Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Bioestadística
Sección: 1M
Juliette Arroyo 31.309.935
Investigación
Al ser una rama de la estadística, la bioestadística se encarga de cuestiones que tienen que ver
con la recogida de datos y con su correcto almacenamiento; con el análisis de la información
a través de diversos métodos y herramientas; con la representación gráfica de los resultados
obtenidos; con los mecanismos para la interpretación de dichos resultados; con el diseño y
desarrollo de experimentos; etc.
Reseña histórica: Para entender los primeros pasos de la bioestadística debemos hablar de
Pierre Charles Alexandre Louis (1787 – 1872), un médico francés que estudió medicina en
Reims y en París. Este médico destacó por sus investigaciones sobre la tuberculosis y la
fiebre tifoidea. Además, defendía que el uso de la sangría para tratar la neumonía y otros
problemas de salud era del todo ineficaz. Pierre Charles Alexandre Louis fue el primero en
utilizar ciertos métodos matemáticos para cuantificar variables de pacientes y de sus
enfermedades. Empleó el “método numérico” para evaluar la eficacia de las terapias e inspiró
a sus discípulos con este innovador sistema.
Aplicaciones de la Bioestadística:
● Industria biotecnológica.
● Industria farmacéutica.
● Salud: epidemiología, nutrición, salud ambiental .
● Genómica.
● Ecología.
● Sector agrícola.
● Sector de la alimentación.
● Análisis de datos sanitarios.
● Investigación y desarrollo.
Tipos de estadística:
● Estadística inferencial: este tipo de estadística emplea métodos concretos para obtener
generalizaciones o para poder tomar decisiones en base a información (parcial o
completa) que se ha recogido con técnicas descriptivas. El principal objetivo es emitir
conclusiones útiles según los datos. También se conoce como estadística inductiva.
● Estadística aplicada: es la que se utiliza en cualquier otro campo de estudio para
extraer resultados y emitir conclusiones.
Ejemplos : Descriptiva
Inferencial:
Datos categóricos: Los datos categóricos también conocidos como datos cualitativos,
representan características como el género, el idioma, etc. de una persona. También pueden
tomar valores numéricos, por ejemplo: 1 para mujeres y 0 para hombres. Ten en cuenta que
esos números no tienen significado matemático.
● Datos nominales: Otros de los tipos de datos estadísticos son los que tienen valores
nominales que representan unidades discretas y se usan para etiquetar variables que
no tienen un valor cuantitativo. .
● Datos ordinales: Los datos ordinales representan unidades discretas y ordenadas. Por
lo tanto, es casi lo mismo que los datos nominales, excepto que su orden es
importante.
Datos numéricos: Estos tipos de datos estadísticos también se conocen como datos
cuantitativos, y se refieren a una medida o recuento.
● Datos discretos: Los datos estadísticos son discretos cuando sus valores son distintos
y separados. Es decir, cuando los datos sólo pueden tomar ciertos valores.
● Datos continuos: Los datos continuos representan mediciones y, por lo tanto, sus
valores. no se pueden contar pero se pueden medir. A su vez, estos se clasifican de la
siguiente manera:
● Datos de intervalo: Los datos de intervalo representan unidades ordenadas que tienen
la misma diferencia . Por lo tanto, hablamos de datos de intervalo cuando tenemos una
variable que contiene valores numéricos que están ordenados y donde conocemos las
diferencias exactas entre los valores.El problema con los datos de valores de intervalo
es que podemos sumar y restar, pero no podemos multiplicar, dividir o calcular
razones. Debido a que no existe un cero verdadero, no se pueden aplicar muchas
estadísticas descriptivas e inferenciales.
● Datos de relación: También son unidades ordenadas que tienen la misma diferencia.
Los datos de relación son los mismos que los valores de intervalo, con la diferencia de
que tienen un cero absoluto.
Ejemplos:
● Cualitativos: Color de pelo, nota de un examen, material del que está hecho un marco
de fotos o el sabor de una bebida.
● Cuantitativos: Hora, velocidad, salario o el número de veces que una persona acude al
médico al año.
● Discretos: El número de cartas que puede salir al elegir una carta de una baraja, la
edad de una persona en años o cuántos viajes hace una persona al año.
Variable estadística: Una variable estadística es una característica que puede fluctuar y cuya
variación es susceptible de adoptar diferentes valores, los cuales pueden medirse u
observarse. Las variables adquieren valor cuando se relacionan con otras variables, es decir,
si forman parte de una hipótesis o de una teoría.
Ejemplos:
● Las medallas conseguidas en una competencia. Los valores serían: oro, plata y
bronce.
● Grado de satisfacción laboral en una compañía. Los valores serían: muy satisfecho,
satisfecho, regular, insatisfecho, muy insatisfecho.
Ejemplos:
Ejemplos:
Ejemplos:
● El ancho de las puertas producidas en una fábrica. Existen infinitos valores posibles.
Una puerta mide 95,24513 cm, otra puerta medir 96,41 cm, etc.
Ejemplos: número de caras obtenidas al lanzar seis veces una moneda, número de llamadas
que recibe un teléfono durante una hora, tiempo de fallo de una componente eléctrica, etc.
● Variable dependiente: Las variables dependientes son los efectos de los eventos que
son considerados como variables independientes
Ejemplos: Las variables dependientes se representan con una (y) como por ejemplo : La
relación que existe entre el aumento de la temperatura y el estado de los metales (y)
● Variable interviniente: es aquella variable que afecta a la relación entre una variable
dependiente y una variable independiente pero no se puede manipular. De manera que
una variable interviniente puede influir en los resultados de una investigación.
● Variable moderadora: una variable moderadora es algo que cambia la relación causa-
efecto entre dos variables a medida que su valor aumenta y disminuye.
Ejemplos: las horas de estudio están relacionadas con las secuelas académicas; por lo tanto,
una variable moderadora podría ser el estado anímico del estudiante o el desarrollo de sus
capacidades motoras.
● Escala nominal: Comprende los datos nominales que no tienen un orden: los datos
dicotómicos solo pueden tomar dos valores posibles (como vivo o muerto). Es el nivel
de medición más débil. Los números u otros símbolos se usan simplemente para
clasificar un objeto, persona o característica.
● Escala ordinal: Comprende los datos ordinales con un mínimo de tres valores posibles
y con un número total limitado. Los objetos en una categoría no sólo son diferentes de
los objetos en otras categorías de esa misma escala sino que tienen alguna relación
con ellos.
● Escala de razón: Los datos de escala de razón se definen como un tipo de datos
cuantitativos que se caracterizan por un punto de cero absoluto, lo que significa que
no hay ningún valor numérico negativo. Los números se comparan en múltiplos uno.
Ejemplos: El salario se puede medir con la escala de razón, porque es una variable
cuantitativa, es decir, que se expresa con números que representan cantidades y porque se
puede establecer el cero absoluto, es decir, que el cero representa la ausencia de salario.
Ejemplo: la cantidad de usuarios que visitan un sitio web durante un mes o la cantidad de
temporadas de una serie.
Se clasifican en:
● Muestras intencionales: Aquellas que son escogidas de acuerdo a los criterios del
investigador, o sea, tomando aquellas que considera darán mejores resultados, al ser
más representativas. Un ejemplo de ello es cuando un periodista pide opiniones a
ciertas personas que ha elegido de antemano.
● Muestras por conveniencia: Aquellas que son escogidas de acuerdo a lo que está más
a mano, o sea, limitadas a lo inmediato. Es lo que ocurre, por ejemplo, cuando un
representante de una empresa ofrece sus productos a quienes pasen cerca.
● Muestras por cuotas: Se trata de una combinación de las muestras estratificadas y las
muestras intencionales, ya que el investigador elige a las personas que entrevistar de
acuerdo a su pertinencia (y representatividad) de un determinado estrato o grupo
determinado de antemano.
Ventajas y desventajas:
Ventajas:
● La habilidad de analizar datos y mejorar diagnósticos
● La tecnología equipada con IA puede analizar datos de una forma mucho más rápida
que cualquier humano, incluyendo estudios clínicos, expedientes médicos e
información genética lo que facilita al médico o profesional de la salud llegar a un
diagnóstico.
● Preocupación de Privacidad
● Al ser información delicada es difícil que los pacientes concedan el acceso a sus
expedientes médicos para el reconocimiento de patrones en la salud. Se requiere de un
sistema de intercompatibilidad entre los diferentes sistemas de salud tanto nacionales
como internacionales de modo que cuenten con información suficiente para generar
datos relevantes.