Cuarto seminario

En el cuarto seminario expusimos en grupos nuestro trabajos de estadística y mi grupo salió el segundo, aunque estábamos muy nerviosas lo expusimos lo mejor posible, ya que este trabajo ha supuesto mucho esfuerzo, peleas, tiempo y sobretodo superación y se merecía una exposición a su nivel, al parecer salió todo bien, por fin respiramos tranquilas después de nuestra última exposición de primero de carrera.

En fin, esta es la última entrada de mi blog, espero que os haya gustado y ayudado a todos.

Tercer seminario

Bueno el tercero fue el último seminario que tuvimos acerca del programa “Epi Info” y en el descubrimos, en el estudio que estuvimos tratando en los demás seminarios, cuál era el alimento que provoco la gastroenteritis en la fiesta y era la vainilla, llegamos a esa conclusión mediante el manejo de medias, tablas de frecuencias, test de hipótesis, etc, que nos ayudó a ver las relaciones entre nuestras variables.

Hipótesis estadísticas. Test de hipótesis.

Este tema se ha convertido en uno de mis favoritos, ya que por fin hay que realizar cálculos y dejarse de tanta teoría, espero que os guste.

Para controlar los errores aleatorios contamos con los tests o contrastes de hipótesis.

Tipos de análisis estadísticos según el tipo de variables implicadas en el estudio

Predictora/Resultado	Dicotómica	Continua
Dicotómica	Test x2 (chicuadrado)	T de student
Continua	Regresión logística	Regresión lineal

Chi cuadrado también sirve para cualitativas que no sean dicotómicas sino policotómicas.

Debemos tener en cuenta los errores de hipótesis: con una misma muestra podemos aceptar o rechazar la hipótesis nula, todo depende de un error, al que llamamos alfa, este es la probabilidad de equivocarnos al rechazar la hipótesis nula, el error alfa más pequeño al que podemos rechazar la hipótesis nula es el error y habitualmente rechazamos la hipótesis nula para un nivel alfa máximo del 5% (p<0’05), es lo que llamamos significación estadística.

Tipo de errores en test de hipótesis

Realidad/ resultado del test	Rechazo H0	Acepto H0
H0 cierta	Error tipo I (error alfa)	No error (1-alfa)
H0 falsa	No error (1-beta)	Error tipo II (error beta)

Estadística inferencial: muestreo y estimación

Nada más empezar esta entrada debemos dejar claro que al conjunto de procedimientos que permiten elegir muestras de tal forma que éstas reflejen las características de la población llamamos técnica de muestreo y que siempre que trabajamos con muestras debemos asumir un cierto error.

Hablando de errores, definiremos que es un error estándar: es la medida que trata de captar la variabilidad de los valores del estimador, mide el grado de variabilidad en los valores del estimador en las distintas muestras de un determinado tamaño que pudiésemos tomar de una población. Cuanto más pequeño es el error estándar de un estimador, más nos podemos fiar del valor de una muestra concreta.

Intervalos de confianza: Son un medio de conocer el parámetro en una población midiendo el error que tiene que ver con el azar (error aleatorio), se trata de un par de números tales que, con un nivel de confianza determinados, podamos asegurar que el valor del parámetro es mayor o menos que ambos números. Se puede calcular intervalos de confianza para cualquier parámetro.

Tipos de muestreo:

Muestreo probabilístico (Aleatorio): Es el método que cosiste en extraer una parte (o muestra) de forma que todas las muestras posibles del tamaño fijo, tengan la misma posibilidad de ser seleccionadas, dentro de este existen diferentes tipos:

• Aleatorio simple: Se caracteriza porque cada unidad tiene la probabilidad equitativa de ser incluida en la muestra.
• Sistemático: Similar al aleatorio simple, en donde cada unidad del universo tiene la misma probabilidad de ser seleccionada.
• Estratificado: Se caracteriza por la subdivisión de la población en subgrupos o estratos, debido a que las variables principales que deben someterse a estudio presentan cierta variabilidad o distribución conocida que puede afectar a los resultados.
• Conglomerado: Se usa cuando no se dispone de una lista detallada y enumerada de cada una de las unidades que conforman el universo y resulta más complejo elaborarla. En la selección de la muestra en lugar de escoger cada unidad se toman los subgrupos o conjuntos de unidad “conglomerados”.

Muestreo no probabilístico: No puede considerarse que la muestra sea representativa de una población, se caracteriza porque el investigador selecciona la muestra siguiendo algunos criterios identificados para los fines del estudio que realiza. Hay diferentes tipos:

• Por conveniencia o Intencional: En el que el investigador decide, según sus objetivos, los elementos que integrarán la muestra, considerando las unidades “típicas” de la población que desea conocer.
• Por cuotas: En el que el investigador selecciona la muestra considerando algunos fenómenos o variables a estudiar, como: Sexo, raza, religión, etc.
• Accidental: Consiste en utilizar para el estudio las personas disponibles en un momento dado, según lo que interesa estudiar. De las tres es la más deficiente.

Segundo seminario

En el segundo seminario lo que hicimos fue analizar los datos que introducimos en el primer seminario.

Para ello, nuestro profesor nos enseñó algunas herramientas que posee Epi Info para agrupar categorías, así como ver los datos del estudio. En este caso el estudio trataba de una población que había asistido a una fiesta y que un gran número de ellos cogieron gastroenteritis, entonces con los datos ya introducidos de qué habían ingerido cada una de estas personas así como otros datos relevantes, pudimos observar qué habían comido estas personas, qué número de ellas se habían puesto malas y pudimos sacar nuestras propias conjeturas, incluso representarlo gráficamente mediante el uso de gráficos.

Medidas de tendencia central, posición y dispersión.

Esta entrada va dirigida a las medidas de tendencia central, posición y dispersión, por lo que al ser conceptos clave no puedo explicarlo exactamente con mis palabras por lo que he aclarado los conceptos y colocado gráficas para que se vean más claras estas medidas.

Empezamos definiendo qué es un parámetro o estadístico: es un número que resume la información recogida en una población o una muestra y existen tres tipos de estadísticos:

1. Medidas de tendencia central
2. Medidas de posición
3. Medidas de dispersión

Medidas de tendencia central

• Media aritmética o media: es la suma de todos los valores de la variable observada entre el total de observación.
• Media ponderada: es la media de diferentes valores.
• Mediana: es el valor de la observación tal que un 50% de los datos es menor y otro 50% es mayor.
• Moda: es el valor que más veces se repite.

Medidas de posición

• Cuantiles o n-tiles: sólo tienen en cuenta la posición de los valores en la muestra.
• Percentiles: dividen la muestra ordenada en 100 partes.
• Deciles: dividen la muestra ordenada en 10 partes.
• Cuartiles: dividen la muestra ordenada en 4 partes.

Medidas de dispersión

• Rango o recorrido: diferencia entre el mayor y el menos valor de la muestra.
• Desviación media: media aritmética de las distancias de cada observación con respecto a la media de la muestra.
• Desviación típica: cuantifica el error que cometemos si representamos una muestra únicamente pos su medida.
• Varianza: expresa la misma información en valores cuadráticos.
• Recorrido intercuartílico: diferencia entre el tercer y el primer cuartil.
• Coeficiente de variación: nos sirve para comparar la heterogeneidad de dos series numéricas con independencia de las unidades de medidas.

Distribuciones normales:

• En estadística se llama distribución normal, distribución de Gauss, a una de las distribuciones de probabilidad de variable continua que con más frecuencia aparece en fenómenos reales.
• Esta curva se conoce como campana de Gauss. (ejemplo gráfico)

Asimetría y curtosis:

Coeficiente de asimetría de una variable: Grado de asimetría de la distribución de sus datos en torno a su media.

·         g1=0 (distribución simétrica)

·         g1>0 (distribución asimétrica positiva, existe mayor concentración de valores a la derecha que a la izquierda)

·         g1<0 (distribución asimétrica negativa, existe mayor concentración de valores a la izquierda que a la derecha)

Curtosis o apuntamiento:

• Es una variable sirve para medir el grado de concentración de los valores que toma en torno a su media
• Los resultados pueden ser los siguientes:

×          g2=0 (distribución mesocúrtica, es una distribución normal)

×          g2>0 (distribución leptocúrtica, larga (hacia arriba))

×          g2<0 (distribución platicúrtica, más llana (hacia abajo))

Introducción a la bioestadística. Organización de los datos.

En este tema conoceremos conceptos claves a la hora de desarrollar nuestros métodos y el material necesario para nuestro estudio.

Para empezar hablaremos de la población de estudio que no es más que la selección de las personas que vamos a incluir y excluir de nuestro estudio conservando así la validez interna y externa de este, evitando los sesgos de selección que hayamos tomado en cuenta anteriormente. También hablaremos del muestreo, el muestreo no es más que el número de individuos que necesitamos para el estudio ya que es imposible incorporar a toda la población.  Existen diferentes tipos de muestreo: el muestreo aleatorio simple, el sistemático, el equi-probabilístico, el estratificado, el multi-etápico, el monstro consecutivo y por último los voluntarios.

La recogida de datos se puede hacer: de forma directa, por fuentes documentales, a través de encuestas, entrevistas, etc. En esta fase tenemos que tener en cuenta los sesgos de clasificación y, si es posible, hacer un pilotaje previo, es decir, hacer una prueba con pocas personas antes de hacer el estudio.

A la hora del análisis, mediante el programa “Epi Info” podemos analizar los datos mediante el uso de: tablas de frecuencia (tablas que muestran las frecuencias y las categorías de las variables, las frecuencias son el número de veces que una categoría aparece en nuestra población de estudio), frecuencia absoluta (número de veces que se repite cada categoría de la variable de estudio), frecuencia relativa (frecuencia absoluta dividida por el número total de casos, la suma de estas debe ser 1), frecuencia acumulada (suma de las frecuencias correspondientes a cada valor) y representación de datos mediante gráficas (exponen los datos obtenidos en nuestro estudio de forma gráfica, nos ayuda a aclarar los datos)