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.
TAMBIÉN ESTOY EN: Youtube: https://bit.ly/2TCUoiR y Facebook: https://bit.ly/2QYxWPf
Como "Bioestadística con JL Soto"
Estudios univariados y bivariados
La metodología Estadística aplicada a las ciencias de la salud, o Bioestadística, incluye en sus técnicas las representaciones gráficas de los datos.
Las gráficas son una forma visual de resumir
Contenido de la Presentación:
◦Definición, Tipos y Ejemplo de Variable.
◦Definición y Ejemplo de Población y Muestra.
◦Definición y Ejemplo de Parámetros Estadísticos.
◦Definición, Tipos y Ejemplo de Escalas de Medición.
◦Definición y Ejemplo de Sumatoria Razón, Proporción, Tasa y Frecuencia.
◦Indique a través de un ejemplo general, cada uno de estos conceptos.
TAMBIÉN ESTOY EN: Youtube: https://bit.ly/2TCUoiR y Facebook: https://bit.ly/2QYxWPf
Como "Bioestadística con JL Soto"
Estudios univariados y bivariados
La metodología Estadística aplicada a las ciencias de la salud, o Bioestadística, incluye en sus técnicas las representaciones gráficas de los datos.
Las gráficas son una forma visual de resumir
Contenido de la Presentación:
◦Definición, Tipos y Ejemplo de Variable.
◦Definición y Ejemplo de Población y Muestra.
◦Definición y Ejemplo de Parámetros Estadísticos.
◦Definición, Tipos y Ejemplo de Escalas de Medición.
◦Definición y Ejemplo de Sumatoria Razón, Proporción, Tasa y Frecuencia.
◦Indique a través de un ejemplo general, cada uno de estos conceptos.
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
Basado en el decimocuarto 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 Nick Hillier en: https://unsplash.com/photos/yD5rv8_WzxA
4. Conceptos básicos
Variables (mediciones)
Variables Mediciones Ejemplos
Cualitativas Categóricas
(Nominales)
Igualdad o desigualdad Sexo, estado civil,
nacionalidad
“ Ordinales Igualdad, desigualdad
u orden
Curso, meses año,
nivel cultural
Cuantitativas Discretas Sólo valores enteros Nº hijos, censo,
Nº acciones
“ Continuas Cualquier valor Edad, peso,
temperatura
5. Conceptos básicos
Variables (gráficos)
Principales representaciones gráficas
Variable Gráficos
Categórica (Nominal) Diagrama de Pareto
Diagrama de sectores
Categorías ordenadas Diagrama de barras
Diagrama de líneas
Cuantitativa discreta Diagrama de líneas
Steam and leaf
Cuantitativa continua Steam and leaf
Histograma
Polígono de frecuencias
11. Conceptos básicos
Pruebas de Significación estadística
•Hipótesis inicial (proceso de deducción)
– Ej: Alcohol incrementa el tiempo de reacción
•Hipótesis nula (Ho):
– No existe diferencia entre los grupos a comparar.
•Diferencia observada (d):
– Indicador de la discrepancia entre los datos
recogidos y la Ho.
•Grado de significación (p):
– Valorar la discrepancia percibida.
– En muestras de poblaciones con la misma
distribución,prob. obtener diferencias mayores a d
12. Conceptos básicos
Pruebas de Significación estadística -2
•Grado de significación (p≈0): [Gran discrepancia]
-La Ho se rechaza (poco creible).
-Considera diferencia estadísticamente significativa.
-No sugiere causalidad.
-Punto de corte aceptado: p≤0,05
Grado de Significación (p≈1): [pequeña discrepancia]
- No se rechaza Ho (puede ser el azar).
- Diferencia estadísticamente NO significativa.
- Los datos no aportan suficientes pruebas (No
demostrado, no concluyente).
13. Conceptos básicos
Intervalos de Confianza (IC)
• Estimación puntual de un parametro debe ir
acompañada de su precisión (IC 1-α del parámetro µ).
• Los IC situan entre sus límites la verdadera magnitud
del parametro detectado.
• Cuanto más estrecho, mas información de la magnitud
• Requiere el supuesto de muestras aleatorias.
14. Conceptos básicos
Intervalos de Confianza (IC)
•Ejemplo1:
Una muestra aleatoria de 100 niños al nacer presenta
una talla media de 51cm y una desviación estandar de 2
cm. ¿Cual es la talla media de la población?
Media= 51 cm IC 95%: 50,6 a 51,4 cm
•Conclusión: Con una confianza del 95%, la talla media
al nacer de los niños de esta población esta situada
entre 50.6 y 51.4 cm.
17. Utilización del PSPP
Ventanas de trabajo
Ventana datos: *.SAV
Ventana Resultados:
PDF, HTML, ODT,
TXT, PS, CSV.
Ventana Sintaxis: *.SPS
18. Utilización del PSPP
Propuesta de Trabajo
• Utilizar el botón PEGAR.
• Crear archivos de Sintaxis
temáticos.
•Ventajas:
• Reutilización en estudios cíclicos.
• Incorporar nuevos casos al estudio.
• Detección y corrección de errores.
• Modificación de criterios.
19. Ejercicio Práctico
• Estudio sobre hábitos saludables en la Universidad.
• n=722
• Facultades: Farmacia, Física, Bellas Artes.
• Recogida datos en Access sin validaciones.
• Piden:
• Pasarlo a PSPP.
• Codificar variables
20. Utilización del PSPP
Codificación de variables
• Vista de variables
• Nombre:
• Tipo: Numérica, Cadena o Fecha.
• Etiqueta: V. Cuantitativas incluir unidad de medida.
• Etiquetas de Valor:
Fundamental con variables nominales u ordinales.
• Valores perdidos:
- Recomendable dejar campo vacio.
- Declarar valores desconocidos.
• Medida:
22. Utilización del PSPP
Depuración de datos.
• Pasos con todas las variables iniciales:
1. Chequeo lógico de todas las variables.
Informe de Máximos y Mínimos
(Analizar/Estadística_Descriptiva/Frecuencias)
2. Modificar el dato erroneo por el correcto.
3. Si no tenemos dato correcto, codificarlo como
missing (Vista de variables/Valores Perdidos)
23. Utilización del PSPP
Transformación de variables.
• Procedimientos: (Pestaña Transformar)
1. Recodificar en Variables Diferentes (RECODE)
2. Calcular (COMPUTE)
3. Recuento (COUNT)
4. Recodificación Automática (AUTORECODE)
25. Validación de Experimentos
Análisis Descriptivo.
• V. Nominal: (Analizar/Estadística Descriptiva/Frecuencias)
FREQUENCIES
• Tabla de Frecuencias
• Diagrama de Sectores.
• V. Ordinal: (Analizar/Estadística Descriptiva/Frecuencias)
• Moda, Mediana e Intervalo.
• Diagrama de Sectores.
• V. Cuantitativa (Analizar/Estadística Descriptiva/Explorar) EXAMINE
• Estadísticos Descriptivos, Extremos y Percentiles.
• BoxPlot (/PLOT= BOXPLOT)
26. Validación de Experimentos
Comparación de proporciones
(Relación entre dos variables Categóricas(Relación entre dos variables Categóricas)
• Chi-Cuadrado de Pearson:
• Condiciones: Frecuencias esperadas (ei≥5)
• Comprueba hipótesis de homogeneidad.
• Razón de Verosimilitud:
• Condiciones: Frecuencias esperadas (ei≥5)
• Comprueba hipótesis de homogeneidad.
•Prueba de Tendencia Lineal:
• Condiciones: Frecuencias esperadas (ei 2)≥
• Variable con categorías ordenadas y respuesta binaria.
• Comprueba hipótesis de tendencia (creciente o decreciente).
(Analizar/Estadística Descriptiva/Tablas Cruzadas….) CROSSTAB
27. Validación de Experimentos
Comparación de medias
(Relación entre V. Ind. Categórica y V. Dep. Cuantitativa)(Relación entre V. Ind. Categórica y V. Dep. Cuantitativa)
Análisis de la Variancia(ANOVA):(Analizar/Comparar Medias/ANOVA de un factor)
• Condiciones: Muestras aleatorias
Poblaciones normales
Igual Variancia
• ¿Cómo?
• Exploración de datos: BoxPlot (/PLOT= BOXPLOT)
• Comprobar Normalidad: Kolmogorow-Smirnow o Shapiro-Wilk
• Comprobar homogeneidad de Variancias: Prueba de Levene
• Estudiar relación estadística: ANOVA
• ¿No cumple todas las condiciones?
• Prueba no paramétrica de Kruskal-Wallis.
29. Validación de Experimentos
Regresión Simple
(Analizar/Regresión/Lineal)
• Coeficiente de determinación (r2
):
• Mide el ajuste de la recta (expresa la proporción de la
variación total explicada por la recta)
• Ajuste: perfecto r2
=1, nulo r2
=0
• ANOVA:
• Explica si existe asociación lineal entre las variables.
• Recta: a+bx
IC de b: Si no incluye el valor 0 es significativo.
30. Validación de Experimentos
Nuevos casos
• Depuración de datos.
• Introducir nuevos casos en PSPP.
• Ejecutar Sintaxis de Transformación de Variables.
• Ejecutar Sintaxis de Análisis de datos.