Bioestadística

En La salud publica se expresa, conciente o no, muchos conceptos estadísticos al

adoptar decisiones de diagnostico clínico o bien al predecir probables resultados de un
programa de intervención en la población. Considerando que la estadística es un excelente
base para comprender muchos fenómenos reales para orientar la resolución de problemas es
necesario definir bioestadística como ciencia que estudia como debe expresarse la
información y como dar una una guía de acción en situaciones practicas. Es una relación
de datos numéricos basados en fenómenos reales.
Para ellos es necesario conocer los siguientes términos que son fundamentales y
básicos.

Individuos o elementos: persona u objeto que contiene cierta información que se desea
estudiar.
Población: conjunto de individuos o elementos que cumplen ciertas propiedades comunes.
Muestras: subconjunto representativo de una población.
Parámetro: función definida sobre los valores numéricos de características medibles de
una población.
Estadísticos: función definida sobre los valores numéricos de una muestra.

En relación al tamaño de la población esta puede ser:

Finita como es el caso de números de personas que llegan al servicio de urgencia al
hospital en un día.
Infinita si por ejemplo estudiamos el mecanismo aleatorio que describe la secuencia de
caras y cruces obtenidas en el lanzamiento repetido de una moneda al aire.
Ejemplo: consideremos la población formada por toda la universidad nacional de La Rioja
(finita). La altura media de todos los estudiantes es el parámetro. El conjunto formado por
la facultad de medicina es una muestra de dicha población y la altura media de esta
muestra, es una estadística.

Toma de la muestra:

En el momento de recoger los datos, se identifica la variable que debe ser aleatoria (que
todos los elementos o individuos tienen la misma posibilidad de ser elegidos y ser
independientes entre si). Las variables de clasifican en:
 Mensurables (cuantitativas) que se dividen en continuas y discontinuas.
 Ordinales (cualitativos) son los atributos.

Las variables mensurables son aquellas cuyos diferentes estados pueden ser
expresados en forma numérica: las continuas son cuando toman infinitos valores entre dos
puntos prefijados ejemplo: longitud, superficie, volumen, peso, etc. Mientras que las
descontinúas solo poseen algunos valores intermedios entre dos puntos prefijados
ejemplo: cantidad de dientes, numero de glándulas, números de hijos, etc.
Las variables ordinales son aquellas que no pueden ser medidas pero si pueden ser
ordenadas o clasificadas ejemplo blanco-negro, alto-bajo, vivo-muerto, macho-hembra.
si estos atributos presentan una cierta frecuencia puden ser tratados estadísticamente.
 Representación grafica.

Diagrama de barras

Grafico para variable cualitativa Diagrama sectoriales

Pictogramas
Graficos Grafico para variable cuantitativas
Diagramas
difer
enciales
Grafico para variables discretas.
Diagramas
integrales

Graficos para diagramas cualitativos.

A) Diagramas de barras: representamos en el orden de las ordenadas las modalidades y

en las abscisas las frecuencias, ejemplos:
100

80

60
Este
40 Oe ste
20 Norte
0
1er 2do 3er 4to
trim . trim . trim . trim .

B) Diagramas de sectores: también llamados tarta. Se divide un circulo como clases

existan.

1er trim .
2do trim .
3er trim .
4to trim .
 C) Pictogramas: expresan con dibujos alusivos al tema de estudio las frecuencias de las
modalidades de las variables, por ejemplo.

10.000 Kg. _ ciudad A 1.000 Kg. _ ciudad B

El escalamiento de los dibujos debe ser tal que el área de cada uno de ellos sea proporcional
a la frecuencia de la modalidad que representa. Este tipo de gráficos suele usarse en los
medios de comunicación, para que sean comprendidos por el publico, sin que sea necesaria
una explicación compleja.

Graficas para variables cualitativas.

Diagramas diferenciales:

Son aquellos en lo que se representan frecuencias absolutas o relativas. En ellos se

representa el numero o porcentaje de elementos que presenta una modalidad dada.

Diagramas integrales:

Son aquellos en los que se representan el número de elementos que presentan una
modalidad inferior o igual a una dada. Se realizan a partir de las frecuencias acumuladas, lo
que dar lugar a gráficos crecientes.

Gráficos para variables discretas.

Cuando representamos una variable discreta, usamos el diagramas de barras cuando
pretendemos hacer una grafica diferencial. Las barras deben ser estrechas, el diagrama
200

150
Norte
100 Oeste
Este
50

0
1er 2do 3er 4to
trim . trim . trim . trim .

integral tiene forma de escalera.

Grafico para variables continúas:

Cuando las variables son continuas, utilizamos como diagramas diferenciales los
histogramas y los poligonos de frencuencia.

Histograma: se construye a partir de la tabla estadística, representando los valores de una

variable discreta (frecuencia) en relación a una variable común (edades de individuos).

Polígono de frecuencia: se obtiene uniendo los puntos medios de las bases superiores de
los cuadriláteros del histograma, obteniendo una curva cuya area representa el 100% de la
población de la muestra.

30
25
20
15 nº pacientes
10
5
0
20-30 30-40 40-50 50-60

Estadística Sumaria

Se utiliza para describir las características de los datos, son de dos tipos:

 Medidas de tendencia Central: se refiere al punto medio de una distribución. Se las

conocen como medidas de posición.
 Dispersión: se refiere a la extensión de los datos de una distribución, es decir, al
grado en que las observaciones se distribuyen.
Medidas de Tendencia Central

 Media: puede ser muestral o poblacional. La poblacional es la suma

de todas las observaciones individuales de la población y se divide esta suma por
el numero de observaciones de las misma.
 Mediana: es aquel valor de l variable que posee igual numero de
valores a cada lado. De esta manera la mediana divide la distribución de
frecuencias en dos mitades.
 Modo: es el valor de la variable que tiene mayor frecuencia.

Medidas de dispersión:

 Alcance o rango: es la diferncia entre el mas alto y el mas pequeño de los

valores.
 Desvio estándar: mide la dispersión alrededor de la media aritmética. Nos
permite determinar con precisión donde están localizados los valores de una
distribución de frecuencias en relación con la media.
• Aproximadamente 68 % de los valores de la población cae dentro de +-1 desvios
estandar a partir de la media.
• Aprox 95% da los valores estará dentro de +-2 desviaaciones.
• Aprox 99% de los valores estará en el intervalo que va desde tres desviaciones
estandares por debajo y por arriba de la media.

 Cuartiles: son 3 valores que divide al conjunto de datos obervados en 4 partes de

modo que el 25 % queda por debajo del cuartil 1, el 50% debajo del cuartil 2 y 75% debajo
del cuartil 3.
 Deciles: factiles que dividen los datos en 10 partes iguales.


Medidas de frecuencia:

Razón: es la división de 2 datos distintos pero asociados entre si. Por ej: hab/km2.
Proporción: una porción con respecto al todo, posee numerador y denominador
multiplicado por 100. Se obtiene el %.
Tasas: cuando la proporción da idea de riesgo. Es la expresión matematica de la relacion
entre el numerador y el denominador con una especificación de tiempo y lugar por un
factor de amplificación. Por ejemplo:
Tasa de mortalidad: numero de muertos registrados en 1 año x 1000

Población total

Medidas de riesgo o de asociación:

Riesgo es la probabilidad que un hecho ocurra.
Riesgo absoluto: es la incidencia del daño en la población total.
Riesgo relativo: comparación entre el riesgo de una enfermedad en un grupo expuesto y el
grupo no expuesto a un factor. Ej: fumadores y no fumadores.
Riesgo atribuible: mide la magnitud del riesgo absoluto (frecuencia) que se puede atribuir
a un factor particular. Es la proporción en que el daño podría ser disminuido si
desaparecieran los factores de riesgo.

Universidad Nacional de La Rioja

Dpto de Salud y Educación
Facultad de Cs. Médicas

SALUD PÚBLICA IV

Tema: Bioestadística

Acevedo Demelchori Ma.

Burela Pablo
Herrera Carlos Antonio
Lescano Sanchez Gaston
Luna Eduardo
Pereyra Gustavo
Ruiz Federico

2007