Bioestadistica Basica - Documento de Catedra-2011

Universidad Nacional del Nordeste. UNNE Facultad de Medicina.
Carrera Licenciatura en Kinesiologa y Fisiatra
BIOESTADISTICA BASICA - DOCUMENTO DE CATEDRA-
Docente a cargo: Lic. Silvia Beatriz DAngelo Autores: Lic. Silvia Beatriz DAngelo. Sr. Segovia Cesar Javier- Ayudante AlumnoCtedra: Bioestadstica Bsica Carrera: Lic. En Kinesiologa y Fisiatra
AO: 2011
UNNE- FACULTAD DE MEDICINA- CARRERA LICENCIATURA EN KINESIOLOGIA Y FISIATRIAIA BIOESTADISTICA BASICA- DOCUMENTO DE CATEDRA
2011
PROLOGO
La informacin que contiene este documento fue abastecida de la bibliografa sugerida por la ctedra. Encontrara aqu un resumen de los principales conceptos que esperamos incorpore a su conocimiento para el entendimiento de esta disciplina que brinda herramientas para la recoleccin y el anlisis de informacin, constituyendo una forma ms de interpretar la realidad. El contenido de este documento es meramente informativo y no pretende suplementar a los libros especializados de los cuales se ha extrado informacin y que se encuentran a su disposicin en el departamento de Biblioteca de la Facultad de Medicina.
A.A. Segovia Cesar Javier Lic. Silvia Beatriz DAngelo
Compiladores: Segovia Cesar Javier - Silvia Beatriz DAngelo
2011
Historia de la Estadstica
os comienzos de la estadstica pueden ser hallados en el antiguo Egipto, cuyos faraones lograron recopilar, hacia el ao 3050 antes de Cristo, prolijos datos relativos a la poblacin y la riqueza del pas. De acuerdo al historiador griego Herdoto, dicho registro de riqueza y poblacin se hizo con el objetivo de preparar la construccin de las pirmides. En el mismo Egipto, Ramss II hizo un censo de las tierras con el objeto de verificar un nuevo reparto. En el antiguo Israel la Biblia da referencias, en el libro de los Nmeros, de los datos estadsticos obtenidos en dos recuentos de la poblacin hebrea. El rey David por otra parte, orden a Joab, general del ejrcito hacer un censo de Israel con la finalidad de conocer el nmero de la poblacin. Tambin los chinos efectuaron censos hace ms de cuarenta siglos. Los griegos efectuaron censos peridicamente con fines tributarios, sociales (divisin de tierras) y militares (clculo de recursos y hombres disponibles). La investigacin histrica revela que se realizaron 69 censos para calcular los impuestos, determinar los derechos de voto y ponderar la potencia guerrera. Pero fueron los romanos, maestros de la organizacin poltica, quienes mejor supieron emplear los recursos de la estadstica. Cada cinco aos realizaban un censo de la poblacin y sus funcionarios pblicos tenan la obligacin de anotar nacimientos, defunciones y matrimonios, sin olvidar los recuentos peridicos del ganado y de las riquezas contenidas en las tierras conquistadas. Para el nacimiento de Cristo suceda uno de estos empadronamientos de la poblacin bajo la autoridad del imperio. Durante los mil aos siguientes a la cada del imperio Romano se realizaron muy pocas operaciones Estadsticas, con la notable excepcin de las relaciones de tierras pertenecientes a la Iglesia, compiladas por Pipino el Breve en el 758 y por Carlomagno en el 762 DC. Durante el siglo IX se realizaron en Francia algunos censos parciales de siervos. En Inglaterra, Guillermo el Conquistador recopil el Domesday Book o libro del Gran Catastro para el ao 1086, un documento de la propiedad, extensin y valor de las tierras de Inglaterra. Esa obra fue el primer compendio estadstico de Inglaterra. Aunque Carlomagno, en Francia; y Guillermo el Conquistador, en Inglaterra, trataron de revivir la tcnica romana, los mtodos estadsticos permanecieron casi olvidados durante la Edad Media. Durante los siglos XV, XVI, y XVII, hombres como Leonardo de Vinci, Nicols Coprnico, Galileo, Neper, William Harvey, Sir Francis Bacon y Ren Descartes, hicieron grandes operaciones al mtodo cientfico, de tal forma que cuando se crearon los Estados Nacionales y surgi como fuerza el comercio internacional exista ya un mtodo capaz de aplicarse a los datos econmicos.
2011
Para el ao 1532 empezaron a registrarse en Inglaterra las defunciones debido al temor que Enrique VII tena por la peste. Ms o menos por la misma poca, en Francia la ley exigi a los clrigos registrar los bautismos, fallecimientos y matrimonios. Durante un brote de peste que apareci a fines de la dcada de 1500, el gobierno ingls comenz a publicar estadsticas semanales de los decesos. Esa costumbre continu muchos aos, y en 1632 estos Bills of Mortality (Cuentas de Mortalidad) contenan los nacimientos y fallecimientos por sexo. En 1662, el capitn John Graunt us documentos que abarcaban treinta aos y efectu predicciones sobre el nmero de personas que moriran de varias enfermedades y sobre las proporciones de nacimientos de varones y mujeres que cabra esperar. El trabajo de Graunt, condensado en su obra Natural and Political Observations...Made upon the Bills of Mortality (Observaciones Polticas y Naturales ... Hechas a partir de las Cuentas de Mortalidad), fue un esfuerzo innovador en el anlisis estadstico. Por el ao 1540 el alemn Sebastin Muster realiz una compilacin estadstica de los recursos nacionales, comprensiva de datos sobre organizacin poltica, instrucciones sociales, comercio y podero militar. Durante el siglo XVII aport indicaciones ms concretas de mtodos de observacin y anlisis cuantitativo y ampli los campos de la inferencia y la teora Estadstica. Los eruditos del siglo XVII demostraron especial inters por la Estadstica Demogrfica como resultado de la especulacin sobre si la poblacin aumentaba, decreca o permaneca esttica. En los tiempos modernos tales mtodos fueron resucitados por algunos reyes que necesitaban conocer las riquezas monetarias y el potencial humano de sus respectivos pases. El primer empleo de los datos estadsticos para fines ajenos a la poltica tuvo lugar en 1691 y estuvo a cargo de Gaspar Neumann, un profesor alemn que viva en Breslau. Este investigador se propuso destruir la antigua creencia popular de que en los aos terminados en siete mora ms gente que en los restantes, y para lograrlo hurg pacientemente en los archivos parroquiales de la ciudad. Despus de revisar miles de partidas de defuncin pudo demostrar que en tales aos no fallecan ms personas que en los dems. Los procedimientos de Neumann fueron conocidos por el astrnomo ingls Halley, descubridor del cometa que lleva su nombre, quien los aplic al estudio de la vida humana. Sus clculos sirvieron de base para las tablas de mortalidad que hoy utilizan todas las compaas de seguros. Durante el siglo XVII y principios del XVIII, matemticos como Bernoulli, Francis Maseres, Lagrange y Laplace desarrollaron la teora de probabilidades. No obstante durante cierto tiempo, la teora de las probabilidades limit su aplicacin a los juegos de azar y hasta el siglo XVIII no comenz a aplicarse a los grandes problemas cientficos. Godofredo Achenwall, profesor de la Universidad de Gotinga, acu en 1760 la palabra estadstica, que extrajo del trmino italiano statista (estadista). Crea, y con sobrada razn, que los datos de la nueva ciencia seran el aliado ms eficaz del gobernante
2011
consciente. La raz remota de la palabra se halla, por otra parte, en el trmino latino status, que significa estado o situacin; Esta etimologa aumenta el valor intrnseco de la palabra, por cuanto la estadstica revela el sentido cuantitativo de las ms variadas situaciones. Jacques Qutelect es quien aplica las Estadsticas a las ciencias sociales. Este interpret la teora de la probabilidad para su uso en las ciencias sociales y resolver la aplicacin del principio de promedios y de la variabilidad a los fenmenos sociales. Qutelect fue el primero en realizar la aplicacin prctica de todo el mtodo Estadstico, entonces conocido, a las diversas ramas de la ciencia. Entretanto, en el perodo del 1800 al 1820 se desarrollaron dos conceptos matemticos fundamentales para la teora Estadstica; la teora de los errores de observacin, aportada por Laplace y Gauss; y la teora de los mnimos cuadrados desarrollada por Laplace, Gauss y Legendre. A finales del siglo XIX, Sir Francis Gaston ide el mtodo conocido por Correlacin, que tena por objeto medir la influencia relativa de los factores sobre las variables. De aqu parti el desarrollo del coeficiente de correlacin creado por Karl Pearson y otros cultivadores de la ciencia biomtrica como J. Pease Norton, R. H. Hooker y G. Udny Yule, que efectuaron amplios estudios sobre la medida de las relaciones. Los progresos ms recientes en el campo de la Estadstica se refieren al ulterior desarrollo del clculo de probabilidades, particularmente en la rama denominada indeterminismo o relatividad, se ha demostrado que el determinismo fue reconocido en la Fsica como resultado de las investigaciones atmicas y que este principio se juzga aplicable tanto a las ciencias sociales como a las fsicas.
2011
Estadstica
Introduccin
a variabilidad de los fenmenos que estudia la medicina (tanto clnica como salud pblica) llevan diferentes problemas a intentar el anlisis de los mismos. Por empezar, se presenta la dificultad de cmo expresarlos sin recurrir a la repeticin del total de los resultados obtenidos en la observacin. Pinsese, por ej., en el dilema que se le presentara a un cirujano que desee relatar su experiencia de 20 aos en el tratamiento quirrgico del cncer de mama. La acumulacin de casos diversos en: las caractersticas de las pacientes tratadas, la naturaleza misma de la neoplasia, la tcnica empleada y los resultados inmediatos y mediatos, haran sumamente complicado presentar en forma clara, entendible y con posibilidades de anlisis la informacin acumulada. El mismo problema se le presentara a un docente universitario que desee analizar los resultados de un turno de examen (con alrededor de 300 examinados) y su relacin con las condiciones personales del alumno y con las distintas metodologas de enseanzas utilizadas. Una segunda dificultad en el manejo de informaciones es el establecer cierto grado de probabilidad en la ocurrencia de un fenmeno o en la evolucin futura del mismo. El tratamiento que se sugiere (o se indica a un paciente) es el que ha mostrado haber sido exitoso en una `proporcin importante de casos en los que se ha utilizado: aunque en algunos de esos casos la intervencin haya sido ineficaz o, peor an, haya tenido efectos indeseables. Cmo saber si el enfermo al que se le est indicando vacuna antirrbica no har una reaccin alrgica y, si la hiciera, cul sera su probabilidad de morir en la emergencia?. El mdico se maneja con el conocimiento de que este riesgo es menor (por la frecuencia con la que ocurre el accidente alrgico) que el riesgo de dejar al paciente sin tratamiento (por la frecuencia con que la enfermedad se presenta sin el tratamiento). En otro ej. (pero que est relacionado con el problema en cuestin) es el que se presenta cuando a partir de un estudio especial (por ej. El control de la presin arterial a un grupo seleccionado de estudiantes) se desea extraer conclusiones para toda la poblacin de la que proviene el grupo estudiado (en el ej.: todos los estudiantes del mismo curso). El manejo de estos problemas lo permite el uso de la estadstica. Siguiendo a Kendall MG y Buckland WR (A Dictionary of Statitical Terms. 4th ed. London ; Longman, 1982) se puede definir la estadstica como la
DISCIPLINA QUE TIENE POR OBJETO LA RECOLECCIN, RESUMEN Y ANLISIS DE DATOS SUJETOS A VARIACIONES POR EL AZAR.
Las finalidades bsicas de la estadstica son: Resumir una masa importante de mediciones. Controlar las variables de confusin. Cuantificar la influencia del azar.
UNNE- FACULTAD DE MEDICINA CARRERA LICENCIATURA EN KINESIOLOGIA Y FISIATR MEDICINAFISIATRIAIA BIOESTADISTICA BASICA DOCUMENTO DE CATEDRA BASICA-
2011
Divisin de la Estadstica
a Estadstica para su mejor estudio se ha dividido en dos grandes ramas: la stica Estadstica Descriptiva y la Inferencial.
Estadstica Descriptiva: consiste sobre todo en la presentacin de datos en Descriptiva: forma de tablas y grficas. Esta comprende cualquier actividad relacionada con los rela datos y est diseada para resumir o describir los mismos sin factores pertinentes adicionales; esto es, sin intentar inferir nada que vaya ms all de los datos, como tales. Estadstica Inferencial: se deriva de muestras, de obser : observaciones hechas slo acerca de nes una parte de un conjunto numeroso de elementos y esto implica que su anlisis requier requiere de generalizaciones que van ms all de los datos. Como consecuencia, la caracterstica ms importante del reciente crecimiento de la estadstica ha sido un cambio en el nfasis estadstica de los mtodos que describen a mtodos que sirven para hacer generalizaci generalizaciones. La Estadstica Inferencial investiga o analiza una poblacin partiendo de una muestra poblacin tomada. Estadstica Inferencial: Generalizacin de resultados
Utilidad e Importancia
os mtodos estadsticos tradicionalmente se utilizan para propsitos descriptivos, para organizar y resumir datos numricos. La estadstica descriptiva, por ejemplo trata de la tabulacin de datos, su presentacin en ptiva, forma grfica o ilustrativa y el clculo de medidas descriptivas, mientras que la inferencial se encarga de probar hiptesis y estimar parmetros. Ahora bien, las tcnicas estadsticas se aplican de manera amplia en mercadotecnia, contabilidad, control de calidad y en otras actividades; estudios de consumidores; rol actividades; anlisis de resultados en deportes; administradores de instituciones; en la educacin; organismos polticos; mdicos; y por otras personas que intervienen en la toma de decisiones.
2011
Mtodo Estadstico
l conjunto de los mtodos que se utilizan para medir las caractersticas de la informacin, para resumir los valores individuales, y para analizar los datos a fin de extraerles el mximo de informacin, es lo que se llama mtodos estadsticos. Los mtodos de anlisis para la informacin cuantitativa se pueden dividir en los siguientes seis pasos: 1. Definicin del problema. 2. Recopilacin de la informacin existente. 3. Obtencin de informacin original. 4. Clasificacin. 5. Presentacin. 6. Anlisis.
VARIABLES
n el marco terico es necesario especificar las variables a estudiar, as como las relaciones entre ellas, por medio de las cuales se plantean respuestas o explicaciones al problema que se estudia. Tal situacin ubica a las variables como uno de los elementos del marco terico.
UNA VARIABLE ES UNA ENTIDAD ABSTRACTA QUE ADQUIERE DISTINTOS VALORES, SE REFIERE A UNA CUALIDAD, PROPIEDAD O CARACTERSTICAS DE PERSONAS O COSAS EN ESTUDIO Y VARIA DE UN SUJETO A OTRO EN MOMENTOS DIFERENTES MOMENTOS. (Pineda, Alvarado, Canale).
Por su posicin en una hiptesis, las variables se clasifican en: Independientes: es aquella que explica, condiciona o determina el cambio en los valores de la variable dependiente. Dependiente: es el fenmeno o situacin explicados, o sea, que est en funcin de otra. Es el resultado esperado. Intervinientes o de confusin: es el elemento que puede estar `presente en una relacin entre la variable independiente y la dependiente, es decir, que influye en la aparicin de otro elemento, en forma indirecta.
2011
Variable
Variable
Independiente ____________________________________________ Dependiente X1 Variable X2 Y
Ejemplo: Los
alumnos que estudian en grupo obtienen mejores calificaciones que los que estudian individualmente.
Estudio en grupo V.I (X1) Estudio individual V.I. (X2) _________________________________Calificaciones V.D.(Y)
Segn la capacidad o nivel de la variable, para medir los objetos de estudio, estas se clasifican en variables: Cualitativas o categricas: son aquellas que se refieren a propiedades de los objetos en estudio, sean estos animados o inanimados. Lo que determina que una variable sea cualitativa es el hecho de que no pueda ser medida en trminos de la cantidad de la propiedad presente, sino que solamente se determina la presencia o ausencia de ella. Por ej.: las variables sexo, ocupacin, religin, etc., son consideradas variables cualitativas, en vista de que no se les puede asignar mayor o menor peso a las diferentes categoras; lo nico que se puede hacer es clasificarlas. Cuantitativas: son aquellas cuya magnitud puede ser medida en trminos numricos, esto es, que los valores de los fenmenos se encuentran distribuidos a lo largo de una escala.
2011
Por ej.: las variables edad, peso, talla, etc., son cuantitativas debido a que se les puede asignar mayor o menor peso a cada una de ellas. A su vez estas variables pueden ser:
Continuas:
son aquellas cuya unidad de medicin utilizada en la escala puede ser
subdividida en forma infinita. Por ej. La talla.
Discontinuas o discretas: son aquellas que pueden tomar solamente un numero finito
de valores, debido a que la unidad de medicin no puede ser fraccionada. Por ej. N de hijos.
Escala de medicin de variables
Nominal: son cualitativas, es la que da el nivel ms elemental de medicin; la que alcanza al simple conteo de las unidades sin que del resultado de la medicin pueda establecerse un orden jerrquico. Se pueden considerar de 2 tipos: Dicotmicas: admiten solo dos categoras: dolor. Si-no Politomicas: admiten ms de dos categoras, sin que esto implique un orden: nacionalidad. Ordinal: son cualitativas, con este tipo de escala el resultado de la medicin se expresa por categoras que indican un orden, aunque no es posible establecer relaciones cuantitativas entre ellas. El uso de una escala ordinal permite establecer un orden jerrquico entre las categoras de la variable; pero no es posible definir la distancia que separa una de otra. Por ej. : Temperatura: afebril, subfebril, febril. De Intervalo: en esta escala las distancias entre categoras de las variables son cuantificables y la separacin entre unidades de la escala se hace por periodos iguales. Con ella se miden variables cuantitativas. Una caracterstica de este tipo de escala es que el cero es arbitrario y convencional. Esto no permite la comparacin entre dos escalas que no tengan fijado en el mismo punto ese valor cero. Adems, no es posible establecer razones o proporciones entre diferentes valores. La temperatura es un ej. El cambio se marca por espacios iguales, as de 36 C a 37 C existe la misma distancia que entre 38 C y 39 C y lo mismo se podra hacer para variaciones de decimas o divisiones menores de la escala. Sin embargo no se puede afirmar que 40 C es el doble
ay cuatro clases de escala que representan los diferentes tipos de medicin:
10
2011
de 20 C. Solo se dir, en este caso, que 40 C son 20 grados ms que 20 C. Por otra parte, 0 C no expresa ausencia de temperatura sino un estado ms de la variable. Las escalas que miden el cociente intelectual corresponden tambin a este tipo. De Proporcin o Razn: esta escala constituye el nivel ms alto de medicin para variables cuantitativas. Adems de las propiedades que posee esta escala se destaca el hecho de que posee el cero absoluto: este valor exprese la ausencia de la caracterstica. As es posible obtener proporciones o razones entre valores. Un individuo de 40 aos de edad ha vivido el equivalente a dos de 20 aos de edad. El peso, la talla, la capacidad inspiratoria y muchas de las medidas utilizadas en medicina (antropomtrica y cuantitativa de laboratorio) utilizan este tipo de escala.
Un nivel ms alto de medicin (ms alta discriminacin) posibilita el uso de un mayor nmero de tcnicas estadsticas; lo que determina el alcance del anlisis de los datos que se efectuara. Por ello, es recomendable aplicar la escala de mayor nivel posible para la variable a medir. Por ej. Edad acepta la medicin por medio de una escala de proporcin o razn, pero es posible tambin expresarla en categoras tales como: nio, adolecente, adulto, viejo, utilizando una escala ordinal; y aun como mayor y menor, utilizando una escala nominal. (Siempre que hay solo dos categoras se trata de una escala nominal). En realidad cuando se utiliza una escala de intervalo o de proporcin suele hacerse una conversin a una escala de tipo nominal u ordinal, con fines de sntesis. Claro est que existen variables que por su naturaleza, no pueden ser medidas con escalas de intervalo o de proporcin (sexo, profesin, estado civil): por lo que, en estos casos, no cabe ms que la categorizacin nominal u ordinal, segn corresponda. En el caso contrario, cuando se aplica una escala cuantitativa, es posible efectuar la referida conversin. Por ej. La presin arterial puede expresarse por los valores de la medicin (escala de razn) o por categoras como: normotenso, hipertensin leve, hipertensin moderada, hipertensin grave (escala ordinal). Habitualmente, en medicina se recurre a esta conversin de escalas para hacer referencia al diagnostico, al tratamiento o al pronstico. Se puede decir que dicha conversin solo es posible de una escala de mayor a menor poder de discriminacin del estado de la variable: 1- ) de cuantitativa a ordinal o nominal. 2- ) de ordinal a nominal. Nunca en sentido inverso.
11
2011
Hiptesis
onstituyen un puente o un enlace entre la teora y la investigacin, lo que ha facilitado a la ciencia el logro de hallazgos sumamente significativos, para su desarrollo. Una hiptesis bien formulada sirve de directriz a la investigacin, y luego de su comprobacin, genera nuevos conocimientos que pasan a formar parte del saber humano. Casi todos los autores que escriben sobre el concepto de hiptesis (Polit, Lpez Cano, Rojas Soriano y Ladrn de Guevara entre otros) concluyen que esta es:
SUPOSICIN UNA SUPOSICIN O UNA PROPOSICIN QUE ESTABLECE LA EXISTENCIA DE HECHOS, UNA RELACIN ENTRE DOS O MS VARIABLES EXPRESADAS COMO HECHOS, FENMENOS O ENTIDADES, Y QUE DEBE SER SOMETIDA A PRUEBA PARA SER VLIDA. ACEPTADA COMO VLIDA.
Hiptesis Nula:
Se designa con el smbolo Ho. Esta hiptesis a veces se conoce como hiptesis de no diferencia, y se refiere al planteamiento del supuesto del que el valor observado en una poblacin, o en una muestra o en una variable, no difiere del encontrado en otra poblacin, muestra o variable de inters. En general, la hiptesis nula se establece con el propsito expreso de ser rechazada. Cuando se efectan pruebas estadsticas, suele asumirse la hiptesis nula subyacente sin que se enuncie de manera explcita. Ej. los alumnos que estudian en grupo obtienen la mismas calificaciones que los que estudian individualmente. El ej. anterior establece que no hay diferencia en el rendimiento acadmico (obtencin de calificaciones), al estudiar en grupo o en forma individual. Como lo que se espera en realidad, es que exista diferencia en el resultado, (rechazo de hiptesis nula), se concluir que los datos disponibles no son compatibles con la hiptesis nula. Si la hiptesis no se rechaza, se dir que los datos no proporcionan evidencia suficiente que provoquen rechazo.
Hiptesis Alterna:
Se designa con el smbolo de Ha. Plantea que los valores observados en el universo, en la muestra, o en una de las variables en estudio no son equivalentes a los encontrados en otro universo, en otra muestra o en otra variable bajo anlisis, lo que significa que si existe una verdadera diferencia en los valores. En esos casos el valor encontrado puede ser mayor > o menor < al esperado. Ej. los alumnos que estudian en grupo obtienen calificaciones diferentes a los que estudian en forma individual.
12
2011
Universo
E E
s el conjunto de individuos u objetos de los que se desea conocer algo en una investigacin. Fayad Camel lo define como la totalidad de individuos o elementos de los cuales puede presentarse determinada caracterstic susceptible caracterstica de ser estudiada. Polit/Hungler. La definen como toda la agregacin o cumulo de casos que cumple con un conjunto predeterminado de criterios. El universo o poblacin puede estar constituida por personas, animales, registros mdicos, los nacim nacimientos, las muestras de laboratorios, los accidentes viales, entre otros. El universo es el grupo de elementos al que se generalizan los hallazgos. Por esto es importante identificar correctamente la poblacin desde el inicio del estudio y hay que ser espe especficos al incluir sus elementos.
Muestra
s un subconjunto o parte del universo o poblacin en que se llevara a cabo la investigacin con el fin posterior de generalizar los hallazgos al todo.
Daniel define una muestra probabilstica como aquella extra extrada de una poblacin de tal manera que todo miembro de esta ultima tenga una probabilidad conocida de estar incluida en la muestra. El mismo autor a sus ves plantea que de cualquier poblacin o universo de tamao de N, pueda extraerse un cierto nmero de muestras distintas de tamao n. (Siempre y cuando el tamao de N sea lo estras suficientemente grande como para garantizar el muestreo). Es por esto que las poblaciones pequeas en general se toman en su totalidad.
13
2011
Muestreo
n primer lugar, si lo que se busca es estudiar algo en un grupo menor que el total para luego generalizar los hallazgos al todo, esa parte que se estudia tiene que ser representativa del universo, es decir, debe poseer las caractersticas bsicas universo, del todo. Por ej. Si en el universo hay un 55% de mujeres y un 45% de hombres, la muestra deber aproximarse a esta proporcin.
Tipos de muestreo
Segn Pardinas, el muestreo consiste en:
SEGUIR UN MTODO, UN PROCEDIMIENTO TAL AL ESCOGER UN GRUPO PEQUEO DE UNA POBLACIN SE PUEDA TENER UN GRADO DE PROBABILIDAD PROBABILIDAD DE QUE ESE PEQUEO GRUPO EFECTIVAMENTE POSEE LAS CARACTERSTICAS DEL UNIVERSO QUE ESTAMOS ESTUDIANDO.
Muestreo se refiere al proceso utilizado para escoger y extraer una parte del universo o poblacin de estudio con el fin de que represente el tot total. Si bien es cierto que cualquier subgrupo de una poblacin constituye una muestra, no todos son representativos de ella, y tampoco tienen la misma probabilidad de ser escogidas; es por ello que se habla de las muestras probabilsticas y las no probabilsticas.
14
2011
Muestreo Probabilstico (aleatorio)

Para que un muestreo sea aleatorio es requisito para todos y cada uno de los elementos de la poblacin tenga la misma probabilidad de ser seleccionados.
Muestreo Aleatorio Simple: este mtodo es uno de los ms sencillos y tal vez el
ms utilizado; se caracteriza porque cada unidad tiene la probabilidad equitativa de ser incluida en la muestra. En este tipo de muestreo hay varias modalidades. En una de ellas el procedimiento es un tipo de sorteo o rifa (por ej. Colocando en un recipiente fichas o tarjetas que contienen nombres o nmeros que corresponden a cada unidad del universo).
Muestreo Sistemtico: este tipo de muestreo es similar al aleatorio simple, en

donde cada unidad del universo tiene igual probabilidad de ser seleccionada. Las etapas son las siguientes: 1. Determine el nmero de unidades que conformara la muestra. 2. Asegrese de la cantidad que integra la poblacin y que todas las unidades estn enumeradas. 3. Calcule el denominado numero de seleccin sistemtica, que es el intervalo numrico que servir de base para la seleccin de la muestra. Este se calcula dividiendo el total del numero (N) por la muestra (n). N/n=? Ejemplo: 500/ 100 = 5 4. Determine la unidad muestral por la que se iniciara la seleccin de la muestra; se puede hacer al azar o por sorteo, definiendo de esas 5 primeras unidades la cifra por la cual se iniciara la seleccin. 5. Proceda a conformar la muestra.
15
2011
Ntese que tanto para realizar un muestreo aleatorio simple como para realizar un muestreo sistemtico es necesario contar con un marco muestral, es decir con un espacio (listado, mapas, etc) donde poder contabilizar a todas las unidades del universo.
Muestreo Estratificado: este tipo de muestreo as designado se caracteriza por la

subdivisin de la poblacin en subgrupos o estratos los que son homogneos al interior del grupo y heterogneos entre s. El investigador arma los estratos en funcin de una variable de estratificacin que surge del marco terico, luego selecciona porcentualmente un muestra de cada estrato. Este mtodo se aplica para evitar que por azar algn grupo este menos representado que los otros.
Muestreo por Conglomerado: este tipo de muestreo se usa en particular cuando

no se dispone de una lista detallada y enumerada de cada una de las unidades que conforman el universo y resulta muy compleja elaborarla. Se denomina as debido a que en la seleccin de la muestra en lugar de escogerse cada unidad se procede a tomar los
16
2011
subgrupos o conjunto de unidades, a los que se llama conglomerado. A diferencia de los estratos, los conglomerados son grupos dados naturalmente, heterogneos al interior y homogneos al exterior.
Muestreo No Probabilstico
Este tipo de muestreo, tambin conocido como muestreo por conveniencia, no es aleatorio, razn por la que se desconoce la probabilidad de seleccin de cada unidad o elemento del universo. Esto hace que este mtodo de extraccin de muestra no tenga la credibilidad de que goza el muestreo probabilstico. Se caracteriza porque el investigador selecciona la muestra siguiendo algunos criterios identificados para los fines del estudio.
Intencionalidad o Deliberado: en este el investigador decide, segn los objetivos,

los elementos que integraran la muestra, considerando aquellas unidades supuestamente tpicas de la poblacin que se desea conocer. En este caso el investigador conoce la poblacin y las caractersticas que pueden ser utilizadas para seleccionar la muestra.
Accidentales: se toman los casos o unidades que estn disponibles en un momento

dado.
Por Cuotas: consiste en que el investigador selecciona la muestra considerando

algunos fenmenos o variables a estudiar, como sexo, raza, religin, rea de trabajo, etc. El paso inicial consiste en determinar la cantidad o cuota de sujetos de estudio a incluirse y que poseen las caractersticas indicadas. En trminos generales no se recomienda utilizar el muestreo no probabilstico en las investigaciones cuantitativas, debido a que por sus caractersticas no permite calcular el error de muestreo.
17
2011
Dato estadstico
DATO:
Es una frase que describe o refleja la realidad. Acta como un antecedente necesario para llegar al conocimiento de una cosa. Es una clase especial de informacin.
DATO ESTADISTICO:
Es el resultado de la aplicacin de un indicador a una unidad de anlisis. Producto de aplicacin mediciones de caractersticas o fenmenos que se estudian. Se puede decir que dato estadstico es la expresin del resultado de la medicin de una variable, es decir, es expresar el estado en que se encuentra una variable. Ej. relacin entre el nmero de mujeres y varones en la clase.
Confiabilidad del Dato Dato:

Esta referida a la medida en la que el dato refleja el hecho que se mide. Un dato ser ms confiable cuanto ms se acerque a la realidad a la q se refiere. que Por ej. La lectura de un baciloscopio ser ms confiable si quien la realiza tiene mayor experiencia en esa prueba, es decir, cada vez que se expide sobre una observacin como POSITIVA existe alta probabilidad de que realmente el material pr provenga de un
18
2011
paciente bacilifero; y cada vez que informe un resultado NEGATIVO existe alta probabilidad de que se trata de un paciente no bacilifero. Los problemas de confiabilidad asociados a los datos ms comnmente utilizados en clnica y en salud pblica se refieren a los provenientes de: 1- ) La definicin de caso utilizada. 2- ) El sujeto en observacin (variabilidad de los fenmenos biolgicos y sociales). 3- ) Los instrumentos utilizados en la medicin (tanto formularios de recoleccin de datos como aparatos de medicin) 4- ) Los procedimientos utilizados (tipo de encuesta, problemas de recuerdo y de declaracin, etc.). 5- ) El observador (capacitacin, experiencia, fatiga al momento de la medicin). Un dato ser confiable en la medida en que sea reproducible, es decir, repetidas observaciones deben producir los mismos resultados (con las variaciones tolerables estadsticamente). La confiabilidad se controla por la repeticin de la observacin por parte del mismo observador (confiabilidad intraobservador) y por el control con otro/s observador/es (confiabilidad interobservador). A fin de que las lecturas reiteradas informen sobre la reproductibilidad es necesario que se cumpla lo siguiente: 1- ) Las sucesivas mediciones deben realizarse bajo las mismas condiciones de observacin. 2- ) Las tcnicas deben estar lo suficientemente estandarizadas. 3- ) El observador no debe conocer el resultado de la lectura anterior (propia o de otro observador). La confiabilidad suele expresarse por ndice de Kappa: El que vara entre -1 y +1. El -1 indica el mximo desacuerdo El +1 indica el mayor acuerdo El 0 se interpreta como un valor de acuerdo aleatorio Entonces, esta medida indicara mayor confiabilidad (intra o interobservador) cuanto ms cerca este de +1.
19
2011
Errores Estadsticos Comunes
l momento de recopilar los datos que sern procesados se es susceptible de cometer errores as como durante los cmputos de los mismos. No obstante, hay otros errores que no tienen nada que ver con la digitacin y que no son tan fcilmente identificables. Algunos de estos errores son: Sesgo: Es imposible ser completamente objetivo o no tener ideas preconcebidas antes de comenzar a estudiar un problema, y existen muchas maneras en que una perspectiva o estado mental pueda influir en la recopilacin y en el anlisis de la informacin. En estos casos se dice que hay un sesgo cuando el individuo da mayor peso a los datos que apoyan su opinin que a aquellos que la contradicen. Un caso extremo de sesgo sera la situacin donde primero se toma una decisin y despus se utiliza el anlisis estadstico para justificar la decisin ya tomada. El sesgo es un error sistemtico que puede darse tambin por una mala calibracin del instrumento de recoleccin de datos, en este caso el error se produce siempre en un mismo sentido. Datos no comparables: el establecer comparaciones es una de las partes ms importantes del anlisis estadstico, pero es extremadamente importante que tales comparaciones se hagan entre datos que sean comparables. Proyeccin descuidada de tendencias: la proyeccin simplista de tendencias pasadas hacia el futuro es uno de los errores que ms ha desacreditado el uso del anlisis estadstico. Muestreo Incorrecto: en la mayora de los estudios sucede que el volumen de informacin disponible es tan inmenso que se hace necesario estudiar muestras, para derivar conclusiones acerca de la poblacin a que pertenece la muestra. Si la muestra se selecciona correctamente, tendr bsicamente las mismas propiedades que la poblacin de la cual fue extrada; pero si el muestreo se realiza incorrectamente, entonces puede suceder que los resultados no signifiquen nada. Error aleatorio: est en relacin con el muestreo probabilstico y es medido con pruebas estadstica proporcionadas por la estadstica inferencial
20
2011
Recoleccin de Datos
La estadstica tambin nos brinda herramientas para la recoleccin de datos. En tal sentido tenemos que distinguir. El Mtodo: estrategia concreta e integral de trabajo. La Tcnica: conjunto de reglas y procedimientos. Los Instrumento: mecanismo que utiliza el investigador para recolectar informacin y registrarla.
Dentro de los mtodos de recoleccin tenemos: La observacin que puede ser directa o con aparatos (balanzas, microscopios, gonimetros, cmara fotogrfica, filmadoras, etc) y a su vez puede ser abierta, estructurada o semiestructurada. En todos los casos se utiliza para el registro de la informacin diferentes tipos de fichas de observacin registrando el dato mediante diferentes tipos de notas. (observacin directa, interpretativas y/o personales- estas dos ltimas en caso de observacin de fenmenos sociales) La entrevista que puede ser individual o grupal utilizando para registrar la informacin grabadores y hojas de registro. La encuesta que puede ser aplicada de manera personal, telefnica o por correo electrnico o postal, utiliza para recolectar informacin formularios con preguntas abiertas, cerradas o mixtas.
Adems de los ya citados contamos con otros instrumentos de recoleccin como el cuestionario, los test y las escalas de actitud como la escala de Lickert y el diferencial semntico (ver Hernndez Sampieri_ Metodologa de la Investigacin- Cap 9 4ta edicin)
OBSERVACIN: Es el registro visual de lo que ocurre en una situacin real,

clasificado y consignando los datos de acuerdo con algn esquema previsto y de acuerdo al problema que se estudia.
Ventajas:
Permite obtener datos cuantitativos y cualitativos. Se observan caractersticas y condiciones de los individuos. Tambin conductas, actividades, caractersticas o factores ambientales. Puede ser utilizada en cualquier tipo de investigacin y en cualquier rea del saber. Es un mtodo que no depende de terceros o de registros; con ello se eliminan sesgos y ambigedades.
21
2011
Desventajas:
Se requiere de mucha habilidad y agudeza para ver los fenmenos estudiados. Demanda gran cantidad de tiempo. Tiene sesgos; el humano ve lo que quiere ver. Al momento de la interpretacin pueden distorsionrse los hechos e ir ms all de lo que vimos en realidad. Para reducir los problemas se utiliza: Definir claramente los objetivos perseguidos. Determinar claramente la unidad de observacin. Las condiciones en que se asumir la observacin y las conductas que debern registrarse.
Errores relacionados a la observacin:

Cuando los fenmenos a observar no se dan de la misma manera en todos los sujetos de observacin. Cuando el observador tiene ideas prejuiciadas. Cuando el instrumento no es vlido o es poco exacto o est mal definido.
ENTREVISTA: Es la comunicacin interpersonal establecida entre el investigador y

el sujeto de estudio a fin de obtener respuestas verbales a las interrogantes planteadas sobre el problema propuesto.
Ventajas: Es aplicable a toda persona,( muy til con analfabetos, nios o en aquellos con alguna limitacin fsica o psicolgica), Permite estudiar aspectos psicolgicos o de otra ndole donde se desee profundizar en el tema. Permite obtener informacin ms completa, A travs de ella el investigador puede: Aclarar el propsito del estudio, especificar claramente la informacin que necesita, aclarar preguntas y permite usar triangulacin. Permite captar mejor el fenmeno estudiado ya que permite observar lenguaje no verbal.
Entrevista estructurada: Se elabora un formulario estandarizado.

Idnticas preguntas y en el mismo orden a todos los sujetos. Los sujetos eligen la respuesta de 2, 3 o pocas ms alternativas. Los comentarios y explicaciones son los mismos para todos.
22
2011
Ventajas: Respuestas cortas y precisas. Informacin fcil de procesar. El entrevistador no requiere gran entrenamiento. Informacin uniforme. Desventajas: La informacin puede ser muy superficial. Limitada la posibilidad de profundizar en un aspecto determinado. Difcil obtener informacin confidencial.
Entrevista no estructurada: Es flexible y abierta, pero regida por los objetivos de

la investigacin. Las preguntas, su contenido, orden y formulacin es controlado por el investigador, el que puede adaptarlas dependiendo delas situaciones y caractersticas de los sujetos en estudio. El entrevistado tambin cuenta con libertad para dar sus respuestas. Se utiliza un instrumento gua que contiene las orientaciones de los temas a tratar. Muy til para estudios exploratorios, descriptivos y cualitativos Ventajas: Adaptable y aplicable a toda clase de sujetos en diversas situaciones. Permite profundizar en los temas de inters. Orienta posibles hiptesis y variables cuando se exploran reas nuevas.
Desventajas: Requieren mucho tiempo. Muy costosos por el tiempo de las entrevistas. Limitado para personas con problemas de la palabra. Dificultad para tabular datos que han sido recopilados de distinta forma. Se requiere crear confianza y comodidad entre el entrevistado y el entrevistador. Se requiere habilidad tcnica para obtener la informacin y mayor conocimiento respecto del tema. Debido a que son entrevistas en profundidad habitualmente se utilizan muestras pequeas.
23
2011
Consideraciones para l realizar una entrevista: Para evitar el rechazo o atrasos al aplicar entrevistas: Establecer los contactos necesarios para el buen fin de las entrevistas. Entrevistador debe estar bien capacitado. El entrevistador debe establecer una buena comunicacin con el entrevistado, uso de vestuario adecuado, lenguaje adecuado, escuchar adecuadamente, no apresurar al entrevistado, etc. Buen registro de la informacin a fin de poder interpretarla adecuadamente. El entrevistador debe: Dejarle un mensaje positivo al entrevistado. Jams dar consejos, Jams hacer juicios morales, Jams rebatir al entrevistado.
ENCUESTA: Consiste en obtener informacin de los sujetos en estudio,

proporcionados por ellos mismos, sobre opiniones, conocimientos, actitudes o sugerencias.
CUESTINARIO: instrumento destinado a obtener respuestas sobre el problema en estudio y que el sujeto (auto administrado). Ventajas: Costo relativamente bajo. Proporciona informacin sobre un mayor nmero de personas en un perodo breve. Fcil para obtener, cuantificar, analizar e interpretar datos. Menores requerimientos de personal capacitado. Mayor posibilidad de mantener anonimato de los encuestados. Eliminacin de los sesgos que introduce el encuestador. Desventajas: Es poco flexible, la informacin no puede variar ni profundizarse. Si el cuestionario se enva por correo, es posible que no sean devueltos o que no se obtengan respuestas. No utilizable en personas que no saben leer ni escribir. No permite aclarar dudas. Resulta difcil obtener cuestionarios completamente contestados. Se deben obtener grandes muestras.
24
2011
En general, el proceso de recoleccin de informacin para una investigacin, mtodos, tcnicas e instrumentos y las fuentes de las mismas suelen combinarse, cada uno de ellos con sus ventajas y desventajas desventajas.
Caractersticas de los instrumentos de recoleccin de datos:

Objetividad: el instrumento debe ser impermeable a la subjetividad del investigador. e Validez: el instrumento debe recolectar informacin de la variable que quiere estudiar
(ej. Test de memoria para recolectar informacin sobre memoria y no ut utilizarlo para estudiar coeficiente intelectual) ar Confiabilidad: el instrumento t tiene que recolectar los datos tal como se dan en la o realidad.
Al momento de definir cmo abordar la recoleccin de datos (eleccin del mtodo, las tcnicas y los instrumentos) deberemos tener claramente definido que se busca ( tipo de informacin requerida cuantitativa cualitativa o ambas); ser creativos en el diseo del como lo buscamos y tener definidas las fuentes de informacin a utilizar.
Fuentes de Informacin
Fuentes primarias: Los datos son directamente recolectados por el investigador

para los fines de su estudio. Entre estas fuentes tenemos a la observacin la entrevista y . observacin, la encuesta.
Fuentes secundarias: Elaboradas por otras personas o instituciones para fines

distintos a los de la investigacin Entre estas fuentes tenemos: investigacin.
Fuentes permanentes Registro civil, estadsticas vitales. permanentes: Fuentes eventuales: Censo ( estudio estadstico descriptivo poblacional)
25
2011
Distribucin de Frecuencias
btenidos todos los resultados de las mediciones de un estudio se cuenta con una masa de datos estadsticos cuyo anlisis requiere de un tratamiento previo que la haga ms comprensible. Esta es la primera de las finalidades de la estadstica: RESUMIR UNA MASA IMPORTANTE DE DATOS. 1-) Lo primero es ORDENAR los datos conforme a la escala utilizada o a la naturaleza de la variable medida. Si se aplico una escala cualitativa la categorizacin es simple y se le har segn la presencia o ausencia de la caracterstica estudiada si es nominal: ICTERICIA: presente / ausente O con arreglo a un determinado orden si es ordinal: DOLOR: ausente / leve / moderado / intenso. Si la escala es cuantitativa el orden estar en funcin de los valores referenciales de la escala y los datos se acomodaran de forma que exista una progresin creciente o decreciente. He aqu un ejemplo con nmero de hijos por mujer entrevistada en una encuesta, tal como fue registrada la informacin: 0 7 2 4 3 3 3 2 0 7 0 1 1 2 1 5 3 1 3 1 4 4 1 2
El primer paso consiste, entonces, en orden los datos. Aqu se lo ha hecho en sentido creciente, o decreciente. 0 4 0 4 0 5 1 7 1 7 1 1 1 1 2 2 2 2 3 3 3 3 3 3 4
2-) Con esto se ha obtenido una SERIE. Una serie es un conjunto de datos ordenados. La lectura y comprensin de los datos as presentados resulta, ahora, ms fcil. Sin embrago, poco puede decirse sobre qu valores se repiten mas, cuales menos o cuales faltan en la serie; es decir, la descripcin de la misma, aun, es dificultosa. Como habitualmente se trabaja con series, todava ms grandes, este problema es mayor si no se avanza en el proceso de resumir la informacin. 3-) El paso siguiente es el de AGRUPAR los datos segn la caracterstica referida; haciendo nucleamientos con los que arrojan iguales resultados o que reflejan un mismo estado de la variable. Para ello se agrupan segn esas similitudes, colocando el valor de referencia y al lado las veces que ese valor se presenta en el conjunto de datos.
26
2011
4-) Esto ltimo es la FRECUENCIA (f) : NMERO DE VECES QUE UN FENMENO
SE PRESENTA CON DETERMINADA CARACTERSTICA EN UNA SERIE DE DATOS.

Lo que se obtiene es una distribucin de frecuencias, es decir, un ordenamiento de datos en funcin de los estados de la variable y de las frecuencias que le corresponden a cada uno de estos estados. Ejemplo: N de hijos 0 1 2 3 4 5 6 7
Total
f 3 6 4 6 3 1 0 2
25
Ahora se tienen ocho grupos de datos. Cada grupo representa un estado de la variable (nmero de hijos) y f la frecuencia con que se observa ese estado (mujeres que tienen ese nmero de hijos). Podra sintetizarse ms esa serie (haciendo ms fcil su descripcin y anlisis) agrupando las observaciones que tiene un numero parecido (aunque no exactamente igual) de hijos. N de hijos 0a1 2a3 4a5 6a7 TOTAL Para sacar el %: 25_________100% 9__________x = 9 (f) x 100 % = 36% 25 (f) 5-) Se ha obtenido ahora una agrupacin en CLASES. f 9 10 4 2 25 f.r. 36% 40% 16% 8% 100%
27
2011
CLASE: ES UNA SUBDIVISIN DE UNA ESCALA QUE PERMITE AGRUPAR DATOS DE
CARACTERSTICAS SIMILARES.
En el ltimo ejemplo se ha incluido la FRECUENCIA RELATIVA (f.r.); la que resulta de expresar en forma proporcional (ac como porcentaje) la relacin de cada clase con el total. Su utilidad est dada por la mejor comprensin que brinda la expresin en proporciones cuando lo que se desea es destacar el peso que tiene una parte en el todo (vase PROPORCIONES). Otra frecuencia que suele calcularse es la acumulada; tanto para valores absolutos: FRECUENCIA ACUMULADA (f.a.), como para valores relativos: FRECUENCIA ACUMULADA RELATIVA (f.a.r.), y que resultan de sumar desde el inicio de la serie (desde el menor valor o desde el mayor valor, segn como se haya hecho el ordenamiento) las frecuencias de cada agrupamiento en forma acumulativa. Esto es til cuando se quiere expresar la cantidad de observaciones (en nmero absoluto o en proporcin) que existe desde el inicio de una serie hasta determinado valor. Continuando con el ej.: N de hijos 0a1 2a3 4a5 6a7 f 9 10 4 2 f.r. 36% 40% 16% 8% f.a. 9 19 23 25 f.a.r. 36% 76% 92% 100%
Se ha desarrollado un ej. de datos provenientes de una medicin con escala cuantitativa. Si los datos fueron obtenidos por aplicacin de una escala cualitativa se tendrn resultados que sealan el estado de la variable respecto a la caracterstica buscada sin discriminacin de identidad; la medicin, aqu, se limita a cuantificar la presencia o ausencia de cada una de las categoras. Supngase los siguientes resultados para la variable estado civil, correspondiente a las mujeres del ejemplo anterior, segn el orden en el que fueron registradas:
soltera soltera casada
casada casada soltera casada unin de echo viuda soltera casada casada separada casada unin de echo casada soltera casada unin de echo soltera casada
casada soltera
soltera casada
Aqu el ordenamiento se hace por la similitud del estado en la que se encontr cada unidad revelada; no habiendo mayor posibilidad de discriminacin en la medicin por la naturaleza misma de la escala cualitativa:
28
2011
Soltera soltera soltera soltera soltera casada casada casada casada casada unin de echo unin de echo unin de echo
soltera soltera casada casada viuda separada
soltera casada
casada casada
casada casada
La distribucin de las frecuencias se construir con las siguientes clases: N de hijos Soltera Casada Unin de echo Viuda Separada TOTAL f 8 12 3 1 1 25 f.r. 32% 48% 12% 4% 4% 100%
Presentacin del Dato Estadstico

n la presentacin de un informe, al hacer referencia a un conjunto de datos estadsticos, se puede recurrir a ms de una manera de mostrar esos datos. Dependiendo del detalle de la informacin que se brinde y de la claridad que esto implique para la lectura y anlisis se tiene distintas formas de presentacin. Entonces, la presentacin de datos estadsticos es la manera en la que se muestra los resultados de un estudio, experiencia o investigacin. Puede ser: Textual Semitabular Tabular Grafica Desde la primera hasta la ltima se gana SINTESIS, COMPRENSIBILIDAD en la lectura e INTERPRETACION de los resultados; pero, a su vez, se va perdiendo en la cantidad de informacin que es posible mostrar y en el grado de precisin de los resultados presentados.
29
2011
PRESENTACION TEXTUAL RESENTACION TEXTUAL: Es la forma ms simple y consiste en la inclusin de datos estadsticos en el texto de un informe. Es decir, es una forma de brindar resultados numricos en el relato mismo del informe. Esto brida la posibilidad de explicar cada grupo de datos y discutir sobre el conjunto tan detalladamente como el autor le interese. Claro que la lectura de esta informacin puede ser abrumadora; lo que complicara su interpretacin.
Ventajas:
Se pueden resaltar datos Permite detallar el mtodo aplicado aplicado. Permite obtener informacin adicional y detallada de los datos. Permite resaltar situaciones especiales encontradas en el estudio
Desventajas:
Puede ser confuso si la informacin es mucha. Debe leerse todo el prrafo para comprender el significado de todo el conjunto de todo cifras.
PRESENTACION TABULAR TABULAR: Esta es una forma de presentacin que utiliza una grilla en la que se incluyen las frecuencias de las diferentes clases definidas. Una tabla estadstica consta de tres partes: El titulo: que habitualmente encabeza la presentacin, debe ser claro, conciso y debe : encabeza expresar cabalmente el fenmeno que se presenta. Numerado en forma correlativa dentro del informe, el titulo no debe llevar abreviaturas (excepto las que son muy conocidas y no se prestan a confusin) y suele escribirse con letras mayscula. Para Compiladores: Segovia Cesar Javier - Silvia Beatriz DAngelo
30
2011
obtener un ttulo completo, es decir que haga una buena referencia al fenmeno que se presenta, debe responder a las siguientes preguntas: Qu?, Cmo?, Dnde? Y Cundo?. Estas preguntas se refieren a: la naturaleza del hecho que se presenta (el naturaleza que), el criterio utilizado en la clasificacin variables presentadas- (el como) y el lugar y tiempo en que ocurrieron los hechos (el donde y el cuando). El cuerpo: es la parte ms importante de la tabla; en el se escriben las frecuencias. Es : un entrecruzamiento de lneas horizontales y verticales que forman filas y columnas y que determinan cuadrilteros a los que se los conoce como casillas, celdas o celdillas. En la primera fila y en la primera columna se escriben los ttulos de las columnas y de las filas, respectivamente, y corresponden a las categoras de las variables utilizadas como criterio clasificatorio. La ltima fila y la ltima columna se reservan para los totales. En las celdas se escriben las frecuencias correspondientes a cada clase, las que podrn expresarse en forma de valores absolutos o relativos. Las inscripciones S/I y S/D se reservan para cuando no existe informacin. NUNCA UNA CELDA DEBE QUEDAR VACIA. En aquellas categoras en donde no hubo ninguna observacin la no frecuencia ser O. El cero, entonces es un tipo de frecuencia. No es correcto en estos . casos, dejar la celda en blanco o colocar -y no o. Las notas aclaratorias: van al pie del grafico y sirven para especificar o referi algn aclaratorias: referir elemento especial que deba ser aclarado o que se desee explicar con mayor detalle. No debe abuzarse de estas aclaraciones, pues la inclusin de un texto extenso hara perder sentido a la presentacin tabular. Fuente de datos: siempre se lo debe inc : incluir.
31
2011
Ventajas:
Claro y fcil de leer. Presentacin concisa. Permite presentar diferentes grupos de datos Facilita la comparacin con datos obtenidos con anterioridad.
Desventajas:
Llamen menos la atencin del lector que los grficos. Es ms difcil de comprender que un grfico. Puede ser muy extenso dependiendo de la cantidad de datos (tablas maestras).
PRESENTACION SEMITABULAR: Es una forma intermedia entre textual y tabular. Esta se caracteriza por ofrecer un ordenamiento de los datos en filas y columnas que no renen todos los elementos de una tabla (titulo, fuentes, notas aclaratorias, trazado de la grilla). Se la utiliza para facilitar la lectura de los datos dentro de una presentacin textual. PRESENTACION GRAFICA: Es una forma de presentacin de datos estadsticos mediante un dibujo que resume las principales caractersticas cuantitativas del conjunto de observaciones medidas y sirve para comparar la intensidad de las variables y de las categoras del estudio. La presentacin grafica no pretende brindar precisin en los valores de las categoras que se presentan; ms bien, es un auxilio visual para facilitar la comprensin de informacin numrica. La inclusin de cifras dentro del dibujo no es necesaria; siempre que no complique la lectura e interpretacin del grafico. En este caso puede llegar a ser contraproducente en el sentido de la finalidad misma de esta forma de presentacin. Un grafico estadstico consta de 5 partes: Titulo: en los grficos se acostumbra escribirlo abajo. Dibujo: es la parte ms importante, representndose en el las variable y categoras con sus correspondientes frecuencias. Los letreros: dan denominacin a las escalas (son el nombre de las variables presentadas). Las referencias: hacen aclaraciones sobre aspectos de la tcnica del dibujo (color, textura, rallado, etc.); es decir, aclaran respecto a la manera en la que se han representado las variable y sus categoras. Notas aclaratorias: las mismas que la de las tablas.
32
2011
GRAFICOS DE COORDENADAS CARTESIANAS Utilizan este sistema para el dibujo graficndose en el rea que queda arriba y a la derecha del entrecruzamiento de una lnea horizontal ( (abscisa) y una vertical ( ) (ordenada). El entrecruzamiento de ambas representa el valor cero para las escalas que se inician haci la hacia derecha (sobre la abscisa) y hacia arriba (sobre la ordenada). La escala de la ordenada indica las frecuencias de las categoras que se presentan. La escala de la abscisa seala las categoras de clasificacin. GRAFICOS DE BARRA: son de los ms utilizados para presentaciones cientficas. Sirven para datos medidos con escala cualitativa o cuantitativa (variable discretas). Para su construccin se dibujan barras que partiendo de la lnea de la abscisa, se alzan hasta la altura que referencialmente marca la escala de las frecuencias (trazado sobre la ordenada verticalmente). Grficos de barras simples: sirve para la presentacin de una sola variable y cada simples: barra representa una categora. Si la variable es por ejemplo sexo habr dos barras (una para masculino y otra para femenino). lino
33
2011
Temperaturas
20 15 10 5 0 -5 -10 1 2 3 4
-40 -20
Diferencia de Expotaciones en Porcentaje Ao 2002 - 2003

4 3
Serie1
2 1 0 20 40
Grficos de barras simples bidireccionales Grficos de barras dobles, triples o mltiples: en estos cada grupo de barras mltiples: representan una categora de una de las variables y cada tipo de barra individual (dentro una de cada grupo) representa una categora de la otra variable utilizada como criterio de clasificacin.
34
2011
Grficos de barras superpuestas o subdivididas: se utiliza, tambin para representar clasificaciones de dos variables; pero en lugar de agrupar las barras se las apila.
Barras Segmentadas en Valores Absolutos
80 70 60 50 40 30 20 10 0 1 2 3 Serie2 Serie1
Grafico de barras proporcionales: muestra la composicin de cada categora de una variable segn las categoras de una segunda variable. Es parecido al anterior, pero con la diferencia de que todas las barras tienen la misma altura. Cada una representa el 100% de una categora de la primera variable utilizada en la primera clasificacin y se la subdividi en funcin de la participacin proporcional que tienen las categoras de la segunda variable.
Histograma: se utilizan para datos cuantitativos continuos. Las categoras estn representadas por cuadrilteros, que se dibujan adosadas unos a otros. La intensidad del fenmeno lo marca la superficie de esos cuadrilteros y no su altura (como en los anteriores.
35
2011
Polgonos de frecuencia: su utilidad se hace mas manifiesta cuando en un mismo frecuencia: grafico varios perfiles de histograma, ya que, con esto, se puede comparar un fenmeno en diferentes poblaciones.
Grafico lineal: es til para presentar series de datos obtenidos por mediciones a lo largo : del tiempo. Sirve para mostrar la tendencia de fenmenos (o variables); ya sea, a travs de los aos o meses de un periodo de tiempo o de las diferentes edades de una poblacin.
36
2011
Grafico de correlacin: se utiliza para representar dos variables cuantitativas que han correlacin: sido medidas simultneamente cada unidad de observacin; por ejemplo: la glucemia y la glucosuria.
GRAFICOS CIRCULARES Grafico sectorial: es un grafico de fcil comprensin que no requiere demasiado : fcil entrenamiento para su lectura. Por este motivo es til, tambin, para difusin masiva de lectura. datos estadsticos. Sirve para la presentacin de datos provenientes de mediciones con cualquier tipo de escala. Para su construccin se utiliza la escala radial, en donde los construccin 360 representan el total de observaciones. Cada categora de la variable que se presenta ocupara un sector del crculo, cuya superficie ser proporcional al peso que tiene esa , categora en el total de las observaciones. Por ej. En un grupo cuya composicin por sexo sea: 80 varones y 40 mujeres La determinacin del sector que le corresponde a cada categora se obtiene por una regla de tres simple: VARONES 120 observaciones______360 80 observaciones______x X=80x360= 240 = 120 MUJERES 120 observaciones____________360 40 observaciones____________x X=40x360= 120 X= 120
37
2011
GRAFICOS DE TECNICAS MIXTAS Pictograma: es til para difusin masiva por ser muy comprensible, aunque carece, en absoluto, de precisin. NO ES USADO HABITUALMENTE EN PRESENTACIONES CIENTIFICAS. Lo que se busca con este grafico es la rpida interpretacin; para lo que se usan dibujos (esquemticos, artsticos o humorsticos) en los que cada unidad dibujada representa un numero de observaciones.
Cartograma: es un grafico que utiliza un mapa, un plano o un croquis para referir frecuencias de fenmenos acaecidos por reas geogrficas. Las frecuencias se representan por colores o diferentes tramados del dibujo; o adhirindoles chinches o alfileres, o simplemente escribiendo el n de casos en rea.
38
2011
Grficos tridimensionales: tienen las caractersticas de los grficos de barra; pero le agregan una tercera dimensin (en profundidad). De esta manera es posible representar hasta tres variables: una por cada grupo de barras, otra por cada barra dentro de cada grupo y otra por cada plano en profundidad. Su lectura e interpretacin es ms compleja que los anteriores.
Grafico de caja: (box-plot). Para su construccin, se traza una escala (la de los calores de referencia) sobre una lnea vertical que es creciente de abajo hacia arriba; y a su derecha, la/s caja/s. cada una de ellas representa una serie. La caja es un cuadriltero que tiene por altura la extensin que va del cuartil 1 al cuartil 3 de la serie; es decir, comprende el 50% de las observaciones. El ancho no tiene ms significado que el determinado por la esttica del dibujo. Dentro de la caja, una lnea transversal marcara la ubicacin de la mediana. Hacia arriba y hacia debajo de la caja salen lneas verticales (llamadas BIGOTES) que tendrn, como mximo, una longitud igual al largo de la caja; hasta abarcar el 95% de las observaciones; es decir, corresponde a la amplitud dada por
39
2011
dos desvos estndar. Terminan en los llamados cercados interiores. Si no hay observaciones que lleguen a esos extremos, el bigote podr ser ms corto y, tambin, podrn ser diferentes el superior al inferior. Si la serie con puntos o estrellitas se marcan observaciones distantes, las que estn por fuera de los bigotes. Como puede verse, este grafico permite tomar conocimiento de las caractersticas de una serie; su simetra, su apuntamiento (curtosis), la ubicacin de la mediana, del intervalo intercuartilico y de eventuales valores extremos; as como, comparar varias series en un mismo grafico.
Ventaja y desventajas de la presentacin grafica Ventajas:

Es ms llamativa que otras formas de presentacin. Da una idea rpida de la situacin general. Es una presentacin sencilla y atractiva. Permite una interpretacin clara de hechos, relaciones o comparaciones. hechos, Son un complemento importante de las tablas.
Desventajas:
Presenta menos informacin que las tablas. No da detalles de la situacin presentada. Puede distorsionarse la informacin presentada. Requieren tiempo y habilidad par su construccin. para
40
2011
Medidas de resumen
e ha visto que una de las finalidades de la estadstica es la de poder resumir una masa importante de datos a efectos de mejor comprender las variaciones del fenmeno/s en estudio. Algo de esto se logra al:
1. Ordenar 2. Clasificar y 3. Presentar los datos. Sin embargo, aun as, no se expresa con suficiente sntesis la distribucin de frecuencia de los datos. Es ms cmodo (y ms til para el anlisis) el trabajar con unos pocos valores que representan al conjunto observado. Para el citado objetivo se recurre a las: MEDIDAS DE RESUMEN (MR): instrumentos estadsticos que sintetizan en unos pocos valores los correspondientes a un conjunto numerosos de observaciones. Es decir, son valores que representan a una serie. A estos valores que resumen a otros se los llama, tambin estadsticos. Escala Cualitativa Tipo de Medida Cifras Relativas Medida de Resumen Proporciones Tasas Razones Cuantitativa Medidas de tendencia Central Media Mediana Modo Medidas de Posicin No centrales Cuantiles o fractiles
Medidas de Variabilidad o dispersin
Varianza, Desvo estndar Intervalo intercuartlico Rango o Amplitud, Coeficiente de covariacin
41
2011
ESCALA CUALITATIVA
CIFRAS RELATIVAS: es la que resulta de relacionar dos valores absolutos; en donde uno es tomado como base de comparacin. Desde el punto de vista matemtico es un cociente. TASAS: una tasa es una cifra relativa que relaciona un fenmeno ocurrido en un lugar (I) y un periodo de tiempo (t) determinado con la poblacin expuesta a ese fenmeno estimada a mitad de ese periodo. El fenmeno a expresar se coloca en el numerador y la base de comparacin en el denominador. Debe existir una triple correlacin entre el numerador y denominador: los casos del fenmeno deben provenir de la poblacin que se define como expuesta; y el lugar y el periodo de referencia deben ser iguales para el fenmeno y la poblacin. Ej.: Poblacin A N D 500 = 5.000 0,10 Poblacin B 200 = 800 0,25
Una tasa expresa el RIESGO que la poblacin expuesta tuvo (o tiene o tendr) de padecer el fenmeno. Para obtener la tasa se utiliza informacin disponible para mesurar el fenmeno ocurrido (de all la expresin en pasado); pero, tambin, para proyectar el riesgo en base a esa u otra informacin (de all la expresin en presente o en futuro). En el ej. Anterior podemos decir que el riesgo fue mayor en la Poblacin B, esto muestran los resultados de los cocientes y esta dado porque aunque el numero de casos fue menor para B, ellos ocurrieron en una poblacin menor. Como la expresin de estos resultados resultan un tanto difcil de expresar y de comprender (tnganse en cuenta que los fenmenos de enfermedad y muerte son usualmente, de baja frecuencia, por lo que el resultado del cociente puede ser un nmero muy inferior a la unidad) se suele utilizar un: FACTOR DE AMPLIFICACION: un nmero por el que se lo multiplica el resultado del cociente: Poblacin A 500 x 1000 = 10% 5.00 Poblacin B 200 x 1000 = 25% 800
El factor de amplificacin siempre es una potencia de 10. PROPORCIONES: una proporcin es una relacin matemtica, un cociente, en donde el numerador (N) forma parte del denominador (D); es decir, el N es un subconjunto del D. con esta definicin las tasas son proporciones. En realidad (y generalmente), si, lo son desde el punto de vista estrictamente matemtico. En epidemiologia se hace la distincin para reservar el nombre de proporcin a aquella cifra relativa que no expresa riesgo; simplemente da una idea del peso que tiene una parte respecto del todo. Es la expresin de la participacin de una categora en el total de la variable de referencia.
42
2011
Utilizan factor de amplificacin, del mismo modo que las tasas; solo que aqu la interpretacin ser diferente. Si digo que el 50% del curso son varones (resultado de la operacin: varones / total alumnos x 100) estoy diciendo que cada 100 alumnos hay 50 de sexo masculino. De ninguna manera esto hace referencia a riesgo alguno; simplemente, es el peso de esa categora en el total. Nuevamente no es indispensable que el nmero de individuos tomados en el denominador sea igual o superior al factor de amplificacin utilizado y, al igual que en las tasas, las proporciones son comparables entre poblaciones de distinto tamao. Tambin deben llevar especificacin de lugar y tiempo. Aqu cabe acotar que la tasa de prevalencia no es una tasa realmente; ya que no expresa riesgo; midiendo el nmero de casos en un momento determinado y no su velocidad de ocurrencia en un periodo. Asimismo, la tasa de mortalidad proporcional (vista en demografa) tampoco es una tasa; simplemente seala la distribucin de muertes segn sus causas. RAZONES: en las razones se relaciona dos fenmenos (variables) diferentes o dos caractersticas distintas de un mismo fenmeno. Por ej. Nmero de habitantes en un territorio / superficie de ese territorio. Por ej. Corrientes tiene 11 habitantes por km 2. Obsrvese que la razn la expresin se hace por unidad del denominador; esto es porque, en principio, no necesita factor de amplificacin: basta con poner el valor ms alto de numerador para obtener un valor igual o superior a 1. Sin embargo, el uso ha determinado que algunas razones utilicen factor de amplificacin, lo necesiten o no. Un caso de la primera situacin (en la que hay necesidad del factor para amplificar el resultado) es la cantidad de mdicos por habitantes (mdicos / habitantes x 10000). Por ej. 25 mdicos cada 10000 habitantes. Como se ve, podra invertirse el cociente y nos dara 400 habitantes por cada mdico. Pero, insistimos, es ms utilizada la primera expresin. En la segunda situacin (en la que el factor, directamente podra omitirse) tenemos, a modo de ejemplo, la razn de masculinidad al nacer (nacidos vivos varones / nacidos vivos mujeres x 100) cuyo valor suele ser 105 / 106 varones por cada 100 mujeres. Aqu, directamente podra omitirse el factor de amplificacin y se expresara 1,05 / 1,06 nacidos vivos varones por cada mujer nacida viva; pero otra vez, el uso ha consagrado la primera forma.
ESCALA CUANTITATIVA
MEDIDAS DE TENDENCIA CENTRAL MTC
Las MTC (o promedios) son MR que tienden a ubicarse en el centro de una serie de observaciones y sirven como valores representativos de la misma. Brindan informacin sobre el punto (o tramo) de la escala de referencia donde se posiciona la distribucin, por lo que se las llama, tambin, CONSTANTES DE POSICION.
43
2011
MEDIA ARITMETICA (X): es una medida algebraica de esa posicin media; para cuyo clculo se tienen en cuenta los valores de todas las observaciones de la serie. En el lenguaje no tcnico es el conocido promedio; aunque estadsticamente, promedio es sinnimo de MTC. Matemticamente, se obtiene por la sumatoria de los valores de cada una de las observaciones dividido el numero de esas observaciones:
X: media aritmtica : sumatoria de los valores de las observaciones (i) N: numero de observaciones
Si se trata de datos agrupados en clases, el numerador ser la sumatoria de los productos de los puntos medios de clase por la frecuencia de clase. Punto medio de clase: promedio de los lmites superior e inferior de una clase mayor y menor valor respectivamente- que se utiliza como valor representativa de la misma. El denominador siempre se refiere al conjunto de observaciones. Pueden resumirse las ventajas de la media aritmtica as: Es el ms conocido de los promedios, es de clculo fcil, toma en cuenta todas las observaciones y tiene estabilidad en el muestreo (medias obtenidas de diferentes muestras de un mismo universo tienden a ubicarse en un mismo punto de la escala). Respecto a sus desventajas puede decirse: no es posible utilizarla cuando no se conocen los valores de algunas de las observaciones y tienden a desplazarse del centro en series muy asimtricas (lo cual puede ocurrir, por ej. cuando existen valores muy extremos o aberrantes). Valores aberrantes: son aquellos que se apartan del agrupamiento principal de la distribucin. Su presencia influye en la media aritmtica haciendo que la misma se desplace hacia el extremo donde se ubica el valor aberrante, dejando de ser una MTC ya que su valor no tendera a ubicarse en el centro de la serie. Ej. Edades en nios:
2, 2, 3, 4, 4, 5, 5, 5, 6
Aplicando la formula: -La sumatoria de los valores es 36. -Al dividir esta sumatoria por 9 observaciones, dar 4. Compiladores: Segovia Cesar Javier - Silvia Beatriz DAngelo
44
2011
-Por lo tanto la media aritmtica es de 4 aos de edad. -Como puede verse, el valor, corresponde a una posicin central en el tamao de la escala utilizada para la medicin de estas observaciones; es decir, un valor que cae en el centro de la serie.
Supongamos, ahora que uno de esos valores fuera muy apartado del conjunto (un valor aberrante):
2, 2, 3, 4, 4, 5, 5, 5, 24 (!)
-Ahora la suma ser 54. -La media ser de 6 aos de edad. -Este, obviamente, no es un valor central y, por lo tanto, mal representar a esta serie. -En estos casos resulta aconsejable la utilizacin de otra medida: LA MEDIANA. MEDIANA (Ma): esta es una MTC que se ubica en el centro espacial de la serie. Es el valor que corresponde a un lugar de la serie que deja igual nmero de observaciones por delante y por detrs d la misma. Para su clculo es necesario seguir los siguientes pasos: 1) Ordenar los datos. 2) Hallar el lugar donde cae la mediana. 3) Hallar el valor de la mediana. Ordenada la serie se busca el lugar. Para ello se aplica la formula: N+1 2 Siguiendo con el ej. Anterior:
2, 2, 3, 4, 4, 5, 5, 5, 6 2 5
9+1= 5
es el lugar donde cae la mediana. Hallar el valor en este caso en que hay un nmero impar de observaciones, es fcil: es la quinta observacin (contando de izquierda a derecha o de derecha a izquierda). Esa observacin tiene el valor 4. Por lo tanto, la mediana de esta serie es
de 4
aos de edad.
Sin el nmero de observaciones fuera par:
2, 2, 3, 4, 4, 5, 5, 5, 6, 8
10 + 1 = 5.5 2
45
2011
5.5 es el lugar donde cae la mediana; es decir en la mitad entre el 5 y el 6. Para hallar el
valor deber sacarse la media de los valores de las observaciones que corresponden a esos lugares; ya que 5.5 representa la mitad del espacio comprendido entre ambas. El 5 y el 6 lugar lo ocupan observaciones que tienen valores 4 y 5, respectivamente. Por lo tanto, la mediana ser la media de 4 y 5; es decir: 4.5 Si existiera un valor aberrante:
aos de edad.
2, 2, 3, 4, 4, 5, 5, 5, 6, 24
10 + 1 = 5.5 2
Como puede verse el lugar de la mediana no cambia y su valor tampoco, no se ve influido por un valor aberrante. Podra ocurrir, tambin, que no se conociera el valor de una o ms observaciones; pero sabiendo que ellas existen. En este caso se distribuyen en el comienzo y en el final de la serie como S/D (o, lo que es lo mismo, ignorndolas). Para el ej. Dado con 10 observaciones, si se desconocieran 3 y el 6 se ordenara si:
S/D, 2, 2, 4, 4, 5, 5, 5, 8, S/D
10 + 1 = 5.5 2
Nuevamente, ac se ve como la mediana no se ve afectada por esta circunstancia. Para datos agrupados en clases la mediana se calcula siguiendo los tres pasos descriptos con anterioridad; solo, que en este caso, el lugar donde cae la mediana estar ubicado en una clase. Para obtener el valor (que esta comprendido dentro de esa clase) se aplica una formula especial por la que se establece la proporcin del intervalo de clase que representa la distancia entre el inicio de la misma y el lugar donde cae esta MTC. Intervalo de clase: distancia entre una clase y la siguiente, indica el tamao de la clase o el tramo de la escala de referencia que la define.
MODA (Mo): es el valor que se repite con mayor frecuencia en una serie. En el ej. Que se viene desarrollando:
2, 2, 3, 4, 4, 5, 5, 5, 6, 8 El modo ser el 5 (5 aos de edad) ya que se presenta con mayor frecuencia que los
otros valores. Son ventajas del modo: es fcilmente comprensible y de fcil obtencin. Y son sus desventajas: matemticamente es el promedio menos exacto; no tiene estabilidad en el muestreo; puede no ser una MTC y, aun mas desventajoso, una serie puede tener ms de un modo (series bimodales, polimodales) e, incluso, no tener ninguno. Como promedio, es el menos til como MTC (usado aisladamente). Tambin el modo es aplicable en datos cualitativos: ser, simplemente, la frecuencia del tipo de dato que ms se repite.
46
2011
Graficacin de distribucin modal

La distribucin modal puede ser de tres tipos:
Ejemplo graficado de media, mediana y moda
En 10 comercios de una ciudad europea se averiguo el precio de una balanza para consultorio obtenindose los siguientes valores: 25, 25, 26, 24, 30, 25, 29, 28, 26, y 27 Euros; lego se hall la media, la moda y la mediana y se presentaron los datos mediante diagrama de barras y diagrama de caja.
[El diagrama de cajas: caja desde Q1 a Q3 (50% de los datos), bigotes el recorrido]
47
2011
MEDIDAS DE POSICION NO CENTRAL CENTRALES

Son medidas de posicin que no se ubican en el centro de la distribucin. Surgen de divisiones de la serie en tramos iguales de observaciones. Son los CUANTILES O FRACTILES FRACTILES. El valor del cuantil ser el que le corresponda a la observacin ubicada en la posicin que esta el medida seala. De aquellos los ms usados son los: PERCENTILES, QUINTILES, DECILES, CUARTILES. Los PERCENTILES (P), o percentilos o centiles o centilos resultan de divi la serie de centilos, e dividir observaciones en cien. De modo que hay 100 percentiles, uno por cada divisin centesimal. Cada percentil tomara el valor que corresponde a la observacin ubicada en esa divisin centesimal. Se denominan del percentilo 1 (P1) al percentilo 100 (P100) lo (P100). Cuartiles: Dividen la serie en 4 partes iguales ( Q1 Q1-Q2- Q3) Cada c cuartil equivale al 25% de la serie Deciles: Dividen la serie en 10 partes iguales(D1.D9) Cada decil equivale al 10 de 10% la serie Percentilos o Percentiles: Dividen la serie en 100 partes iguales (P1 al P99) Cada percentil equivale al 1 de la serie 1% Ejemplo de medidas de posicin no centrales
48
2011
MEDIDAS DE VARIABILIDAD O DE DISPERSION

Las MD son MR que sirven para expresar como se distribuyen las observaciones en una serie. Son el complemento necesario de las MTC para describir una distribucin de frecuencias. Las MTC indican en que punto de la escala se ubica la distribucin y las MD como se dispersan sus observaciones. Se describirn, aqu, dos de las ms utilizadas: La AMPLITUD o RANGO: es la diferencia entre el mayor valor (extremo superior) y RANGO: el menor valor (extremo inferior) de una serie. Tambin existe una amplitud de clase que es la diferencia entre el mayor valor, o lmite superior y el menor valor, o limite inferior de una clase. La amplitud da una idea acerca de la dispersin de las ferior observaciones; pero es la menos til para ese fin.
Rango = x M x m
Donde: x M = puntuacin mayor de la serie x m = puntuacin menor de la serie
El DESVIO ESTANDAR (s): es la medida de dispersin ms utilizada y se calcula en base a la media aritmtica. Se halla con la formula que se muestra a continuacin; en donde se puede advertir que su valor depender del distanciamiento que tengan los valores de las observaciones ind individuales respecto a la media.
2
S: desvo estndar de la muestra : sumatoria de los valores de la observacin n: numero de observaciones : fi: cantidad de veces que se repit cada valor de la variable. repite X: valor de cada una de las observaciones : X: media aritmtica N: Cuando slo se quiere describir la variabilidad de una poblacin finita poblacin n-1 : ms til para propsitos inferenciales
49
2011
COEFICIENTE DE COVARIACION: Es la razn entre la desviacin tpica y la media.
S CV = x
Ejemplo: Si la media es 80 y la desviacin tpica 20 entonces CV=20/80=0,25=25% (variabilidad relativa) Es una cantidad adimensional. Interesante para comparar la variabilidad de diferentes variables. Mide la desviacin tpica en forma de qu tamao tiene con respecto a la media Tambin se la denomina variabilidad relativa. Es frecuente mostrarla en porcentajes
Ejemplo: Si el peso tiene CV=30% y la altura tiene CV=10%, los individuos presentan ms dispersin en peso que en altura. No debe usarse cuando la variable presenta valores negativos o donde el valor 0 sea una cantidad fijada arbitrariamente Por ejemplo 0C 0F Los ingenieros electrnicos hablan de la razn seal/ruido (su inverso).
DESVIO INTERCUARTILICO: Alternativa a la desviacin estndar si los datos son de tipo ordinal, si existen inrvalos abiertos o si la distribucin es muy asimtrica. S 1 = Q3-Q1
50
2011
Clculo de medidas de resumen para datos lculo agrupados.
Mediana para datos agrupados
Mediana = Li +
N / 2 ( fi) 1 f mediana
Donde:
L1 = frontera inferior de la clase de la media N= n de datos (frecuencia total) ( f)1= suma de frecuencias de las clases inferiores a la media F mediana = frecuencia de la clase de la media C= anchura de intervalo de la clase de la media
51
2011
Moda para datos agrupados
Moda = L1 +
i 1 + 2
Donde: L i = frontera inferior de la clase modal 1 = exceso de la frecuencia modal sobre la de la clase inferior 2 = exceso de la frecuencia modal sobre la clase superior inmediata c = anchura del intervalo de clase modal
Medidas de posicin no centrales para datos agrupados

N . p ( fi) 1 f mediana
Q = Li +
Donde:
L1 = frontera inferior de la clase de la media N= n de datos (frecuencia total) P= porcentaje que representa al fractil que se busca. ( f)1= suma de frecuencias de las clases inferiores a la media F mediana = frecuencia de la clase de la media C= anchura de intervalo de la clase de la media
DESVIO ESTANDAR PARA DATOS AGRUPADOS. ESVIO

2
52
2011
Medidas de Forma
MEDIDAS DE ASIMETRIA
Distribucin simtrica: Cundo las tres MTC coinciden. Distribucin asimtrica: A la derecha (positivo): cuando las frecuencias (absolutas o relativas) (positivo): descienden ms lentamente por la derecha que por la izquierda. A la izquierda (negativa):las frecuencias descienden ms lentamente por la izquierda que por la derecha
Posicin de las m.T.C. En una distribucin de frecuencia
53
2011
MEDIDAS DE APUNTAMIENTO O CURTOSIS

Miden la mayor o menor cantidad de datos que se agrupan en torno a la moda. Se definen 3 tipos de distribuciones segn su grado de curtosis:
Distribucin mesocrtica: presenta un grado de concentracin medio alrededor de los valores centrales de la variable (el mismo que presenta una distribucin normal). Distribucin leptocrtica: presenta un elevado grado de concentracin alrededor de los valores centrales de la variable. Distribucin platicrtica: presenta un reducido grado de concentracin alrededor de los valores centrales de la variable.
54
2011
Bibliografa Utilizada
Canales, Pineda y Alvarado .Metodologa de la investigacin. Manual para la formacin del personal de la salud. Segunda edicin. Publicacin de la ORGANIZACIN PANAMERICANA DE LA SALUD. E.U.A. Ao 1994.
David Ruiz Muoz. Manual de estadstica. Editado por eumed.net. Ao 2004.
Dawson y Trapp. Bioestadstica medica. 4ta edicin. Ed. El Manual Moderno. S. A. 2005. Bs. Ar. Argentina
Hernndez Sampieri y Col. Metodologa de la investigacin. 4ta ed. Ed. Mc. Graw Hill. 2006.
Palladino A. Modulo 4 Epidemiologia. (Documento de la ctedra Atencin Primaria, Epidemiologia e Informtica II, carrera de Medicina - UNNE). Ao 2008.
Spiegel, M. Estadstica 2da.edic. 1997. Edit. Mc Graw-Hill. Espaa.
Bibliografa Sugerida por la ctedra
Dawson y Trapp. Bioestadstica medica. 4ta edicin. Ed. El Manual Moderno. S. A. 2005. Bs. Ar. Argentina.
Hernndez Sampieri y Col. Metodologa de la investigacin. 4ta ed. Ed. Mc. Graw Hill. 2006.
Canales, Pineda y Alvarado .Metodologa de la investigacin. Manual para la formacin del personal de la salud. Segunda edicin. Publicacin de la ORGANIZACIN PANAMERICANA DE LA SALUD. E.U.A. Ao 1994.
55

Bioestadistica Basica - Documento de Catedra-2011

Transféré par

Informations du document

Titre original

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

Bioestadistica Basica - Documento de Catedra-2011

Transféré par

Droits d'auteur :

Formats disponibles

Universidad Nacional del Nordeste. UNNE Facultad de Medicina.

Carrera Licenciatura en Kinesiologa y Fisiatra

BIOESTADISTICA BASICA - DOCUMENTO DE CATEDRA-

A.A. Segovia Cesar Javier Lic. Silvia Beatriz DAngelo

Compiladores: Segovia Cesar Javier - Silvia Beatriz DAngelo

Compiladores: Segovia Cesar Javier - Silvia Beatriz DAngelo

Compiladores: Segovia Cesar Javier - Silvia Beatriz DAngelo

Compiladores: Segovia Cesar Javier - Silvia Beatriz DAngelo

Compiladores: Segovia Cesar Javier - Silvia Beatriz DAngelo

Compiladores: Segovia Cesar Javier - Silvia Beatriz DAngelo

Compiladores: Segovia Cesar Javier - Silvia Beatriz DAngelo

Independiente ____________________________________________ Dependiente X1 Variable X2 Y

Compiladores: Segovia Cesar Javier - Silvia Beatriz DAngelo

son aquellas cuya unidad de medicin utilizada en la escala puede ser

subdividida en forma infinita. Por ej. La talla.

Escala de medicin de variables

ay cuatro clases de escala que representan los diferentes tipos de medicin:

Compiladores: Segovia Cesar Javier - Silvia Beatriz DAngelo

Compiladores: Segovia Cesar Javier - Silvia Beatriz DAngelo

Compiladores: Segovia Cesar Javier - Silvia Beatriz DAngelo

Compiladores: Segovia Cesar Javier - Silvia Beatriz DAngelo

Compiladores: Segovia Cesar Javier - Silvia Beatriz DAngelo

Muestreo Probabilstico (aleatorio)

Muestreo Sistemtico: este tipo de muestreo es similar al aleatorio simple, en

Compiladores: Segovia Cesar Javier - Silvia Beatriz DAngelo

Muestreo Estratificado: este tipo de muestreo as designado se caracteriza por la

Muestreo por Conglomerado: este tipo de muestreo se usa en particular cuando

Intencionalidad o Deliberado: en este el investigador decide, segn los objetivos,

Accidentales: se toman los casos o unidades que estn disponibles en un momento

Por Cuotas: consiste en que el investigador selecciona la muestra considerando

Compiladores: Segovia Cesar Javier - Silvia Beatriz DAngelo

Confiabilidad del Dato Dato:

Compiladores: Segovia Cesar Javier - Silvia Beatriz DAngelo

Errores Estadsticos Comunes

Compiladores: Segovia Cesar Javier - Silvia Beatriz DAngelo

OBSERVACIN: Es el registro visual de lo que ocurre en una situacin real,

Compiladores: Segovia Cesar Javier - Silvia Beatriz DAngelo

Errores relacionados a la observacin:

ENTREVISTA: Es la comunicacin interpersonal establecida entre el investigador y

Entrevista estructurada: Se elabora un formulario estandarizado.

Compiladores: Segovia Cesar Javier - Silvia Beatriz DAngelo

Entrevista no estructurada: Es flexible y abierta, pero regida por los objetivos de

Compiladores: Segovia Cesar Javier - Silvia Beatriz DAngelo

ENCUESTA: Consiste en obtener informacin de los sujetos en estudio,

Compiladores: Segovia Cesar Javier - Silvia Beatriz DAngelo

Caractersticas de los instrumentos de recoleccin de datos:

Fuentes primarias: Los datos son directamente recolectados por el investigador

Fuentes secundarias: Elaboradas por otras personas o instituciones para fines

Compiladores: Segovia Cesar Javier - Silvia Beatriz DAngelo

Compiladores: Segovia Cesar Javier - Silvia Beatriz DAngelo

4-) Esto ltimo es la FRECUENCIA (f) : NMERO DE VECES QUE UN FENMENO

SE PRESENTA CON DETERMINADA CARACTERSTICA EN UNA SERIE DE DATOS.

Compiladores: Segovia Cesar Javier - Silvia Beatriz DAngelo

CLASE: ES UNA SUBDIVISIN DE UNA ESCALA QUE PERMITE AGRUPAR DATOS DE

soltera soltera casada

Compiladores: Segovia Cesar Javier - Silvia Beatriz DAngelo

soltera soltera casada casada viuda separada

Presentacin del Dato Estadstico

Compiladores: Segovia Cesar Javier - Silvia Beatriz DAngelo

Compiladores: Segovia Cesar Javier - Silvia Beatriz DAngelo

Compiladores: Segovia Cesar Javier - Silvia Beatriz DAngelo

Compiladores: Segovia Cesar Javier - Silvia Beatriz DAngelo

Diferencia de Expotaciones en Porcentaje Ao 2002 - 2003