(BIO)ESTADÍSTICA

INTRODUCCIÓN
 ¿QUÉ ES LA (BIO)ESTADÍSTICA?

Es la rama de las matemáticas

aplicadas que permite estudiar
fenómenos biológicos cuyos
resultados son en parte inciertos.

OBJETIVO ⇒ cuantificar la incertidumbre del proceso

de
medición en medicina
 ¿POR QUÉ ES NECESARIA?

♣ Porque es capaz de controlar la

impredecible variabilidad biológica de los
individuos objeto de estudio en las
ciencias de la salud.

♣ Porque analiza y pone en orden los

datos para responder a la naturaleza cada
vez más cuantitativa de las ciencias de la
salud.
 ¿POR QUÉ ES NECESARIA?

♣ Porque su conocimiento permite la

lectura crítica y comprensiva de los
resultados científicos ajenos.

♣ Porque el trabajo clínico es

esencialmente probabilístico y estadístico,
para dar rigor al diagnóstico, pronóstico y
tratamiento.
 ¿POR QUÉ ES NECESARIA?

♣ Porque la perspectiva comunitaria de las

ciencias de la salud exige su uso para
extrapolar las conclusiones desde la
muestra a la globalidad.

♣ Es necesaria en todas las fases de la

investigación en ciencias de la salud:
diseño, recopilación y análisis de los
resultados.
 LA ESTADÍSTICA CONSTA DE DOS
PARTES:

RECOGER
CLASIFICAR - No permite extraer conclusiones
DESCRIPTIVA
REPRESENTAR - Sujeta a errores
RESUMIR
- Permite generalizar de la
INFERENCIAL HACER INFERENCIAS muestra a la población general
- Toma de decisiones
 ESTADISTICA DESCRIPTIVA

♣ Describe y sintetiza los datos obtenidos de

las observaciones y mediciones, resumiéndolos
en unos índices denominados estadísticos

EJEMPLO:
De las 50 personas estudiadas 10 (20%) eran
varones, la media de edad de 30 años (DE 18), …
CONCEPTOS GENERALES
 TIPOS DE EXPERIEMTOS

DETERMINISTAS

ALEATORIAS/ESTOCASTICOS
Población: grupo con al menos una
característica común. Tipos:
finita/infinita.

Muestra: subconjunto de individuos de la

población sobre el que realizamos
mediciones.

Individuo: cada uno de los elementos de

la población o de la muestra.
 • Población
Costes
• Muestra Calidad de los datos
Representatividad
de la población
• Individuos

ESTADISTICO/ESTIMADOR → muestra
PARÁMETRO → población
 POBLACIÓN
µ = 173,2

Selección al azar

Muestra 1 Muestra 2 Muestra j

..... .....
x1 = 172,1 x2 = 174,1 xj = 173,7
 VARIABLES

Propiedades o cualidades que

presentan los individuos de una
población que se desea estudiar
que es observable y medible
 MEDICIÓN

Procedimiento de atribuir valores

cuantitativos o cualitativos a
características de objetos, personas o
hechos.
 TIPOS DE VARIABLES (I)

Según su relación con lo estudiado

1. Variables relevantes para los objetivos
del estudio
2. Variables universales
3. Variables complementarias
1. Variables relevantes para los objetivos
del estudio

– Variables dependientes (resultado, efecto, desenlace)

– Variables independientes (exposición, explicativas)

EJEMPLO:
Se quiere probar la efectividad de un nuevo fármaco para
controlar la hipertensión arterial

•Variable independiente:
Nuevo fármaco (factor de estudio)
•Variable dependiente:
Valores de hipertensión arterial
 2. Variables universales

(sociodemográficas)
– Edad
– Sexo
– Clase social
– Estado civil,...
 3. Variables complementarias

– Variables que permiten definir mejor

la población en estudio
– Variables que ayudan a definir
subgrupos de interés
– Variables que incluyan mediciones
temporales
 TIPO DE VARIABLES (II)

También podemos tener

distintos tipos de variables en
función de las características de
lo que midan

Cuantitativas Cualitativas
 CUANTITATIVAS CUALITATIVAS

Ordinales Nominales
Discretos Continuos
Politómico Dicotómico

peso sexo
endodoncias grupo sanguíneo
colesterol gravedad
nº de hijos religión

Escala métrica Cualidad

Ejercicio 1:

Clasificar las variables del siguiente cuadro según la escala de

medida:

Variable Escala de medida

Estado civil
Glucosa plasmática (mg/dl)
Diabetes (presente/ausente)
Hipertensión (normotenso/hipertenso)
Presión arterial (mmHg)
Valoración APGAR (normal/anormal)
Tiempo de reacción (s)
Número de padres fumadores
Nivel de colesterol sérico (g/dl)
Hábito de beber (bebedor/abstemio)
Dosis de alcohol (alta/baja/sin alcohol)
Consumo de alcohol (g)
Cualitativa (categórica policotómica)
Cuantitativa continua
Cualitativa (categórica dicotómica)
Cualitativa (categórica dicotómica)
Cuantitativa continua
Cualitativa (categórica dicotómica)
Cuantitativa continua
Cuantitativa discreta
Cuantitativa continua
Cualitativa (categórica dicotómica)
Cualitativa (categórica policocotómica)
Cuantitativa continua
ORGANIZACIÓN Y CODIFICACIÓN
DE LOS DATOS
 DATOS

• Matriz de datos
- filas
- columnas
• Perdidos
 ESCALA A ELEGIR

Siempre elegir la más informativa

Consumo de tabaco:

- fumador/no fumador

- nº cigarrillos al día
 CODIFICACIÓN:

CUANTITATIVAS CUALITATIVAS

Peso: 45, 58, 67... Sexo: H (1) M (2)

Endodoncias: 1, 8, 3... ABO: A (1), B(2), O (3)
Colesterol: 150, 200.. Religión: católico (1)..
 CODIFICACIÓN (ejemplo):

NOMBRE SEXO EDAD PESO ALTURA BEBE FUMA REALIZA EJERCICIO FÍSICO

ECB M 39 55 kg 1.57 m No No Nunca

Pedro Hombre 33 70 kg 170 cm No No Sí, de 3 a 5 h semanales

JPG Varón 50 7000 1.80 m No Sí Menos de 3 h a la semana

CMO Mujer 40 51 1.55 No Sí Menos de 3 h a la semana

NOMBRE SEXO EDAD PESO ALTURA BEBE FUMA REALIZA EJERCICIO FÍSICO

ECB 2 39 55 157 2 2 0

Pedro 1 33 70 170 2 2 2
JPG 1 50 70 180 2 1 1
CMO 2 40 51 155 2 1 1
NOTACIÓN
Parámetros: a nivel poblacional. Se
suelen usar caracteres griegos (σ,
μ,…)

Variables: x, y, edad

Valores de las variables en los

individuos: xi, yi, edadi

Estadísticos: a nivel de muestra

ESTADÍSTICA DESCRIPTIVA
TIPO DE VARIABLE ÍNDICE ESTADÍSTICO

CUALITATIVA D istribución de
PROPORCIÓN
frecuencias

CUANTITATIVA Interesa la MEDIA, MEDIANA,

posición MODA

I nteresa la RANGO

dispersión VARIANZA
DESVIACIÓN TÍPICA
COEFICIENTE DE
VARIACIÓN
 SÍNTESIS de DATOS
(variables cualitativas)
 Grupo sangu íneo, n º de hermanos y peso (en Kg. ) de 500
alumnos varones de una Universidad

Grupo Nº de
A lumno n.º Peso
sanguíneo hermanos

1 A
2 B
― ―
― ―
― ―
― ―
500 AB
0 70,502
3 67,231
― ―
― ―
― ―
― ―
2 71,676
 TIPOS DE FRECUENCIAS

Frecuencia absoluta (recuentos)

Frecuencia relativa (frecuencias absolutas en relación

con el total)

Frecuencia simple (nos fijamos en la ocurrencia de un

solo valor de la variable estudiada)

Frecuencia acumulada (sumatorio hasta un

determinado valor de la variable ~ variables que
guardan un orden)
 TIPOS DE FRECUENCIAS

Frecuencia absoluta simple (ni): expresa el

número de veces que ocurre un determinado valor
de una variable.

Frecuencia absoluta acumulada (Ni): para el valor xi

de la variable sería la la suma de las frecuencias absolutas
de los valores inferiores o iguales a él.
i
Ni = ∑ n j =n1 +n 2 +...+n i
j=1
 TIPOS DE FRECUENCIAS

Frecuencia relativa simple (fi): el cociente entre la

frecuencia absoluta simple (ni) y el número total de
observaciones realizadas (N).
n
n
fi = i
N
con ∑
i= 1
fi =1

Frecuencia relativa acumulada (Fi): en el punto xi

el cociente entre la frecuencia absoluta acumulada (Ni)
y el número total de observaciones realizadas (N).
i

∑n
N i j=1
j i n
j
i
Fi = = =∑ = ∑ f j
N N j=1 N j=1
Ejercicio: Calcular las frecuencias absolutas y relativas del
sexo y del estado de salud de los siguientes datos:

Id Sexo Estado de salud Simples Acumuladas

0=malo; 1=regular;
2=bueno

1 1 0 nhombre
2 2 1 fhombre
3 1 1 nmujer
4 1 1 fmujer
5 2 2 nmalo Nmalo
6 1 0 fmalo Fmalo
7 1 2 nregular Nregular
8 1 2 fregular Fregular
9 2 1 nbueno Nbueno
10 1 2 fbueno Fbueno
Ejercicio: En un estudio de 200 radiografías se evalúa
cuantas radiografías han precisado un grupo de pacientes.
Completar la siguiente tabla de frecuencias absolutas y
relativas de la siguiente tabla:

Nº Rx Personas f i F i

0 0.2
1 84
2 0.72
3
4 24
5 0.02
 TIPOS DE FRECUENCIAS

Porcentajes (%): se obtienen

expresando las frecuencias
relativas (simples o acumuladas)
en tanto por 100 en vez de en
tanto por 1.
pi=fi x100
Pi=Fi x100
 TRANSFORMACIONES BÁSICAS DE
LAS FRECUENCIAS

Razón (Odds): es un cociente en el que el numerador no está incluido

en el denominador.

Ejemplo: Tenemos en una muestra con 4500 varones y 5000 mujeres. La

odds de ser varón es
4500/5000=0.90

Proporción: es un cociente en la que el numerador está incluido en el

denominador.

Ejemplo: En la muestra anterior la proporción de varones será:

4500/9000=0.4737
(también se puedes expresar en %: 47.37%)

Tasa: es una proporción en la que se quiere resaltar la frecuencia

relativa de la aparición de un evento en un tiempo dato.

Ejemplo: Tasa de mortalidad durante un año

 TABLAS DE FRECUENCIA
Grupo sangu íneo, n º de hermanos y peso (en Kg .) de 500
alumnos varones de una Universidad

Grupo Nº de
A lumno n.º Peso
sanguíneo hermanos

1 A
2 B
― ―
― ―
― ―
― ―
500 AB
0 70,502
3 67,231
― ―
― ―
― ―
― ―
2 71,676
 TABLAS DE FRECUENCIA
Distribución del grupo sanguíneo en 500 alumnos varones de
una Universidad

Grupo Frecuencia Frecuencia P orcentaje

sanguíneo absoluta (n i) relativa (f i) %

A 150 0,30 30%

B 75 0,15 15%
AB 25 0,05 5%
O 250 0,50 50%

T otal 500 1,00 100%

250
500
Dis tribución de peso (x) en kg. de una muestra de 500 alumnos
varones de una Universidad

Intervalo de clase ni f i %

x < 45 1 0,002 0,2

45 ≤ x < 50 3 0,006 0,6
50 ≤ x < 55 12 0,024 2,4
55 ≤ x < 60 75 0,150 15,0
60 ≤ x < 65 103 0,206 20,6
65 ≤ x < 70 155 0,310 31,0
........ ....... ....... ......
x ≥ 90 cajón de2 sastre 0,004 0,4

Total 500 1,000 100,0

 EJEMPLOS

“Se realizó una encuesta a 50 pacientes intervenidos

quirúrgicamente (misma intervención y misma
técnica), preguntando a las 24 horas el grado de dolor,
clasificándolo como dolor intenso, moderado o leve
(según definiciones aceptadas), obteniendo que un
25% era leve, un 50% moderado y un 25% intenso”

“Se estudiaron 100 pacientes operados de cadera, de los

cuales 25 eran varones representando un 25%, siendo la
razón hombre/mujer 1/3 (25/75)”
 DIABÉTICOS CONTROLES

Número de sujetos (N)

60 84

Sexo
Masculino n (%) 26 (43.3%) 40 (47.6%)
Femenino n (%) 34 (56.7%) 44 (52.4%)
Peso en kg
media (DE) 56.3 (8.2) 52.7 (7.8)

Edad en años
moda (amplitud) 15 (12 a 18) 14 (12 a 17)

Glucosa en sangre en
130 (112 a
mg/dl 80 (75 a 92)
131)
mediana (RIQ)
REPRESENTACIONES GRÁFICAS
(variables cualitativas)
 GRÁFICO DE SECTORES

5,2
19,6 7,6

Médico (n=272)

Residente (n=399)

Enfermería (n=1869)
35,7
31,9 Auxiliar (n=1674)

Celador (n=1027)

Figura. Gráfico de sectores. Distribución de

frecuencias relativas de la categoría profesional
(N=5241)
 DIAGRAMA DE BARRAS SIMPLE

40,0
35,7
35,0
31,9

30,0
Frecuencia relativa

25,0

19,6
20,0

15,0

10,0 7,6
5,2
5,0

0,0
Médico Residente Enfermería Auxiliar Celador
(n=272) (n=399) (n=1869) (n=1674) (n=1027)

Figura. Gráfico de barras. Distribución de

frecuencias relativas de la categoría profesional
(N=5241)
 DIAGRAMA DE BARRAS SIMPLE

2000 1869
1800 1674
1600

1400
Frecuencia absoluta

1200
1027
1000

800

600
399
400 272
200

0
Médico Residente Enfermería Auxiliar Celador

Figura. Gráfico de barras. Distribución de

frecuencias relativas de la categoría profesional
(N=5241)
 DIAGRAMA DE BARRAS SIMPLE

UCI Adultos (n=868)

Traumatología (n=332)
Urgencias (n=323)
Angiología (n=320)
Oncología (n=316)
Cardiología (n=314)
Cir.Cardíaca (n=310)
Cir.General (n=307)
Medicina Interna (n=304)
Nefrología (n=295)
Urología (n=281)
Hematología (n=271)
Neurocirugía (n=270)
Neonatos (n=269)
Ginecología (n=236)
UCI Pediátrica (n=229)

0,0 2,0 4,0 6,0 8,0 10,0 12,0 14,0 16,0 18,0
Frecuencia relativa

Figura. Gráfico de barras. Distribución de

frecuencias relativas del servicio evaluado
(N=5245)
 DIAGRAMA DE BARRAS SIMPLE (IC 95%)

50,0
45,0
Frecuencia relativa (IC 95%)

40,0
35,0
30,0
25,0
20,0
15,0
10,0
5,0
0,0
Infrapeso (n=5) Normopeso Sobrepeso (n=33) Obesidad (n=28)
(n=36)

Figura. Gráfico de barras. Distribución de

frecuencias relativas del grado de obesidad
(N=120).
 DIAGRAMA DE BARRAS AGRUPADO

100
88,5
90
82,1
80 73,6 72,3
70
Frecuencia relativa

60

50

40
26,4 27,7
30
17,9
20
11,5
10

0
Celadores Médico-residente Enfermería Auxiliares
(n=1027) (n=670) (n=1869) (n=1674)

Incorrecto/No HM Correcto

Figura. Distribución de frecuencias relativas de

higiene de manos (HM) en función del la
categoría profesional.
 DIAGRAMA DE BARRAS AGRUPADO/APILADO

100
11,5
90 17,9
26,4 27,7
80
70
60
50
88,5
40 82,1
73,6 72,3
30
20
10
0
Celadores Médico-residente Enfermería Auxiliares
(n=1027) (n=670) (n=1869) (n=1674)

Incorrecto/No HM Correcto

Figura. Distribución de frecuencias relativas de

higiene de manos (HM) en función del la
categoría profesional.
 DIAGRAMA DE BARRAS AGRUPADO

60
p=0,003 p<0,001 p<0,001

50
46,2

40
Porcentaje HM

30,4
30
24,2
21,3
20 17,4
14,3 13,2
10,8
10

0
Fijo Temporal Interino Quirúrgica Intensivos Médica Si No
Contrato Área Uso de guantes
2187|1576|1411 2056|1366|1822 2789|2455

Figura. Distribución de frecuencias relativas de

higiene de manos (HM) en función del contrato,
área y uso de guantes.
 SÍNTESIS de DATOS
(variables cuantitativas)
MEDIDAS DE POSICIÓN

µA µB
 Medidas de
Cuantiles
tendencia central

cuartiles,
Media Mediana Moda tertiles,
percentiles, …
 MODA

Es el valor que ocurre más a menudo

•No se afecta por valores extremos

•Puede no haber moda o haber varias modas
•Se usa para datos numéricos y categóricos
•Sólo tiene sentido cuando hay muchos datos
EJEMPLO:

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 0 1 2 3 4 5 6

No hay moda
Moda = 9
 MEDIA ARITMÉTICA (I)

Es el centro de gravedad de la distribución

de valores

48 54 58 60

Medida de tendencia central más usada

 MEDIA ARITMÉTICA (II)

1 N x1 + x 2 + ... + x N
x = ∑ xi =
N i =1 N
Mismas unidades de la variable
Se afecta por los valores extremos:
EJEMPLO:

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
Media = 5.0

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
Media = 6.8
 MEDIA PONDERADA
• Se emplea para cuando se quiere dar más peso a unos
valores que a otros.

xP =
∑ (x ×p )
i i

∑p i

EJEMPLO:
Supongamos que en una asignatura se ha obtenido un 5 en
prácticas, 6 en participación en clase, examen teórico 8 y examen
práctico 6. La nota final es 5% las prácticas, 15% la participación
en clase, 45% el examen teórico y 35% el práctico.

5×5+6×15+8×45+6×35
xP = =6.85
5+15+45+35
 MEDIA GEOMÉTRICA

• Relacionada con la transformación logarítmica

• Eliminar la asimetría positiva
• Mejorar la normalidad
N
μ G = N ∏ x i = N x1 ⋅ ... ⋅ x N
i =1

EJEMPLO:
En el ejemplo anterior: μ G = 5 48 ⋅ 54 ⋅ 58 ⋅ 60 ⋅ 60 = 55.8

48 54 58 60
 MEDIANA
El valor que deja por encima el 50% de las
observaciones y por debajo el otro 50%
En una serie ordenada es el número central EJEMPLO:
• Si n es impar, la mediana
0 1 2 3 4 5 6 7 8 9 10
es el dato central
Mediana = valor central = 5

• Si n es par, la mediana
es la media de los 2 datos 0 1 2 3 4 5 6 7 8 9 10

centrales Mediana = media del valor (n/2) y (1 + n/2) =

=(3+5)/2=4

No se afecta por valores extremos

EJEMPLO:

0 1 2 3 4 5 6 7 8 9 10 11
Mediana = 5

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
Mediana = 5
 75
3,
50
3,
25
3,
00
3,

Mediana 2,5
Media 2,5
75
2,
50
2,
25
2,
00
2,
75
1,
50
1,
25
1,
00
1,

0
50

40

30

20

10
 300

200

100

0
0,0 ,2 ,4 ,6 ,8 1,0
,1 ,3 ,5 ,7 ,9

Media 0,10
Mediana 0,04
 media = 3.2 horas
media = 448 mm mediana = 1.0 horas
mediana = 445 mm
 CUANTILES

Indican cuál es la posición relativa de

una observación con respecto al resto de
la muestra

• Percentiles 100
• Deciles 10
• Cuartiles 4
 CUARTILES

Separan los datos ordenados en cuatro partes iguales

25% 25% 25% 25%

Q1 Q2 Q3

i ⋅ (n+1)
Posición del cuartil i ( Qi )= con i=1,2,3
4

Datos en orden creciente: 11 12 13 16 16 17 18 21 22

Posiciones: 1 2 3 4 5 6 7 8 9

1×(9+1) 12+13
Posición del cuartil 1 ( Q1 )= =2.5 ⇒ Q1 = =12.5
4 2
 CUARTILES
Separan los datos ordenados en cuatro partes iguales

25% 25% 25% 25%

Q1 Q2 Q3
Primero, calculamos las posiciones que ocuparán los cuartiles
i ⋅ (n + 1 )
Posición del cuartil i ( Q i )= con i=1,2,3
4
EJEMPLO:
Datos en orden creciente: 11 12 13 16 16 17 18 21 22
Posiciones: 1 2 3 4 5 6 7 8 9

1×(9+1) 12+13
Posición del cuartil 1 ( Q1 )= =2.5 ⇒ Q1 = =12.5
4 2
 PERCENTILES

Separan los datos ordenados en 100

partes iguales

i ⋅ (n + 1 )
Posición del percentil i ( p i )= con i = 1,..,99
100
MEDIDAS DE DISPERSIÓN
 Indican el grado de
variabilidad de los datos
de la muestra

x
ALGUNOS EJEMPLOS…

peso = 73 kilos edad = 22 años

Matrimonio 1:
20 y 24 años

Matrimonio 2:
14 y 30 años
 MEDIDAS DE DISPERSIÓN

(amplitud) Rango (amplitud) Rango intercuartílico

[min;max] [RIC]

Variancia Desviación estándar

[VAR] [DE]

Coeficiente de variación
[CV]
 AMPLITUD de RANGO

Diferencia entre el valor mayor y el

menor

• No tiene en cuenta cómo se distribuyen los

datos
• Ventaja: mismas unidades y fácil de calcular
• Desventaja: toma sólo 2 valores y ↑ con n

EJEMPLO:
Ampl. Rango = 12 - 7 = 5 Ampl. Rango = 12 - 7 = 5

7 8 9 10 11 12 7 8 9 10 11 12
 AMPLITUD de RANGO INTERCUARTÍLICO

Diferencia entre el tercer y el primer

cuartil: amplitud del 50% central

Q3 - Q 1
• No se afecta por los valores extremos

EJEMPLO:

Datos en orden creciente: 11 12 13 16 16 17 17 18 21

Q3 - Q1 = 17.5 – 12.5 = 5

“en un rango de 5 unidades se encuentra el 50% de la

muestra”
 VARIANCIA

Media de los cuadrados de las desviaciones

a la media

s 2
=
∑ ( X -X )
i

n-1

• evitas el valor 0
• unidades al cuadrado
cm → cm2
EJEMPLO:
Queremos calcular la varianza en el ejemplo anterior:

48 54 58 60

s2 =
∑ (X i -X ) 1
x = ∑ xi = 56
n-1 N

∑(x -x)=(48-56)+(54-56)+(58-56)+(60-56)+(60-56)= −8−2+2+4+4=0

i
Suma de cuadrados !!

2 64 + 4 + 4 +16 +16
s = = 26
4
 DESVIACIÓN ESTÁNDAR

La raíz cuadrada positiva de la varianza

s=
∑(x - x)
i

n-1

El más utilizado para evaluar la

dispersión de los valores en torno a la
media
EJEMPLO:
Queremos calcular la DE de la siguiente serie de datos:
Serie Xi: 10 12 14 15 17 18 18 24

2
(
∑ i
x − x )
s=
n−1

n=8 Media =16

(10−16)2 +(12−16)2 +(14−16)2 +(15−16)2 +(17−16)2 + 2(18−16)2 +(24−16)2

s= =
8−1

= 4.3095
Para la muestra: se usa n – 1 en el denominador

2
(
∑ ix − x )
s=
n−1

Para la población: se usa N en el denominador

σ=
∑ (x − μ )
i

El valor de la desviación estándar es

mayor para los datos si son datos de una
muestra
 DISTRIBUCIÓN NORMAL

±1S: 68,27%

±2S: 95,45%

±3S: 99,73%
DISTRIBUCIÓN NORMAL
(distintas medias, distintas DE)
 COEFICIENTE DE VARIACIÓN

• Medida de variación relativa

• Siempre como porcentaje

• Muestra la variación relacionada con la media

• Se utiliza para comparar 2 o más grupos

s
CV= ×100 =...%
 x
EJEMPLO:

Tenemos 2 métodos de medida de distancias

¿cuál presenta mayor variabilidad?

Estatura de un individuo Altura de un edificio

x= (1,70 m) x= (25 m)

S = 1 cm S = 2 cm

CV= 1/170 x 100 CV= 2/2500

0,6 % 0,08 %
 DIABÉTICOS CONTROLES

Número de sujetos (N)

60 84

Sexo
Masculino n (%) 26 (43.3%) 40 (47.6%)
Femenino n (%) 34 (56.7%) 44 (52.4%)
Peso en kg
media (DE) 56.3 (8.2) 52.7 (7.8)

Edad en años
moda (amplitud) 15 (12 a 18) 14 (12 a 17)

Glucosa en sangre en
130 (112 a
mg/dl 80 (75 a 92)
131)
mediana (RIQ)
 DIABÉTICOS CONTROLES

Número de sujetos (N)

60 84

Sexo 26 M (43,3%) 40 M (47,6%)

n (%)
34 F (56,7%) 44 F (52,4%)
Peso en kg
media (DE) 56,3 (8,2) 52,7 (7,8)

Edad en años
moda (amplitud) 15 (12 a 18) 14 (12 a 17)

Glucosa en sangre en
130 (112 a
mg/dl 80 (75 a 92)
131)
mediana (RIQ)
MEDIDAS DE FORMA: ASIMETRÍA
 COEFICIENTE DE ASIMETRÍA

coeficiente asimetría (r) =

n ∑ i
( x − x ) 3

(n − 1)(n − 2) s3

Describe la simetría de los datos con respecto a la

media mediana media moda

Γ<0 Γ=0 Γ>0

MEDIDAS DE FORMA: CURTOSIS
REPRESENTACIONES GRÁFICAS
(variables cuantitativas y otros)
 HISTOGRAMA

% del N de
Recuento la columna
talla al alta [300, 310) 1 ,2%
[310, 320) 0 ,0%
[320, 330) 1 ,2%
[330, 340) 1 ,2%
[340, 350) 1 ,2%
[350, 360) 1 ,2%
[360, 370) 2 ,4%
[370, 380) 0 ,0%
[380, 390) 2 ,4%
[390, 400) 5 1,1%
[400, 410) 7 1,6%
[410, 420) 24 5,4%
[420, 430) 44 9,8%
[430, 440) 60 13,4%
[440, 450) 77 17,2%
[450, 460) 66 14,8%
[460, 470) 55 12,3%
[470, 480) 45 10,1%
[480, 490) 22 4,9%
[490, 500) 14 3,1%
[500, 510) 7 1,6%
[510, 520) 3 ,7%
[520, 530) 2 ,4%
[530, 540) 2 ,4%
[540, 550) 1 ,2%
[550, 560) 2 ,4%
[560, 570) 0 ,0%
[570, 580) 0 ,0%
[580, 590) 0 ,0%
[590, 600) 0 ,0%
[600, 610) 0 ,0%
[610, 620) 0 ,0%
[620, 630) 0 ,0%
[630, 640) 2 ,4%
[640, 650) 0 ,0%
[650, 660) 0 ,0%
Total 447 100,0%
HISTOGRAMA
 DESCRIPCIÓN VARIABLES
EstadísticosCUANTITATIVAS Estadísticos
Colesterol
Triglicéridos
N Válidos 331
N Válidos 330
Perdidos 27 Perdidos 28
Media 215,529 Media 104,615
Desv. típ. 39,9085 Desv . tí p. 59,5263
Asimetría ,236 Asimetrí a 1,750
Error típ. de asimetría ,134 Error típ. de asimetría ,134
Mínimo 86,0 Mínimo 28,0
Máximo 356,0 Máximo 396,0
Percentiles 25 188,000 Percentiles 25 64,000
50 214,000 50 87,000
75 242,000 75 128,250
DIAGRAMA DE CAJAS (BOX PLOT)

≥p75 + 3 x amplitud RIC

Valores extremos
≥p75 + 1.5 x amplitud RIC

Última observación dentro de los límites

P75 (Q3)

Mediana (Q2)
P25 (Q1)

Primera observación dentro de los límites

≤p25 - 1.5 x amplitud RIC

Valores extremos

≤p25 – 3 x amplitud RIC

DIAGRAMA DE CAJAS AGRUPADO (BOX PLOT AGRUPADO)
DIAGRAMA DE BARRAS DE ERROR
 DIAGRAMA DE BARRAS DE ERROR AGRUPADO

200
g lucemia (mg/dl)

160 150

120 110
95

80 75

40

0
momento 0 3 meses 6 meses 1 año
DIAGRAMA DE LINEAS

OJO: No siempre
tiene que
representarse la
media
DIAGRAMA DE DISPERSIÓN
 RESUMEN GENERAL DE REPRESENTACIONES GRÁFICAS

Diagrama de
Diagrama de barras Diagrama de Box plot Barras de error Diagrama de Diagrama de
Tipo de variable barras agrupado sectores Histrograma Box plot agrupado Barras de error agrupado líneas dispersión
Cualitativa
Ordinal Sí Cuando Sí, si añadimos Sí, si añadimos Sí, No
Sí, pero es No No No
añadimos la preferible el la información la información dependiendo
información de de barras de una var de una var del estadístico
otra var cuanti cuanti en la que que
cualitativa la media sea resumamos en
un buen el gráfico
representante
Nominal Cuando Sí, si añadimos Sí, si añadimos Sí,
Sí Sí No No No No
añadimos la la información la información dependiendo
información de de una var de una var del estadístico
otra var cuanti cuanti en la que que
cualitativa la media sea resumamos en
un buen el gráfico
representante
Cuantitativa
Continua No No No Sí Sí Sí, si añadimos Sí, si la media Sí, si la media Sí, Sí
la información es un buen es un buen dependiendo
de una var representante representante del estadístico
cuali de la variable y añadimos la que
información de resumamos en
una var cuali el gráfico

Discreta Sí, si solo Sí, si solo No Sí Sí Sí, si añadimos Sí, si la media Sí, si la media Sí, Sí, en
puede tomar puede tomar la información es un buen es un buen dependiendo especial si
pocos valores pocos valores de una var representante representante del estadístico la variable
y añadimos la cuali de la variable y añadimos la puede
que
información de tomar
información de resumamos en muchos
una var cuali una var cuali el gráfico valores