Un grupo es un conjunto de pacientes que cumple una característica común que está siendo investigada. Por ejemplo, todos los pacientes han sido sometidos al mismo Tratamiento. El haber sido sometido o no al tratamiento es la Variable Independiente. Si deseamos conocer si ese Tratamiento es Eficaz, deberemos medir la característica de los pacientes sobre la que actúa el Tratamiento, esta característica será nuestra Variable Dependiente.

Ejemplo: Deseamos conocer si una Lente de Contacto A proporciona una Agudeza Visual igual a la obtenida con otra Lente de Contacto B.

• Variable Independiente Dicotómica (0/1): Lente A (0) o Lente B (1)
• Variable Dependiente: Agudeza Visual

La pregunta anterior podría ser contestada con distintos diseños de estudio:

• Muestras Relacionadas: Un primer diseño en el que a un mismo paciente se le mide la Variable Dependiente (Agudeza Visual) con la Lente A y posteriormente con la Lente B. Este tipo de diseño de estudio se denomina de Grupos Relacionados, porque el mismo paciente se encuentra en ambos grupos.
• Muestras Independientes: Otro diseño de estudio podría incluir distintos pacientes adaptados con la Lente A y la Lente B. Este diseño de estudio se denomina de Grupos Independientes. Un aspecto esencial que deberemos tener en cuenta en este tipo de diseños de estudio es que tanto los pacientes de la Lente A como los de la Lente B sean uniformes en el resto de características que podrían influir en la Variable dependiente más allá del tratamiento (por ejemplo: edad, ratio de hombres y mujeres, etc.). En el caso de que esto no se cumpla tendremos que tener en cuenta la presencia de estas COVARIABLES, que podrían confundirnos siendo las diferencias entre Lente A y B, no debidas a las lentes sino a otra variable en la que también difieren ambos grupos.
• Muestras Mixtas: Un diseño mixto requiere que haya más de una Variable Independiente (FACTORES), por ejemplo, que no solo tengamos dos grupos independientes (Lente A y B) sino que la variable dependiente (Agudeza Visual) haya sido medida en 3 momentos del tiempo diferentes tanto a los pacientes de la Lente A como los de la Lente B. En este caso tendremos 2 VARIABLES INDEPENDIENTES, uno INTRA-SUJETOS (mismos pacientes medidos en 3 ocasiones) y uno ENTRE-SUJETOS (distintos pacientes con Lente A y B). Este sería un diseño Mixto sencillo, pero puede complicarse teniendo más de 2 FACTORES INTRA-SUJETOS O ENTRE-SUJETOS.

Nuestra variable independiente, es decir, los grupos en nuestro estudio, bien sean de muestras relacionadas o muestras independientes, pueden tener dos o más niveles. Por ejemplo, en el caso anterior tan solo tenía dos niveles (Lente A y B) pero podríamos comparar entre más de dos grupos (Lente A, B y C) lo que representaría una variable independiente de 3 niveles. 

La variable objeto de estudio, es decir aquella que cambia y que es medida puede ser de tipo continuo, dicotómica o binomial (dos niveles), politómica o multinomial (más de 2 niveles que no siguen un orden) o ordinal (más de dos niveles que siguen un orden). En el Curso de Estadística Básico te enseñamos a diferenciar entre los distintos tipos de variables.

En algunas ocasiones más de una Variable Dependiente puede verse afectada a la vez por una o más Variables Independientes (FACTORES) ya que existe una correlación entre las Variables Dependientes. Estos son diseños de estudio Multivariados complejos de analizar. El astigmatismo, por ejemplo, se representa mediante la composición de dos componentes vectoriales ortogonales correlacionadas entre sí, cuando analizamos un cambio en el astigmatismo podemos evaluar ambas variables dependientes a la vez (Componentes X e Y). Si te encuentras aprendiendo estadística a nivel básico o intermedio, te recomendamos empezar siempre con análisis más sencillos que impliquen solo una variable dependiente.

Dentro de nuestros cursos online, la explicación de todos los test estadísticos viene acompañada de los supuestos o condiciones necesarias que se deben cumplir para llevar a cabo el test o prueba estadística. Cuando algunos de estos supuestos no se cumplen, te indicaremos alternativas a las pruebas paramétricas (por ejemplo,  pruebas no paramétricas cuando no se cumple la normalidad). Estos supuestos pueden hacer referencias a:

• Características de la muestra. La distribución de la variable dependiente (distribución normal o distribución de otros tipos).
• Los tamaños muestrales necesarios: test estadísticos para muestras pequeñas o grandes tamaños muestrales.
• La homogeneidad de las varianzas, es decir, varianzas iguales a lo largo de distintos niveles de las variables independientes.
• Los tipos de variables: variables cuantitativas continuas, variables cuantitativas discretas, variables cualitativas dicotómicas, variables cualitativas ordinales, variables cualitativas multinomiales, etc.
• La corrección de significancia estadística en las comparaciones múltiples entre grupos que muestras diferencias significativas.
• Los valores anómalos o valores normales que pueden ser incluidos o no para desarrollar el test estadístico (comprobación de la calidad de los datos).