Академический Документы
Профессиональный Документы
Культура Документы
1.1 La estadstica
La Estadstica es una herramienta que tiene como fundamento el recolectar, organizar,
describir e inferir informacin para aportar al desarrollo de las dems ciencias.
La estadstica descriptiva es aquella cuyo principal objetivo es dar un relato del conjunto de
datos organizados, sin necesidad de realizar inferencias.
Se limita a describir los datos que se analizan, sin hacer inferencias en cuanto a los no
incluidos en la muestra .
Por el contrario la estadstica inferencial tiene como finalidad obtener conclusiones de una
poblacin basndose en datos muestrales, por lo tanto realiza estimaciones y pruebas de
hiptesis.
1.2 Bioestadstica
El mtodo estadstico consiste en una secuencia de procedimientos para el manejo de los datos
en una investigacin, dicho manejo tiene entre otros, el propsito de buscar tcnicas
apropiadas que permitan mostrar la validez de una o ms hiptesis de investigacin.
Es vlido comentar que en la literatura se pueden encontrar distintos nombres a los procesos
del mtodo estadstico, lo importante es establecer una adecuada jerarquizacin para cada uno
de ellos y llevarlos a cabo de la mejor manera; para el apoyo de los procesos de investigacin.
Estos elementos juegan un papel fundamental en los procesos investigativos llevados en las
ciencias de la salud, ya que robustecen los resultados que se obtienen, brindando universalidad
y confianza a la comunidad cientfica.
Pgina 1
Etapa Administrativa
Recursos econmicos
Etapa terica
Etapa Metodolgica
Recursos humanos
Antecentes y planteamiento
Recursos tecnolgicos
del problema.
Diseo metodolgico
Hiptesis
Tipo de Investigacin
Objetivos
Poblacin
Justificacin
Definicin de variables
Marco referencial
Aspectos ticos
Tcnicas e instrumentos
Anlisis de resultados
Aspectos administrativos
Pgina 2
1.3 Hiptesis
Definicin 1.1.1 Una hiptesis estadstica es una afirmacin o conjetura acerca de una o ms
poblaciones o, lo que es ms frecuente, un conjunto de afirmaciones sobre uno o ms
parmetros de una o ms poblaciones.
No estadsticas
Es importante tener en cuenta que las hiptesis deben plantearse en trminos de los
parmetros, que son las caractersticas medibles de la poblacin y que generalmente no las
conocemos, a menos que se realicen estudios de cobertura completo, por ejemplo el censo.
Pgina 3
c. H o : Los trabajadores de las empresas que cuentan con programas de recreacin familiar presentan mayor o igual reporte de
situaciones de conflicto respecto a los trabajadores de las empresas que no cuentan con dichos programas.
H1 : Los trabajadores de las empresas que cuentan con programas de recreacin familiar presentan menores reportes de
situaciones de conflicto respecto a los trabajadores de las empresas que no cuentan con dichos programas.
Ejemplo 1.1.3 De acuerdo a las siguientes situaciones, derive las hiptesis nula y del
investigador.
Pgina 4
es un parmetro poblacional,
Ahora bien, al establecer las hiptesis estadsticas se debe tener presente que:
a. La hiptesis nula siempre se refiere a un valor especfico del parmetro de la poblacin,
no al estadstico.
b. La expresin de la hiptesis nula siempre contiene un signo igual respecto al valor
especfico del parmetro de la poblacin.
c. La expresin de la hiptesis alternativa nunca contiene un signo igual respecto al valor
especfico del parmetro de la poblacin.
En la medida que se vaya tomando prctica en la formulacin de las hiptesis lograr
identificar que las conclusiones se realizarn teniendo en cuenta que:
Rechace H o , a favor de H1 al existir suficiente evidencia en la informacin muestral.
No rechace H o , al no existir suficiente evidencia en la informacin muestral.
Acepta o No rechazar la Hiptesis Nula?
Las aplicaciones de las pruebas de hiptesis son bastante amplias, pero se tomar un el ejemplo
del veredicto de un jurado para sacar algunas conclusiones respecto a las hiptesis nula y
alternativa.
Por ejemplo, sean:
H0 : el acusado es inocente
H1 : el acusado es culpable
Es importante comprender que el rechazo de una hiptesis simplemente implica que la
evidencia de la muestra la refuta
Pgina 5
es falsa
Ho
Ho
Aceptar H o
Decisin correcta
Decisin incorrecta
Rechazar H o
Decisin incorrecta
Decisin correcta
De acuerdo a la tabla anterior, se generan dos tipos de errores y por tanto es de inters saber la
probabilidad de cometer esos errores, de esta manera se tiene que:
Pgina 6
1.4 Medicin
Esta parte del proceso del mtodo estadstico exige un manejo claro del investigador acerca del
trabajo como tal; ya que implica tomar mediciones de acuerdo a qu se va a medir, definir
operacionalmente las variables, construccin y aplicacin del instrumento para luego realizar
la aplicacin y recoleccin de datos previa prueba piloto.
Pero qu es medir?
Es el proceso mediante el cual se compara una unidad patrn seleccionada con el objeto o
fenmeno que se desea medir
el proceso de vincular conceptos abstractos con indicadores empricos proceso que se realiza
mediante un plan explcito y organizado para clasificar (y frecuentemente cuantificar) los
datos disponibles los indicadores en trminos del concepto que el investigador tiene en
mente (Carmines y Zeller, 1979, p. 10)
Valor verdadero
Parte Sistemtica
E.A.M.
Medicin
Error de medida
Objeto
Precisin, la cual evidencia
la proximidad entre varias
medidas obtenidas de igual
manera.
Parte Aleatoria
E. M
Medicin
Exactitud, indica la
proximidad de una medida a
su valor verdadero.
Un instrumento de medicin adecuado es aquel que registra datos observables que representan
verdaderamente a los conceptos o variables que el investigador tiene en mente (Sampieri, 1997)
Pgina 7
De Contenido, asociado al
"manejo" puntual del
contenido que se pretende
medir. (Dominio de Inters Especificidad terica)
De Criterio, se establece al
comparar el instrumento con
otro que mida la misma
variable
De Constructo, da cuenta de la
evidencia emprica de la
medicin de las variables con
otras mediciones de conceptos
relacionados.
De expertos, es el grado en que
un instrumento mide la
variable de inters a juicio de
un grupo de expertos en el
tema.
Pgina 8
Ejemplo 1.1.5
a. Identificar en cada una de las siguientes situaciones el tipo de error:
Se realizan las mediciones, con una balanza no calibrada, del peso de 25 trabajadores en
una empresa de la ciudad.
Se aplica un cuestionario a los trabajadores, en donde deben escribir el nombre, en el
cual se indague sobre la satisfaccin del clima laboral.
Se realiz una inadecuada interpretacin de los resultados obtenidos en unas pruebas de
un grupo de trabajadores en una empresa de la ciudad.
Se realiz un estudio sobre mobbing laboral en el cual no se dise un marco
muestral.
Se realiza una medicin sobre fatiga de trabajadores utilizndose un instrumento
internacional y no se realiza validacin cultural.
Pgina 9
d. Escala dicotmica
Por favor, lea cuidadosamente estas instrucciones antes de empezar. Luego marque todas sus
contestaciones en la Hoja de respuestas. Este cuestionario contiene una lista de frases. Lea cada frase
con atencin y piense si lo que dice describe o no su forma de ser. Si usted est de acuerdo con ella,
marque Su respuesta en V (verdadero). Si usted est en desacuerdo, piensa que no describe su forma de
ser, marque F (falso) en la Hoja de respuestas.
Pgina
10
Pgina
11
Definicin 1.1.6 La unidad de anlisis es aquella entidad representativa que va a ser objeto de
estudio. Algunos ejemplos de unidades de anlisis son:
Calidad de vida
Engagement ,enamoramiento hacia el trabajo
Burnout ,sndrome del quemado
Niveles de exposicin a una sustancia txica
Percepcin en riesgo
Ejemplo 1.1.8 Supngase que se quiere realizar un estudio descriptivo que busca construir una
lnea base sobre las condiciones de salud y bienestar de los trabajadores que ingresan a la
empresa OMEGAXX. En relacin a esto se realiza la siguiente pregunta problema:
Cules son las condiciones de salud y bienestar de los trabajadores que ingresan a la empresa
OMEGAXX en el ao 2012
Pgina
12
NATURALEZA
ESCALA DE MEDICIN
Razn Intervalo Ordinal Nominal Discreta
TIPO
Continua
CUALITATIVA
CUANTITATIVA
Pgina
13
Las variables deben cumplir un par de condiciones importantes para el buen desarrollo de los
proyectos, las cuales son:
a. Exhaustividad: sta condicin busca que al clasificar la variable se contemplen todas las
posibilidades que de ella se pueda medir.
b. Mutua exclusin: busca que una unidad de anlisis o persona slo pueda ser asignada o
clasificada en un solo valor de la variable.
Variable
Nominal
Nivel de escolaridad
Carreras ofrecidas por la Universidad X
Peso de los 20 primeros pacientes atendidos en la clnica Y
Puntuaciones de un test de lectura rpida
Estrato en el que viven los estudiantes de la Universidad X
Nmero de accidentes de trnsito en Diciembre en la ciudad Z
Temperatura medida, en grados centgrados, los primeros 6 meses del ao
Sexo de los estudiantes de la Universidad X
Salarios de los trabajadores de la empresa A
Estatura de los integrantes de un equipo de baloncesto
Nmero de accidentes semestrales de los trabajadores de la empresa A
Nmero de bacilos inoculados de Shigella en un grupo poblacional expuesto
a factores contaminantes
Pgina
14
Escala de medicin
Ordinal Intervalo
Razn
Macro variable
Caractersticas
demogrficas
Caractersticas
relacionadas con
patologas y
estilos de vida
Variables
Definicin
Operacional
Naturaleza
Nivel de
medicin
Criterio de
clasificacin
Edad
# ao s cumplido s po r el
entrevistado a la fecha
de realizaci n de la
encuesta e info rmado s
po r el mismo
Cuantitativa Continua
Razn
20, 21,
22,23,24
Sexo
Caracterstica
feno tpica que diferencia
al ho mbre de la mujer
Cualitativa
Nominal
Masculino
Femenino
Convivencia
con pareja
Es la respuesta que de el
entrevista si
actualmente est
co nviviendo co n una
pareja
Nominal
Soltero
casado
viudo
unin libre
Cualitativa
Hipertensin arterial,
dislipidemias, cardiopatia
isqumica, poli neuropata
perifrica , otros.
Enfermedades
Cualitativa
Nominal
Hbitos txicos
Cualitativa
Nominal
Cualitativa
Ordinal
Ejercicio fsico
Es importante tener en cuenta que existen mtodos cuantitativos y cualitativos y cada uno de
ellos tiene sus respectivas tcnicas de recoleccin de informacin
Pgina
15
se denominan mutuamente
Definicin 2.1.3 Si A y B son dos eventos de un espacio muestral , entonces la unin entre
stos eventos, notada A B , es el conjunto de resultados posibles de A o B o ambos.
Pgina
16
Ejemplo 2.1.6 Se conoce que el nmero de estudiantes que aprobaron un test de conocimiento
sobre riesgo ergonmico fue de 20 , los que aprobaron otro sobre riesgo cardiovascular de 23 y
los que aprobaron ambos de 9 . S 50 estudiantes presentaron stas pruebas: Completa cada
uno de los sectores y responde:
a.
b.
c.
d.
Pgina
17
Ejemplo 2.1.7 Para cada uno de los siguientes problemas, realiza el diagrama de Venn e
identifica los valores correspondientes de cada sector para responder resolver la pregunta
propuesta.
a. Se eligieron al azar 30 trabajadores de la empresa OMEGA XX para realizarle mediciones
antropomtricas y otras medidas necesarias con el fin de tomar acciones preventivas para
disear un programa y evitar enfermedades cardiovasculares. Dentro de los resultados se
encontr por ejemplo que 4 trabajadores tienen altos niveles de colesterol y sobre peso, si
hay 12 trabajadores que slo tienen sobre peso y 6 que no tienen las caractersticas
mencionadas; cuntos trabajadores tienen los niveles de colesterol alto?
b. En un estudio realizado en el 2014 en una sede de una empresa productora de tornillos, se
identificaron 130 accidentes laborales, de los cuales 68 ocurrieron en el rea de produccin;
adems, 47 del total de los accidentes ocurrieron en la jornada nocturna. Si 21 de los
accidentados pertenecen al rea de produccin de la jornada nocturna, cuntos empleados
tuvieron un accidente laboral que no pertenecen al rea de produccin que no sean de la
jornada nocturna?
c. De 60 personas que pertenecen al rea de recursos humanos de una Universidad de
Barranquilla, se encontr, que 19 de stas realizan pausas activas durante su jornada
laboral, 10 realizan pausas activas y mantienen buena postura ergonmica al realizar sus
labores, y 15 no mantienen una buena postura ergonmica y no realizan pausas activas en la
jornada laboral. Cuntas personas realizan pausas activas o mantienen buena postura
ergonmica en su jornada laboral?
d. En un gimnasio se realizaron entrevistas a 520 personas durante una semana y se encontr
que el 69% de los encuestados realizaba su entrenamiento bajo una rutina de TRX o de
MMF, adems se identific que el 47% realiza entrenamiento de MMF. Si un 32% realizan las
dos rutinas de entrenamiento. Aproximadamente cuntas personas entrenan TRX?
Pgina
18
2.1.2 Poblacin
Definicin 2.1.8 Poblacin diana o blanco es aquella que viene delimitada por ciertas
caractersticas, tales como: demogrficas, geogrficas, climatolgicas, biolgicas, ecolgicas,
sociales, proceso salud-enfermedad, condiciones de vida, modos de vida y estilos de vida. En
trminos de salud ocupacional las poblaciones blanco estaran dadas entre otras por tipo de
estructuras organizacionales, tipologas de composicin, y tipologas de organizaciones segn
riesgo.
Ejemplo 2.1.9 Los siguientes son ejemplos de poblacin diana:
Definicin 2.1.10 La poblacin accesible es aquella que consta del conjunto de casos que
satisfacen criterios predeterminados pero que a la vez sean prcticos y accesibles para el
investigador.
Es importante para destacar en la poblacin accesible que se tenga existencia de registros,
acuerdo de colaboracin, zonas de poco riesgo para la salud y vida
De acuerdo a lo anterior es importante tener de referencia la siguiente caracterizacin:
Poblacin
diana
Pregunta
de
investigacin
Unidad de anlisis y
unidad
de
observacin
Poblacin
accesible
Poblacin
elegible
Criterios
inclusin
exclusin
Viabilidad y
accesibilidad
Pgina
19
Muestra
de
y
Definicin 2.1.11 La poblacin elegible es aquella que cumple los criterios de inclusin y
exclusin.
Definicin 2.1.12 La muestra es un subconjunto de la poblacin elegible.
Ejemplo 2.1.13 Suponga que se va a realizar un programa para mejorar la salud fsica de los
trabajadores con apoyo de la secretara de salud en las empresa productoras de baldosas del
departamento del Atlntico. Para esto se requiere seleccionar un equipo de trabajadores que
lideren actividades de ejercicio fsico que tiene el programa; para lo cual se genera el siguiente
marco muestral:
Poblacin diana: todos los trabajadores de las empresas de la lnea de baldosas en el
departamento del Atlntico.
Poblacin accesible: todos los trabajadores de las empresas consultadas que respondieron que
queran participar en el programa.
Poblacin elegible: los trabajadores de las empresas que cumplan siguientes criterios definidos
por el equipo de investigacin:
Criterios de inclusin:
Trabajadores con contrato fijo
Que tengan ms de un ao de trabajo
Con experiencia como capacitadores en esta rea
Criterios de exclusin:
Trabajadores en proceso de recuperacin luego de un accidente
Trabajadores con alguna discapacidad en las extremidades
Luego de estos pasos se realiza el clculo de tamao de muestra utilizando como referencia la
poblacin elegible.
Poblacin diana: todos los obreros que laboran en el sector construccin del Centro Norte
Histrico de la ciudad de Barranquilla construccin con turnos mayores a 8 horas/da.
Poblacin accesible: todos los trabajadores del sector construccin con turnos mayores a 8
horas/da de las empresas consultadas del Centro Norte Histrico de la ciudad de Barranquilla
respondieron que queran participar en el estudio.
Poblacin elegible: los trabajadores de las empresas que cumplan siguientes criterios definidos
por el equipo de investigacin:
Criterios de inclusin:
Trabajadores con contrato fijo
Criterios de exclusin:
Trabajadores que tuvieron 4 o menos turnos en el semestres de estudio.
Pgina
21
2.1.3 Muestreo
Cuando se va a realizar un estudio o investigacin es importante tener en cuenta, entre otras
cosas, el nmero de individuos o elementos que garanticen la validez de los resultados, para tal
fin se hace necesario realizar un adecuado clculo del tamao de la muestra ya que sta ofrece
una serie de ventajas entre las que se encuentran:
Permite la realizacin del estudio porque de lo contrario fuese casi que imposible
llevarlo a cabo.
Permite la realizacin en un menor tiempo del estudio.
La inversin econmica es menor.
Posibilita profundizar en el anlisis de las variables.
Pueden seleccionarse de tal manera que se pueda reducir la heterogeneidad en la
poblacin.
Tipo de
muestreo
No
probabilstico
Probabilstico
Aleatorio
simple
Sistemtico
Conveniencia
Juicio
Estratificado
Conglomerado
Cuotas
Bola de nieve
Pgina
22
Se analizar la frmula para el clculo de muestra cuando la variable de inters sea una
proporcin con poblacin finita, para esto se tiene que:
Z pqN
N 1 e Z pq
2
n : Tamao de muestra
Donde :
p : Pr obalidad de ocurrencia
q : Pr obabilidad de fracaso
N : Tamao de la poblacin
e : Error de muestreo
S N
n
N 1 e Z S
2
Donde :
n : Tamao de muestra
Z : Nivel de confianza 1,96
2
Ejemplo 2.2.16 Se desea realizar un estudio sobre sndrome metablico en los trabajadores de
una empresa; en una primera etapa, se desea analizar los niveles de colesterol de aquellos
trabajadores entre los 20 y 30 aos, para lo cual se requiere calcular el tamao de la muestra. Se
conoce que la desviacin estndar es de 2,3 mg/ml, un tamao de poblacin de 3250
trabajadores y un error del 5%.
Pgina
23
Ejemplo 2.2.17 Supngase que se quiere realizar un estudio sobre la conformidad laboral en la
empresa OMEGAXX y se quiere controlar los resultados diseando estratas de acuerdo a la edad
de los trabajadores. A continuacin se presenta la tabla de edad de trabajadores. Asuma que
usted ya realiz el clculo del tamao muestral utilizando la frmula para variables cualitativas
cuyo resultado fue de 306 trabajadores. Complete la siguiente tabla:
Edad (aos)
19,5 - 24,5
24,5 - 29,5
29,5 - 34,5
34,5 - 39,5
39,5 - 44,5
Total
Universo
%
N
180
370
600
250
110
1510
Pgina
24
Muestra
ni
%
306
frecuencia
Mnimo
Bajo
Medio
Alto
Mximo
Total
3
5
8
3
2
21
14,29
23,81
38,10
14,29
9,52
100
Pgina
25
Ejemplo 3.1.2 Retomando el ejemplo anterior, pero ahora se clasificarn por rea urbana o
rural.
Nivel de
riesgo
Mnimo
Bajo
Medio
Alto
Mximo
Total
rea
Urbana
Rural
3
5
8
3
2
21
2
3
8
10
11
34
Diagrama de dispersin
Ejemplo 3.1.3 Se pide establecer una grfica que muestre la correlacin entre el peso y la
talla de 10 trabajadores escogidos al azar de la empresa OMEGA XX.
talla(cm) peso(kg)
178
79
160
65
139
45
173
72
190
89
165
75
192
93
170
65
172
70
200
96
Pgina
26
Histogramas
Pgina
27
Errores Preanalticos
Coagulada
Hemolizada
Volumen inadecuado
Mal marcada
Sin marcar
Recipiente inadecuado
Otros
Total
fi
Fi
344
206
189
30
26
16
7
818
Pgina
28
%
42
25
23
4
3
2
1
100
acumulado
42
67
90
94
97
99
100
Pgina
29
Objetivos
Definicin de
Indicadores
necesarios
Tipos de
Indicadores
Obtencin de
la informacin
Fuente de la
informacin
Datos
necesarios
Pgina
30
Para la construccin de un buen indicador es importante tener en cuenta que ste de cumplir
los siguientes requisitos y caractersticas:
Factibilidad: deben ser indicadores de fcil construccin que se tenga insumos para
construirlos.
Confiabilidad: las fuentes de donde se extraen deben ser confiables, por ejemplo, el rea
de salud ocupacional de una empresa tiene informacin integral de los trabajadores.
Pgina
31
IFAT
De frecuencia
K 240000
100 trabajadores, 48h/s, 50 s/ao
7
7
240000 =
240000 IFAT 4,16
(350)(24)(6)(8)
403200
De severidad
Indicadores
de
Resultado
o Impacto
12
240000 IFAT 7,14
403200
ILI
ILI
4,16 7,14
0, 029
1000
TAEG
Tasa de
ausentismo
por
enfermedad
general
27 8
1000
(250)(24)(6)(8)
27 8
1000 TAEG 0, 00075
288000
Pgina
32
Ejemplo 4.1.3 Se realiz el registro de los trabajadores de una empresa de acuerdo a su edad, a
continuacin se presenta la tabla
Edad
21,5 - 26,5
26,5 - 31,5
31,5 - 36,5
36,5 - 41,5
41,5 - 46,5
Total
SEXO
F
10
20
45
25
32
132
M
30
41
28
35
32
166
Total
40
61
73
60
64
298
# de casos nuevos
suma de todos los periodos en riesgo
.K
Pgina
33
Ejemplo 4.1.5 En un estudio de enfermedades de la piel en personas con exposicin al cemento iniciado
en enero de 2011 en Cali con 1.000 hombres de 55 a 64 aos de edad y sin ninguna evidencia de
problemas de piel, los cuales fueron seguidos por 4 aos (hasta final de 2014). Al final de cada ao del
seguimiento cada participante fue examinado y testificado para piel con inicio de cambios tisulares.
El resultado del examen anual fue el siguiente:
Al final del primer ao fueron confirmados 10 casos de personas con inicios de cambios tisulares
en piel. Cuntos aos personas riesgos aportaron estas personas?
Al final del segundo ao se confirmaron 15 casos de personas con inicios de cambios tisulares en
piel. Cuntos aos han pasado antes de presentar el problema en la piel? Cuntos aos
personas riesgos aportaron estas personas?
Al final del tercer ao se confirmaron 20 casos de personas con inicios de cambios tisulares en
piel. Cuntos aos personas riesgos aportaron estas personas?
Al finalizar el cuarto ao se confirmaron 25 casos de personas con inicios de cambios tisulares en
piel. Cuntos aos personas riesgos aportaron estas personas?
Calcular la tasa de densidad de incidencia.
Pgina
34
Porcentaje:
# de programas de Salud Ocupacional ejecutados en una empresa
100%
Total de programas de Salud Ocupacional en la empresa
Tasa de letalidad:
Pgina
35
x
i 1
Definicin 5.1.2 Para un conjunto de datos que estn medidos en al menos una escala de
intervalo, la MEDIANA es el puntaje medio ordenado.
Definicin 5.1.3 LA MODA, cuando existe, es el dato con mayor frecuencia. Es importante tener
en cuenta que un conjunto de datos puede ser: unimodal, bimodal y multimodal.
Definicin 5.1.4 El RANGO MEDIO de un conjunto de datos es el promedio de las medidas
mayor y menor.
Definicin 5.1.5 LA MEDIA GEOMTRICA de un conjunto de datos x1 , x2 ,..., xn , todos positivos,
es: MG ( x1 , x2 ,..., xn )
Pgina
36
n de accidentes % de crecimiento
50
55
66
60
78
Pgina
37
3,45
3,4
3,11
2,75
3,25
3,19
3,6
3,97
3,41
3,59
3,38
3,38
3,25
3,17
Al realizar un pequeo grfico de dispersin se puede notar que la distribucin de datos del
segundo conjunto est ms dispersa que la distribucin de datos del primer conjunto. Es as
como se puede decir, que una medida de centralizacin en la mayora de veces no es suficiente
para analizar las caractersticas de un conjunto de datos, por tal motivo se hacen necesarias las
medidas de dispersin o variacin de los datos para completar el anlisis de la distribucin de
datos.
Definicin 5.1.8 Se define El RANGO INTERCUANTIL, como la diferencia entre el tercer cuartil y
primer cuartil simbolizado por R.I, es decir: R.I Q3 Q1
Definicin 5.1.9 Se define LA DESVIACIN de un dato se define como la diferencia entre el dato
y la media del conjunto de datos. Es decir: la desviacin del dato xi xi x
Pgina
38
Teorema 5.1.10 La suma de las desviaciones de los valores para cualquier conjunto de nmeros
x1 x2
2
por: 2
... xn
Definicin 5.1.12 La VARIANZA DE UNA MUESTRA con valores x1 ,..., xn se denota por s 2 y se
x x x
define por: s 2
x ... xn x
n 1
Pgina
39
Definicin 5.2.3 LOS DECILES son una medida de posicin relativa que corresponde a un
conjunto de datos ordenados, ascendentemente, divididos en diez partes iguales.
Definicin 5.2.4 LOS CUARTILES son una medida de posicin relativa que corresponde a un
conjunto de datos ordenados, ascendentemente, divididos en cuatro partes iguales.
Ejemplo 5.2.5 Para el siguiente conjunto de datos:
2,45
2,25
2,36
2,56
2,48
2,67
2,54
Calcular e interpretar:
a. Percentil 25.
b. Segundo cuartil, que equivale al percentil 50.
c. Tercer cuartil, que corresponde al percentil 75.
Pgina
40
2,78
2,98
2,72
2,32
2,78
Media,Desv. Est.
0,1
densidad
0,3
0,2
68% de
Los
datos
0,1
0
-5
-3
-1
b. Un poco ms del 95% de los valores de la poblacin estn a una distancia de la media
menor que dos veces la desviacin tpica.
Normal
Probabilidad = 0,9545
0,4
Media,Desv. Est.
0,1
densidad
0,3
0,2
95% de
Los datos
0,1
0
-5
-3
-1
1
x
Pgina
41
CV
Ejemplo 5.2.8 A continuacin se presentan los datos de los pesos y estaturas de los primeros 10
nios registrados por el mdico de un colegio de la ciudad luego de realizado el examen de
ingreso a la institucin educativa. Cul de estos dos conjuntos de datos presenta mayor
variabilidad?
Estatura (cm)
Peso (Kg)
160
55
159
62
172
70
160
58
175
73
170
70
178
75
160
59
162
60
171
70
Es importante tener presente que el coeficiente de asimetra de Pearson tan slo es aplicable
en las distribuciones acampanadas y unimodales, en distribuciones de otro tipo otros se utiliza
el coeficiente de asimetra de fisher y de fisher estandarizado .
Pgina
42
0,4
Media,Desv . Est.
0,1
densidad
0,3
0,2
0,1
0
-5
-3
-1
G. L.
10
densidad
0,08
0,06
0,04
0,02
0
0
20
x
30
40
0,08
Moda,Escala
10,5
0,06
densidad
10
0,04
0,02
0
-15
-5
5
x
Pgina
43
15
25
fi
Fi
hi
Hi
Yi 1 Yi
N
m
c
Yi
frecuencia absoluta
frecuencia absoluta acumulada
frecuencia relativa
frecuencia relativa acumulada
Valores que toma la variable continua en el intervalo
nmero total de datos
nmero de intervalos en la variable continua
amplitud del intervalo
Marca de clase
Ejemplo 5.3.1 Consideremos que se seleccion una muestra de 20 trabajadores de una empresa
fin de conocer su peso en kilos.
74
82
67
55
94
65
70
88
69
52
61
58
71
76
79
57
47
72
85
66
(Ejemplo Tomado del libro Estadstica Descriptiva de Humberto LLins).Para realizar la tabla de
frecuencias para datos continuos es importante tener presente los siguientes 4 pasos:
1.
Recorrido o rango.
2.
3.
4.
Rango
47
, al reemplazar los respectivos valores se tiene que C
7,83 . Esta
m
6
cantidad siempre se aproxima por exceso; es decir C 8 .
C
Pgina
44
Al tener un conjunto de datos agrupados se tiene que la media y varianza muestral para dichos
valores estn determinado por:
xa
sa 2
fY
i i
Y x f
i
n 1
Ejemplo 5.3.2 Tomando los datos del ejemplo 5.1.6, se tiene que:
Intervalos
fi
Fi
Yi
f i Yi
46,5 - 54,5
54,5 - 62,5
62,5 - 70,5
70,5 - 78,5
78,5 - 86,5
86,5 - 94,5
Total
2
4
5
4
3
2
20
2
6
11
15
18
20
50,5
58,5
66,5
74,5
82,5
90,5
101
234
333
298
248
181
1394
xa
1394kg
69, 7kg
20
Pgina
45
s2
Y x
i
fi
737,3
501,8
51,2
92,2
491,5
865,3
2739,20
2739, 2kg 2
11, 70kg
20
n
(buscar en Fi ) F anterior donde est Q1'
a. Q1 lim Inf clase donde est Q1' 4
* Amplitud
f donde est Q1'
b.
n
(buscar en Fi ) F anterior donde est Q2'
'
Q2 lim Inf clase donde est Q2 2
* Amplitud
f donde est Q2'
c.
3n
(buscar en Fi ) F anterior donde est Q3'
'
4
Q3 lim Inf clase donde est Q3
* Amplitud
f donde est Q3'
Pgina
46
Pgina
47
Pero qu tan relacionadas linealmente estn dichas variables? y qu tipo de la relacin lineal
es? Son un par de preguntas que nos ayuda a responder el coeficiente de correlacin de
Pearson.
Definicin 6.1.1 El coeficiente de correlacin de Pearson entre las variables aleatorias continuas
X e Y se define como:
Donde
xy
x y
2
xX X
y Y Y
Adimensional
Ejemplo 6.1.2 A continuacin se muestran los datos del peso (kg) y estatura (cm) de 8
trabajadores de una empresa de la ciudad.
Y (kg) 90
X (cm) 185
85
190
75
172
60
165
68
170
60
164
Pgina
48
86
183
61
163
74
177
58
160
74
171
70
165
Estatuta
Estatuta
Peso
1
0,93868107
xy
, con
x y
2
Peso
1
Pgina
49
x xi X
y y yi Y
Pgina
50
Y 0 1 X
Donde
X : variable independiente
0 : ordena en el origen
1 : pendiente
: error aleatorio
con Y Y
De manera ideal se espera que el error aleatorio se cero, por tanto se tomar para nuestros clculo el
modelo Y 0 1 X
Con
Y X 2 X XY
N X 2 X
N XY X Y
N X 2 X
En general el problema de regresin lineal simple se enfoca en estimar la mejor a una muestra
aleatoria de n pares de datos x1 , y1 , x2 , y2 , x3 , y3 ,..., xn , yn , teniendo en cuenta que dichos
valores sean obtenidos de la medicin de dos variables a un mismo sujeto. Ahora bien, para
realizar este proceso es indispensable que se tenga un supuesto de relacin lineal entre las
variables en cuestin, por tanto, sea hace importante realizar un grfico de dispersin y verificar
el comportamiento de los datos.
Pgina
51
Diagrama de dispersin
100
Peso(Kg)
80
60
y = 1,0663x - 111,74
R = 0,8811
40
20
0
155
160
165
170
175
180
185
190
195
Altura(cm)
Luego de haber realizado el diagrama de dispersin, se evidencia que existe una tendencia lineal en los
puntos, lo cual nos indica que es posible establecer una ecuacin predictora para la variable
independiente, por tanto se procede a calcular los dos coeficientes, dando como resultado:
Pgina
52
Longitud
200
195
185
177
175
174
170
163
160
158
155
150
Diagrama de dispersin
y = -0,366x + 219,36
R = 0,9423
210
200
Longitud (cm)
Peso
70
80
88
105
110
120
130
145
160
180
170
200
190
180
170
160
150
140
40
60
80
100
120
140
160
180
200
Peso (Kg)
Qu se puede concluir?
20
43
63
26
53
31
58
46
58
70
46
53
70
120
128
141
126
134
128
136
132
140
144
128
136
146
Pgina
53
7.1 Probabilidad
7.1.1 Conceptos bsicos de probabilidad
Definicin 7.1.1 Un experimento es un proceso que genera observaciones.
Definicin 7.1.2 Un experimento se denomina determinstico cuando al realizarse bajo las
mismas condiciones genera los mismos resultados.
Definicin 7.1.3 Un experimento se denomina aleatorio cuando realizado bajo las mismas
condiciones genera resultados diferentes.
Definicin 7.1.4 El conjunto de todos los resultados posibles de un experimento aleatorio se
denomina ESPACIO MUESTRAL. Adems cualquier subconjunto de un espacio muestral se llama
evento.
Ejemplo 7.1.5 Determine el espacio muestral del experimento aleatorio del lanzamiento de un
dado.
Definicin 7.1.6 Si A es un evento que pueden ocurrir de h maneras diferentes, todas
igualmente factibles, de un total de N , entonces la probabilidad de que ocurra el evento es:
h
P A
N
Teorema 7.1.7 Para eventos A, B, C de un espacio muestral se tiene que:
a. P 0
b. Si
los
eventos
A, B, C
son
P A B C P A P B P C
c.
P A ' 1 P A
d. 0 P A 1
e. P A B P A P B P A B
Pgina
54
mutuamente
excluyentes,
entonces
Total
1 - 5 veces
12
11
23
6 - 10 veces
13
11 + veces
Total
24
20
44
Pgina
55
P A / B
P A B
,
P B
si P B 0
Ejemplo 7.1.11 Supngase que se tiene los datos de los empleados de una empresa, as:
Hombre
Mujer
Casado
34
56
90
Soltero
45
46
91
79
102
181
Pgina
56
2. En una empresa realiz una encuesta a 2500 personas de diferentes empresas de la ciudad,
para saber la audiencia que haba tenido un programa de formacin en seguridad industrial
trasmitido y otro de ejercicios para mejorar las pausas activas durante la jornada laboral, los
cuales se trasmitieron en horarios diferentes. 2 100 vieron el programa de formacin en
seguridad industrial, 1 500 vieron el de ejercicios para mejorar las pausas activas y 350 no
vieron ninguno de los dos programas. Si elegimos al azar a uno de los encuestados:
a. Cul es la probabilidad de que vieran los dos programas?
b. Cul es la probabilidad de que viera el de S.I., sabiendo que no vio de P.A.?
c. Sabiendo que vio S.I., cul es la probabilidad de que viera el P.A.?
Pgina
57
, es decir
P B P A1 B P A2 B P A3 B ... P An B
Pgina
58
Total
a+b
c+d
n
PP E
PE
P P E
P E
Pgina
59
b. A continuacin se obtiene los resultados de aplicar una prueba diagnstica para el cncer de
cuello uterino en mujeres mayores de 30 aos. Calcular la sensibilidad y la especificidad de
la prueba.
Diagnstico de cncer
Resultado
de la
prueba
Positivo (P)
Negativo(P)
Total
S (E)
No (E)
Total
450
150
600
60
1100
1160
510
1250
1760
P E / P
PP / E PE
P P / E P E P P / E P E
Pgina
60
P E/ P
P P/ E P E
P P/ E P E P P/ E P E
S (E)
No (E)
Total
326
24
350
15
485
500
341
509
850
Pgina
61
Sensibilidad de la prueba :
a
ac
Especificidad de la prueba :
d
bd
a
ab
d
cd
Pgina
62
Total
a+b
c+d
n
x; , f x
2 2
, para x
x; , dx
Normal
0,16
Media,Desv. Est.
25,2,5
densidad
0,12
0,08
0,04
0
12
17
22
27
x
Normal
32
37
42
Media,Desv . Est.
probabilidad acumulada
25,2,5
0,8
0,6
0,4
0,2
0
12
17
22
27
32
37
Pgina
63
42
a. 1 2 ; 1 2
Normal
0,06
Media,Desv. Est.
88,5,7,3
50,5,7,3
densidad
0,05
0,04
0,03
0,02
0,01
0
0
30
60
90
120
150
x
Normal
1 2 ; 1 2
0,06
Media,Desv. Est.
88,5,7,3
88,5,17,3
densidad
0,05
0,04
0,03
0,02
0,01
0
0
30
60
90
x
120
150
180
Normal
1 2 ; 1 2
0,06
Media,Desv. Est.
88,5,17,3
68,5,7,3
densidad
0,05
0,04
0,03
0,02
0,01
0
0
30
60
Pgina
64
90
x
120
150
180
Media,Desv. Est.
0,1
densidad
0,3
0,2
0,1
0
-5
-3
-1
Normal
Media,Desv . Est.
probabilidad acumulada
0,1
0,8
0,6
0,4
0,2
0
-5
-3
-1
Definicin 8.1.2 Una variable aleatoria tiene una distribucin normal estndar si y slo si tiene
una distribucin normal con esperanza 0 y varianza 1.
Pgina
65
t t;0,1
a
P X a P Z
a
P X a 1 P X a 1
b
a
b a
P X a P
Z
Pgina
66
Normal
0,4
Media,Desv. Est.
-25,0,2,5
0,1
25,2,5
densidad
0,3
0,2
0,1
0
-38
-18
2
x
22
42
Ejemplo 8.1.3 Si X es una variable normal con media 70 y desviacin estndar 15, calcule las
siguientes probabilidades:
a. P X 90
b. P X 80
c.
P 55 X 95
Ejemplo 8.1.4 La estatura de una poblacin 572 de personas sigue una distribucin
aproximadamente normal con media 70 pulgadas y una desviacin estndar de 3 pulgadas. Cul
es la probabilidad de que una persona seleccionada al azar de ste grupo:
a. Tenga una estatura entre 65 y 74 pulgadas.
b. Mayor que 70 pulgadas.
Pgina
67
Ejemplo 8.1.6 La medida del peso de 500 estudiantes en una universidad es de 151 libras y la
desviacin tpica de 15 libras. Suponiendo que los pesos se distribuyen normalmente, hallar
cuntos estudiantes pesan:
a. Entre 120 y 155 libras.
b. Ms de 165 libras.
Ejemplo 8.1.7 En una distribucin normal que tiene una desviacin estndar de 2, la
probabilidad de que el valor de la variable, elegida al azar, sea menor que 28, es 0,03. Cul es
el valor de la media?
Pgina
68
estudios prospectivo RR
estudio retrospectivo OR
Estado de la enfermedad
Factor de riesgo
Presente
Ausente
Total en riesgo
Presente
a+b
Ausente
c+d
a+c
b+d
Total
Pgina
69
Definicin 9.1.4 El riesgo relativo es la relacin del riesgo de desarrollar la enfermedad entre los
individuos con el factor de riesgo respecto al riesgo de desarrollar la enfermedad entre los
individuos sin el factor de riesgo.
Es vlido resaltar que para establecer sta medida se debe tener en cuenta:
Dos muestras de individuos libres de la enfermedad, una de las cuales posee el factor
de riesgo.
Son seguidas durante un periodo de tiempo para observar la frecuencia de aparicin del
fenmeno de inters.
Pgina
70
Factor de
riesgo
Presente
Ausente
Totalen riesgo
Presente
40
42
Ausente
Total
43
50
S (E)
No (E)
Total
20
14
34
825
1576
2401
845
1590
2435
Casos y Control
Muestra
Factor de
riesgo
Casos
Control
Total
Presente
a+b
Ausente
c+d
a+c
b+d
Total
Pgina
71
Estado de la enfermedad
Descriptivos-Transversales
Factor de riesgo
Presente
Ausente
Total en riesgo
Presente
a+b
Ausente
c+d
a+c
b+d
Total
Definicin 9.1.7 La estimacin de la razn de los grados de probabilidad para la poblacin es:
ad
OR b
, donde a, b, c y d se definen como en la tabla anterior
c
bc
d
Si OR
Con k 1 indica que la probabilidad de los sujetos enfermos de tener presente el factor
de exposicin es k veces mayor frente a los sanos o controles que tienen el factor de
exposicin.
Con k 1 indica que la probabilidad de los sujetos enfermos de tienen k veces ms
posibilidad de presentar el factor de riesgo, cuando se les compara con aquellos que no
lo estn.
Pgina
72
Total
Casos
Control
Total
70
20
90
15
27
42
85
47
132
b. Se tienen los registros de una clnica de la ciudad de los ltimos 5 aos, dicha informacin se
consigna en la siguiente tabla.
Fumador
Muerte
Precoz
s
no
Total
S (E)
No (E)
Total
715
290
1005
210
310
520
925
600
1525
Pgina
73
ln RR 1,96 E . E .ln RR
ln RR 1,96 E . E .ln RR
R.R. e
1
1
1
1
a ab c cd
ln OR 1,96 E . E .ln OR
ln OR 1,96 E . E .ln OR
O.R. e
Pgina
74
1 1 1 1
a b c d
Chi-Cuadrada
0,1
G. L.
10
densidad
0,08
0,06
0,04
0,02
0
0
10
20
x
30
40
Chi-Cuadrada
G. L.
10
6
0,8
densidad
1
0,6
0,4
0,2
0
0
10
20
x
Pgina
75
30
40
Slo toma valores positivos y es asinttica respecto al eje de las x positivas, es decir,
0 2
Variable A
Variable B
Total
Total
a+b
c+d
a+c
b+d
Bajo la hiptesis nula de independencia, el valor esperado en la celda i, j est dado por:
Eij
Ri C j
n
Oij Eij
i 1
Eij
Pgina
76
Rechazar H 0 si:
2
a. 2 0,05
1gl 3,8414
Definicin 9.1.9 El P valor para una prueba se define como el valor ms pequeo de por el
cual la hiptesis nula se puede rechazar.
Ejemplo 9.1.10 Con una muestra de 102 trabajadores en zona de explotacin carbonera se
realiz un estudio que tena como objetivo conocer si la exposicin al carbn estaba relacionada
con la presencia de la neumoconiosis presentada en algunos trabajadores de la muestra.
Neumoconiosis
Exposicin al
carbn
Si
No
Total
Si
34
17
51
No
15
36
51
Total
49
53
102
Plantee todos los pasos para prueba de hiptesis. Sugieren los datos que existe relacin entre
las variables?
Pgina
77
En la medida que los valores esperados sean menores que 5 no se aplica esta tcnica;
caso contrario se puede aplicar el test exacto de fisher si los valores esperados varan
entre 3 y 5, cuya frmula es:
a c b d a b c d
Cuando los valores esperados son menores que 3, se sugiere utilizar la correccin de
Yates, la cual es
n ad bc 0,5n
a b ! c d ! a c ! b d !
n !a !b !c !d !
Femenino Masculino
25
14
39
11
27
38
Total
36
41
77
Ejemplo 9.1.12 Se realiz la revisin de los registro de una clnica de la ciudad por un grupo de
investigadores que les interesaba saber si al tomar una muestra de mujeres embarazadas con
amenaza de aborto y cruzar dicha informacin con el nmero de controles prenatales que
haban, se encontrara relacin entre dichas variables. Considera usted que hay dependencia
entre las variables?
Pgina
78
Amenaza de parto
Nmero de controles
Prenatales
si
no
Total
1 a 4 controles
prenatales
49
56
105
5 o ms controles
prenatales
22
51
73
71
107
178
Total
Ejemplo 9.1.13 Un grupo de investigadores fue contratado por el gerente de una empresa
constructora para realizar seguimiento a sus trabajadores ya que ha tenido quejas sobre el
impacto que viene generando un nuevo y ms econmico producto, que se est utilizando en
los ltimos meses. Para evitar problemas posteriormente el gerente solicita al grupo
investigador apoyo para tomar una buena decisin al respecto. Cree usted que la exposicin al
producto se relaciona con dificultades respiratorias?
Dificultades respiratorias
Exposicin al
producto
si
no
Total
1 a 4 controles
prenatales
67
43
110
5 o ms controles
prenatales
55
56
111
122
99
221
Total
Pgina
79
ANEXOS
En el siguiente captulo se encontrar: Un ejemplo de cuestionario para un estudio
descriptivo.
Pgina
80
Pgina
81
3.
6. De manera general, considera usted que este centro de trabajo actualmente es:
Encuestador: Marque con una X la opcin descrita por el trabajador.
Un lugar muy seguro para trabajar _____
Un lugar seguro para trabajar: ______
Pgina
82
Factor de peligro
El espacio es insuficiente
Hay que sacar la produccin por encima de todo
Hay mucho desorden y desaseo
Cansancio o fatiga
Medios o herramientas insuficientes
Los accesos al lugar de trabajo estn en malas condiciones
El ritmo de trabajo es muy acelerado
El trabajo obliga a realizar operaciones peligrosas
Las instalaciones estn en malas condiciones
Esfuerzo o posturas forzadas
Las maquinas estn insuficientemente protegidas
El rea de trabajo o superficie es insegura
Causas relacionadas con el trafico de vehculos
El diseo del puesto de trabajo no concuerda con mis caracterstica de trabajo
Medios o herramientas inadecuadas
Exceso de confianza o de costumbre
Se trabaja sin la formacin suficiente
7. De los factores de riesgo mostrados en la siguiente tabla, indique los tres a los que se encuentra ms expuesto
en su lugar de trabajo, y enumrelos de 1 a 3 en orden de importancia, siendo 1 el ms importante y 3 el menos
importante.
Encuestador: Escriba en la columna de nivel de importancia los nmeros 1, 2 y 3 frente a las casillas que seale el
trabajador (mustrele la tabla siguiente).
Pgina
83
Factor de peligro
El espacio es insuficiente
Hay que sacar la produccin por encima de todo
Hay mucho desorden y desaseo
Cansancio o fatiga
Medios o herramientas insuficientes
Los accesos al lugar de trabajo estn en malas condiciones
El ritmo de trabajo es muy acelerado
El trabajo obliga a realizar operaciones peligrosas
Las instalaciones estn en malas condiciones
Esfuerzo o posturas forzadas
Las maquinas estn insuficientemente protegidas
El rea de trabajo o superficie es insegura
Causas relacionadas con el trafico de vehculos
El diseo del puesto de trabajo no concuerda con mis caracterstica de trabajo
Medios o herramientas inadecuadas
Exceso de confianza o de costumbre
Se trabaja sin la formacin suficiente
Pgina
84
ACTIVIDAD DE
PREVENCION
Exmenes
mdicos
NO
NO SABE
Identificacin
de peligros
Programas de
vigilancia
epidemiolgica
Mantenimiento
a equipos,
maquinas o
herramientas
Modificacin a
maquinas,
equipos por
razones de
seguridad.
Entrega de
elementos de
proteccin
personal
Actividades de
recreacin o
deporte
Definicin y/o
aplicacin de
normas de
seguridad
Funcionamient
o del Copaso
plan de
emergencias
simulacros de
emergencias
Sealizacin de
reas
Inspecciones
de seguridad.
Anexo B
PALMARI
CONSENTIMIENTO INFORMADO
Pgina
85
Usted ha participado
SI
NO
______________________
_________________________
_________________________
_________________________
________________________
Fecha.
BIBLIOGRAFA
Pgina
87