Beruflich Dokumente
Kultur Dokumente
Concepto de estadstica Mtodo de razonamiento que permite interpretar un conjunto de datos cuyo carcter esencial es la variabilidad.
Tipos de estadstica
1.Estadstica descriptiva. Organizacin, presentacin y sntesis de los datos de una manera cientfica y lgica. 2. Estadstica inferencial. Bases lgicas mediante las cuales se establecen conclusiones relacionadas con poblaciones, a partir de los resultados obtenidos en muestras; trabaja con los datos que le proporciona la estadstica descriptiva y es la parte de la estadstica fundamental para la medicina clnica.
Poblacin y muestra
La poblacin es el conjunto de todos los individuos, generalmente inaccesible, que tienen en comn alguna caracterstica observable y del que se pretende obtener una serie de conclusiones. Se denomina muestra al conjunto menor de individuos, accesible y limitado, sobre el que se realiza el estudio con idea de obtener conclusiones generalizables a la poblacin. El proceso de seleccin de los individuos se puede realizar mediante distintas tcnicas de muestreo:
Tipos de muestra
a. Muestreo aleatorio simple. Es aquel tipo de muestreo en el que cada individuo tiene las mismas posibilidades de ser elegido para formar parte de la muestra. b. Muestreo aleatorio estratificado. Con este tipo de muestreo aseguras que la muestra tenga la misma proporcin de una(s) variable(s) que la poblacin de la que procede. c. Muestreo sistemtico. El proceso de seleccin se basa en alguna regla sistemtica simple, por ejemplo, elegir uno de cada n individuos. d. Muestreo por etapas. La seleccin se realiza en dos o ms etapas sucesivas y dependientes.
Variables
Conceptos
Sensibilidad (S). Se define como la probabilidad de que un individuo enfermo tenga un test +. La sensibilidad indica la proporcin del total de enfermos que el test es capaz de detectar. Especificidad (E). Probabilidad de que un individuo sano tenga un test -. La especificidad indica la proporcin de individuos sanos confirmados como tales por el resultado negativo del test.
Conceptos
Tasa de falsos negativos (TFN). Es la probabilidad de que un individuo estando enfermo sea clasificado como sano. Tasa de falsos positivos (TFP). Es la probabilidad de que a un individuo sano se le clasifique como enfermo.
Conceptos
Razn de probabilidad positiva. Compara la probabilidad de que un paciente enfermo presente un resultado positivo comparado con la probabilidad de que el resultado positivo se presente en un individuo sano. Razn de probabilidad negativa. Compara la probabilidad de que un paciente enfermo presente un resultado negativo comparado con la probabilidad de que el resultado negativo se presente en un individuo sano.
Conceptos
Valor predictivo positivo. Se trata proporcin de verdaderos positivos aquellos que han sido identificados positivos en una prueba de test. Valor predictivo negativo. Se trata proporcin de verdaderos negativos aquellos que han sido identificados negativos en un test. de la entre como de la entre como
Conceptos
Valor global (eficiencia) del test. Indica la proporcin de resultados vlidos entre el conjunto de resultados. Sensibilidad + Tasa de falsos negativos = 100%. Especificidad + Tasa de falsos positivos = 100%
5 10 15 20 25
3 7 5 3 2
Medidas de dispersin
La diferencia o variacin de las observaciones individuales en estadstica se denomina dispersin. El indicador ms elemental de dispersin es el rango; se obtiene de la diferencia encontrada entre el valor mximo y mnimo de las observaciones realizadas.
Desviacin = valor de una observacin la media de la poblacin
Medidas de dispersin
Varianza La varianza mide la mayor o menor dispersin de los valores de la variable respecto a la media aritmtica. Cuanto mayor sea la varianza mayor dispersin existir y por tanto menor representatividad tendr la media aritmtica. La varianza se expresa en las mismas unidades que la variable analizada, pero elevadas al cuadrado.
Medidas de dispersin
Varianza 1) La varianza siempre es mayor o igual que cero y menor que infinito ( 0) 2 S x 2) Si a una variable X la sometemos a un cambio de origen a y un cambio de escala b , la varianza de la nueva variable Y= a + bX, ser:
Medidas de dispersin
Desviacin estndar Es la raz cuadrada positiva de la varianza. Es, junto con la anterior, la medida de dispersin ms usada. Muestra cmo se distribuyen los valores alrededor de la media.
Medidas de dispersin
# de observacin 1 2 3 4 5 6 peso al nacer gramos 1700 2000 2200 2500 2700 3200 media 2873 2873 2873 2873 2873 2873 desviacin -1173 -873 -673 -373 -173 327
7
8 9 10 11 sumatoria
3300
3300 3300 3400 4000 31603
2873
2873 2873 2873 2873
427
427 427 527 1127 0
Medidas de dispersin
# de observacin 1 2 3 4 5 6 7 8 9 10 11
sumatoria
peso al nacer gramos 1700 2000 2200 2500 2700 3200 3300 3300 3300 3400 4000
31603
media desviacin (X-u)^2 2873 -1173 1375929 2873 -873 762129 2873 -673 452929 2873 -373 139129 2873 -173 29929 2873 327 106929 2873 427 182329 2873 427 182329 2873 427 182329 2873 527 277729 2873 1127 1270129 0 4961819
VARIANZA
4961819 / 11 = 451074,455
DESVIACIN ESTNDAR
451074,455 = 671,62 Cuando el investigador usa una muestra y no todo el universo a n se le resta 1 (n 1). VAR = 4961819 / (11-1) = 496181,9 DE = 704,4
Coeficiente de dispersin
Es una medida que nos ayuda a comparar la dispersin de dos variables (ej. Peso y talla). CD = (D.E. /u) x 100 El coeficiente de dispersin es tambin de utilidad para comparar la variacin de resultados de un laboratorio a otro en controles de calidad.
Valores Z
El Valor Z, nos indica cuntas D.E. se dispersa una observacin de su media. Transformar la medida de una observacin a un valor Z se denomina NORMALIZACIN. Normalizacin Z= (x-u)/(D.E.)
Valores Z
Normalizacin Z= (x-u)/(D.E.) Z = (1700 2873) / 704,4 =
Valores Z
Normalizacin Z= (x-u)/(D.E.) Z = (1700 2873) / 704,4 = - 1,66 Lo que signiffica que el nio de la observacin 1 se encuentra a 1,66 desviaciones estndar de la media de su grupo.
MUESTREO
La poblacin o universo: Es el conjunto de todos los elementos que tienen una o ms caractersticas en comn. Censo: Es el conjunto de operaciones destinadas a recopilar, procesar, evaluar y publicar datos referentes a todas las unidades de un universo Muestra: Es un subconjunto representativo de elementos que han sido extrados de una poblacin. Elemento: Es la unidad acerca de la cual se est recolectando informacin.
MUESTREO
Muestreo: Es el procedimiento mediante el cual se extraen algunos elementos de una poblacin. Slo de esa parte de la poblacin se obtiene informacin para a travs de ella estimar ciertas caractersticas importantes de la poblacin. Unidad de muestreo: Es el elemento o elementos que se encuentran disponibles para su seleccin en alguna de las etapas de muestreo. En los procedimientos ms simples, la unidad de muestreo puede ser tambin el elemento
MUESTREO
Ventajas del muestreo: Ahorro de dinero debido a que se consideran menos unidades para trabajar. Ahorro de tiempo, dado que el nmero de mediciones solo es de una parte representativa de la poblacin. Mayor precisin, la muestra puede ser ms precisa porque reduce la magnitud de los errores no muestrales, debido a que: Existe menos personal necesario para hacer las mediciones (u observaciones). Hay personal con mejor preparacin. Puede variar las condiciones del estudio si se demora su ejecucin.
MUESTREO
Ventajas del muestreo: Conveniencia, es conveniente el uso de una muestra si el estudio ocasiona la destruccin de la unidad estudiada. Ejemplo. Para verificar la letalidad de un veneno para ratas se experimenta con una muestra de estos animales. Desventajas del muestreo: Las estimaciones resultantes del muestreo estn afectas al inevitable error de muestreo. La informacin proveniente de una muestra no proporciona informacin tipo inventario para cada uno de los elementos de la poblacin. Las estimaciones no pueden subdividirse para pequeos dominios de anlisis, considerando que no todos ellos pueden estar representados debidamente en la muestra. Requiere de personal especializado y experimentado.
TIPOS DE MUESTRA
Pueden ser representativas y no representativas. Representativas -> son aquellas en las que la distribucin de las caractersticas de los fenmenos que se miden en la muestra son en lo posible, iguales y generalizables a las del universo, a diferencia de las no representativas.
TIPOS DE MUESTRA
En los estudios descriptivos es muy importante que la muestra sea representativa, ya que el objetivo principal ser la generalizacin de resultados. En estudios analticos de cohorte el objetivo principal es comparar grupos (de expuestos no expuestos) y no generalizar caractersticas, por lo tanto la muestra no requiere ser representativa.
TIPOS DE MUESTRA
En los estudios analticos de casos y controles (sobre todo de enfermedades poco frecuentes) el investigador tomar intencionadamente los casos (enfermos) para inducir un nmero suficiente de ellos en el estudio. En estudios experimentales y en especial en pruebas clnicas con controles recurrentes, la seleccin de los sujetos que cubran los criterios de participacin tampoco requieren ser representativos (pero debe haber azar).
MUESTREO PROBABILSTICO
Pueden tener variantes y son: Aleatorios simples: La misma probabilidad de seleccin. Aleatorio sistemtico: Se pueden calcular internvalos, etc. Muestreo aleatorio estratificado: se divide al universo en estratos (ej: costa, sierra; norte, centro, sur)
MUESTREO PROBABILSTICO
Muestreo aleatorio por conglomerados en dos etapas: En ocasiones no se cuenta con listado o nombres de todos los sujetos en estudio. Entonces es til dividir en conglomerados.
UNIVERSO provincia parroquia barrio estudiantes secundarios CONGLOMERADO parroquia, barrios barrios, manzanas, manzanas, edificios, casas colegios, cursos, paralelos
MUESTREO NO PROBABILSTICO
Son mtodos no probabilsticos cuando la asignacin de los sujetos no es aleatoria. La falta de probabilidad da como resultado que la distribucin de las caractersticas de la muestra no sea igual a la de su universo, por lo tanto, los resultados no son generalizables.
MUESTREO NO PROBABILSTICO
Los estudios descriptivos con muestras no probabilsticas se denominan Estudios de Casos en Serie, sus resultados no son generalizables y algunos, porque no comprueban ninguna hiptesis y por lo tanto algunos investigadores no los consideran trabajos de investigacin.
MUESTREO NO PROBABILSTICO
Muestreo accidental o por conveniencia Se usan sujetos para investigacin con los que ms fcilmente se cuente (hospitalizados, familiares de pacientes, peatones) Muestreo por cuotas Es la toma de sujetos que representen proporcionalmente a la muestra (ej. Poblacin de Quito: 100 individuos del sur, 25 del centro y 50 del norte).
MUESTREO NO PROBABILSTICO
Muestreo intencionado Se da cuando la seleccin de sujetos cumplen con ciertas caractersticas que se requieren en el estudio.
CLCULO DE LA MUESTRA
La determinacin del nmero de sujetos de estudio que constituyen la muestra, es decir, el tamao de la muestra (n) depende de: 1. Tipo de variable a medirse: cuantitativa o cualitativa 2. Variacin de las mediciones obtenidas 3. El nivel de confianza y precisin que el investigador desea obetener en el estudio
CLCULODE LA MUESTRA
PROPORCIONES n= z^2((p(1-p))/e^2) e=precisin propuesta Z=representa al nivel de confianza en la tabla de valores Z. MEDIA n= z^2((DE^2)/E^2) DE = desviacin estndar
PROBABILIDADES
Supongamos una poblacin finita con N elementos, k de los cuales tienen la caracterstica A. Llamaremos probabilidad de la caracterstica A en la poblacin a: P (A) = k/N. La probabilidad se define , desde un punto de vista ptimo, en trminos de frecuencia relativa.
PROBABILIDADES
Propiedades. La probabilidad es un valor entre 0 y 1, es decir, 0 < P(A) < 1. Llamaremos suceso seguro E, al que ocurre siempre, entonces: P(E)=1. Si es el suceso complementario de A, que ocurre siempre que no lo hace A, entonces: P( ) = 1 - P(A). Dos sucesos son mutuamente excluyentes (incompatibles) cuando no pueden suceder a la vez (P.ej.: ser mujer y tener cncer de prstata).
PROBABILIDADES
Dos sucesos son independientes cuando la probabilidad de aparicin de uno de ellos no depende, no se modifica por la aparicin del otro (P. ej.: efectos secundarios de un frmaco en dos pacientes).
PROBABILIDADES
PROBABILIDAD CONDICIONADA La probabilidad de A condicionada a la ocurrencia de B se define considerando nicamente los casos en los que aparece B, y viendo en cuntos de estos casos ocurre el suceso A. Es la probabilidad de que suceda A, una vez que ya ha sucedido B.
PROBABILIDADES
REGLA DE LA MULTIPLICACIN
PROBABILIDADES
REGLA DE LA SUMA
DISTRIBUCIN DE PROBABILIDADES
Una vez que hemos escogido la muestra y recogido los datos, el siguiente paso es inferir las propiedades de la poblacin a partir de la muestra. El instrumento conceptual que permitir esta generalizacin es un modelo de la poblacin, es decir, una representacin simblica de su comportamiento. Encontramos tres leyes tericas que tienen la particularidad de ser seguidas por una inmensa mayora de los fenmenos biolgicos habituales: Distribucin Binomial. Distribucin de Poisson. Distribucin normal o de Gauss.
DISTRIBUCIN DE PROBABILIDADES
DISTRIBUCIN BINOMIAL Es una ley terica de aplicacin siempre que se conozca, de entrada, la probabilidad de aparicin de un fenmeno biolgico (p). El resultado es dicotmico y puede ser evaluado como xito o fracaso. La variable de inters es el nmero de xitos alcanzados en n pruebas . La distribucin binomial constituye siempre un diagrama de barras discontinuo se aplica a variables discretas.
DISTRIBUCIN DE PROBABILIDADES
DISTRIBUCIN DE POISSON Constituye un caso particular de la ley binomial para aquellas situaciones en que la probabilidad de aparicin de un fenmeno es muy pequea. Es, por tanto, la ley adecuada para los sucesos raros, cuando p < 0,1 y n x p <5.
DISTRIBUCIN DE PROBABILIDADES
DISTRIBUCIN NORMAL O DE GAUSS Es seguida por una inmensa cantidad de variables biolgicas cuyas medidas se agrupan alrededor de un valor central, y que presentan una frecuencia cada vez menor a medida que se alejan de dicho valor medio.
DISTRIBUCIN DE PROBABILIDADES
DISTRIBUCIN NORMAL O DE GAUSS CARACTERSTICAS. Corresponde a variables cuantitativas continuas. Se caracteriza por dos medidas: media y desviacin tpica. Es unimodal. Es simtrica alrededor de la media. Por tanto, media, mediana y moda coinciden. Tiene forma acampanada, sin un pico excesivo. Va desde - infinito a + infinito (asinttica al eje de abscisas). El rea bajo la curva = 1. El 50% de las observaciones se encuentran por debajo de la media aritmtica y el 50% por encima. El 68% de las observaciones se encuentran dentro del intervalo S; el 95% dentro del intervalo 1,96 S y el 99% dentro del intervalo 2,57 S
DISTRIBUCIN DE PROBABILIDADES
DISTRIBUCIN NORMAL O DE GAUSS
CONTRASTE DE HIPTESIS
Hiptesis nula, hiptesis alternativa y grado de significacin estadstica. Para su comprensin partiremos de un caso prctico. Se compara un tratamiento nuevo (N) contra la HTA con uno tradicional (T) en dos series de individuos. Tras cierto tiempo, N controla al 70% de los individuos y T al 30%. El problema consiste en saber si esto es debido a una real mayor eficacia de N o se debe simplemente a diferencias que el azar puede establecer (variaciones aleatorias del muestreo), sin que existan diferencias reales en el control de hipertensos entre ambos tratamientos.
CONTRASTE DE HIPTESIS
Previamente al ensayo de una hiptesis, se fija la probabilidad mxima de que los resultados diferentes observados entre los dos grupos puedan ser debidos simplemente al azar (H0 cierta), que suele ser por convenio del 5%. A continuacin, se calcula cul es la probabilidad de que las diferencias que nosotros hemos observado puedan ser explicadas por azar. Esta probabilidad es el valor de la p o grado de significacin estadstica. As, cuanto menor sea p, es decir, cuanto menor sea la probabilidad de que el azar sea el responsable de las diferencias, mayor ser la evidencia contra H0 y a favor de H1.
CONTRASTE DE HIPTESIS
De tal forma, si: p <0,05 Diferencias reales. Poca probabilidad de que se deban al azar. Se acepta H1. Resultado estadsticamente significativo. Rechazo de Ho. p >0,05 No existe suficiente evidencia como para decir que ambos tratamientos son diferentes. Las diferencias pueden deberse al azar con una probabilidad mayor al nivel de exigencia. No se rechaza H0
CONTRASTE DE HIPTESIS
ERRORES ALFA Y BETA Error tipo I. Se rechaza H0 siendo cierta. (Se acepta que hay diferencias y, de hecho, no las hay). Es como un falso positivo: dar como significativo algo que no es. Se denomina a la probabilidad de cometer el error tipo I. El valor de la p coincide con la probabilidad de cometer el error tipo I.
CONTRASTE DE HIPTESIS
ERRORES ALFA Y BETA Cuando entre los distintos grupos de estudio se comparan ms de una variable de resultado, aumenta la posibilidad de resultados falsamente positivos. Para evitarlo, se aumenta la exigencia del nivel de significacin como sigue: P= 0,05 / # de comparaciones
CONTRASTE DE HIPTESIS
ERRORES ALFA Y BETA Error tipo II. No se rechaza H0 y sta es falsa. (No se aceptan las diferencias y s las hay). Sera como un falso negativo: damos como no significativo algo que lo es. Se denomina a la probabilidad de cometer un error tipo II.
CONTRASTE DE HIPTESIS
Poder o potencia del test. Lo complementario del error es la potencia o poder estadstico de un test (1- ): capacidad que tiene un test de detectar una diferencia cuando sta existe en realidad, es decir, corresponde a la probabilidad que tengo de demostrar la hiptesis alternativa, siendo cierta.
CONTRASTE DE HIPTESIS
CONTRASTE DE HIPTESIS