StatrivaUna guía práctica para el análisis de datos de investigación.
Un centro de referencia para métodos estadísticos comunes y diseños de investigación. El método correcto depende de la pregunta, el diseño, el resultado y la estructura de los datos.
Métodos con los que trabajo frecuentemente
Usa estas descripciones como orientación, no como sustituto de ajustar el método al diseño real del estudio.
Pruebas t, ANOVA y pruebas no paramétricas
Comparar grupos considerando la escala del resultado, independencia, estructura de varianza y los supuestos de la prueba elegida.
Regresión y modelos generalizados
Modelar relaciones entre predictores y resultados, incluyendo estructuras continuas, binarias, de conteo y otras.
Modelos de efectos mixtos y longitudinales
Considerar mediciones repetidas, observaciones agrupadas y estructuras jerárquicas cuando la regresión ordinaria trataría las observaciones como independientes.
PCA, ordenación y análisis de comunidad
Explorar estructura multivariada y comparar observaciones complejas usando métodos apropiados a los datos y la pregunta de investigación.
Tamaño de muestra y poder
Planear estudios en torno a un resultado primario, efecto esperado, incertidumbre, poder objetivo y la estructura real del análisis propuesto.
Análisis de supervivencia
Analizar resultados de tiempo hasta evento considerando la censura y cómo cambia el riesgo durante el seguimiento.
Meta-análisis
Combinar estimaciones de efecto entre estudios, cuantificar heterogeneidad y presentar evidencia combinada con incertidumbre apropiada.
Evaluación de pruebas diagnósticas
Evaluar el desempeño de discriminación y clasificación usando sensibilidad, especificidad, valores predictivos y análisis ROC.
Tendencia, estacionalidad y pronóstico
Analizar observaciones recolectadas a lo largo del tiempo considerando dependencia temporal, tendencia y estacionalidad.
R, SPSS y Python
El software es una herramienta, no el método. El flujo de trabajo debe ser comprensible y reproducible en el entorno que se ajuste a tu proyecto.
Modelado estadístico flexible, visualización, análisis multivariado y flujos reproducibles.
Común en flujos de investigación académica y aplicada, especialmente para análisis estadísticos convencionales.
Útil para preparación de datos, análisis estadístico, automatización y flujos analíticos integrados.
Profundiza más
Para orientación específica de proyecto, explora las páginas de servicio en vez de elegir un método solo de una lista.
Análisis estadístico para tesis →
¿No estás seguro de qué método se ajusta?
Comienza por la pregunta de investigación y el diseño del estudio. Una consultoría estadística puede identificar el análisis apropiado antes de que gastes tiempo corriendo el incorrecto.
Hablar sobre el proyectoPreguntas sobre métodos
¿Me ayudas a elegir una prueba estadística?
Sí. La elección debe seguir la pregunta de investigación, el tipo de resultado, el diseño del estudio, los predictores, las mediciones repetidas y los supuestos, en vez de un gráfico simple de selección de prueba.
¿Trabajas con R, SPSS y Python?
Sí. Los flujos estadísticos se pueden desarrollar en R, SPSS o Python, según el proyecto y el software que tú o tu departamento usen.
¿Puedes explicar un método estadístico en lenguaje simple?
Sí. El objetivo no es solo producir el resultado, sino explicar qué estima el método, qué significan sus supuestos y cómo se relaciona el resultado con la pregunta de investigación.