Primera Unidad Bioestadística

BIOESTADÍSTICA Y DISEÑOS
EXPERIMENTALES
ING. DENISSE CAGUANA BAQUERIZO M.SC.
DOCENTE
ING. DENISSE CAGUANA BAQUERIZO M.Sc.

denisse.caguanab@ug.edu.ec

Programación de trabajos
Componente de
Actividades de prácticas de
Actividades de Componente de
Periodo académico que se impartirá aprendizaje aplicación y
aprendizaje aprendizaje Total Hs
la asignatura asistido por el experimentación de
colaborativo autónomo
profesor los aprendizajes.
2 16 5 23 16 60
Sílabo

Unidad 1:Bioestadística Descriptiva
Objetivo: Reconocer y valorar la importancia de la estadística como
herramienta para el manejo de datos, generación de información y
realizar el proceso de muestreo.
Temas:
Estadística generalidades. Determinación del tamaño de la muestra.
Medidas de Resumen variables cualitativas (razón) y
cuantitativas: Media Aritmética, Mediana, moda, variabilidad.

Bioestadística Descriptiva

EL MÉTODO CIENTÍFICO
PLANEAMIENTO DEL 1°ETAPA: Observación
PROBLEMA Reconocer el problema.
2°Etapa: Formulación de Hipótesis

FORMULACIÓN DE Hacer suposiciones verosímiles y contrastables
HIPÓTESIS para explicar el problema.
3°Etapa: Experimentación-Control de
DISEÑO DE EXPERIMENTOS variables
PARA LA COMPROBACIÓN DE Diseñar experimentos para confirmar o
LA HIPÓTESIS descartar las hipótesis buscando relaciones
entre ellas, controlando variables no medidas
que pueden influir.
¿Hipótesis 4°ETAPA: Conclusiones

No Si LEYES Y TEORÍAS Obtenidas a partir de hipótesis
comprobadas?
confirmadas.

1.Concebir
la Idea
10.Presenta 2. Plantear
r resultados el problema
3.Elaborar el
9.Analizar
marco
los datos
teórico
Pasos de la
investigación
científica
4. Definir la
8.Recolecci
investigació
ón de datos
n
7. Selección
5. Establecer
de la
6. hipótesis
muestra
Seleccionar
el diseño
apropiado

BIOESTADÍSTICA
La bioestadística se ocupa de los métodos
científicos que se utilizan para recolectar,
Aplicativo organizar, resumir, presentar y analizar
datos así como para obtener conclusiones
Predictivo válidas y tomar decisiones razonables con
base en este análisis. Aplicada en el campo
de la salud.
Explicativo
Relacional
Descriptivo
Exploratorio

Estadística Descriptiva
A la parte de la estadística que únicamente
La estadística trata de describir un grupo dado, sin hacer
se divide en inferencia alguna acerca de un grupo más
grande, se le conoce como estadística
descriptiva o deductiva
No inferencial
( ) Describir
Inferencial Estadística Inferencial
A la parte de la estadística que se ocupa de
las condiciones bajo la cuales tales
inferencias son válidas se le llama estadística
inductiva o inferencial. Como estas
Estimación puntual Prueba de hipótesis inferencias no pueden ser absolutamente
( ) Estimar ( ) Verificar ciertas, para presentar estas conclusiones se
emplea el lenguaje de la probabilidad.

VARIABLES DE INVESTIGACIÓN
La principal razón para distinguir los datos por tipo y por
nivel de medida se debe a que la selección de los métodos
estadísticos para su análisis depende de los mismos.

VARIABLES DE INVESTIGACIÓN
Variables Variables Variables
Independiente Dependiente Interviniente
• La variable • La variable • La variable
independiente es el dependiente es el interviniente es
centro del resultado medible aquella que
experimento y es de esta teóricamente afecta
aislada y manipulación, los a la variable
manipulada por el resultados del dependiente pero
investigador. diseño no puede medirse o
experimental. manipularse.
Tipo VARIABLES CATEGÓRICAS VARIABLES NUMÉRICAS
Naturaleza CUALITATIVAS CUANTITATIVAS
Escala NOMINAL ORDINAL INTERVALO RAZÓN
Ejemplos Género Estado Civil Instrucción Intensidad Temperatura Hora del día Edad Hijos
Soltero Primaria Leve -18C 00 Horas 18 Uno

Masculino
Valor Final Casado Secundaria Moderado 0C 08 Horas 28 Dos
Femenino
Conviviente Superior Severo 25C 19 Horas 45 Tres
Dicotómicas: Tienen solamente dos categorías Continuas: Provienen de medir

Ejemplos de Ordinal Dicotómica: Se pueden representar con números enteros o fraccionarios
Nuevo – Antiguo Entre dos valores siempre existe un valor intermedio
Observaciones
Vivo – Fallecido
Sano – Enfermo Discretas: Provienen de contar
Politómicas: Tienen más de dos categorías. Solamente pueden ser representados con números enteros

Objetivos VARIABLES CATEGÓRICAS VARIABLES NUMÉRICAS
( ) Describir
Frecuencias absolutas y frecuencias relativas Medidas de tendencia central y dispersión
No inferencial
( ) Estimar
Proporción e intervalo de confianza al 95%
Estimación Promedio e intervalo de confianza al 95%
puntual
( ) Verificar Chi cuadrado:

Prueba de Prueba de Bondad de Ajuste t de Student para una sola muestra
hipótesis

SOFTWARES
ESTADÍSTICOS
Bioestadística Descriptiva: Variable numérica
( ) Describir
No inferencial
( ) Estimar
Proporción e intervalo de confianza al 95%
Estimación Promedio e intervalo de confianza al 95%
puntual

hipótesis

Variable numérica
Medidas de tendencia central

Medidas de resumen
Medidas de dispersión
Medidas de posición
Medidas de forma

MEDIDAS DE TENDENCIA CENTRAL

Medidas de forma
Asimetría: El Coeficiente de Asimetría de Pearson
Asimetría derecha (+) >0 Simétrica (0) Asimetría izquierda (-) <0
Apuntamiento o Curtosis: Se mide con el coeficiente de curtosis
Leptocúrtica (+) Mesocúrtica (0) Platicúrtica (-)

Medida de forma exploratoria

Actividad #1
CON LA BASE DE DATOS Y EL SOFTWARE SPSS COMPLETAR Y ANALIZAR LAS SIGUIENTES
TABLAS ACERCA DE:
Describir frecuencias absolutas y relativas
Describir una variable aleatoria numérica

VARIABLE
CATEGÓRICA
Frecuencias absolutas y frecuencias
relativas

VARIABLE
CATEGÓRICA
NOMINALES
relativas

VARIABLE
CATEGÓRICA
ORDINALES
relativas

VARIABLE
CATEGÓRIC
A
Frecuencias absolutas y
frecuencias relativas:
Graficaciones

GUARDAR
RESULTADO
S
Frecuencias absolutas y
frecuencias relativas

1
VARIBLE
NUMÉRICA
Medidas de tendencia central y
dispersión

VARIBLE
NUMÉRICA
Medidas de tendencia central y
dispersión

Tarea #1 en clase
Ingreso de Data en el Software SPSS con las características de las variables.
Identificación de variables de estudio en base de datos y artículo del campo de estudio, e indicar la
relación de la medidas descriptivas y de dispersión con el tema.
Tarea #1 autónomo
Describir frecuencias absolutas y relativas, Describir una variable aleatoria numérica.

BIOESTADÍSTICA Y DISEÑOS
EXPERIMENTALES
Estimación y muestreo
ING. DENISSE CAGUANA BAQUERIZO M.SC.
DOCENTE


Temas:
Teoría del Muestreo.

MUESTREO
SESGO
Experimentos
ERROR
RECOLECCIÓN ALEATORIO
DE DATOS Instrumentos
Observaciones POBLACIÓN
MUESTRA
ESTIMACIÓN DEL TAMAÑO DE LA MUESTRA

POBLACIÓN INFINITA POBLACIÓN FINITA Z
99 % CONFIANZA =
2,57
CONOCIDA
VARIANZA
95% CONFIANZA =
1,96
e
DESCONOCIDA
Margen de error
VARIANZA
permisible.
Establecido por el
investigador

Calculadora de muestra
https://www.questionpro.com/es/calculadora-de-muestra.html
https://www.netquest.com/es/gracias-calculadora-muestra

Actividad #2
TABLAS ACERCA DE:
Aplicar ejercicios de muestreos probabilísticos
Estimar el tamaño de la muestra
Se quiere estudiar el nivel de satisfacción de los estudiantes en cuanto al proceso adminstrativo , el total
de estudiantes son 560.¿Cuál es el tamaño de la muestra representativa que debemos elegir?. Realizar
tres estimaciones e indicar las características para la obtención del cálculo de la muestra.

TÉCNICAS DE MUESTREO
Probabilístico No probabilístico
Los tipos son Los tipos son

Aleatorio simple Por cuotas
Sistemático
Discrecional
Aleatorio estratificado
Probabilidad Bola de nieve

proporcionado al
tamaño
Casual o Incidental
Por conglomerados Confianza en los

(clusters) sujetos disponibles

Proceso de selección de muestra:
Técnica Probabilística
MUESTREO ALEATORIO SIMPLE
Este tipo de muestreo se basa en que dada una población con N elementos se tomará una
muestra aleatoria de n unidades, cumpliendo la equiprobabilidad de ser seleccionadas.

MUESTREO ALEATORIO ESTRATIFICADO
Este tipo de muestreo se basa en que dada una población con N elementos se tomará una muestra
aleatoria de n unidades, cumpliendo la equiprobabilidad de ser seleccionadas, siguiendo el sentido de
los estratos.
1.- Obtener la frecuencia relativa
2.- Seleccionar casos (estratos)
3.- Determinar el número de muestra
por estrato, basado en la número
de la muestra
4.- Unir en un solo archivo con Fusionar

Para unificar el documento

MUESTREO ALEATORIO POR CONGLOMERADO
Este tipo de muestreo se basa en que dada una población con N elementos se tomará una muestra
aleatoria de n unidades, cumpliendo la equiprobabilidad de ser seleccionadas, siguiendo el sentido de los
conglomerados.
1.- Obtener la frecuencia relativa
2.- Seleccionar casos (estratos)
3.- Determinar el número de muestra
por estrato, basado en la número
de la muestra
4.- Unir en un solo archivo con Fusionar

Tarea #2 en clase
"Analizar el artículo: http://www.fisterra.com/mbe/investiga/9muestras/9muestras2.asp"
Tarea #2 autónomo
Aplicar ejercicios de muestreos probabilísticos y no probabilísticos


Temas:
Estimación de parámetros: puntual y por intervalo para la proporción
y la media poblacional. Tipos de error estadístico.

Estimación de parámetros
La estadística
se divide en
No inferencial
Inferencial
( ) Describir
Estimación puntual Prueba de hipótesis

( ) Estimar ( ) Verificar

Muestreo
Probabilístico
Población Muestra
Inferencia
Estadística

Muestra 2 Muestra 4
Población x2 Muestra 1 x4
Muestra 3 x1 Muestra n
Promedio = 
x3 xn
ESTIMACIÓN DE LA MUESTRA
Grado de Confianza • Es la probabilidad de que el valor real del parámetro poblacional se encuentre
dentro de los límites especificados por los valores del estimador muestral
de la muestra • Una probabilidad de 95% equivale a 1.96 unidades de Z y es la más utilizada
Error Aleatorio • Cuando se mide el estadístico en diferentes muestras tomadas aleatoriamente los
resultados son variables y es causada por el azar.
Intervalo de • El intervalo de confianza de la inferencia será más amplio (impreciso) mientras más
altas sean la confiabilidad exigida y la desviación estándar. Mientras más grande
Confianza sea la muestra, más pequeño (preciso) será el intervalo.

( ) Describir
No inferencial
( ) Estimar
Estimación Proporción e intervalo de confianza al 95% Intervalo de confianza para la media al 95%
puntual

hipótesis

Barras de error
Barras de error
043
Límite superior Gráfico basado en la media como medida de centralización y una

043
medida de dispersión, ya sea desviación estándar o el error típico de
042
la media.
Media
042
041
Es un gráfico que suministra información sobre los valores límite
Límite inferior
041 superior y ´límite inferior, muy útil cuando queremos presentar grupos
040 para observar visualmente sus diferencias.

Intervalo de confianza
En estadística, se llama a un par o varios pares de números entre los cuales se estima que estará cierto valor
desconocido con una determinada probabilidad de acierto. Para la media se calcula a partir de la media como
medida de tendencia central y el error típico de la media como medida de dispersión, el 1,96 proviene del 95% del
área bajo la curva en una distribución normal
-1,96 DE +1,96 DE
5% 10% 15%

INTERVALO DE
CONFIANZA
Variable Numérica
Error y Desviación Estándar

Estimación de parámetros en la población e
Intervalo de confianza para una proporción
Estadísticos descriptivos INTERVALO DE INTERVALO DE
CONFIANZA DATOS CONFIANZA MEDIA
Intervalos de confianza Intervalos de
Desviación
95% confianza 95%
N Media estándar
Error Límite Límite Límite
Límite inferior
Estadístico Estadístico estándar Estadístico superior inferior superior
Edad (años) 100 40,03 0,971 9,712 20,99 59,06 38,12 41,93
Peso (Kg) 100 75,82 1,266 12,660 51,01 100,63 73,34 78,30
Talla (cm) 100 170,44 1,078 10,781 149,31 191,57 168,33 172,55
IMC (Kg/m2) 100 25,985 0,2846 2,8458
20,41 31,56 25,43 26,54

Intervalo de Confianza de una simulación
de muestreo
Excel de manera manual
Spss
◦ Descriptivos/Simular muestras

Gráficos de
histograma con
curva normal
y barras de
error

Intervalo de confianza en Datos Numéricos
REQUERIMIENTO
Distribución normal
Distribución de Gauss o Distribución gaussiana
• Es unimodal
• La media es central
• Es simétrica
• Es asintótica

Intervalo de confianza en Datos Categóricos
( ) Describir
No inferencial
( ) Estimar
Estimación Proporción e intervalo de confianza al 95% Intervalo de confianza para la media al 95%
puntual

hipótesis

Intervalo de confianza en Datos Categóricos
Equivalencia de variabilidad
Desviación
Varianza Intervalo de confianza
estándar Error estándar
para la media
𝑆
Datos numéricos 𝑆∗𝑆 𝑆 𝐸𝐸 = 𝑥 ± 1,96 ∗ 𝐸𝐸
𝑛
𝑝∗𝑞 𝑝∗𝑞 𝑝∗𝑞

Datos categóricos 𝑝∗𝑞 𝐸𝐸 = 𝑝 ± 1,96 ∗
𝑛 𝑛

Requisitos:
INTERVALO DE Cálculo de tamaño de muestra y técnica de selección
CONFIANZA aleatoria
para la
prevalencia
Variable
Categórica

INTERVALO DE
CONFIANZA
para la
prevalencia
Variable
Categórica
Obtener:
P=
Q=
EE=
Tabla en excel

Actividad #3
TABLAS ACERCA DE:
Estimación de parámetros en la población e Intervalo de confianza para una proporción

Tarea #3 en clase
Construir e interpretar intervalos de confianza para la media y la proporción poblacional.
Tarea #3 autónomo
Estimación de parámetros en la población e Intervalo de confianza para una proporción

Primera Unidad Bioestadística

Transféré par

Informations du document

Description originale:

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Primera Unidad Bioestadística

Transféré par

Droits d'auteur :

Formats disponibles

BIOESTADÍSTICA Y DISEÑOS

ING. DENISSE CAGUANA BAQUERIZO M.Sc.

ING. DENISSE CAGUANA BAQUERIZO M.Sc.

ING. DENISSE CAGUANA BAQUERIZO M.Sc.

ING. DENISSE CAGUANA BAQUERIZO M.Sc.

ING. DENISSE CAGUANA BAQUERIZO M.Sc.

2°Etapa: Formulación de Hipótesis

¿Hipótesis 4°ETAPA: Conclusiones

ING. DENISSE CAGUANA BAQUERIZO M.Sc.

ING. DENISSE CAGUANA BAQUERIZO M.Sc.

ING. DENISSE CAGUANA BAQUERIZO M.Sc.

ING. DENISSE CAGUANA BAQUERIZO M.Sc.

ING. DENISSE CAGUANA BAQUERIZO M.Sc.

Tipo VARIABLES CATEGÓRICAS VARIABLES NUMÉRICAS

Naturaleza CUALITATIVAS CUANTITATIVAS

Escala NOMINAL ORDINAL INTERVALO RAZÓN

Soltero Primaria Leve -18C 00 Horas 18 Uno

Dicotómicas: Tienen solamente dos categorías Continuas: Provienen de medir

ING. DENISSE CAGUANA BAQUERIZO M.Sc.

Objetivos VARIABLES CATEGÓRICAS VARIABLES NUMÉRICAS

( ) Verificar Chi cuadrado:

ING. DENISSE CAGUANA BAQUERIZO M.Sc.

Objetivos VARIABLES CATEGÓRICAS VARIABLES NUMÉRICAS

( ) Verificar Chi cuadrado:

ING. DENISSE CAGUANA BAQUERIZO M.Sc.

Medidas de tendencia central

ING. DENISSE CAGUANA BAQUERIZO M.Sc.

MEDIDAS DE TENDENCIA CENTRAL

ING. DENISSE CAGUANA BAQUERIZO M.Sc.

Asimetría: El Coeficiente de Asimetría de Pearson

Apuntamiento o Curtosis: Se mide con el coeficiente de curtosis

Leptocúrtica (+) Mesocúrtica (0) Platicúrtica (-)

ING. DENISSE CAGUANA BAQUERIZO M.Sc.

Medida de forma exploratoria

ING. DENISSE CAGUANA BAQUERIZO M.Sc.

ING. DENISSE CAGUANA BAQUERIZO M.Sc.

ING. DENISSE CAGUANA BAQUERIZO M.Sc.

ING. DENISSE CAGUANA BAQUERIZO M.Sc.

ING. DENISSE CAGUANA BAQUERIZO M.Sc.

ING. DENISSE CAGUANA BAQUERIZO M.Sc.

ING. DENISSE CAGUANA BAQUERIZO M.Sc.

ING. DENISSE CAGUANA BAQUERIZO M.Sc.

ING. DENISSE CAGUANA BAQUERIZO M.Sc.

ING. DENISSE CAGUANA BAQUERIZO M.Sc.

ING. DENISSE CAGUANA BAQUERIZO M.Sc.

Unidad 1:Bioestadística Descriptiva

ING. DENISSE CAGUANA BAQUERIZO M.Sc.

ESTIMACIÓN DEL TAMAÑO DE LA MUESTRA

ING. DENISSE CAGUANA BAQUERIZO M.Sc.

ING. DENISSE CAGUANA BAQUERIZO M.Sc.

ING. DENISSE CAGUANA BAQUERIZO M.Sc.

Los tipos son Los tipos son

Probabilidad Bola de nieve

Por conglomerados Confianza en los

ING. DENISSE CAGUANA BAQUERIZO M.Sc.

ING. DENISSE CAGUANA BAQUERIZO M.Sc.

ING. DENISSE CAGUANA BAQUERIZO M.Sc.

ING. DENISSE CAGUANA BAQUERIZO M.Sc.

ING. DENISSE CAGUANA BAQUERIZO M.Sc.

ING. DENISSE CAGUANA BAQUERIZO M.Sc.

Unidad 1:Bioestadística Descriptiva

ING. DENISSE CAGUANA BAQUERIZO M.Sc.

Estimación puntual Prueba de hipótesis