Este documento describe los conceptos clave relacionados con la formulación de hipótesis e hipótesis en la investigación. Explica que una hipótesis es una declaración específica sobre la relación entre variables, y que debe ser comprobable empíricamente. También describe los tipos de hipótesis, como las hipótesis nulas y alternativas, y los principios estadísticos subyacentes como los errores tipo I y II. Además, explica los criterios para formular una buena hipótesis y los componentes metodológicos cl
3. Es una versión específica de la pregunta de investigación
que resume los elementos principales del estudio (muestra
y variables).
Establece la base para realizar pruebas de significación
estadística.
Se debe plantear luego de haber planificado el número
adecuado de participantes para el diseño de un estudio
concreto.
HIPÓTESIS
4. No son necesarios en los estudios descriptivos, qué
exponen como se distribuyen las características en
una población (estudios de prevalencia).
Se necesitan en estudios que usarán pruebas de
significancia estadística.
Si en la pregunta de investigación aparece los
siguientes términos: mayor que, menos que, produce,
conduce a, comparado con, asociado a, relacionado
con; es necesario una HIPÓTESIS.
HIPÓTESIS
5. Sencilla frente a compleja:
Una hipótesis sencilla contiene una variable
predictora y una variable resultado. Ejm:
Un estilo de vida sedentario se asocia a un aumento del riesgo
de proteinuria en los pacientes con diabetes.
Una hipótesis compleja contiene más de dos variable
predictora o más de una variable resultado. Ejm:
Un estilo de vida sedentario y el consumo de alcohol se asocian
a un mayor riesgo de proteinuria en los pacientes con diabetes.
CARACTERÍSTICAS DE UNA BUENA
HIPÓTESIS
6. Específica frente a imprecisa
Una hipótesis específica no deja ambigüedad sobre
los participantes y las variables, ni sobre cómo se
aplicará la prueba de significación estadística.
Usa definiciones operativas, concisas, que resumen la
naturaleza del origen de los participantes y el modo
en que se medirán las variables.
CARACTERÍSTICAS DE UNA BUENA
HIPÓTESIS
7. Ejemplo:
El uso de antidepresivos tricíclicos evaluado con
registros de farmacia, es más frecuente en los
pacientes hospitalizados con un diagnóstico en el
ingreso de infarto de miocardio en el Hospital LH
durante el año pasado que en los pacientes controles
hospitalizados por neumonía.
HIPÓTESIS
8. Anticipadamente frente a con posterioridad:
La hipótesis se planteará al principio del estudio para
mantener la investigación centrada en el objetivo
primario y crear una base más sólida para interpretar
los resultados del estudio.
CARACTERÍSTICAS DE UNA BUENA
HIPÓTESIS
10. HIPÓTESIS NULA: establece que no existe asociación
entre las variables predictora y de resultado. Ayudan a
calcular que la probabilidad de que una asociación
observada en un estudio se deba al azar.
Ejemplo:
No existe diferencia en cuanto a la frecuencia de
beber agua de pozo entre personas que presentan
enfermedad ulcerosa péptica y las que no tienen.
TIPOS DE HIPÓTESIS
11. HIPÓTESIS ALTERNATIVA
UNILATERAL: Especifica la dirección de la asociación entre
las variable predictora y de resultado.
Ejm.: beber agua de pozo es más habitual entre personas con
úlceras pépticas.
BILATERAL: Sólo estable una asociación sin especificar la
dirección.
Ejm: las personas que desarrollan enfermedad ulcerosa péptica
presentan diferente frecuencia de beber agua de pozo que las
que no lo hacen.
TIPOS DE HIPÓTESIS
12. ERRORES DE TIPO I Y DE TIPO II
MAGNITUD DEL EFECTO
α - β Y POTENCIA
VALOR DE PROBABILIDAD
PRINCIPIOS ESTADÍSTICOS
SUBYACENTES
13. ERRORES DE TIPO I Y DE TIPO II
Un investigador puede llegar a una conclusión
errónea porque la muestra no es representativa.
ERROR TIPO I: (falso positivo) se da cuando un
investigador rechaza una hipótesis nula que realmente
es cierta.
ERROR TIPO II: (falso negativo) se da cuando el
investigador no rechaza una hipótesis nula que
realmente no es cierta en la población.
PRINCIPIOS ESTADÍSTICOS
SUBYACENTES
14. MAGNITUD DEL EFECTO
La probabilidad de que un estudio sea capaz de
detectar una asociación entre una variable predictora
y una variable resultado en una muestra depende del
tamaño de esa asociación en la población. Si es
grande, será fácil detectarlo en la muestra. Por el
contrario, si el tamaño de la asociación es pequeño,
será difícil detectarlo en la muestra.
PRINCIPIOS ESTADÍSTICOS
SUBYACENTES
15. MAGNITUD DEL EFECTO
Ejemplo:
Los niveles de glucemia en ayunas son de 20mg/dl
menores en las mujeres diabéticas que hacen ejercicio
que en las que no lo hacen. ASOCIACION FÁCIL DE
DETECTAR.
Los niveles de glucemia en ayunas son de 2mg/dL
menores en las mujeres diabéticas que hacen ejercicio
que en las que no lo hacen. ASOCIACION DIFÍCIL DE
DETECTAR.
PRINCIPIOS ESTADÍSTICOS
SUBYACENTES
16. α - β Y POTENCIA
La probabilidad de cometer un error de tipo I (rechazar la
hipótesis nula cuando en realidad es cierta) se denomina α
(alfa) o nivel de significancia estadística. α = 0.05
La probabilidad de cometer un error tipo II (no rechazar la
hipótesis nula cuando en realidad es falsa) se denomina β
(beta). β = 0.10
La cantidad de (1- β) es el poder estadístico o potencia,
la probabilidad de observar una asociación de una
magnitud del efecto dada o mayor en una muestra si
está realmente presente en la población.
PRINCIPIOS ESTADÍSTICOS
SUBYACENTES
17. VALOR DE PROBABILIDAD (valor p)
Una hipótesis puede ser aceptada o rechazada con una
prueba estadística. Éstas pruebas determinan el valor de p.
La hipótesis nula se rechaza a favor de su alternativa si el
valor de p es menor que 0.05 (α )
Un resultado no significativo (uno con un valor de p mayor
que alfa) no significa que no exista asociación en la
población; sólo significa que el resultado observado en la
muestra es pequeño comparado con el que se podría haber
producido sólo por azar.
PRINCIPIOS ESTADÍSTICOS
SUBYACENTES
18. 1. LENGUAJE
2. RELACIÓN
3. VERIFICACION EMPÍRICA
4. INVESTIGACIÓN - INVESTIGADOR
CRITERIOS PARA LA FORMULACIÓN
DE LA HIPÓTESIS
19. 1. LENGUAJE
Deben formularse en forma clara y precisa, es
imprescindible usar un lenguaje técnico unívoco.
Ha de ser enunciadas en forma sintética
Pueden adoptar distintas formas: positiva, negativa
pero en forma afirmativa
CRITERIOS PARA LA FORMULACIÓN
DE LA HIPÓTESIS
20. 2. RELACIÓN
Han de formularse relacionando dos o más variables.
La relación entre variables debe ser verosímil.
Deben ser coherentes, con la mayoría de hechos
conocidos.
Deben estar bien fundamentadas.
CRITERIOS PARA LA FORMULACIÓN
DE LA HIPÓTESIS
21. 3. VERIFICACIÓN EMPÍRICA
Las implicaciones derivadas de las mimas deben poder ser
sometidas a verificación, por lo tanto deben ser
cuantificables, comprobables , generalizables y
contrastables.
4. INVESTIGACIÓN – INVESTIGADOR
Deben referirse a una situación real
Deben estar al alcance del investigador
Una vez realizado el estudio deben contestarse una a una.
CRITERIOS PARA LA FORMULACIÓN
DE LA HIPÓTESIS
22. La metodología debe permitir al investigador dirigir
su actitud investigativa de forma ordenada,
secuencial, sistemática y con cierta flexibilidad.
VI. METODOLOGÍA
23. 1. LOCALIZACIÓN Y TEMPORALIZACION
2. VARIABLES
a) Identificación
b) Operacionalización
3. TIPO Y DISEÑO DE ESTUDIO
4. UNIVERSO Y MUESTRA
5. DESCRIPCIÓN DE PROCEDIMIENTOS
VI. METODOLOGÍA
24. LOCALIZACION Y TEMPORALIZACIÓN
Especifica el lugar y el tiempo en el que se va a
realizar la investigación.
Ejemplo:
La investigación se realizará en la Escuela Miguel
Angel León durante los meses de enero a julio del año
2013.
METODOLOGÍA
25. VARIABLES
Concepto: Una variable es una propiedad que puede
variar (adquirir diversos valores) y cuya variación es
suceptible de medirse.
Ejemplo:
Sexo
Edad
Estado Nutricional
Nivel Socioeconómico
VI. METODOLOGÍA
26. VARIABLES
Definición: se debe describir cuál es el objeto de
investigación de esa variable.
Si tenemos definidas nuestras variables, podemos
comparar nuestras definiciones con las de otros
estudios para saber "si hablamos de lo mismo". Si la
comparación es positiva, podremos confrontar los
resultados de nuestra investigación con los resultados
de otras.
VI. METODOLOGÍA
27. VARIABLES
Operacionalización: especifica qué actividades u
operaciones deben realizarse para medir una variable.
“Siguiendo la línea de F. N. Kerlinger, una definición
operacional nos dice que hay que hacer para medir
una variable”.
VI. METODOLOGÍA
28. VARIABLES
Para operacionalizar variables es importante identificar el tipo de
variables, escala de medición y el indicador.
Tipo de variables
Predictora o independiente: son variables que se conocen desde
el inicio de la investigación y pueden cambiar durante la
investigación. Ejemplo: consumo de calorías
Resultado o dependiente: Son los obtenidas al final de la
investigación o estudio. Varían de acuerdo a la variable
independiente.
Control: son variables constantes, no cambian durante la
investigación. Ejemplo: Sexo
VARIABLES
VI. METODOLOGÍA
29. ESCALA DE MEDICION CARACTERÍSTICA ESTADISTICA USADA
NOMINAL Tienen categorías que
no necesitan orden. Se
las puede medir
directamente. Ejemplo:
sexo
Frecuencia y porcentaje
ORDINAL Tienen categorías que
deben poseer un orden.
Ejm: grados de dolor:
intenso, moderado, leve
Frecuencia
Porcentaje
Medianas
CONTINUA Cuantifican una escala
infinita. Poseeen mucha
información.
Ejemplo: Peso
Promedio
Mediana
Desviaciones estándar
ESCALA DE MEDICIÓN DE VARIABLES
30. VARIABLE ESCALA INDICADOR
SEXO NOMINAL Femenino
Masculino
EDAD CONTINUA Años
Nivel socioeconómico ORDINAL Estrato Bajo
Estrato Medio
Estrato Alto
Ingesta de Energía Continua
Ordinal
Calorías
Baja
Normal
Excesiva
Ejemplo de operacionalización de
variable
31. Una regla general es preferir variables continuas, porque la
información que contienen mejoran la eficiencia
estadística.
En variables ordinales es preferible manejar pocas
categorías para el análisis estadístico. Ejm: al preguntar
sobre preferencias alimentarias, a menudo resulta útil
proporcionar 6 categorías que oscilen desde no gustar
hasta gustar enormemente. Los resultado pueden quedar
más adelante colapsados en no gustar y gustar
32. DISEÑOS DE INVESTIGACIÓN
EXPERIMENTAL:
experimentos verdaderos
cuasi experimentos.
NO EXPERIMENTAL:
transversales,
longitudinales,
casos y controles,
cohortes
METODOLOGÍA:
TIPO Y DISEÑO DE ESTUDIO
33. El investigador define la muestra y determina
variables predictoras antes de emprender un período
de seguimiento para observar los resultados.
En la investigación clínica un cohorte es un grupo de
personas que se controla a lo largo del tiempo.
Mide las características de cada participante que
podrían predecir los resultados subsiguientes y
controla a estas personas realizando mediciones
periódicas de las variables de resultado de interés.
ESTUDIO DE COHORTES
34. El estudio de cohorte prospectivo es una importante
estrategia para evaluar la incidencia ( número nuevo
de casos de una afección en un intervalo de tiempo
especificado) y es útil para investigar las posibles
causas de la afección.
ESTUDIO DE COHORTES
35. Es un estudio en el que se compara la prevalencia de
factores de riesgo en una muestra de participantes
que tiene una enfermedad (CASOS) u otra variable de
resultado de interés con la de una muestra aparte que
no la tiene (CONTROLES).
Este tipo de estudio es relativamente barato y sólo es
eficaz para estudiar enfermedades poco frecuentes.
ESTUDIOS DE CASOS Y CONTROLES
36. Todas las variables se miden en un solo momento del
tiempo, sin distinción estructural entre variables
predictoras y de resultado.
Son estudios valiosos para proporcionar información
descriptiva sobre la prevalencia y tienen también la
ventaja de evitar los problemas de tiempo, costo y
abandonos de un diseño con período de seguimiento.
Proporcionan una prueba más debil de causalidad que
los estudios de cohortes.
Necesitan gran tamaño de muestra cuando estudian
enfermedades poco frecuentes.
ESTUDIOS TRANSVERSALES
37. “Se refiere a "un estudio de investigación en el que se
manipulan deliberadamente una o más variables
independientes (supuestas causas) para analizar las
consecuencias de esa manipulación sobre una o más
variables dependientes (supuestos efectos), dentro de
una situación de control para el investigador"
ESTUDIOS EXPERIMENTALES
38. Población diana o fuente: conjunto de personas de todo el
mundo a quienes serán generalizados los resultados.
Población accesible o elegible: es un subgrupo de la
población definida geográficamente y temporalmente, que
está disponible para su estudio.
Población participante o muestra: es el subgrupo de la
población que participa en la investigación. Esta debe ser
representativa.
METODOLOGIA
UNIVERSO Y MUESTRA
Universo : es un grupo de
personas con una serie
específicas de características
Muestra: es un grupo de la
población
39. CRITERIOS DE SELECCIÓN DE LA MUESTRA
Criterios de inclusión: Específicar las poblaciones relevantes
para la pregunta de investigación y eficientes para el estudio:
Características demográficas: Mujeres caucásicas de 50 a 60
años de edad
Características clínicas: Buena salud general con pareja sexual
Características geográficas: Pacientes que acuden a la
consulta en el hospital del investigador
Características temporales: Entre el 1 de enero y el 31 de
diciembre.
METODOLOGIA
UNIVERSO Y MUESTRA
40. Criterios de exclusión: Especificar los subgrupos de la
población que no serán estudiados debido a:
Una gran probabilidad de que se pierdan para el
seguimiento.
Una incapacidad para proporcionar buenos datos
Tener un riesgo elevado de posibles efectos adversos.
METODOLOGIA
UNIVERSO Y MUESTRA
41. MUESTRAS DE CONVENIENCIA O NO PROBABILÍSTICA
Es cuando la muestra está formada a menudo por personas
que cumplen los criterios de admisión y a las que el
investigador tiene fácil acceso.
Es considerada una muestra de conveniencia
MUESTRA DE PROBABILIDAD
El muestreo de probabilidad es el patrón oro para asegurar
la posibilidad de generalizar.
Utiliza un proceso aleatorio para garantizar que cada
unidad de la población tenga la posibilidad de participar en
el estudio.
METODOLOGIA
UNIVERSO Y MUESTRA
42. MUESTRA DE PROBABILIDAD
Muestra aleatoria simple: se extrae enumerando las
unidades de la población escogiendo al azar.
Muestra sistemática: se parece a una muestra aleatoria
simple, pero difiere en que la muestra se elige mediante un
proceso periódico ordenado. Ejm: cada 4 personas se
escoge al individuo que va a formar parte del estudio.
Muestra aleatoria estratificada: se divide a la población en
subgrupos según características como el sexo o la raza y
tomar una muestra aleatoria de uno de esos estratos.
METODOLOGIA
UNIVERSO Y MUESTRA
43. Es un resumen de cada paso en el desarrollo de la
investigación. Por ejemplo, en un experimento se
describen la manera de asignar los sujetos a los grupos,
instrucciones, materiales, manipulaciones experimentales
y el desarrollo del experimento. En una encuesta se
describe cómo se contactó a los sujetos y se realizaron las
entrevistas.
En este rubro se incluyen los problemas enfrentados y la
manera como se resolvieron.
METODOLOGÍA
DESCRIPCIÓN DE PROCEDIMIENTOS
44. Se mencionan los recursos humanos, institucionales y
económicos. Se debe tomar en cuenta:
Costos de material
Costos de capacitación
Costos de administrativos
COSTO TOTAL DEL PROYECTO
METODOLOGIA
RECURSOS Y PRESUPUESTO
45. Detallar el tiempo que se empleará en función de las
actividades a desarrollar. Para esta se utilizará el diseño del
Cronograma de Gantt:
METODOLOGÍA
CRONOGRAMA
Actividades TIEMPO: meses, semanas, días.
1 2 3 4 5 6 7 8 9
Validación de
instrumentos
Recolección de
información
Tabulación
Redacción de
informe
Presentación de
resultados
46. REFERENCIA BIBLIOGRÁFICA
Se seguirán las normas Vancouver.
ANEXOS
Se reportarán mapas, instrumentos (cuestionarios,
formularios, guías) y otros necesarios para la
investigación, enumerando según el orden de reporte
dado en el procedimiento.
METODOLOGÍA
REFERENCIA BIBLIOGRÁFICA Y
ANEXOS