Objetivos:

• Concepto de magnitud: Base y derivadas

• Describir la importancia de la bioestadística
en medicina.
• Entender el concepto de variabilidad
biológica.
• Calcular las medidas de tendencia central.
• Familiarizarse con Medidas de dispersión.
• Comprender el concepto de normalidad
estadística.
• Entender las pruebas de significación.
  

MAGNITUD = NÚMERO POR UNIDAD

•1- MAGNITUDES DE BASE

•2- MAGNITUDES DERIVADAS

 
     
MAGNITUD SÍMBOLO UNIDADES

Longitud m Metro,
Masa Kg Kilogramo,

Tiempo s Segundo,
Corriente eléctrica A Ampere,

Temperatura K Kelvin,

Intensidad luminosa Cd Candela

Cantidad de Mol Mol.

sustancia
 ALGUNAS MAGNITUDES DERIVADAS

•Son la que se forman a partir de dos ó más unidades

de base por operaciones matemáticas elementales
(multiplicación, división, potenciación)

     
MAGNITUD SÍMBOLO UNIDADES

Fuerza F N = kg. m. s-2

Presión p Pa = N m-2

Trabajo w J
Potencia P W = J s-2

Presión osmótica Π Pa

Resistencia R Ohm = V A-1

Conductancia G Ohm-1 = A V-1

 El curso de una enfermedad o las
características de un hombre sano son
hechos en extremo variables sin embargo es
posible establecer estadísticamente criterios
pronósticos aplicables a grupos de enfermos
o determinar los límites de variaciones de
determinadas características del hombre
normal para reconocer los casos
patológicos.
Fuente: San Martín H. Salud y
enfermedad, La Prensa Médica
 DATOS

• Todo conocimiento tiene su origen en

algún proceso de observación
• Tales observaciones en su conjunto se
denominan DATOS
 Datos

Cuantitativos Cualitativos

Continuos Discretos Nominales Ordinales

Admiten cualquier Valor entero De nombre, sin Con orden

valor orden
Ej: Nº hermanos Ej: Escala dolor,
Ej: peso, talla, Ej: sexo, SI/NO estadios Ca
glucemia
 ESTADISTICA
CIENCIA QUE INTERPRETA NUMERICAMENTE LOS FENOMENOS
DE UN CAMPO DEL CONOCIMIENTO

LA ESTADISTICA SIRVE PARA DISEÑAR LOS EXPERIMENTOS Y ANALIZAR

LOS RESULTADOS OBTENIDOS, POR LO QUE CONSTITUYE UN ELEMENTO
FUNDAMENTAL DEL METODO EXPERIMENTAL

1- DESCRIPCION DE LOS FENOMENOS

2- COMPARACION

TIENE UN CARACTER PREDICTIVO

 Definiciones
• La estadística se ocupa de los métodos y
procedimientos para recoger, clasificar, resumir, y
analizar los datos, así como de realizar inferencias
a partir de ellos, con la finalidad de ayudar a la
toma de decisiones y en su caso formular
predicciones.

• Bioestadística: Aplicación de la estadística a los

procesos biológicos, incluyendo los de salud.
 Clasificación
• Estadística • Describir, organizar,
descriptiva resumir y presentar
datos.

• Muestreo de datos
• Estadística para sacar
inferencial conclusiones sobre
poblaciones más
grandes.
 Estadística descriptiva:
Describe, analiza y representa un
grupo de datos utilizando
métodos numéricos y gráficos
que resumen y presentan la
información contenida en ellos.
Puede ser:

– Aritmética
– Tabular
– Gráfica
 Estadística inferencial
Apoyándose en el cálculo de probabilidades
y a partir de datos muestrales, efectúa
estimaciones, decisiones, predicciones u
otras generalizaciones sobre un conjunto
mayor de datos. Puede ser:

– Estimación
– Prueba de hipótesis
 Estadística inferencial
• Dada la imposibilidad material para trabajar con todos
los elementos que componen la población, trabajamos
con muestras.
• La información que suministra la muestra se puede
inferir a la población con mayor o menos exactitud.
• El objetivo de la inferencia estadística es ponernos en
condiciones para generalizar a la población basándonos
en el estudio de la muestra.
• De lo adecuada que sea la muestra dependerá la
exactitud de la inferencia.
• La base matemática de la inferencia es la probabilidad
 Concepto de probabilidad

N° casos favorables
• p=
N° total de casos probables

Ejemplo: ¿Cuál es la probabilidad que tiene un fumador de desarrollar

cáncer de pulmón???
Estudiamos por ejemplo 100 fumadores y determinamos cuántos
desarrollaron Ca de pulmón. ----- 7
p= 7 /100--- 0.07
 ESTADÍSTICA

ANALISIS DATOS

SELECCIONAR DESCRIBIR EXTRAER CONCLUSIONES

DATOS DATOS DE LOS DATOS
 ESTADÍSTICA

DESCRIPTIVA INFERENCIAL

PROCEDIMIENTOS

DESCRIBIR DATOS GENERALIZAR DATOS

ORGANIZAR Y ATRIBUIR DATOS

RESUMIR LA EMPÍRICOS DE LA
INFORMACION DE MUESTRA A LA
DATOS EMPÍRICOS POBLACION
 METODO ESTADISTICO
1- PLANIFICACION
2- RECOLECCION DE LA MUESTRA
3- ELABORACION (clasif., comput., tabulación y
graficación)
4- INFERENCIA

1- Observación del fenómeno

2- Establecimiento de un conjunto de variables suficiente para analizarlo
3- Ordenamiento de los valores en series
4- Selección de datos
5- Representación gráfica de los datos
6- Ajuste y eliminación de errores
7- Procedimiento estadístico
8- Establecimiento de una ley
 RECOLECCION DE LA MUESTRA
POBLACION: CONJUNTO DE TODOS LOS INDIVIDUOS QUE PRESENTAN
UNA O VARIAS CARACTERISTICAS SUSCEPTIBLES DE SER OBSERVADAS

MUESTRA: ES UNA PARTE DEL UNIVERSO EN LA QUE SE ESTUDIAN SUS

CARACTERISTICAS DE TAL MANERA QUE LOS RESULTADOS OBTENIDOS
PUEDAN SER GENERALIZADOS AL MISMO, SIN OLVIDAR QUE A ESTA
GENERALIZACION NO SE LE PUEDE DAR UNA VALIDEZ ABSOLUTA

CARACTERISTICAS DE LA MUESTRA
1- REPRESENTATIVA (probabilística o de azar)

Método probabilístico ------ aleatorio simple

aleatorio estratificado

2- TAMAÑO ADECUADO
3- ESTRATIFICACION (calidad de la muestra) ---- estratificado proporcional
estratificado de igual tamaño
 VARIABILIDAD DE LA MUESTRA
VARIABLES: son características que pueden tomar un determinado valor. Las
variables que pueden adoptar solamente un valor se llaman discretas (cualitativas).
Las que pueden adquirir cualquier valor entre 2 dados se denominan continuas
(cuantitativas).

CUALITATIVAS (atributos)

LAS CARACTERISTICAS PUEDEN SER:

CUANTITATIVAS (magnitudes)

VARIABILIDAD

1- CUALITATIVAS ---- DISCONTINUAS ----- color de ojos

DISCONTINUAS -- comida/día
2- CUANTITATIVAS (numéricas)
CONTINUAS ------ P. arterial
Población
Un conjunto de elementos que poseen uno o más atributos comunes

Comunes (definen la población)

Atributos
Variables (subconjuntos o clases dentro de la población)

NO numéricas
Variables
Discretas
Numéricas
Continuas

Absoluta (nº de individuos en una clase)

Frecuencia de una clase Relativa = FA/total de individuos
Porcentual = FR  100

Distribución de frecuencias es el conjunto de frecuencias

correspondiente a una clase
La Normalidad y la variabilidad biológica:

Color de ojos
NO NUMÉRICAS color de piel
Pilosidad cutánea

VARIABLES presión arterial

BIOLÓGICAS CONTINUA glucosa
creatinina

NUMÉRICAS
Nro de hijos
DISCRETAS Nro de pulsaciones/min
Nro de micciones

¿Cuál es el valor normal de estas variables biológicas

si provienen de individuos no idénticos?

¿normal es lo más frecuente?

 Distribución de una variable discreta numérica:

Pulsaciones Frecuencia Frecuencia Frecuencia Intervalo

/min absoluta relativa relativa %

43-50 3 0,0028 0,28 1

51-58 28 0,0264 2,64 2
59-66 131 0,1235 12,35 3
67-74 283 0,267 26,70 4
75-82 351 0,3311 33,11 5
83-90 185 0,1745 17,45 6
91-98 64 0,0604 6,04 7
99-106 14 0,0132 1,32 8
Histograma
107-114 1 0,0009 0.09 9
Total 1060 1 100
 COMPOSICION DE LA MUESTRA
En todo trabajo de investigación existen en general dos grupos de muestras:

1- Las obtenidas del grupo control o testigo

2- Las extraídas del grupo a investigar

COMPOSICION del GRUPO CONTROL

En función del tiempo de obtención de la muestra
1- Testigos históricos
2- Testigos simultáneos

En función de la forma de obtención de la muestra

1- Un solo grupo: Auto testigos
2- Dos grupos: Testigos secretos: simple ciego
doble ciego
MEDIDAS de POSICION y DISPERSION
Las medidas de posición son: Media aritmética,
Mediana,
Modo
  
Medidas de dispersión Desvío estándar
Error estándar
Variancia

MEDIDAS DE POSICION

MEDIANA: es el valor central de una serie, una vez que se han ordenado los valores en
forma creciente. En el caso de la existencia de dos valores centrales, se la calcula a
partir de la media aritmética de los mismos. La mediana es una medida que se deja
influenciar poco por los valores extremos.

MODO: es el valor que se repite con una mayor frecuencia (valor más común). El
modo puede no existir o puede no ser único. En el caso de existir dos valores la serie se
denomina bimodal.
 Media (media aritmética)
• Si x1, x2,.., xn representan una muestra de tamaño n de la
población, la media aritmética se calcula:
• Sumando todas las observaciones y dividiendo entre el
número de observaciones

Xi= valor de cada observación

n= número de observaciones
 Propiedades
• La media aritmética es la medida
tendencia central que posee menor
varianza.
• Engloba en ella toda la información de la
muestra; esto, con ser una ventaja,
supone una cierta desventaja pues los
valores muy extremos, en muestras
pequeñas la afectan.
 La mediana

• Es un medida de posición
• Es el valor que es mayor o igual que el 50% de las
observaciones de la muestra y menor o igual que el
otro 50%.
• Para calcularla se ordenan los datos de menor a
mayor.
• Si n es impar, la mediana es la observación central.
• Si n es par, la mediana se define como la media de
las dos observaciones centrales.
 Propiedades
• La mediana es más fácil de calcular que la
media aritmética y apenas se afecta por
observaciones extremas.
• Sin embargo tiene mayor varianza que la
media y sólo toma en cuenta la
información de los valores centrales de la
muestra.
 El modo

• Es el valor más frecuente.

• Su cálculo es el más simple de los tres
correspondientes a estadísticos de
centralidad
• Es el estadístico de mayor varianza
 El Modo II
• El modo puede no existir y cuando existe no
es necesariamente único.
– Ejemplo, en los valores: 10, 21, 33, 53 y 54 no hay
modo porque todos los valores son diferentes
• No tiene sentido en muestras pequeñas en las
que la aparición de coincidencias en los
valores es con gran frecuencia más producto
del azar que de otra cosa.
 
 Medidas de Dispersión
• La variancia: el promedio de los cuadrados
de las diferencias entre cada valor y la
media.
• A la raíz cuadrada de la variancia se lo
denomina desvío estándar (DS).
• El DS se utiliza como unidad de medida de la
diferencia entre un valor individual y la media.
• Al número de DS que separan un dato
individual de la media de la población () se
lo denomina Z
 DISTRIBUCION DE FRECUENCIAS
CONCEPTO DE DISTRIBUCION DE LA MUESTRA: los valores de la variable en
estudio que forma parte de la muestra tienden a tener una distribución alrededor del
valor promedio o media que es igual a ambos lados (simétrica). Esta forma de ordenar
los datos se denomina normal. Cuanto mayor sea el numero de datos tanto mayor será
la confiabilidad de la distribución de los mismos.

CARACTERISTICAS DE LA DISTRIBUCION NORMAL

CONCEPTO DE PROMEDIO O MEDIA: se la conoce como media aritmética, y se la

obtiene sumando los datos de una serie y al valor obtenido se lo divide por el número
de datos.
X 
 Xi
n

CONCEPTO DE DESVIO ESTANDAR: indica como se distribuyen los datos o valores

alrededor del promedio. Se calcula como la raíz cuadrada de las desviaciones de las
medidas alrededor del promedio:

SD 
 fi( Xi  X ) 2

fi  frecuencia
n 1
Xi  valores
CURVA DE FRECUENCIA DE DISTRIBUCION NORMAL: los valores de la
variable en estudio que forma parte de la muestra tienden a tener una distribución
simétrica alrededor del valor promedio. En este tipo de distribución la mediana, el
modo y el promedio son iguales y se encuentra definido por una ecuación matemática
llamada función de Gauss.
Un desvío estándar es el valor que sumado y restado al promedio define un intervalo
dentro del cual se encuentran el 68 % de los valores que integran la muestra.
68.3%
( ± 1DS) = 0,683 (68.3%)

95.4% ( ± 2DS) = 0,954 (95.4%)

Aceptado como
intervalo normal
99.7%
(± 3DS) = 0,997 (99.7%)
 Ejemplo
• Datos de glucemia correspondientes a una muestra de 384 personas
sanas

• ----- X = 89.6 mg/dl DE=10.2 mg/dl

• X± DE = 89.6 ± 10.2 -- 79.4 – 99.8 mg/dl

contienen 68% de los valores individuales

• X ± 2DE = 89.6 ± 20.4 mg/dl -- 69.2 – 110 mg/dl

contienen 95% de los valores individuales

• X ± 3DE = 89.6 ± 30.6 mg/dl -- 59 – 120.2 mg/dl

contienen 99 % de los valores individuales
Media y 2 SD en las Glucemias

89.6 ± 20.4
 Ejemplo
• Paciente X GLUCEMIA 115 mg/dl
• Es un valor patológico?????
• Si ????
• 115 mg/dl se encuentra fuera del intervalo
X ± 2DE = 89 ± 20.4 mg/dl -- 69.2 – 110 mg/dl
contienen 95% de los valores individuales

Sospecho patología
PARAMETRO Z (desviación relativa): indica la distancia entre uno de los valores
que integran la muestra y el promedio, medido en desviaciones estándar. Por lo
tanto para cada valor de desviación relativa muestra el porcentaje de casos
comprendido entre ese valor y el promedio. Se calcula obteniendo la diferencia entre
el valor considerado y el valor promedio y dividiendo este resultado por la
desviación estándar.
Muestra Población
Xi  X Xi  X
Z Z
SD ES

Una vez obtenido el valor Z, en la Tabla de probabilidad para Z se puede encontrar

la probabilidad de hallar valores comprendidos entre el obtenido y el promedio.
Cuando Z = a p
+1 0.3413 ------------- 1 Desvío Estándar
+2 0.4772 ------------- 2 Desvíos Estándar 0.05
+3 0.4987 ------------- 3 desvíos Estándar 0.01
 Parámetro Z o desviación
relativa
• Da idea de la distancia que
existe entre un dato
individual de la muestra
considerada y la media de
dicha muestra.

• Z = (Xi – X) / DS

0,5 - a
0

0,16
a = probabilidad de encontrar el
valor en el área considerada 0,025

0,01
PARAMETRO t: cuando la muestra posee menos de 30 casos la probabilidad
depende cada vez más del número de casos y no sólo del promedio y del Desvío
Estándar. Por lo tanto en estas situaciones la Curva de Gauss presentará los
extremos cada vez más altos al disminuir el tamaño de la muestra. El valor de t para
30 casos es igual al valor de Z. Para n-1 grados de libertad la probabilidad de hallar
valores alejados de la media, hacia uno u otro lado, en igual grado o mayor que el
analizado se muestra con el valor de t.
 ¿Qué es el error estándar de la media (SEM)?

población

m2
m1
m3

mj

m1 m2 m3 mj

Xp = media de la población

SEM= desvío estándar de los valores medios

SD
SEM =
n
p
Significado del error estándar de la media
El SEM de la media indica cómo se distribuyen los valores medios de
distintas muestras alrededor de la media de la población

 ± 1SEM = 68.3%

 ± 2 SEM = 95.4%

 ± 3 SEM = 99.7%

Intervalo de confianza

 -2SEM   +2SEM

Z = -2 0 Z = +2
 Inferencia estadística
Por su tamaño adecuado y
Si la muestra es representativa
Por su aleatoridad en la elección de los individuos

Se infiere que la media de la muestra y el desvío estándar calculado no difieren

significativamente del valor medio y del desvío estándar de la población a la
que pertenece

m = p SDm = SDp Intervalo normal:  ± 2 SD

En el ejemplo de la glucemia  X = 89.6 mg/dl DE= 10.2 mg/dl

X ± 2DE = 89.6 ± 20.4 mg/dl -- 69.2 – 110 mg/dl

contienen 95% de los valores individuales

En la población en estudio, la probabilidad P de encontrar una persona sana con

valores de glucemia entre 69.2 mg/dl y 110 mg/dl es del 95%.

La probabilidad de encontrar una persona sana con valores de glucemia

por debajo de 69.2 mg/dl o por arriba de 110 mg/dl es del 5%.
El nivel de significación (NS) estadística depende del nivel de
exigencia que requerimos cuando se hace una afirmación.

Cuando decimos que el NS es > 95% estamos aceptando que la

probabilidad de error (PE) es < del 5%. Si el NS es > 99%, la PE es <
1% (más exigente).

Si esto ocurre … Diferencias significativas

(p < 0.05 o p < 0.01)

NO fueron al azar

El p valor me permite concluir que la probabilidad de que la

diferencia obtenida haya sido por azar de muestreo es muy baja.
 La Hipótesis Estadística
• Una hipótesis es una proposición concreta
que se prueba para ayudar a esclarecer el
objetivo del experimento.
• La proposición debe concretarse de manera
que tenga dos únicas salidas:
– La que se valorará denominada hipótesis nula
identificada como Ho:
– Y la hipótesis alternativa identificada como Ha.
• La prueba indicará uno de dos únicos
resultados:
– Se acepta la hipótesis Nula Ho;
– Se rechaza (o no se acepta) la hipótesis nula.
Comparación entre valores medios:
Hipótesis Las 2 muestra pertenecen
Nula a la misma población

Hipótesis Las 2 muestra pertenecen

alternativa a poblaciones diferentes

 diff = 1  2 SEM diff =

 (SEM1)2 + (SEM2)2

 diff Si Z  2 aceptamos la hipótesis nula

Z diff =
SEM diff

Si Z  2 aceptamos la hipótesis alternativa