Tema 1: El método Estadístico, partes de la Estadística

Presentación del tema: "Tema 1: El método Estadístico, partes de la Estadística"— Transcripción de la presentación:

1 Tema 1: El método Estadístico, partes de la Estadística
Bioestadística Tema 1: El método Estadístico, partes de la Estadística Gialina Toledo Méndez Correo: Maestría en Salud Pública con mención en Epidemiología

2 ¿Qué es Estadística? Estadística se ocupa de los métodos y procedimientos para recoger, clasificar, resumir, hallar regularidades y analizar los datos, siempre y cuando la variabilidad e incertidumbre sea una causa intrínseca de los mismos; así como de realizar inferencias a partir de ellos, con la finalidad de ayudar a la toma de decisiones y en su caso formular predicciones

3 ¿Quién usa estadística?
Las técnicas estadísticas se usan ampliamente por personas en áreas de administración de hospitales (Gestión Hospitalaria),comercialización, control de calidad, consumidores,educación, política, medicina, etc...

4 ¿Para qué sirve la estadística?
La Ciencia se ocupa en general de fenómenos observables La Ciencia se desarrolla observando hechos, formulando leyes que los explican y realizando experimentos para validar o rechazar dichas leyes Los modelos que crea la ciencia son de tipo determinista o aleatorio (estocástico) La Estadística se utiliza como tecnología al servicio de las ciencias donde la variabilidad y la incertidumbre forman parte de su naturaleza “La Bioestadística [...] enseña y ayuda a investigar en todas las áreas de las Ciencias de la Vida donde la variablidad no es la excepción sino la regla” Carrasco de la Peña (1982)

5 Definición La Estadística es la Ciencia de la
Sistematización, recogida, ordenación y presentación de los datos referentes a un fenómeno que presenta variabilidad o incertidumbre para su estudio metódico, con objeto de deducir las leyes que rigen esos fenómenos, y poder de esa forma hacer previsiones sobre los mismos, tomar decisiones u obtener conclusiones. Descriptiva Probabilidad Inferencia

6 Pasos en un estudio estadístico
Plantear hipótesis sobre una población Los fumadores tienen “más bajas” laborales que los no fumadores ¿En qué sentido? ¿Mayor número? ¿Tiempo medio? Decidir qué datos recoger (diseño de experimentos) Qué individuos pertenecerán al estudio (muestras) Fumadores y no fumadores en edad laboral. Criterios de exclusión ¿Cómo se eligen? ¿Descartamos los que padecen enfermedades crónicas? Qué datos recoger de los mismos (variables) Número de bajas Tiempo de duración de cada baja ¿Sexo? ¿Sector laboral? ¿Otros factores? Recoger los datos (muestreo) ¿Estratificado? ¿Sistemáticamente? Describir (resumir) los datos obtenidos tiempo medio de baja en fumadores y no (estadísticos) % de bajas por fumadores y sexo (frecuencias), gráficos,... Realizar una inferencia sobre la población Los fumadores están de baja al menos 10 días/año más de media que los no fumadores. Cuantificar la confianza en la inferencia Nivel de confianza del 95% Significación del contraste: p=2% No tenéis que entenderlo (aún)

7 Método científico y estadística

8 Método Científico Es el método de estudio sistemático de la naturaleza que incluye las técnicas de observación, reglas para el razonamiento y la predicción, ideas sobre la experimentación planificada y los modos de comunicar los resultados experimentales y teóricos.

9 Pasos del Método Estadístico
Planificación Organización Ejecución Supervisión Análisis Conclusiones Publicación

10 Tipos de Estadística A) Estadística descriptiva:
Métodos y técnicas que permite organizar, resumir y presentar datos de manera informativa.

11 A) Estadística Descriptiva
Recolecta Ordena Clasifica Analiza Presenta

12 B) Estadística inferencial:
Parte de la estadística que utiliza métodos y técnicas que permite tomar una decisión, estimación, predicción o generalización sobre una población, con base a datos de una muestra.

13 B) Estadística Inferencial
Análisis E. Propósito Conclusiones Inducir Inferir Leyes Relaciones Matemáticas Muestra Características Probar hipótesis Población

14 Población y muestra CONCEPTOS BASICOS:
Población (‘population’) es el conjunto sobre el que estamos interesados en obtener conclusiones (hacer inferencia). Normalmente es demasiado grande para poder abarcarlo. Muestra (‘sample’) es un subconjunto suyo al que tenemos acceso y sobre el que realmente hacemos las observaciones (mediciones) Debería ser “representativo” Esta formado por miembros “seleccionados” de la población (individuos, unidades experimentales).

15 CONCEPTOS BASICOS: Unidad Elemental:

16 CONCEPTOS BASICOS: Observación:

17 Ejemplo n° 1

18 CONCEPTOS BASICOS: Parámetro:

19 CONCEPTOS BASICOS: Parámetro

20 Estadístico o Estimador:
CONCEPTOS BASICOS: Estadístico o Estimador:

21 Variables Una variable es una característica observable que varía entre los diferentes individuos de una población. La información que disponemos de cada individuo es resumida en variables. En los individuos de la población peruana, de uno a otro es variable: El grupo sanguíneo {A, B, AB, O}  Var. Cualitativa Su nivel de felicidad “declarado” {Deprimido, Ni fu ni fa, Muy Feliz}  Var. Ordinal El número de hijos {0,1,2,3,...}  Var. Numérica discreta La altura {1’62 ; 1’74; ...}  Var. Numérica continua

22 Tipos de variables : Variable cualitativa
1-7 Tipos de variables : A) Clasificación de las Variables por su Naturaleza: Variable cualitativa o de atributos: la característica o variable que se estudia no es numérica. (No es posible operaciones algebraicas con ellas) Ejemplos: sexo, afiliación religiosa, tipo de automóvil que se posee, lugar de nacimiento, color de los ojos Diagnostico de pacientes. etc.

23 Variable cuantitativa: la variable se registra numéricamente.
1-8 Variable cuantitativa: la variable se registra numéricamente. ( Es posible operaciones algebraicas con ellas). Ejemplos: número de abortos, minutos que faltan para que termine la clase, número de niños en una familia. Número de camas en un establecimiento de salud, Nivel de colesterol,hemoglobina,glucosa,prolactina etc.

24 1-9 Las variables cuantitativas se pueden clasificar como discretas o continuas. Variables discretas: sólo pueden adquirir ciertos valores y casi siempre hay “brechas” entre esos valores.(Números enteros) Ejemplos: el número de habitaciones en una casa (1,2,3,..., etc.).,número de servicios de hospitalización en un establecimeinto de salud, número de trabajadores (RR.HH) asistenciales de un establecimiento de salud, numero de abortos, numero de médicos, etc.

25 1-10 Variables continuas: pueden tomar cualquier valor dentro de un intervalo específico.(Generalmente datos con decimales) Ejemplos: el tiempo que un trabajador toma en llegar de su hogar al centro laboral., talla, gluosa en el paciente, hemoglobina en el paciente, colesterol en el paciente, etc.

26 Resumen de tipos de variables por su naturaleza:
1-11 Resumen de tipos de variables por su naturaleza:

27 1-13 Niveles de medición: Nivel nominal: los datos sólo se puede clasificar en categorías, no se pueden ordenar. Solo son validad las relaciones de igualdad (=) y no igualdad (≠) Ejemplos: color de los ojos, sexo, afiliación religiosa, nacionalidad etc.

28 1-14 Mutuamente excluyente: un individuo, objeto o artículo, al ser incluido en una categoría, debe excluirse de las demás. Exhaustivo: cada persona, objeto o artículo debe clasificarse en al menos una categoría. EJEMPLO: Sistema de pensiones de un trabajador.

29 1-15 Nivel ordinal: datos que se pueden ordenar, pero no es posible determinar las diferencias entre los valores de los datos o no tienen significado. Son validas las relaciones de igualdad(=) de no igualdad (≠) y de orden (≤) Ejemplos: La variable “estatus Socio económico” se puede clasificar en Baja, media, alta. La variable “Merito Académico” se clasificará como 1º, 2º, 3º, 4º, … etc.

30 Nivel de intervalo: similar al nivel ordinal, con la propiedad adicional de que se pueden determinar cantidades significativas de las diferencias entre los valores. No existe un punto cero relativo. Ejemplo: temperatura en la escala de grados Fahrenheit.

31 Nivel de razón: el nivel de intervalo con un punto cero inicial absoluto. Las diferencias y razones son significativas para este nivel de medición. EJEMPLOS: dinero, Pulso,

32 B) Clasificación de las Variables por su Nivel de Abstracción:
A. Teóricas: son aquellas que necesitan definirse operacionalmente; por que sus cualidades o características no son fácilmente observables ni medibles. Ejemplos: Desarrollo económico, rendimiento escolar, hábitos de estudio, preferencia en consumo, niveles educativos, estratos sociales, evaluaciones. B. Intermedias: son variables que permiten especificar a las variables teóricas, con la finalidad de hacerlas observables y medibles. Ejemplos: alto, medio, bajo; regular, media, baja; excelente, bueno, regular, malo. C. Empíricas: son aquellas variables que no necesitan definirse operacionalmente, porque sus valores se identifican en forma inmediata y su medición es sencilla. Ejemplo: talla, temperatura, peso, edad, nota, morbilidad, sexo, causas de mortalidad.

33 C) Clasificación de las Variables por su Relación Causal:
A. Independiente: son aquellas variables que no dependen de ninguna otra variable dentro de un contexto determinado, indica: causa, antecedente, determinante. B. Dependiente: son aquellas variables que dependen de otra u otras variables dentro de un contexto determinado, indica: efecto, resultado, consecuente. C. Interviniente: son aquellas que van a especificar las condiciones o requisitos para que las variables independientes y dependientes tomen sus correspondientes valores.

34 Se pueden asignar códigos a respuestas especiales como
Es buena idea codificar las variables como números para poder procesarlas con facilidad en un ordenador. Es conveniente asignar “etiquetas” a los valores de las variables para recordar qué significan los códigos numéricos. Sexo (Cualit: Códigos arbitrarios) 1 = Hombre 2 = Mujer Raza (Cualit: Códigos arbitrarios) 1 = Blanca 2 = Negra,... Felicidad Ordinal: Respetar un orden al codificar. 1 = Muy feliz 2 = Bastante feliz 3 = No demasiado feliz Se pueden asignar códigos a respuestas especiales como 0 = No sabe 99 = No contesta... Estas situaciones deberán ser tenidas en cuentas en el análisis. Datos perdidos (‘missing data’)

35 Aunque se codifiquen como números, debemos recordar siempre el verdadero tipo de las variables y su significado cuando vayamos a usar programas de cálculo estadístico. No todo está permitido con cualquier tipo de variable.

36 Los posibles valores de una variable suelen denominarse modalidades.
Las modalidades pueden agruparse en clases (intervalos) Edades: Menos de 20 años, de 20 a 50 años, más de 50 años Hijos: Menos de 3 hijos, De 3 a 5, 6 o más hijos Las modalidades/clases deben forman un sistema exhaustivo y excluyente Exhaustivo: No podemos olvidar ningún posible valor de la variable Mal: ¿Cuál es su color del pelo: (Rubio, Moreno)? Bien: ¿Cuál es su grupo sanguíneo? Excluyente: Nadie puede presentar dos valores simultáneos de la variable Estudio sobre el ocio Mal: De los siguientes, qué le gusta: (deporte, cine) Bien: Le gusta el deporte: (Sí, No) Bien: Le gusta el cine: (Sí, No) Mal: Cuántos hijos tiene: (Ninguno, Menos de 5, Más de 2)

37 Presentación ordenada de datos
Género Frec. Hombre 4 Mujer 6 Las tablas de frecuencias y las representaciones gráficas son dos maneras equivalentes de presentar la información. Las dos exponen ordenadamente la información recogida en una muestra.

38 Tablas de frecuencia Exponen la información recogida en la muestra, de forma que no se pierda nada de información (o poca). Frecuencias absolutas: Contabilizan el número de individuos de cada modalidad Frecuencias relativas (porcentajes): Idem, pero dividido por el total Frecuencias acumuladas: Sólo tienen sentido para variables ordinales y numéricas Muy útiles para calcular cuantiles (ver más adelante) ¿Qué porcentaje de individuos tiene menos de 3 hijos? Sol: 83,8 ¿Entre 4 y 6 hijos? Soluc 1ª: 8,4%+3,6%+1,6%= 13,6%. Soluc 2ª: 97,3% - 83,8% = 13,5%

39 Datos desordenados y ordenados en tablas
Variable: Género Modalidades: H = Hombre M = Mujer Género Frec. Frec. relat. porcentaje Hombre 4 4/10=0,4=40% Mujer 6 6/10=0,6=60% 10=tamaño muestral Muestra: M H H M M H M M M H equivale a HHHH MMMMMM

40 “ no son los vestíbulos de mármol los que proporcionan la grandeza intelectual, sino el ALMA y el CEREBRO del investigador ”. Gracias