Upload
cur
View
140
Download
9
Embed Size (px)
DESCRIPTION
cur udelar
Citation preview
MSc.%Andrés%Canavero%
BIOESTADÍSTICA I
Primer Ciclo, Módulo II
Licenciatura en Enfermería
DESCRIPCIÓN%DE%LOS%DATOS%%%ESTADÍGRAFOS%DE%TENDENCIA%CENTRAL%
MEDIA.La#media#de#una#muestra#es#el#promedio#aritmé1co#de#las#observaciones.#
Propiedades%1. Unicidad.#Para#un#determinado#conjunto#de#datos,#existe#una#y#sólo#una#media#aritmé1ca.#2. Simplicidad.#La#media#aritmé1ca#es#fácil#de#comprender#y#fácil#de#calcular.#3. Dado#que#todos#los#valores#de#un#conjunto#de#datos#intervienen#en#su#cálculo,#en#algunos#casos,#
pueden#alterarla#tanto#que#resulta#inconveniente#como#una#medida#de#tendencia#central.#
DESCRIPCIÓN%DE%LOS%DATOS%%%ESTADÍGRAFOS%DE%TENDENCIA%CENTRAL%
MEDIANA.Corresponde#al#valor#central#de#la#muestra,#tal#que#una#mitad#de#los#registros#quedan#ubicados#a#su#izquierda#mientras#que#la#otra#mitad#estarán#ubicados#a#su#derecha.##
#Cálculo%(i)#Se#ordenan#los#datos#de#la#muestra#de#mayor#a#menor#(o#de#menor#a#mayor)#,#de#acuerdo#a:#Muestras(impares((ii)#Corresponde#al#valor#central.#Muestras(pares((ii)#Promedio#entre#los#dos#valores#centrales#con1guos.#
Propiedades%1. Unicidad.#Solo#existe#una#mediana#para#un#determinado#conjunto#de#datos.#2. Simplicidad.#La#mediana#es#fácil#de#calcular.#3. No#es#afectada#tan#drás1camente#por#los#valores#extremos#como#lo#es#la#media.#
MODA#La#moda#de#un#conjunto#de#valores#es#aquel#valor#que#ocurre#con#más#frecuencia.#
Frecc.#
variable#
Frecc.#
Frecc.#
variable# variable#
mod
a%med
iana
%
med
ia%
med
ia%
med
iana
%
mod
a%
moda%mediana%media%
Distribucion%asimétrica%izquierda%
Distribucion%simétrica%
Distribucion%asimétrica%derecha%
DESCRIPCIÓN%DE%LOS%DATOS%%%ESTADÍGRAFOS%DE%TENDENCIA%CENTRAL%
MODA#La#moda#de#un#conjunto#de#valores#es#aquel#valor#que#ocurre#con#más#frecuencia.#
MEDIANA.Corresponde#al#valor#central#tal#que#una#mitad#de#los#registros#de#la#muestra#quedan#ubicados#a#su#izquierda#mientras#que#la#otra#mitad#estarán#ubicados#a#su#derecha#
#Cálculo%(i)#Se#ordenan#los#datos#de#la#muestra#de#mayor#a#menor#(o#de#menor#a#mayor)#,#de#acuerdo#a:#Muestras(impares((ii)#Corresponde#al#valor#central#Muestras(pares((ii)#Promedio#entre#los#dos#valores#centrales#con1guos#
MEDIA.La#media#de#una#muestra#es#el#promedio#aritmé1co#de#las#observaciones.#
DESCRIPCIÓN%DE%LOS%DATOS%%%MEDIDAS%DE%VARIABILIDAD%O%DE%DISPERSIÓN%
Recuerde.El#comportamiento#de#una#variable#aleatoria#está#determinado#por#el#azar.#Por#lo#tanto,#los#valores#observados#de#una#variable#aleatoria#difieren#entre#sí.##La#variabilidad#en#la#muestra#puede#ser#medida#a#través#de:###
• rango#de#la#muestra#
• varianza#de#la#muestra#s2(
• desviación#Qpica#de#la#muestra#s(#
• rango#intercuarQlico#iqr.(##
DESCRIPCIÓN%DE%LOS%DATOS%%%MEDIDAS%DE%VARIABILIDAD%O%DE%DISPERSIÓN%
Rango%de%la%muestra%Diferencia#entre#el#mayor#y#menor#valor#de#la#muestra.#
Varianza%de%la%muestra%s2.
Desviación%Mpica%de%la%muestra%s%
Coeficiente%de%variación%(CV)(.
Es#una#medida#para#comparar#la#variabilidad#en#un#conjunto#de#datos#con#la#de#otro,#en#situaciones#en#las#que#una#comparación#directa#de#desviaciones#Qpicas#no#es#conveniente#o#suficientemente#realista.#
Estadígrafo#sin#unidades#...#
DESCRIPCIÓN%DE%LOS%DATOS%%%MEDIDAS%DE%VARIABILIDAD%O%DE%DISPERSIÓN%
Rango%intercuarMlico%iqr.
1RDeterminar#la#posición#de#la#mediana,#(n(+(l)/2,#donde#n(es#el#tamaño#de#la#muestra.##
3RDeterminar#la#posición#del#cuar1l#q(mediante:#
4RDeterminar#q1(contando#desde#el#dato#puntual#más#pequeño#hasta#la#posición#q.(Si#q(es#un#entero,#q1(es#el#dato#puntual#en#la#posición#q.(Si#q(no#es#un#entero,#q1(es#el#promedio#de#los#datos#puntuales#en#las#posiciones#q(R#0.5#y#q(+(0.5.#AproximadamenR#te#el#25%#de#los#datos#caerán#en#q1(o#por#debajo#de#q1.(
5RDeterminar#q3(contando#hacia#abajo#desde#el#dato#puntual#más#grande#hasta#la#posiR#ción#q,(como#en#el#punto#4.#Aproximadamente#el#75#%#de#los#datos#caerán#en#q3(o#por#debajo#de#q3.(
6RDefinir#iqr(mediante#iqr(=(q3(6(q1.#
q#
2RSe#trunca#la#ubicación#de#la#mediana#ignorando#el#0.5.#Por#ejemplo,#si#está#localizada#en#el#9.5,#se#trunca,#es#decir,#se#toma#el#valor#9.##
ESTADÍSTICA%INFERENCIAL%
En muchas variables y conjuntos de datos en biología la distribución de estos se parece a una distribución con forma de “campana” #
¿Qué importancia tiene esta semejanza? #
Una familia grande de pruebas estadísticas usadas para hacer inferencia tienen como supuesto que los datos provienen de una población donde estos tienen una distribución en forma de campana.#
Clase 5#
Distribución Normal #
En teoría, si pudiéramos disponer de toda la población de datos, y que esta además fuese infinitamente grande, entonces podríamos obtener una densidad de probabilidad, en este caso, Normal o de Gausse #
MUESTRA%POBLACIÓN%
Karl F. Gauss 1777-1855 #
Propiedades de la curva Normal #
• Toda distribución Normal se define por dos parámetros: µ y σ • Simétrica por ambos lados • Media = mediana = moda • Rango de valores: −∞<y<∞ #
Karl F. Gauss 1777-1855 #
Propiedades de la curva Normal #
... el área bajo la curva entre dos valores de Y corresponde a la probabilidad de observar un valor de Y dentro de dicho rango ##
Karl F. Gauss 1777-1855 #
Ya que µ y σ pueden tener infinitos valores, podemos tener infinitas distribuciones Normal#
Propiedades de la curva Normal #
Karl F. Gauss 1777-1855 #
Tener infinitas distribuciones Normal nos genera un inconveniente... #
... tendríamos que verificar a qué curva Normal particular pertenece nuestra población de interés y luego utilizar una prueba estadística apropiada para esa distribución#
Solución: curva Normal estandarizada #
Para un valor de yi cualquiera, esta curva nos entrega un valor de z.# Z indica cuántas desviaciones estándar hacia la izquierda o hacia la derecha de la media estaría nuestro valor de yi, extraído de la población original.#
EJERCICIO 1#
Curva Normal estandarizada #Más importante: #Si transformamos un valor de yi a z, podemos conocer cuán probable sería extraer este mismo valor de yi de nuestra población.#
Estos valores están tabulados y disponibles en todos los libros y programas estadísticos que usamos.#
Resumiendo: #Si nuestros datos (muestra) se “ajustan” a una distribución Normal, entonces podemos usar las propiedades de esta distribución teórica para realizar inferencias estadísticas sobre la población de interés a partir de nuestros datos.#
Curva Normal estandarizada #
Problema: # Muchas distribuciones no se parecen mucho a una Normal.#
Solución parcial: Teorema del límite central #Si tomamos un número creciente de muestras provenientes de una misma población (con distribución Normal o no) y cada una con un número igual de observaciones... #... luego calculamos una media para cada muestra... # ... entonces, la distribución de estas medias se aproximará a una Normal.#
Si las medias de las muestras se distribuyen como una Normal, podemos usar la estadística Z o Normal estandarizada.#
... z aumentará positiva o negativamente si la media muestral es mayor o menor (i.e., distinta) que la verdadera media de la población # Por lo tanto, # ...podemos utilizar la distribución Z para determinar con qué precisión nuestra media de la muestra es o no un buen estimador de la media verdadera de la población ##