El análisis de datos es un componente esencial en la gestión sanitaria, especialmente para los técnicos de la función administrativa del Servicio Andaluz de Salud (SAS). Estos profesionales manejan grandes volúmenes de información para optimizar recursos, evaluar la calidad de los servicios y respaldar decisiones basadas en evidencia. Este tema aborda las herramientas estadísticas fundamentales que permiten transformar datos en información útil, desde la estadística descriptiva hasta pruebas avanzadas, incluyendo ejemplos prácticos adaptados al contexto del SAS.
Estadística Descriptiva e Inferencial
Estadística Descriptiva
La estadística descriptiva resume y describe datos sin realizar inferencias sobre una población mayor. En el SAS, los técnicos la emplean para analizar indicadores como tiempos de espera, número de pacientes atendidos o asignación de recursos.
Ejemplo práctico: Un técnico analiza los tiempos de espera para citas médicas en un centro de salud: 1, 2, 2, 3, 4 días. Calcula la media (2.4 días), la mediana (2 días) y la moda (2 días), y genera un histograma para visualizar la distribución. Esto ayuda a detectar patrones y proponer mejoras en la planificación.
Estadística Inferencial
La estadística inferencial utiliza muestras para hacer predicciones sobre una población, aplicando probabilidad y niveles de confianza. En el SAS, es clave para evaluar aspectos como la satisfacción del paciente o la eficacia de políticas sanitarias.
Ejemplo práctico: Una muestra de 300 pacientes indica que el 70% está satisfecho con la atención. Con un intervalo de confianza del 95%, un técnico estima que la satisfacción poblacional está entre 65% y 75%. Esta información orienta a los administradores sobre posibles ajustes en los servicios.
Medidas de Centralización, Posición, Dispersión y Forma
Estas medidas ayudan a los técnicos del SAS a sintetizar datos y comprender su comportamiento, como la duración de consultas o la variabilidad en tiempos de respuesta.
1. Medidas de Centralización
Representan el valor típico de un conjunto de datos.
- Media: Promedio aritmético. Por ejemplo, calcular la media de días de estancia hospitalaria (ej. 5 días) permite comparar la eficiencia entre centros del SAS.
- Mediana: Valor central al ordenar los datos. En tiempos de espera como 1, 3, 10 días, la mediana (3 días) es más representativa que la media (4.67 días) si hay valores extremos.
- Moda: Valor más frecuente. Identificar la edad más común de los pacientes (ej. 45 años) ayuda a priorizar recursos en el SAS.
2. Medidas de Posición
Indican la ubicación relativa de los datos.
- Percentiles: El percentil 90 de tiempos de espera (ej. 6 días) muestra que el 90% de los pacientes espera 6 días o menos.
- Cuartiles: Dividen los datos en cuatro partes. En edades de pacientes (ej. Q1=30, Q2=45, Q3=60), el rango intercuartílico (Q3-Q1=30) detecta variabilidad o valores atípicos.
3. Medidas de Dispersión
Evalúan la variabilidad de los datos.
- Rango: Diferencia entre máximo y mínimo (ej. tiempos de espera de 1 a 7 días, rango=6).
- Varianza: Promedio de desviaciones al cuadrado respecto a la media. Una alta varianza en tiempos de respuesta de ambulancias señala inconsistencias en el servicio.
- Desviación Estándar: Raíz de la varianza (ej. si la media de estancia es 5 días y la desviación estándar es 1.5, los valores típicos están entre 3.5 y 6.5 días).
4. Medidas de Forma
Describen la distribución de los datos.
- Asimetría: Una asimetría positiva en tiempos de espera (cola a la derecha) indica casos prolongados que requieren atención en el SAS.
- Curtosis: Una alta curtosis en costos hospitalarios sugiere valores extremos, útiles para planificar presupuestos.
Estimación Puntual y por Intervalos
La estimación permite a los técnicos del SAS predecir parámetros poblacionales a partir de muestras.
- Estimación Puntual: Un solo valor, como una media muestral de satisfacción (8 sobre 10), estima la satisfacción general.
- Estimación por Intervalos: Un rango con nivel de confianza. Por ejemplo, con una media muestral de 8 y desviación estándar de 2 en 100 encuestas, el intervalo al 95% es [7.6, 8.4], indicando la probable satisfacción poblacional.
Ejemplo práctico: Un técnico calcula que el 80% de una muestra recomienda el SAS, con un intervalo de confianza del 95% entre 75% y 85%. Esto apoya decisiones sobre la calidad percibida.
Contraste de Hipótesis
El contraste de hipótesis prueba afirmaciones sobre datos, como si un nuevo sistema reduce tiempos de espera.
Pasos:
- Formular hipótesis nula (H₀) y alternativa (H₁).
- Fijar nivel de significación (α=0.05).
- Calcular estadístico y p-valor.
- Rechazar o aceptar H₀.
Ejemplo práctico: H₀: el tiempo medio de espera es ≥ 4 días; H₁: < 4 días. Si el p-valor es 0.02 (< 0.05), se rechaza H₀, sugiriendo una mejora significativa.
Referencia SAS: Comparar satisfacción entre dos centros para decidir dónde intervenir.
Pruebas Específicas
Prueba Chi-cuadrado (χ²)
Analiza relaciones entre variables categóricas.
Ejemplo práctico: Un técnico examina si el tipo de tratamiento (A o B) afecta la recuperación (sí/no). Si χ² indica un p-valor < 0.05, hay asociación significativa.
Referencia SAS: Verificar si la distribución de diagnósticos coincide con patrones históricos.
Prueba ANOVA
Compara medias entre más de dos grupos.
Ejemplo práctico: Comparar tiempos de espera en tres centros (A: 3 días, B: 4 días, C: 5 días). Si p-valor < 0.05, al menos un centro difiere significativamente.
Referencia SAS: Analizar eficiencia entre hospitales para redistribuir recursos.
Regresión y Correlación
Miden relaciones entre variables.
- Correlación: Un r=0.7 entre horas de formación y satisfacción sugiere que más formación mejora la percepción del servicio.
- Regresión Lineal: Predice admisiones según la temporada (ej. más en invierno), ayudando a planificar capacidad.
Representaciones Gráficas
Las visualizaciones facilitan la comunicación de resultados.
- Histogramas: Muestran distribución de tiempos de espera, destacando concentraciones.
- Boxplots: Comparan edades entre centros, detectando valores atípicos.
- Gráficos de Dispersión: Relacionan inversión y reducción de enfermedades, sugiriendo tendencias.
Conclusión
Las herramientas estadísticas son indispensables para los técnicos del SAS. Permiten describir datos, inferir tendencias, probar hipótesis y visualizar resultados, optimizando la gestión sanitaria y mejorando la atención al paciente. Su dominio asegura un servicio eficiente y de calidad en Andalucía.
Cuestionario Técnico (Tema 46 – Actualizado 2025)
Pregunta 1 (Actualizada 2025)
¿Cuál de las siguientes medidas estadísticas es más adecuada ante la presencia de valores atípicos en una muestra?
A) Media
B) Mediana (Respuesta Correcta)
C) Moda
D) Varianza
✅ Respuesta correcta: B
📌 Explicación:
La mediana es la medida más robusta frente a valores atípicos o extremos, ya que representa el valor central de una distribución ordenada.
- Opción A (Incorrecta): La media se ve muy afectada por valores extremos.
- Opción C (Incorrecta): La moda no considera la distribución completa, sólo la frecuencia más alta.
- Opción D (Incorrecta): La varianza mide la dispersión, no la centralidad.
📌 Referencia normativa:
Normas generales de estadística descriptiva.
Pregunta 2 (Actualizada 2025)
¿Qué técnica estadística se emplea específicamente para comparar las medias de más de dos grupos?
A) Chi-cuadrado
B) Regresión Lineal
C) ANOVA (Respuesta Correcta)
D) T de Student
✅ Respuesta correcta: C
📌 Explicación:
La prueba ANOVA permite comparar simultáneamente las medias de tres o más grupos para verificar si existen diferencias significativas entre ellas.
- Opción A (Incorrecta): Chi-cuadrado evalúa relaciones entre variables categóricas.
- Opción B (Incorrecta): La regresión lineal establece relaciones predictivas entre variables cuantitativas.
- Opción D (Incorrecta): T de Student compara medias únicamente entre dos grupos.
📌 Referencia normativa:
Guías de aplicación del análisis de varianza (ANOVA).
Pregunta 3 (Actualizada 2025)
¿Cuándo es más adecuado aplicar la prueba Chi-cuadrado (χ²)?
A) Para comparar medias de grupos independientes
B) Para analizar la relación entre dos variables categóricas (Respuesta Correcta)
C) Para predecir el valor de una variable en función de otra
D) Para evaluar diferencias entre medias de dos grupos relacionados
✅ Respuesta correcta: B
📌 Explicación:
Chi-cuadrado es el test de referencia cuando se quiere determinar la independencia o asociación entre variables categóricas.
- Opción A (Incorrecta): Para comparar medias de grupos independientes se emplea ANOVA o T de Student.
- Opción C (Incorrecta): Esto describe la regresión.
- Opción D (Incorrecta): Aquí sería adecuado un test T de muestras relacionadas.
📌 Referencia normativa:
Manual de técnicas estadísticas aplicadas al sector sanitario (Chi-cuadrado).
Pregunta 4 (Actualizada 2025)
¿Qué representa un coeficiente de correlación de -0.9 entre dos variables?
A) No existe relación entre las variables
B) Relación positiva muy fuerte
C) Relación negativa muy fuerte (Respuesta Correcta)
D) Relación débil o moderada
✅ Respuesta correcta: C
📌 Explicación:
Un valor de -0.9 indica una relación negativa fuerte: cuando una variable aumenta, la otra disminuye.
- Opción A (Incorrecta): Un valor cercano a cero indicaría falta de relación.
- Opción B (Incorrecta): Sería correcta si fuera +0.9.
- Opción D (Incorrecta): Valores cercanos a cero reflejan relaciones débiles.
📌 Referencia normativa:
Principios generales del análisis de correlación estadística.
Pregunta 5 (Actualizada 2025)
¿Qué mide la curtosis en una distribución estadística?
A) La asimetría de la distribución
B) El grado de concentración de los datos en torno a la media (Respuesta Correcta)
C) La posición relativa de los datos
D) La variabilidad absoluta de los datos
✅ Respuesta correcta: B
📌 Explicación:
La curtosis mide cómo de puntiaguda es una distribución en relación con una distribución normal.
- Opción A (Incorrecta): Eso corresponde a la medida de asimetría.
- Opción C (Incorrecta): Esto describe los percentiles o cuartiles.
- Opción D (Incorrecta): Esto corresponde a la varianza o desviación estándar.
📌 Referencia normativa:
Documentación técnica de medidas descriptivas.
Pregunta 6 (Actualizada 2025)
En el contraste de hipótesis, ¿qué indica un p-valor menor que el nivel de significación (α)?
A) Se acepta la hipótesis nula
B) El resultado no es concluyente
C) Se rechaza la hipótesis nula (Respuesta Correcta)
D) Se prueba la hipótesis alternativa como verdadera absoluta
✅ Respuesta correcta: C
📌 Explicación:
Un p-valor inferior al nivel de significación establecido (habitualmente α=0.05) implica rechazar la hipótesis nula.
- Opción A (Incorrecta): Para aceptar H₀, el p-valor debe ser superior a α.
- Opción B (Incorrecta): Si el p-valor es claro, el resultado es concluyente.
- Opción D (Incorrecta): Las hipótesis nunca se prueban como absolutamente verdaderas.
📌 Referencia normativa:
Metodología del contraste de hipótesis en estudios sanitarios.
Pregunta 7 (Actualizada 2025)
¿Cuál es el objetivo principal de un gráfico Boxplot (o caja y bigotes)?
A) Mostrar tendencias temporales
B) Comparar promedios entre múltiples grupos
C) Mostrar la distribución, centralidad y valores atípicos (Respuesta Correcta)
D) Representar relaciones entre dos variables cuantitativas
✅ Respuesta correcta: C
📌 Explicación:
El Boxplot permite visualizar claramente la mediana, el rango intercuartílico y la presencia de datos atípicos.
- Opción A (Incorrecta): Esto corresponde a gráficos de líneas.
- Opción B (Incorrecta): Para comparar promedios se usa ANOVA o gráficos específicos.
- Opción D (Incorrecta): Para esto se utiliza un gráfico de dispersión.
📌 Referencia normativa:
Guía de gráficos descriptivos de la distribución de datos.
Pregunta 8 (Actualizada 2025)
¿Qué tipo de estimación estadística ofrece un único valor como representación del parámetro poblacional?
A) Estimación puntual (Respuesta Correcta)
B) Estimación por intervalos
C) Regresión lineal
D) ANOVA
✅ Respuesta correcta: A
📌 Explicación:
La estimación puntual proporciona un solo valor específico del parámetro poblacional estimado a partir de la muestra.
- Opción B (Incorrecta): Estimación por intervalos da un rango probable.
- Opciones C y D (Incorrectas): Estas técnicas no son métodos de estimación directa.
📌 Referencia normativa:
Conceptos básicos sobre inferencia estadística.
Pregunta 9 (Actualizada 2025)
Si al aplicar la prueba Chi-cuadrado (χ²) se obtiene un valor p = 0,12, siendo α = 0,05, ¿cuál es la decisión estadística correcta?
A) Aceptar la hipótesis alternativa (H₁)
B) Rechazar la hipótesis nula (H₀)
C) No rechazar la hipótesis nula (H₀) (Respuesta Correcta)
D) El resultado es inconcluyente
✅ Respuesta correcta: C
📌 Explicación:
Dado que el p-valor (0,12) es superior al nivel de significación α (0,05), no existe evidencia suficiente para rechazar la hipótesis nula.
- Opción A (Incorrecta): Sólo se acepta H₁ cuando se rechaza H₀.
- Opción B (Incorrecta): Para rechazar H₀, p debe ser menor que α.
- Opción D (Incorrecta): Existe una conclusión clara.
📌 Referencia normativa:
Criterios para la toma de decisiones en pruebas estadísticas (Chi-cuadrado).
Pregunta 10 (Actualizada 2025)
¿Cuál de las siguientes afirmaciones es verdadera respecto al intervalo de confianza?
A) Un intervalo del 95% asegura que el valor real siempre está incluido
B) Un intervalo más estrecho indica mayor incertidumbre
C) Un intervalo más amplio indica mayor precisión
D) Un intervalo más estrecho indica mayor precisión (Respuesta Correcta)
✅ Respuesta correcta: D
📌 Explicación:
Un intervalo más estrecho refleja menos variabilidad y mayor precisión en la estimación.
- Opción A (Incorrecta): No garantiza que el valor real esté siempre incluido, sino que tiene una probabilidad determinada.
- Opción B (Incorrecta): Mayor incertidumbre se refleja en intervalos más amplios.
- Opción C (Incorrecta): Intervalos amplios representan menor precisión.
📌 Referencia normativa:
Manual práctico sobre intervalos de confianza.
Pregunta 11 (Actualizada 2025)
¿Cuándo se recomienda utilizar pruebas no paramétricas en estadística?
A) Cuando la muestra sigue una distribución normal
B) Cuando la muestra es grande
C) Cuando no se cumplen los supuestos paramétricos (Respuesta Correcta)
D) Cuando la variable es continua
✅ Respuesta correcta: C
📌 Explicación:
Las pruebas no paramétricas se utilizan cuando los datos no cumplen supuestos paramétricos (normalidad, homogeneidad de varianzas, etc.).
- Opciones A y B (Incorrectas): Justifican el uso de métodos paramétricos.
- Opción D (Incorrecta): Las pruebas paramétricas también trabajan con variables continuas.
📌 Referencia normativa:
Guía práctica de pruebas paramétricas y no paramétricas.
Pregunta 12 (Actualizada 2025)
¿Cuál es el principal objetivo de la regresión lineal simple?
A) Evaluar diferencias entre grupos
B) Identificar valores extremos
C) Establecer la relación funcional entre dos variables cuantitativas (Respuesta Correcta)
D) Comparar distribuciones categóricas
✅ Respuesta correcta: C
📌 Explicación:
La regresión lineal simple establece una ecuación matemática para predecir o explicar una variable a partir de otra.
- Opciones A y D (Incorrectas): Corresponden a ANOVA y Chi-cuadrado respectivamente.
- Opción B (Incorrecta): Se usa análisis descriptivo.
📌 Referencia normativa:
Bases metodológicas de la regresión lineal simple.
Pregunta 13 (Actualizada 2025)
En una distribución simétrica, ¿qué relación existe entre la media, mediana y moda?
A) Media > Mediana > Moda
B) Media < Mediana < Moda
C) Media = Mediana = Moda (Respuesta Correcta)
D) Moda > Media > Mediana
✅ Respuesta correcta: C
📌 Explicación:
En distribuciones perfectamente simétricas, media, mediana y moda coinciden.
- Opciones A, B y D (Incorrectas): Indican asimetría en la distribución.
📌 Referencia normativa:
Estadística descriptiva básica.
Pregunta 14 (Actualizada 2025)
¿Qué gráfico es más adecuado para representar una correlación entre dos variables continuas?
A) Histograma
B) Gráfico de dispersión (Respuesta Correcta)
C) Gráfico circular
D) Diagrama de barras
✅ Respuesta correcta: B
📌 Explicación:
El gráfico de dispersión permite visualizar claramente la relación entre dos variables cuantitativas continuas.
- Opciones A y D (Incorrectas): Para frecuencias.
- Opción C (Incorrecta): Para porcentajes o partes de un total.
📌 Referencia normativa:
Guía de representaciones gráficas en estadística.
Pregunta 15 (Actualizada 2025)
La desviación estándar mide:
A) El grado de concentración alrededor de la moda
B) El grado de dispersión respecto a la media (Respuesta Correcta)
C) La relación entre dos variables
D) La posición de los datos
✅ Respuesta correcta: B
📌 Explicación:
La desviación estándar mide cuánto varían los datos alrededor de la media aritmética.
- Opción A (Incorrecta): No relaciona con la moda, sino con la media.
- Opción C (Incorrecta): Eso corresponde a la correlación.
- Opción D (Incorrecta): La posición relativa corresponde a percentiles o cuartiles.
📌 Referencia normativa:
Conceptos fundamentales de la estadística descriptiva.
Pregunta 16 (Actualizada 2025)
¿Qué parámetro mide la varianza?
A) La relación entre variables categóricas
B) La diferencia media absoluta de los datos respecto a la mediana
C) La media de las desviaciones cuadráticas respecto a la media (Respuesta Correcta)
D) La diferencia entre cuartiles
✅ Respuesta correcta: C
📌 Explicación:
La varianza es el promedio de las desviaciones cuadráticas respecto a la media.
- Opción A (Incorrecta): Relacionada con Chi-cuadrado.
- Opción B (Incorrecta): Describe la desviación media respecto a la mediana.
- Opción D (Incorrecta): Eso es el rango intercuartílico.
📌 Referencia normativa:
Definiciones estadísticas básicas.
Pregunta 17 (Actualizada 2025)
¿Cuál es el valor del coeficiente de correlación cuando no existe relación lineal entre dos variables?
A) -1
B) 0 (Respuesta Correcta)
C) 1
D) 0.5
✅ Respuesta correcta: B
📌 Explicación:
Cuando no existe relación lineal, el coeficiente de correlación es cercano a cero.
- Opciones A y C (Incorrectas): Indican correlación perfecta.
- Opción D (Incorrecta): Indica correlación moderada.
📌 Referencia normativa:
Introducción a la correlación y regresión.
Pregunta 18 (Actualizada 2025)
¿Qué distribución estadística suelen seguir las variables categóricas en tablas de contingencia analizadas con la prueba Chi-cuadrado?
A) Normal
B) Poisson
C) Binomial
D) Chi-cuadrado (Respuesta Correcta)
✅ Respuesta correcta: D
📌 Explicación:
La prueba Chi-cuadrado se basa en la distribución Chi-cuadrado para variables categóricas analizadas mediante tablas de contingencia.
- Opciones A y B (Incorrectas): Aplicables principalmente a variables continuas o recuentos.
- Opción C (Incorrecta): Utilizada en experimentos de éxito/fracaso independientes.
📌 Referencia normativa:
Bases metodológicas de análisis de tablas de contingencia.
Pregunta 19 (Actualizada 2025)
¿Qué medida estadística corresponde al valor por debajo del cual se sitúa un determinado porcentaje de datos ordenados?
A) Varianza
B) Percentil (Respuesta Correcta)
C) Curtosis
D) Media ponderada
✅ Respuesta correcta: B
📌 Explicación:
El percentil indica la posición relativa de un dato dentro de una distribución, marcando el valor bajo el cual se ubica un porcentaje específico de observaciones.
- Opciones A y C (Incorrectas): Se relacionan con dispersión y forma respectivamente.
- Opción D (Incorrecta): Es un tipo especial de media, no una medida de posición.
📌 Referencia normativa:
Estadística descriptiva y medidas de posición.
Pregunta 20 (Actualizada 2025)
Si en una regresión lineal simple el coeficiente de determinación (R²) es 0,85, ¿qué interpretación es correcta?
A) El modelo explica el 85% de la variabilidad total observada (Respuesta Correcta)
B) La correlación entre variables es de 0,85 exactamente
C) El modelo explica sólo el 15% de la variabilidad
D) Existe una correlación negativa fuerte
✅ Respuesta correcta: A
📌 Explicación:
El coeficiente de determinación R² indica qué proporción de la variabilidad de la variable dependiente es explicada por el modelo de regresión; en este caso, el 85%.
- Opción B (Incorrecta): R² mide variabilidad explicada, no correlación directa.
- Opción C (Incorrecta): Equivocación al interpretar el porcentaje explicado.
- Opción D (Incorrecta): R² no indica la dirección de la correlación.
📌 Referencia normativa:
Guía práctica de regresión lineal y coeficiente de determinación.
Pregunta 21 (Actualizada 2025)
¿Qué prueba estadística elegirías para comparar medias entre dos muestras independientes que cumplen los supuestos paramétricos?
A) Chi-cuadrado
B) T de Student para muestras independientes (Respuesta Correcta)
C) Regresión lineal simple
D) Prueba de Wilcoxon
✅ Respuesta correcta: B
📌 Explicación:
La prueba T de Student para muestras independientes compara medias entre dos grupos cuando se cumplen los supuestos paramétricos (normalidad y homogeneidad de varianzas).
- Opción A (Incorrecta): Evalúa variables categóricas.
- Opción C (Incorrecta): Evalúa relación, no comparación de medias directas.
- Opción D (Incorrecta): Prueba no paramétrica alternativa al test T.
📌 Referencia normativa:
Metodología estadística básica para pruebas paramétricas.
Pregunta 22 (Actualizada 2025)
¿Cuál es el supuesto principal que debe cumplirse para aplicar el análisis de varianza (ANOVA)?
A) Independencia de observaciones y homogeneidad de varianzas (Respuesta Correcta)
B) Datos categóricos
C) Distribución exponencial
D) Muestras dependientes
✅ Respuesta correcta: A
📌 Explicación:
El ANOVA exige independencia entre observaciones y que las varianzas sean homogéneas entre grupos comparados.
- Opción B (Incorrecta): ANOVA utiliza variables cuantitativas.
- Opción C (Incorrecta): ANOVA requiere distribución normal.
- Opción D (Incorrecta): Las muestras dependientes exigen otro tipo de análisis estadístico.
📌 Referencia normativa:
Principios básicos del análisis de varianza.
Pregunta 23 (Actualizada 2025)
¿A qué concepto corresponde la probabilidad de rechazar erróneamente una hipótesis nula cuando es verdadera?
A) Error tipo I (Respuesta Correcta)
B) Error tipo II
C) Potencia estadística
D) Nivel de confianza
✅ Respuesta correcta: A
📌 Explicación:
El error tipo I (falso positivo) ocurre cuando se rechaza una hipótesis nula verdadera. Se corresponde con el nivel de significación (α).
- Opción B (Incorrecta): Corresponde al error de no rechazar una hipótesis falsa.
- Opción C (Incorrecta): Probabilidad de detectar una diferencia real.
- Opción D (Incorrecta): Probabilidad de incluir el valor verdadero en un intervalo estimado.
📌 Referencia normativa:
Conceptos básicos del contraste de hipótesis.
Pregunta 24 (Actualizada 2025)
¿Qué situación justifica aplicar la prueba no paramétrica de Mann-Whitney?
A) Muestras independientes sin distribución normal (Respuesta Correcta)
B) Comparación de más de dos grupos independientes
C) Variables categóricas asociadas
D) Variables continuas con distribución normal
✅ Respuesta correcta: A
📌 Explicación:
La prueba de Mann-Whitney es la alternativa no paramétrica para comparar dos muestras independientes cuando no se cumple el supuesto de normalidad.
- Opción B (Incorrecta): Se utilizaría Kruskal-Wallis (más de dos grupos).
- Opción C (Incorrecta): Sería adecuada la prueba Chi-cuadrado.
- Opción D (Incorrecta): Justificaría la prueba T paramétrica.
📌 Referencia normativa:
Manual de estadística inferencial no paramétrica.
Pregunta 25 (Actualizada 2025)
¿En qué consiste la estimación por intervalos?
A) Asignar un único valor como estimación del parámetro
B) Dar un rango probable donde se encuentra el parámetro (Respuesta Correcta)
C) Comprobar diferencias significativas
D) Evaluar la correlación entre variables
✅ Respuesta correcta: B
📌 Explicación:
La estimación por intervalos ofrece un rango dentro del cual se espera encontrar el parámetro poblacional con una determinada probabilidad (nivel de confianza).
- Opción A (Incorrecta): Corresponde a estimación puntual.
- Opciones C y D (Incorrectas): Son objetivos distintos del concepto de estimación.
📌 Referencia normativa:
Bases de la inferencia estadística.
Pregunta 26 (Actualizada 2025)
Un técnico del SAS desea evaluar si hay diferencias significativas en la satisfacción de pacientes atendidos en tres hospitales distintos. ¿Qué prueba estadística sería la más adecuada?
A) Chi-cuadrado
B) ANOVA (Respuesta Correcta)
C) Regresión lineal
D) T de Student
✅ Respuesta correcta: B
📌 Explicación:
ANOVA compara medias de satisfacción entre más de dos grupos independientes (hospitales distintos).
- Opción A (Incorrecta): Se emplea para variables categóricas y frecuencias.
- Opción C (Incorrecta): Se usa para predecir variables.
- Opción D (Incorrecta): Para sólo dos grupos.
📌 Referencia SAS:
Guía metodológica de evaluación de calidad asistencial (Servicio Andaluz de Salud).
Pregunta 27 (Actualizada 2025)
El SAS analiza si el tipo de tratamiento (médico o quirúrgico) está relacionado significativamente con el éxito terapéutico (sí/no). ¿Qué prueba utilizarías?
A) ANOVA
B) T de Student
C) Chi-cuadrado (Respuesta Correcta)
D) Regresión logística
✅ Respuesta correcta: C
📌 Explicación:
Chi-cuadrado analiza la asociación entre variables categóricas: tratamiento (categórico) vs. éxito terapéutico (categórico).
- Opciones A y B (Incorrectas): Son para comparar medias.
- Opción D (Incorrecta): Predice probabilidades, pero es menos directa que Chi-cuadrado en análisis simple.
📌 Referencia SAS:
Manual de evaluación de resultados en tratamientos sanitarios (Servicio Andaluz de Salud).
Pregunta 28 (Actualizada 2025)
Un estudio del SAS obtiene un intervalo de confianza del 95% para el tiempo medio de espera de consultas externas de [3,2 días; 4,8 días]. ¿Cómo interpretar este resultado?
A) El tiempo medio real siempre será de 4 días
B) Existe una probabilidad del 95% de que el tiempo medio esté entre 3,2 y 4,8 días (Respuesta Correcta)
C) El tiempo medio está exactamente en 4 días
D) El 95% de los pacientes espera entre 3,2 y 4,8 días
✅ Respuesta correcta: B
📌 Explicación:
Un intervalo de confianza indica el rango probable donde se encuentra el verdadero valor poblacional con una cierta confianza (95% en este caso).
- Opciones A y C (Incorrectas): Sugieren exactitud que no existe.
- Opción D (Incorrecta): Eso sería un intervalo percentil o cuantil.
📌 Referencia SAS:
Guía de indicadores de calidad asistencial del SAS.
Pregunta 29 (Actualizada 2025)
Un análisis del SAS muestra una correlación (r) de +0,85 entre formación continua del personal y satisfacción del paciente. ¿Cómo interpretas este resultado?
A) No existe relación significativa
B) Existe una relación negativa fuerte
C) Existe una relación positiva fuerte (Respuesta Correcta)
D) La relación es débil
✅ Respuesta correcta: C
📌 Explicación:
Una correlación de +0,85 indica una fuerte relación positiva: mayor formación, mayor satisfacción.
- Opción A (Incorrecta): Una correlación alta sí indica relación significativa.
- Opción B (Incorrecta): Correlación negativa es negativa.
- Opción D (Incorrecta): Una relación débil sería cercana a cero.
📌 Referencia SAS:
Evaluación interna del Plan de Formación Continuada (SAS).
Pregunta 30 (Actualizada 2025)
El SAS quiere verificar si una nueva política sanitaria reduce significativamente el número promedio de días de ingreso hospitalario. ¿Qué técnica estadística debería emplear?
A) Prueba Chi-cuadrado
B) Contraste de hipótesis con T de Student para muestras relacionadas (Respuesta Correcta)
C) ANOVA de un factor
D) Prueba de correlación
✅ Respuesta correcta: B
📌 Explicación:
La prueba T para muestras relacionadas compara la media antes y después de aplicar una política sanitaria específica.
- Opción A (Incorrecta): Evalúa asociaciones entre variables categóricas.
- Opción C (Incorrecta): Evalúa diferencias entre más de dos grupos independientes.
- Opción D (Incorrecta): Mide relaciones lineales, no diferencias de medias.
📌 Referencia SAS:
Normativa interna de evaluación del impacto de políticas sanitarias (Servicio Andaluz de Salud).
📌 Mapa Conceptual (Tema 46) Herramientas Estadísticas para el Análisis de Datos
- 📊 Estadística
- 📈 Descriptiva
- 🔹 Objetivo: Resumir y describir datos
- 🔹 Aplicaciones en el SAS:
- Análisis de tiempos de espera
- Evaluación de número de pacientes atendidos
- Distribución de recursos
- 🔹 Tipos de medidas:
- 🔸 Centralización
- Media
- Mediana
- Moda
- 🔸 Posición
- Percentiles
- Cuartiles
- 🔸 Dispersión
- Rango
- Varianza
- Desviación estándar
- 🔸 Forma
- Asimetría
- Curtosis
- 🔸 Centralización
- 📉 Inferencial
- 🔹 Objetivo: Generalizar resultados de muestras a poblaciones
- 🔹 Aplicaciones en el SAS:
- Evaluación de satisfacción del paciente
- Estimación de indicadores de calidad asistencial
- 🔹 Tipos de estimación:
- 🔸 Estimación puntual
- Proporciona un solo valor como estimador
- 🔸 Estimación por intervalos
- Intervalos de confianza (nivel habitual: 95%)
- 🔸 Estimación puntual
- 🔹 Contraste de hipótesis
- Formulación hipótesis nula (H₀) y alternativa (H₁)
- Selección nivel de significación (α, normalmente 0,05)
- Decisión basada en el p-valor
- 🔸 Contrastes Paramétricos
- T de Student (1 o 2 muestras)
- ANOVA (más de 2 muestras)
- 🔸 Contrastes No Paramétricos
- Chi-cuadrado (variables categóricas)
- Mann-Whitney (dos muestras independientes no paramétricas)
- Wilcoxon (muestras relacionadas no paramétricas)
- 📈 Descriptiva
- 📐 Pruebas Estadísticas Específicas
- 🔹 Chi-cuadrado (χ²)
- Variables categóricas
- Análisis tablas de contingencia
- Ejemplo SAS: asociación tratamiento-éxito terapéutico
- 🔹 ANOVA (Análisis de Varianza)
- Comparación de medias entre ≥3 grupos
- Supuestos: normalidad, independencia, homogeneidad varianzas
- Ejemplo SAS: satisfacción pacientes en distintos hospitales
- 🔹 T de Student
- Comparación entre 2 grupos
- Independientes o relacionadas
- Ejemplo SAS: efecto política sanitaria sobre tiempos ingreso
- 🔹 Pruebas no paramétricas (Wilcoxon, Mann-Whitney)
- Ausencia cumplimiento supuestos paramétricos
- Ejemplo SAS: comparación satisfacción sin normalidad garantizada
- 🔹 Chi-cuadrado (χ²)
- 📈 Regresión y Correlación
- 🔹 Correlación
- Relación lineal entre variables cuantitativas
- Interpretación coeficiente (positivo, negativo, fuerte o débil)
- Ejemplo SAS: relación formación continua-satisfacción paciente
- 🔹 Regresión Lineal
- Predicción o explicación de una variable en función de otra
- Interpretación coeficiente determinación (R²)
- Ejemplo SAS: predicción ingresos hospitalarios según época
- 🔹 Correlación
- 📉 Representaciones Gráficas
- 🔹 Objetivo: Facilitar comprensión visual de datos
- 🔸 Tipos de gráficos:
- Histogramas (Distribuciones)
- Ejemplo: Tiempos de espera SAS
- Boxplots (Valores atípicos y comparación)
- Ejemplo: Comparativa entre hospitales SAS
- Gráficos de dispersión (Relaciones)
- Ejemplo: Formación vs. satisfacción personal SAS
- Histogramas (Distribuciones)
📚 Referencias Normativas y Publicaciones (Tema 46)
📖 Normativa relacionada
- Ley 2/1998, de 15 de junio, de Salud de Andalucía
(BOJA nº 74, de 4 de julio de 1998)
Referencia clave sobre planificación sanitaria y evaluación de calidad en el SAS. - Decreto 105/1986, de 11 de junio, sobre ordenación hospitalaria en Andalucía
Referencia para estudios comparativos entre centros hospitalarios del SAS. - Plan Andaluz de Salud vigente (2025)
Publicado por el Consejo de Gobierno de la Junta de Andalucía, esencial para la aplicación de indicadores estadísticos en evaluación y planificación. - Decreto 197/2007, de 3 de julio, de Atención Primaria en Andalucía
Base normativa para la recogida y análisis de datos estadísticos en atención primaria.
📘 Publicaciones Técnicas y Guías del SAS
- Manual de Técnicas Estadísticas Aplicadas al Ámbito Sanitario (SAS, 2023)
Publicación oficial del SAS sobre aplicación práctica de métodos estadísticos descriptivos e inferenciales. - Guía Metodológica para la Evaluación de la Calidad Asistencial (Servicio Andaluz de Salud, actualizado 2025)
Referencia clave para la elaboración de estudios estadísticos en evaluación y mejora continua. - Protocolo Estadístico de Evaluación del Impacto de Políticas Sanitarias del SAS (Actualizado 2024)
Guía para contrastes de hipótesis y análisis estadísticos aplicados al estudio de políticas sanitarias.
📗 Bibliografía Complementaria Recomendada
- Peña Sánchez de Rivera, D. (2023). Estadística Aplicada con R y Python: Métodos descriptivos, inferenciales y gráficos. Ediciones Paraninfo, Madrid.
Recurso actualizado sobre análisis estadístico práctico con software abierto. - Casas Sánchez, J.M. (2024). Métodos Estadísticos en Ciencias de la Salud: Aplicaciones con SPSS. Editorial Universitaria Ramón Areces, Madrid.
Guía detallada sobre el uso de métodos estadísticos paramétricos y no paramétricos en ciencias de la salud. - Montgomery, D. C., & Runger, G. C. (2024). Estadística Aplicada a la Calidad, la Gestión y la Evaluación de Servicios. Editorial Wiley, 8ª edición.
Libro de referencia internacional sobre métodos estadísticos avanzados en evaluación de servicios. - Daniel, W. W., & Cross, C. L. (2024). Bioestadística: base para el análisis de las ciencias de la salud. Ed. Limusa Wiley, 12ª edición.
Fundamentos estadísticos para la investigación y análisis de datos en entornos sanitarios.
🌐 Recursos Electrónicos y Bases de Datos
- Portal Estadístico del Sistema Sanitario Público de Andalucía (SSPA)
https://www.sspa.juntadeandalucia.es
Datos oficiales y publicaciones estadísticas actualizadas del SAS. - Instituto Nacional de Estadística (INE)
https://www.ine.es
Información estadística nacional complementaria a estudios sanitarios regionales. - Biblioteca Virtual del Sistema Sanitario Público Andaluz (BV-SSPA)
https://www.bvsspa.es
Repositorio de publicaciones, guías, protocolos y manuales estadísticos para profesionales del SAS.