UNIVERSIDAD NACIONAL DANIEL ALCIDES CARRIÓN
FACULTAD DE MEDICINA HUMANA
Seminario de Tesis II
Introducción a la
Bioestadística
Docente: Jean Pierre E. Zila-Velasque, MD, MSc (c)
- Médico Cirujano – UNDAC
- Médico SERUMISTA en el C.S. Yarusyacan
- Miembro del Colegio Americano de Cardiología – FACC.
- Maestrando en Investigación y Docencia universitaria - UCT.
- Investigador RENACYT Nivel II - CONCYTEC.
- Investigador en la Red Latinoamericana de Medicina en la Altitud e
Investigación (REDLAMAI) enfocado en el desarrollo de enfermedades
cardio-metabólicas.
- Investigador asociado en el Centro de Excelencia de Enfermedades Crónicas
(CRONICAS) - UPCH.
- Pasante en PAMS, REDECS y USIL.- Más de 20 estudios publicados en
revistas internacionales indexadas a Scopus y Web of Science (WoS).
- Reconocimiento por la American College of Cardiology por innovación en
investigación cardiológica en la altitud 2024.
¿Qué significa
“ESTADÍSTICA”?
La palabra “estadística” tiene varios significados:
1. Es usada frecuentemente al referirnos a datos
registrados
2. Denota características calculadas para un grupo
de datos, por ejemplo, media de la muestra
3. Se refiere a metodología estadística, técnicas y
procedimientos tratando con el diseño de
experimentos, colección, organización, análisis de
la información contenida en un grupo de datos
para hacer inferencias acerca de los parámetros
de la población.
¿Qué hacen los
estadísticos?
1. Guiar el diseño de un experimento o encuesta
antes de la colección de datos.
2. Analizar datos usando los procedimientos y
técnicas estadísticos adecuados
3. Presentar e interpretar resultados a los
investigadores y otros tomadores de decisiones
incluyendo al gobierno y a la industria
¿Por qué estudiar
estadística?
1. Conocimiento de estadística es esencial para
personas que hacen investigación, manejo de
estudios
2. Entendimiento de estadística puede ayudar a
discriminar entre hechos y suposiciones en la
vida diaria
3. Un curso de estadística deberá ayudar a saber
cuando un estadístico deberá ser consultado.
Definición de población y
muestra
Una población es un grupo de medidas de interés
para un investigador.
Ejemplos:
1. Ingreso de familias viviendo en Pasco
2. Número de niños en familias viviendo en Pasco
3. Estatus de salud de adultos en una comunidad en
Pasco
Un subgrupo de la población es llamado muestra.
Una muestra es usualmente seleccionada de tal forma
que es representativa de la población.
Estadística descriptiva e
inferencial
1. Estadística descriptiva trata con la
enumeración, organización y
representación gráfica de los datos
2. Estadística inferencial está
interesada en llegar a conclusiones de
información incompleta, o sea,
generalizado desde la muestra
Estadística inferencial
El objetivo de la estadística inferencial es hacer
inferencias acerca de los parámetros de la
población basada en la información obtenida
de la muestra.
1. Estimación (e.g., estimando la prevalencia de
hipertensión entre adultos viviendo en Pasco)
2. Probando hipótesis (e.g., probando la
efectividad de un nuevo medicamento para
reducir los niveles de colesterol)
Fuentes de datos
Los datos pueden obtenerse de diferentes fuentes:
1. Sistemas de vigilancia (e.g., NIH)
2. Encuestas planeadas (Gobierno, universidades, ONG)
3. Experimentos (Compañías farmacéuticas)
4. Organizaciones de salud (Grupo de datos
administrativos)
5. Sector privado (Bancos, compañías, etc)
6. Gobierno (Todas las agencias gubernamentales)
Diferencia entre encuestas y
experimentos
Datos de una encuesta representan observaciones
de eventos o fenómenos sobre los cuales pocos o
ningún, control se impone.
(e.g., evaluando la asociación entre diferentes
estilos de vida y enfermedad cardiaca)
En un experimento diseñamos una investigación
planeada a propósito para imponer controles
sobre la cantidad de exposición (tratamiento) a
una medicamento. (e.g., estudios clínicos)
Métodos de muestreo
1. Muestreo aleatorio (Simple)
2. Muestreo sistemático
3. Muestreo estratificado
4. Muestreo agrupado
5. Muestreo por conveniencia
Algunos estudios
epidemiológicos
Estudios retrospectivos:
Reúnen datos del pasado de casos y controles
seleccionados para determinar diferencias, si las hay,
en la exposición a un factor de sospecha. Comúnmente
son llamados estudios de caso-control.
Estudios prospectivos:
Generalmente son estudios cohorte en los cuales
enrolamos a un grupo de personas sanas y las seguimos
durante un cierto periodo de tiempo para determinar la
frecuencia con la cual se presenta una enfermedad.
Variables cualitativas y
cuantitativas
Ejemplos de variables cualitativas son
ocupación, sexo, estado civil, etc.
Variables que producen observaciones que
pueden medirse, se considera que son
variables cuantitativas. Ejemplos de variables
cuantitativas son peso, estatura, edad.
Variables cuantitativas pueden clasificarse en
discretas o continuas
Escala de variables
• Escala de variable
– Escala nominal
– Escala ordinal
– Escala de intervalo
– Escala de razón de intervalo
Variables en el protocolo
• Tipos de variable
– independiente
– dependiente
– intermedia
– confusora
Variable independiente
• La característica siendo observada y/o medida
que hipotéticamente influencia a un evento o
resultado (variable dependiente).
• NOTA
– La variable independiente no es influenciada
por el evento o el resultado, pero puede
causarlo o contribuir a su variación.
Variable dependiente
• Una variable cuyo valor depende del efecto de
las otras variables (variables independientes)
en la relación siendo estudiada. Sinónimo:
variables resultado o respuesta.
• NOTA
– Un evento o un resultado cuya variación
buscamos explicar o contabilizar por la
influencia de variables independientes.
Variable intermedia
• Una variable que ocurre en el camino causal de
una variable independiente a una variable
dependiente. Sinónimo: interventora, mediadora
• NOTAS
– Produce variación en la variable dependiente,
y es causada por ña variable independiente.
– Tal variable está “asociada” con la variable
dependiente e independiente.
Variable confusora
• Un factor (que es un determinante del
resultado), que distorsiona el efecto aparente
de una variable de estudio sobre el resultado.
• NOTA
– Tal factor puede estar desigualmente
distribuido entre los expuestos y no expuestos
y por lo tanto influenciar la magnitud
aparente y aún, la dirección del efecto.
Organizando los datos
1. Tabla de frecuencias
2. Histograma de frecuencias
3. Histograma de frecuencias relativas
4. Polígono de frecuencias
5. Polígono de frecuencia relativa
6. Barras
7. Pastel
8. Tronco y hoja
9. Caja y línea
Tabla de frecuencias
Suponga que estamos interesados en estudiar el
número de niños en las familias viviendo en la
comunidad. Los datos siguientes fueron
reunidos basados en una muestra aleatoria de
n=30 familias de la comunidad.
2, 2, 5, 3, 0, 1, 3, 2, 3, 4, 1, 3, 4, 5, 7, 3, 2, 4, 1, 0,
5, 8, 6, 5, 4 , 2, 4, 4, 7, 6
¡Organice estos datos en una tabla de
frecuencias!
X=No. de Cuenta Frecuencia
niños (Frecuencia) relativa
0 2 2/30=0.067
1 3 3/30=0.100
2 5 5/30=0.167
3 5 5/30=0.167
4 6 6/30=0.200
5 4 4/30=0.133
6 2 2/30=0.067
7 2 2/30=0.067
8 1 1/30=0.033
6
3
Freq.
2
0
0 1 2 3 4 5 6 7 8
Tabla de frecuencias
Suponga que necesitamos construir una tabla de
frecuencias similar para la edad de pacientes con
problemas relacionados al corazón en una clínica.
Los siguientes datos han sido reunidos basados en
una muestra aleatoria de n=30 pacientes quienes
fueron a emergencias de la clínica por problemas
relacionados al corazón.
Las mediciones fueron: 42, 38, 51, 53, 40, 68, 62,
36, 32, 45, 51, 67, 53, 59, 47, 63, 52, 64, 61, 43, 56,
58, 66, 54, 56, 52, 40, 55, 72, 69.
Grupos de Frecuencia Frecuencia
edad relativa
32 -36.99 2 2/30=0.067
37- 41.99 3 3/30=0.100
42-46.99 4 4/30=0.134
47-51.99 3 3/30=0.100
52-56.99 8 8/30=0.267
57-61.99 3 3/30=0.100
62-66.99 4 4/30=0.134
67-72 3 3/30=0.100
Total n=30 1.00
Medidas de tendencia
central
¿Dónde está el corazón de la distribución?
1. Media
2. Mediana
3. Moda
Media de la muestra
La media aritmética ( o simplemente media) es
obtenida sumando todas las observaciones en la
muestra y dividiéndola entre el número de
observaciones.
Para una muestra de 5 ingresos 6000, 10,000,
10,000, 14000, 50,000 la media de la muestra es:
6000 + 10000 + 10000 + 14000 + 50000
X = = 18000
5
Mediana de la muestra
En una lista ordenada del más pequeño al
mayor, la mediana es el valor de en medio
En nuestro ejemplo de cinco ingresos en
una vivienda, primero ordenamos las
mediciones
6,000, 10,000, 10,000, 14,000, 50,000
Mediana de la muestra 10,000
Medidas de dispersión o
variabilidad
1. Rango
2. Varianza
3. Desviación estándar
Fórmula para varianza y
desviación estándar (S)
de la muestra
n
2
( xi - x )
2 i=1
s =
n -1
Desviación estándar = S
Cálculo de varianza y
desviación estándar
2 2 2 2
2 (6000 -18000 ) +(10000 -18000 ) +(10000 -18000 ) +(14000 -18000)+(50000 -18000 )
S= =
5-1
2
S = 328,000,000
S 18110.77
Reglas empíricas
Para una distribución Normal, aproximadamente,
a) 68% de las mediciones caen dentro de una
desviación estándar alrededor de la media
b) 95% de las mediciones caen dentro de dos
desviaciones estándar alrededor de la media
c) 99.7% de las mediciones caen dentro de 3
desviaciones estándar alrededor de la media.
Gracias
