Estadística Descriptiva - PowerPoint PPT Presentation

bevan
slide1 n.
Skip this Video
Loading SlideShow in 5 Seconds..
Estadística Descriptiva PowerPoint Presentation
Download Presentation
Estadística Descriptiva

play fullscreen
1 / 42
Download Presentation
Estadística Descriptiva
139 Views
Download Presentation

Estadística Descriptiva

- - - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript

  1. Estadística Descriptiva

  2. Tema I.- Generalidades Objetivos: Clasificar distintos tipos de variables según su naturaleza, mediante su reconocimiento, para facilitar su manejo en la investigación empírica en la atención primaria de salud. Identificar el universo y la muestra en diversas situaciones, mediante la presentación de ejemplos, para su utilización en la investigación empírica en la atención de salud. Construir escalas de intervalos de igual amplitud, mediante procedimientos estadísticos establecidos, para su utilización en la construcción de cuadros y gráficos estadísticos útiles en el trabajo de la atención primaria de salud.

  3. Objetivos: Construir escalas de intervalos de igual amplitud, mediante procedimientos estadísticos establecidos, para su utilización en la construcción de cuadros y gráficos estadísticos útiles en el trabajo de la atención primaria de salud. Construir distribuciones de frecuencia, mediante procedimientos estadísticos establecidos, para su utilización en la construcción de cuadros y gráficos estadísticos útiles en el trabajo de atención primaria de salud.

  4. Estadística Es la ciencia encargada de recolectar, organizar, presentar, analizar e interpretar datos numéricos. Clasificación Inferencial o Inductiva Descriptiva o Deductiva Resume las propiedades de un conjunto de datos sin inferir de la muestra a la población. Generaliza de la muestra a una población y se b asa en la teoría de probabilidades.

  5. Variable Es una característica susceptible de ser medida en las unidades de análisis que se estudian, que toma diferentes valores o grados de intensidad, en dependencia de cuál sea la unidad de medida Sexo. Total de autos Volumen de los recipientes. Etc. Colores de las cosas. Estatura. Altura de edificios.

  6. Ejemplo: • Supongamos que unos investigadores de cierta área de salud investigan la presencia de discapacidad física en ancianos de una comunidad. Para ello, miden en cada anciano escogido las variables: • Sexo • Raza • Sensación de inactividad • Número de consultas médicas recibidas • Edad. Variables Cualitativas (no pueden medirse numéricamente) Variables Cuantitativas (si pueden medirse numéricamente) • Color • Olor • Sexo • Si Juan es o no es alcohólico • Peso • Edad • Talla • Número de hijos • Etc.

  7. Si No Dicotómicas Nominales Sexo Color Olor Ocupación Estado Civil Politómicas Cualitativas Estado de un Paciente Estado de una enfermedad Ordinales Variables Toman valores enteros Discretas Cuantitativas o Dimensionales Toman valores enteros y/o intermedios Continuas

  8. Universo o Población Muestra Entendemos un grupo, casi siempre numeroso, compuesto frecuentemente pero no necesariamente por personas, que tienen en común al menos una característica susceptible de ser investigada. De ella se extraen las muestras necesarias para su estudio. Es el subgrupo de una población extraído por un investigador para extraer conclusiones de la misma, o para realizar estimaciones sobre ella. La muestra se obtiene mediante el muestreo.

  9. Ejemplos Para determinar si el medicamento X producido en la fábrica de medicamento Y tiene la calidad adecuada, se toman 100 tabletas al azar de la producción de una semana. Aquí la población es el total de tabletas del medicamento X producidas por la fábrica, y la muestra está formada por las 100 tabletas que se estudiaron. Un grupo de investigadores desea estudiar el comportamiento del síndrome anémico en el área que atiende el policlínico Sur de la provincia Guantánamo, para ello decide tomar a los habitantes de los consultorios 66, 50, 15 y 5 a fin de realizares los exámenes pertinentes. En este caso, la población está formada por el total de personas que atiende el policlínico, y la muestra por las personas que atienden los cuatro consultorios escogidos.

  10. Ejemplos Unos investigadores se proponen estudiar la actitud de los jubiladas de cierto consultorio ante el estrés generado por las tareas del hogar, por lo que estudiaron a 10 de las 37 jubiladas existentes. Obviamente, la población está constituida por las 37 jubiladas, y la muestra por las 10 señoras estudiadas. Los mismos investigadores desean estudiar el fenómeno en el área atendida por el policlínico, de ahí estudiaran a las jubiladas de cinco consultorios. Ahora, la población es el total de jubiladas que atiende el policlínico, y la muestra las jubiladas de aquellos consultorios escogidos.

  11. Escalas Exhaustiva Excluyentes Cuando permite clasificar a todas las unidades de análisis Solo deben estar en una y solo una categoría Cuantitativas Cualitativas • Nominales • Ordinales • De intervalo • De razón o de proporción

  12. Ejemplo Escala Nominal

  13. Ejemplo Escala Ordinal Se manejan rangos

  14. Escala de Intervalo Se debe mantener las características de una escala ordinal, en está conoces las distancias entre dos números de la escala. Ejemplo, Temperatura (Celsius y Fahrenheit). Si una escala posee las características antedichas, pero con la diferencia de que se origine en un cero real, entonces la misma es una Escala de Razón

  15. Escala de Clasificación Compuesta por varias divisiones ordenadas llamadas intervalo de clase (IC), los cuales están delimitados por límites de clase, que son los valores mayor y menor que los enmarcan. Escala cuantitativa abierta Intervalo de clase abierto Intervalo de clase abierto

  16. Límite Real (LR) (LRI) (LRS) • La amplitud o recorrido (A) de un intervalo de clase es la longitud de éste. Su cálculo puede hacerse de distintas maneras: • Diferencia entre los LR del intervalo en cuestión. En el ejemplo anterior, los LR del segundo IC son 14.5 y 19.5 por lo que la amplitud es 5. • Encontrar la diferencia de los limites de clase del intervalo de referencia y, luego, adicionarle una unidad al resultado obtenido. A=(19-15)+1=5. • Calcular A contando los números enteros que se encuentran entre los valores límites. “conteo de “ 15,16,17,18,19, es decir A=5.

  17. Marca de clase La marca de clase de un IC es el punto medio de dicho intervalo, que se calcula mediante la semisuma de los límites de clase del intervalo referido. Ejemplo, la marca de clase del tercer intervalo es MC = ( 20 + 24 ) / 2 = 22.

  18. Pasos para construir una escala con intervalos de clase de igual amplitud • Determinar el recorrido de la serie (R). Esto lo logras restando el valor mínimo al máximo. • Fija el número mínimo de intervalos de clase deseado. Esta decisión va por ti, lo determinarás en dependencia a tus necesidades. • Calcula la amplitud (A) de los intervalos. Para ello, divide el recorrido que obtuviste en el paso 1 por el número que fijaste en el paso anterior. • Delimita los límites inferiores (LI) de los intervalos. Partiendo del valor mínimo de la serie, añádele la amplitud y tendrás el LI del intervalo siguiente, a este le sumas la amplitud y tendrás el subsiguiente, y así hasta llegar al último LI de la lista. • Delimita los límites superiores (LS). Lo harás sustrayendo una unidad al LI siguiente. En el caso del LS del último intervalo, lo obtendrás sumándole la amplitud al último LI, luego restando al resultado una unidad.

  19. Construye la siguiente escala de pesos de 20 Adolescente, y agruparlos en una escala cuantitativa con intervalos de igual amplitud.

  20. Para visualizar el recorrido, comencemos por ordenar los pesos

  21. Observe el valor mínimo es 150,00 y el máximo 174,00 , la escala se construiría de la siguiente manera. • El recorrido de la serie es R = 174,00 – 150,00 = 24 • Supongamos que deseas como mínimo 4 IC • La amplitud que tendrán los intervalos es A = 24 / 4 = 6 • Límites inferiores: IC LI • 150 • 150 + 6 = 156 • 156 + 6 = 162 • 162 + 6 = 168 • Límites superiores: IC Ls • 156 - 1 = 155 • 162 - 1 = 161 • 168 - 1 = 167 • 174 - 1 = 173

  22. Escalas obtenidas: 150 -155 156 -161 162 -167 168 -173 Límite inferior del quinto IC: 168 + 6 = 174 Límite superior del último intervalo: 174 + 6 – 1 = 179 150 -155 156 -161 162 -167 168 -173 174 -179

  23. Próxima Clase Frecuencias

  24. Distribuciones de Frecuencias

  25. Frecuencia Número de casos dentro de una clase o intervalos, puede ser absoluta o relativa.

  26. Distribución de Frecuencias Es el modo en que se distribuyen las unidades de análisis entre las clases o categorías que conforman la escala de clasificación de la variable en cuestión.

  27. Observa las Tablas

  28. Acumulada Relativa Absoluta Relativa Distribuciones de Frecuencias Absoluta

  29. Es el resultado de contar los casos y/o observaciones, que corresponden a cada una de las clases o categorías de la escala de clasificación. Frecuencia Absoluta Es la importancia o peso relativos que tienen las unidades de análisis de una categoría o clase sobre el total de las unidades. Frecuencia relativa Son las frecuencias absolutas o relativas que se acumulan hasta un intervalo de clase dado. Frecuencia acumuladas

  30. Relativa Acumuladas Calculando las Frecuencias Absoluta Se obtiene contando los casos u observaciones. Se calcula dividiendo la frecuencia absoluta de la clase en cuestión por el total de observaciones, en cuyo caso obtendrás una proporción. Si multiplicaste este resultado por 100, obtendrás un porcentaje. Se calculan sumando las frecuencias A o R hasta la clase deseada. La FA para el último IC será el total de observaciones, si se tratare de la FAA, y si fuera el caso de la relativa, entonces será 1 o 100, en dependencia de si usaste proporción o porcentaje.

  31. Ejemplo

  32. Medidas de Tendencia Central Una de las características más sobresalientes de la distribución de datos es su tendencia a acumularse hacia el centro de la misma. Esta característica se denomina Tendencia central, entonces las MTC son las que representan a un conjunto de datos. Las medidas de tendencia central más usuales son Media aritmética (x), el valor medio. Mediana, el valor central. Moda, el valor más frecuente.

  33. Media ARitmética: Es aquella que se define como el promedio de un conjunto de datos. La media Aritmética sumando todos los valores en una población o muestra y se divide entre el número de valores sumados. Para obtener la edad promedio de la población de 100 pacientes registrados en la siguiente tabla se procede de la siguiente forma: 10, 22, 24, 42, 37, 77, 89, 85, 28, 63, 9, 10, 7, 51,2, 1, 52, 7, 48, 54, 32, 29, 2, 15, 46, 48, 39, 6, 72, 14, 36, 69, 40, 61, 12, 21, 54, 53, 58, 32, 27, 33, 1, 25, 22, 6, 81, 11, 56, 5, 63, 53, 88, 48, 52, 87, 71, 51, 52, 33, 46, 33, 85, 22, 5, 87, 28, 2, 85, 61, 16, 42, 69, 7, 10, 53, 33, 3, 85, 8, 51, 60, 58, 9, 14, 74, 24, 87, 7, 81, 30, 76, 7, 6, 27, 18, 17, 53, 70, 49.

  34. = 66, 100, 98, 96, 58, 94, 90 = 602 = 86 7 7 X n ∑ xi i=1 n x = Ejemplo 66, 100, 98, 96, 58, 94, 90

  35. La Mediana La mediana de un conjunto finito de valores es aquel valor que divide al conjunto en dos partes iguales, de forma que el número de valores mayor o igual a la mediana es igual al número de valores menores o iguales a ésta.

  36. Sí el número de valores es impar, la mediana es el valor medio siempre y cuando todas las variables sean arreglas en magnitudes de mayor a menor. • Cuando el número de valores en el conjunto es par, no existe un solo valor medio, sino que existen dos valores medios, en tal caso, la mediana corresponde a la media de esas dos magnitudes.

  37. Ejemplo Tomaremos como ejemplo los datos anteriores, en ella los valores deberán estar ordenados, de modo que sólo se requiere encontrar los dos valores medios. Éstos corresponden a los valores 36 y 37 , y la mediana, por lo tanto, es ( 36 + 37 ) / 2 = 36.5.

  38. Ejemplo n + 1 Posición de la mediana = 2 OjO Si el conjunto de datos tiene un número impar de observaciones, la posición de la mediana es; Ejemplo: 45, 52, 56, 67, 67 (Impar) M = ( 5 + 1 ) / 2 = 3 35, 45, 52, 56, 67, 67 (Par) M = ( 6 + 1 ) / 2 = 3.5 Se promedian los valores 3 y 4

  39. Obténgase ahora la mediana para la muestra que contiene los valores 10, 54, 21, 33, y 53. Al ordenar estos datos de menor a mayor se obtendrá la secuencia 10, 21, 33, 53, y 54. puesto que se trata de un número impar de valores, la mediana corresponda con el valor medio, es decir 33.

  40. Moda La moda de un conjunto de valores es aquel valor que ocurre con mayor frecuencia. Si todos los valores son diferentes, no hay moda. Por otra parte, un conjunto de valores puede tener más de una moda. Nuevamente, al observar el ejemplo anterior, se encuentra que el 7 ocurre cinco veces, siendo el que ocurre con mayor frecuencia, correspondiendo entonces a la moda.

  41. Ejemplo Para ilustrar un conjunto de valores que tienen más de una moda, considérese un laboratorio con diez empleados cuyas edades son 20, 21, 20, 20, 34, 22, 24, 27, 27 y 27. se puede decir que estos datos tienen dos modas 20 y 27. Una muestra que consista de los valores 10, 21, 33, 53 y 54. encontrar la moda. No tiene moda, puesto que todos los valores son diferentes.