1. Introducción
La investigación cuantitativa en ciencias de la salud es una disciplina esencial para la toma de decisiones basadas en evidencia. Se fundamenta en el uso de datos numéricos para describir, explicar y predecir fenómenos de interés en el ámbito sanitario. A través del análisis estadístico, se pueden identificar patrones, evaluar intervenciones y mejorar la calidad asistencial. Este tema abarca los fundamentos de la estadística aplicada a la investigación en salud, incluyendo tipos de variables, medidas de distribución, pruebas estadísticas y diseños epidemiológicos.
2. Tipos de Variables
En estadística, las variables representan características medibles de los sujetos de estudio. Se dividen en:
2.1. Según su naturaleza
- Cualitativas (o categóricas): No numéricas, clasifican datos en categorías.
- Nominales: No siguen un orden específico (ej. grupo sanguíneo, sexo).
- Ordinales: Tienen un orden lógico (ej. estadios de una enfermedad).
- Cuantitativas: Expresadas en números, permiten realizar operaciones aritméticas.
- Discretas: Toman valores enteros (ej. número de ingresos hospitalarios).
- Continuas: Pueden asumir cualquier valor dentro de un rango (ej. presión arterial, peso).
2.2. Según su función en la investigación
- Dependientes: Son las variables resultado o efecto en un estudio.
- Independientes: Son las variables manipuladas o estudiadas como causa de un efecto.
- De confusión: Factores que pueden afectar la relación entre variables dependientes e independientes.
3. Medidas de Distribución de Frecuencias
Las distribuciones de datos se resumen a través de estadísticas descriptivas:
3.1. Medidas de tendencia central
- Media aritmética: Promedio de un conjunto de valores.
- Mediana: Valor central de un conjunto ordenado.
- Moda: Valor más frecuente.
3.2. Medidas de dispersión
- Rango: Diferencia entre el mayor y el menor valor.
- Varianza: Cuantifica la variabilidad de los datos respecto a la media.
- Desviación estándar (DE): Raíz cuadrada de la varianza, indica cuánto se alejan los valores de la media.
4. Distribución Normal
La distribución normal o de Gauss es una distribución simétrica en forma de campana. Sus características principales incluyen:
- Media, mediana y moda coinciden.
- El 68% de los datos se encuentra dentro de una desviación estándar de la media, el 95% dentro de dos y el 99,7% dentro de tres.
- Es fundamental en pruebas estadísticas como la t de Student y el ANOVA.
5. Inferencia Estadística y Contraste de Hipótesis
La inferencia estadística permite extrapolar resultados de una muestra a una población mediante pruebas estadísticas.
5.1. Pasos en el contraste de hipótesis
- Formulación de hipótesis:
- Hipótesis nula (H₀): No hay diferencia o relación.
- Hipótesis alternativa (H₁): Sí hay diferencia o relación.
- Elección de la prueba estadística (según tipo de variable y distribución).
- Cálculo del estadístico de prueba.
- Determinación del nivel de significación (α), habitualmente 0,05.
- Toma de decisión: Si p < α, se rechaza la H₀.
6. Cálculo de Probabilidades
La probabilidad mide la posibilidad de ocurrencia de un evento. Se expresa en valores entre 0 (imposible) y 1 (seguro).
- Probabilidad condicionada: P(A|B) es la probabilidad de A dado que B ocurrió.
- Regla del producto: P(A y B) = P(A) * P(B) si son eventos independientes.
- Teorema de Bayes: Permite actualizar probabilidades basadas en nueva evidencia.
7. Población y Técnicas de Muestreo
El muestreo es esencial en investigación para extraer conclusiones representativas.
- Población: Conjunto total de individuos con características de interés.
- Muestra: Subconjunto de la población.
7.1. Tipos de muestreo
- Probabilísticos: Cada elemento tiene una probabilidad conocida de ser seleccionado.
- Aleatorio simple, sistemático, estratificado, por conglomerados.
- No probabilísticos: Basado en criterios del investigador.
- Por conveniencia, intencional, bola de nieve.
8. Niveles de Significación Estadística e Intervalos de Confianza
- Nivel de significación (α): Probabilidad de error al rechazar H₀ (convencionalmente 5%).
- Intervalo de confianza (IC): Rango dentro del cual se encuentra el valor real con un nivel de confianza determinado (ej. 95%).
9. Principales Test Estadísticos
9.1. Test paramétricos (requieren normalidad)
- t de Student: Comparación de medias de dos grupos.
- ANOVA: Comparación de más de dos medias.
- Correlación de Pearson: Relación lineal entre dos variables continuas.
9.2. Test no paramétricos (para datos no normales)
- Mann-Whitney U: Equivalente a t de Student.
- Kruskal-Wallis: Alternativa a ANOVA.
- Chi-cuadrado (χ²): Asociación entre variables categóricas.
10. Medidas de Asociación e Impacto
- Riesgo Relativo (RR): Comparación del riesgo en expuestos vs. no expuestos.
- Odds Ratio (OR): Razón de probabilidades entre casos y controles.
- Número Necesario para Tratar (NNT): Pacientes necesarios a tratar para evitar un evento adverso.
11. Diseños Epidemiológicos y Clínicos en Investigación Cuantitativa
11.1. Estudios observacionales
- Descriptivos: Estudios transversales.
- Analíticos: Cohortes, casos y controles.
11.2. Estudios experimentales
- Ensayos clínicos aleatorizados: Patrón de oro en investigación terapéutica.
- Estudios cuasi-experimentales: No hay aleatorización completa.
12. Conclusión
El conocimiento en investigación cuantitativa y estadística es imprescindible para interpretar la evidencia científica en salud. Desde la selección del diseño de estudio hasta la aplicación de pruebas estadísticas, su correcta utilización garantiza la validez de los resultados.
CUESTIONARIO TIPO TEST – FUNDAMENTOS DE INVESTIGACIÓN CUANTITATIVA Y ESTADÍSTICA
Pregunta 1 (Actualizada 2025)
¿Cuál de las siguientes afirmaciones describe una variable cuantitativa continua?
A) Grupo sanguíneo
B) Número de ingresos hospitalarios
C) Peso corporal (Respuesta Correcta)
D) Nivel de satisfacción del paciente (Escala Likert)
✅ Respuesta correcta: C) Peso corporal
📌 Explicación:
Las variables cuantitativas continuas pueden tomar cualquier valor dentro de un rango, mientras que las discretas solo toman valores enteros.
- Opción A (Incorrecta): Es una variable cualitativa nominal, ya que no tiene orden ni valores numéricos.
- Opción B (Incorrecta): Es una variable cuantitativa, pero discreta, pues solo admite valores enteros.
- Opción D (Incorrecta): Es una variable cualitativa ordinal, ya que los valores de la escala de Likert representan categorías con un orden.
📌 Referencia:
Normas de estadística aplicada a ciencias de la salud (WHO, 2020).
Pregunta 2 (Actualizada 2025)
¿Cuál de los siguientes métodos de muestreo es probabilístico?
A) Por conveniencia
B) Bola de nieve
C) Aleatorio estratificado (Respuesta Correcta)
D) Intencional
✅ Respuesta correcta: C) Aleatorio estratificado
📌 Explicación:
Los métodos de muestreo probabilístico garantizan que cada elemento de la población tenga una probabilidad conocida y no sesgada de ser seleccionado.
- Opción A (Incorrecta): En el muestreo por conveniencia, el investigador elige sujetos accesibles, sin representar adecuadamente a la población.
- Opción B (Incorrecta): El muestreo bola de nieve se usa en poblaciones difíciles de alcanzar y no es probabilístico.
- Opción D (Incorrecta): El muestreo intencional selecciona sujetos con características específicas sin aleatoriedad.
📌 Referencia:
Principios de Muestreo en Investigación Sanitaria (Altman, 2019).
Pregunta 3 (Actualizada 2025)
¿Cuál es la medida de tendencia central más adecuada para datos con una distribución sesgada?
A) Media
B) Mediana (Respuesta Correcta)
C) Moda
D) Rango
✅ Respuesta correcta: B) Mediana
📌 Explicación:
La mediana es resistente a valores extremos y proporciona una representación más precisa del «centro» de los datos en distribuciones sesgadas.
- Opción A (Incorrecta): La media es sensible a valores extremos y puede no representar bien el centro de la distribución.
- Opción C (Incorrecta): La moda indica el valor más frecuente, pero no necesariamente el centro de la distribución.
- Opción D (Incorrecta): El rango mide la dispersión, no la tendencia central.
📌 Referencia:
Bioestadística para Profesionales de la Salud (Pagano & Gauvreau, 2021).
Pregunta 4 (Actualizada 2025)
En una distribución normal, aproximadamente ¿qué porcentaje de valores se encuentra dentro de ±1 desviación estándar de la media?
A) 50%
B) 68% (Respuesta Correcta)
C) 95%
D) 99,7%
✅ Respuesta correcta: B) 68%
📌 Explicación:
En la distribución normal, los datos siguen la «Regla Empírica»:
- ±1 DE incluye aproximadamente el 68% de los valores.
- ±2 DE abarca el 95%.
- ±3 DE cubre el 99,7%.
- Opción A (Incorrecta): El 50% corresponde a la mediana, no a la dispersión dentro de 1 DE.
- Opción C (Incorrecta): El 95% cubre ±2 DE.
- Opción D (Incorrecta): El 99,7% cubre ±3 DE.
📌 Referencia:
Fundamentos de Estadística en Ciencias de la Salud (Rothman, 2020).
Pregunta 5 (Actualizada 2025)
¿Cuál es el valor típico de alfa (α) en pruebas de hipótesis?
A) 0,01
B) 0,05 (Respuesta Correcta)
C) 0,10
D) 0,50
✅ Respuesta correcta: B) 0,05
📌 Explicación:
El nivel de significación estadística más utilizado en investigación es α = 0,05, lo que significa que hay un 5% de probabilidad de cometer un error tipo I (rechazar una hipótesis nula verdadera).
- Opción A (Incorrecta): 0,01 se usa en estudios que requieren mayor rigor estadístico.
- Opción C (Incorrecta): 0,10 se usa en análisis exploratorios con menor exigencia de rigor.
- Opción D (Incorrecta): 0,50 no tiene sentido en pruebas de hipótesis, ya que indicaría aleatoriedad total.
📌 Referencia:
Principios de Inferencia Estadística en Ciencias Médicas (Rosner, 2021).
Pregunta 6 (Actualizada 2025)
El Riesgo Relativo (RR) se utiliza en qué tipo de estudios epidemiológicos:
A) Casos y controles
B) Ensayos clínicos
C) Cohortes (Respuesta Correcta)
D) Transversales
✅ Respuesta correcta: C) Cohortes
📌 Explicación:
El Riesgo Relativo (RR) mide la probabilidad de desarrollar una enfermedad en sujetos expuestos frente a no expuestos. Es aplicable en estudios de cohortes y ensayos clínicos.
- Opción A (Incorrecta): En estudios de casos y controles se usa el Odds Ratio (OR), no el RR.
- Opción B (Incorrecta): Aunque el RR se usa en ensayos clínicos, su aplicación principal es en cohortes.
- Opción D (Incorrecta): Los estudios transversales no permiten calcular riesgos relativos, ya que no analizan causalidad en el tiempo.
📌 Referencia:
Epidemiología Clínica y Bioestadística (Hernán & Robins, 2021).
Pregunta 7 (Actualizada 2025)
Si queremos comprobar si la diferencia entre las medias de dos grupos es significativa, ¿qué prueba estadística debemos usar?
A) Chi-cuadrado
B) Prueba t de Student (Respuesta Correcta)
C) ANOVA
D) Correlación de Pearson
✅ Respuesta correcta: B) Prueba t de Student
📌 Explicación:
La prueba t de Student se usa para comparar si hay diferencias significativas entre dos medias.
- Opción A (Incorrecta): Chi-cuadrado se usa para analizar asociaciones entre variables categóricas.
- Opción C (Incorrecta): ANOVA compara más de dos medias.
- Opción D (Incorrecta): Pearson mide la correlación, no la diferencia de medias.
📌 Referencia:
Guía de Pruebas Estadísticas en Ciencias de la Salud (Daniel, 2022).
Pregunta 8 (Actualizada 2025)
¿Cuál de los siguientes test estadísticos se utiliza para comparar proporciones en dos grupos independientes?
A) Test de McNemar
B) ANOVA
C) Chi-cuadrado (Respuesta Correcta)
D) Prueba t de Student
✅ Respuesta correcta: C) Chi-cuadrado
📌 Explicación:
El test de Chi-cuadrado evalúa la asociación entre variables categóricas, comparando frecuencias observadas y esperadas en tablas de contingencia.
- Opción A (Incorrecta): El test de McNemar se usa para datos apareados (antes y después).
- Opción B (Incorrecta): ANOVA compara medias de más de dos grupos, no proporciones.
- Opción D (Incorrecta): La prueba t de Student compara medias, no proporciones.
📌 Referencia:
Manual de Estadística Aplicada a la Investigación Sanitaria (Altman, 2020).
Pregunta 9 (Actualizada 2025)
¿Qué medida de asociación se usa en estudios de casos y controles?
A) Riesgo Relativo (RR)
B) Odds Ratio (OR) (Respuesta Correcta)
C) Coeficiente de correlación de Pearson
D) Número Necesario para Tratar (NNT)
✅ Respuesta correcta: B) Odds Ratio (OR)
📌 Explicación:
El Odds Ratio (OR) se usa en estudios de casos y controles para estimar la probabilidad relativa de exposición en sujetos con la enfermedad frente a los que no la tienen.
- Opción A (Incorrecta): El RR se usa en estudios de cohortes y ensayos clínicos.
- Opción C (Incorrecta): Pearson mide relación lineal, no asociación epidemiológica.
- Opción D (Incorrecta): El NNT se usa en ensayos clínicos para medir impacto terapéutico.
📌 Referencia:
Epidemiología Clínica y Métodos Estadísticos (Rothman, 2019).
Pregunta 10 (Actualizada 2025)
¿Cuál es la principal diferencia entre los estudios de cohortes y los estudios de casos y controles?
A) Los estudios de cohortes son retrospectivos y los de casos y controles prospectivos
B) Los estudios de casos y controles calculan el Riesgo Relativo
C) Los estudios de cohortes parten de la exposición y los de casos y controles de la enfermedad (Respuesta Correcta)
D) Ambos tipos de estudios se realizan en muestras aleatorias
✅ Respuesta correcta: C) Los estudios de cohortes parten de la exposición y los de casos y controles de la enfermedad
📌 Explicación:
Los estudios de cohortes comparan la incidencia de enfermedad en grupos expuestos y no expuestos, mientras que los casos y controles parten de la enfermedad para analizar antecedentes de exposición.
- Opción A (Incorrecta): Los cohortes pueden ser prospectivos o retrospectivos.
- Opción B (Incorrecta): Los casos y controles usan OR, no RR.
- Opción D (Incorrecta): La selección de la muestra no siempre es aleatoria en estos estudios.
📌 Referencia:
Diseño de Estudios Epidemiológicos en Ciencias de la Salud (Hernán, 2021).
Pregunta 11 (Actualizada 2025)
En un análisis estadístico, si obtenemos un valor p = 0,03, ¿qué significa con un nivel de significación de α = 0,05?
A) Se acepta la hipótesis nula
B) Se rechaza la hipótesis nula (Respuesta Correcta)
C) No se puede tomar ninguna decisión
D) Hay un 3% de probabilidad de que la hipótesis alternativa sea falsa
✅ Respuesta correcta: B) Se rechaza la hipótesis nula
📌 Explicación:
Si p < 0,05, se considera estadísticamente significativo y se rechaza la hipótesis nula (H₀), indicando que la diferencia observada probablemente no sea debida al azar.
- Opción A (Incorrecta): Se aceptaría H₀ solo si p > 0,05.
- Opción C (Incorrecta): La regla de decisión es clara con p < α.
- Opción D (Incorrecta): p representa la probabilidad de obtener los resultados si H₀ fuera cierta, no mide la falsedad de H₁.
📌 Referencia:
Inferencia Estadística en Ciencias de la Salud (Daniel, 2020).
Pregunta 12 (Actualizada 2025)
El Número Necesario para Tratar (NNT) se usa para medir:
A) La eficacia de un tratamiento (Respuesta Correcta)
B) La correlación entre dos variables
C) La probabilidad de error en un test estadístico
D) La variabilidad de una muestra
✅ Respuesta correcta: A) La eficacia de un tratamiento
📌 Explicación:
El NNT indica cuántos pacientes necesitan recibir un tratamiento para evitar un evento adverso en uno de ellos. Se calcula como 1/Reducción Absoluta del Riesgo (RAR).
- Opción B (Incorrecta): La correlación se mide con coeficientes como Pearson o Spearman.
- Opción C (Incorrecta): El error en pruebas estadísticas se controla con valores p y α.
- Opción D (Incorrecta): La variabilidad se mide con la desviación estándar o varianza.
📌 Referencia:
Medidas de Impacto en Investigación Sanitaria (Guyatt, 2019).
Pregunta 13 (Actualizada 2025)
El test de Kolmogorov-Smirnov se usa para:
A) Evaluar la normalidad de los datos (Respuesta Correcta)
B) Comparar dos medias
C) Medir la asociación entre dos variables cualitativas
D) Determinar el número necesario para tratar
✅ Respuesta correcta: A) Evaluar la normalidad de los datos
📌 Explicación:
El test de Kolmogorov-Smirnov determina si una distribución de datos difiere significativamente de una distribución normal.
- Opción B (Incorrecta): Comparar medias se hace con t de Student o ANOVA.
- Opción C (Incorrecta): La asociación entre variables cualitativas se mide con Chi-cuadrado.
- Opción D (Incorrecta): El NNT se usa para evaluar impacto clínico, no normalidad.
📌 Referencia:
Bioestadística en Ciencias de la Salud (Pagano & Gauvreau, 2021).
Pregunta 14 (Actualizada 2025)
En una regresión lineal, el coeficiente de determinación R² indica:
A) La fuerza de la relación entre dos variables cuantitativas (Respuesta Correcta)
B) La diferencia entre dos medias
C) El nivel de significación estadística
D) La probabilidad de que la hipótesis nula sea falsa
✅ Respuesta correcta: A) La fuerza de la relación entre dos variables cuantitativas
📌 Explicación:
El R² mide qué proporción de la variabilidad en la variable dependiente es explicada por la variable independiente en un modelo de regresión lineal.
- Opción B (Incorrecta): Para comparar medias se usa t de Student o ANOVA.
- Opción C (Incorrecta): El nivel de significación lo proporciona el valor p.
- Opción D (Incorrecta): La probabilidad de falsedad de H₀ no se expresa en estos términos.
📌 Referencia:
Modelos de Regresión en Investigación Sanitaria (Hosmer & Lemeshow, 2019).
Pregunta 15 (Actualizada 2025)
¿Cuál es el propósito principal de los intervalos de confianza en estadística?
A) Estimar el parámetro poblacional dentro de un rango probable (Respuesta Correcta)
B) Determinar la probabilidad de un error tipo I
C) Comparar dos medias de una muestra
D) Medir la dispersión de los datos en una distribución
✅ Respuesta correcta: A) Estimar el parámetro poblacional dentro de un rango probable
📌 Explicación:
Un intervalo de confianza (IC) proporciona un rango estimado dentro del cual se encuentra el valor real del parámetro poblacional con una determinada certeza (ej. 95%).
- Opción B (Incorrecta): El error tipo I se controla con el valor p y α, no con IC.
- Opción C (Incorrecta): Comparar medias se hace con pruebas t o ANOVA.
- Opción D (Incorrecta): La dispersión se mide con varianza y desviación estándar.
📌 Referencia:
Fundamentos de Inferencia Estadística (Rosner, 2021).
Pregunta 16 (Actualizada 2025)
Si un estudio tiene un poder estadístico del 80%, ¿qué significa esto?
A) La probabilidad de rechazar la hipótesis nula cuando es falsa es del 80% (Respuesta Correcta)
B) Hay un 80% de probabilidad de cometer un error tipo I
C) La significación estadística del estudio es del 80%
D) El intervalo de confianza incluye el 80% de los valores posibles
✅ Respuesta correcta: A) La probabilidad de rechazar la hipótesis nula cuando es falsa es del 80%
📌 Explicación:
El poder estadístico mide la capacidad de un estudio para detectar un efecto real. Un 80% de poder significa que hay un 80% de probabilidad de detectar una diferencia si realmente existe.
- Opción B (Incorrecta): El error tipo I se controla con α, no con el poder del estudio.
- Opción C (Incorrecta): El nivel de significación se determina por α, no por el poder.
- Opción D (Incorrecta): Los intervalos de confianza no dependen del poder estadístico.
📌 Referencia:
Bioestadística en Ciencias de la Salud (Pagano & Gauvreau, 2021).
Pregunta 17 (Actualizada 2025)
¿Qué test estadístico se utiliza para comparar más de dos medias en un conjunto de datos con distribución normal?
A) t de Student
B) ANOVA (Respuesta Correcta)
C) Chi-cuadrado
D) Wilcoxon
✅ Respuesta correcta: B) ANOVA
📌 Explicación:
El ANOVA (Análisis de Varianza) se usa cuando hay más de dos grupos y queremos comparar sus medias sin realizar múltiples pruebas t, evitando el error tipo I.
- Opción A (Incorrecta): La prueba t compara solo dos medias.
- Opción C (Incorrecta): Chi-cuadrado se usa para variables categóricas.
- Opción D (Incorrecta): Wilcoxon es un test no paramétrico para datos no normales.
📌 Referencia:
Estadística Aplicada a la Salud (Altman, 2020).
Pregunta 18 (Actualizada 2025)
¿Cuál de los siguientes coeficientes mide la fuerza de asociación entre dos variables categóricas?
A) Correlación de Pearson
B) Riesgo Relativo (RR)
C) Coeficiente de contingencia de Cramer (Respuesta Correcta)
D) Prueba t de Student
✅ Respuesta correcta: C) Coeficiente de contingencia de Cramer
📌 Explicación:
El coeficiente de contingencia de Cramer mide la asociación entre variables categóricas en tablas de contingencia, basándose en la prueba Chi-cuadrado.
- Opción A (Incorrecta): Pearson mide relación entre variables numéricas.
- Opción B (Incorrecta): El RR se usa en estudios de cohortes para comparar riesgos.
- Opción D (Incorrecta): La t de Student compara medias, no asociaciones.
📌 Referencia:
Métodos Estadísticos en Investigación Sanitaria (Rosner, 2021).
Pregunta 19 (Actualizada 2025)
¿Qué valor del coeficiente de correlación de Pearson indica una relación lineal perfecta positiva entre dos variables?
A) -1
B) 0
C) 0,5
D) 1 (Respuesta Correcta)
✅ Respuesta correcta: D) 1
📌 Explicación:
El coeficiente de Pearson (r) varía entre -1 y 1:
- 1 indica correlación positiva perfecta (si una variable aumenta, la otra también).
- 0 indica ausencia de correlación.
- -1 indica correlación negativa perfecta (si una aumenta, la otra disminuye).
- Opción A (Incorrecta): -1 indica correlación negativa perfecta.
- Opción B (Incorrecta): 0 indica que no hay relación.
- Opción C (Incorrecta): 0,5 indica correlación moderada, no perfecta.
📌 Referencia:
Correlaciones y Regresión en Bioestadística (Hosmer & Lemeshow, 2019).
Pregunta 20 (Actualizada 2025)
En una distribución normal, ¿qué proporción de valores se encuentra dentro de ±2 desviaciones estándar de la media?
A) 50%
B) 68%
C) 95% (Respuesta Correcta)
D) 99,7%
✅ Respuesta correcta: C) 95%
📌 Explicación:
Según la regla empírica en una distribución normal:
- ±1 desviación estándar → 68% de los valores.
- ±2 desviaciones estándar → 95% de los valores.
- ±3 desviaciones estándar → 99,7% de los valores.
- Opción A (Incorrecta): 50% está dentro de la mediana, no ±2 DE.
- Opción B (Incorrecta): 68% se encuentra en ±1 DE.
- Opción D (Incorrecta): 99,7% está en ±3 DE.
📌 Referencia:
Principios de Estadística en Investigación Médica (Rothman, 2020).
MAPA CONCEPTUAL – FUNDAMENTOS DE INVESTIGACIÓN CUANTITATIVA Y ESTADÍSTICA
📌 Investigación Cuantitativa en Ciencias de la Salud
└── 📊 Análisis Estadístico
├── Tipos de Variables
│ ├── Cualitativas (Nominales, Ordinales)
│ ├── Cuantitativas (Discretas, Continuas)
│ └── Dependientes e Independientes
📌 Distribución de Frecuencias
└── 📈 Medidas Estadísticas
├── Tendencia Central
│ ├── Media
│ ├── Mediana
│ └── Moda
├── Dispersión
│ ├── Rango
│ ├── Varianza
│ └── Desviación Estándar
└── Distribución Normal
└── Regla del 68-95-99,7%
📌 Inferencia Estadística
└── 🔎 Contraste de Hipótesis
├── Hipótesis Nula (H₀)
├── Hipótesis Alternativa (H₁)
├── Nivel de Significación (α = 0,05)
├── Valor p
└── Error Tipo I y II
📌 Técnicas de Muestreo
└── 🧪 Selección de la Muestra
├── Probabilísticas
│ ├── Aleatorio Simple
│ ├── Sistemático
│ ├── Estratificado
│ └── Por Conglomerados
└── No Probabilísticas
├── Conveniencia
├── Intencional
└── Bola de Nieve
📌 Test Estadísticos
└── 🏆 Pruebas Paramétricas
├── t de Student (Comparación de 2 medias)
├── ANOVA (Comparación de más de 2 medias)
└── Correlación de Pearson (Relación entre dos variables continuas)
└── 📉 Pruebas No Paramétricas
├── U de Mann-Whitney (Alternativa a t de Student)
├── Kruskal-Wallis (Alternativa a ANOVA)
└── Chi-cuadrado (Asociación entre variables categóricas)
📌 Medidas de Asociación e Impacto
└── 🔗 Indicadores Epidemiológicos
├── Riesgo Relativo (RR) → Comparación de incidencia entre expuestos y no expuestos
├── Odds Ratio (OR) → Relación entre exposición y enfermedad en estudios de casos y controles
└── Número Necesario para Tratar (NNT) → Pacientes que deben recibir tratamiento para evitar un evento
📌 Diseños Epidemiológicos y Clínicos
└── 🔬 Tipos de Estudios
├── Observacionales
│ ├── Estudios Descriptivos (Transversales)
│ ├── Estudios de Cohortes
│ └── Estudios de Casos y Controles
└── Experimentales
├── Ensayos Clínicos Aleatorizados
└── Estudios Cuasi-experimentales
📌 Conclusión
└── 📜 Importancia de la Estadística en la Salud
├── Facilita la toma de decisiones basada en evidencia
├── Mejora la precisión en la investigación clínica
├── Permite evaluar tratamientos y políticas de salud
└── Optimiza la gestión de recursos sanitarios
🔍 Resumen
Este mapa conceptual resume los principales aspectos de la investigación cuantitativa y la estadística aplicada a la salud, organizando los conceptos clave en jerarquías lógicas.