Está en la página 1de 26

UNIVERSIDAD NACIONAL DE PIURA FACULTAD DE MEDICINA HUMANA

DEFINICION DE ESTADISTICA, BIOESTADISTICA, POBLACION, MUESTRAS, VARIABLES Y GRAFICOS

PIURA PER 2013

UNIVERSIDAD NACIONAL DE PIURA Humana

Facultad de Medicina

ALUMNOS

Ancajima Timana Franklin Espinoza Cordova Isrrael Espinoza Castro Herrera Guerrero Mara Lourdes Ramrez Imn Jorge

CURSO

Bioestadstica

DOCENTE

Alfredo Sulln Len

FACULTAD

Medicina Humana

CICLO

III

UNIVERSIDAD NACIONAL DE PIURA Humana

Facultad de Medicina

INDICE
I. II. III. IV. V. VI. VII. ESTADISTICA pag4 BIOESTADISTICApag5 VARIABLES(definicin y clasificacin) .pag8 GRAFICOS .pag9 MEDIDA DE TENDENCIA CENTRAL pag17 MEDIA ARITMETICA, MEDIANA, modapag18 MEDIDAS DE VARIABILIDAD pag21 Clasificacin: rango y recorrido Varianza Desviacin estndar valores absolutos: media y mediana COEFICIENTE DE VARIACIONESpag23 Conclusionespag24 Bibliografa 25

VIII. IX. X.

UNIVERSIDAD NACIONAL DE PIURA Humana

Facultad de Medicina

I.
DEFINICIN N 1:

ESTADISTICA

La estadstica es el conjunto de procedimientos y tcnicas para recoger, organizar y presentar informacin acerca de un problema determinado. Adems basndose en las teoras de la probabilidad, proporciona mtodos que permiten establecer validez de las conclusiones obtenidas a partir de la informacin recogida. Bibliografa: ESTADSTICA- Murray R.Spiegel DEFINICIN N 2: La estadstica es una rama de la matemtica que se refiere a la recoleccin, estudio e interpretacin de los datos obtenidos en un estudio. Es aplicable a una amplia variedad de disciplinas, desde la fsica hasta las ciencias sociales, ciencias de la salud como la psicologa y la medicina, y usada en la toma de decisiones en reas de negocios e instituciones gubernamentales. Bibliografa: www.wikipedia.com DEFINICIN N 3: La estadstica es una tcnica especial apta para el estudio cuantitativo de los fenmenos de masa o colectivo, cuya medicin requiere una masa de observaciones de otros fenmenos ms simples llamados individuales o particulares. Bibliografa: www.monografas.com; Gini, 1953

UNIVERSIDAD NACIONAL DE PIURA Humana

Facultad de Medicina

DEFINICIN DEL GRUPO: La Estadstica es una rama de la Matemtica que utiliza un conjunto de procedimientos y tcnicas para recolectar, organizar, clasificar, analizar, interpretar, estudiar, resumir y presentar datos obtenidos de un estudio sujeto a una precisin numrica que permite obtener conclusiones vlidas y tomar decisiones razonables basadas en el anlisis para resolver problemas; que tienen como base la explicacin, descripcin y comparacin de los fenmenos aplicables a las diferentes disciplinas en un estudio cuantitativo de las mismas.

II.

BIOESTADISTICA

Se entiende la bioestadstica como la herramienta por la cual, y partiendo del rigor determinista de las matemticas, se intentan obtener conclusiones y relaciones de fenmenos cuya variabilidad es la norma, con un grado de seguridad o confianza estipulado de antemano. La variabilidad de los datos de las Ciencias de la Salud se debe a que son esencialmente experimentales y estn sujetas a razonamientos de tipo inductivo (van de lo particular a lo general). Para poder validar tales extrapolaciones se necesita el mtodo estadstico cuyas tcnicas son capaces de tener en cuenta la variabilidad obtenida. Conforme el profesional de la salud conoce ms profundamente los principios estadsticos, ms racional y fructfera es su actividad, con independencia del campo al que se dedique. El enfoque estadstico ha de estar presente desde el momento mismo en que un trabajo de investigacin es proyectado y esto permitir realizar un buen diseo del estudio, calcular el tamao de la muestra y la eleccin de la misma, determinar las variables a medir o seleccionar el mtodo estadstico ms adecuado para su anlisis. Las revistas mdicas prestan cada vez ms atencin al tratamiento estadstico correcto del material experimental. EJEMPLOS MEDICOS: INFLAMACIN, ATEROSCLEROSIS, FACTORES DE RIESGO CLSICOS, BIOESTADSTICA, SIGNIFICACIN CLNICA. DNDE ESTAMOS? La cardiopata isqumica constituye el principal factor de morbilidad y mortalidad en el mundo occidental, con una incidencia mundial que se incrementa a medida que aumenta el nivel de vida. Su estudio, por tanto, es prioritario en la mayora de los Estados del mundo occidental. Durante las ltimas dos dcadas se han realizado importantes avances en el conocimiento de la fisiopatologa de la aterognesis, en la que la inflamacin desempea un papel esencial en las diferentes fases del desarrollo de la placa aterosclertica, desde el inicio hasta la rotura o fisura, que es lo que en 5

UNIVERSIDAD NACIONAL DE PIURA Humana

Facultad de Medicina

definitiva puede inducir la aparicin de un sndrome coronario agudo. De hecho, ya en el siglo xix Virchow propuso llamar endarteritis deformans a la enfermedad aterosclertica, vinculando la inflamacin con la aterosclerosis. Desde entonces se ha profundizado mucho en el conocimiento de los mecanismos de la aterognesis, establecindose de forma irrefutable la relacin de causalidad clara entre los factores de riesgo clsicos (hipertensin arterial, diabetes mellitus, dislipemia, tabaquismo) y la aterosclerosis. El afn de conocer los mecanismos de dicha relacin y la existencia de pacientes con cardiopata isqumica sin evidencia de ninguno de los factores mencionados (la conocida hiptesis del 50%) espolearon la investigacin. En las ltimas dos dcadas se han descrito en profundidad las caractersticas comunes entre los factores de riesgo y la aterognesis: inflamacin y trombosis son los efectores intermediarios entre los factores de riesgo y enfermedades como la cardiopata isqumica. El mayor conocimiento fisiopatolgico ha generado informacin sobre posibles marcadores/factores de riesgo para estratificar mejor el riesgo de nuestros pacientes y, eventualmente, descubrir nuevas dianas teraputicas y por ende mejorar su pronstico. Se han publicado multitud de estudios en los que se describe la asociacin entre marcadores de inflamacin (o de antiinflamacin) y enfermedad aterosclertica, ya sea desde la prevencin primaria como desde la prevencin secundaria o en la estratificacin del riesgo de un sndrome coronario agudo. En este nmero de Revista Espaola de Cardiologa se publican dos trabajos que aportan ms datos sobre la inflamacin en los pacientes que ingresan por sndromes coronarios agudos. El trabajo de Gmez-Garca et al 5 ha estimado el efecto de rosuvastatina y metformina en la inflamacin y el estrs oxidativo en pacientes con hipertensin y dislipemia. Se trata de un ensayo clnico abierto y paralelo en el que se incluy a 48 pacientes hipertensos e hiperlipmicos, a los que se distribuy aleatoriamente en tres grupos de tratamiento: 16 fueron tratados con rosuvastatina 10 mg/da; 16, con metformina 1.700 mg/da, y 16, con 10 mg de almidn como control. Las variables estudiadas fueron las relacionadas con el metabolismo lipdico, el control glucmico, la edad, el peso, el ndice de masa corporal y parmetros inflamatorios y de estrs oxidativo (interleucina [IL] 6, factor de necrosis tumoral alfa [TNF ], glutatin reductasa [GSH], glutatin peroxidasa [GPx] y superxido dismutasa [SOD]). Los autores concluyen que la rosuvastatina mejora el perfil de lpidos y que ambos frmacos reducen la inflamacin y el estrs oxidativo; se plantean si los beneficios observados se deben a la mejora obtenida en los parmetros lipdicos o son secundarios a los efectos pleiotrpicos de los frmacos utilizados. Probablemente, un anlisis multivariable que incluyera la variacin de las fracciones lipdicas podra haber ayudado a dilucidar esta cuestin. El trabajo de Gonzlvez et al analiza el valor pronstico del TNF en el sndrome coronario agudo con elevacin del segmento ST (IAMEST) tras 6 meses de seguimiento, aportando informacin novedosa sobre inflamacin en el infarto agudo de miocardio con elevacin del segmento ST. Para ello se incluy a 74 pacientes con IAMEST, en los que se midieron las concentraciones de TNF adems de otros parmetros de inflamacin (protena C reactiva [PCR], IL-6, molculas solubles de adhesin celular tipo 1) 6

UNIVERSIDAD NACIONAL DE PIURA Humana

Facultad de Medicina

dentro de las primeras 10 h del inicio de los sntomas y 48 h ms tarde. Se observ que las concentraciones de TNF eran significativamente mayores en los pacientes con eventos isqumicos o insuficiencia cardiaca durante el seguimiento que en aquellos sin eventos, y los valores de TNF a las 48 h y los de PCR al ingreso fueron predictores independientes de eventos cardiovasculares. Es importante destacar un dato muy relevante del estudio de Gonzlvez et al. Hay una gran incidencia de eventos cardiovasculares en pacientes revascularizados tras IAM, unos eventos que, al considerarlos blandos, no se suele tener en consideracin en los grandes ensayos clnicos. Como mencionan los autores, son datos similares a los de otros estudios de nuestro entorno que nos obligan a considerar (una vez ms) la importancia de la prevencin secundaria con las normas higienicodietticas bien aclaradas y con los frmacos adecuados a las dosis apropiadas para cada enfermo. El inters en la investigacin sobre inflamacin en fisiopatologa de la aterosclerosis surge a partir de la nocin de que los factores de riesgo clsicos (tabaco, diabetes mellitus, hipertensin arterial e hipercolesterolemia) explican nicamente el 50% de la cardiopata isqumica. Es un dato que se gener en 1975 sin una base emprica clara, que se ha ido perpetuando, pero que se puso en duda con una base slida en algunos artculos de principios de milenio7-9 y que poco despus el estudio INTERHEART acab de rebatir 10, ya que nicamente con 9 factores de riesgo fcilmente determinables se puede explicar aproximadamente el 90% del riesgo atribuible de infarto agudo de miocardio, con resultados vlidos para todos los grupos de edad y de origen tnico y tanto varones como mujeres. Por tanto, el margen que pueden explicar los nuevos marcadores es ms pequeo del inicialmente descrito, y es plausible esperar grandes tamaos de muestra para demostrar incrementos modestos en el rendimiento pronstico. Paralelamente, nos obliga todava ms a tratar adecuadamente los factores de riesgo cardiovascular clsicos. La aterosclerosis es una enfermedad sistmica, luego su tratamiento debe tener un enfoque sistmico aadido al propiamente cardiolgico. Por tanto, el adecuado conocimiento y tratamiento de los factores de riesgo es primordial para evitar el desarrollo clnico de la enfermedad, y una vez establecida, para realizar una buena prevencin secundaria. En este sentido, son muy relevantes los resultados obtenidos en infarto de miocardio con elevacin del segmento ST (estudio PRIAMHO y registro francs), as como en el registro DESCARTES (sndrome coronario agudo sin elevacin del segmento ST). Es fundamental insistir en las normas higienicodietticas y en el tratamiento farmacolgico adecuado en la prevencin secundaria, que s han demostrado una reduccin importante en la morbimortalidad de los pacientes isqumicos.

UNIVERSIDAD NACIONAL DE PIURA Humana

Facultad de Medicina

III.

VARIABLES

DEFINICIN: Una variable estadstica es el conjunto de valores que pueden tomar las propiedades o caractersticas que se estudian en un conjunto de elementos. CLASIFICACIN: Segn su escala de medicin: o Variables cualitativas: Son las variables que expresan distintas cualidades, caractersticas o modalidad. Cada modalidad que se presenta se denomina atributo o categora y la medicin consiste en una clasificacin de dichos atributos. Las variables cualitativas pueden ser ordinales y nominales. Las variables cualitativas pueden ser dicotmicas cuando slo pueden tomar dos valores posibles como s y no, hombre y mujer o son politmicas cuando pueden adquirir tres o ms valores. Dentro de ellas podemos distinguir: 1. Variable cualitativa ordinal: La variable puede tomar distintos valores ordenados siguiendo una escala establecida, aunque no es necesario que el intervalo entre mediciones sea uniforme, por ejemplo, leve, moderado, grave. 2. Variable cualitativa nominal: En esta variable los valores no pueden ser sometidos a un criterio de orden como por ejemplo los colores o el lugar de residencia.

o Variables cuantitativas: Son las variables que se expresan mediante cantidades numricas. Las variables cuantitativas adems pueden ser:

3. Variable discreta: Es la variable que presenta separaciones o interrupciones en la escala de valores que 8

UNIVERSIDAD NACIONAL DE PIURA Humana

Facultad de Medicina

puede tomar. Estas separaciones o interrupciones indican la ausencia de valores entre los distintos valores especficos que la variable pueda asumir. Un ejemplo es el nmero de hijos. 4. Variable continua: Es la variable que puede adquirir cualquier valor dentro de un intervalo especificado de valores. Por ejemplo el peso o la altura, que solamente est limitado por la precisin del aparato medidor, en teora permiten que siempre existe un valor entre dos cualesquiera.

Segn la influencia que asignemos a unas variables sobre otras , podrn ser:

Variables independientes: Son las que el investigador escoge para establecer agrupaciones en el estudio, clasificando intrnsecamente a los casos del mismo. Un tipo especial son las variables de, que modifican al resto de las variables independientes y que de no tenerse en cuenta adecuadamente pueden alterar los resultados por medio de un sesgo. Variables dependientes: Son las variables de respuesta que se observan en el estudio y que podran estar influenciadas por los valores de la variable independiente.

IV.

GRFICOS ESTADSTICOS

Los grficos son medios popularizados y a menudo los ms convenientes para presentar datos, se emplean para tener una representacin visual de la totalidad de la informacin. Los grficos estadsticos presentan los datos en forma de dibujo de tal modo que se pueda percibir fcilmente los hechos esenciales y compararlos con otros. Tipos de grficos estadsticos Barras Lneas 9

UNIVERSIDAD NACIONAL DE PIURA Humana

Facultad de Medicina

Circulares reas Cartogramas Mixtos Histogramas Dispersograma Pictogramas Grficos de barras verticales

Otros

Llamados por algunos software de columnas. Representan valores usando trazos verticales, aislados o no unos de otros, segn la variable a graficar sea discreta o continua. Pueden usarse para representar:

Una serie Dos o ms series (tambin llamado de barras comparativas)

Grficos de barras horizontales Representan valores discretos a base de trazos horizontales, aislados unos de otros. Se utilizan cuando los textos correspondientes a cada categora son muy extensos.

Para una serie Para dos o ms series 10

UNIVERSIDAD NACIONAL DE PIURA Humana

Facultad de Medicina

Grficos de barras proporcionales Se usan cuando lo que se busca es resaltar la representacin de los porcentajes de los datos que componen un total. Las barras pueden ser: Verticales Horizontales

Grficos de barras comparativas Se utilizan para comparar dos o ms series, para comparar valores entre categoras. Las barras pueden ser: Verticales Horizontales 11

UNIVERSIDAD NACIONAL DE PIURA Humana

Facultad de Medicina

Grficos de barras apiladas Se usan para mostrar las relaciones entre dos o ms series con el total. Las barras pueden ser:

Verticales Horizontales

Grficos de lneas En este tipo de grfico se representan los valores de los datos en dos ejes cartesianos ortogonales entre s. Se pueden usar para representar:

Una serie Dos o ms series 12

UNIVERSIDAD NACIONAL DE PIURA Humana

Facultad de Medicina

Estos grficos se utilizan para representar valores con grandes incrementos entre s.

Grficos circulares Estos grficos nos permiten ver la distribucin interna de los datos que representan un hecho, en forma de porcentajes sobre un total. Se suele separar el sector correspondiente al mayor o menor valor, segn lo que se desee destacar. Se pueden ser:

En dos dimensiones En tres dimensiones

13

UNIVERSIDAD NACIONAL DE PIURA Humana

Facultad de Medicina

Grficos de reas En estos tipos de grficos se busca mostrar la tendencia de la informacin generalmente en un perodo de tiempo. Pueden ser:

Para representar una serie Para representar dos o ms series En dos dimensiones En tres dimensiones.

14

UNIVERSIDAD NACIONAL DE PIURA Humana

Facultad de Medicina

Cartogramas Estos tipos de grficos se utilizan para mostrar datos sobre una base geogrfica. La densidad de datos se puede marcar por crculos, sombreado, rayado o color.

Grficos Mixtos En estos tipos de grficos se representan dos o ms series de datos, cada una con un tipo diferente de grfico. Son grficos ms vistosos y se usan para resaltar las diferencias entre las series. Pueden ser:

En dos dimensiones En tres dimensiones.

15

UNIVERSIDAD NACIONAL DE PIURA Humana

Facultad de Medicina

Histogramas Estos tipos de grficos se utilizan para representar distribuciones de frecuencias. Algn software especfico para estadstica grafican la curva de gauss superpuesta con el histograma.

Dispersograma Son grficos que se construyen sobre dos ejes ortogonales de coordenadas, llamados cartesianos, cada punto corresponde a un par de valores de datos x e y de un mismo elemento suceso.

16

UNIVERSIDAD NACIONAL DE PIURA Humana

Facultad de Medicina

V.

MEDIDA DE TENDENCIA CENTRAL

Al describir grupos de observaciones, con frecuencia es conveniente resumir la informacin con un solo nmero. Este nmero que, para tal fin, suele situarse hacia el centro de la distribucin de datos se denomina medida o parmetro de tendencia central o de centralizacin. Cuando se hace referencia nicamente a la posicin de estos parmetros dentro de la distribucin, independientemente de que sta est ms o menos centrada, se habla de estas medidas como medidas de posicin.1 En este caso se incluyen tambin los cuantiles entre estas medidas. Entre las medidas de tendencia central tenemos:

Media . Media ponderada. Media geomtrica. Media armnica. Mediana. Moda.

Se debe tener en cuenta que existen variables cualitativas y variables cuantitativas, por lo que las medidas de posicin o medidas de tendencia se usan de acuerdo al tipo de variable que se est observando, en este caso se observan variables cuantitativas.

VI.

MEDIA ARITMETICA, MEDIANA, MODA

Media Aritmetica:
En matemticas y estadstica, la media aritmtica (tambin llamada promedio o simplemente media) de un conjunto finito de nmeros es el valor caracterstico de una serie de datos cuantitativos objeto de estudio que parte del principio de la esperanza matemtica o valor esperado, se obtiene a partir de la suma de todos sus valores dividida entre el nmero de sumandos. Cuando el conjunto es una muestra aleatoria recibe el nombre de media muestral siendo uno de los principales estadsticos muestrales. Expresada de forma ms intuitiva, podemos decir que la media (aritmtica) es la cantidad total de la variable distribuida a partes iguales entre cada observacin. 17

UNIVERSIDAD NACIONAL DE PIURA Humana

Facultad de Medicina

Por ejemplo, si en una habitacin hay tres personas, la media de dinero que tienen en sus bolsillos sera el resultado de tomar todo el dinero de los tres y dividirlo a partes iguales entre cada uno de ellos. Es decir, la media es una forma de resumir la informacin de una distribucin (dinero en el bolsillo) suponiendo que cada observacin (persona) tuviera la misma cantidad de la variable. Tambin la media aritmtica puede ser denominada como centro de gravedad de una distribucin, el cual no est necesariamente en la mitad. Una de las limitaciones de la media aritmtica es que se trata de una medida muy sensible a los valores extremos; valores muy grandes tienden a aumentarla mientras que valores muy pequeos tienden a reducirla, lo que implica que puede dejar de ser representativa de la poblacin. Definicin Dados los n nmeros , la media aritmtica se define como:

Por ejemplo, la media aritmtica de 8, 5 y -1 es igual a:

Se utiliza la letra X con una barra horizontal sobre el smbolo para representar la media de una muestra ( ), mientras que la letra (mu) se usa para la media aritmtica de una poblacin, es decir, el valor esperado de una variable. En otras palabras, es la suma de n valores de la variable y luego dividido por n : donde n es el nmero de sumandos, o en el caso de estadstica el nmero de datos.

MEDIANA
Es el valor que ocupa el lugar central de todos los datos cuando stos estn ordenados de menor a mayor. La mediana se representa por Me. La mediana se puede hallar slo para variables cuantitativas. Clculo de la mediana 1 Ordenamos los datos de menor a mayor. 2 Si la serie tiene un nmero impar de medidas la mediana es la puntuacin central de la misma. 2, 3, 4, 4, 5, 5, 5, 6, 6Me= 5 3 Si la serie tiene un nmero par de puntuaciones la mediana es la media entre las dos puntuaciones centrales. 7, 8, 9, 10, 11, 12Me= 9.5 Clculo de la mediana para datos agrupados La mediana se encuentra en el intervalo donde la frecuencia acumulada llega hasta la mitad de la suma de las frecuencias absolutas.

18

UNIVERSIDAD NACIONAL DE PIURA Humana

Facultad de Medicina

Es decir tenemos que buscar el intervalo en el que se encuentre

Li es el lmite inferior de la clase donde se encuentra la mediana. es la semisuma de las frecuencias absolutas. Fi-1 es la frecuencia acumulada anterior a la clase mediana. ai es la amplitud de la clase. La mediana es independiente de las amplitudes de los intervalos. Ejemplo Calcular la mediana de una distribucin estadstica que viene dada por la siguiente tabla: fi [60, 63) [63, 66) [66, 69) [69, 72) [72, 75) 5 18 42 27 8 100 100/2 = 50 Clase de la mediana: [66, 69) Fi 5 23 65 92 100

MODA
La moda es el valor con una mayor frecuencia en una distribucin de datos. Hablaremos de una distribucin bimodal de los datos adquiridos en una columna cuando encontremos dos modas, es decir, dos datos que tengan la misma frecuencia absoluta mxima. Una distribucin trimodal de los datos es en la que encontramos tres modas. Si todas las variables tienen la misma frecuencia diremos que no hay moda. El intervalo modal es el de mayor frecuencia absoluta. Cuando tratamos con datos agrupados antes de definir la moda, se ha de definir el intervalo modal.

19

UNIVERSIDAD NACIONAL DE PIURA Humana

Facultad de Medicina

La moda, cuando los datos estn agrupados, es un punto que divide al intervalo modal en dos partes de la forma p y c-p, siendo c la amplitud del intervalo, que verifiquen que:

Siendo la frecuencia absoluta del intervalo modal las frecuencias absolutas de los intervalos anterior y posterior, respectivamente, al intervalo modal. Moda de datos agrupados Para obtener la moda en datos agrupados se usa la siguiente frmula:

Donde: =
-inferior de la clase modal

= es el delta de frecuencia absoluta modal y la frecuencia absoluta premodal. = es el delta de frecuencia absoluta modal y la frecuencia absoluta postmodal. = intervalo Ejemplo Encontrar la estatura modal de un grupo de estudiantes de Medicina que se encuentra distribuido de la siguiente forma: Entre 1,1 y 1,15 hay 1 estudiante Entre 1,2 y 1,25 hay 2 estudiantes Entre 1,3 y 1,35 hay 2 estudiantes Entre 1,45 y 1,55 hay 3 estudiantes Entre 1,5 y 1,6 hay 4 estudiantes Entre 1,6 y 1,7 hay 10 estudiantes Entre 1,7 y 1,8 hay 8 estudiantes Entre 1,8 y 1,9 hay 2 estudiantes Clase modal = 1,6 y 1,7 (es la que tiene frecuencia absoluta ms alta: 10) ; ; ; 20

UNIVERSIDAD NACIONAL DE PIURA Humana

Facultad de Medicina

VII.

MEDIDAS DE VARIABILIDAD

Las medidas de variabilidad nos informan sobre el grado de concentracin o dispersin que presentan los datos respecto a su promedio. Llamaremos homognea, concentrada o poco dispersa a aquella distribucin en la que todos los datos estn cercanos al centro, como 4 4 5 5 5 5 6 6 6 6 7, y heterognea o dispersa a la distribucin con datos ms separados del centro, como 1 3 5 8 10 16 20. Existen muchas formas de medir la variabilidad. Se Destacan las ms importantes: RANGO Tambin llamado Recorrido o Amplitud total, es la diferencia entre el mximo valor del conjunto de datos y el mnimo de ellos. A mayor rango, mayor dispersin. El rango del conjunto 4 6 4 7 8 6 5 3 4 7 7 9 6 5 es 6, la diferencia entre el mximo 9 y el mnimo 3. A veces se usa el Rango verdadero que consiste en considerar cada dato rodeado de una unidad, por efecto de los redondeos, con lo que en el ejemplo anterior el mnimo sera 2,5 y el mximo 9,5. Con ello el rango se convertira en 7. No es una medida buena, pues ignora todo lo que ocurre dentro de ese rango.

DESVIACIN MEDIA Es una medida de la dispersin consistente en la media aritmtica de las desviaciones individuales respecto a la media, tomadas en valor absoluto. Tambin se usan desviaciones respecto a la mediana. VARIANZA Es una medida muy sensible de la variabilidad y base de muchas tcnicas estadsticas. Junto con la media forma el conjunto ms importante de medidas. Es propia de las medidas de intervalo o razn. Su inconveniente es que no usa la misma unidad que los datos, sino su cuadrado. 21

UNIVERSIDAD NACIONAL DE PIURA Humana

Facultad de Medicina

No se deben comparar varianzas en conjuntos de unidades muy distintas, como estatura e inteligencia. En teora del muestreo se sustituye por la cuasi-varianza, de idntica frmula, pero con cociente N-1 en lugar de N. En este caso no sera vlida la segunda frmula. DESVIACIN TPICA Es la raz cuadrada de la anterior. Su objeto es conseguir medir la variabilidad en las mismas unidades que los datos. As, un conjunto medido en metros, tendr la varianza medida en metros cuadrados, pero la desviacin tpica en metros. Como en la varianza, para datos aislados basta con suprimir las frecuencias ni. La desviacin tpica s es base de muchas tcnicas, al igual que la media y la varianza. Su gran ventaja es estar medida en las mismas unidades que los datos y la media, lo que permite establecer razones y proporciones entre ellas. La desviacin tpica cumple la llamada desigualdad de Tchebychev: segn la cual, los datos que se alejan de la media una distancia igual o menor que s, multiplicado por un coeficiente k suponen ms de la proporcin 1-1/k2. As, el 75% de los datos al menos, se encuentra a menos de dos desviaciones tpicas y el 89% a menos de tres.

22

UNIVERSIDAD NACIONAL DE PIURA Humana

Facultad de Medicina

VIII.

COEFICIENTE DE VARIACIONES

En estadstica, cuando se desea hacer referencia a la relacin entre el tamao de la media y la variabilidad de la variable, se utiliza el coeficiente de variacin. Su frmula expresa la desviacin estndar como porcentaje de la media aritmtica, mostrando una mejor interpretacin porcentual del grado de variabilidad que la desviacin tpica o estndar. Por otro lado presenta problemas ya que a diferencia de la desviacin tpica este coeficiente es variable ante cambios de origen. Por ello es importante que todos los valores sean positivos y su media d, por tanto, un valor positivo. A mayor valor del coeficiente de variacin mayor heterogeneidad de los valores de la variable; y a menor C.V., mayor homogeneidad en los valores de la variable. Suele representarse por medio de las siglas C.V. Exigimos que: Se calcula:

Donde

es la desviacin tpica. Se puede dar en tanto por ciento calculando:

Propiedades y aplicaciones El coeficiente de variacin es tpicamente menor que uno. Sin embargo, en ciertas distribuciones de probabilidad puede ser 1 o mayor que 1. Para su mejor interpretacin se expresa como porcentaje. Depende de la desviacin tpica, tambin llamada "desviacin estndar", y en mayor medida de la media aritmtica, dado que cuando sta es 0 o muy prxima a este valor el C.V. pierde significado, ya que puede dar valores muy grandes, que no necesariamente implican dispersin de datos. El coeficiente de variacin es comn en varios campos de la probabilidad aplicada, como teora de renovacin y teora de colas. En estos campos ladistribucin exponencial es a menudo ms importante que la distribucin normal. La desviacin tpica de una distribucin exponencial es igual a su media, por lo que su coeficiente de variacin es 1. La distribuciones con un C.V. menor que uno, como la distribucin de Erlang se consideran de "baja varianza", mientras que aquellas con un C.V. mayor que uno, como 23

UNIVERSIDAD NACIONAL DE PIURA Humana

Facultad de Medicina

la distribucin hiperexponencial se consideran de "alta varianza". Algunas frmulas en estos campos se expresan usando el cuadrado del coeficiente de variacin, abreviado como S.C.V. (por su siglas en ingls)

CONCLUSIONES
La bioetadistica se ha convertido en una herramienta indispensable en todos los dominios de las Ciencias de la Salud, necesaria para tomar decisiones vlidas. Te brinda cuantitavamente acerca de un indicador medico. Sus aplicaciones matematicas se intentan obtener conclusiones y relaciones de fenmenos cuya variabilidad es la norma, con un grado de seguridad o confianza estipulado de antemano. Esencial para una actividad de investigacin.

24

UNIVERSIDAD NACIONAL DE PIURA Humana

Facultad de Medicina

IX.

BIBLIOGRAFA

Estadstica Elemental Paul G. Hoel Editorial Continental

http://www.bioestadistica.uma.es/libro/node6.htm

http://html.rincondelvago.com/graficos-estadisticos.html

http://www.kalipedia.com/matematicas-estadistica/tema/variablesestadisticas.html?x=20070926klpmateyp_6.Kes

www.wikipedia.com

www.monografias.com

http://www.elsevier.es/es 25

UNIVERSIDAD NACIONAL DE PIURA Humana

Facultad de Medicina

NORMAN, G. R., & STREINER, D. L. Biostatistics: The bare essentials. Hamilton: B.C. Decker, 2008. PRIETO, L. & HERRANZ, I. Bioestadstica. Sin dificultades matemticas. Catalua, Espaa. Ed. Daz de Santos S. A., Ediciones. 2010 RUS. F. et al. Bioestadstica: Mtodos y Aplicaciones. Mlaga, Espaa. Facultad de Ciencias. Universidad de Mlaga. 2004. ROSNER, B. Fundamentals of biostatistics. Belmont, CA: ThomsonBrooks/Cole, 2006 RUEDA, J. Bioestadstica I. Medelln, Colombia. Universidad Nacional de Colombia. Departamento de Ciencias Agronmicas. 2006

26