Este documento describe los diferentes tipos de variables cualitativas y cuantitativas que se usan en bioestadística y epidemiología, incluyendo variables nominales, ordinales, de intervalo y de razón. Explica cómo la clasificación de las variables en estas escalas ayuda a determinar qué estadísticas son apropiadas para resumir los diferentes tipos de datos, como la moda para datos nominales y la media para datos de razón.
El primer médico que utilizó métodos matemáticos para cuantificar variables de pacientes y sus enfermedades fue el francés Pierre Charles-Alexandre Louis (1787-1872). La primera aplicación de la Método numérico (que es como tituló a su obra y llamó a su método) es su clásico estudio de la tuberculosis, que influyó en toda una generación de estudiantes. Sus discípulos, a su vez, reforzaron la nueva ciencia de la epidemiología con en el método estadístico. En las recomendaciones de Louis para evaluar diferentes métodos de tratamiento están las bases de los ensayos clínicos que se hicieron un siglo después. En Francia Louis René Villermé (1782-1863) y en Inglaterra William Farr (1807-1883) —que había estudiado estadística médica con Louis— hicieron los primeros mapas epidemiológicos usando métodos cuantitativos y análisis epidemiológicos. Francis Galton (1822-1911), basado en el darwinismo social, fundó la biometría estadística.
Pierre Simon Laplace (1749-1827), astrónomo y matemático francés, publicó en 1812 un tratado sobre la teoría analítica de las probabilidades, Théorie analytique des probabilités, sugiriendo que tal análisis podría ser una herramienta valiosa para resolver problemas médicos.
Process, process and present the data in the research is a must.
Procesar, tratar y presentar los datos en los trabajos de investigación es una necesidad.
El primer médico que utilizó métodos matemáticos para cuantificar variables de pacientes y sus enfermedades fue el francés Pierre Charles-Alexandre Louis (1787-1872). La primera aplicación de la Método numérico (que es como tituló a su obra y llamó a su método) es su clásico estudio de la tuberculosis, que influyó en toda una generación de estudiantes. Sus discípulos, a su vez, reforzaron la nueva ciencia de la epidemiología con en el método estadístico. En las recomendaciones de Louis para evaluar diferentes métodos de tratamiento están las bases de los ensayos clínicos que se hicieron un siglo después. En Francia Louis René Villermé (1782-1863) y en Inglaterra William Farr (1807-1883) —que había estudiado estadística médica con Louis— hicieron los primeros mapas epidemiológicos usando métodos cuantitativos y análisis epidemiológicos. Francis Galton (1822-1911), basado en el darwinismo social, fundó la biometría estadística.
Pierre Simon Laplace (1749-1827), astrónomo y matemático francés, publicó en 1812 un tratado sobre la teoría analítica de las probabilidades, Théorie analytique des probabilités, sugiriendo que tal análisis podría ser una herramienta valiosa para resolver problemas médicos.
Process, process and present the data in the research is a must.
Procesar, tratar y presentar los datos en los trabajos de investigación es una necesidad.
En este documento pordras encontrar la introducción a la ciencia en relacion a la investigacion basado en las difernetes teorias de la enfermeria contemporanea
Un libro sin recetas, para la maestra y el maestro Fase 3.pdfsandradianelly
Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestra y el maestro Fase 3Un libro sin recetas, para la maestr
14. ¿Qué estadísticas pueden ser usadas en diferentes escalas de medición ? Nominal Ordinal Intervalo Razón Moda SI SI SI SI Mediana NO SI SI SI Media NO NO SI SI
15.
16.
Notas del editor
Lo que usted puede hacer con sus datos depende en la información que usted tenga. Hay dos clases básicas—datos cualitativos y datos cuantitativos. Los datos cualitativos tienen que ver con descripciones que frecuentemente enumeran las características de una persona o de un lugar. Las características cualitativas son aquellas que no llevan un valor numérico, sino que tienen un nombre o una palabra asociada a ellos. Algunos ejemplos son sexo o raza / etnicidad. Algunas veces, a los datos cualitativos en una serie de datos, se les asigna un número (por ejemplo, femenino = 1), pero es importante entender que este tipo de dato no tiene que ver con un valor real numérico. Por el otro lado, los datos cuantitativos tienen que ver con medidas y llevan una forma numérica. Ejemplos de datos cuantitativos incluyen edad, estatura y peso. Para muchas clases de análisis, usted utilizará ambas clases de datos.
Hay dos tipos de datos cuantitativos: continuos y discretos. Los datos continuos son datos que tienen un número infinito de posibles valores, generalmente provienen de medidas. De manera que la medida de una variable continua que tiene un rango de 1 a 10, nos podría dar valores en cualquier rango que incluya fracciones decimales de un número. Nota al Instructor: De un clic para mostrar la animación Con los datos discretos, solamente hay un número limitado de posibles valores. Usando el mismo ejemplo, si estuviéramos midiendo una variable discreta que tiene un rango de 1 a 10, solo podríamos obtener ciertos valores (en este caso, números enteros) Nota al Instructor: De un clic para mostrar la animación
Puede alguno de ustedes pensar en otros ejemplos de datos continuos? Nota al Instructor: De a los estudiantes la oportunidad de responder; si tienen problemas, de un clic para mostrar la sugerencia. Una clave que los puede ayudar a entender los datos continuos es que estos frecuentemente viene de medidas. Algunos ejemplos incluyen, estatura, peso, y temperatura.
¿Puede alguien pensar en ejemplos de datos discretos? Nota al Instructor: De a los estudiantes la oportunidad de responder, si tiene problemas, de un clic para mostrar la sugerencia Una sugerencia que podría ayudarlos a diferenciar los datos discretos es que estos datos frecuentemente provienen en forma de conteos. Algunos ejemplos incluyen al número de hijos, número de refuerzos de vacunación recibidos y número de años de escolaridad completados.
La escala nominal se usa para datos cualitativos que se clasifican en categorías que no tienen un orden relativo. Algunos ejemplos de variables nominales incluyen color de ojos, raza y estado civil. El orden relativo simplemente significa que no hay una manera natural de hacer rangos para los datos—por ejemplo, los ojos azules no vienen antes o después de los ojos cafés, pero usted podría asignar a los ojos azules un valor de 1 y a los ojos cafés un valor de 2. Nota al instructor: Pregunte a la clase: Puede alguien pensar en otros ejemplos de variables nominales? Algunos ejemplos adicionales: Género, vecindario / ciudad, escuela, ocupación
Las variables dicotómicas son un caso especial de variables nominales en las cuales hay solamente dos categorías. Las variables dicotómicas son las variables más comunes en los estudios epidemiológicos. Muchas variables dicotómicas se basan en preguntas con respuestas de “si” o “no” para información. Tuvo la persona la enfermedad o no la tuvo? Estuvo la persona expuesta o no estuvo? La persona es fumadora o no es fumadora? Todos estos son ejemplos de variables dicotómicas.
La escala de variables ordinales es la escala de medición cuando los datos se clasifican en categorías que tienen un orden natural. La escala ordinal puede ser usada tanto para datos cualitativos como para datos cuantitativos, pero es más común para datos cualitativos de variables ordinales. Una característica clave a notar en la escala ordinal para variables es que los intervalos entre las categorías no son iguales o no hay una manera numérica de describir el intervalo (lo cual generalmente es el caso con los datos cualitativos). Algunos ejemplos de las variables ordinales incluyen la severidad de la enfermedad (evaluada ya sea como leve, moderada, o severa) o el estatus socioeconómico (evaluado como bajo, mediano, o alto). ¿Podría usted definir cuán más pobre es una persona de estatus bajo en comparación con una persona de clase media? El tener categorías ordenadas en donde usted no puede definir la diferencia entre las categorías debería darle la clave que no se trata de una variable ordinal. Nota al Instructor: Pregunte a la clase: Puede alguien pensar en otros ejemplos de variables ordinales? Algunos ejemplos adicionales: Opiniones (Definitivamente de acuerdo; De acuerdo; Neutro; En desacuerdo; Definitivamente en desacuerdo) Estado general de salud (Excelente, Bueno, Regular, Malo)
A las formas de definir la categorización de los datos se les llama escalas de medición. Hay varias escalas de medición que pueden usarse cuando se están incluyendo datos nominales, ordinales, intervalos y razones. Discutiremos cada uno de estos en mayor detalle.
Le escala de intervalo es similar a la escala ordinal. Su principal diferencia es que hay intervalos entre las categorías y éstos están espaciados de igual manera (intervalos iguales). La principal implicación de esto es que podríamos tomar la diferencia entre dos valores y esta diferencia sería significativa. La mayoría de las variables de intervalos usan datos cuantitativos. Un ejemplo de una variable de intervalos son los punteos de los exámenes (observe que cada categoría tiene 9 puntos porcentuales, de manera que están igualmente espaciadas). Otro ejemplo es el año (cada año en la lista está exactamente espaciado por un año)
La última escala de medición es la escala de razón. Esta es la escala más cuantitativamente avanzada y tiene el mayor uso en el análisis de los datos. Esta escala es la misma que la escala de intervalo, pero requiere que sea claramente definida con un valor cero para la variable. Otra manera de pensar sobre esto es que el valor cero representa la ausencia de lo que se está midiendo. Esta implicación es que la razón de dos valores es significativa.
Algunos ejemplos de las variables de razón incluyen estatura o ingreso familiar. Si usted tomó la razón de la persona A que gana $20,000 y la de la persona B que gana $10,00 usted podría correctamente decir que la persona A gana el doble que la persona B. Hay unos pocos ejemplos de variables de no-razón; uno de ellos siendo la temperatura (en grados Celsus o Fahrenheit), para los cuales una temperatura de cero no significa que no haya temperatura (realmente lo que significa es que hace frío atroz!). Tomando la razón de dos valores de temperatura no tendría ningún sentido. Otra es la variable del pH para la cual el cero no indica la ausencia de pH; en realidad significa que es algo con una excesiva acidez.
Para resumir todo lo que hemos discutido el día de hoy, esta tabla es útil para entender cuáles estadísticas pueden ser utilizadas en diferentes escalas de medición. Recuerden que en nuestra primera presentación, “Introducción a la Bioestadística”, discutimos las escalas de medición. La moda puede ser usada para describir todos los tipos de variables. La mediana puede ser usada para describir todas las escalas excepto la escala nominal. La media puede ser usada solamente para la escala de variables de intervalo y de razón, y esto también es verdadero para calcular diferencias. La escala de razón, como lo implica su nombre, es la única escala que puede ser utilizada para calcular razones.
Resumiendo: La bioestadística es el estudio de las estadísticas aplicadas a problemas biológicos La bioestadística se usa en epidemiología para describir tanto las variables cuantitativas como las variables cualitativas. Entendiendo la estructura de los datos y la escala nominal, la ordinal, la de intervalo, y las escalas de razón para medición, pueden ayudarlo a decidir qué medidas son las apropiadas para resumir los datos.