Universidad Autónoma del Estado de

Hidalgo
Instituto de Ciencias de la Salud
Licenciatura en Farmacia
BIOESTADÍSTICA
“Glosario”
Catedrático: Jorge Martínez Pérez
Alumna: Leticia Gutiérrez Olvera
Ciclo Escolar: Julio-Diciembre 2014
  Capitulo 1: Introducción A La Bioestadística

 Estadística:

Es la disciplina que se ocupa de: la recolección, organización, resumen y

análisis de datos y la obtención de inferencias a partir de un volumen de
datos cuando se examina solo una parte de estos.

 Datos :

Son la materia prima de la estadística. Por este propósito se puede definir a

los datos como números. Se utilizan dos clases de números: números que
resultan de la toma (en el sentido literal del término) de medidas y aquellos
que resultan del proceso de conteo.

 Variable:

Una característica se clasifica como variable si se observa que, está

tomando diferentes valores en distintas personas, lugares o cosas. Las
variables pueden ser: presión, peso, edad, talla, etc.

 Muestra:

Una muestra puede definirse como una parte de una población.

 Escala nominal:

Es la escala de medición más baja. Consiste en designar o nombrar las

observaciones en varias categorías mutuamente excluyentes y
colectivamente exhaustas.

 Escala ordinal:

Siempre que las observaciones no solo son diferentes entre categorías, sino
que tambien pueden clasificarse por grados de acuerdo con algún
criterio, se dice que se miden sobre una escala ordinal.

 Escala de intervalos:

Esta escala es una escala más especializada que la nominal o la ordinal en

el sentido de que, en esta escala no solo es posible ordenar las mediciones,
sino tambien se conoce la distancia entre dos mediciones cualesquiera.
  Escala de razones:

El nivel más alto de medición es la escala de razones. Esta escala se

caracteriza por el hecho de que puede determinarse tanto la igualdad de
las razones como la de los intervalos. Y para esta escala es fundamental un
punto cero verdadero.

 Números pseudoaleatorios:

Son números generados en un proceso que parece producir números al

azar, pero no lo hace realmente, de aquí el prefijo pseudo que quiere decir
falso, ya que su generación parte de algoritmos deterministicos, lo cual nos
quiere decir que obtendremos siempre el mismo resultado bajo las mismas
condiciones iniciales.

 Capitulo 2: Estadística Descriptiva

 Datos crudos:

Son todas aquellas mediciones que no han sido organizadas, procesadas o

manejadas.

 Medidas descriptivas:

Son números individuales utilizados para describir datos.

 Arreglo ordenado:

Es una lista de valores de un grupo (población o muestra) ordenados de

menor a mayor.

 Análisis por computadora:

Cuando se requieren cálculos adicionales y organizados de un conjunto

de datos de forma manual, el trabajo se facilita mediante un arreglo
ordenado. Si los datos son analizados por computadora, esto no es
aconsejable para prepara un arreglo ordenado.

 Intervalos de clase:

Para agrupar un conjunto de observaciones se debe seleccionar un

conjunto de intervalos contiguos que no se traslapen, para que cada valor
en el conjunto de observaciones pueda ser puesto en solo unos de los
intervalos.

 Regla de Sturges:

Pasa saber más específicamente cuantos intervalos de clase son

necesarios, pueden utilizar la fórmula propuesta por Sturges. Esta fórmula se
enuncia 𝑘 = 1 + 3.322(𝑙𝑜𝑔10 𝑛) donde 𝑘 es el numero de intervalos.

 Frecuencias relativas:

Conocer la proporción de valores que caen dentro de un intervalo de

clase en particular, se puede obtener mediante la división del número de
valores en un intervalo de clase entre el número total de valores.

 Histogramas:

Es posible presentar una distribución de frecuencias gráficamente en forma

de histograma, que es un tipo especial de grafica de barras.

 Polígono de frecuencias:

Es una distribución de frecuencias que tambien puede ser representada

gráficamente mediante un polígono de frecuencias, que es una clase
especial, de grafica lineal

 Despliegues de tallo y hoja:

Es otros sistema grafico muy útil para representar conjuntos de datos

cuantitativos es el despliegue de tallo y hoja. Un despliegue de este tipo
representa una gran similitud con el histograma y tiene el mismo propósito.
Proporciona información respecto al rango del conjunto de datos.

 Tallo:

Se forma con uno o más dígitos iniciales de la medición.

 Hoja:

Se forma con uno o más de los dígitos restantes.

 Media aritmética:

Es la media descriptiva que la mayoría de las personas tienen en mente

cuando se habla de un promedio de cierto grupo de datos
  Mediana:

La mediana de un conjunto finito de valores es aquel valor que divide al

conjunto en dos partes iguales.

 Moda:

Es aquel valor que se repite con más frecuencia dentro de un conjunto de

datos.

 Rango:

Es la diferencia entre el valor más pequeño y el valor más grande en un

conjunto de observaciones.

 Variación:

Cuando los valores de un conjunto de observaciones se encuentran

ubicados cerca de su media, la disposición es menor que cuando están
esparcidos, en consecuencia se puede pensar que es posible medir la
dispersión en función del espaciamiento de los valores alrededor del
medio. Esta medición es mejor conocida como variación.

 Grados de libertad:

La razón de dividir entre 𝑛 − 1, en lugar de 𝑛, como en el cálculo de

variación es por una consideración teórica conocida como grados de
libertad. Se dice que la variación tiene 𝑛 − 1 grados de libertad.

 Desviación estándar:

La media y la mediana son casos especiales de la familia de parámetros

conocidos como parámetros de localización. Estas medias se llaman
parámetros de localización porque pueden utilizarse para designar ciertas
porciones sobre el eje horizontal cuando se elabora una grafica de la
distribución de una variable.

Para obtener la media de dispersión en unidades originales simplemente se

obtiene la raíz cuadrada de la variación a este resultado se le conoce
como desviación estándar.

 Percentiles y cuartiles:
La media y la mediana son casos especiales de la familia de parámetros
conocidos como parámetros de localización. Estas medias se llaman
parámetros de localización porque pueden utilizarse para designar ciertas
porciones sobre el eje horizontal cuando se elabora una grafica de la
distribución de una variable.

 Análisis exploratorio de datos:

Estas técnicas, populares debido al resultado del trabajo de Tukey,

permiten que el investigador examine datos de manera que estos revelen
tendencias y relaciones, identifique características unicas del conjunto de
datos y facilite su descripción y resumen.

 Capitulo 3: Conceptos Básicos De Probabilística

 Probabilidad clásica:

Gran parte de esta teoría fue creada tratando de resolver juego de azar.
Se calcula mediantes razonamientos abstractos

 Probabilidad de frecuencia relativa:

El enfoque de la frecuencia relativa de la probabilidad depende de la

repetibilidad de algunos procesos y la capacidad de contar el número de
repeticiones, así como el número de veces que algún evento de interés
ocurre.

 Probabilidad subjetiva:

Este enfoque sostiene que la probabilidad mide la confianza que un

individuo tiene en la certeza de una proposición determinada.

 Probabilidad condicional:

Cuando se calculas las probabilidades con un subconjunto del conjunto

universal como denominador, el resultado es una probabilidad
condicional.

 Probabilidad conjunta:
Algunas veces se quiere encontrar la probabilidad de que un individuo
seleccionado aleatoriamente a partir de un grupo de individuos posea dos
características al mismo tiempo, a esta probabilidad se le conoce como
probabilidad conjunta.

 Probabilidad marginal:

Se utiliza para referirse donde el numerador de la probabilidad es un total

marginal.

 Falso positivo:

Un falso positivo resulta cuando una prueba indica que el estado es

positivo, pero en realidad es negativo

 Falso negativo:

Resulta cuando una prueba indica que el estado es negativo, pero en

realidad es positivo.

 Capitulo 4: Distribuciones De Probabilidad

 Distribuciones binomial:

Es una de las distribuciones utilizadas más ampliamente en estadística

aplicada. Se deriva de un proceso conocido como ensayo de bernoulli,
puede ocurrir solo uno de los dos resultados: vida-muerte, enfermo-sano,
masculino-femenino, etc.

 Tabla binomial:

El cálculo de una probabilidad puede ser tedioso, por fortuna, las

probabilidades para diferenciar valores de n, p y x ya están tabulados, por
lo que solo es necesario consultar la tabla conveniente para obtener la
probabilidad deseada.

 Parámetros binomiales:

La distribución binomial tiene dos parámetros, n y p. son parámetros en el

sentido de que son suficientes para especificar una distribución binomial.
La distribución binomial es en realidad una familia de distribuciones con
cada uno de los valores posible de n y p designando a un miembro
diferente de la familia.

 Proceso de Poisson:

Como se ha visto la distribución binomial resulta de un conjunto de

suposiciones acerca de un proceso implícito para formar un conjunto d
observaciones numéricas. Lo mismo ocurre en la distribución de Poisson,
pasos del proceso:

 Las ocurrencias de los eventos son independientes. La

ocurrencia de un evento no tiene efecto en la probabilidad.
 Debe de ser posible la ocurrencia de un evento en un número
infinito.
 La probabilidad de una sola ocurrencia del evento es
proporcional a la dimensión del evento.
 En cualquier fracción infinitesimal del intervalo, la probabilidad
de más de una ocurrencia del evento es insignificante.

 Cuando utilizar el modelo de Poisson:

La distribución de Poisson se emplea cuando se van a contar los eventos al

azar en espacio o tiempo.

 Capitulo 9: Regresión Y Correlación Lineal Simple

 Regresión:

Es útil para averiguar la forma probable de las relaciones entre la variable y

el objetivo final, cuando se utiliza este método, se analiza o estima el valor
de una variable.

 Correlación:

El análisis de correlación se refiere a la medición de la intensidad de la

relación entre variables.

 Suposición de linealidad:
Es cuando todas las medias de las subpoblaciones de Y se concentran
sobre la misma recta.

 Diagrama de dispersión:

El primer paso, generalmente útil en el estudio de la relación entre dos

variables es preparar en diagrama de dispersión de los datos, los puntos se
grafican asignando los valores de la variable independiente X al eje
horizontal y los valores de la variable dependiente Y al eje vertical.

 Recta de mínimos cuadrados:

Al método que se utiliza para obtener la recta deseada se le conoce

como “método de mínimos cuadrados” y a la recta resultante se le
conoce como “recta de mínimos cuadrados”.

 Coeficiente de determinación:

Una forma de evaluar la eficiencia de la ecuación de regresión es

comparar la dispersión de los puntos en torno a la recta de regresión con
la dispersión en torno a la recta Y, la muestra de los valores de Y.

 Desviación total:

Es la distancia que hay entre un punto y la recta Y.

 Suma de cuadrados explicada:

Mide la cantidad de variabilidad total en los valores observados en Y que

se toman en cuenta mediante la relación lineal entre los valores
observados de Y y X.

 Suma de cuadrados inexplicada:

Es una medida de dispersión de los valores observados de Y en torno a la

recta de regresión conocida tambien como “suma de cuadrados del
error”

 Recta de resistencia:

El conjunto de datos disponibles para el análisis con la técnica de regresión

lineal contiene más de una observación inusuales esto es, los valores de Yo
X, o ambos, pueden ser mas grandes o más pequeños que las
observaciones.
  Distribución normal bivariada:

Bajo el modelo de correlación se supone que X y Y varían conjuntamente

en lo que se conoce como distribución conjunta. Si la forma de esta
distribución conjunta sigue una distribución normal que se conoce como
“distribución normal bivariada”