Documentos de Académico
Documentos de Profesional
Documentos de Cultura
julsgarri2
1º Grado en Enfermería
No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
categorías de otra.
Por ejemplo, consideramos dos variables: gravedad del paciente (leve, moderado, grave) y sistema de acceso a los
servicios de salud (atención primaria, especialista, urgencias) NOMINAL (*)
Cabe pensar que los pacientes que acuden a urgencias están más graves que los que acuden a un es especialista.
Asimismo, cabe pensar que los que acuden a un especialista están más graves que los que acuden a atención
primaria.
Atención primaria (mayoría leves) – especialista (mayoría moderados) - urgencias (mayoría graves)
Valores grandes de este estadístico son indicador de grandes discrepancias entre valores observados y esperados.
Por tanto, las variables no serían independientes entre sí.
Verificación de supuestos:
Para que los resultados del test de chi-cuadrado sean de confianza, todas las casillas deben tener más de 4
casos (n ≥ 5)
Debe aplicarse cuando al menos una de las dos variables es nominal
Si la tabla de contingencia es 2x2, resulta más adecuado considerar el p-valor de la fila. Corrección por
continuidad para el contraste.
Contraste de hipótesis:
a64b0469ff35958ef4ab887a898bd50bdfbbe91a-3743263
2. ASOCIACION ENTRE VARIABLES ORDINALES
Si tenemos dos variables ordinales o bien, una cuantitativa y una ordinal y nuestro propósito es estudiar si existe
asociación entre las mismas, podremos extraer aun más información de este análisis debido a la “existencia de
orden” entre las categorías. Al existir una variable nominal (caso anterior) solo podíamos decir si existe relación o no.
Sin embargo, ahora podemos añadir, en caso de existir relación que coincidencias hay en las categorías “mayores”
(en orden) de una variable con las “mayores” de la otra y lo mismo con las menores.
Por ejemplo, consideremos de nuevo la variable gravedad del paciente (leve, moderado, grave) y el grado de acceso
a un sistema de atención sanitaria (totalmente accesible, moderadamente accesible, inaccesible). En este caso,
además de preguntarnos si existe asociación/relación entre estas dos variables, cabría preguntarse:
Gravedad del paciente ¿ acceso al sistema sanitario o acceso al sistema sanitario?
No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
2.1. Coeficiente de Spearman
El coeficiente de correlación de spearman es un estadístico que mide la existencia de asociación entre dos variables,
la fortaleza y el sentido de la asociación. Se calcula:
Donde 𝐷𝑖 es la diferencia entre los órdenes asignados a las categorías de variables que obtuvo el sujeto i-ésimo. Para
calcular esta diferencia se les asigna un orden a cada categoría (de cada variable). Por ejemplo, en el caso de la
gravedad del paciente seria, leve 1, moderado 2, grave 3 .
Los posibles valores que puede tomar oscilan entre -1 y 1. Es un estadístico adimensional.
Como hemos estudiado anteriormente, los estadísticos como el coeficiente de correlacion de Sperman nos dan
información acerca de relación existente en los datos de la muestra. Pero, ¿Qué podemos concluir sobre la relación
estudiada en la población?
Contraste la hipótesis:
No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
Tipos de asociación
Donde 𝑆x y 𝑆y son las desviaciones típicas de las variables X e Y respectivamente y Sxy es la covarianza, que se
calcula y representa el grado de variación conjunta de dos variables respecto a sus medias.
Los posibles valores que puede tomar oscilan entre -1 y 1. Es un estadístico adimensional.
No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
¡¡¡¡La misma que el coeficiente de correlación de Spearman!!!!
¿Y la población?
¡Ojo! Que no exista asociación LINEAL, no significa que no exista asociación entre las variables. Podría existir de otro
tipo: curvilínea, exponencial, etc.
a64b0469ff35958ef4ab887a898bd50bdfbbe91a-3743263
4. REGRACIÓN LINEAL SIMPLE
En el ejemplo anterior concluíamos que la mayor parte de los deportistas que realizaron mayor número de
entrenamiento por sobrecarga excéntrica veían reducidos sus tiempos de recuperación de la rotura fibrilar.
Pero, ¿Sería posible cuantificar explícitamente en número de días que se ve reducida su recuperación al realizar una
sesión extra de sobrecarga excéntrica? ¿y el tiempo que tarda en recuperarse una persona que ha realizado 7
sesiones de este tipo de entrenamiento?
No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
Si. El estudio de regresión lineal simple consiste en construir una recta, la que mejor se ajuste a los datos, con objeto
de realizar predicciones.
Donde:
a= termino constante (valor de y cuando x=0)
b= pendiente (tasa de variación de la y por unidad de la x)
x= variable explicativa
y= variable explicada
y= valor pronóstico de la variable explicada
e= errores de predicción (residuos)= Yreal – y^
¿Cuáles son los valores de a y b que mejor ajustan?
Errores independientes:
∑(𝑒𝑖 −𝑒𝑖−1 )2
No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
El estadístico de Durbin-Watson, d= , nos permite averiguar si los errores asociados a dos
∑𝑒𝑖2
observaciones distintas son independientes. Si d(1.5, 2.5) los errores son independientes.
Errores normales
Se definen los errores como la diferencia entre los valores reales de la y obtenidos y los pronosticados:
E= errores de predicción= 𝑦𝑟𝑒𝑎𝑙 – y^
También se conocen como residuos.
Para que los resultados del análisis de regresión sean de confianza, los errores deben seguir una distribución
normal:
- Si N ≥60 no hace falta probarlo
¿Qué significa aceptar la hipótesis nula? ¿Qué quiere decir aceptar que b=0? En tal caso, asumiríamos que la
recta puede escribirse de forma: y= a + 0 . x= a.
Luego… ¡La variable y no puede explicarse a partir de la x!
Y, por tanto, la recta no sería adecuada para predecir. En caso contrario la recta ofrece resultados de
confianza.