Hoy día 24 de mayo hemos quedado para recoger los datos de nuestra población de estudio, para ello hemos tenido que ir a un Centro de Atención Primaria (cercano a nuestra facultad) a la consulta de enfermería encargada de realizar el control del INR.
Allí hemos realizado una breve entrevista al paciente de unas 5 o 6 preguntas aproximadamente, aunque la mayoría de los datos del paciente podían obtenerse del papel que éste debe llevar cada vez que tiene que acudir al control correspondiente. La verdad es que ha sido muy sencillo porque toda la gente estaba dispuesta a colaborar con nuestro estudio y no ha habido nadie que no haya querido contestar o se haya sentido molesto. Además la enfermera que estaba en la consulta también nos ha ayudado un poquito a cumplimentar los datos, con lo cual ahora nos queda pasar los datos a Epi Info.
jueves, 24 de mayo de 2012
miércoles, 16 de mayo de 2012
Protocolo de estadística (2ª fase)
Hoy día 16 de mayo, hemos vuelto a quedar porque después de haber recibido las correcciones de nuestro profesor acerca del trabajo teníamos que cambiar las pequeñas cositas que estaban mal. Así que ya lo que nos queda es realizar la investigación en el centro de salud que hemos elegido para realizar una breve entrevista a los pacientes que toman anticoagulantes orales y van al control del INR, para poder incluir los resultados en nuestro protocolo y volver a mandárselo al profesor para que tenga el trabajo definitivo, ya os contaré cómo va todo.
Tema 9
Vamos a hablar sobre el tema de la estadística inferencial, la cual incluye el muestreo y la estimación.En cuestión a la inferencia estadística podríamos decir en primer lugar que se conoce como inferencia estadística al conjunto de procedimientos estadísticos que permiten pasar de lo particular, la muestra, a lo general, la población. Para llevar a cabo la inferencia estadística tendremos que conocer el proceso de inferencia estadística el cual consiste en hacer una selección aleatoria primero, obtenemos una muestra y la medida de la variable de estudio obtenida en la muestra se denomina estimador. A ese proceso por el que me aproximo del estimador al parámetro se llama inferencia. En segundo lugar vamos a ver el cálculo del error estándar que se define como la medida que trata de captar la variabilidad de los valores del estimador y su cálculo se realiza mediante la fórmula s/√n si calculamos el error estándar para la media o utilizamos la fórmula √(p(1-p)⁄n)=e si queremos calcular el error estándar para una proporción. Dentro de la inferencia estadística está el Teorema del límite y por otra parte los intervalos de confianza que son un
medio de conocer el parámetro en una población midiendo el error que tiene que
ver con el azar (error aleatorio) y se calculan mediante la fórmula I.C.de un parámetro=estimador± z(e.estándar).
Trataremos también el tema de la muestra que se define como el conjunto de individuos concretos que participan en el estudio y dentro de este tema hablaremos por tanto de los tipos de muestreo, las técnicas de muestreo, el tamaño de la muestra y aprender a calcular el tamaño de la misma. Vamos a empezar con los tipos de muestreo, los cuales se dividen en dos grandes grupos probabilísticos y no probabilísticos; dentro de los probabilísticos tenemos el muestro aleatorio simple, el muestreo aleatorio sistemático, el estratificado y el conglomerado y dentro de los no probabilísticos está el muestro accidental y el muestro por cuotas.
A continuación voy a tratar el tema del tamaño de la muestra que depende del error estándar, de la mínima diferencia entre los grupos de comparación que se considera importante en los valores de la variable a estudiar y del tamaño de la población de estudio. Para calcular el tamaño de una muestra para estimar la media de una población, para ello se utiliza la fórmula: n= Z2x S2/e2y para calcular el tamaño de una muestra cuando queremos estimar una proporción se utiliza la fórmula: N= N z2α/2 P( 1-P)/ (N-1) e2 + z2α/2 P(1-P).
Trataremos también el tema de la muestra que se define como el conjunto de individuos concretos que participan en el estudio y dentro de este tema hablaremos por tanto de los tipos de muestreo, las técnicas de muestreo, el tamaño de la muestra y aprender a calcular el tamaño de la misma. Vamos a empezar con los tipos de muestreo, los cuales se dividen en dos grandes grupos probabilísticos y no probabilísticos; dentro de los probabilísticos tenemos el muestro aleatorio simple, el muestreo aleatorio sistemático, el estratificado y el conglomerado y dentro de los no probabilísticos está el muestro accidental y el muestro por cuotas.
A continuación voy a tratar el tema del tamaño de la muestra que depende del error estándar, de la mínima diferencia entre los grupos de comparación que se considera importante en los valores de la variable a estudiar y del tamaño de la población de estudio. Para calcular el tamaño de una muestra para estimar la media de una población, para ello se utiliza la fórmula: n= Z2x S2/e2y para calcular el tamaño de una muestra cuando queremos estimar una proporción se utiliza la fórmula: N= N z2α/2 P( 1-P)/ (N-1) e2 + z2α/2 P(1-P).
Tema 8
En este tema vamos a hablar acerca de las medidas de tendencia central (dan idea de la magnitud o tamaño de los datos) como son la media aritmética, la mediana y la moda, y medidas de posición (dan información acerca de la heterogeneidad de nuestras observaciones) como pueden ser los cuantiles dentro de los cuales incluimos los percentiles, deciles y cuartiles. Por una parte hablaremos de las medidas de tendencia central. En primer lugar la media aritmética se calcula para variables cuantitativas y se trata del centro geométrico o de gravedad de nuestros datos. Es la suma de todos los valores de la variable observada entre el total de observaciones, se calcula mediante la fórmula: x= Ʃx/n; aunque cuando los datos son agrupados se utiliza la siguiente fórmula: x= Ʃmcfi/n. La mediana es otra medida de tendencia central es el valor de la observación tal que el 50% de los datos es menor y otro 50% es mayor.
- Si el número de observaciones es impar el valor de la observación será justamente la observación que ocupa la posición (n/2)+1.
- Si el número de observaciones es par, el valor de la mediana corresponde a la media entre los dos valores centrales, es decir, la media entre la observación n/2 y la observación (n/2)+1.
La moda es el valor con mayor frecuencia, es decir, el valor que más veces se repite. Cuando hay dos modas se llama bimodal, si hay más de dos se denomina multimodal y si no hay ningún valor que se repita se llama amodal.
Por último vamos a hablar un poquito de los cuantiles que se clasifican en tres tipos:
Por otra parte también hablamos de las medidas de dispersión que son el rango o recorrido, la desviación media, la desviación típica, la varianza y el coeficiente de variación. Vamos a ir hablando de cada una de ellas en este mismo orden. Primero voy a hablaros del rango o recorrido que es la diferencia entre el mayor y el menor valor de la muestra lXn-X1l. La desviación media es la media aritmética de cada observación con respecto a la muestra para lo cual utilizamos la fórmula: d_m=(∑ |xi-x| )/n. La desviación típica sirve para cuantificar el error que cometemos si representamos una muestra únicamente por su media y para ello se usa la siguiente fórmula: S=√((∑(xi-x)^2 )/(n-1)). Para el cálculo de la varianza se utiliza la fórmula S^2=∑((x_i-x^2 ))/(n-1) y por último hablaré del coeficiente de variación que es una medida de dispersión relativa y que nos sirve para comparar la heterogeneidad de dos series numéricas con independencia de las unidades de medidas. Para poder realizar su cálculo podemos utilizar esta fórmula c.v.=s/x.
Además estudiamos las distribuciones normales que se define como una de las distribuciones de probabilidad de variable continua que con más frecuencia aparece en fenómenos reales, la distribución normal también puede denominarse distribución de Gauss o distribución gaussiana y es una gráfica con una forma acampanada y simétrica respecto a los valores de posición central. Dentro de estas distribuciones están incluidas las asimetrías y la curtosis o apuntamiento.
Asimetrías.Los resultados pueden ser los siguientes:
- g1=0 (distribución simétrica; existe la misma concentración de valores a la derecha y a la izquierda de la media).
- g1>0 (distribución asimétrica positiva; existe mayor concentración de valores a la derecha de la media que a su izquierda).
- g1<0 (distribución asimétrica negativa; existe mayor concentración de valores a la izquierda de la media que a su derecha).
La curtosis o apuntamiento sirve para medir el grado de concentración de los valores que toma en torno a su media.Se elige como referencia una variable con distribución normal, de modo que para ella el coeficiente de curtosis es 0.
Los resultados pueden ser los siguientes:
- g2=0 (distribución mesocúrtica). Presenta un grado de concentración medio alrededor de los valores centrales de la variable (el mismo que presenta una distribución normal).
- g2>0 (distribución leptocúrtica). Presenta un elevado grado de concentración alrededor de los valores centrales de la variable.
- g<0 (distribución platicúrtica). Presenta un reducido grado de concentración alrededor de los valores centrales de la variable.
- Si el número de observaciones es impar el valor de la observación será justamente la observación que ocupa la posición (n/2)+1.
- Si el número de observaciones es par, el valor de la mediana corresponde a la media entre los dos valores centrales, es decir, la media entre la observación n/2 y la observación (n/2)+1.
La moda es el valor con mayor frecuencia, es decir, el valor que más veces se repite. Cuando hay dos modas se llama bimodal, si hay más de dos se denomina multimodal y si no hay ningún valor que se repita se llama amodal.
Por último vamos a hablar un poquito de los cuantiles que se clasifican en tres tipos:
-
Percentiles:
o
Dividen
la muestra ordenada en 100 partes.
o
El
percentil “i” (Pi), es aquél valor que, ordenadas las observaciones
en forma creciente, el i% de ellas son menores que él y el (100-i)% restante
son mayores.
o
Para
buscar la posición de un percentil en una serie de datos agrupados, buscamos el
intervalo en el que la frecuencia relativa acumulada (Hi) sea
superior al valor del percentil.
o
El
valor del P50 corresponde al valor de la mediana.
-
Deciles:
o
Dividen
la muestra ordenada en 10 partes.
o
El
decil “i” (Di), es aquél valor que, ordenadas las observaciones en
forma creciente, el i/10% de ellas son menores que él y el (100-i)/10% restante
son mayores.
o
El
valor del D5 corresponde al valor de la mediana y, por tanto, al del
P50.
-
Cuartil:
o
Dividen
la muestra ordenada en 4 partes.
o
El
Q1, primer cuartil indica el valor que ocupa una posición en la
serie numérica de forma que el 25% de las observaciones son menores y que el
75% son mayores.
o
El
Q2, segundo cuartil indica el valor que ocupa una posición en la
serie numérica de forma que el 50% de las observaciones son menores y que el
50% son mayores. Por tanto, el Q2 coincide con el valor del D5,
con el valor de la mediana P50.
o
El
Q3, tercer cuartil indica el valor que ocupa una posición en la
serie numérica de forma que el 75% de las observaciones son menores y que el
25% son mayores.
o
El
Q4, cuarto cuartil indica el valor mayor que se alcanza en la serie
numérica.
Por otra parte también hablamos de las medidas de dispersión que son el rango o recorrido, la desviación media, la desviación típica, la varianza y el coeficiente de variación. Vamos a ir hablando de cada una de ellas en este mismo orden. Primero voy a hablaros del rango o recorrido que es la diferencia entre el mayor y el menor valor de la muestra lXn-X1l. La desviación media es la media aritmética de cada observación con respecto a la muestra para lo cual utilizamos la fórmula: d_m=(∑ |xi-x| )/n. La desviación típica sirve para cuantificar el error que cometemos si representamos una muestra únicamente por su media y para ello se usa la siguiente fórmula: S=√((∑(xi-x)^2 )/(n-1)). Para el cálculo de la varianza se utiliza la fórmula S^2=∑((x_i-x^2 ))/(n-1) y por último hablaré del coeficiente de variación que es una medida de dispersión relativa y que nos sirve para comparar la heterogeneidad de dos series numéricas con independencia de las unidades de medidas. Para poder realizar su cálculo podemos utilizar esta fórmula c.v.=s/x.
Además estudiamos las distribuciones normales que se define como una de las distribuciones de probabilidad de variable continua que con más frecuencia aparece en fenómenos reales, la distribución normal también puede denominarse distribución de Gauss o distribución gaussiana y es una gráfica con una forma acampanada y simétrica respecto a los valores de posición central. Dentro de estas distribuciones están incluidas las asimetrías y la curtosis o apuntamiento.
Asimetrías.Los resultados pueden ser los siguientes:
- g1=0 (distribución simétrica; existe la misma concentración de valores a la derecha y a la izquierda de la media).
- g1>0 (distribución asimétrica positiva; existe mayor concentración de valores a la derecha de la media que a su izquierda).
- g1<0 (distribución asimétrica negativa; existe mayor concentración de valores a la izquierda de la media que a su derecha).
La curtosis o apuntamiento sirve para medir el grado de concentración de los valores que toma en torno a su media.Se elige como referencia una variable con distribución normal, de modo que para ella el coeficiente de curtosis es 0.
Los resultados pueden ser los siguientes:
- g2=0 (distribución mesocúrtica). Presenta un grado de concentración medio alrededor de los valores centrales de la variable (el mismo que presenta una distribución normal).
- g2>0 (distribución leptocúrtica). Presenta un elevado grado de concentración alrededor de los valores centrales de la variable.
- g<0 (distribución platicúrtica). Presenta un reducido grado de concentración alrededor de los valores centrales de la variable.
Suscribirse a:
Entradas (Atom)