11 E STADÍSTICA PARA LA G ESTIÓN ( EN S ISTEMAS DE S ALUD ) Profesor: Germán Lobos Talca, 14 noviembre de 2014.

Presentación del tema: "11 E STADÍSTICA PARA LA G ESTIÓN ( EN S ISTEMAS DE S ALUD ) Profesor: Germán Lobos Talca, 14 noviembre de 2014."— Transcripción de la presentación:

1 11 E STADÍSTICA PARA LA G ESTIÓN ( EN S ISTEMAS DE S ALUD ) Profesor: Germán Lobos globos@utalca.cl Talca, 14 noviembre de 2014

2 2 Técnicas cuantitativas El análisis estadístico se usa para manipular, resumir e investigar datos con el fin de obtener información útil en la toma de decisiones

3 3 Cuidado con… Relaciones espurias, implicaciones causales erróneas y mentiras estadísticas

4 Las personas altas tienen ingresos más altos que las personas bajas. Para tener más ingresos hay que ser una persona alta.

5 5 En algunas economías en crecimiento se constató que a medida que aumentaba el número de palomas, en los pueblos aumentaba la tasa de natalidad. ¿Será cierto lo que nos contaban las abuelas? (Variable de Confusión: población)

6 6 Durante el verano en una ciudad aumenta la venta de helados y la tasa de asesinatos. ¿Será que el aumento en la venta de helados es la causa de un aumento en la tasa de asesinatos? (VC: ola de calor)

7 No. El estudio se hizo sobre escolares que están en crecimiento. Lo que mostró el estudio es que los niños mayores, cuyos pies son más grandes, leen mejor que los menores. Implicaciones causales erróneas a partir de correlación estadística Un reciente estudio mostró que los niños de pie grande saben leer mejor que los de pie pequeño. ¿Permitirá el tamaño del pie medir la capacidad de lectura de los niños?

8 Otro estudio mostró que en una ciudad se produjo un rápido aumento de mortalidad por paro cardíaco y un fuerte incremento en el consumo de cerveza. ¿Es posible que beber cerveza sea causa de que aumente la probabilidad de ataque al corazón? No. En ambos casos el aumento fue debido a un veloz incremento de la población. Implicaciones causales erróneas a partir de correlación estadística

9 Las estadísticas muestran que casi todos los accidentes de tránsito dentro de la ciudad de Talca se producen entre vehículos que circulan a velocidad moderada. Muy pocos ocurren a más de 100 km / hora. ¿Significa esto que resulta más seguro conducir a gran velocidad? No. Con frecuencia, las correlaciones estadísticas no reflejan causas y efectos. Casi todo el mundo circula a velocidad moderada, y como es natural, la mayoría de los accidentes se producen a estas velocidades. Implicaciones causales erróneas a partir de correlación estadística

10 El alcohol está presente en el 33% de los accidentes de tránsito, lo cual quiere decir que el resto, un 67% han sido causados por personas sobrias... Estadísticamente hablando es más peligroso conducir sobrio. Mentiras estadísticas

11 Las cifras indican que el número más elevado de víctimas se produce en el último vagón del tren. Lo más conveniente sería retirar ese dichoso último vagón de cada tren. Mentiras estadísticas

12 Mirando con lupa la correlación La correlación es una medida que indica la fuerza y dirección de una relación entre dos variables. Existe correlación entre A y B si al aumentar los valores de A lo hacen también los de B y viceversa. Hay varios coeficientes de correlación, uno de los más usados es el coeficiente de correlación de Pearson, donde el valor del coeficiente oscila entre -1 y +1.

13 13 Tipos de datos: constante y variable (1) Una constante tiene un valor numérico fijo. Ejemplos: π ≈ 3,1415… relación entre longitud y radio… l/2r е(1) = 2,7182… ln(e)=1… me debes 100.000 monedas de oro y ln(100000)=11,5129… que es е^11,5129… Los números son, por supuesto, constantes…

14 14 Tipos de datos: constante y variable (2) Una variable es un elemento de interés que puede tomar muchos valores numéricos diferentes. Puede ser cualitativa (categórica, discreta) o cuantitativa.

15 Tipos de datos: variable cualitativa y cuantitativa (3) Una variable cualitativa puede clasificarse pero no medirse. Puede ser nominal u ordinal: N … la ciudad de origen, género, color de ojos, profesión, raza, países que conoces, estado civil, ¿quiénes fueron a la fiesta?, ¿cuáles universidades? O … grado de desnutrición, diagnóstico del paciente, intensidad de consumo de alcohol, grado de aversión al riesgo, medalla en el campeonato, jerarquía del profesor

16 Tipos de datos: variable cualitativa y cuantitativa (4) Una variable cuantitativa es aquella cuyos valores se pueden expresar en cantidades numéricas. Puede ser discreta o continua: D … número de hijos, número de pacientes atendidos, unidades vecinales en la ciudad, buses en el terminal, personas en el concierto, número de acciones vendidas, C … peso y talla, edad, presión arterial, nivel de colesterol, producción de trigo, consumo eléctrico, gasto en consumo, vida útil de la máquina

17 17 Escalas de medición: Datos medidos en una escala nominal (1) ( ningún atributo) Consisten en categorías mutuamente excluyentes en las que se registra el número de observaciones, las cuales no tienen un orden lógico. Colores, hombre/mujer, urbano/rural, tren/bus/avión, carreras universitarias, ciudades.

18 18 Escala de medición: Datos medidos en una escala ordinal (2) (1 atributo: Orden) Consisten en categorías mutuamente excluyentes en las que hay implícito un orden. Niveles de escolaridad, grado de aversión al riesgo, nivel de satisfacción con la vida, frío/caliente.

19 19 Escala de medición: Datos de intervalo (3) (Dos atributos: Orden, Distancia) La escala de intervalos es un conjunto de valores numéricos para los que la distancia entre números sucesivos es de tamaño constante y medible. El punto cero es arbitrario. Con los datos ordinales no se pueden medir las distancias entre las categorías, con los de intervalo sí. ºC (-10, 0, 10) Saldo cuenta corriente: (-50.000, 0, +50.000)

20 20 Escala de medición : Datos de razón (4) (Tres atributos: Orden, Distancia, Origen) La escala de razón consiste en medidas numéricas para las cuales las distancias entre los números tienen un tamaño constante y conocido, y donde la razón entre los números tiene algún significado. Existe un punto cero fijo, no arbitrario. Vida útil de un equipo, peso de los animales, escala de sueldos, períodos que transcurren, tasa de interés.

21 21 Puede ser útil convertir escala de razón en categorías Menos de 20 años (0), entre 20 y 40 (1), entre 40 y 60 (2), entre 60 y 80 (3), más de 80 (4) Rendimiento de los trabajadores deficiente (0), Regular (1), Bueno (2), Excelente (3)

22 22 Características de los niveles de medida Escala de medidaCaracterísticasEstadísticas apropiadas NominalClasificación únicaModa OrdinalJerarquización o calificación Mediana, percentiles IntervaloDiferencia conocida entre dos puntos cualesquiera Media, D.S. RazónDiferencia conocida entre dos puntos cualesquiera. Cero único o verdadero Media, D.S.

23 23 ¿Discretas o continuas?

24 24 ¿Nominal u ordinal?

25 25 Características de los niveles de medida Los datos primarios se recogen específicamente para el análisis deseado. Los datos secundarios ya se han compilados y están disponibles para el análisis estadístico. Las técnicas de recogida de datos incluyen grupos de interés (Focus Group), teléfono, cuestionario por correo, puerta a puerta, “abordaje”, registros, observación, entrevista, experimento.

26 26 Pruebas estadísticas para evaluar hipótesis acerca de la relación entre dos variables (análisis no paramétricos) Dos consideraciones: 1. la mayoría de estos análisis no requieren ningún supuesto sobre la forma de la distribución poblacional, 2. el nivel de medición de las variables puede ser datos de intervalo, datos de razón, o bien datos nominales u ordinales.

27 27 ¿Cuáles son las pruebas más utilizadas? Coeficiente de correlación de Pearson, Chi-cuadrado de Pearson, Coeficiente de contingencia, Rho de Spearman.

28 28

29 29

30 30