Estadísticas en ciencias de la salud

Tema 1. Estadística y método científico

La estadística es una herramienta fundamental en la psicología, ya que permite

organizar, sintetizar, presentar, analizar, cuantificar e interpretar gran cantidad de
datos. Esto facilita la toma de decisiones, la realización de generalizaciones y la
obtención de conclusiones válidas sobre los fenómenos psicológicos.

Los métodos más comunes son la intuición, la autoridad, el razonamiento y la

experiencia.
 La intuición es el método más rápido y sencillo, pero también el más
propenso a errores.
 La autoridad es un método válido si la fuente de información es confiable,
pero puede ser limitante si no se cuestionan las fuentes.
 El razonamiento, o reconocimiento, es un método lógico que puede ser muy
preciso, pero requiere un buen conocimiento de la materia y si las premisas
están equivocadas o hay un error en la lógica, entonces la conclusión será
inválida.
 La experiencia, o empirismo, es un método valioso, pero puede ser
sesgado por las experiencias personales.

El método científico, que es el método más utilizado en la psicología. El método

científico implica una serie de pasos, que incluyen
 La observación
 Planteamiento del problema
 La formulación de hipótesis
 La recopilación de datos y su análisis
  Análisis de resultados
 La formulación de conclusiones.

El método mayormente utilizado por psicólogos es el hipotético-deductivo, las

hipótesis diagnósticas se desarrollan inmediatamente después de recibir cualquier
información acerca del paciente y van a determinar y guiar las otras
observaciones.

Si los resultados que se obtienen apoyan un 100% la hipótesis, se tendrán

resultados generales. En cambio, si se tiene un porcentaje menor a esto,
tendríamos resultados parciales. En caso de que se tengan solo ciertos
resultados, se llamaran resultados existenciales y con ellos no se podría trabajar
por falta de evidencia.

La estadística descriptiva se utiliza para describir los datos de una muestra, y la

estadística inferencial se utiliza para hacer generalizaciones sobre una población a
partir de los datos de una muestra, normalmente obtenida por la estadística
descriptiva.

La estadística descriptiva usa la recopilación de la información concentrada se

deriva la sumatoria de esta información, ósea la sumatoria de valores.

El símbolo debe leerse como “la suma de los números xi desde x1 hasta
xn”.
Con esto se puede obtener la media (promedio), media (una medida de posición
central muy utilizada en el análisis exploratorio de datos y la inferencia no
paramétrica), y moda (el valor más frecuente de la variable estadística).

Tema 2. Conceptos básicos

Las escalas de medición son una herramienta fundamental en la estadística, ya

que permiten comparar los datos y obtener información relevante sobre ellos.

Existen cuatro tipos de escalas de medición: nominal, ordinal, de intervalo y de

razón.

 Escala nominal: clasifica los datos en categorías, pero no establece ningún

orden entre ellas. Por ejemplo, el color de los ojos o el estado civil.
 Escala ordinal: clasifica los datos en categorías y establece un orden entre
ellas. Por ejemplo, la satisfacción con un servicio o la intensidad del dolor.
 Escala de intervalo: clasifica los datos en categorías, establece un orden
entre ellas y permite comparar las diferencias entre los valores. Por
ejemplo, la temperatura o la calificación de un examen.
 Escala de razón: clasifica los datos en categorías, establece un orden entre
ellas, permite comparar las diferencias entre los valores y tiene un punto
cero absolutos. Por ejemplo, la altura o el peso.

Las variables también se pueden clasificar en dos tipos: cualitativas y

cuantitativas.
 Las variables cualitativas miden una cualidad no numérica. Por ejemplo, el
color, el sexo o el grado de obesidad.
 Las variables cuantitativas miden una cantidad. Pueden ser discretas o
continuas.
o Las variables discretas solo pueden tomar valores enteros. Por
ejemplo, el número de hijos o el número de visitas a un sitio web.
 o Las variables continuas pueden tomar cualquier valor dentro de un
intervalo. Por ejemplo, la altura o el peso.
o Las variables aleatorias son aquellas que asignan un valor numérico
al resultado de un experimento aleatorio. Pueden ser discretas o
continuas.
 Si el número de valores que puede tomar una variable es
contable, entonces se denomina variable aleatoria discreta,
como el número de casas en una ciudad, el número de
semillas en una fruta, etcétera.
 Y una variable aleatoria continua es aquella que puede tomar
un número infinito de valores que corresponden a los puntos
en el intervalo de una recta, esto puede ser el peso en
kilogramos de una persona, el rendimiento en toneladas de
algún cultivo, la presión arterial en milímetros de mercurio,
etcétera.

Las escalas de medición, las variables y las variables aleatorias son conceptos
fundamentales en la estadística. Es importante comprenderlos para poder
interpretar correctamente los datos y obtener información relevante.
Tema 3. Estadística Descriptiva

La estadística descriptiva es una rama de la estadística que se encarga de resumir

y describir datos de manera objetiva y concisa. Su objetivo es organizar, resumir y
presentar datos de manera que se puedan comprender fácilmente, así como
extraer conclusiones preliminares.

La primera etapa para resumir la información es formar la distribución de

frecuencias, la cual es una tabla que agrupa datos en intervalos no traslapados
llamados clases y que registra el número de datos. Estos son los pasos para hacer
una:
1. Determinamos el rango.
Límite superior (Ls)
Límite inferior (Li)
R= Ls- Li
2. Determinamos el número de clases.
N ≥ 2k
 Aplicando logarítmo tenemos:
log N ≥ log 2k
Aplicando propiedades del logarítmos tenemos:
log N ≥ k log2
Despejando a (k) tenemos:

N = número de datos
2 = límites superior e inferior de cada clase
k = número de clases buscado
3. Obtenemos el tamaño de clases.

4. Se grafica en un histograma.
Un gráfico de barras donde cada barra representa un intervalo y su
altura está proporcionalmente relacionada con la frecuencia absoluta o
relativa de ese intervalo.

Medidas de tendencia central

Las medidas de tendencia central son valores que representan el centro de un
conjunto de datos.

Las más comunes son:

 Media aritmética (promedio): es la suma de todos los valores dividida

por el número de valores.
 Mediana: es el valor que divide a los datos en dos partes iguales, una
con la mitad de los valores mayores o iguales a ella y la otra con la
mitad de los valores menores o iguales a ella.
 Moda: es el valor que se presenta con mayor frecuencia en un conjunto
de datos.
También conocida como promedio, la media muestral es de n observaciones de la
variable x se denotará con el símbolo x̄ , y se define como la suma de ellas
dividida por n. Simbólicamente, se representa de la siguiente manera:

Correlación y regresión lineal

La correlación es una medida de la asociación o relación entre dos variables

cuantitativas. La regresión lineal es una técnica que utiliza la correlación entre dos
o más variables para predecir el valor de una variable dependiente en función de
una o más variables independientes. La correlación se representa mediante el
coeficiente de correlación, comúnmente conocido como "r".

Un valor de "r" cercano a 1 indica una fuerte correlación positiva, lo que significa
que ambas variables tienden a aumentar juntas. Un valor de "r" cercano a -1 indica
una fuerte correlación negativa, lo que significa que una variable tiende a
aumentar mientras que la otra tiende a disminuir. Un valor de "r" cercano a 0
indica una correlación débil o nula, lo que significa que no hay una relación lineal
entre las variables.

Mientras que matemáticamente se representa y se calcula por medio:

Elementos de la fórmula:

r= denota el coeficiente de correlación y a veces puede presentarse como R.

n= número de datos a revisar en el problema.

X= son los datos de la variable X.

Y= son los datos de la variable Y.

ΣXY=sumatoria de la multiplicación de la variable X y Y.

ΣX ΣY=multiplicación de la sumatoria de la variable X, por la sumatoria de la

variable Y.

La regresión lineal es una técnica que utiliza la correlación entre dos o más
variables para predecir el valor de una variable dependiente (variable de
respuesta) en función de una o más variables independientes (variables
predictoras). En la regresión lineal, tratamos de ajustar una línea recta (modelo
lineal) a los datos para obtener una aproximación de cómo se relacionan las
variables (Levine, Krehbiel y Berenson, 2014).

La ecuación de la regresión lineal tiene la forma:

Donde:

y= representa la variable dependiente.

x= es la variable independiente.
m= es la pendiente de la línea (que representa la tasa de cambio de "y" con
respecto a "x").
b= es la intersección en el eje "y" (el valor de "y" cuando "x" es igual a cero).

El ajuste de la línea se realiza minimizando la suma de los cuadrados de las

diferencias entre los valores observados y los valores predichos por el modelo.
Esto se conoce como el método de "mínimos cuadrados".

La regresión lineal es especialmente útil para hacer predicciones o estimaciones

basadas en datos históricos y para entender cómo una variable afecta a otra.
En resumen, la correlación mide la relación entre dos variables, mientras que la
regresión lineal utiliza esa relación para hacer predicciones o modelar el
comportamiento de una variable en función de otra.