Académique Documents
Professionnel Documents
Culture Documents
Muestreo
Cualitativas
Ordinales
Glasgow
Variables
Discretas
Histograma y polígono de frecuencias
Cuantitativas
Continuas
11. DESCRIPTIVA
Medidas de centralización
Media aritmética · Sumando todos los valores y dividiendo por el número de observaciones
· Divide el conjunto de datos ordenados en dos partes iguales: el 50% será mayor y el 50% menor
MediANA
· En una simétrica equivale a la media
· Valor más frecuente
Moda
· Puede haber más de una
Parámetros de posición · Dividen el conjunto en 4 (cuartiles), 10 (deciles) o 100 (percentiles) partes iguales respectivamente
· Muy usada en microbiología y serología, cuyos datos tienen una marcada asimetría positiva (hacia la derecha)
Media geométrica
· Menos sensible a valores extremos
Medidas de dispersión
Varianza
· Media del cuadrado de las desviaciones de los elementos respecto a la media aritmética
σ2, s2
Desviación típica
· Raíz cuadrada positiva de la varianza: muestra cómo se distribuyen los valores alrededor de la media
σ, s
Coeficiente
Asimetría de Fisher
<0 · Distribución asimétrica negativa (izquierda)
Desviación horizontal
g1
=1 · Distribución simétrica
12. PROBABILIDAD
Dependiente
Multiplicación · Probabilidad de que sucedan A y B
Independiente
· Se conoce de entrada la probabilidad de aparición del fenómeno biológico o éxito (p) y la de no aparición o fracaso (q= 1-p)
Binomial Variables · Resultado dicotómico: éxito o fracaso
cuantitativas · Variable de interés: número de éxitos alcanzados en n pruebas
discretas · Experimentos binomiales donde el número de pruebas es muy alto, pero la probabilidad de éxito es muy baja
Poisson
· Sucesos raros cuando p > 0,1 y n · p < 5
14. INFERENCIAL
Cálculo de la medida
de dispersión
Indica la dispersión de una distribución normal cualquiera Indica la dispersión de la distribución de medias muestrales
X: 68% (1), 95% (1,96), 99% (2,57) Existe un X% de confianza/probabilidad de que entre A-B esté el valor real
El X% de los valores de la muestra están comprendidos entre A-B
Límite inferior (A) y superior (B) de la media poblacional
IC:
Si incluye 1 (efecto neutro del factor de estudio) resultado no significativo
Cuanto más ancho (menos n), menor precisión mayor probabilidad de incluir, entre otros valores, el 1
Mediante un contraste de hipótesis se calcula cómo de probable es (p) que lo concluido en nuestro estudio (H1) lo haya pro-
vocado el azar en el muestreo:
1. Previamente al ensayo se prefija el valor máximo permitido de que las diferencias observadas puedan ser debidas al azar
(H0) y no a diferencias reales (H1): error I (α), suele ser 5%
2. Posteriormente se calcula en nuestro estudio esa misma probabilidad:
- Si p < α poca probabilidad resultados significativos (me creo lo que veo), aceptamos H1 y rechazamos H0, favo-
recido por n<30
- Si p > α mucha probabilidad, riesgo de equivocarnos si las aceptamos resultados no significativos (no me creo
lo que veo), rechazamos H1 y aceptamos H0, favorecido por n grande
Realidad en la población
Hay diferencias (H1 cierta, H0 falsa) No hay diferencias (H1 falsa, H0 cierta)
Se acepta H1 se rechaza H0
1- β (potencia) Error I (α, p)
Encuentras diferencias
Resultado de la investigación
No se acepta H1 no se rechaza H0
Error II (β) 1- α
No encuentras diferencias
PRUEBAS DE CONTRASTE DE HIPÓTESIS
Regresión logística
Chi-cuadrado Si dependiente
cualitativa
80% de las celdas (Fe) <5
Análisis multivariante:
Intenta establecer la asociación estadística entre dos variables controlando el efecto de terceras (factores de confusión)
Establece qué factores influyen en la variable resultado y mide su fuerza para generar cambios
EJEMPLO DE CURVA DE SV
· Panitumumab + BSC: 8s
Mediana de Punto a partir del cual es más probable estar muerto que vivo
· BSC: 7s y media
progresión Mejor estimador del efecto de la diferencia entre 2 curvas de SV
· Diferencia de medianas: menor de 1 s
16. ANÁLISIS DE CORRELACIÓN Y DE REGRESIÓN
· y= α + βx
· Determina la forma de relación entre variable dependiente e indepen- - X (abXisas): INDEPENDIENTE, controlada por el investigador
Regresión lineal
diente y permite estimar el valor de una para un valor de la otra - Y (ordenadas, = estantería): DEPENDIENTE, Y= α si x= 0
- Coeficientes de regresión: α y β (pendiente)
· Rango: de -1 a +1
· No se habla de variable dependiente ni independiente - r = ± 1 correlación perfecta (línea recta)
Pearson (r)
· Mide la intensidad de la relación lineal - > 0,7 o <-0,7 correlación fuerte
- r = 0 no hay correlación