SEMINARIO 5: EXPOSICIÓN DE LOS TRABAJOS DE INVESTIGACIÓN

En este seminario, cada grupo expuso sus trabajos de investigación. Los grupos fueron los mismos que en el seminario 2.

• El primer grupo, expuso su trabajo sobre El Sobrepeso en los Niños Escolarizados en Edad Infantil.
• El segundo, es decir, el de mi grupo, sobre El Consumo de Narguile en la Sociedad 
• Y el tercero sobre La Prevalencia de los Mitos del Amor Romántico en la Juventud.

Tras cada exposición el profesor apuntaba algunos detalles que le habían parecido interesantes y nos daba algunos consejos que nos serían útiles en futuras exposiciones.

SESIONES TEÓRICAS DE ESTDÍSTICA Y TIC’s: TEMA 9: ESTADÍSTICA INFERENCIAL

Se trata de obtener información sobre una población, y a partir de los datos obtenidos, deducir la información sobre el resto de la población.

La población que se estudia se llama población de estudio y el grupo de personas sobre las que se realiza el estudio, se llama muestra. El tamaño de dicho grupo se denomina tamaño muestral. El conjunto de procedimientos estadísticos se llama inferencia estadística y los procedimientos para elegir la muestra se llaman técnicas de muestreo.

Si la muestra se elige al azar, se cometerá un error probabilístico o aleatorio. 

La medida que queremos obtener de la población se llama parámetro y la medida de la variable de estudio obtenida en la muestra se llama estimador.

ERROR ESTÁNDAR

• Es la medida que trata de captar la variabilidad de los valores del estimador
• Cuánto más pequeño es el error estándar de un estimador, más nos podemos fiar del valor de la muestra.
• Se calcula de la siguiente manera:
• Para una media: e = s/√n 
• Para una proporción: e = √(p(1 - p) / n)

TEOREMA CENTRAL DEL LÍMITE 

• Para estimadores que siguen una distribución normal con media de la población y desviación típica igual al error estándar del estimador que se trate.

INTERVALOS DE CONFIANZA

• Son un medio de conocer el parámetro en una población midiendo el error que tiene que ver con el azar

PROCEDIMIENTO MUESTRAL

• La muestra debe ser representativa del resto de la población
• Se debe elegir al azar la población de la que se extraiga la muestra

TIPOS DE MUESTREO

• Probabilístico: todos los sujetos de la población tienen una probabilidad distinta de cero de ser elegidos para la muestra
• Aleatorio simple
• De sorteo o rifa
• Tabla de números aleatorios
• Aleatorio sistemático
• Estratificado
• Conglomerado
• No probabilístico: puede haber personas que no tengan probabilidades de estar en la muestra o que se desconozca su probabilidad

TAMAÑO DE LA MUESTRA 

• n = z² * S² / e² 
• Si tras este cálculo, se cumple el resultado n > n(n-1), el cálculo acaba aquí 
• Si no se cumple ese resultado, se realiza lo siguiente: 
• n' = n/1 + (n/N)

SESIONES TEÓRICAS DE ESTDÍSTICA Y TIC’s: TEMA 8: MEDIDAS DE TENDENCIA CENTRAL, POSICIÓN Y DISPERSIÓN

1. MEDIDAS DE TENDENCIA CENTRAL

• Media: es el valor central de los datos. Es la suma de todos los datos dividida entre el número de datos.
• Moda: es el valor que más se repite, el que aparece con mayor frecuencia.
• Mediana: es el valor de una observación tal que deja a un 50% de los datos menor y otro 50% mayor.
• Propiedad: robustez.

2. MEDIDAS DE POSICIÓN O CUANTILES

• Percentiles: dividen la muestra ordenada en 100 partes. 
• Deciles: dividen la muestra ordenada en 10 partes.
• Cuartiles: dividen la muestra ordenada en 4 partes.

3. MEDIDAS DE DISPERSIÓN

• Rango o recorrido: diferencia entre el mayor y el menor valor de la muestra.
• Desviación media: media aritmética de las distancias de cada observación con respecto a la media de la muestra.
• Desviación típica o estándar: sirve para calcular el error que se comete si representamos una variable por su media.
• Varianza: expresa lo mismo que la desviación estándar pero al cuadrado.
• Recorrido intercuartílico: es la diferencia entre el tercer y el primer cuartil.
• Coeficiente de variación: compara la heterogeneidad de dos series numéricas.

4. DISTRIBUCIÓN NORMAL

Es una de las distribuciones de probabilidad de variable continua más frecuentes. Se representa mediante la campana de Gauss. 

5. ASIMETRÍA Y CURTOSIS

Coeficiente de asimetría de una variable: grado de simetría de la distrubición de los datos en torno a su media.
Asimetrías: 

• G1 = 0: distribución simétrica 
• G1 > 0: distribución asimétrica positiva
• G1 < 0: distribución asimétrica positiva

Curtosis o apuntamiento de la curva: mide el grado de concentración de los valores que la variable toma en torno a su media.

6. TIPIFICACIÓN DE VARIABLES. DISTRIBUCIÓN NORMAL ESTÁNDAR

La distribución normal estándar, o tipificada o reducida, es aquella que tiene por media el valor cero, μ =0, y por desviación típica la unidad, σ =1.
Para poder utilizar la tabla tenemos que transformar la variable X que sigue una distribución N(μ, σ) en otra variable Z que siga una distribución N(0, 1).

TABLA DISTRIBUCIÓN NORMAL

SEMINARIO 4: MEDIDAS DE TENDENCIA CENTRAL, POSICIÓN Y DISPERSIÓN. ESTADÍSTICA INFERENCIAL: MUESTREO Y ESTIMACIÓN. HIPÓTESIS ESTADÍSTICAS. TEST DE HIPÓTESIS.

En el seminario 4, el profesor nos adelantó el contenido de las sesiones teóricas, correspondientes a los temas 8, 9 y 10 e hicimos algunos ejercicios de repaso de temas anteriores y nuevos, como por ejemplo, los test de hipótesis. Explicó el procedimiento del test de Chi cuadrado de Pearson.

SESIONES TEÓRICAS DE ESTDÍSTICA Y TIC’s: TEMA 7: INTRODUCCIÓN A LA BIOESTADÍSTICA

1. ESTADÍSTICA

Ciencia que utiliza conjuntos de datos numéricos para obtener, a partir de ellos, inferencias basadas en el cálculo de probabilidades., es decir, es el conjunto de conocimientos que sirven para aprender en base a estudios realizados previamente.
Existen diferentes tipos de métodos de medición para los diferentes tipos de variables.

2. ESCALAS DE MEDIDA

• ESCALA NOMINAL: Sirve para comprobar si dos variables son iguales o diferentes. 
• ESCALA ORDINARIA: Sirve para comprobar si dos variables son iguales o diferentes, y en el caso de ser diferentes, averiguar cuál de las dos es mayor. 
• ESCALA DE INTERVALO: Tiene las características de las dos escalas anteriores y además expresa el intervalo en el que se encuentra la variable. 
• ESCALA DE RAZÓN: Es el nivel más alto de medición. Es la que permite obtener más información de las tres. Además de las características de las escalas anteriores, posee el cero absoluto, es decir, la ausencia de lo que se estudia. 3. TIPOS DE VARIABLES

3. TIPOS DE VARIABLES

• CUALITATIVAS: Se refieren a propiedades que no pueden ser medidas. 
• Nominales: se miden con escalas nominales 
• Dicotómicas: hay dos niveles, por ejemplo, puede responderse con un si o un no. 
• Policotómicas: tiene más de dos niveles, por ejemplo, el estado civil: soltero, casado, viudo, divorciado… 
• Ordinales: establecen un orden o jerarquía, por ejemplo: muy bien, bien, regular, mal o muy mal. 
• CUANTITATIVAS: Hacen referencia a variables que pueden medirse. 
• Discreta: toma valores de números enteros. 1, 2, 3… 
• Continua: puede tomar valores numéricos dentro de un intervalo, es decir, 1,2, 1,4, 5,6… (números decimales) 

4. VARIABLES: REPRESENTACIÓN DE DATOS

• Tablas de frecuencia: son tablas que representan los datos de frecuencia y las categorías de las variables en filas y columnas. 
• Frecuencia relativa: es la frecuencia absoluta entre el número total de la muestra. Toma valores entre 0 y 1. 5. VARIABLES CONTINUAS: REPRESENTACIÓN DE DATOS

5. VARIABLES CONTINUAS: REPRESENTACIÓN DE DATOS

• Definir los intervalos y sus extremos 
• Definir la amplitud o la distancia entre los extremos de los intervalos 
• Calcular la marca de clase de cada intervalo 
• Calcular el recorrido: diferencia entre el valor más alto y el más bajo 
• Calcular el intervalo: raíz cuadrada del número de datos observado. 
• Calcular la amplitud: dividir el recorrido entre el número de intervalos 6. 

6. REPRESENTACIONES GRÁFICAS

Son imágenes de las ideas, transmiten al receptor los datos de manera rápida y fácil, pero no reemplazan al texto.
Deben ser visualmente claros, representar gráficamente las conclusiones del estudio y no ser confusos ni estar sobrecargado de datos.

• REACCIONES LOCALES MÁS FRECUENTES 
• Diagrama de barras (pictogramas): para variables cualitativas, nominales y policotómicas. 

• HISTOGRAMAS Y POLÍGONOS DE FRECUENCIA 
• Histograma: sirve para representar variables continuas. 
• Las marcas de clase: es el punto medio de cada intervalo 
• El polígono de frecuencia: es el polígono que se forma al unir las marcas de clase 

7. GRÁFICOS 

• GRÁFICO DE TRONCO Y HOJAS: Sirve para expresar variables cuantitativas y continuas

• GRÁFICO DE SECTORES: Se utiliza para variables dicotómicas y cualitativas

• GRÁFICO PARA DATOS BIDIMENSIONALES: sirve para representar variables cuantitativas 
• GRÁFICO PARA DATOS MULTIDIMENSIONALES: diagrama de estrellas

SESIONES TEÓRICAS DE ESTADÍSTICA Y TIC’s: TEMA 6: LA ETAPA EMPÍRICA DE LA INVESTIGACIÓN. EL DISEÑO, MATERIAL Y MÉTODOS.

1. MATERIAL Y MÉTODOS

• Es necesario seguir los siguientes pasos: 
• Planificar la recogida de datos 
• Registrar y procesar los datos 
• Ejecutar la recogida de datos 
• Analizar los datos 

2. ASIGNACIÓN DEL DISEÑO EN FUNCIÓN DE LA PREGUNTA DE INVESTIGACIÓN

• Analíticos 
• Experimentales 
• Casi experimentales 

3. MEDIDAS DE FRECUENCIA EN ESTUDIOS DESCRIPTIVOS

• Debemos tener claro que es lo que queremos medir, la medida de prevalencia. 
• Saber qué es lo que está pasando en una medida de tiempo, la incidencia. 
• Describir la frecuencia de aparición de nuevos casos 
• Incidencia acumulada: calcula la proporción de incidencia, es decir, el riesgo de que se produzca un fenómeno. 

• PREVALENCIA = Nº DE INDIVIDUOS CON LA ENFERMEDAD EN UN TIEMPO ESPECÍFICO / Nº DE INDIVIDUOS EN LA POBLACIÓN EN UN PUNTO EN EL TIEMPO 

La prevalencia no puede ser menor que cero ni mayor que uno. Es adimensional y adopta valores entre cero y uno.

• INCIDENCIA = Nº DE NUEVOS CASOS DETECTADOS DURANTE EL SEGUIMIENTO QUE DESARROLLAN LA ENFERMEDAD / Nº DE SUJETOS LIBRES DE ENFERMEDAD AL COMIENZO DEL SEGUIMIENTO 

• INCIDENCIA ACUMULADA = Nº TOTAL DE CASOS NUEVOS EN UN TIEMPO DETERMINADO / POBLACIÓN A RIESGO EN EL MOMENTO INICIAL

4. TASA DE INCIDENCIA O DENSIDAD DE INCIDENCIA

• Hace referencia a la velocidad con la que aparecen nuevos casos.
• Se calcula de la siguiente manera:

• TASA DE INCIDENCIA = Nº DE CASOS NUEVOS / PERSONAS - TIEMPO A RIESGO 

5. ESTUDIOS DE RIESGO Y EXPERIMENTALES

• MEDIDAS DE ASOCIACIÓN 
• INCIDENCIA EN NO EXPUESTOS = Nº DE CASOS NUEVOS ENTRE LOS NO EXPUESTOS / Nº TOTAL DE INDIVIDUOS NO EXPUESTOS 
• INCIDENCIA EN EXPUESTOS = Nº DE CASOS NUEVOS ENTRE EXPUESTOS / Nº TOTAL DE INDIVIDUOS EXPUESTOS 

• RIESGO RELATIVO 

Es la razón entre el riesgo de los expuestos y el de los no expuestos. Si el valor del riesgo relativo es 1, quiere decir que la incidencia en expuestos y no expuestos es la misma, por lo que aceptamos la hipótesis nula.

6. ESTUDIOS DE CASOS Y CONTROLES. ESTIMACIÓN DE LA MAGNITUD DE ASOCIACIÓN.

En este tipo de estudios se realiza una comparación entre un grupo que presenta la variable independiente y otro que no.
Es necesario calcular la ODDS RATIO, que se calcula dividiendo la ODDS casos entre la ODDS controles.

• Si es igual a 1, se acepta la hipótesis nula 
• Si es mayor que 1, los casos tienen mayor riesgo de exposición al factor 
• Si es menor que 1 los controles tienen mayor riesgo de exposición al factor

SEMINARIO 3: APRENDIENDO A USAR EPIINFO 7

En el tercer seminario, se nos pidió que trajéramos nuestros portátiles para poder utilizar el programa de estadística que previamente tuvimos que descargar.
Con ayuda del profesor elaboramos un cuestionario en base a un ejemplo sobre un caso de toxiinfección alimentaria en una boda. Este será el mismo programa que luego utilizaremos para nuestro proyecto de investigación. Para terminar, hicimos un par de tablas y gráficas y al final de la clase el profesor se sentó unos minutos con cada grupo para orientarnos un poco sobre cómo realizar nuestros cuestionarios para el trabajo final.