Rev. Salud Pública Parag. Vol. 5 Nº 2; Julio-Diciembre 2015 | Pág.
56-61
ARTÍCULO ESPECIAL / SPECIAL ARTICLE
Fundamentos para la aplicación de Bioestadística en Odontología
(Parte 2)
Fundamentals for the Application of Biostatistics in Dentistry (Part 2)
Clarisse Virginia Díaz Reissener1 Gustavo Ignacio Rivas Martínez2
RESUMEN
El conocimiento de la estadística descriptiva es
esencial en toda disciplina científica. El ámbito
odontológico no escapa a esta realidad. Sin em-
bargo, se cuenta con estudios que demuestran su
baja comprensión y uso por parte de odontólogos.
Dada la utilidad de la estadística, en este artículo
como continuación de la primera parte, se mues-
tran procedimientos referentes al análisis de varia-
bles cuantitativas, como ser las medidas de cen-
tralización: media, mediana, moda;de dispersión:
varianza, la desviación típica,rango;de posición:
percentiles, cuartiles, deciles y de forma: coeficien-
te de simetría y curtosis. Así mismo, se presentan
gráficos como ser: el histograma, polígono de fre-
cuencia y el diagrama de cajas y bigotes. Se busca
brindar herramientas simples y útiles para saber
elegir la medida de resumen que representa de la
mejor forma a un conjunto de datos a fin de evitar
sesgos en la interpretación que deriven en conclu-
siones o ideas erróneas.
Palabras clave:Educación Continua en Odontolo-
gía–Estadística–Técnicas
ABSTRACT
The knowledge of descriptive statistics is essential
in any scientific discipline. The dental field does
not escape this reality. However, there are studies
that demonstrate their understanding and low use
by dentists. Given the usefulness of the statistics
in this article as a continuation of the first part,
shown procedures relating to the analysis of quan-
titative variables, such as centralization measures:
mean, median, mode; dispersion: variance, stan-
dard deviation, range; position: percentiles, quar-
tiles, deciles and shape coefficient of symmetry
Recibido el 22 de junio de 2015, aceptado para publicación el 17 de agosto de 2015
1
Dirección de Editorial y Estadística. Facultad de Odontología. Universidad Nacional de Asunción.
2
Departamento de Ciencias Básicas. Facultad Politécnica. Universidad Nacional de Asunción.
56
and kurtosis. Also, are presented graphics such as
Histogram, frequency polygon and box and whis-
ker diagram. It seeks to provide simple and useful
tools to know how to choose the summary measure
that represents the best way to a set of data in order
to avoid bias in interpretation that result in conclu-
sions or misconceptions.
Keywords:Education Dental Continuing– Statis-
tics– Techniques
INTRODUCCION
La estadística descriptiva permiteestudiar variable-
saleatoriasa través de medidas de resumen para un
conjunto, normalmente grande, de datos. En este
artículo se muestran procedimientos referentes al
análisis de variables cuantitativas, como ser las
medidas de centralización, dispersión, posición y
forma. Es de vital importancia saber elegir la me-
dida de resumen que representa de la mejor forma
al conjunto de datos,a fin de evitar sesgos en la in-
terpretación que deriven en conclusiones o ideas
erróneas. En muchos casos, se tiene la creencia de
que el promedio del conjunto de datos es una buena
medida de resumen del conjunto, pero no siempre
representa de manera adecuada ydebe ser reporta-
do acompañadode otras medidas como ser la des-
viación típica. Por estas razones es fundamental
comprendercorrectamente los conceptos ycálculos
relacionados, tanto para su utilización como para
su interpretación.
La desviación típica nos indica que tan cercao le-
josse encuentran los valores individuales con res-
pecto al promedio. Por ejemplo, si sabemos que el
promedio de caries en grupo de niños de 12 años
es de 6,¿Se podría esperar que la mayoría tenga 6
dientes cariados?¿Se podría encontrar un niño con
 para
para datos
datos simples
simples yy agrupados, aunque para este último no
no se
se desarrolla el
el ppp
para datos simples
Pág. 56-61 |agrupados,
y agrupados, aunque
aunque
Rev. Salud Pública para
para
Parag. 5este
Vol. este último
Nº 2;último no se
Julio-Diciembre desarrolla
desarrolla
2015 el
en su
en su totalidad
su totalidad debido
totalidad debido
debido queque las
que las fórmulas
las fórmulas
fórmulas son son muy
son muy similares
muy similares en
similares en ambos,
ambos, ee
en ambos,
en
centraremos
centraremos en
centraremos en la
en la interpretación.
la interpretación.
interpretación.
15 caries en ese grupo?.Para responder a estas pre- titativas se emplean principalmente las medidas
guntas es importante conocer la desviación típica y de tendencia central y dispersión. Las medidas de
el modo en el cual se distribuyen los datos. Esto nos tendencia central comúnmente utilizadas son la
indicará como se encuentran los datos alrededor de media aritmética, mediana y moda; las medidas de
este valor de centralización, pues 1. MEDIDAS
1. podríaMEDIDAS DE CENTRALIZACIÓN
darse elDE CENTRALIZACIÓN
dispersión: la varianza, desviación típica, el coefi-
caso de queel número de caries1.seaMEDIDAS de 5, 6 o 7 enDE CENTRALIZACIÓNciente de variación y el rango. A continuación se
todos los niños que conformanPara
Para la conocer
conocer
población la
lade distribución
distribución
es- explicade las
decómolas variables
calcula ecuantitativas
variables
se cuantitativas
interpreta cada se emplean
seunaemplean
de princi
princ
Para
medidas conocer de la
tendencia distribución
central de
y las variables
dispersión. Las cuantitativas
medidas de se emplean
tendencia princi
central
tudio, entonces la desviación típica
medidas de tendrá un
de tendencia valor
tendencia central ellas. Se debe
central yy dispersión.tener
dispersión. Las en cuenta
Las medidas que
medidas de estas medidas
de tendencia se
tendencia central
central
pequeño existiendo así poca
medidas
utilizadas
variabilidad son enla media
cuanto aritmética,
calculan para mediana
la población y moda;(parámetros) las medidas
y paradeladispersión
utilizadas son
utilizadas son la la media
media aritmética,
aritmética, mediana
mediana yy moda; moda; las las medidas
medidas de de dispersión
al nivel de caries en los niños de la población
desviación típica, es-coeficiente
el muestra (estadísticos),
de variación aquí
yy el presentamos
rango. A fórmulas dispersión
continuación se
tudiada. Mientras que si los desviación
desviación
valores se típica,
típica,
encuentran el
el coeficiente
coeficiente
para de
de
muestras variación
variación
de tamaño y n. el
el rango.
rango. A
A continuación
continuación se exp
se exp
exp
calcula
calcula e interpreta cada una de ellas. Se debe tener en cuenta que estas medida
entre 0 y 20 caries existe unacalcula
para
mayor
la ee interpreta
interpreta
variabilidad,cada
población
cada una
(parámetros)
una de de ellas.
y
ellas. Se
para
Se debe
la
debe tener
muestra
tener en en cuenta
(estadísticos),
cuenta que que estas
estas medida
aquí
medida
presentam
para la
siendo este un valor más elevado.
para laEsto población
poblaciónnos revela (parámetros)
1.1 Media
(parámetros) yy para
para la la muestra
muestra (estadísticos),
(estadísticos), aquí aquí presentam
presentam
la importancia de comprender para
para ymuestras
presentar de
muestras de tamaño
la des-
tamaño n.
Generalmente,
n. a la media aritmética se la deno-
para muestras de tamaño n.
viación típica junto con el promedio. mina media sin calificativos o promedio, pero se
Otro medida de centralización1.1
1.1 Media
Media
muy conocida es la debe tener en cuenta que también hay otros tipo de
1.1 Media
mediana.En ocasiones, podrá resultar
Generalmente, mejor repre-
aa la mediamedias como la geométrica,
aritmética se la denomina armónica y cuadrática,
media sin
sentante del conjunto de datosGeneralmente,
Generalmente,
que la media, acomo la
la en media
media aritmética
entrearitmética se
se la hay
otras, pero escapan la denomina
denomina
al objetivo media media sin calificativos
sin
de este artículo calificativos
calificativos
se muestra más adelante. En pero
perootros se
secasos,debe tener
debelatenertener
medi-en cuenta
en cuenta
cuenta
por lo que que también
quenotambién
también
serán tratadas. hay otrosotros
otros
Se emplea tipo de
tipo elde medias
medias como
desímbolo como la la
pero
armónica se debe
yy cuadrática, que hay tipo medias como la
das de posición como los percentiles aportan tam- entre otras,
para representar pero la escapan
media al
aritmética objetivo de
poblacional este y artículo p
armónica y cuadrática, entre otras, pero escapan al objetivo de este artículo pp
armónica cuadrática, entre otras, pero escapan al objetivo de este artículo
bién resultados útiles, pues serán
sabertratadas.
serán que el 25%
tratadas. Se
Se emplea
de
emplea el
parael símbolo
símbolo 𝜇𝜇𝜇𝜇𝜇𝜇lapara
representar media
para representar
aritmética la
representar la media
muestral.
mediaEsta aritmética
aritmética pob po
serán
los niños tiene 3 dientes cariados tratadas.
o menoso Se
que emplea
un el
última símbolo
se calcula para
promediandorepresentar todos la media
los datos aritmética
de promedian po
para
para representar
representar la media
la mediamedia aritmética
aritmética muestral.
muestral. Esta
Esta última
última se calcula
se calcula
calcula promedia
para
solo un 5% tenía más de 13datosdientes representar
de cariados
un conjunto la
(sien- de unaritmética
datos,conjunto
se muestral.
de
expresa datos, seEsta
mediante expresa última
la se
mediante
siguiente la si- promedia
fórmula:
datos
datos
do este no típico en la muestra de un
de
estudiada) un conjunto
conjunto
puede ser de de guiente
datos, se
datos, se expresa mediante
expresa
fórmula: mediante la la siguiente
siguiente fórmula:
fórmula:
relevante según el objetivo del estudio. 𝑛𝑛
𝑛𝑛 𝑥𝑥
𝑛𝑛
𝑥𝑥𝑥𝑥𝑖𝑖𝑖𝑖,,
𝑖𝑖
Aunque el conocimiento de la estadística descripti- 𝑥𝑥̅𝑥𝑥̅ = �
va se considera básico e indispensable actualmen-
=
𝑥𝑥̅ = � 𝑛𝑛 , � 𝑛𝑛
𝑖𝑖=1 𝑛𝑛
te, por suutilidad para determinar necesidades de 𝑖𝑖=1
donde xi indica i – ésimo𝑖𝑖=1 el dato observado y es el
donde𝑥𝑥
la población, diseñar y evaluar
donde𝑥𝑥 𝑖𝑖 indica
programas indica de el el 𝑖𝑖𝑖𝑖𝑖𝑖 −
salud −é𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 datoobservado
datoobservado y 𝑛𝑛es el
el tamaño muestral, siendo
donde𝑥𝑥 𝑖𝑖𝑖𝑖 indica el − é𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠
é𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 muestral, siendoyypor
tamañodatoobservado 𝑛𝑛estanto,
𝑛𝑛es el tamaño
la sumatoria
tamaño muestral,
de
muestral, siendo
siendo
entre otras cosas.En un estudio
sumatoriarealizado de en
cada Dina-dato divido el total de la muestra.
marca por Scheutz et al, que
sumatoria
sumatoria de cada
contenía 9depreguntas
cada dato dato divido
divido
cada dato el total
el total de
divido deel la la
totalmuestra.
de la muestra.
muestra.
sobre conceptos básicos de1.2
1.2 Mediana
estadística
1.2 Mediana en odontólo-
1.2 Mediana
gos y estudiantes, obtuvieron unMediana
bajo promedio de
La mediana La mediana divide aordenados
un conjuntoen dedos
datos ordena-
respuestas correctas, específicamente
La mediana dedivide
2,2 y 3,4
divide aa un
un conjunto
conjunto de
de datos
datos ordenados en dos partes
partes iguales,
iguales, sisi 𝑛𝑛𝑛𝑛𝑛𝑛
La mediana
respectivamente.Esto nos da una idea de lo mucho
divide a un conjunto
dos en dosde datos
partes iguales,ordenados si n es impar: en dos partes iguales, si
𝑋𝑋(𝑛𝑛+1)
que falta por hacer con respecto al conocimiento 𝑀𝑀 = 𝑋𝑋(𝑛𝑛+1),
𝑀𝑀 = 222 ,,
𝑀𝑀 = 𝑋𝑋 (𝑛𝑛+1)
cabal de esta disciplina tan importante y muchas
yy sisi 𝑛𝑛𝑛𝑛 es y silanmedia
es par la mediana es la media aritméticacentrales:
de
veces subvalorada.
y si 𝑛𝑛 es par
es par la
par la mediana
la mediana es
mediana es la
es media aritmética
la media aritmética de
aritmética de los
de los dos
los dos valores
dos valores centrales:
valores centrales:
A continuación se desarrollará la segunda parte de los dos valores centrales:
𝑋𝑋𝑛𝑛/2 +𝑋𝑋𝑛𝑛/2+1
estadística descriptiva que consiste en presentar 𝑀𝑀 = +𝑋𝑋𝑛𝑛/2+1.
𝑋𝑋𝑛𝑛/2+𝑋𝑋
𝑀𝑀 = 𝑛𝑛/2 222 𝑛𝑛/2+1 ..
𝑀𝑀 = 𝑋𝑋
las medidas y los gráficos comúnmente utilizados,
para variables cuantitativas 1.3paraModa datos simples y
1.3 Moda 1.3 Moda
agrupados, aunque para este 1.3 Moda
último no se desarro-
La moda (Mo) es el valor que más de repite en la se-
lla el procedimiento en su La totalidad
moda debido quelas
el valor que más
La
La en moda
moda
(𝑀𝑀
(𝑀𝑀 𝑜𝑜 )es
)es el valor
)es el valorrie.Si
(𝑀𝑀𝑜𝑜𝑜𝑜entonces que más de
queexiste
más de repite
un
de repite
solo
repite
en
valorenque
en
lala serie.
la serie.
es el que
serie.
Si
Si
existe
Simás
existe
existe
un
un solo
se repi-
un solo valor
solo valor
valor
fórmulas son muy similares más se ambos,
repite se dice que el conjunto es unimodal, en caso que haya dos valore
más se se repite
repite se se dice
dice que te
que el se dice
el conjunto que
conjunto es el conjunto
es unimodal,
unimodal, en es unimodal,
en caso en
caso que caso
que haya que
haya dosdos valore
valore
más
nos centraremos en la interpretación.
haya dos valores es bimodal y así sucesivamente.
En esos casos tomar la mayor de todas las modas
1. MEDIDAS DE CENTRALIZACIÓN
podría ser de utilidad para describir un conjunto de
Para conocer la distribución de las variables cuan- 33 modas.
datos o el promedio de las
3

57
 mente. En esos casos tomar la mayor de todas las modas podría ser de utilidad
mente. En esos
un conjunto casos otomar
de datos la mayordedelastodas
el promedio modas.las modas podría ser de utilidad
un conjunto de datos o el promedio de las modas. 2015 | Pág. 56-61
Rev. Salud Pública Parag. Vol. 5 Nº 2; Julio-Diciembre
nte. En esos casos tomar la mayor de todas las modas podría ser de utilidad
conjunto de datos o el promedio de las modas.
mente.
DAS DE EnDISPERSIÓN
esos casos tomar la mayor de todas las modas podría ser de utilidad
2. MEDIDAS DE DISPERSIÓN
IDAS DE DISPERSIÓN
un conjunto de datos o el promedio de las modas. 3.1 Percentil
2.1 Varianza El percentil indica, una vez ordenados los datos
AS DE DISPERSIÓNpoblacional se
poblacionalLasevarianza
representa por 2𝜎𝜎 2 yrepresenta la varianza por o2 y la
muestraldepor menor 𝑆𝑆 2 ,a siendo
mayor, el lavalor de la variable por de-
IDAS varianza
DEdeDISPERSIÓN
poblacional se representamuestral por porS ,𝜎𝜎siendo
2
y lala expresión
varianza mate-muestralbajo pordel𝑆𝑆 2cual se encuentra
, siendo la un porcentaje dado de
emática esta
mática última:
de esta última: observaciones. Por ejemplo, el percentil 25 es el
temática de esta última:
blacional se representa por 𝜎𝜎 2 y (𝑥𝑥la𝑖𝑖 −𝑥𝑥̅varianza
)2 muestral por valor𝑆𝑆 2debajo
, siendo del cual
la se encuentran el 25% de las
𝑆𝑆 2 = ∑𝑛𝑛𝑖𝑖=1 (𝑥𝑥𝑛𝑛−1 2, observaciones.Se representan con la letra . Para el
mática de esta última: 𝑆𝑆 2 = ∑𝑛𝑛 2 𝑖𝑖 −𝑥𝑥̅ ) ,
poblacional se representa por 𝑖𝑖=1 𝜎𝜎 y𝑛𝑛−1 la varianza muestralpercentil por 𝑆𝑆 2,,dondesiendo la valores del 1 al 99. El de
la toma
media muestral,
donde x
𝑥𝑥
emática de esta última: 𝑖𝑖 es
es lalamedia
2
𝑖𝑖 − muestral,
é𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 observación
𝑛𝑛 (𝑥𝑥𝑖𝑖 −𝑥𝑥̅ ) i
x
2 es la i – y
ésima 𝑛𝑛 es
ob- el tamaño
la muestra muestral.
son valores menores que él y el restante
media muestral,
servación y𝑆𝑆nlaes=𝑖𝑖el∑
𝑥𝑥𝑖𝑖 es −tamaño
é𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠
𝑖𝑖=1 muestral.,
observación y 𝑛𝑛 es el tamaño muestral.
son mayores. P50, por ejemplo, coincide con la me-
𝑛𝑛−1
n típica 2 𝑛𝑛 (𝑥𝑥𝑖𝑖 −𝑥𝑥̅ )
2
diana, tal como se observa en la Figura 1.
ón
diatípica
muestral, = ∑𝑖𝑖=1observación
𝑆𝑆 é𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 ,
𝑖𝑖 es la 𝑖𝑖 −típica
2.2 𝑥𝑥Desviación 𝑛𝑛−1 y 𝑛𝑛 es el tamaño muestral.
típica muestral es la raíz
La desviación típicacuadrada
muestralde esla la varianza
raíz cuadradamuestral
de Figura 1. Percentiles en una distribución normal.
nmedia
típicamuestral,
ípica muestral es
𝑥𝑥 la
es
la varianza muestral
𝑖𝑖 raíz
la 𝑖𝑖 cuadrada
− é𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 de la
observación varianza y muestral
𝑛𝑛 es el tamaño muestral.
(𝑥𝑥 −𝑥𝑥̅ )2
pica muestral es la raíz 𝑆𝑆cuadrada
n típica = �∑𝑛𝑛𝑖𝑖=1 de(𝑥𝑥la
𝑖𝑖
.
varianza
)2 muestral
𝑛𝑛 𝑖𝑖 −𝑥𝑥̅
𝑛𝑛−1
𝑆𝑆 = �∑𝑖𝑖=1 𝑛𝑛−1 .
e,típica
paramuestral
la comparares la raízdispersión
cuadrada
𝑛𝑛 (𝑥𝑥𝑖𝑖 −𝑥𝑥̅en
de)2la varianza
variablesmuestral
en unidades de medida
e, para la comparar 𝑆𝑆 = �∑
dispersión en . variables enla unidades
muestras diferentes,
Habitualmente,se utiliza
para launa
𝑖𝑖=1 combinación
comparar
𝑛𝑛−1 dispersiónentreen va- desviaciónde medida
típica y la
(𝑥𝑥𝑖𝑖 −𝑥𝑥̅ )2
muestras diferentes,
riables en se 𝑆𝑆utiliza
unidades = �∑
de𝑆𝑆 una
𝑛𝑛
medida combinación .
diferentes,o entre
mues- la desviación típica y la
ficiente
para ladetras variación:dispersión
comparar CV= 𝑥𝑥̅𝑆𝑆 ∙𝑖𝑖=1 100, en 𝑛𝑛−1 elvariables
cual mide elunidades
enentre grado de de dispersión
medida en
diferentes, se utiliza una combinación
eficiente de variación: CV= 𝑥𝑥̅ ∙ 100, el cual mide el grado de dispersión en
as respecto
stras aldesviación
diferentes, promedio
se utiliza y esunayadimensional
lacombinación loentre
cual lafacilita la comparabilidad.
dedesviación típica y la
e, para
ras respectolala al
comparar
promedio
típica
dispersión media,
y𝑆𝑆 es adimensional en elvariables
coeficiente
lo cual en unidades
facilita de medida
la comparabilidad.
res
ienteal 30%
de indican
variación: datos
CV= dispersos. el cual mide
muestras
ores al 30% diferentes, se utiliza
indican datos
variación:
∙ 100,
𝑥𝑥̅ una combinación
dispersos. el cual mide el grado
entre la desviación típicaeny la
el grado de dispersión
𝑆𝑆
respectode
ficiente aldepromedio
dispersión yen
variación: esambas
CV= adimensional
∙ 100,
muestras el cual lo cual
respectomide facilita
al la comparabilidad.
el grado
pro- de dispersión en
𝑥𝑥̅
al 30% indicanmedio datos dispersos. lo cual facilita la com-
y es adimensional
as respecto
de dispersión al promedio
es el rango, y es adimensional lo cual facilita la comparabilidad.
parabilidad. Valores que mayores es laal 30% diferencia
indican entre
datos el valor máximo y el
res
de al
conjunto30%de
dispersiónindicanes eldatos
datos.
dispersos. rango, dispersos.
que es la diferencia entre el 3.2 valor máximo y el
Deciles
n conjunto de datos. En los deciles la mediana representa P50, ya que
dispersión2.3esRango el rango, 𝑅𝑅 =que 𝑥𝑥𝑚𝑚á𝑥𝑥es la − 𝑥𝑥diferencia
𝑚𝑚𝑚𝑚𝑚𝑚 , entre el valor máximo
contiene al 50%y deel los datos, mientras que al 20%
njunto de datos.
Otra es medida 𝑅𝑅 = 𝑥𝑥
de dispersión −
𝑚𝑚á𝑥𝑥 es 𝑚𝑚𝑚𝑚𝑚𝑚𝑥𝑥 , es la el se le denomina P20 y al que contiene el 70% de los
de
s eldispersión
mayordiferencia el rango,
dato observado y que eseslaeleldiferencia
rango, que entre
mínimo. Es el valor
intervalo máximo y el
𝑥𝑥 𝑚𝑚𝑚𝑚𝑚𝑚
entre el valor máximo y el mínimo en un datos Pentre elesvalor
, esto divido en 10 partes iguales.
esconjunto
el mayor dedato
datos.observado y 𝑥𝑥una es el , de mínimo. Es el intervalo entrecuanto
70
el valor
valor mínimo. Permite
conjunto de𝑅𝑅datos.
= 𝑥𝑥𝑚𝑚á𝑥𝑥
obtener − 𝑥𝑥𝑚𝑚𝑚𝑚𝑚𝑚
𝑚𝑚𝑚𝑚𝑚𝑚 idea la dispersión de los datos,
valor
ngo, másmínimo. Permite
dispersos están obtener
los𝑥𝑥datos una de idea unde la dispersión de3.3
conjunto. losCuartiles
datos, cuanto
l mayor dato observado 𝑅𝑅y= 𝑥𝑥 𝑚𝑚á𝑥𝑥 es 𝑚𝑚𝑚𝑚𝑚𝑚 ,
−el𝑥𝑥mínimo. Es el intervalo entre el casos
valor son más conocidos y utilizados
ango, más dispersos están los datos de un conjunto.
𝑚𝑚𝑚𝑚𝑚𝑚 En algunos
or mínimo.donde, Permite xmáxobtener
es el mayor unadato ideaobservado
de la dispersión y xmin de loslosdatos,
cuartiles.cuanto
Estos son los tres valores que dividen
s el mayor dato observado y 𝑥𝑥𝑚𝑚𝑚𝑚𝑚𝑚 es el mínimo. Eseselelintervalo entre el valor
o, más dispersosmínimo. están
Es el los datosentre
intervalo de un el conjunto.
valor máximo y el al conjunto de datos ordenados en cuatro partes
valor
DASmínimo.
DE POSICIÓN Permite obtener una idea de la dispersión de los datos, cuanto
valor mínimo. Permite obtener una idea de la dis- porcentualmente iguales, entonces el Q1 es el que
IDAS
ngo, más DEdispersos
POSICIÓN están los datos de un conjunto. contiene al 25% de los datos, el Q2 se corresponde
ra conocerpersión de los datos, cuanto mayor es el rango, más
el porcentaje acumulado para una serie ordenada a la
ascendente,
mediana
es
conteniendo así al 50% de los datos
ra conocer dispersos
el están losacumulado
porcentaje datos de un conjunto. para una serie ordenada ascendente, es
AS DE POSICIÓN
la distribución en partes iguales como ser: percentiles (100 y el Q partes
al 75% iguales),
de los datos.Se representa gráfica-
la distribución
rtes iguales), en partes
quintiles (5DE iguales
partes como ser: percentiles
iguales) y cuartiles (4 partes (100 partes
3
iguales).
mente iguales),
como la anchura de las cajas en los llama-
IDAS
conocer 3.porcentaje
MEDIDAS
DEelPOSICIÓN POSICIÓN
acumulado para una serie ordenada ascendente, es
artes iguales), quintiles (5 partes iguales) y cuartiles (4 partes iguales).
dos diagramas de cajas y lo cual se muestra más
distribución en partes iguales como ser: percentiles (100adelante. partes La iguales),
diferencia
ra conocerSon el porcentaje acumulado
útiles para conocer para una
el porcentaje serie ordenada ascendente,
acumulado es entre el tercer cuartil y el
s iguales), para quintiles (5 partes iguales) y cuartiles (4 partes iguales).
la distribución en partes iguales como ser: percentiles (100 partes iguales), rango intercuartílico (RI).
una serie ordenada ascendente, es decir, di- primero se conoce como
videquintiles
la distribución en iguales)
partes iguales como (4 ElRI se obtiene de la diferencia entre el tercer cuar-
ser:partes
rtes iguales), (5 partes y cuartiles iguales).
percentiles (100 partes iguales), deciles (10 partes til y el primer cuartil, se recomienda utilizarlo para
4 iguales) y cuartiles (4
iguales), quintiles (5 partes acompañar a la mediana, ya que elimina los valores
4 extremos, tanto superiores como inferiores.
partes iguales).
4
58 4
 Pág. 56-61 | Rev. Salud Pública Parag. Vol. 5 Nº 2; Julio-Diciembre 2015
Los valores extremos y atípicos son aquellos que
se diferencian de los demás valores por encontrarse
muy alejados con respecto a la mediana, motivo
por el cual debería verificarse inicialmente si es un
valor genuino y luego decidir si representan real-
mente al conjunto de datos que se está estudiando,
pues estos podrán influir en los resultados.
4.1 Histograma
Los tres gráficos que más se utilizan para variables
cuantitativas, en estudios descriptivos, son el histo-
grama de frecuencias, el polígono de frecuencias y
el diagrama de cajas y bigotes; constituyendo este
último el grafico que aporta mayor información
para dicho tipo de variables. Sin embargo, en la
sección 3.2 del estudio de López-Soto et alse pre-
senta un análisis muy interesante mediante el uso
del histograma.
Figura 2. Distribución de pacientes con traumatis-
mo maxilofacial por agresión según grupo etario.
El histograma se puede graficar con las frecuen-
cias absolutas o relativas, aunque es poco frecuente
esta última. Si bien está conformada también por
rectángulos que representan la altura conforme la
frecuencia, se diferencia del grafico de barras sim-
ples en que las barras se presentan sin espacio entre
ellas para dar un aspecto de continuidad y la base
de la barra es proporcional a los intervalos de clase.
Figura 4. Gráfico de cajas y bigotes.
En la Figura 2 los intervalos de edades son iguales,
de 15 años en cada grupo de edad. Se observa que
el mayor número de pacientes atendidos con trau-
matismo maxilofacial lo constituyeron los adultos
jóvenes del grupo etario comprendido entre 19 y
34 años.
4.1 Polígono de Frecuencias
El polígono de frecuencias se construye uniendo en
una línea recta el punto medio (marca de clase) de
las bases superiores del histograma de frecuencias.
El polígono comienza con una hipotética clase an-
terior a la primera clase de igual longitud de inter-
valo y termina trazando una línea que va desde el
punto medio de la base superior del rectángulo de
la última clase con una hipotética clase posterior a
la última de igual longitud de intervalo. Como se
observa en la Figura3,inicia y finaliza el polígono
en cero casos, con un pico a la edad de 19 a 34 años
de edad. Este puede presentarse con frecuencia ab-
soluta o porcentaje.
Figura 3. Pacientes con traumatismo maxilofacial
por agresión según grupo etario.
4.3 Cajas y bigotes
Comprender los conceptos de cuartiles, nos per-
mitirá entender el gráfico de cajas y bigotes de
la Figura 4. Se puede ver que ambos lados son
59
 Rev. Salud Pública Parag. Vol. 5 Nº 2; Julio-Diciembre 2015 | Pág. 56-61

iguales, esto sería lo ideal para una distribución Si As < 0, la distribución será asimétrica negativa.
simétrica, por eso justamente es útil para obser- Si As = 0, la distribución será simétrica.
var cómo se distribuyen los datos. En algún que Si As > 0, la distribución será asimétrica positiva.
otro software, este diagrama se representa verti-
calmente. 5.2 Curtosis Figura 5. Tipos de asimetría.
Otra medida de forma es lacurtosis que nos indica-
MEDIDAS DE FORMA 5.2 Curtosis rá si la distribución tiende a ser uniforme, es decir,
5.1 Asimetría la frecuencia de valores es similar para cada ca-
Otra medida de forma tegoría,
En distribuciones unimodales, la asimetría es una
es la entonces
curtosis tieneque una nostendencia
indicaráplana,si ladeno-
distribución
medida que nos permitiráuniforme, saber haciaesdónde
decir,sela frecuencia
minándose de por valores
esto negativa; es similartambiénpara cada categoría, e
se encuentra
una tendencia
agrupan los valores, pues lo que esperaríamos es plana, denominándose
el otro caso en que es muy puntiaguda, siendoseasí
por esto negativa; también encuentra e
que essemuy
que la mayor parte de los valores puntiaguda,
encuentren en siendo así
positiva, positiva, acumulándose
acumulándose la mayor frecuencia la mayor
en el frecuencia
el centro y en los extremos de se encuentre valores en centro de la distribución.
la distribución. Existen varias formas de calcular la curtosis, Existen varias formas de no obstan
Leptocúrtica
menor cantidad, es por esto que si hay más Mesocúrtica
valores calcular la curtosis, no obstante, Platicúrtica
está más extendida
extendida la siguiente definición del coeficiente de curtosis:
agrupados a la izquierda se denomina asimetría po- la siguiente definición del coeficiente de curtosis:
sitiva, mientras que si están agrupados a la derecha 1
∗∑𝑛𝑛 4
𝑖𝑖=1(𝑥𝑥𝑖𝑖 −𝑥𝑥̅ )
la asimetría será negativa, tal como se observa en 𝑔𝑔2 = 1𝑛𝑛 𝑛𝑛 4 − 3,
� ∗∑ (𝑥𝑥 −𝑥𝑥̅ )2�
la Figura 5. 𝑛𝑛 𝑖𝑖=1 𝑖𝑖

Existen distintas formas

ormas para medir el nivel de asimetría, para medir el nivel de asi-
Dondeaquí presentamos
el valor el coeficiente
donde
3 es la curtosis eldevalor de
3 es la curtosis
la Normal, con objeto de ladeNormal,
generar conun coeficie
Pearson. metría, aquí presentamos el0 coeficiente de asime-
objeto de generar un coeficiente
para la Normal y tome a ésta como referencia de apuntamiento. Toman que valga 0 para
tría de Carl Pearson.
la Normal y tome a ésta como referencia de apun-
3(𝑥𝑥̅distribución
−𝑀𝑀) normal como referencia, unapues, distribución puedenormal
ser, como se o
𝐴𝐴𝐴𝐴 = , tamiento. Tomando, la distribución
Figura
𝑆𝑆 6: como referencia, una distribución puede ser, como
edia muestral, M x,eseslala mediana y S laM y S ElseCoeficiente
observa en lade Figura 6:
Donde media muestral,
•desviación
es la medianatípica.
más apuntada y con– colas
más menos
apuntada anchas
y con colas que la normal:
menos anchasleptocúrtica.
que
e -3 y 3. la desviación típica.El Coeficiente •
de Pearson varía
menos apuntada y con colas más anchas que la normal: platicúrtica.
entre -3 y 3. la normal: leptocúrtica.
ibución será asimétrica negativa. • la distribución normal es: mesocúrtica.

ibución será simétrica.

ibución será asimétrica positiva.
8

Figura 5. Tipos de asimetría.

Figura 5. Tipos de asimetría.

Leptocúrtica Mesocúrtica Platicúrtica

forma es la curtosis que nos indicará si la distribución tiende a ser

r, la frecuencia de valores es similar para cada categoría, entonces tiene
na, denominándose por esto negativa; también se encuentra
Figura 6. Tipo deelcurtosis.
otro caso en
aguda, siendo así positiva, acumulándose la mayor frecuencia en el centro
n. Existen 60varias formas de calcular la curtosis, no obstante, está más
ente definición del coeficiente de curtosis:
1
∗∑𝑛𝑛 (𝑥𝑥 −𝑥𝑥̅ )4
𝑛𝑛 𝑖𝑖=1 𝑖𝑖
 Pág. 56-61 | Rev. Salud Pública Parag. Vol. 5 Nº 2; Julio-Diciembre 2015
– menos apuntada y con colas más anchas que
la normal: platicúrtica.
– la distribución normal es:mesocúrtica.
CONSIDERACIONES FINALES
Las medidas de tendencia central nos informan so-
bre el valor central del conjunto de datos, mientras
que las medidas de dispersión nos indican como
varían los datos con respecto al valor central.En los
estudio de Aranzaru-Moya et al y Ramírez-Puerta
et al se aplican estos conceptos y sus interpreta-
ciones.
Se debe tener en cuenta que si los datos no repre-
sentan una muestra aleatoria probabilística, en-
tonces constituyen una población en sí misma y
los resultados deben expresarse con el valor de la
media pero sin el error estándar de la media o la
desviación típica, debido a que es un número sin
ningún error aleatorioy las inferencias solo son vá-
lidas para el conjunto de datos analizado.Un traba-
jo sobre una muestra no probabilística puede verse
en Carreño et al.
La media es única, su comprensión resulta fácil
pero se debe considerar que los valores extremos
pueden afectar su estimación, por lo que se reco-
mienda utilizarla en distribuciones simétricas.
La mediana es única y los valores extremos no le
afectan como a la media, pues divide a los datos en
dos partes iguales dejando a cada lado 50%, es útil
cuando no se tiene una distribución simétrica.
Se debe tener en cuenta que la modaes más re-
comendable utilizarla para variables cualitativas,
aunque suele ser pocas veces reportada debido ala
poca información que brinda dada su restringida
interpretación.
Es muy importante conocer el tipo de variables con
la que estamos trabajando, pues para las variables
de intervalo es adecuado utilizar la media y desvia-
ción típica, mientras que para variables ordinales
son la mediana y la distancia intercuartil, en tanto
que, para variables nominales es la moda. Otra me-
dida muy utilizada para variables nominales es el
porcentaje, aplicaciones pueden verse en Builes et
al y Jiménez Malagón et al, entre otros.
BIBLIOGRAFIA CONSULTADA
1. Álvarez Cáceres R. Estadística aplicada a las ciencias de la salud.
Díaz de Santos; 2007.
2. Aranzaru-Moya GC, Delgado-Jaimes RY, Gutiérrez MPP. Varia-
ciones de riesgo en valores de tensión arterial en pacientes hi-
pertensos durante procedimientos odontológicos. Rev Salud Uis.
2014;46(2):137-45.
3. Bravo Pérez M. Bioestadística. Principios, métodos y aplicaciones en
odontología. En: Cuenca Sala E, Baca García P, editores. Odontología
preventiva y comunitaria Principios, métodos y aplicaciones. 3a ed.
Barcelona: ElsevierMasson; 2005.
4. Builes AMV, Pino NM, Saldarriaga AFS, Galvis MM, Colorado KJC,
Zuluaga YPM, et  al. Caries dental y necesidades de tratamiento
en el primer molar permanente en escolares de 12 años de las es-
cuelas públicas del municipio de Rionegro (Antioquia, Colombia),
2010.UnivOdontol. 2012 Ene-Jun [citado 26 de noviembre de
2015];31(66):25-32. Disponible en: http://revistas.javeriana.edu.
co/index.php/revUnivOdontologica/article/view/2708
5. Canavos G. Probabilidad y Estadística. Aplicaciones y métodos. Mé-
xico: McGraw-Hill; 1988.
6. Carreño MAA, Triana AB, Pabón MEC, Santamaría CEF, Ciódaro AR,
Vivas MCH. Signos y síntomas de trastornos temporomandibulares
en niños entre los 6 y los 13 años de edad. Serie de 50 casos.UnivO-
dontol. 2013;32(69):161-168
7. Celis de la Rosa A de J. Bioestadística. 2da ed. México: Manual Mo-
derno; 2008.
8. Cobo E, Muñoz P, González JA. Bioestadística para no estadísticos.
Base para interpretar artículos científicos. Barcelona: ElsevierMas-
son; 2007.
9. Hernández Sampieri, R., Fernández Collado, C., Baptista Lucio, P.
Metodología de la Investigación. 5ta ed. México DF: McGraw-Hill;
2010.
10. López-Soto OP, Cerezo-Correa M del P, Paz-Delgado AL. Variables re-
lacionadas con la satisfacción del paciente de los servicios odontoló-
gicos. Gerenc Políticas Salud. 2010 Ene-Jun [citado 26 de noviembre
de 2015];9(18):124-36. Disponible en: http://revistas.javeriana.
edu.co/index.php/gerepolsal/article/view/2639
11. Jara Ibarrola TS. Prevalencia de traumatismos maxilofaciales
producidos por agresión, en pacientes que acudieron al Centro de
Emergencias Médicas “Manuel Luis Giagni”, en el periodo de enero a
diciembre de 2011. Asunción: Universidad Autónoma del Paraguay
“Pierre Fauchard”; 2013.
12. Jiménez Malagón M del C, Fang L, Diaz Caballero A. Perfil epidemio-
lógico oral y necesidad de tratamiento odontológico de pacientes
VIH/SIDA. Rev Clínica Med Fam. 2012;5(2):97-103.
13. Ramírez-Puerta BS, Agudelo-Suárez AA, Morales-Flórez JL, Sarrazo-
la-Moncada ÁM. Dientes presentes en población de 25, 35, 45, 55 y
65 años, Antioquia (Colombia) 2011. 25(2):12-23.
14. Scheutz F, Andersen B, Wulff HR. What do dentists know about sta-
tistics?Eur J Oral Sci. 1988;96(4):281-7.
61