RESUMEN ESQUEMÁTICO

ANÁLISIS DESCRIPTIVO PARA VARIABLES CUANTITATIVAS MEDIDAS DE DISPERSIÓN”

RESUMEN ESQUEMATICO

RESUMEN ESQUEMATICO

ELECCIÓN DE MEDIDAS DE POSICIÓN Y DISPERSIÓN PARA VARIABLES CUANTITATIVAS.

“ANÁLISIS DESCRIPTIVO PARA VARIABLES CUANTITATIVAS MEDIDAS DE DISPERSIÓN”

“ANÁLISIS DESCRIPTIVO PARA VARIABLES CUANTITATIVAS MEDIDAS DE DISPERSIÓN”

ELECCIÓN DE MEDIDAS DE POSICIÓN Y DISPERSIÓN PARA VARIABLES CUANTITATIVAS. Cuando la distribución de la serie no es conocida o es una serie asimétrica, utilizar la Mediana y los Percentiles.

ELECCIÓN DE MEDIDAS DE POSICIÓN Y DISPERSIÓN PARA VARIABLES CUANTITATIVAS. Cuando la distribución de la serie no es conocida o es una serie asimétrica, utilizar la Mediana y los Percentiles.

Cuando la distribución de la serie no es conocida o es una serie asimétrica, utilizar la Mediana y los Percentiles.

AMPLITUD

AMPLITUD

Percentil Mediana Percentil

Percentil Mediana Percentil

Cuando la distribución sea simétrica o distribución normal se utiliza el Promedio o Media aritmética y la Desviación Estándar.

Cuando la distribución sea simétrica o distribución normal se utiliza el Promedio o Media aritmética y la Desviación Estándar.

Cuando la distribución sea simétrica o distribución normal se utiliza el Promedio o Media aritmética y la Desviación Estándar.

68 %

68 %

MEDIA

MEDIA menos más una una desviación estándar menos más una una desviación estándar

- 153 -

- 153 -

Preguntas De Autoevaluaci N

Para El Capitulo Medidas De Dispersi N

PREGUNTAS DE AUTO EVALUACIÓN:

Para Variables Cuantitativas

PARA EL CAPITULO MEDIDAS DE DISPERSIÓN PARA VARIABLES CUANTITATIVAS

1 ¿Qué medida de dispersión se debe utilizar si se tiene como medida de posición al Promedio o Media aritmética?

1- ¿Qué medida de dispersión se debe utilizar si se tiene como medida de posición al Promedio o Media aritmética?

2 ¿Cuándo la distribución de una serie de valores no es conocida o es una serie asimétrica qué medidas de dispersión se deben emplear?

2- ¿Cuándo la distribución de una serie de valores no es conocida o es una serie asimétrica qué medidas de dispersión se deben emplear?

3- La fórmula: _ 2 S = ∑ ( X – X ) n - 1

3 La fórmula:

¿a qué medida de dispersión corresponde?

¿a qué medida de dispersión corresponde?

4- Si se suma y resta una Desviación Estándar al Promedio ¿a qué porcentaje corresponde de una distribución normal?

4 ¿Si se suma y resta una Desviación Estándar al Promedio ¿a qué porcentaje corresponde de una distribución normal?

RESPUESTAS:

1- La Desviación Estándar.

Respuestas

2- Los Percentiles teniendo como medida de posición el P 50 o Mediana.

1- La Desviación Estándar.

3- A la Desviación Estándar.

2- Los Percentiles teniendo como medida de posición el P50 o Mediana.

4- 68% y si sumamos y restamos dos desviaciones estándar a 98%

3- A la Desviación Estándar.

4- 68% y si sumamos y restamos dos desviaciones estándar a 98%

Arnulfo L´Gámiz Matuk Et Alii

Bibliografia

recomendada para ampliar en el tema:

- Glass, Gene, Stanley, J., “Métodos Estadísticos Aplicados a las Ciencias Sociales”, Ed. Prentice Hall, México,

- Garcia Perez A., “Elementos de Método Estadístico”, Ed. Universidad Nacional Autónoma de México, México,

- Cartas Chiñas J., “Estadística Médica” Ed. Instituto Politecnico Nacional, México,

- Portilla Chimal E., “Estadística primer curso” Ed. Interamericana, México,

- Macchi R.L., “Introducción a la Estadística en Ciencias de la Salud”, Ed. Panamericana, México,

Capitulo XIII

An Lisis Inferencial De La Informaci N Estad Stica

-PRINCIPIOS GENERALES-

Objetivos Universo

Muestra

Objetivos Universo

Grupo control

Muestra

Elementos de observación

Variables

Grupo control

Elementos de observación

Medidas y escalas

Variables

Origen de la información

Recolección

Descriptivo

Plan de tabulación

Medidas y escalas

Elaboración

Recolección

Análisis

Descriptivo

Plan de análisis

Origen de la información

Plan de tabulación

Plan de análisis

Elaboración

Análisis

Inferencial

Inferencial

El análisis es tal vez la etapa más interesante del método en la bioestadística, a la que más se anhela llegar, pero al mismo tiempo es la etapa que aparenta una mayor complejidad, este aspecto propicio que los resultados no sean muchas veces satisfactorios. El mejor concejo al respecto se encuentra en seguir las reglas científicas establecidas al respecto, que permiten obtener una conclusión satisfactoria. Para lo cual un elemento a tomar en cuenta es el siguiente:

Bioestadística descriptiva = Universo

Bioestadística inferencial = Muestra

Dr. Arnulfo L´Gámiz Matuk Et Alii

El siguiente esquema nos orienta sobre las dos posibilidades que podemos tener al momento del análisis.

An Lisis

Si se desea: Indagar las posibles relaciones entre variables

Si se desea: Indagar las posibles relaciones entre variables

Utilizar pruebas de Correlación y/o de Regresión

Utilizar Pruebas de Hipótesis

Al pretender indagar sobre posibles relaciones entre variables, en una investigación científica, se van a emplear las pruebas de correlación, que son las que valoran si dos o más variables están o no relacionadas, midiendo así el grado de vínculo que existe, conociendo así que tan estrecha es esa dependencia.

Mientras que si lo que se busca es poder tomar una decisión en torno a una población, en este caso el universo, con solo examinar una muestra de él, se utilizan las denominadas pruebas de hipótesis, en base a que el propósito es saber si la suposición que tiene el investigador con respecto a algún fenómeno, tiene una probabilidad significativa de ser cierta.

Hay unos pasos que se deben seguir para las pruebas de hipótesis que son: a) Se debe conocer de dónde proceden los datos, el tipo de variables en estudio, la forma de recolección, para poder determinar cuál prueba es la que se debe utilizar. b) El procedimiento en general se va a modificar según la suposición que tenga el investigador, con respecto al problema en estudio. c) Se formula: la hipótesis de estudio, o sea la que formula inicialmente el investigador con respecto al problema, posteriormente se debe plantear la hipótesis nula ( Ho), que va a ser prácticamente lo contrario de la hipótesis de estudio, pero que tiene el propósito expreso de ser rechazada, ya que las pruebas matemáticas están diseñadas precisamente para este fin. Se formula también la hipótesis alternativa (Ha), que es aquella que va a existir cuándo el procedimiento de prueba, que conduce al rechazo de la hipótesis nula, resuelve que los datos no son concluyentes, y que pueden servir sin embargo para apoyar otra hipótesis que es la alternativa. estudio, pero que tiene el propósito expreso de ser rechazada, ya que las pruebas matemáticas están diseñadas precisamente para este fin. Se formula también la hipótesis alternativa (Ha), que es aquella que va a existir cuándo el procedimiento de prueba, que conduce al rechazo de la hipótesis nula, resuelve que los datos no son concluyentes, y que pueden servir sin embargo para apoyar otra hipótesis que es la alternativa. estudio, pero que tiene el propósito expreso de ser rechazada, ya que las pruebas matemáticas están diseñadas precisamente para este fin. Se formula también la hipótesis alternativa (Ha), que es aquella que va a existir cuándo procedimiento de prueba, que conduce al rechazo de la hipótesis nula, resuelve que los datos no son concluyentes, y que pueden servir sin embargo para apoyar otra hipótesis que es la alternativa. d) Se requiere realizar una estadística de prueba, que se va a calcular a partir de los datos obtenidos en la muestra, con lo que la decisión de rechazar o no la hipótesis nula, va a depender del tamaño de la estadística de prueba. Para lo que se utiliza la siguiente formula: d) Se requiere realizar una estadística de prueba, que se va a calcular a partir de datos obtenidos en la muestra, con lo que la decisión de rechazar o no la hipótesis nula, va a depender del tamaño de la estadística de prueba. Para lo que se utiliza siguiente formula: d) Se requiere realizar una estadística de prueba, que se va a calcular a partir de los datos obtenidos en la muestra, con lo que la decisión de rechazar o no la hipótesis nula, va a depender del tamaño de la estadística de prueba. Para lo que se utiliza la siguiente formula:

Z= X - Mo / n

Z= X - Mo / n en donde: en donde: en donde:

Mo = valor supuesto de la media de una población

Mo = valor supuesto de la media de una población

Mo = valor supuesto de la media de una población

= error estándar n = error estándar

Con lo que la fórmula general para una estadística de prueba sería:

Con lo que la fórmula general para una estadística de prueba sería:

Estadística relevante - parámetro supuesto Error estándar de la estadística relevante

Estadística relevante - parámetro supuesto Error estándar de la estadística relevante

Dr. Arnulfo L´Gámiz Matuk Et Alii

Con lo que la fórmula general para una estadística de prueba sería:

Estadística relevante - parámetro supuesto Error estándar de la estadística relevante e) Obtener la distribución de la población en estudio, generalmente la distribución o curva normal. Con lo que establecemos que la prueba a utilizar será paramétrica y cuando no se tiene este tipo de distribución, se utilizan las pruebas no paramétricas. f) Determinar la región de rechazo o de aceptación. Los valores de la prueba que se encuentran en la región de rechazo son aquellos que tienen la menor probabilidad de ocurrir si la hipótesis nula es verdadera, mientras que los que forman la región de aceptación tienen la mayor probabilidad de suceder si la hipótesis nula es verdadera.

Las pruebas paramétricas, se emplean cuándo la muestra es grande, se pueden realizar más suposiciones que en las no paramétricas, son sistemáticas, pero tienen de desventaja, de ser más difíciles de aplicar.

Mientras que las pruebas no paramétricas, se utilizan cuando el tamaño de la muestra es pequeño, son más fáciles de aplicar, tienen de desventaja que no son sistemáticas y que las tablas para su cálculo aparecen de diferente manera según varios autores.

La regla de decisión se encuentra en que se debe rechazar la hipótesis nula pero también se debe tomar en cuenta el nivel de significancia que se pretende, que en el caso del área de la salud, se encuentran entre .01 y .05 , esto es que solo aceptamos en el primer caso una equivocación del 1% y en el segundo caso del 5% . el símbolo es el de alfa para señalar el grado de significancia ( )

Bioestad Stica E Investigaci N Aplicada En El Rea De La Salud

La regla de decisión se encuentra en que se debe rechazar la hipótesis nula pero también se debe tomar en cuenta el nivel de significancia que se pretende, que en el caso del área de la salud, se encuentran entre .01 y .05 , esto es que solo aceptamos en el primer caso una equivocación del 1% y en el segundo caso del 5% . el símbolo es el de alfa para señalar el grado de significancia ( α ) g) Se toma la decisión de rechazar la hipótesis nula, si el dato obtenido se encuentra en la región de rechazo, o no se rechaza si el valor calculado se encuentra en la zona de aceptación. g) Se toma la decisión de rechazar la hipótesis nula, si el dato obtenido se encuentra en la región de rechazo, o no se rechaza si el valor calculado se encuentra en la zona de aceptación. h) Se concluye si el Ho se rechaza, se concluye que la hipótesis alternativa Ha es verdadera. Si la hipótesis nula Ho no se rechaza, se concluye que la hipótesis nula Ho puede ser verdadera h) Se concluye si el Ho se rechaza, se concluye que la hipótesis alternativa Ha es verdadera. Si la hipótesis nula Ho no se rechaza, se concluye que la hipótesis nula Ho puede ser verdadera.

Se maneja el termino de error de tipo 1, cuándo se rechaza la hipótesis nula verdadera. Mientras que el error tipo II, es cuándo no se rechaza una hipótesis nula falsa.

Se maneja el termino de error de tipo 1, cuándo se rechaza la hipótesis nula verdadera. Mientras que el error tipo II, es cuándo no se rechaza una hipótesis nula falsa.

-159-

Dr. Arnulfo L´Gámiz Matuk Et Alii