tras el anlisis
estadstico de los resultados, la comparacin de los brazos A y B con el brazo
placebo nos dir si los frmacos son o no eficaces en esa enfermedad. La
comparacin con los brazos C y D nos dir el grado de eficacia respecto a lo ya

conocido. As, podemos conseguir resultados del tipo: El frmaco A no es eficaz,

mientras que el B s lo es, siendo ms eficaz que el C pero menos que el D.
ENSAYO CLINICO ALEATORIO Y NO ALEATORIO
Lo podemos encontrar frecuentemente bajo el trmino randomizado, neologismo
ingls que en ocasiones hasta se declina como si fuera un verbo castellano:
randomizar. La aleatorizacin significa que los casos son distribuidos al azar en
cada brazo del estudio. El objetivo es conseguir que los diferentes grupos sean
comparables u homogneos, evitar el sesgo del investigador en la asignacin de
casos a los grupos y garantizar que los tests estadsticos tendrn valores de
significacin estadstica vlidos. Existen varias alternativas metodolgicas de
aleatorizacin, que deben ser consideradas en la fase de planificacin del estudio,
y cuya idoneidad depende de las caractersticas del ensayo a efectuar. En
Medicina y otras ciencias biolgicas, las tcnicas de aleatorizacin ms usadas
son:
Aleatorizacin simple
Consiste en la asignacin a cada uno de los brazos con una probabilidad
constante y conocida de antemano. Un ejemplo sera en un estudio con dos
brazos tirar una moneda al aire. Si sale cara se asigna a un brazo y si sale cruz se
asigna al otro brazo. La probabilidad sera constante y conocida: 1/2. En la
actualidad se suele efectuar la asignacin utilizando programas de ordenador y se
realiza antes del inicio del estudio bien con una tabla o con un generador de
nmeros aleatorios oculto al investigador.
Aleatorizacin simple
Ventajas
Sencillez
Fcil
realizacin

Inconvenientes
Tamao desigual de los
brazos en muestras <100
sujetos.
Desigual
distribucin
respecto a los factores de
seleccin de la muestra en
muestras
pequeas
y
ensayos de corta duracin.
Imposibilita
los
anlisis
intermedios.
Grupos desequilibrados en

estudios multicntricos.2
Aleatorizacin restrictiva o equilibrada
La aleatorizacin restrictiva o equilibrada se realiza igual que la asignacin
aleatoria simple pero en sta se asegura que el nmero de sujetos de cada
brazo del ensayo sea el mismo, con lo cual se facilita el anlisis de los
resultados. El nmero de sujetos se puede determinar de forma global o
creando bloques con aleatorizacin interna y entre ellos, pero que pueden o no
ser iguales entre s; teniendo cada eleccin sus ventajas e inconvenientes.
Aleatorizacin restrictiva
Tipo

Ventajas

Aleatorizacin
restrictiva global

Aumenta
la potencia
estadstica
.

Aleatoriza
cin
restrictiva
por
bloques

Equilibrad
a en los
estudios
multicntri
cos.

Inconvenientes
Es
desequilibr
ada en los
estudios
multicntri
cos.
Problema
s
en
cuanto a la
eleccin
del tamao
de
los
bloques

Aleatorizacin estratificada
Cuando alguno de los factores pronsticos presenta gradientes en su definicin
(por ejemplo pacientes con enfermedad leve o grave), la aleatorizacin simple o la
equilibrada no puede asegurar la adecuada distribucin de estos gradientes en
cada brazo del estudio. La aleatorizacin estratificada clasifica los pacientes en
diferentes estratos o categoras segn determinados criterios pronsticos
conocidos antes de la asignacin aleatoria. Los pacientes de cada categora son
asignados de forma independiente a cada brazo del estudio mediante un
procedimiento de aleatorizacin propio. De esta manera se consigue que los
grupos contengan aproximadamente el mismo nmero de sujetos en cada
gradiente definido.

Aleatorizacin estratificada
Ventajas

Inconvenientes

til en ensayos
pequeos
En
estudios
multicntricos
cada centro puede
ser un estrato.
Asegura
la
correcta
aleatorizacin
cuando
hay
gradientes.

Muchos gradientes
obligan a un elevado
nmero de estratos,
lo que dificulta la
realizacin
del
3
ensayo.

Aleatorizacin por grupos

Tambin conocida como aleatorizacin por agregados o cluster design (del
ingls, diseo agrupado), esta tcnica agrupa a sujetos heterogneos entre s
en grupos que se consideran como sujetos individuales de cara al estudio. La
homogeneizacin se realiza entre los grupos seleccionados al igual que la
seleccin delgrupo de control. Esta tcnica es til para valorar la utilidad de
programas de educacin para la salud u otros proyectos en los que exista un
gran nmero de factores pronsticos con la presencia de varios gradientes en
los mismos. As, si por ejemplo queremos valorar la eficacia de un anuncio
televisivo para evitar los accidentes de trfico, los factores pronsticos seran
muy variados (edad, sexo, raza, grupo cultural, conducir con o sin licencia,
etc.) al igual que los gradientes presentes (antigedad en la licencia, nivel
cultural, duracin de la conduccin, etc.). Igualmente habra que tener en
cuenta la interaccin de los individuos en el trabajo, la compra o el colegio, al
hablar del anuncio entre ellos. Las tcnicas habituales seran muy inexactas o
prcticamente imposibles de implementar. En este caso se podra coger como
sujetos individuales los pueblos. Se realizara el estudio en cada pueblo y se
compararan los resultados entre ellos. As, en unos se divulgara el anuncio
televisivo, mientras que en otros no (grupo de control), siendo la seleccin de
los pueblos por sus caractersticas similares. Otros ejemplos de grupos
podran ser colegios, o empresas, etc.
Aleatorizacin por grupos

Ventajas
Evalan
intervenciones
de
efecto grupal
Han
mejorado
mucho la eficacia de
programas de salud,
educativos, etc.

Inconvenientes
Dificultad
para
determinar
el
tamao muestral
Menor potencia
estadstica
No permite llegar
a
conclusiones
respecto
a
individuos.

ENSAYO CLINICO PARALELO Y CRUZADO

En los estudios paralelos los diferentes grupos en estudio participan en el mismo
de forma simultnea, se realiza el seguimiento a lo largo de la duracin del estudio
en todos los grupos a la vez. En los estudios cruzados los mismos individuos
reciben dos o ms tratamientos en diferentes periodos, de forma que cada uno de
ellos sirve como su propio control.
En determinadas circunstancias, cuando la variabilidad intraindividual es inferior a
la interindividual, el ensayo clnico cruzado parece el ms adecuado para
aumentar la sensibilidad del estudio y reducir el nmero de pacientes necesario
para responder a la hiptesis. Incluso puede pensarse que es lo ms parecido a la
prctica clnica habitual, en la que se utilizan diferentes frmacos en un mismo
paciente, hasta que se encuentra el que mejor funciona en una determinada
persona.
Sin embargo, es un diseo que puede presentar algunos problemas. En primer
lugar, solo puede usarse en enfermedades relativamente estables, con una
evolucin lenta, de forma que en los diferentes periodos de estudio la enfermedad
no haya cambiado, siga siendo comparable. Por tanto, no es til este diseo en el
estudio de la eficacia de un tratamiento en enfermedades agudas o autolimitadas,
o en aquellas que se curen al aplicar un determinado tratamiento (por ejemplo,
muchas infecciones). Tampoco tiene sentido en los estudios en los que la variable
de medida principal es la supervivencia o la aparicin de un suceso irreversible
(infarto, ACV...).

En segundo lugar, es necesario establecer un periodo de lavado suficientemente

largo entre los diferentes tratamiento, con el fin de que no quede un efecto residual
del tratamiento previo cuando se empieza a utilizar el nuevo. En cualquier caso,
puede haber un aprendizaje como consecuencia de la experiencia obtenida, de
forma que las mediciones pueden variar a lo largo del tiempo.
Definitivamente, hoy en da este diseo cruzado se reserva para las primeras
fases del desarrollo clnico de los frmacos (tolerancia, farmacodinamia,
biodisponibilidad, bsqueda de dosis) o para estudios de bioequivalencia de
genricos.
Generalmente se usan en estudios con dosis nicas o con tratamientos de dosis
mltiple pero de corta duracin, y cuando el efecto se observa en un plazo breve
de tiempo. Siempre hay que intentar equilibrar el diseo con respecto a la
secuencia de los tratamientos y establecer periodos de lavado suficientes,
cerciorndose de la ausencia de efectos residuales antes de la aplicacin de los
siguientes tratamientos.
En general, en las fases ms tardas, sobre todo en fases III y IV, los estudios
deben realizarse con grupos paralelos.
Como resumen de los diferentes mtodos posibles en la investigacin en ensayos
clnicos, podemos decir que los diseos ms comunes son los siguientes.
Generalmente en la fase II del desarrollo de un frmaco, los ensayos clnicos son
controlados y con asignacin aleatoria del tratamiento, utilizndose con frecuencia
el placebo. En la fase III suelen ser estudios controlados, aleatorizados, paralelos
y enmascarados.
3.2.3 ENSAYOS DE INTERVENCION COMUNITARIA
realiza ensayos de intervencin comunitaria para demostrar hasta qu punto
puede ser efectiva una solucin en particular al problema que se busca resolver.
En sus formas ms simples, se trata de una comparacin de resultados dentro de
un grupo de comunidades con la situacin de una comunidad o un grupo de
comunidades similares en las que no se ha implementado la solucin.
Lo primero que hacemos es realizar un estudio preliminar en todas las
comunidades que puedan verse involucradas en el estudio. Luego, siempre que
sea posible, le asignamos el estado de intervencin o control a cada comunidad
de forma aleatoria, sirvindonos de los datos iniciales para asegurarnos de que
exista un equilibrio entre ambos grupos. Cuando son aleatorizados, los ensayos
de intervencin comunitaria se denominan ensayos controlados aleatorizados por
conglomerados (ECAC). Se aplique o no la aleatorizacin, si la solucin resulta ser

benfica, nuestro compromiso es extender su aplicacin a todas las comunidades

que formen parte de la muestra.

UNIDAD 4 ESCALAS DE MEDICION

Se entender por medicin al proceso de asignar el valor a una variable de un
elemento en observacin. Este proceso utiliza diversas escalas: nominal, ordinal,
de intervalo y de razn.
Las variables de las escalas nominal y ordinal se denominan tambin categricas,
por otra parte las variables de escala de intervalo o de razn se denominan
variables numricas. Con los valores de las variables categricas no tiene sentido
o no se puede efectuar operaciones aritmticas. Con las variables numricas s.
La escala nominal slo permite asignar un nombre al elemento medido. Esto la
convierte en la menos informativa de las escalas de medicin.

4.1 MEDIDAS DE TENDENCIA CENTRAL

Al describir grupos de observaciones, con frecuencia es conveniente resumir la
informacin con un solo nmero. Este nmero que, para tal fin, suele situarse
hacia el centro de la distribucin de datos se denomina medida o parmetro de
tendencia central o de centralizacin. Cuando se hace referencia nicamente a la
posicin de estos parmetros dentro de la distribucin, independientemente de
que sta est ms o menos centrada, se habla de estas medidas como medidas
de posicin.1 En este caso se incluyen tambin los cuantiles entre estas medidas.
4.1.2 MEDIA ARITMETICA
La media aritmtica es el valor obtenido por la suma de todos sus valores
dividida entre el nmero de sumadores.
Por ejemplo, las notas de 5 alumnos en una prueba:
nio
1
2
3
4
5

nota
6,0 Primero, se suman las notas:
5,4
6,0+5,4+3,1+7,0+6,1 = 27,6
3,1 Luego el total se divide entre la cantidad de alumnos:
7,0
27,6/5=5,52
6,1

 La media aritmtica en este ejemplo es 5,52

La media aritmtica es, probablemente, uno de los parmetros estadsticos ms
extendidos.2 Se le llama tambin promedio o, simplemente, medi
Propiedades
Las principales propiedades de la media aritmtica son: 3

Su clculo es muy sencillo y en l intervienen todos los datos.

Su valor es nico para una serie de datos dada.

Se usa con frecuencia para comparar poblaciones, aunque es ms

apropiado acompaarla de una medida de dispersin.

Se interpreta como "punto de equilibrio" o "centro de masas" del conjunto

de datos, ya que tiene la propiedad de equilibrar las desviaciones de los datos
respecto de su propio valor:

Minimiza las desviaciones cuadrticas de los datos respecto de cualquier

valor prefijado, esto es, el valor de
es mnimo
cuando
. Este resultado se conoce como Teorema de Knig. Esta
propiedad permite interpretar uno de los parmetros de dispersin ms
importantes: la varianza.
Se ve afectada por transformaciones afines (cambios de origen y escala),
esto es, si
entonces
los

, donde

es la media aritmtica de

, para i = 1, ..., n y a y b nmeros reales.

Es poco sensible a fluctuaciones muestrales, por lo que es un

parmetro muy til en inferencia estadstica.
INCONVENIENTES
Este parmetro, an teniendo mltiples propiedades que aconsejan su uso en
situaciones muy diversas, tiene tambin algunos inconvenientes, como son:

Para datos agrupados en intervalos (variables continuas) su valor oscila en funcin

de la cantidad y amplitud de los intervalos que se consideren.

La estatura media como resumen de una poblacin homognea (abajo) o

heterognea (arriba).
Es una medida a cuyo significado afecta sobremanera la dispersin, de modo que
cuanto menos homogneos sean los datos, menos informacin proporciona. Dicho
de otro modo, poblaciones muy distintas en su composicin pueden tener la
misma media.4 Por ejemplo, un equipo de baloncesto con cinco jugadores de igual
estatura, 1,95 m, evidentemente, tendra una estatura media de 1,95 m, valor que
representa fielmente a esta poblacin homognea. Sin embargo, un equipo de
jugadores de estaturas ms heterogneas, 2,20 m, 2,15 m, 1,95 m, 1,75 m y 1,70
m, por ejemplo, tendra tambin, como puede comprobarse, una estatura media de
1,95 m, valor que no representa a casi ninguno de sus componentes.
En el clculo de la media no todos los valores contribuyen de la misma manera.
Los valores altos tienen ms peso que los valores cercanos a cero. Por ejemplo,
en el clculo del salario medio de un empresa, el salario de un alto directivo que
gane 10.000 tiene tanto peso como el de diez empleados "normales" que ganen
1.000 . En otras palabras, se ve muy afectada por valores extremos.
No se puede determinar si en una distribucin de frecuencias hay intervalos de
clase abiertos.

4.1.3 MEDIANA
La mediana es un valor de la variable que deja por debajo de s a la mitad de los
datos, una vez que stos estn ordenados de menor a mayor. 7 Por ejemplo, la
mediana del nmero de hijos de un conjunto de trece familias, cuyos respectivos
hijos son: 3, 4, 2, 3, 2, 1, 1, 2, 1, 1, 2, 1 y 1, es 2, puesto que, una vez ordenados
los datos: 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 3, 3, 4, el que ocupa la posicin central es 2:

En caso de un nmero par de datos, la mediana no correspondera a ningn

valor de la variable, por lo que se conviene en tomar como mediana el valor
intermedio entre los dos valores centrales. Por ejemplo, en el caso de doce
datos como los siguientes:

Se toma como mediana

Existen mtodos de clculo ms rpidos para datos ms numerosos (vase
el artculo principal dedicado a este parmetro). Del mismo modo, para
valores agrupados en intervalos, se halla el "intervalo mediano" y, dentro de
ste, se obtiene un valor concreto por interpolacin.
Clculo de la mediana para datos agrupados[editar]
Primero hallamos las frecuencias absolutas acumuladas Fi (ver tabla del
margen derecho).
As, aplicando la frmula asociada a la mediana para n impar,
obtenemos X(39+1)/2 = X20 y basndonos en la frmula que hace
referencia a las frecuencias absolutas:
Ni-1< n/2 < i = N19 < 19.5 < N20
Por tanto la mediana ser el valor de la variable que ocupe el vigsimo
lugar. En nuestro ejemplo, 21 (frecuencia absoluta acumulada para Xi = 5)
> 19.5 con lo que Me = 5 puntos (es aconsejable no olvidar las unidades; en
este caso como estamos hablando de calificaciones, sern puntos)
La mitad de la clase ha obtenido un 5 o menos, y la otra mitad un 5 o ms.
Ejemplo (N par)
Las calificaciones en la asignatura de Matemticas de 38 alumnos de una
clase viene dada por la siguiente tabla (debajo):
Calificaciones

Nmero de alumnos

xi

fi

Fi

13

19 = 19

28

32

36

38

Calculemos la Mediana:
Primero hallamos las frecuencias absolutas acumuladas Fi (ver tabla margen
derecho).
Si volvemos a utilizar la frmula asociada a la mediana para n par,
obtenemos X(38/2) = X19 y basndonos en la frmula que hace referencia
a las frecuencias absolutas --> Ni-1< n/2 < Ni = N18 < 19 < N19
Con lo cual la mediana ser la media aritmtica de los valores de la
variable que ocupen el decimonoveno y el vigsimo lugar.
En nuestro ejemplo, el lugar decimonoveno lo ocupa el 5 y el vigsimo el 6,
(desde el vigsimo hasta el vigsimo octavo)
con lo que Me = (5+6)/2 = 5,5 puntos.
Propiedades e inconvenientes
Las principales propiedades de la mediana son: 8

Es menos sensible que la media a oscilaciones de los valores de la

variable. Un error de transcripcin en la serie del ejemplo anterior en,
pongamos por caso, el ltimo nmero, deja a la mediana inalterada.

Como se ha comentado, puede calcularse para datos agrupados en

intervalos, incluso cuando alguno de ellos no est acotado.

No se ve afectada por la dispersin. De hecho, es ms representativa

que la media aritmtica cuando la poblacin es bastante heterognea.
Suele darse esta circunstancia cuando se resume la informacin sobre
los salarios de un pas o una empresa. Hay unos pocos salarios muy
altos que elevan la media aritmtica haciendo que pierda
representatividad respecto al grueso de la poblacin. Sin embargo,

alguien con el salario "mediano" sabra que hay tanta gente que gana
ms dinero que l, como que gana menos.
Sus principales inconvenientes son que en el caso de datos agrupados en
intervalos, su valor vara en funcin de la amplitud de estos. Por otra parte,
no se presta a clculos algebraicos tan bien como la media aritmtica.

4.1.4 MODA
La moda es el dato ms repetido de la encuesta, el valor de la variable con
mayor frecuencia absoluta.5 En cierto sentido la definicin matemtica
corresponde con la locucin "estar de moda", esto es, ser lo que ms se lleva.
Su clculo es extremadamente sencillo, pues solo necesita un recuento. En
variables continuas, expresadas en intervalos, existe el denominado intervalo
modal o, en su defecto, si es necesario obtener un valor concreto de la variable, se
recurre a la interpolacin.
Por ejemplo, el nmero de personas en distintos vehculos en una carretera: 5-7-46-9-5-6-1-5-3-7. El nmero que ms se repite es 5, entonces la moda es 5.
Hablaremos de una distribucin bimodal de los datos, cuando encontremos dos
modas, es decir, dos datos que tengan la misma frecuencia absoluta mxima.
Cuando en una distribucin de datos se encuentran tres o ms modas, entonces
es multimodal. Por ltimo, si todas las variables tienen la misma frecuencia
diremos que no hay moda.
Cuando tratamos con datos agrupados en intervalos, antes de calcular la moda, se
ha de definir el intervalo modal. El intervalo modal es el de mayor frecuencia
absoluta.
La moda, cuando los datos estn agrupados, es un punto que divide el intervalo
modal en dos partes de la forma p y c-p, siendo c la amplitud del intervalo, que
verifiquen que:

Siendo
la frecuencia absoluta del intervalo modal y
y
las
frecuencias absolutas de los intervalos anterior y posterior, respectivamente, al
intervalo modal.
Las calificaciones en la asignatura de Matemticas de 39 alumnos de una
clase viene dada por la siguiente tabla (debajo):

Calificaciones

Nmero de alumnos

Propiedades
Sus principales propiedades son:
Clculo sencillo.
Interpretacin muy clara.
Al depender solo de las frecuencias, puede calcularse para variables
cualitativas. Es por ello el parmetro ms utilizado cuando al resumir una
poblacin no es posible realizar otros clculos, por ejemplo, cuando se
enumeran en medios periodsticos las caractersticas ms frecuentes de
determinado sector social. Esto se conoce informalmente como "retrato
robot".6
Inconvenientes
Su valor es independiente de la mayor parte de los datos, lo que la hace
muy sensible a variaciones muestrales. Por otra parte, en variables
agrupadas en intervalos, su valor depende excesivamente del nmero de
intervalos y de su amplitud.
Usa muy pocas observaciones, de tal modo que grandes variaciones en los
datos fuera de la moda, no afectan en modo alguno a su valor.
No siempre se sita hacia el centro de la distribucin.
Puede haber ms de una moda en el caso en que dos o ms valores de la
variable presenten la misma frecuencia (distribuciones bimodales o
multimodales).
4.2 MEDIDAS DE DISPERSION
Las medidas de dispersin, tambin llamadas medidas de variabilidad, muestran
la variabilidad de una distribucin, indicando por medio de un nmero si las
diferentes puntuaciones de una variable estn muy alejadas de la media. Cuanto
mayor sea ese valor, mayor ser la variabilidad, y cuanto menor sea, ms

homognea ser a la media. As se sabe si todos los casos son parecidos o varan
mucho entre ellos.
Para calcular la variabilidad que una distribucin tiene respecto de su media, se
calcula la media de las desviaciones de las puntuaciones respecto a la media
aritmtica. Pero la suma de las desviaciones es siempre cero, as que se adoptan
dos clases de estrategias para salvar este problema. Una es tomando las
desviaciones en valor absoluto (desviacin media) y otra es tomando las
desviaciones al cuadrado (varianza).

4.2.1 AMPLITUD(RANGO)
Requisitos del rango

Ordenamos los nmeros segn su tamao.

Restamos el valor mnimo del valor mximo

Ejemplo
Para la muestra (8, 7, 6, 9, 4, 5), el dato menor es 4 y el dato mayor es 9. Sus
valores se encuentran en un rango de:

Medio rango o Rango medio

El medio rango o rango medio de un conjunto de valores numricos es la
media del mayor y menor valor, o la tercera parte del camino entre el dato
de menor valor y el dato de mayor valor. En consecuencia, el medio
rango es:

Ejemplo
Para una muestra de valores (3, 3, 5, 6, 8), el dato de menor valor Min= 3 y
el dato de mayor valor Max= 8. El medio rango resolvindolo mediante la
correspondiente frmula sera:

Representacin del medio rango:

4.2.2. VARIANZA
La varianza es una medida estadstica que mide la dispersin de los valores respecto a un
valor

central

(media),

es

decir,

es

el

cuadrado

de

las

desviaciones:

Propiedades

La varianza es siempre positiva o 0:

Si a los datos de la distribucin les sumamos una cantidad constante la varianza no se

modifica.
1

Si a los datos de la distribucin los multiplicamos por una constante, la varianza queda
multiplicada por el cuadrado de esa constante.

Propiedad

distributiva:

siempre y cuando las variables

,
y

sean independiente

La varianza a veces no se interpreta claramente, ya que se mide en unidades

cuadrticas. Para evitar ese problema se define otra medida de dispersin, que es
la desviacin tpica, o desviacin estndar, que se halla como la raz cuadrada
positiva de la varianza. La desviacin tpica informa sobre la dispersin de los
datos respecto al valor de la media; cuanto mayor sea su valor, ms dispersos
estarn los datos. Esta medida viene representada en la mayora de los casos por
S, dado que es su inicial de su nominacin en ingls.
Desviacin tpica muestral
S = \sqrt{\frac{\sum_{i=1}^n (x_i - \bar{x})^2}{n-1}}
Desviacin tpica poblacional
\sigma = \sqrt{\frac{\sum_{i=1}^n fi (X_i - \mu)^2}{n}}
-->x = [17 14 2 5 8 7 6 8 5 4 3 15 9]
x = 17. 14. 2. 5. 8. 7. 6. 8. 5. 4. 3. 15. 9.
-->stdev(x)
ans = 4.716311
-->
Primero hemos declarado un vector con nombre X, donde introducimos los
nmeros de la serie. Luego con el comando stdev se hallar la desviacin tpica.
4.2.3 DESVIO ESTANDAR
La desviacin tpica o desviacin estndar (denotada con el smbolo o s,
dependiendo de la procedencia del conjunto de datos) es una medida de
dispersin para variables de razn (variables cuantitativas o cantidades
racionales) y de intervalo. Se define como la raz cuadrada de la varianza de la
variable.

Para conocer con detalle un conjunto de datos, no basta con conocer las medidas
de tendencia central, sino que necesitamos conocer tambin la desviacin que
presentan los datos en su distribucin respecto de la media aritmtica de dicha
distribucin, con objeto de tener una visin de los mismos ms acorde con la
realidad al momento de describirlos e interpretarlos para la toma de decisiones.
La desviacin tpica es una medida del grado de dispersin de los datos con
respecto al valor promedio. Dicho de otra manera, la desviacin estndar es
simplemente el "promedio" o variacin esperada con respecto a la media
aritmtica.
Por ejemplo, las tres muestras (0, 0, 14, 14), (0, 6, 8, 14) y (6, 6, 8, 8) cada una
tiene una media de 7. Sus desviaciones estndar muestrales son 7, 5 y 1
respectivamente. La tercera muestra tiene una desviacin mucho menor que las
otras dos porque sus valores estn ms cerca de 7.
La desviacin estndar puede ser interpretada como una medida de
incertidumbre. La desviacin estndar de un grupo repetido de medidas nos da la
precisin de stas. Cuando se va a determinar si un grupo de medidas est de
acuerdo con el modelo terico, la desviacin estndar de esas medidas es de vital
importancia: si la media de las medidas est demasiado alejada de la prediccin
(con la distancia medida en desviaciones estndar), entonces consideramos que
las medidas contradicen la teora. Esto es coherente, ya que las mediciones caen
fuera del rango de valores en el cual sera razonable esperar que ocurrieran si el
modelo terico fuera correcto. La desviacin estndar es uno de tres parmetros
de ubicacin central; muestra la agrupacin de los datos alrededor de un valor
central (la media o promedio).

4.2.3. MEDIDAS DE POSICION

La s me di da s de p os ic in d i vi d e n u n con j un to d e da to s
en gru p o s con el mismo n m e ro de in d i vi d uo s.

Pa ra ca l cul a r la s m e dida s de pos ic i n e s ne ce sa rio

qu e l o s da tos e stn ord e na d o s d e m e nor a m a yor .

La me di da s de p os ic in so n :

Cuartiles

Lo s c uar tile s son

qu e di vid e n a

l o s tr es

va l or e s d e

u n c on junt o de da tos

la

va ri a bl e

or de na d os e n c ua tr o

pa r te s i gua le s .

Q1,

Q2 y

Q 3 determinan

los

valores

correspondientes

al 25%, al 50% y al 75% de losdatos.

Q 2 coincide con la mediana.

Clculo de los cuartiles

1 Ordenamos los datos de menor a mayor .

2 Buscamos el lugar que ocupa cada cuartil mediante la

expresin

Nmero impar de datos

2, 5, 3, 6, 7, 4, 9

Nmero par de datos

2, 5, 3, 4, 6, 7, 1, 9

Clculo de los cuartiles para datos agrupados

En

primer

encuentra

lugar

buscamos

la clase donde

se

, en la tabla de las frecuencias

acumuladas.

L i es el lmite inferior de la clase donde se encuentra la

mediana.

N es la suma de las frecuencias absolutas.

F i - 1 es

la frecuencia

acumulada anterior

mediana.

a i es la amplitud de la clase.

la

clase

Ejercicio de cuartiles

Calcular los cuartiles de la distribucin de la tabla:

fi

Fi

[50, 60)

[60, 70)

10

18

[70, 80)

16

34

[80, 90)

14

48

[90, 100)

10

58

[100, 110)

63

[110, 120)

65

65

Clculo del primer cuartil

Clculo del segundo cuartil

Clculo del tercer cuartil

Deciles

Los deciles son los nueve valores que dividen la serie

de datos en diez partes iguales .

Los deciles dan los valores correspondientes al 10%, al

20%... y al 90% de los datos.

D 5 coincide con la mediana.

Clculo de los deciles

En

primer

lugar

encuentra

buscamos

la

clase

donde

se

, en la tabla de las frecuencias

acumuladas.

L i es el lmite inferior de la clase donde se encuentra la

mediana.

N es la suma de las frecuencias absolutas.

F i - 1 es

la frecuencia

acumulada anterior

la

mediana.

a i es la amplitud de la clase.

Ejercicio de deciles

Calcular los deciles de la distribucin de la tabla:

fi

Fi

clase

[50, 60)

[60, 70)

10

18

[70, 80)

16

34

[80, 90)

14

48

[90, 100)

10

58

[100, 110)

63

[110, 120)

65

65

Clculo del primer decil

Clculo del segundo decil

Clculo del tercer decil

Clculo del cuarto decil

Clculo del quinto decil

Clculo del sexto decil

Clculo del sptimo decil

Clculo del octa vo decil

Clculo del noveno decil

Percentiles

Los percentiles son los 99 valores que dividen la serie

de datos en 100 partes iguales.

Los percentiles dan los valores correspondientes al 1%,

al 2%... y al 99% de los datos.

P 5 0 coincide con la mediana.

Clculo de los percentiles

En

primer

lugar

buscamos

encuentra

la

clase

donde

se

, en la tabla de las frecuencias

acumuladas.

L i es el lmite inferior de la clase donde se encuentra la

mediana.

N es la suma de las frecuencias absolutas.

F i - 1 es

la frecuencia

acumulada anterior

la

clase

mediana.

a i es la amplitud de la clase.

Ejercicio de percentiles

Calcular el percentil 35 y 60 de la distribucin de la

tabla:

fi

Fi

[50, 60)

[60, 70)

10

18

[70, 80)

16

34

[80, 90)

14

48

[90, 100)

10

58

[100, 110)

63

[110, 120)

65

65

Percentil 35

Percentil 60

UNIDAD 5 PRECISION Y VALIDEZ DE LOS ESTUDIOS EPIDEMILOGICOS

1. Objetivos
- Comprender el rol de la causalidad en estudios epidemiolgicos.
- Comprender el proceso de las inferencias causales basadas en resultados de
estudios epidemiolgicos.
- Conocer las fuentes ms importantes de error en los estudios epidemiolgicos y
cmo stos se minimizan.
2. Trminos Claves: Inferencia causal, error aleatorio, confusin, sesgo,
modificacin del efecto
3. Desarrollo del mdulo
3.1. Causalidad
Uno de los principales objetivos de la investigacin epidemiolgica es establecer
las causas del fenmeno de inters. Una causa de enfermedad desde el punto
de vista epidemiolgico es un evento, condicin, caracterstica o una combinacin
de estos factores que juegan un papel importante en el desarrollo de la
enfermedad. La epidemiologa ocupacional, se orienta a la identificacin de las
causas de las enfermedades y lesiones resultantes de las exposiciones ocurridas
en el sitio de trabajo.
5.1 PRECISION
Carencia de error aleatorio y se corresponde con la reduccin del error debido al
azar. Para reducir este error el elemento ms importante del que disponemos es
incrementar el tamao de la muestra y con ello aumentamos la precisin. Los
intervalos de confianza y el error estndar se reducen al aumentar el tamao
muestral. Es por tanto necesario desde un principio preocuparse por el tamao
muestral del estudio que vamos a realizar definiendo la precisin y la seguridad
del mismo. La precisin tambin se puede mejorar modificando el diseo del

estudio para aumentar la eficiencia de la informacin que obtengo de los sujetos

del estudio.
5.1.1 ERRORES ALEATORIOS
Es un error al azar, es inevitable, se produce por eventos nicos imposibles de
controlar durante el proceso de medicin. Ejemplo: en un estudio de investigacin,
el error aleatorio puede ocurrir por tomar slo una muestra de una poblacin para
hacer inferencias.
5.2 VALIDEZ
La validez interna se refiere a que los resultados del estudio sean atribuidos slo
al efecto bajo investigacin. Esto es posible cuando todas las fuentes de error han
sido reducidas al mnimo en las etapas de diseo, implementacin y anlisis del
estudio. La validez externa se refiere a que los resultados del estudio sean
generalizables, esto es, cuando un estudio produce inferencias imparciales con
respecto a una poblacin objetivo. Por ejemplo, los resultados de un estudio
realizado en hombres podran no ser generalizables en mujeres, quienes tambin
forman parte de la misma poblacin objetivo desde dnde los hombres vinieron.
VALIDEZ EN LOS ESTUDIOS EPIDEMIOLGICOS Se distinguen dos principales
tipos de validez de estudio son: la interna y la externa. La validez consiste en la
correspondencia (concordancia) o correlacin entre lo que se mide y lo que se
pretende medir.
Validez externa La validez externa se refiere a la extensin y forma en que los
resultados de un experimento pueden ser generalizados a diferentes sujetos,
poblaciones, lugares, experimentadores. Validez interna se refiere a que los
resultados del estudio sean atribuidos slo al efecto bajo investigacin. Es posible
cuando las fuentes de error han sido reducidas al mnimo en las etapas de diseo,
implementacin y anlisis del estudio.
Al reducir al mnimo los errores, en las etapas de planificacin y de ejecucin de la
indagacin, el investigador puede emitir conclusiones, a partir de resultados con
una mayor exactitud y precisin. Slo las investigaciones con resultados vlidos
son tiles para el proceso de inferencia causal.
5.2.1 ERRORES SISTEMATICOS
Es aquel que se produce de igual modo en las mediciones, que se realizan de una
magnitud, en otras palabras, es el efecto de un error que ocurre de manera
persistente o constante. Puede estar originado en un defecto del instrumento, en
una particularidad del operador o del proceso de medicin u observacin.

5.2.2 FACTORES DE CONFUSION

La confusin es otra fuente de error en los estudios epidemiolgicos. Ocurre
cuando hay un tercera variable que puede causar la enfermedad en estudio y que
a su vez est asociada con el factor de riesgo bajo investigacin. A menos que sea
posible ajustar el efecto de confusin de esta tercera variable, sus efectos no
pueden distinguirse de los del factor de riesgo en estudio.

La confusin tiene el mismo efecto sobre los clculos de riesgo que el sesgo.
Produciendo una desviacin de los clculos de riesgo del verdadero valor, aunque
no es un sesgo.
UNIDAD 6 EVALUACION DE PROYECTO DE INVESTIGACION
En gestin de proyectos, la evaluacin de proyectos es un proceso por el cual se
determina el establecimiento de cambios generados por un proyecto a partir de la
comparacin entre el estado actual y el estado previsto en su planificacin. Es
decir, se intenta conocer qu tanto un proyecto ha logrado cumplir sus objetivos o
bien qu tanta capacidad poseera para cumplirlos.
En una evaluacin de proyectos siempre se produce informacin para la toma de
decisiones, por lo cual tambin se le puede considerar como una actividad
orientada a mejorar la eficacia de los proyectos en relacin con sus fines, adems
de promover mayor eficiencia en la asignacin de recursos. En este sentido, cabe
precisar que la evaluacin no es un fin en s misma, ms bien es un medio para
optimizar la gestin de los proyectos.
TIPOS DE EVALUACION
Segn el nivel de gestin
La evaluacin de proyectos la podemos clasificar de la siguiente manera:
Poltica-Estratgica: La parte poltica ver la parte social y poltica, su consistencia
para trascender en el tiempo y que sea en cierta forma equitativo.
Administrativa: En el caso administrativo, el fin siempre es la mayor racionalizacin
de todos los recursos, el logro de sus planes, objetivos, metas, actividades,
programas; expresin de la eficiencia y eficacia en su mayor expresin.
Tcnica: Lo tcnico es una mezcla de lo anterior y lo propio, ya que incide hoy en
da al mejor logro de los dos puntos anteriores, por el avance en los

descubrimientos, su rapidez, medicin y precisin. Ya depender de cada ciencia

que enfoque cientfico y tcnico aplicarn.
Segn la naturaleza de la evaluacin
La evaluacin de proyectos puede ser vista de dos pticas diferentes:
Evaluacin privada: Que incluye a la "evaluacin econmica" que asume que el
proyecto est totalmente financiado con capital propio, por lo que no hay que pedir
crdito, y por otro lado la evaluacin financiera, que incluye financiamiento
externo.
Evaluacin social: En la evaluacin social, tanto los beneficios como los costos se
valoran a precios sombra de eficiencia. Aqu interesa los bienes y servicios reales
utilizados y producidos por el proyecto.
Segn el momento en que se realiza
La evaluacin en el ciclo de proyectos.
Los distintos tipos de evaluacin varan segn el momento en que se realicen. Los
tipos de evaluacin son: ex-ante, de proceso, ex-post y de impacto.1 2 3 4
Evaluacin supervisada: Se efecta antes de la aprobacin del proyecto y busca
conocer su pertinencia, viabilidad y eficacia potencial. Este tipo de evaluacin
consiste en seleccionar de entre varias alternativas tcnicamente factibles a la que
produce el mayor impacto al mnimo costo.2 Este tipo de evaluacin supone la
incorporacin de ajustes necesarios en el diseo del proyecto, lo cual podra
generar incluso el cambio del grupo beneficiario, su jerarqua de objetivos y el
presupuesto.4
Evaluacin de proceso, operativa, de medio trmino o contnua: Se hace mientras
el proyecto se va desarrollando y guarda estrecha relacin con el monitoreo del
proyecto. Permite conocer en qu medida se viene logrando el logro de los
objetivos (Resultados en caso de marco lgico); en relacin con esto, una
evaluacin de este tipo debe buscar aportar al perfeccionamiento del modelo de
intervencin empleado y a identificar lecciones aprendidas. Las fuentes financieras
suelen requerir la realizacin de este tipo de evaluacin para ejecutar los
desembolsos peridicos.
Evaluacin ex-post, de resultados o de fin de proyecto: Se realiza cuando culmina
el proyecto. Se enfoca en indagar el nivel de cumplimiento de los objetivos
(Propsito y Resultados en caso de marco lgico) asimismo busca demostrar que
los cambios producidos son consecuencia de las actividades del proyecto

(exclusivamente o en interaccin con otras fuentes); para esto suele recurrir a un

diseo experimental. No solo indaga por cambios positivos, tambin analiza
efectos negativos e inesperados.
Evaluacin de impacto: Es la que indaga por los cambios permamentes y las
mejoras de la calidad de vida producidos por el proyecto, es decir, se enfoca en
conocer la sostenibilidad de los cambios alcanzados y los efectos imprevistos
(positivos o negativos). En caso de diseo con marco lgico, se enfoca en la
evaluacin del Fin de la jerarqua de objetivos. Esta evaluacin necesariamente
debe ser realizada luego de un tiempo de culminado el proyecto y no
inmediatamente ste concluya;5 el tiempo recomendado para efectuar la
evaluacin de impacto es de 5 aos.4
Cabe considerar que las evaluaciones ex-ante y de proceso son consideradas
como evaluaciones formativas debido a que se producen mientras se da la
preparacin y/o ejecucin del proyecto y sus conclusiones sirven para optimizar la
ejecucin del mismo; en tanto que las evaluaciones de resultados y de impacto
vienen a ser evaluaciones sumativas que ocurren al culminar el proyecto e incluso
un tiempo despus de haber culminado, ocurriendo que sus conclusiones servirn
para ser transferidas a otras experiencias pero ya no podrn tener una aplicacin
directa en el proyecto que ha concluido.6
Las evaluaciones de resultados y de impacto requieren asumir un diseo
especfico de investigacin, como se ver ms adelante.
CRITERIOS UTILIZADOS PARA LA EVALUACION DE PROYECTOS
La evaluacin de los proyectos, en sus distintos tipos, contempla una serie de
criterios base que permiten establecer sus conclusiones. En funcin del campo,
empresa u organizacin de que se trate, es que se emplearn una serie de
criterios u otros que guarden relacin con los objetivos estratgicos que se
persigan.
No existen criterios nicos, por lo general los criterios surgen en funcin de la
naturaleza de cada proyecto; sin embargo, en la mayora de casos se toman en
cuenta los siguientes cinco criterios definidos por la OECD para la cooperacin
internacional: la pertinencia ("relevance"), eficacia ("effectiveness"), eficiencia
("efficiency"), impacto ("impact") y sostenibilidad ("sustainability").7 8 4
Pertinencia o relevancia: Observa la congruencia entre los objetivos del proyecto y
las necesidades identificadas y los intereses de la poblacin e instituciones
(consenso social). Se observa especialmente en la evaluacin ex-ante pero
tambin en los dems tipos de evaluacin.

Eficacia: Medida en que se lograron o se espera lograr los objetivos de la

intervencin, tomando en cuenta su importancia relativa. Se observa en las
evaluaciones de tipo contnuas y ex-post.
Eficiencia: Medida en que los recursos/insumos fondos, tiempo, etc.) se han
convertido en los resultados del proyecto. Este criterio es usual en el anlisis
costo-beneficio realizado en la evaluacin ex-ante.
Impacto: Efectos de largo plazo positivos y negativos, primarios y secundarios,
producidos directa o indirectamente por una intervencin para el desarrollo,
intencionalmente o no.
Sostenibilidad: Medida en que los cambios logrados por el proyecto continen y
permanecen en el tiempo a favor de la poblacin y/o las instituciones, una vez que
la intervencin ha finalizado.9 Suele considerarse en las evaluaciones de impacto.
Es fundamental considerar la evaluacin desde las propias necesidades, y
alcances de las acciones para con la poblacin meta.
REQUISITOS QUE DEBES CUMPLIR
Toda evaluacin cumpla algunos requisitos metodolgicos para garantizar que la
informacin que genere puede ser usada en la toma de decisiones.1 10 As, se
espera que todo proceso de evaluacin sea:
Objetivo: Debe medirse y analizarse los hechos definidos tal como se presentan.
Imparcial: La generacin de conclusiones del proceso de evaluacin debe ser
neutral, transparente e imparcial. Quienes realizan la evaluacin no deben tener
intereses personales o conflictos con la unidad ejecutora del proyecto.
Valido: Debe medirse lo que se ha planificado medir, respetando las definiciones
establecidas. En caso el objeto de anlisis sea demasiado complejo para una
medicin objetiva, debe realizarse una aproximacin cualitativa inicial.
Confiable: Las mediciones y observaciones deben ser
adecuadamente, preferentemente recurriendo a verificaciones in-situ.

registradas

Creble:Todas las partes involucradas en el proyecto deben tener confianza en la

idoneidad e imparcialidad de los responsables de la evaluacin, quienes a su vez
deben mantener una poltica de transparencia y rigor profesional.
Oportuno: Debe realizarse en el momento adecuado, evitando los efectos
negativos que produce el paso del tiempo.

til: Debe ser til y elaborarse en un lenguaje conciso y directo, entendible para
todos los que accedan a la informacin elaborada, los resultados de una
evaluacin no deben dirigirse slo a quienes tienen tienen altos conocimientos
tcnicos sino que debe servir para que cualquier involucrado pueda tomar
conocimiento de la situacin del proyecto.
Participativo:Debe incluirse a todos los involucrados en el proyecto, buscando de
reflejar sus experiencias, necesidades, intereses y percepciones.
Retroalimentador:Un proceso de evaluacin debe garantizar la diseminacin de
los hallazgos y su asimilacin por parte de los involucrados en el proyecto (desde
las altas esferas hasta los beneficiarios), para as fomentar el aprendizaje
organizacional.
Costo/eficaz:La evaluacin debe establecer una relacin positiva entre su costo
(econmico, de tiempo y recursos) y su contribucin en valor agregado para la
experiencia de los involucrados en el proyecto.
DISEO DE EVALUACION
En general, cualquier forma de evaluacin de proyectos se basa en los conceptos
y procedimientos de la metodologa de la investigacin cientfica,11 sin embargo
cabe precisar que cuando se efecta una evaluacin de proyectos de tipo de
resultado o de impacto es necesario asumir un diseo especfico de
investigacin. Alguno de estos diseos son los siguientes: 12
Evaluacin slo despus
Es un diseo simple que carece de lnea de base. Su principal defecto es tener
poca capacidad para explicar los efectos alcanzados por un proyecto.
Su esquema es el siguiente:
.......... X .......... A1
Donde:

"X" es la intervencin del proyecto

"A1" es la poblacin objetivo del proyecto al final de la intervencin

Evaluacin simple antes y despus

Este diseo permite comparar la situacin incial de la poblacin objetivo contra la
situacin final, es decir luego de realizado el proyecto. La relacin causa-efecto

entre el proyecto y sus resultados es ms clara pero an no es precisa ya que

pueden haber intervenido causas externas no controladas.
Su esquema es el siguiente:
A .......... X .......... A1
Donde:

"X" es la intervencin del proyecto

"A" es la lnea de base (situacin inicial de la poblacin objetivo)

"A1" es la poblacin objetivo del proyecto al final de la intervencin

Diseo cuasiexperimental
Este diseo permite realizar una evaluacin antes y despus de la intervencin del
proyecto, comparando los hallazgos adems con un grupo control para los
resultados "despus" de la intervencin. La precisin de este diseo es mucho
mayor que el de los anteriores y por su viabilidad tcnica es el ms recomendado.
Su esquema es el siguiente:
A .......... X .......... A1
......................... B
Donde:

"X" es la intervencin del proyecto

"A" es la lnea de base

"A1" es la poblacin objetivo del proyecto al final de la intervencin

"B" es un grupo de comparacin al finalizar el proyecto, con similares

caractersticas a la poblacin objetivo y que no ha tenido una intervencin
similar
Diseo experimental clsico
Este diseo permite tambin efectuar una comparacin antes y despus del
proyecto, pero adems tambin permite efectuar una comparacin antes y
despus en grupos de similares caractersticas que no hayan estado influenciados

por una intervencin similar a la del proyecto. Su capacidad de explicacin es

bastante alta, pero sus costos y dificultad tcnica tambin se incrementan.
Su esquema es el siguiente:
A .......... X .......... A1
B ....................... B1
Donde:

"X" es la intervencin del proyecto

"A" es la lnea de base

"A1" es la poblacin objetivo del proyecto al final de la intervencin

"B" es un grupo de comparacin antes del inicio del proyecto, similar al

grupo objetivo con el que se realiz la lnea de base

"B1" es un grupo de comparacin al finalizar el proyecto

Diseo experimental complejo

Es un diseo muy complicado, adems de tener un altsimo costo, por lo que su
aplicacin merece una fundamentacin muy amplia. Con este tipo de estudios se
busca determinar la influencia de cada componente del proyecto, e incluso de la
combinacin de diversos componentes en un proyecto.
Su esquema es el siguiente:
A .......... X .......... A1
B .......... x1 ......... B1
C .......... x2 ......... C1
Donde:

"X" es la intervencin de un componente del proyecto.

"A" es la lnea de base del componente correspondiente

"A1" es la poblacin objetivo del proyecto al final de la intervencin,
independiente de los otros grupos de comparacin

"X1" es la intervencin de un segundo componente del proyecto

"B" es la lnea de base del componente correspondiente

"B1" es un grupo de comparacin al finalizar el proyecto,
independiente de los otros grupos de comparacin
"X2" es la intervencin de un tercer componente del proyecto

"C" es la lnea de base del componente correspondiente

"C1" es un grupo de comparacin al finalizar el proyecto,
independiente de los otros grupos de comparacin

DIFICULTADES
La labor de evaluacin de proyectos no es fcil y conlleva mltiples dificultades,
muchas de ellas de orden metodolgico pero tambin de orden poltico.
Falta de disponibilidad de informacin.
No contar con personal calificado para efectuar el trabajo.
Clientelismo de la poblacin beneficiaria y de los encargados de la ejecucin del
proyecto.
Carencia de un sistema de evaluacin y monitoreo, por lo que no se conoce el
proceso desarrollado.
Resistencias de la comunidad. En este caso muchas veces ocurre que la
poblacin ha recibido muchas promesas incumplidas por parte de polticos de
turno o bien se ha generado una expectativa muy alta frente al proyecto, por lo
cual desarrolla una actitud contraria hacia ste; tambin se presentan resistencias
debido a los prejuicios o ignorancia de los beneficiarios.13