conceptos bsicos Importancia no se que mas lo de promedio media y moda razon proporcion eso de variables nominales y las otras

lo cuantitativo y cualitativo Introduccin a la estadstica Tipos de estadstica Estadstica descriptica Y estadstica diferencial En este caso nos enfocaremos en lo que es la Estadstica descriptiva y los conceptos bsicas que tiene esa ciencia tan importante para la prctica de las carreras de salud. La estadstica descriptiva es una ciencia que analiza series de datos (por ejemplo, edad de una poblacin, altura de los pacientes, la temperatura, etc.) y trata de extraer conclusiones sobre el comportamiento de estas variables. Las variables pueden ser de dos tipos: Variables cualitativas o atributos: no se pueden medir numricamente (por ejemplo: nacionalidad, color de la piel, sexo). Variables cuantitativas: tienen valor numrico (edad, cuantas veces se usa un medicamento, ingresos anuales, nmero de pacientes). Las variables tambin se pueden clasificar en: Variables unidimensionales: slo recogen informacin sobre una caracterstica (por ejemplo: edad de los pacientes en el hospital). Variables bidimensionales: recogen informacin sobre dos caractersticas de la poblacin (por ejemplo: edad y altura de los pacientes en el hospital). Variables pluridimensionales: recogen informacin sobre tres o ms caractersticas (por ejemplo: edad, altura y peso de los pacientes en el hospital). Por su parte, las variables cuantitativas se pueden clasificar en discretas y continuas: Discretas: slo pueden tomar valores enteros (1, 2, 8, -4, etc.). Por ejemplo: nmero de pacientes en el hospital (puede ser 1, 2, 3..., etc., pero, por ejemplo, nunca podr ser 3,45).

Continuas: pueden tomar cualquier valor real dentro de un intervalo. Por ejemplo, la velocidad de un vehculo puede ser 80,3 km/h, 94,57 km/h...etc. Cuando se estudia el comportamiento de una variable hay que distinguir los siguientes conceptos: Individuo: cualquier elemento que porte informacin sobre el fenmeno que se estudia. As, si estudiamos la altura de los nios de una clase, cada alumno es un individuo; si estudiamos el precio de la vivienda, cada vivienda es un individuo. Poblacin: conjunto de todos los individuos (personas, objetos, animales, etc.) que porten informacin sobre el fenmeo que se estudia. Por ejemplo, si estudiamos el precio de la vivienda en una ciudad, la poblacin ser el total de las viviendas de dicha ciudad. Muestra: subconjunto que seleccionamos de la poblacin. As, si se estudia el precio de la vivienda de una ciudad, lo normal ser no recoger informacin sobre todas las viviendas de la ciudad (sera una labor muy compleja), sino que se suele seleccionar un subgrupo (muestra) que se entienda que es suficientemente representativo. Distribucin de frecuencia La distribucin de frecuencia es la representacin estructurada, en forma de tabla, de toda la informacin que se ha recogido sobre la variable que se estudia. Ejemplo: Medimos la altura de los pacientes de uno de los servicios y obtenemos los siguientes resultados (cm): Alumno Estatura Alumno Estatura Alumno Estatura x x x x x x Paciente Paciente Paciente 1,25 1,23 1,21 1 11 21 Paciente Paciente Paciente 1,28 1,26 1,29 2 12 22 Paciente Paciente Paciente 1,27 1,30 1,26 3 13 23 Paciente Paciente Paciente 1,21 1,21 1,22 4 14 24 Paciente Paciente Paciente 1,22 1,28 1,28 5 15 25 Paciente Paciente Paciente 1,29 1,30 1,27 6 16 26 Paciente 1,30 Paciente 1,22 Paciente 1,26

7 Paciente 8 Paciente 9 Paciente 10

1,24 1,27 1,29

17 Paciente 18 Paciente 19 Paciente 20

1,25 1,20 1,28

27 Paciente 28 Paciente 29 Paciente 30

1,23 1,22 1,21

Si presentamos esta informacin estructurada obtendramos la siguiente tabla de frecuencia:

Variable (Valor) x 1,20 1,21 1,22 1,23 1,24 1,25 1,26 1,27 1,28 1,29 1,30

Frecuencias absolutas Frecuencias relativas Simple Acumulada Simple Acumulada x x x x 1 1 3,3% 3,3% 4 5 13,3% 16,6% 4 9 13,3% 30,0% 2 11 6,6% 36,6% 1 12 3,3% 40,0% 2 14 6,6% 46,6% 3 17 10,0% 56,6% 3 20 10,0% 66,6% 4 24 13,3% 80,0% 3 27 10,0% 90,0% 3 30 10,0% 100,0%

Distribuciones de frecuencia agrupada Ejemplo: de esta forma se pueden agrupar datos que son muchos y muy variables. Supongamos que medimos la estatura de los habitantes de una vivienda y obtenemos los siguientes resultados (cm): Habitante Estatura Habitante Estatura Habitante Estatura x x x x x x Habitante Habitante Habitante 1,15 1,53 1,21 1 11 21 Habitante Habitante Habitante 1,48 1,16 1,59 2 12 22 Habitante 1,57 Habitante 1,60 Habitante 1,86

3 Habitante 4 Habitante 5 Habitante 6 Habitante 7 Habitante 8 Habitante 9 Habitante 10

1,71 1,92 1,39 1,40 1,64 1,77 1,49

13 Habitante 14 Habitante 15 Habitante 16 Habitante 17 Habitante 18 Habitante 19 Habitante 20

1,81 1,98 1,20 1,42 1,45 1,20 1,98

23 Habitante 24 Habitante 25 Habitante 26 Habitante 27 Habitante 28 Habitante 29 Habitante 30

1,52 1,48 1,37 1,16 1,73 1,62 1,01

Si presentramos esta informacin en una tabla de frecuencia obtendriamos una tabla de 30 lneas (una para cada valor), cada uno de ellos con una frecuencia absoluta de 1 y con una frecuencia relativa del 3,3%. Esta tabla nos aportara escasa imformacin En lugar de ello, preferimos agrupar los datos por intervalos, con lo que la informacin queda ms resumida (se pierde, por tanto, algo de informacin), pero es ms manejable e informativa:

Estatura Cm x 1,01 - 1,10 1,11 - 1,20 1,21 - 1,30 1,31 - 1,40 1,41 - 1,50 1,51 - 1,60 1,61 - 1,70 1,71 - 1,80 1,81 - 1,90 1,91 - 2,00

Frecuencias absolutas Simple Acumulada x x 1 1 3 4 3 7 2 9 6 15 4 19 3 22 3 25 2 27 3 30

Frecuencias relativas Simple Acumulada x x 3,3% 3,3% 10,0% 13,3% 10,0% 23,3% 6,6% 30,0% 20,0% 50,0% 13,3% 63,3% 10,0% 73,3% 10,0% 83,3% 6,6% 90,0% 10,0% 100,0%

Medidas de posicin central Las medidas de posicin nos facilitan informacin sobre la serie de datos que estamos analizando. Estas medidas permiten conocer diversas caractersticas de esta serie de datos. Las medidas de posicin son de dos tipos: a) Medidas de posicin central: informan sobre los valores medios de la serie de datos. b) Medidas de posicin no centrales: informan de cmo se distribuye el resto de los valores de la serie. a) Medidas de posicin central Las principales medidas de posicin central son las siguientes: 1.- Media: es el valor medio ponderado de la serie de datos. Se pueden calcular diversos tipos de media, siendo las ms utilizadas: a) Media aritmtica: se calcula multiplicando cada valor por el nmero de veces que se repite. La suma de todos estos productos se divide por el total de datos de la muestra: (X1 * n1) + (X2 * n2) + (X3 * n3) + .....+ (Xn-1 * nn-1) + (Xn * nn) Xm = -------------------------------------------------------------------------------------n b) Media geomtrica: se eleva cada valor al nmero de veces que se ha repetido. Se multiplican todo estos resultados y al producto final se le calcula la raz "n" (siendo "n" el total de datos de la muestra).

Segn el tipo de datos que se analice ser ms apropiado utilizar la media aritmtica o la media geomtrica. La media geomtrica se suele utilizar en series de datos como tipos de inters anuales, inflacin, etc., donde el valor de cada ao tiene un efecto multiplicativo sobre el de los aos anteriores. En todo caso, la media aritmtica es la medida de posicin central ms utilizada. Lo ms positivo de la media es que en su clculo se utilizan todos los valores de la serie, por lo que no se pierde ninguna informacin.

Sin embargo, presenta el problema de que su valor (tanto en el caso de la media aritmtica como geomtrica) se puede ver muy influido por valores extremos, que se aparten en exceso del resto de la serie. Estos valores anmalos podran condicionar en gran medida el valor de la media, perdiendo sta representatividad. 2.- Mediana: es el valor de la serie de datos que se sita justamente en el centro de la muestra (un 50% de valores son inferiores y otro 50% son superiores). No presentan el problema de estar influido por los valores extremos, pero en cambio no utiliza en su clculo toda la informacin de la serie de datos (no pondera cada valor por el nmero de veces que se ha repetido). 3.- Moda: es el valor que ms se repite en la muestra. Ejemplo: vamos a utilizar la tabla de distribucin de frecuencias con los datos de la estatura de los pacientes que vimos anteriormente. Variable (Valor) x 1,20 1,21 1,22 1,23 1,24 1,25 1,26 1,27 1,28 1,29 1,30 Frecuencias absolutas Frecuencias relativas Simple Acumulada Simple Acumulada x x x x 1 1 3,3% 3,3% 4 5 13,3% 16,6% 4 9 13,3% 30,0% 2 11 6,6% 36,6% 1 12 3,3% 40,0% 2 14 6,6% 46,6% 3 17 10,0% 56,6% 3 20 10,0% 66,6% 4 24 13,3% 80,0% 3 27 10,0% 90,0% 3 30 10,0% 100,0%

Vamos a calcular los valores de las distintas posiciones centrales: 1.- Media aritmtica: (1,20*1) + (1,21*4) + (1,22 * 4) + (1,23 * 2) + ......... + (1,29 * 3) + (1,30 * 3) Xm = -------------------------------------------------------------------------------------------------30 Luego: Xm = 1,253

Por lo tanto, la estatura media de este grupo de alumnos es de 1,253 cm. 2.- Media geomtrica: X= Luego: Xm = 1,253 En este ejemplo la media aritmtica y la media geomtrica coinciden, pero no tiene siempre por qu ser as. 3.- Mediana: La mediana de esta muestra es 1,26 cm, ya que por debajo est el 50% de los valores y por arriba el otro 50%. Esto se puede ver al analizar la columna de frecuencias relativas acumuladas. En este ejemplo, como el valor 1,26 se repite en 3 ocasiones, la media se situara exactamente entre el primer y el segundo valor de este grupo, ya que entre estos dos valores se encuentra la divisin entre el 50% inferior y el 50% superior. 4.- Moda: Hay 3 valores que se repiten en 4 ocasiones: el 1,21, el 1,22 y el 1,28, por lo tanto esta seria cuenta con 3 modas. ((1,20^ 1) * (1,21^4) * (1,22^ 4) * .....* (1,29^3)* (1,30^3)) ^ (1/30)

Razn, proporcin y tasa

RAZN: es un cociente de dos nmeros cualesquiera, en el que ninguno de los elementos del numerador est incluido en el denominador. El rango puede oscilar de 0 a infinito. Ejemplo 1: razn entre el nmero de casos entre inmunodeprimidos y varones sanos en una penitenciaria de tuberculosis en un ao. 8/2=4 Ejemplo 2: razn entre el nmero de casos de tuberculosis entre personas en rgimen interno y personas normales en Jan. 50/5=10 PROPORCIN: Es un tipo especial de razn en la cual los elementos del numerador estn incluidos en el denominador. El rango puede oscilar de 0 a 1 (de 0 a 100 en porcentaje).Se utiliza como estimacin de la probabilidad de un evento. Ejemplo1: para un nmero de expuestos de 300(nmero de pacientes) 10/300=0.033 Ejemplo 2: poblacin de los barrios cerca al hospital es de 650.000 habitantes 55/650000=8,46e-5 TASA: Es un tipo especial de proporcin o razn que incluye una medida de tiempo en el denominador. Los componentes de una tasa son el numerador, el denominador, el tiempo especfico en el que el hecho ocurre y usualmente un multiplicador, potencia de 10, que convierte una fraccin decimal en un n entero. El concepto de tasa est asociado con la rapidez de un fenmeno por unidad de tiempo. Ejemplo1: nmero de pacientes inmunodeficientes tratados en la enfermera de los barrios cercanos al hospital en ese ao: 200 8*100/200=4% Ese ao enfermaron por tuberculosis 4 de cada 100 enfermos inmunodeprimidos Ejemplo2: nmero de pacientes tratados en la provincia de Jan por patologas semejantes en ese ao: 4000 55*100/4000=1,375%, Ese ao 11de cada 800 personas enfermaron de tuberculosis en Jan (1,375*8=11)

2. Tasa de incidencia En los barrios aledaos al hospital en el ao de estudio aparecieron 10 casos de tuberculosis sobre una poblacin de 3000 personas de los cuales 800 son inmunodeprimidos. El nmero de pacientes tratados en la enfermera del hospital ese ao fue de 200. Tasa de incidencia: nmero de casos de una enfermedad o evento que ha aparecido en un periodo de tiempo determinado. Tambin se llama Densidad de Incidencia I: nmero de casos nuevos de una enfermedad o evento PT: nmero de personas de riesgo de desarrollar esa enfermedad o evento multiplicado por el tiempo que cada una de ellas permanece en riesgo. Ejemplo de la tasa de Incidencia: 10 casos nuevos de tuberculosis en un ao (8 de ellos en inmunodeprimidos). siendo el tiempo medio de estancia en el hospital media 1825 das en el caso de los pacientes inmunodeprimidos. en este caso entendemos que las personas de riesgo son las inmunodeprimidas y el tiempo de riesgo el tiempo que permanecen en rgimen de internamiento.

Pacientes infectados*1000/suma de estancias (I/PT) Tiempo necesario para duplicar el nmero de casos 0*1000/1825=5,48 por 1000 pacientes ao La incidencia acumulada es 0,05 (calculada en el punto siguiente) Tiempo de duplicacin=Ln2/0,05=13,86 Para que se dupliquen el nmero de casos sera necesarios 13 aos.

3. Riesgo: mtodo de incidencia acumulada y mtodo actuarial

La incidencia acumulada mide cual es el riesgo de desarrollar una determinada enfermedad o evento en un momento dado de tiempo. Es una proporcin, con rango de 0 a1 y sin dimensin. IA=pacientes infectados/pacientes tratados en la enfermera 10/200=0.05

El mtodo actuarial se diferencia del de incidencia acumulada en la que la poblacin que se estudia es dinmica, se tienen en cuenta los abandonos y fallecimientos que ocurren durante el periodo de estudio. -para que los resultados sean distintos que los de incidencia acumulada (no hubiera abandonos), supondremos que en este periodo saldran de la prisin 25 de los enfermos inmunodeprimidos. IA=10/200-(25/2)=10/185,7=0.054

5. Relacin cuantitativa entre tasa y riesgo Para estudiar el comportamiento de una enfermedad en el tiempo relacionndola con la exposicin a factores de riesgo, usamos la tasa de incidencia. Para conocer el riesgo de poadecer la misma enfermedad, necesitamos sabder el tiempo en el que el sujeto est en riesgo de padecer la enfermedad tras exponerse a los mismos factores de riesgo y adems incluirlo en el periodo de observacin del estudio (periodo de latencia). En las enfermedades infecciosas (objeto de nuestro estudio), el periodo de latencia, al ser corto, se encuentra incluido en la observacin. Es por esto que podemos usar estas dos medidas, la tasa de incidencia y el riesgo de padecer la enfermedad. La tasa de incidencia de una enfermedad y el riesgo de desarrollarla estn relacionadas por la frmula del riesgo en el mtodo de la densidad: R= 1- e(-DIxt) Existir una relacin lineal entre el riesgo y la tasa de incidencia cuando sta sea constante a lo largo del tiempo y el valor DIxt se a pequeo. Medidas de dispersin

Estudia la distribucin de los valores de la serie, analizando si estos se encuentran ms o menos concentrados, o ms o menos dispersos. Existen diversas medidas de dispersin, entre las ms utilizadas podemos destacar las siguientes: 1.- Rango: mide la amplitud de los valores de la muestra y se calcula por diferencia entre el valor ms elevado y el valor ms bajo. 2.- Varianza: Mide la distancia existente entre los valores de la serie y la media. Se calcula como sumatorio de las difrencias al cuadrado entre cada valor y la media, multiplicadas por el nmero de veces que se ha repetido cada valor. El sumatorio obtenido se divide por el tamao de la muestra.

La varianza siempre ser mayor que cero. Mientras ms se aproxima a cero, ms concentrados estn los valores de la serie alrededor de la media. Por el contrario, mientras mayor sea la varianza, ms dispersos estn. 3.- Desviacin tpica: Se calcula como raz cuadrada de la varianza. 4.- Coeficiente de variacin de Pearson: se calcula como cociente entre la desviacin tpica y la media. Ejemplo: vamos a utilizar la serie de datos de la estatura de los pacientes de una clase (leccin 2) y vamos a calcular sus medidas de dispersin.
Variable (Valor) x 1,20 1,21 1,22 1,23 1,24 1,25 1,26 1,27 1,28 1,29 1,30 Frecuencias absolutas Simple Acumulada x 1 4 4 2 1 2 3 3 4 3 3 x 1 5 9 11 12 14 17 20 24 27 30 Frecuencias relativas Simple Acumulada x 3,3% 13,3% 13,3% 6,6% 3,3% 6,6% 10,0% 10,0% 13,3% 10,0% 10,0% x 3,3% 16,6% 30,0% 36,6% 40,0% 46,6% 56,6% 66,6% 80,0% 90,0% 100,0%

1.- Rango: Diferencia entre el mayor valor de la muestra (1,30) y el menor valor (1,20). Luego el rango de esta muestra es 10 cm. 2.- Varianza: recordemos que la media de esta muestra es 1,253. Luego, aplicamos la frmula:

Por lo tanto, la varianza es 0,0010 3.- Desviacin tpica: es la raz cuadrada de la varianza.

Luego:

4.- Coeficiente de variacin de Pearson: se calcula como cociente entre la desviacin tpica y la media de la muestra. Cv = 0,0320 / 1,253 Luego, Cv = 0,0255 El inters del coeficiente de variacin es que al ser un porcentaje permite comparar el nivel de dispersin de dos muestras. Esto no ocurre con la desviacin tpica, ya que viene expresada en las mismas unidas que los datos de la serie. Por ejemplo: para comparar el nivel de dispersin de una serie de datos de la altura de los pacientes del hospital y otra serie con el peso de dichos pacientes, no se puede utilizar las desviaciones tpicas (una viene vienes expresada en cm y la otra en kg). En cambio, sus coeficientes de variacin son ambos porcentajes, por lo que s se pueden comparar.