El documento provee una guía básica sobre conceptos estadísticos como estadística descriptiva e inferencial, variables cuantitativas y cualitativas, pruebas paramétricas y no paramétricas como la prueba t y chi cuadrado, correlación, regresión, análisis de varianza (ANOVA) y cómo seleccionar la prueba estadística apropiada.
La guía resume los conceptos básicos de la estadística, incluyendo la estadística descriptiva, inferencial, variables, pruebas paramétricas y no paramétricas como la prueba t, chi cuadrado, correlación, regresión y ANOVA. Explica cómo seleccionar las pruebas estadísticas apropiadas según el tipo de variables y preguntas de investigación.
La prueba estadística más apropiada para examinar la asociación entre dos variables numéricas como la tensión arterial diastólica y los niveles de colesterol es la correlación de Pearson.
La prueba estadística más apropiada para examinar la asociación entre las cifras de tensión arterial diastólica y los niveles de colesterol, suponiendo que las variables no se comportan de manera normal, es la Correlación de Spearman.
Este documento proporciona una introducción a los métodos básicos de análisis de datos, incluyendo variables, escalas de medición, contrastes de hipótesis, tipos de errores, fines de la investigación, tabulación cruzada, correlación, pruebas para evaluar diferencias como la prueba Ji cuadrada, prueba Z y prueba T. También presenta técnicas multivariadas como regresión múltiple, análisis discriminante múltiple, análisis de varianza y modelos de probabilidad lineal.
Este documento presenta conceptos clave sobre procesamiento de datos e inferencia estadística. Explica que la estadística inferencial incluye hacer inferencias y pruebas de hipótesis mediante el uso de pruebas paramétricas y no paramétricas como la prueba t, chi cuadrado, correlación y análisis de varianza. También define variables, tipos de pruebas estadísticas y sus requisitos, y cómo interpretar los resultados para sacar conclusiones sobre la relación entre variables.
El documento describe las diferencias entre pruebas paramétricas y no paramétricas. Las pruebas paramétricas hacen suposiciones sobre los parámetros de la población y distribución normal de los datos, mientras que las pruebas no paramétricas no hacen estas suposiciones. Algunas de las pruebas estadísticas más utilizadas mencionadas incluyen la prueba t, ANOVA, correlación de Pearson, y prueba de Ji cuadrada.
Basado en el decimoquinto capítulo del libro: Social Science Research: Principles, Methods, and Practices de Bhattacherjee (2012).
Recomendado para la introducción a las practicas avanzadas de la investigación científica en ciencias sociales.
Imagen de Chris Liverani en: https://unsplash.com/photos/dBI_My696Rk
Análisis estadístico de los RESULTADOS por Bioq. José Luis Soto Velásquezjoseluissotovelasquez
TAMBIÉN ESTOY EN: YOUTUBE: https://bit.ly/2TCUoiR y FACEBOOK: https://bit.ly/2QYxWPf
Como "Bioestadística con JL Soto"
Disertación en la 2da Jornada de Investigación Científica de la carrera de Nutrición y Dietética de la UEB
La guía resume los conceptos básicos de la estadística, incluyendo la estadística descriptiva, inferencial, variables, pruebas paramétricas y no paramétricas como la prueba t, chi cuadrado, correlación, regresión y ANOVA. Explica cómo seleccionar las pruebas estadísticas apropiadas según el tipo de variables y preguntas de investigación.
La prueba estadística más apropiada para examinar la asociación entre dos variables numéricas como la tensión arterial diastólica y los niveles de colesterol es la correlación de Pearson.
La prueba estadística más apropiada para examinar la asociación entre las cifras de tensión arterial diastólica y los niveles de colesterol, suponiendo que las variables no se comportan de manera normal, es la Correlación de Spearman.
Este documento proporciona una introducción a los métodos básicos de análisis de datos, incluyendo variables, escalas de medición, contrastes de hipótesis, tipos de errores, fines de la investigación, tabulación cruzada, correlación, pruebas para evaluar diferencias como la prueba Ji cuadrada, prueba Z y prueba T. También presenta técnicas multivariadas como regresión múltiple, análisis discriminante múltiple, análisis de varianza y modelos de probabilidad lineal.
Este documento presenta conceptos clave sobre procesamiento de datos e inferencia estadística. Explica que la estadística inferencial incluye hacer inferencias y pruebas de hipótesis mediante el uso de pruebas paramétricas y no paramétricas como la prueba t, chi cuadrado, correlación y análisis de varianza. También define variables, tipos de pruebas estadísticas y sus requisitos, y cómo interpretar los resultados para sacar conclusiones sobre la relación entre variables.
El documento describe las diferencias entre pruebas paramétricas y no paramétricas. Las pruebas paramétricas hacen suposiciones sobre los parámetros de la población y distribución normal de los datos, mientras que las pruebas no paramétricas no hacen estas suposiciones. Algunas de las pruebas estadísticas más utilizadas mencionadas incluyen la prueba t, ANOVA, correlación de Pearson, y prueba de Ji cuadrada.
Basado en el decimoquinto capítulo del libro: Social Science Research: Principles, Methods, and Practices de Bhattacherjee (2012).
Recomendado para la introducción a las practicas avanzadas de la investigación científica en ciencias sociales.
Imagen de Chris Liverani en: https://unsplash.com/photos/dBI_My696Rk
Análisis estadístico de los RESULTADOS por Bioq. José Luis Soto Velásquezjoseluissotovelasquez
TAMBIÉN ESTOY EN: YOUTUBE: https://bit.ly/2TCUoiR y FACEBOOK: https://bit.ly/2QYxWPf
Como "Bioestadística con JL Soto"
Disertación en la 2da Jornada de Investigación Científica de la carrera de Nutrición y Dietética de la UEB
El documento describe el diseño de mediciones repetidas con un solo factor y el análisis de varianza de dos vías (ANOVA). Explica cómo se utiliza el diseño de mediciones repetidas para medir la misma variable en los mismos individuos en diferentes ocasiones y controlar la variabilidad entre individuos. Luego, presenta un ejemplo de un estudio que analiza el efecto de diferentes dietas en el gasto de energía de los participantes a lo largo del tiempo mediante mediciones repetidas y ANOVA de dos vías.
Sesion 04 diseño de estudios experimentalesjhonrch
Este documento describe los diferentes tipos de estudios experimentales, incluyendo estudios aleatorizados controlados y estudios de intervención no aleatorizados. Explica por qué la aleatorización es importante para igualar los grupos y minimizar los sesgos. También cubre métodos como bloques permutados aleatorios y estratificación para mejorar la comparabilidad entre grupos. Finalmente, resalta la importancia de reportar los estudios de forma transparente usando listas de verificación como CONSORT y TREND.
Este documento resume los conceptos básicos de variables en análisis estadístico, incluyendo variables dependientes e independientes, escalas de medición como nominal, ordinal y de razón, y métodos para evaluar la normalidad de los datos como histograma y prueba de Shapiro-Wilk. También distingue entre pruebas paramétricas y no paramétricas, siendo las primeras más exactas pero requiriendo suposiciones de distribución normal.
Estadistica parametrica y no parametricajimialaponte
Este documento presenta un cuadro comparativo entre la estadística paramétrica y no paramétrica. La estadística paramétrica requiere conocer la distribución de los datos y algunos supuestos, mientras que la no paramétrica no requiere conocer la distribución. Algunas pruebas paramétricas comunes son la prueba Z, t de Student y F, mientras las no paramétricas incluyen pruebas de Ji cuadrada, U de Mann-Whitney y de Wilcoxon. La paramétrica suele ser
Este documento discute la validez de los estudios clínicos y cómo determinar si sus resultados son válidos y aplicables. Primero, explica que los estudios deben tener validez interna, lo que significa que los resultados se deben a la intervención evaluada y no a otros factores. También debe haber validez externa para que los resultados se puedan aplicar a otros pacientes. Segundo, señala que la asignación aleatoria, el seguimiento exhaustivo de los sujetos y el análisis por intención de tratar son aspectos clave para la
Este documento discute la validez de los estudios clínicos y cómo determinar si sus resultados son válidos y aplicables. Primero, los estudios deben tener una alta validez interna asegurando la asignación aleatoria de los participantes, un seguimiento exhaustivo de todos los sujetos y un análisis por intención de tratar. Segundo, la validez externa o aplicabilidad depende de si los resultados pueden generalizarse a otros pacientes y contextos clínicos. Tercero, es importante evaluar la magnitud del efecto observ
Fundamentos para análisis de resultados de una investigaciónFredy RS Gutierrez
El documento presenta los fundamentos metodológicos de la investigación biomédica, distinguiendo entre investigación cualitativa y cuantitativa. Explica el proceso de análisis de datos cuantitativos, incluyendo estadística descriptiva, inferencial y pruebas estadísticas. Finalmente, muestra un ejemplo práctico de análisis estadístico utilizando Excel.
Este capítulo discute los elementos necesarios para estimar el tamaño de la muestra en investigaciones. Explica que el tamaño de muestra depende de factores estadísticos como la estructura de hipótesis, los niveles de error tipo I y II, la variabilidad de las variables y las pérdidas esperadas de sujetos. También depende de factores prácticos como limitaciones de tiempo y dinero. El objetivo es seleccionar una muestra que proporcione inferencias estadísticas válidas sobre la población de interés.
Formula para el calculo de la muestra en investigaciones en saludJessica Ferreira
Este documento presenta fórmulas para calcular el tamaño de la muestra en investigaciones de salud. Explica que es difícil estudiar a toda la población, por lo que se requiere una muestra representativa. Detalla que el cálculo de la muestra permite determinar cuántos individuos se deben estudiar para estimar un parámetro con un grado de confianza o para detectar diferencias significativas entre grupos. Presenta fórmulas para variables cualitativas y cuantitativas en estudios descriptivos y explicativos, incluyendo pruebas
El documento describe los análisis paramétricos y no paramétricos. Explica los supuestos y métodos más utilizados en cada uno, como la distribución normal, prueba t, ANOVA y correlación de Pearson en los paramétricos, y tablas de contingencia, coeficientes de rangos y Ji cuadrada en los no paramétricos. También cubre conceptos como regresión lineal, análisis de covarianza y métodos multivariados.
El documento proporciona una descripción general de los análisis paramétricos y no paramétricos. Explica que los análisis paramétricos suponen distribuciones particulares de las variables y especifican parámetros, mientras que los análisis no paramétricos no tienen tantos supuestos. A continuación, resume varios métodos paramétricos comunes como la prueba t, ANOVA y regresión lineal, y métodos no paramétricos como la prueba Ji cuadrada y coeficientes de correlación de rangos.
Prueba de chi cuadrado y pruebas no paraetricasGerardo Gomez
El documento describe la prueba de bondad de ajuste, la cual compara la distribución de frecuencias observada de una variable en un grupo con la distribución esperada de la misma variable en un grupo de referencia. Se presentan ejemplos de cómo aplicar la prueba de bondad de ajuste y calcular el estadístico chi cuadrado para determinar si existe una diferencia estadísticamente significativa entre las distribuciones. También se discuten otras aplicaciones de la prueba chi cuadrado como pruebas de independencia y homogeneidad.
Este documento describe diferentes pruebas estadísticas para realizar contrastes de hipótesis dependiendo del tipo de variables y condiciones de los datos. Explica pruebas para comparar proporciones, medias y la relación entre variables cuantitativas, incluyendo cuándo usar la prueba Z, Ji-cuadrado, t de Student, U de Mann-Whitney, ANOVA y coeficiente de correlación.
El documento presenta información sobre 4 artículos de investigación. El primer artículo utiliza un diseño cualitativo para estudiar modelos educativos. El segundo artículo utiliza un diseño mixto para estudiar alternativas de formación. El tercer artículo emplea un diseño cuantitativo para examinar variables como la resistencia vascular. El cuarto artículo también usa un diseño cualitativo, enfocándose en la discriminación laboral.
Este documento presenta conceptos estadísticos básicos como variables, análisis descriptivo, relaciones estadísticas y validación de experimentos. Explica el uso del programa PSPP para depurar y transformar datos, realizar análisis descriptivos como tablas y gráficos, y comparar proporciones, medias y realizar regresiones. El objetivo es proporcionar conocimientos sobre estadística básica y familiarizar al lector con las herramientas de PSPP.
El documento describe el diseño de mediciones repetidas con un solo factor y el análisis de varianza de dos vías (ANOVA). Explica cómo se utiliza el diseño de mediciones repetidas para medir la misma variable en los mismos individuos en diferentes ocasiones y controlar la variabilidad entre individuos. Luego, presenta un ejemplo de un estudio que analiza el efecto de diferentes dietas en el gasto de energía de los participantes a lo largo del tiempo mediante mediciones repetidas y ANOVA de dos vías.
Sesion 04 diseño de estudios experimentalesjhonrch
Este documento describe los diferentes tipos de estudios experimentales, incluyendo estudios aleatorizados controlados y estudios de intervención no aleatorizados. Explica por qué la aleatorización es importante para igualar los grupos y minimizar los sesgos. También cubre métodos como bloques permutados aleatorios y estratificación para mejorar la comparabilidad entre grupos. Finalmente, resalta la importancia de reportar los estudios de forma transparente usando listas de verificación como CONSORT y TREND.
Este documento resume los conceptos básicos de variables en análisis estadístico, incluyendo variables dependientes e independientes, escalas de medición como nominal, ordinal y de razón, y métodos para evaluar la normalidad de los datos como histograma y prueba de Shapiro-Wilk. También distingue entre pruebas paramétricas y no paramétricas, siendo las primeras más exactas pero requiriendo suposiciones de distribución normal.
Estadistica parametrica y no parametricajimialaponte
Este documento presenta un cuadro comparativo entre la estadística paramétrica y no paramétrica. La estadística paramétrica requiere conocer la distribución de los datos y algunos supuestos, mientras que la no paramétrica no requiere conocer la distribución. Algunas pruebas paramétricas comunes son la prueba Z, t de Student y F, mientras las no paramétricas incluyen pruebas de Ji cuadrada, U de Mann-Whitney y de Wilcoxon. La paramétrica suele ser
Este documento discute la validez de los estudios clínicos y cómo determinar si sus resultados son válidos y aplicables. Primero, explica que los estudios deben tener validez interna, lo que significa que los resultados se deben a la intervención evaluada y no a otros factores. También debe haber validez externa para que los resultados se puedan aplicar a otros pacientes. Segundo, señala que la asignación aleatoria, el seguimiento exhaustivo de los sujetos y el análisis por intención de tratar son aspectos clave para la
Este documento discute la validez de los estudios clínicos y cómo determinar si sus resultados son válidos y aplicables. Primero, los estudios deben tener una alta validez interna asegurando la asignación aleatoria de los participantes, un seguimiento exhaustivo de todos los sujetos y un análisis por intención de tratar. Segundo, la validez externa o aplicabilidad depende de si los resultados pueden generalizarse a otros pacientes y contextos clínicos. Tercero, es importante evaluar la magnitud del efecto observ
Fundamentos para análisis de resultados de una investigaciónFredy RS Gutierrez
El documento presenta los fundamentos metodológicos de la investigación biomédica, distinguiendo entre investigación cualitativa y cuantitativa. Explica el proceso de análisis de datos cuantitativos, incluyendo estadística descriptiva, inferencial y pruebas estadísticas. Finalmente, muestra un ejemplo práctico de análisis estadístico utilizando Excel.
Este capítulo discute los elementos necesarios para estimar el tamaño de la muestra en investigaciones. Explica que el tamaño de muestra depende de factores estadísticos como la estructura de hipótesis, los niveles de error tipo I y II, la variabilidad de las variables y las pérdidas esperadas de sujetos. También depende de factores prácticos como limitaciones de tiempo y dinero. El objetivo es seleccionar una muestra que proporcione inferencias estadísticas válidas sobre la población de interés.
Formula para el calculo de la muestra en investigaciones en saludJessica Ferreira
Este documento presenta fórmulas para calcular el tamaño de la muestra en investigaciones de salud. Explica que es difícil estudiar a toda la población, por lo que se requiere una muestra representativa. Detalla que el cálculo de la muestra permite determinar cuántos individuos se deben estudiar para estimar un parámetro con un grado de confianza o para detectar diferencias significativas entre grupos. Presenta fórmulas para variables cualitativas y cuantitativas en estudios descriptivos y explicativos, incluyendo pruebas
El documento describe los análisis paramétricos y no paramétricos. Explica los supuestos y métodos más utilizados en cada uno, como la distribución normal, prueba t, ANOVA y correlación de Pearson en los paramétricos, y tablas de contingencia, coeficientes de rangos y Ji cuadrada en los no paramétricos. También cubre conceptos como regresión lineal, análisis de covarianza y métodos multivariados.
El documento proporciona una descripción general de los análisis paramétricos y no paramétricos. Explica que los análisis paramétricos suponen distribuciones particulares de las variables y especifican parámetros, mientras que los análisis no paramétricos no tienen tantos supuestos. A continuación, resume varios métodos paramétricos comunes como la prueba t, ANOVA y regresión lineal, y métodos no paramétricos como la prueba Ji cuadrada y coeficientes de correlación de rangos.
Prueba de chi cuadrado y pruebas no paraetricasGerardo Gomez
El documento describe la prueba de bondad de ajuste, la cual compara la distribución de frecuencias observada de una variable en un grupo con la distribución esperada de la misma variable en un grupo de referencia. Se presentan ejemplos de cómo aplicar la prueba de bondad de ajuste y calcular el estadístico chi cuadrado para determinar si existe una diferencia estadísticamente significativa entre las distribuciones. También se discuten otras aplicaciones de la prueba chi cuadrado como pruebas de independencia y homogeneidad.
Este documento describe diferentes pruebas estadísticas para realizar contrastes de hipótesis dependiendo del tipo de variables y condiciones de los datos. Explica pruebas para comparar proporciones, medias y la relación entre variables cuantitativas, incluyendo cuándo usar la prueba Z, Ji-cuadrado, t de Student, U de Mann-Whitney, ANOVA y coeficiente de correlación.
El documento presenta información sobre 4 artículos de investigación. El primer artículo utiliza un diseño cualitativo para estudiar modelos educativos. El segundo artículo utiliza un diseño mixto para estudiar alternativas de formación. El tercer artículo emplea un diseño cuantitativo para examinar variables como la resistencia vascular. El cuarto artículo también usa un diseño cualitativo, enfocándose en la discriminación laboral.
Este documento presenta conceptos estadísticos básicos como variables, análisis descriptivo, relaciones estadísticas y validación de experimentos. Explica el uso del programa PSPP para depurar y transformar datos, realizar análisis descriptivos como tablas y gráficos, y comparar proporciones, medias y realizar regresiones. El objetivo es proporcionar conocimientos sobre estadística básica y familiarizar al lector con las herramientas de PSPP.
2. Dr.H.Qotba 2
Definición
Estadística es la ciencia de reunir,
organizar, resumir, analizar y
hacer inferencias de datos
Estadística descriptiva
incluye reunir, organizar,
resumir, analizar y
presentar los datos
Estadística inferencial
incluye: hacer
inferencias, pruebas de
hipótesis, determinar
relación y hacer
predicciones
4. Dr.H.Qotba 4
Pruebas paramétricas v no
paramétricas
• Paramétricas: método donde la
distribución de muestreo es
conocida
• No paramétrica: método que no
requiere conocimiento de la
distribución del muestreo
estadístico.
5. Dr.H.Qotba 5
Prueba t
• Compara las medias de una variable
continua en muestras para
determinar si o no la diferencia entre
las dos medias esperadas excede la
diferencia que debería ser esperada
por azar
¿Qué probabilidad de que
las medias difieran?
6. Dr.H.Qotba 6
Requerimientos
• Las observaciones son independientes
• Extraídas de poblaciones normalmente
distribuidas
• Tamaño de muestra <30 si es mayor a 30
usar la prueba de z de la distribución
normal (prueba binominal)
7. Dr.H.Qotba 7
Tipos de pruebas t
• Prueba t para una muestra: prueba si la media de la
muestra de una variable difiere significativamente de
la media conocida de la población
• Prueba t no pareada o independiente: prueba si las
medias estimadas de la población por 2 muestras
independientes difieren significativamente (grupo de
hombres y grupo de mujeres)
• Prueba t pareada: prueba si la media estimada de la
población por muestras dependientes difieren
significativamente (media de pre y post-tratamiento
para el mismo grupo de pacientes.
8. Dr.H.Qotba 8
Prueba chi²
• Usada para probar la fuerza de
asociación entre dos variables
cualitativas
• Usada para datos categóricos
9. Dr.H.Qotba 9
Requerimientos
• Datos deberán estar en forma de frecuencias
• El total número de observaciones deberá
exceder 20
• Frecuencia esperada en una categoría o en
cualquier celda deberá ser >5 (cuando un de las
celdas tiene <5 observados se usa corrección
de Yates o si tiene <5 de esperados se usa
exacta de Fisher)
• El grupo de comparación deberá ser
aproximadamente igual.
10. Dr.H.Qotba 10
Correlación y regresión
• Métodos para estudiar magnitud de
la asociación y la relación funcional
entre dos o más variables.
12. Dr.H.Qotba 12
Regresión
• Método que indica una relación matemática
entre una variable dependiente y una o más
variables independientes
• Regresión lineal simple y regresión múltiple
son apropiadas para variables como
tensión arterial, peso.
• Regresión logística es aplicable para
respuestas binarias como vivo/muerto
13. Dr.H.Qotba 13
Mediciones
• Si paramétrica
• Coeficiente de correlación de Pearson
»Variables continuas
»Relación lineal
• Si no paramétrica
• Rank de Spearman rank
»Ambas variables son continuas
• Tau de Kendall
»Dos ordinales o una ordinal y una
continua
14. Dr.H.Qotba 14
Anova
• Es usada para descubrir el efecto
principal y los efectos de interacción de
variables categóricas independientes
(llamados factores) sobre un intervalo
de la variable dependiente
15. Dr.H.Qotba 15
Tipos de anova
• Anova de una forma prueba
diferencias en un intervalo de la
variable dependiente entre dos, tres
o más grupos formados por las
categorías de una variable categórica
independiente.
16. Dr.H.Qotba 16
• Anova de dos formas analiza un intervalo
dependiente en términos de las
categorías (grupos) formado por dos
independientes, uno de los cuales puede
ser concebido como una variable
control.
• Anova mutivariado o n formas. Para
generalizar, anova n formas trata con n
independientes. Debe notarse que al
incrementarse el número de
independientes, aumenta el número de
interacciones potenciales.
17. Dr.H.Qotba 17
Como seleccionar la prueba
estadística adecuada
• Tipo de variables
• Cuantitativa (tensión arterial)
• Cualitativa (género)
• Tipos de preguntas de investigación
• Asociación
• Comparación
• Factor de riesgo
• Estructura de datos
• Independientes
• Dependientes
• Pareados
18. Dr.H.Qotba 18
Pregunta de investigación
Asociación de 2 variables (dep, indep)
Correlación Spearman
Regresión lineal
Cuantitativa
Cuantitativa
2 Prueba T
+3 ANOVA
categórica
Cuantitativa
Regresión logística
cuantitativa
categórica
chi-cuadrada
categórica
categórica
Prueba
Tipos de variable
Dependiente independiente
19. Dr.H.Qotba 19
Comparando variables (diferencias)
chi-
cuadrada
Kruskal
wallis
ANOVA
McNemar
chi-
cuadrada*
Wilcoxon
Mann-
Whitney
Prueba t
pareada
Prueba t
Cuantitativa
Ordinal
Categórica
Número de variables independientes
2 grupos datos pareados >2grupos
Variable
* Cuando 1 celda tiene <5 esperados, se usa prueba exacta de Fischer
Cuando 1 de las celdas tiene <5 observados, se usa corregida de Yates
20. Dr.H.Qotba 20
Buscando el factor de riesgo
Prueba
Tipos de variables
Dependiente algunas indep.
Regresión log
múltiple
Categórica
Categórica
ANOVA
Categórica
Cuantitativa
Regresión log
lineal
Cuantitativa
Cuantitativa