Please enable JavaScript.
Coggle requires JavaScript to display documents.
Conceptos estadísticos utilizados en el diseño e interpretación de…
Conceptos estadísticos utilizados en el diseño e
interpretación de trabajos de investigación.
Las variables cualitativas o categóricas hacen referencia a atributos, su valor es generalmente alfabético y pueden clasificarse como puras, ordenadas y procedentes de numéricas. Las variables cuantitativas se caracterizan por tener un valor numérico y pueden ser discretas (números aislados) o continuas (permite todos los valores de un intervalo).
Los principales objetivos de la Estadística consisten en medir la aleatoriedad de los fenómenos, prever situaciones y conseguir una información cuantificada que permita la toma de decisiones.
La media es aquel valor tal que la suma de las desviaciones de todos los datos es cero; es la medida de tendencia central más utilizada y la más completa en distribuciones simétricas.
El análisis de una variable cuantitativa debe iniciarse comprobando si la distribución de la variable a estudiar sigue la distribución normal. Su confirmación llevará hacia un camino que se inicia con la elección de la media y desviación típica para definir la variable.
El histograma o diagrama de rectángulos representa las frecuencias por las áreas de rectángulos construidos con una base constante y alturas según los valores de las frecuencias. El gráfico de barras utiliza la misma idea que el histograma, pero reduce el rectángulo correspondiente a una barra central. El polígono de frecuencias se construye uniendo los extremos del diagrama de barras.
El modelo lineal se resuelve con exactitud y rapidez con el uso del cálculo matricial utilizando el método de mínimos cuadrados de Gauss (regresión mínimo cuadrática). Los resultados se concretan con los valores de los coeficientes de la ecuación de regresión, pero también deben comprobarse la tabla de análisis de la varianza y el análisis de residuos para juzgar la bondad del ajuste.
La desviación típica mide la distancia sobre el eje de abscisas entre el valor máximo de la curva y su punto de inflexión.
El análisis de correlación se realiza cuantificando el grado de la relación entre variables en un valor único llamado coeficiente de correlación. Existen diferentes coeficientes de correlación paramétricos (Pearson) y no paramétricos (Spearman, Kendall, C, etc) que toman un valor positivo o negativo de valor absoluto comprendido entre 0 y 1.
La Distribución de Frecuencias presenta en forma resumida la información procedente de una o varias variables mediante tablas o gráficos. Se basa en la estructuración de la información en categorías o clases de frecuencias que unas veces vienen definidas de forma natural (atributos) y otras se definen especificando intervalos de valores.
Las medidas de tendencia central tratan de resumir una variable cuantitativa por su "valor más representativo". Los diferentes criterios darán origen a las diferentes medidas.
La mediana es el valor que en la serie ordenada de los datos ocupa la posición central, de tal forma que la mitad de los datos son menores que la mediana y la otra mitad son mayores; es considerada el mejor estadígrafo de tendencia central en distribuciones asimétricas.
Como medida de curtosis se usa el coeficiente de curtosis, que indica la forma de la distribución de los datos con respecto a una distribución normal.
Las medidas de dispersión complementan el uso de una medida de tendencia central con una medida de la desviación general de los datos respecto a la medida de centralización.
El objetivo de las medidas de asimetría consiste en determinar la simetría de los datos respecto a una distribución normal. El uso del coeficiente de asimetría indica que cuanto mayor sea su valor mayor es la asimetría. Valores positivos o negativos indican asimetría positiva o negativa. Valor cero es el valor ideal para indicar simetría.
Para decidir con objetividad si una hipótesis particular es confirmada por un conjunto de datos, necesitamos un procedimiento que nos lleve a un criterio objetivo para rechazar o aceptar esa hipótesis.
Las muestras estudiadas se relacionan cuando cada sujeto es su propio control o con parejas de sujetos en las que se asignan los miembros de cada pareja a las dos condiciones. En estos contrastes la hipótesis nula se formula indicando que la media de las diferencias entre las dos poblaciones es cero.
El método de Kaplan Meier es el procedimiento más conocido para el cálculo de la probabilidad. Realiza el tratamiento de la información según las normas siguientes: – La población definida suele estar integrada generalmente por individuos con una enfermedad determinada.
