Академический Документы
Профессиональный Документы
Культура Документы
MDULO DE APRENDIZAJE
CARTULA
UNIDAD ACADMICA: ENFERMERA
NOMBRE DE LA ASIGNATURA: BIOESTADSTICA
AUTOR(ES): Lic. Jessica M. Yace Martnez
ndice
F-CV3-3B-3
Introduccin
F-CV3-3B-3
BIOESTADSTICA
La bioestadstica es una de las reas de la Estadstica que se ocupa de los problemas
planteados dentro de las ciencias de la vida, como la biologa, la medicina, entre otros.
DIVISIN DE LA ESTADSTICA:
ESTADISTICA DESCRIPTIVA O DEDUCTIVA: Recolecta, clasifica, organiza y presenta los
datos por medio de tablas y grficos mediante el anlisis de la informacin.
ESTADSTICA INFERENCIAL O INDUCTIVA: Es el procedimiento por medio del cual
se llega a conclusiones acerca de una poblacin con base a la informacin que se
obtiene a partir de una muestra seleccionada de esa poblacin. Permite generalizar
conclusiones hacia toda una poblacin partiendo del anlisis de una muestra
CONCEPTOS BSICOS:
POBLACIN
Se considera como una coleccin de entidades, por lo general personas. Sin embargo, una
poblacin o coleccin de entidades puede estar compuesta de animales, mquinas, plantas o
clulas, etc.
F-CV3-3B-3
MUESTRA
Es una parte de la poblacin y que contiene todas las caractersticas de la poblacin.
PARMETRO
Es una medida resumen para describir alguna caracterstica especifica de la poblacin.
Ejemplo: el promedio poblacional, la varianza poblacional.
ESTADGRAFO
Es una medida resumen para describir alguna caracterstica especifica de la muestra.
Ejemplo: el promedio de edad de la muestra, la varianza de la muestra.
DATO
Es toda unidad de informacin. Se considera la estructura a partir de la cual el investigador
genera sus estudios e indagaciones. Tiene tres componentes:
2.- VARIABLE
3.- VALOR
Un valor es algo que puede derivarse de una unidad en una clasificacin. Por
ejemplo la variable estado civil puede tomar los valores de: soltero, casado,
conviviente, viudo.
F-CV3-3B-3
F-CV3-3B-3
Ejemplo 1:
Si se desea conocer en qu medida las madres de una determinada comunidad cumplen o
no con el calendario de vacunaciones de sus nios menores de 5 aos.
Poblacin.- Todas las madres de esa determinada comunidad.
Muestra.- Un grupo representativo de madres de esa determinada comunidad.
Unidad de anlisis.- Es la madre de familia que se le entrevistara.
Unidad de muestreo.- Son las viviendas numeradas de la comunidad.
F-CV3-3B-3
Ejemplo 2:
Caractersticas sociodemogrficas del cncer de pulmn en nios de 10 aos a menos de
edad hospitalizados en el INEN 2014
Poblacin.- Total de nios de 10 aos a menos de edad, con cncer de pulmn que
estuvieron hospitalizados en el INEN durante el ao 2014.
Muestra.- Un grupo representativo de nios de 10 aos a menos de edad, con
cncer de pulmn que estuvieron hospitalizados en el INEN durante el ao 2014.
Unidad de anlisis.- Cada nio de 10 aos a menos de edad, con cncer de pulmn
que estuvo hospitalizado en el INEN durante el ao 2014.
Unidad de muestreo.- Se podran considerar cada uno de los pabellones donde se
encuentran hospitalizados en el INEN durante el ao 2014
Ejemplo 3:
Se realiz un estudio sobre: Efectos secundarios del consumo de retrovirales en usuarios
del programa de TARGA del C.S. Divino Nio 2012. Se tena como informacin que en el
ao 2012 estaban registrados 370 pacientes en el programa TARGA, de los cuales previo
sorteo fueron encuestados 150 usuarios.
Poblacin.- Los 370 usuarios de consumo de retrovirales que acudieron al programa
de TARGA del C.S. Divino Nio en el ao 2012.
Muestra.- Los 150 usuarios de consumo de retrovirales que acudieron al programa
de TARGA del C.S. Divino Nio en el ao 2012.
Unidad de anlisis.- Cada usuario de consumo de retrovirales que acudi al
programa de TARGA del C.S. Divino Nio en el ao 2012.
Muestreo.- La tcnica de muestreo utilizado para seleccionar a cada individuo de la
muestra fue muestreo probabilstico de tipo aleatorio simple (porque se realiz un
sorteo para seleccionar a los usuarios que fueron encuestados).
F-CV3-3B-3
TIPO DE MUESTREO
Consiste en seguir un procedimiento utilizado para escoger, seleccionar y extraer una parte del
universo con el fin de que representase al total con la probabilidad de que ese pequeo grupo posea
las caractersticas del universo. Los tipos de muestreo son dos: muestreo probabilstico y muestreo
no probabilstico.
MUESTREO PROBABILSTICO:
Es aquella muestra extrada de un universo donde todos tengan una misma probabilidad estadstica
de ser seleccionados. Para una muestra probabilstica se necesita: contar con la lista de todos los
individuos o elementos de la poblacin de inters y determinar el tamao de la muestra (n) para
luego seleccionar los elementos que la integrarn. Los tipos de muestreo probabilstico son:
1.- Muestreo Aleatorio Simple. Consiste en seleccionar un individuo elemento al azar que
pertenezca a la poblacin N, hasta lograr completar la cantidad total de nuestro tamao de
muestra n. Ejemplo: un sorteo, una rifa o el uso de tabla de nmeros aleatorios (ver anexo 2), etc.
2.- Muestreo Aleatorio Sistemtico. Aqu el investigador primero escoge aleatoriamente la primera
pieza o sujeto de la poblacin. A continuacin, el investigador seleccionar a cada ensimo sujeto de
la lista. Es un procedimiento muy fcil y se puede hacer manualmente.
3.- Muestreo Aleatorio Estratificado. Este tipo de tcnica garantiza la representatividad de cada
grupo en la muestra. Cunto ms homognea sean los estratos, ms precisas sern las estimaciones.
Consiste en seleccionar una muestra de cada grupo que conforma la poblacin.
4.- Muestreo Por Conglomerados. No necesita tener un listado de toda la poblacin, pero s de
todos los conglomerados de inters. Es muy eficiente en poblaciones grandes y muy dispersas. Su
ventaja es que nos facilita el ahorro de tiempo y dinero.
MUESTREO NO PROBABILSTICO:
No tiene una idea del error que puede estar introduciendo en sus apreciaciones.
No cumple con la teora del AZAR.
1.- Por conveniencia. Consiste en el empleo de una muestra integrada por las personas o los objetos
cuya disponibilidad como sujetos de estudio ser la ms conveniente.
2.- Por Cuotas. Consiste en predeterminar la cantidad de elementos de cada categora que habrn
de integrarla. As podemos asignar una cuota de 40 hombres y 40 mujeres a una muestra de 80
individuos, asumiendo que esa es la distribucin de la poblacin total.
3.- Accidental. Es aquella que se obtiene sin ningn plan preconcebido, resultando las unidades
escogidas producto de circunstancias fortuitas. Por ejemplo, entrevistamos a los primeros cincuenta
transentes que pasan por una cierta calle.
4.- Intencional. Escoge sus unidades no en forma fortuita sino completamente arbitraria,
designando a cada unidad segn caractersticas que para el investigador resulten de relevancia, se
basa en la idea de que el investigador puede usar sus conocimientos acerca del universo para elegir
los casos que incluir en la muestra.
F-CV3-3B-3
Es decir pretendemos hacer inferencias a Es decir pretendemos comparar si las medias o las
valores poblacionales (proporciones, medias) proporciones de las muestras son diferentes.
a partir de una muestra.
dnde:
n= Tamao de la muestra
N = Total de la poblacin
Z2 = Seguridad del estudio al cuadrado
p = proporcin esperada (incidencia, prevalencia o porcentaje hallado o estimado)
q = 1 p (es el complemento de la incidencia, prevalencia o porcentaje)
d = precisin o error de muestreo (5%).
F-CV3-3B-3
F-CV3-3B-3
10
Donde:
n = tamao de la muestra
Z = Valor Z correspondiente al riesgo deseado (Confianza 95%)
Z = Valor Z correspondiente al riesgo deseado (Poder 1-)
p1 = Valor de la proporcin en el grupo de referencia, placebo, control o tratamiento habitual.
p2 = Valor de la proporcin en el grupo del nuevo tratamiento, intervencin o tcnica.
p = Media de las dos proporciones p1 y p2
Ejm 1: Deseamos evaluar si el Tratamiento T2 es mejor que el tratamiento T1 para el alivio del dolor
para lo que diseamos un ensayo clnico. Sabemos por datos previos que la eficacia del frmaco
habitual est alrededor del 70% y consideramos clnicamente relevante si el nuevo frmaco alivia el
dolor en un 90%. Nuestro nivel de riesgo lo fijamos en 0.05 y deseamos un poder estadstico de un
80%.
Paso 1:
Z = 5% = 0.05
Z = 80% = 0.80
p1 = 70% = 0.70
p2 = 90% = 0.90
Paso 2: Hallar la media de las proporciones
F-CV3-3B-3
11
Test bilateral
0.842
1.036
1.282
1.645
1.960
2.326
1.282
1.440
1.645
1.960
2.240
2.576
0.200
0.150
0.100
0.050
0.025
0.010
Potencia
(10.01
0.05
0.10
0.15
0.20
0.25
0.30
0.35
0.40
0.45
0.50
0.99
0.95
0.90
0.85
0.80
0.75
0.70
0.65
0.60
0.55
0.50
Z
2.326
1.645
1.282
1.036
0.842
0.674
0.524
0.385
0.253
0.126
0.000
F-CV3-3B-3
12
n( ajustado ) n *
1
(1 R)
1
56
(1 0,15)
Paso 3:
La muestra ajustada sera 56 pacientes por cada grupo.
NOTA:
Es muy importante tener claro que existen diversas maneras o diferentes frmulas que se
pueden utilizar para la obtencin del tamao de muestra; la eleccin de una frmula para la
obtencin de nuestro tamao de muestra depende de:
Si la poblacin es finita o infinita.
El tipo de variable a analizar como objetivo del estudio.
Si se quiere determinar parmetros, contrastar hiptesis o realizar estudios
experimentales.
F-CV3-3B-3
13
F-CV3-3B-3
14
Ventajas:
Se obtiene estimaciones ms precisas
Tiende a asegurar que la muestra represente adecuadamente a la poblacin en funcin de
unas variables seleccionadas.
Desventajas:
Los anlisis son complicados
4.- MUESTREO POR CONGLOMERADO:
Se caracterizan por que la variacin en cada grupo es menor que la variacin entre grupos. La
necesidad de listados de las unidades de una etapa se limita a aquellas unidades de muestreo
seleccionadas en la etapa anterior.
Ventajas:
Es muy eficiente cuando la poblacin es grande y dispersa.
Reduce costos
No es necesario tener un listado de toda la poblacin, slo de las unidades primarias de
muestreo.
Desventajas:
El error estndar es mayor que el muestreo aleatorio simple o estratificado
F-CV3-3B-3
15
MUESTREO NO PROBABILISTICO:
1.- Por conveniencia o Accidental. Consiste en el empleo de una muestra integrada por las personas
o los objetos cuya disponibilidad como sujetos de estudio ser la ms conveniente. Se caracteriza
por un esfuerzo deliberado de obtener muestras representativas mediante la inclusin en la
muestra de grupos supuestamente tpicos. Es muy frecuente su utilizacin en sondeos pre
electorales. Tambin puede ser que el investigador seleccione directa e intencionadamente los
individuos de la poblacin. El caso ms frecuente de este procedimiento el utilizar como muestra los
individuos a los que se tienen acceso fcilmente. Por ejemplo: Los transentes de una determinada
calle, los asistentes (pacientes o familiares) en general a una campaa de salud.
2.- Intencional.
Tambin conocido como discrecional. Aqu los sujetos son elegidos para formar parte de la muestra
con un objetivo especfico. Con este muestreo el investigador cree que algunos sujetos son ms
adecuados para la investigacin que otros. Por esta razn, aquellos son elegidos deliberadamente
como sujetos. Escoge sus unidades de manera arbitraria, designando a cada unidad segn
caractersticas que para el investigador resulten de relevancia, se basa en la idea de que el
investigador puede usar sus conocimientos acerca del universo para elegir los casos que incluir en
la muestra.
3.- Por Cuotas.
Aqu el investigador trata de asegurar una representacin equitativa y proporcionada de los sujetos
(aunque no siempre resulta as) en funcin de qu rasgo es considerado base de la cuota. Consiste
en predeterminar la cantidad de elementos de cada categora que habrn de integrarla. Por
ejemplo, si la base de la cuota es de nivel de ao en la universidad y el investigador necesita una
representacin igual, con un tamao de muestra de 100, debe seleccionar 25 estudiantes de 1 ao,
25 de 2 ao, 25 de 3 ao y 25 de 4 ao. Las bases de la cuota generalmente son la edad, el
gnero, la educacin, la etnia, la religin y el nivel socioeconmico.
4.- Bola de Nieve.
Se localiza a algunos individuos que contienen la caracterstica que es inters de estudio, los cuales
conducen a otros, y estos a otros, y as hasta conseguir una muestra suficiente. Este tipo se emplea
muy frecuentemente cuando se hacen estudios con poblaciones "marginales", delincuentes, sectas,
determinados tipos de enfermos, abuso sexual de menores, etc.
F-CV3-3B-3
16
TIPOS DE VARIABLE:
1.- POR SU POSICIN
a. Variable dependiente.- Representa al desenlace, resultado o efecto que se pretende explicar o
estimar.
b. Variable independiente.- Es aquella que causa, explica, condiciona o determina el cambio en
los valores de la variable dependiente.
c. Variable interviniente.- 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.
d. Variable de confusin.- Actan como co-factores que modifican a la variable independiente.
De no considerarse adecuadamente pueden sesgar los resultados.
Figura 1. Nivel de relacin de las variables
Ejm:
Comportamiento de pacientes hipertensos antes y despus del proceso de atencin de enfermera.
Cuba 2004
F-CV3-3B-3
17
Edad: Tiempo vivido por una persona, animal o duracin de una cosa.
Ocupacin: Accin y efecto de ocupar u ocuparse. Empleo, oficio o dignidad.
Definicin Operacional.- La conforman los elementos que pueden ser medidos tras definir a la
variable conceptualmente. Ejm:
F-CV3-3B-3
18
2.-DIMENSIONES
Proceso que transforma una variable en otras que tengan el mismo significado y que sean
susceptibles de la medicin emprica. Es decir cuando una variable inicial es muy compleja requiere
de sub-variables para poder ser medida, estas sub-variables son denominadas dimensiones. Ejm:
VARIABLE
Edad
DIMENSIN
No tiene dimensin
Hiperventilacin
Palidez
Dolor de pecho
Hipertensin
Arritmia Cardiaca
Taquicardia
Hipotensin
Anuria
Infeccin
Confusin, sensacin de mareos
Shock Sptico
Escala Ordinal.- Se utiliza para clasificar los objetos en forma jerrquica, una mayor que la otra,
segn el grado que posea una caracterstica determinada, las tcnicas estadsticas ms utilizadas en
la escala ordinal son la distribucin de frecuencias, la moda y especialmente la mediana debido a
que no es afectada por los valores de los propios datos. Ejm:
F-CV3-3B-3
19
VARIABLES CUANTITATIVAS:
Escala de Intervalo.- Se miden numricamente, se pueden sumar o restar siendo igual la distancia
entre dos puntos o valores de un continuo, pero no se pueden dividir o multiplicar sus valores. Sin
embargo el punto cero es arbitrario y convencional, por lo que no se pueden establecer razones o
proporciones, ni comparar dos escalas sin definir el mismo punto de partida.
Ejm: Temperatura, evaluaciones, rendimiento acadmico, coeficiente intelectual,
Escala de Razn.- Contiene las caractersticas de una escala de intervalo con la ventaja adicional de
poseer el cero absoluto. El cero significa la ausencia de la variable. Se utilizan todas las tcnicas
estadsticas para el anlisis Ejm:
5.- INDICADOR
Corresponde a la forma en cmo se muestra las cualidades o propiedades de la variable que pueden
medirse y sirven para verificarlo y cuantificarlo. En las variables cualitativas el indicador resulta ser
la clasificacin misma de la variable. Ejm:
VARIABLE
Sexo
Grado de instruccin
TIPO DE VARIABLE
ESCALA
Nominal
Cualitativa
Cualitativa
Ordinal
INDICADOR
Femenino
Masculino
Analfabeto
Primaria
Secundaria
Superior
En las variables cuantitativas, generalmente el indicador corresponder a los rangos en los cuales se
distribuir la variable conjuntamente con su unidad de medida. Ejm:
Variable
Edad (en aos)
Temperatura
Tipo de variable
cuantitativa
cuantitativo
Escala
razn
intervalo
Indicador
Nmero de aos
0 100 C
Ojo: En este caso la variable edad es considerada razn o discreta, porque su definicin operacional
nos refiere que es en aos cumplidos y estos son valores enteros; de no ser as, se considera
variable intervalo o continua.
F-CV3-3B-3
20
Escala
razn
Procedencia
proced
nominal
Estado civil
Ecivil
Nominal
F-CV3-3B-3
Codificacin
aos cumplidos
Vitarte = 0
Surco= 1
SJM = 2
Soltero = 0
casado = 1
Conviviente = 2
21
En este ejemplo observamos lo siguiente: Se ha construido una tabla de cdigos, para ser procesada
primeramente en Excel. (Es recomendable, porque facilita su traslado a diferentes programas
estadsticos)
La variable edad bajo la clave edad (pues esta contiene 6 dgitos) est indicada en escala razn y
la forma en la cual se digitar es los aos cumplidos por la entrevistada.
La variable estado civil con la clave Ecivil, de escala nominal y la forma que se digitara es: si la
paciente es soltera se digitara 0, si la paciente es casada se colocar 1, y si la paciente es conviviente
se digitar 2.
2.
En una investigacin los datos pueden encontrarse en varios modos, pueden estar en formato
papel, digitalmente en documentos electrnicos, grabado en cualquier forma identificada de
grabacin; todas estas formas tienen que llevar un correlato para su anlisis. En investigacin
cuantitativa el anlisis de eleccin es el estadstico, para lo cual se requiere de la utilizacin de
programas especiales para ello, entre ellos tenemos el Excel, Epi Info, STATA, SPSS entre otros.
Nosotros vamos a utilizar el SPSS (v.20) para efecto de este curso.
Para ello se requiere primero un instrumento de recoleccin de datos elaborado, una tabla de
cdigos y los programas para ser procesados. Se mencionan los programas pero es el investigador,
de acuerdo a su pericia y/o preferencia quien decide la utilizacin. Primero de datos en formato
Excel y luego los datos trasladarlos al SPSS, por dos razones, la primera est dada a que el formato
Excel puede ser encontrado en casi cualquier computadora en nuestro medio, segundo el Excel
permite al investigador realizar control de calidad de los datos ingresados a travs del filtro
ubicado en la barra de Datos y as poder enviar datos de mejor calidad al SPSS.
En el formato Excel para poder trabajar una base de datos, se requiere de dos hojas, la primera
corresponder a la base de datos y la segunda a la Tabla de cdigos.
Los datos una vez codificados son ingresados a las seccin base de datos de la siguiente manera.
En la primera hoja del Excel, se indica la base de datos, los datos se ingresarn en nmeros
correlativos de arriba hacia abajo, las claves se colocarn en la fila 1 de la hoja. Quiere decir que
cada instrumento tendr que encajar en cada numeracin correlativa y se proceder a vaciar el
contenido del instrumento en la base de datos, tomando en cuenta los diferentes valores indicados
previamente en la tabla de cdigos.
Quiere decir que si una investigacin tiene que muestrear a 120 personas, tendr que haber 120
instrumentos, todos estos instrumentos se reflejarn en los nmeros correlativos, que culminarn
en 120 empezando por el 1, cada uno de estos instrumentos arrojar varios valores de cada una de
las variables indicadas en la tabla de cdigos y estas correspondern a los datos ingresados de
izquierda a derecha.
F-CV3-3B-3
22
Validez: es el grado en que un instrumento en verdad mide la variable que se busca medir.
Confiabilidad: es el grado en que un instrumento produce resultados consistentes y
coherentes bajo las mismas condiciones en repetidas ocasiones.
Entrevista
Encuesta
Observacin
Sesin de grupo
Tcnicas
Recoleccin
de datos
Cuestionario
Lista de chequeo
Cmara fotogrfica o de video
Instrumento
s
VALIDEZ DE UN INSTRUMENTO
Este debe ser evaluado en tres aspectos distintos: contenido, criterio y constructo. El cumplimiento
de validez en estos tres aspectos hace posible decir recin que el instrumento de recoleccin de
datos llmese Encuesta es Vlido.
F-CV3-3B-3
23
F-CV3-3B-3
24
CONFIABILIDAD DE UN UNSTRUMENTO
Existen diferentes pruebas estadsticas para evaluar y medir el nivel de confiabilidad y la seleccin
de ello mucho depende del tipo de respuesta ya sea nominal, nominal dicotmica, ordinal en escala
Likert, etc. El coeficiente ms utilizado para medir la confiabilidad e un instrumento es el alfa de
cronbach razn por la cual lo estudiaremos en este captulo.
Coeficiente alfa de Cronbach. Este coeficiente requiere una sola administracin del
instrumento y produce valores que oscilan entre 0 y 1 y puede ser usado en variables
dicotmicas y politmicas. Rosenthal propone una confiabilidad mnima de 0.90 para tomar
decisiones sobre la vida de las personas y una confiabilidad mnima de 0.70 para propsitos
de investigacin.
F-CV3-3B-3
25
F-CV3-3B-3
26
F-CV3-3B-3
27
F-CV3-3B-3
28
TIPOS DE GRAFICOS:
DIAGRAMA DE BARRAS
HISTOGRAMA.
POLIGONO.
DISPERSIN.
GRAFICO DE SECTORES
F-CV3-3B-3
29
TABLAS DE FRECUENCIAS
Presenta los datos en una tabla organizada segn las modalidades o niveles si la variable es
cualitativa. Por intervalos o puntual si la variable es cuantitativa.
VARIABLE
C1
C2
C3
TOTAL
fi
hi
Pi%
Fi
Hi
Pi%
100
Frecuencia simple o conteo ( fi ) : Conteo de los datos que se repiten para cada clase
Frecuencia relativa ( hi ):Proporcin de valores con una determinada clase. Se obtiene hi=fi/n
Frecuencia Porcentual ( pi%i ): Porcentaje de elementos por cada clase. Se obtiene pi%= hi*100
Frecuencia acumulada simple ( Fi ): Conteo de los datos agrupados desde la clase 1 hasta
la clase i. Se obtiene: F1= f1; F2= f1+f2; F3=f1+f2+f3
Frecuencia acumulada relativa ( Hi ): Proporcin acumulada de valores desde la clase 1 hasta la
clase i. Se obtiene H1=h1; H2= h1+h2;H3=h1+h2+h3
Frecuencia acumulada Porcentual ( Pi% ): Porcentaje acumulado de valores desde la clase 1 hasta la
clase i. Se obtiene P1%=p1%;P2%=p1%+p2%; P3%=p1%+p2%+p3%
F-CV3-3B-3
30
Ejm:
1.- Encuentre el promedio en los siguientes datos.
N horas de trabajo: 10, 8, 6, 3, 2, 2, 5
10 8 6 3 2 2 5 36
5,14
7
7
de hijos
1
3
5
6
7
Total
# Familias
3
2
4
3
5
17
F-CV3-3B-3
31
Ejm:
1.- Halle la moda en el siguiente conjunto de datos
A) N horas de trabajo: 10, 8, 6, 3, 2, 2, 5,7, 9, 11
Mo = 2 (Unimodal)
Interpretacin: es frecuente que se trabaje 2 horas
B) N de hijos: 1, 2 ,2, 5, 3, 6, 3, 4, 7
Mo = 2
Mo = 3 (Bimodal)
Interpretacin: Las cantidades de nmeros de hijos ms frecuentes son 2 y 3 hijos.
C) Edad: 11, 13, 14,10,11,13,16,11,17,13,10,15,10
Mo= 11
Mo= 10
Mo= 13 (Multimodal)
Interpretacin: La edad ms frecuente es de 10, 11 y 13 aos.
3.- LA MEDIANA (Med= Me=Md). Es el primer valor de la variable que deja por debajo de s al 50%
de las observaciones. Es decir, es el valor que divide exactamente a la mitad una serie de valores
ordenados de mayor a menor.
Propiedades de la mediana.
Como medida descriptiva, tiene la ventaja de no estar afectada por las observaciones
extremas, ya que no depende de los valores que toma la variable, sino del orden de las
mismas. Por ello es adecuado su uso en distribuciones asimtricas.
Es de clculo rpido y de interpretacin sencilla.
A diferencia de la media, la mediana de una variable cuantitativa discreta es siempre un
valor de la variable que estudiamos (ej. La mediana de una variable nmero de hijos toma
siempre valores enteros).
F-CV3-3B-3
32
n 1 11 1
6
2
2
El 6 es la posicin de la mediana
5
Se observa que: 1 1 2 3 3
4 4 5 6 6 7
4) Md = 4 ( el nmero 4 ocupa la sexta posicin de los datos ordenados)
Interpretacin: La mitad de las pacientes no supera los 4 CPN.
n 12
6
2 2
44 8
4
2
2
F-CV3-3B-3
33
1 .- CUARTILES
Los cuartiles tienen la propiedad de utilizar 3 valores para dividir la serie estadstica en cuatro
grupos de nmeros iguales de trminos. Se emplean generalmente en la determinacin de estratos
o grupos correspondientes a fenmenos socio-econmicos, monetarios o tericos.
F-CV3-3B-3
34
Q1 = primer cuartil
(25%)
Q2 = segundo cuartil (50%)
Q3 = tercer cuartil
(75%)
25%
25%
25 %
25%
2 .- DECILES
Los deciles son los nueve valores que dividen la serie de datos en diez partes iguales. Estos valores
correspondientes al 10%, al 20%... y al 90% de los datos.
3 .- PERCENTILES
Los percentiles, nos dicen cmo est posicionado un valor respecto al total de una muestra. Son los
99 valores que dividen en 100 partes iguales una serie ordenada de datos. Los percentiles dan
valores que indican el P1 = 1%, P2 = 2%, y al P99 = 99% de los datos.
NOTA:
F-CV3-3B-3
35
DONDE:
N : Nmero total de datos.
Li : Limite inferior de la clase.
FA : Frecuencia acumulada de la clase.
(FA 1): Frecuencia absoluta acumulada de la clase anterior.
fa : Frecuencia absoluta de la clase.
t : Tamao o amplitud de la clase.
17,
1
18,
2
18, 19,
3 4
k *n
; Q2 = 2*10 =
4
4
F-CV3-3B-3
36
Entonces Q2 = 5 ; pero recordemos que esto es posicin, en este caso la posicin 5 ocupa el valor
nmero 20; por lo tanto el valor de Q2 = 20.
PASO 3: Se interpretan los resultados
La interpretacin sera que el 50% de los pacientes atendidos tienen menor o igual a 20 aos.
2.- Para el clculo de Decil, en este caso D5; realizaremos el mismo procedimiento.
Utilizando la siguiente formula Dk
k *n
10
Diremos que el valor numrico del D5 es 20; su interpretacin sera que la edad de la ubicacin del
50% de los datos es de 20 aos, D5 = 20.
3.- Para el clculo del Percentil, en este caso P50; realizaremos el mismo procedimiento.
Utilizando la siguiente formula Pk
k *n
; reemplazaremos los datos Pk = P50,
100
17,
1
18,
2
18,
3
19,
4
Diremos que el valor numrico del P50 es 20; su interpretacin sera que la edad de la ubicacin del
50% de los datos es de 20 aos; P50 = 20.
NOTA: Obsrvese que los valores en este caso se obtuvieron igual; debido a que, Q2 = D5 = P50 y
todos estos equivales a la ubicacin u posicin del 50% de los datos; lo que a su vez es igual a la
mediana como valor central.
F-CV3-3B-3
37
Paso 1: Primero se debe identificar cual es la clase en la que se trabajara, para lo cual diremos que
la debe encontrarse entre:
C
1
2
3
4
5
Donde n=10
Ii
[1 - 2>
[2 - 3>
[3 - 4>
[4 - 5>
[5 - 6>
fa
2
4
1
1
2
FA
2
6
7
8
10
FA 1 <
< FA
Q3
FA 1 <
Qk
Reemplazando: FA 1
k *n
4
<
7.5
8 <
< FA
<
FA
< 10
Q3 5
((k * n) / 4) ( FA1 )
* t ; reemplazando datos:
fa
(8) (8)
*1 5 ; Entonces diremos que el Q3 = 75 % de las mujeres atendidas en el
2
D6
Dk
k *n
10
FA 1 < 6 <
6
< 6 <
< FA
< FA
FA
7
F-CV3-3B-3
38
Por lo tanto la clase C es 3; y trabajaremos con los datos de este nivel o clase.
Utilizando la formula: Dk Li
D6 3
(6) (6)
*1 3 ; Entonces diremos que el D6 = 60 % de las mujeres atendidas en el
1
3.- Para el clculo de Percentil, en este caso P30; se proceder de la misma manera.
P30
Pk
FA 1 <
Reemplazando:
FA 1
2
<
< FA
k *n
100
3
3
< FA
<
<
FA
6
Por lo tanto la clase C es 2; y trabajaremos con los datos de este nivel o clase.
Utilizando la frmula: Pk Li
P30 2
; reemplazando datos:
(3) (2)
*1 2, 25 , lo que equivale a 2.
4
Entonces diremos que el P30 = 30 % de las mujeres atendidas en el consultorio de oncologa tienen
2 controles 2 atenciones aproximadamente.
F-CV3-3B-3
39
Ejemplo:
En el siguiente conjunto de datos se muestran las edades de los nios captados para vacunacin
durante la visita domiciliaria realizada al A.A.H.H. Virgen del Rosario.
5, 9, 8, 4, 2, 1, 7, 6 ; Primero ordenaremos de menor a mayor: 1, 2, 4, 5, 6, 7 ,8 ,9
N=8
Val mx. = Vmax = 9
Val mn. = Vmin = 1
X i 2 n( X ) 2
S
(n 1)
i 1
n
Tomando los datos del ejemplo anterior debidamente ordenados de menor a mayor.
1, 2, 4, 5, 6, 7 ,8 ,9 ; donde n = 8
Entonces:
Xi2 = (1)2 + (2)2+ (4)2 +(5)2+ (6)2 +(7)2 +(8)2 +(9)2 = 276
()2 = (5,25)2 ; por lo tanto, ()2 = 27.56
Reemplazando en la frmula:
(27,56) 8(5,25)2
S
7,9
(8
1)
i 1
n
3.- DESVIACIN TPICA (S o ).- Tambin denominada desviacin estndar; si bien la varianza
representa unidades al cuadrado, por lo que no es una medida adecuada de dispersin si se
pretende expresar este concepto en trminos de las unidades originales.
Para obtener la medida de dispersin en unidades originales, simplemente se obtiene la raz
cuadrada de la varianza. El resultado se llama desviacin estndar, la cual se obtiene mediante la
siguiente frmula.
F-CV3-3B-3
40
Ejemplo: Tomando los datos del ejemplo anterior debidamente ordenados de menor a mayor.
1, 2, 4, 5, 6, 7 ,8 ,9 ; donde N = 8 y S2 = 7.9
Diremos que si la S2 = 7.9, entontes S = 7.9 ;por lo que, S = 2.81
La interpretacin sera que la desviacin estndar de esta variable se encuentra a 2.81
puntuaciones con respecto a la media.
Para comprender la interpretacin; por ejemplo, en estas tres muestras (0, 0, 14, 14), (0, 6, 8, 14) y
(6, 6, 8, 8) cada una tiene una media de 7. Sus desviaciones estndar mustrales son 8,08; 5,77 y
1,15 respectivamente. La tercera muestra tiene una desviacin mucho menor que las otras dos
porque sus valores estn ms cerca de 7.
NOTA:
Tener presente que la Varianza y la Desviacin estndar son sensibles a la variacin de cada una de
las puntuaciones, es decir, si una puntuacin cambia, cambia con ella la varianza. La razn es que si
miramos su definicin, la varianza es funcin de cada una de las puntuaciones. Tanto la varianza
como la desviacin estndar miden la variabilidad de la variable.
Cv
S
*100
X
Por ejemplo Qu ocurrir si lo que comparamos es la altura de unos elefantes con respecto a su
peso? Tanto la media como la desviacin tpica, y , se expresan en las mismas unidades que la
variable. Por ejemplo, en la variable altura podemos usar como unidad de longitud el metro y en la
variable peso, el kilogramo. Comparar una desviacin (con respecto a la media) medida en metros
con otra en kilogramos no tiene ningn sentido.
El coeficiente de variacin es lo que nos permite evitar estos problemas, pues elimina la
dimensionalidad de las variables y tiene en cuenta la proporcin existente entre medias y desviacin
tpica
F-CV3-3B-3
41
El Cv representa el nmero de veces que la desviacin tpica contiene a la media aritmtica y por lo
tanto cuanto mayor es Cv mayor es la dispersin y menor la representatividad de la media.
El coeficiente de variacin es tpicamente menor que uno. Para su mejor interpretacin se expresa
como porcentaje. Depende de la desviacin tpica y en mayor medida de la media aritmtica, dado
que cuando sta es 0 o muy prxima a este valor C.V. pierde significado, ya que puede dar valores
muy grandes, que no necesariamente implican dispersin de datos.
Grado de variabilidad de los datos
Coeficiente de variabilidad
As=0
As>0
Asimetra Positiva a la Derecha.
F-CV3-3B-3
42
Diremos que una distribucin es simtrica cuando su mediana, su moda y su media aritmtica
coinciden. Diremos que una distribucin es asimtrica a la derecha si las frecuencias (absolutas o
relativas) descienden ms lentamente por la derecha que por la izquierda. Si las frecuencias
descienden ms lentamente por la izquierda que por la derecha diremos que la distribucin es
asimtrica a la izquierda.
Su valor es cero cuando la distribucin es simtrica, positivo cuando existe asimetra a la derecha y
negativo cuando existe asimetra a la izquierda.
AS
3
i
nx * S x 3
X i 3 ( X X )3
Dnde:
F-CV3-3B-3
43
es
tericamente posible.
Es simtrica con respecto a su media.
El rea total bajo la curva es igual a 1.
Es simtrica con respecto a su media (Me), Segn esto, para este tipo de variables existe una
probabilidad de un 50% de observar un dato mayor que la media, y un 50% de observar un
dato menor.
La distancia entre la lnea trazada en la media y el punto de inflexin de la curva es igual a
una desviacin estandar (S). Cuanto mayor sea la S, ms aplanada ser la curva de la
densidad.
El rea bajo la curva comprendida entre los valores situados aproximadamente a dos
desviaciones estndar de la media es igual a 0.95. En concreto,
existe un 95% de posibilidades de observar un valor comprendido en el intervalo.
F-CV3-3B-3
44
2.5%
13.5%
34%
34%
13.5%
S
2.5%
-3s
-2s
-1s
Ejm: Con los datos de las 100 alumnas que rindieron el examen de fisiopatologa, se obtuvieron las
siguientes medidas: el promedio de notas es 14 con un desviacin estndar de 2. Supongamos que
las calificaciones de la pruebas producen un histograma simtrico y en forma de campana.
Qu porcentaje de alumnos salieron desaprobados?
1)
2)
3)
4)
5)
6)
Me= 15
S= 2
2,5% de las alumnas = 15-4 (2 desviaciones estndar)= 11 (nota)
2,5% de las alumnas tienen una nota menor de 11
2,5% (100) = Es aproximadamente entre 2 y 3 alumnos los que desaprobaron.
Por lo tanto 2,5% alumnas salieron desaprobadas.
F-CV3-3B-3
45
H. Descriptiva.
H. Correlacional.
H. Diferencia de Grupos.
H. Que establecen Causalidad.
F-CV3-3B-3
46
0 0
F-CV3-3B-3
47
Enunciado escrito:
Ho: La relacin entre la violencia psicolgica y el bajo nivel educativo se deben al azar.
Hi: La relacin entre la violencia psicolgica y el bajo nivel educativo no se deben al azar.
Enunciado operacionalizado
Ho: X = Y
H1: X Y
Enunciado escrito:
Ho: A menor consumo de protenas de origen animal, menor es el nivel de hemoglobina.
Hi: A mayor consumo de protenas de origen animal, mayor es el nivel de hemoglobina.
Enunciado operacionalizado
Ho: X Y
Hi: X > Y
2 colas ( =
)
Estadstico a utilizar. Es necesario indicar aqu, incluso colocar la frmula respectiva, si se trata de
un estadstico paramtrico o no paramtrico, los ejemplos estn en los flujogramas adelante
descritos.
Nivel de significancia. Es un convencionalismo que para ciencias de la salud, es un nivel de
significacin estadstico < 0,05
Interpretacin. Finalmente hay que indicar la decisin, es decir, rechazar o no la hiptesis nula,
en estadstica nunca se puede indicar que aceptar la hiptesis alterna, puesto que la estadstica
trabaja a travs de la negacin de las inferencias.
F-CV3-3B-3
48
P AS OS D E U N A P RU EB A D E HIP OTES IS
1
Se
pla n t ea
H ipt esis
Se
Seleccion a
n ivel de
Ho
Ha
95%
Se
iden t ifica
el
est a dst ico
de pr u eba
Z n or m a l
T st u den t
J i - cu a dr a do
Se
for m u la
la r egla
de
decisin
Se
seleccion
a n u est r a
r espu est a
h ipt esis
Acept a H o
Rech a za H o
CONTRASTE DE HIPOTESIS
Nos ayuda a tener clara la orientacin de las colas en una grfica de aceptacin.
BILATERAL
Ho = k
Ha k
Ho > k
Ha < k
Ho < k
Ha > k
UNILATERAL
F-CV3-3B-3
49
Hi : X = Y
H0 : X Y
ERRORES DE HIPOTESIS
F-CV3-3B-3
50
0
0 0
GL = N - 1
F-CV3-3B-3
51
Donde 0 corresponder a la media asumida para la poblacin, y los dems valores corresponden a
los calculados a partir de la muestra (s es la desviacin estndar).
Esta prueba es vlida para un muestreo independiente, es decir, donde se han escogido el grupo de
estudio de forma aleatoria.
Ejemplo:
F-CV3-3B-3
52
PRUEBA DE PEARSON
La prueba de Pearson es considerada como una prueba no paramtrica que mide la discrepancia
entre una distribucin observada y otra terica (bondad de ajuste), indicando en qu medida las
diferencias existentes entre ambas, de haberlas, se deben al azar en el contraste de hiptesis.
Tambin se utiliza para probar la independencia de dos variables entre s, mediante la presentacin
de los datos en tablas de contingencia.
La frmula que da el estadstico es la siguiente:
Donde:
X2 = ( Fo Fe )2
X2 = Ji cuadrado.
Fe
Fo = Frecuencia observada.
Fe = Frecuencia esperada.
Cuanto mayor sea el valor de 2, menos verosmil es que la hiptesis sea correcta. De la misma
forma, cuanto ms se aproxima a cero el valor de chi-cuadrado, ms ajustadas estn ambas
distribuciones.
Los grados de libertad gl vienen dados por:
gl= (r-1)(k-1).
Criterio de decisin:
Se acepta H0 cuando
Ejemplo:
F-CV3-3B-3
53
Un laboratorio clnico ensaya cuatro vacunas para prevenir el refri comn en mujeres. Se catalogo
(F) si el individuo vacunado se resfriaba en los tres meses siguientes a la vacuna y de xito (E) si no
se resfriaba en igual plazo.
VACUNA
A
B
C
D
TOTAL
FRACASO
6
12
18
17
53
XITO
37
23
27
20
107
TOTAL
43
35
45
37
160
Hallando el gl = (4 1)*(2 1)
gl = (3)*(1) = 3
Considerando un intervalo de confianza del
95% < > 0.05 nivel de significancia (ver tabla
Anexo N 9)
Punto crtico = 7,81
Completando datos:
CELDA
Fo
Fe
(Fo - Fe)2/Fe
AF
BF
CF
DF
AE
BE
CE
DE
6
12
0
17
37
0
27
20
14,2
11,6
0
12,2
28,8
0
30,1
24,8
4,7
0
0
1,9
2,3
0
0,3
0,9
X2 = 10.1
Entonces:
Rechaza (H0)
Hiptesis Nula
Z
7.8
1
10.
1
F-CV3-3B-3
54
SI ES REGRESIN
LINEAL
NO ES REGRESIN
LINEAL
PRUEBA r PEARSON
NO ES
REGRESIN
LINEAL
Este coeficiente fue pensado para variables cuantitativas, es un ndice que mide el grado de
covariancia o asociacin entre distintas variables relacionadas linealmente; sus valores oscilan entre
0 y 1.
El objeto de un anlisis de regresin es investigar la relacin estadstica que existe entre una
variable dependiente (Y) y una o ms variables independientes ( X 1 , X 2 , X 3 , ... ). Para poder
realizar esta investigacin, se debe postular una relacin funcional entre las variables. Debido a su
simplicidad analtica, la forma funcional que ms se utiliza en la prctica es la relacin lineal.
Cuando solo existe una variable independiente, esto se reduce a una lnea recta:
donde los coeficientes a y b son parmetros que definen la posicin e inclinacin de la recta.
(Ntese que hemos usado el smbolo especial Y para representar el valor de Y calculado por la
recta. Como veremos, el valor real de Y rara vez coincide exactamente con el valor calculado, por lo
que es importante hacer esta distincin.)
F-CV3-3B-3
55
F-CV3-3B-3
56
Ecuacin de Regresin.
Es una ecuacin que define la relacin lineal
entre dos variables.
FUNDAMENTOS
LINEAL
PARA
UNA
REGRESIN
1. Los
valores
de
la
variable
independiente X son fijados por el investigador.
2. La variable X se mide sin error. Dado que ningn procedimiento de medicin es perfecto,
esto significa que la magnitud del error de medicin en X es insignificante.
3. Para cada valor de X existe una sub poblacin Y. Los valores de X e Y deben seguir
una distribucin normal.
4. Todas las varianzas de las sub poblaciones de Y son iguales.
5. Los valores de X e Y son estadsticamente diferentes.
6. Todas las medias de sub poblaciones de Y se encuentran en la misma lnea recta. A esto se
le conoce como suposicin de linealidad.
Se aplica a variables cuantitativas., miden la relacin CAUSA EFECTO
CORRELACION LINEAL
Se refiere a la medicin de la intensidad de la relacin entre las variables. Cuando se calculan
mediciones de correlacin a partir de un conjunto de datos, el inters recae en el grado de
correlacin entre las variables.
Rho Spearman
A continuacin, desarrollaremos el grado de relacin entre dos o ms variables en lo que
llamaremos anlisis de correlacin, Para representar esta relacin utilizaremos una representacin
grfica llamada diagrama de dispersin.
Es el conjunto de tcnicas estadsticas empleado para medir la intensidad de la asociacin entre dos
variables. El principal objetivo del anlisis de correlacin consiste en determinar que tan intensa es
la relacin entre dos variables. Normalmente, el primer paso es mostrar los datos en un diagrama de
dispersin.
F-CV3-3B-3
57
F-CV3-3B-3
58
0.0
0.2
CORRELACIN
MNIMA
SIN
CORRELACIN
0.4
CORRELACIN
BAJA
0.6
CORRELACIN
MODERADA
0.8
CORRELACIN
BUENA
1.0
CORRELACIN
MUY BUENA
CORRELACIN
PERFECTA
Dnde:
D = Diferencia entre la posicin de cada par.
N = El nmero de pares de observaciones.
= Calculo Coeficiente de Spearman.
F-CV3-3B-3
59
1.3. Anexos
ANEXO N1
CUESTIONARIO
CALIDAD DE ATENCIN DEL CUIDADO DEL PROFESIONAL DE SALUD
Tomado de la tesis de Karla Flor de Mara Tejada Cruz
ESCALA DE ACTITUD
INDICADORES
1
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
F-CV3-3B-3
60
ANEXO N 2
EVALUACIN DE ANGINA DE PECHO Y SUS FACTORES DE RIESGO EN PACIENTES ATENDIDOS EN EL
CENTRO ASISTENCIAL JUAN JORE RODRIGUEZ LAZO CHORRILLOS
A continuacin se presentan una muestra de pacientes atendidos en el servicio de
cardiologa del consultorio externo del Centro Asistencial Juan Jos Rodrguez Lazo en
Chorrillos, en el ao 2001.
Angina de Pecho
Colesterol
U.M. mg / dl
140-200
Triglicridos
U.M: mg/dl
45-150
Hipertensin
1: Hipertenso
0: No Hipertenso
Glucosa
U:M.: mg/dl
70-110
Obesidad
1: Obeso
0: No obeso
Tabla N1
N
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
Angina de Edad
Sexo Colesterol Triglicridos Hipertensin Glucosa Obeso
de pecho
1
45 m
226
337
1
105
1
1
68 f
452
138
1
86
1
1
77 f
170
46
1
85
0
1
72 m
224
98
0
82
1
1
68 m
217
181
1
78
1
1
71 m
203
163
1
84
0
1
77 f
169
236
1
207
0
1
64 m
153
78
1
94
0
1
69 f
274
84
1
84
1
1
46 m
289
142
1
97
1
1
47 m
148
112
1
78
0
1
79 f
191
64
1
95
1
1
74 f
284
212
1
75
1
1
85 f
274
120
1
156
0
1
70 m
192
270
0
87
1
1
67 f
222
421
0
102
1
1
73 m
174
182
0
105
1
0
62 f
218
138
1
99
0
0
68 f
150
45
0
110
0
0
58 f
145
19
1
110
0
0
52 f
192
123
0
78
1
0
54 f
200
130
0
93
1
0
56 f
196
132
0
106
1
0
60 f
165
137
0
85
1
0
49 m
165
56
1
95
0
0
58 m
143
65
0
92
0
0
29 f
165
162
1
105
1
0
84 m
172
106
0
89
1
0
34 f
165
111
1
37
0
0
55 f
144
150
0
37
0
F-CV3-3B-3
61
F-CV3-3B-3
62
F-CV3-3B-3
63
F-CV3-3B-3
64
F-CV3-3B-3
65
II.
Fuentes de informacin
2.1. Bibliografa
2.2. Revistas
1.- INSTITUTO NACIONAL DE ESTADSTICA E INFORMATICA. Manual para la presentacin de grficos
estadsticos Lima-Per 2009
http://www.inei.gob.pe/media/MenuRecursivo/metodologias/libro.pdf
2.- INSTITUTO NACIONAL DE ESTADSTICA E INFORMATICA. Manual para la presentacin de cuadros
estadsticos Lima-Per 2006
http://www.inei.gob.pe/media/MenuRecursivo/publicaciones_digitales/Est/Lib0933/Libro.pdf
2.3. Internet
1.- MINSA: Ministerio de Salud. [Internet]. Lima-Per; [Citado en Marzo del 2016].
Estadstica
[aprox.
2
pantallas].
Disponible
en:
http://www.minsa.gob.pe/index.asp?op=2
2.- INEI: Instituto Nacional de Estadstica e Informtica. Lima-Per; [Citado en
Marzo del 2016].
Estadstica [aprox. 5 pantallas]. Disponible en:
http://www.inei.gob.pe/
F-CV3-3B-3
66