Reflexión final

Bueno aquí ya la última entrada de este precioso blog, no mintáis sé que me vais a echar de menos.
Para mí esta asignatura me gusta mucho, sé que lo dije en la primera entrada pero lo recalco, por el  hecho de volver a dar matemáticas y afrontar los problemas de test hipótesis. Espero que los del examen pueda superarlos jajaja.

He aprendido que las estadísticas son muy importantes en nuestra vida diaria, ya que todos los problemas que se enfrentaron antes fueron resueltas gracias a la estadística, y por ello ahora tenemos información actualizada y nuevos métodos en enfermería. Las estadísticas son necesarias para el desarrollo y la actualización, no solo de enfermería, sino de todas las profesionalidades. Son la base de la investigación la cual es la madre de la ciencia y no hay que olvidar que enfermería esta dentro de la rama ciencias de la salud.

Este blog ha sido muy difícil de realizar, sobre todo porque hay que echarle muchas horas. Por lo que tiene inconvenientes y beneficios. Por una parte te quita horas de estudio de las demás asignaturas, sin embargo te ayuda a tener una toma de contacto con esta asignatura y a tener que estudiarte los temas, esperemos que me sirva para el examen. 

Además yo soy una negada en las tecnologías y esto me ha abierto un nuevo mundo y me ha ayudado a controlar programas como el Epi Info que yo pensaba que eso lo usaban solo gente con master y superior porque al alcance de mi conocimiento no estaría. Sí, creo que me he pasado jaja. 

Pero bueno, como conclusión quiero decir que me llevo una parte positiva de todo esto y es que cada día se aprende algo nuevo. 

Seminario 5

En este último seminario expusimos nuestros trabajos de investigación y si queréis saber cuál fue el resultado aquí lo tenéis:

Sesiones teóricas estadisticas y tic 10ª semana.

 Para controlar los errores aleatorios contamos con una segunda herramienta en el proceso de inferencia estadística:  los test de hipótesis.
Sean cuales ean los deseos de los investigadores, el test de hipótesis siempre va a contrastar la hipótesis nula.
Antes de hacer el test de hipótesiis tenemos que comprobar la normalidad, para ello existen dos pruebas dependiendo del tamaño muestral. Si el tamaño muestral es superior a 50 usaremos el test de Kolmogorov-Smirnov. Si es menor a 50 usaremos el test de Shapiro-Wilks. Un ejemplo sería así:

gl significa el grado de libertad que es la población encuestada menos uno. Si el significado es inferior a 0,005 rechazamos la hipótesis nula.

Tipo de análisis estadísticos según el tipo de variables implicadas en el estudio:

El test de hipótesis mide la probabilidad de error que cometo si rechazo la hipótesis nula. El error alfa es la probabilidad de equivocarnos al rechazar la hipótesis nula. ¡Rechazamos la hipótesis nula para un nivel alfa máximo del 5%. Existen diferentes tipos de errores:

TEST DE HIPÓTESIS CHI-CUADRADO

Suponemos la hipótesis cierta y estudiamos como es de probable que siendo iguales dos grupos a comparar se obtengan resultados como los obtenidos o haber encontrado diferencias más grandes por grupos.

Para acompañar os dejo un ejercicio realizado por mí:

TEST DE ESTUDENT

Se utiliza cuando la variable independiente es cualitativa dicotómica y la variable dependiente es continua.

Este vídeo es un poco largo pero te explica muy bien cómo hacer un ejercicio de test de estudent.

Para acompañar os dejo un ejemplo de un ejercicio hecho por mí:

REGRESIÓN LINEAL SIMPLE

Se trata de estudiar la asociación lineal entre dos variables cuantitativas. La ecuación de la recta es y = ax+b

La pendiente sería a =beta1. Si el valor de a es positivo la correlación entre las dos variables es directa y si el valor de a es negativo indirecta.

Los modelos lineales deterministas: la variable independiente determina el valor de la variable dependiente.

Los modelos lineales probabilísticos: para cada valor de la variable independiente existe una distribución de probabilidad de valores de la dependiente.

El coeficiente de correlación (pearson ySpeerman: número adimensional que mide la fuerza y el sentido de la relación lineal entre variable. Su fórmula es  r = ß_{1 x} Sx /Sy.

El coeficiente de determinación da idea de la relación entre las variables relacionadas linealmente es r al cuadrado.

Para calcular beta uno y beta cero:

Para explicarlo mejor utilizo un ejemplo:

Sesiones teóricas estadisticas y tic 9ª semana.

¡Hola blogers!
Este tema lo empezamos con la estadistica inferencial: muestreo y estimación.

INFERENCIA ESTADISTICA
Es el conjunto de procedimientos estadísticos que permiten pasar de lo particular, la muestra, a lo general, la población.
Cuando planteamos un estudio en el ámbito sanitario nuestro interés suele estar en todos los pacientes.
Siempre que trabajamos con muestras hay que asumir un cierto error.
Si la muestra es al azar, se puede evaluar ese error. La técnica se denominaría muestreo probabilístico o aleatorio y su error, error aleatorio. En los muestreos no probabilísticos no se puede evaluar el error.

El estimador es la media. La inferencia es el proceso por el que a partir del estimador, me aproximo al parámetro.

El error estandar: es la medida que trata captar la variabilidad de los valores del estimador. Cuanto más pequeño es el error estándar, más nos podremos fiar del valor de una muestra. Se calcula para una media:

Para una proporción:

De ambas fórmulas se deduce que, mientras mayor sea el tamaño de una muestra, menor será el error estándar.

Intervalos de confianza: son un medio de conocer el parámetro en una población midiendo el error que tiene que ver con el azar. Es igual al estimador +/- (z .estandar).
El signo +/- significa que cuando elija el signo negativo se conseguirá el extremo inferior del intervalo y cuando se elija el positivo se tendrá el extremo superior. Mientras mayor sea la confianza que queramos otorgar al intervalo, éste será más amplio. Se calcula de esta forma:

PROCEDIMIENTO MUESTRAL

Un muestreo es un método tal que al escoger un grupo pequeño de una población podamos tener un grado de probabilidad de que ese pequeño grupo posea las características de la población que estamos estudiando.

Tipos de muestreo:

• Probabilístico, todos los elementos tienen la misma probabilidad de ser elegidos.

-Aleatorio simple, cada unidad tiene la probabilidad equitativa de ser incluida en la muestra. Está de sorteo o rifa que no puede usarse cuando el universo es grande y tambén una tabla de números aleatorios que es más económico y requiere menos tiempo.

-Aleatorio sistematico, cada unidad del unierso tiene la misma probabilidad de ser selccionada.
- Estratificado, se forman subgrupos debido a que las variables principales presentan cierta variabilidad.
- Conglomerado, en vez de escogerse cada unidad se toman los subgrupos o conjunto de unidades "conglomerados".

• Muestreo no probabilístico, no se considera que la muestra representa una población.

El investigador selecciona la muestra siguiendo algunos criterios.Tipos: 

-Por cuotas, selecciona la muestra considerando algunos fenómenos.

-Accidental, consiste en utilizar para el estudio las personas disponibles en un momento dado.

-Por convenio o intencional, el investigador decide la población que desea conocer.

TAMAÑO DE LA MUESTRA

Depende del error estándar, de la mínima diferencia entre los grupos, de la variabilidad de la variable y el tamaño de la población a estudiar. Se calcula de tal manera:

Sesiones teóricas estadisticas y tic 8ª semana.

Además de las tablas y gráficas, podemos resumir una serie de observaciones mediante "estadísticos": función de los datos observados y pueden ser tres:

• Medidas de tendencia central:

Se resume en tres conceptos. 

     -Media aritmética o media (x): se trata del centro geométrico de nuestros datos. Es la suma de todos los valores de la variable observada entre el total de las observaciones.

     -Mediana, es el valor de la observación tal que deja un 50% de los datos por debajo y otro 50% por encima.

     -Moda, es el valor con mayor frecuencia. Si hay más de una se dice que es bimodal o multimodal.

• Medidas de posición:

Indican posición una vez que están ordenados los datos de menor a mayor.

Cuantiles;

Se calculan para variables cuantitativas y sólo tienen en cuenta la posición de los valores en la muestra.

     -Percentiles, divide la muestra en 100 partes. El valor P50 corresponde a la mediana.

     -Deciles, dividen la muestra ordenada en 10 partes. El valor de D5 corresponde al valor de la mediana.

     -Cuartil, divide la muestra en 4 partes. Q4 corresponde a la mediana.

• Medidas de dispersión:

Rango o recorrido, ya dado en el tema anterior.

   -Desviación media: media aritmética de las distancias de cada observación con respecto a la media de la muestra. Se calcula:

   -Desviación típica: cuantifica el error que cometemos si representamos una muestra únicamente por su media. Se calcula:

   -Varianza, no es más que el cuadrado de la desviación típica.

   -Coeficiente de variación, nos sirve para comparar la heterogenidad de dos series numéricas con independencia de las unidades de medidas.

Distribuciones normales:

En estadísticas se llama distribución de Gauss, a una de las distribuciones de probabilidad de variable continua que con más frecuencia aparece en fenómenos reales. Su gráfica tiene forma acampanada debido a que la media, la mediana y la moda están en posición central. A esta gráfica se le llama campana de Gauss. 

Una distribución normal sigue estos principios básicos:

 - +-1S  68% de las observaciones.

 - +- 2S 95,45% de las observaciones.

 - +- 3S 99,73% de las observaciones.

Asimetrías y curtosis

Las asimetrías pueden ser hacia la izquierda, es decir negativa; o hacia la derecha, es decir positiva.

El coeficiente de asimetría de una variable es el grado de asimetría de la distribución de sus datos a su media. Y se define:

Los resultados pueden ser G=0, campana de Gauss. G>0 asimétrica positiva. G<0 asimétrica negativa. 

Curtosis, sirve para medir el grado de concentración de los valores que toma en torno a su media. Se calcula:

Los resultados pueden ser los siguientes:

g2=0 , distribución mesocúrtica.

g2>0, distribución leptocúrtica.

g2<0 distribución platicúrtica. 

Seminario 4

Más que un seminario ha sido una tutoría en grupo, pues el profesor nos resolvió bastantes dudas sobre la asignatura y nos ha explicado con más detalles y con más ejemplos los contrastes de hipótesis. Además de algunos conceptos muy importantes para esta asignatura. También nos enseñó que tipos de análisis estadísticos deberíamos utilizar según el tipo de variables en el estudio.

Por lo que este seminario es un resumen del tema 10, dado en clase. 

Sesiones teóricas estadisticas y tic 6ª semana.

Esta entrada va a estar centrada en la etapa empírica de a investigación.

Primero comenzamos con el material y métodos:
Dentro del material y métodos hay distintas fases.

• Planificación:

-Selección de individuos.

-Muestreo.

-Recogida de datos.

-Búsqueda de relaciones entre las variables.

-Registro y procesamiento.

• Ejecución:

-Recogida de datos y análisis.

¿Qué queremos medir?

• La prevalencia describe qué proporción de la población tiene la enfermedad en un punto específico en el tiempo. Y se calcula Nº de individuos con la enfermedad en un tiempo específico entre el Nº de individuos en la población en un punto en el tiempo.
• La incidencia describe la frecuencia de nuevos casos que ocurren durante un periodo de tiempo.Hay dos formas:

- Incidencia acumulada, riesgo de que se produzca el suceso.Esta se calcula el nº de nuevos casos en un tiempo determinado entre la población a riesgo en tiempo de inicio.

-Tasa de incidencia, velocidad de aparición de nuevos casos. Se calcula:                                                                                                       

Tasa de incidencia = Nuevos casos (t₀, t) /Personas-tiempo a riesgo (t₀, t).

Medidas de asociación en estudios descriptivos:

Prevalencia en no expuestos = Nº de casos entre los no expuestos/Nº total de individuos no expuestos = P.ne

Prevalencia en expuestos = Nº de casos entre los expuestos/ Nº total de individuos expuestos = P. e

                                            

Si da 1, la P.ne es=a la P.e : no hay asociación.

                                                               Nº de casos entre los no expuestos

Incidencia en no expuestos =                                                                                = I.ne

                                                               Nº total de individuos no expuestos

                                                      Nº de casos entre los expuestos

Incidencia en expuestos =                  =  I.e

                                                      Nº total de individuos expuestos

Entonces la relación entre la incidencia (casos nuevos) en expuestos I.e y la incidencia (nuevos casos) en no expuestos I.ne, se puede expresar como:

       I.e

 

       I.ne

Es el riesgo relativo o razón de riesgos:

               I.e

R.R. =                    MAGNITUD DE LA ASOCIACIÓN

               I.ne

ESTUDIOS DE CASOS Y CONTROLES. ESTIMACIÓN DE LA MAGNITUD DE ASOCIACIÓN.

Se comparan dos grupos: uno que presenta la variable dependiente y otro grupo control que no la presenta. En estos estudios no hay ni incidencia ni prevalencia porque se indaga en su pasado.

Se calcula la ODDS RATIO mediante:

·         ODDS casos: Presencia del factor entre los casos/  Ausencia del factor entre los casos.

·         ODDS controles: Presencia del factor entre los controles  / Ausencia del factor entre los controles.

Por tanto àODDS RATIO= ODDS casos /  ODDS controles.