Your SlideShare is downloading. ×
Bioestadística , Variables
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×

Introducing the official SlideShare app

Stunning, full-screen experience for iPhone and Android

Text the download link to your phone

Standard text messaging rates apply

2 Comments
2 Likes
Statistics
Notes
  • jajajajajaa y tu q haces aqui?
       Reply 
    Are you sure you want to  Yes  No
    Your message goes here
  • excelente adaptacion de la estadistica pura al area biologico medica
       Reply 
    Are you sure you want to  Yes  No
    Your message goes here
No Downloads
Views
Total Views
8,917
On Slideshare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
103
Comments
2
Likes
2
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide

Transcript

  • 1. VARIABLES BIOESTADÍSTICA Paula Angélica Soto Parada Postítulo de Investigación en Enfermería Diplomado en Epidemiología Clínica Magíster en Ciencias de la Educación, Chile
  • 2. ¿ Qué es una Variable ?
  • 3. “ Una variable es una propiedad que puede variar y cuya variación es susceptible de medirse, se aplica a un grupo de personas u objetos, los cuales pueden adquirir diversos valores respecto de ella”.
  • 4. Las variables son: Lo que estudiamos en cada individuo de la muestra como la edad, sexo, peso, talla, tensión arterial sistólica, etc. ¿Otros ejemplos ?
  • 5.
    • Los datos son los valores que toma la
    • variable en cada caso (categorías).
    • Lo que vamos a realizar es medir, es decir,
    • asignar valores a las variables incluidas en
    • el estudio o informe.
    • Deberemos además concretar la escala de
    • medida que aplicaremos a cada variable.
  • 6.
    • Las variables adquieren valor para la
    • investigación científica cuando
    • pueden ser relacionadas con otras
    • variables (formar parte de una
    • hipótesis o una teoría).
    • En este caso se les suele llamar
    • “ constructos o contrucciones
    • hipotéticas”.
  • 7. UNIVERSO Con características diferentes y medibles entre cada uno de ellos. MUESTRA REPRESENTATIVA Con características diferentes y medibles Entre cada uno de ellos Medición de variables
  • 8.
    • Entonces…
    • Una variable es medible y describe una característica que puede variar de un sujeto a otro, o de un momento a otro en el mismo sujeto (talla, P/A, dolor, etc.).
    • Un atributo descriptivo es una categoría de una característica, a la que un sujeto pertenece o no, o una propiedad o cualidad que un sujeto posee o no (tipo de enfermedad, tipo de grupo sanguíneo).
  • 9. TIPOS DE VARIABLES
  • 10.
    • Variables cualitativas
    • Son aquellas que representan una cualidad o
    • atributo que clasifica a cada caso.
    • La situación más sencilla (en algunos casos) es
    • aquella en la que se clasifica cada caso en uno de
    • dos grupos  son datos dicotómicos o binarios.
    • Como resulta obvio, en muchas ocasiones
    • este tipo de clasificación no es suficiente y se
    • requiere de un mayor número de categorías (color
    • de los ojos, grupo sanguíneo, profesión, etc).
  • 11.
    • Variables cuantitativas
    • Son aquellas que pueden medirse, cuantificarse o expresarse numéricamente.
    • Pueden ser de dos tipos:
      • Variables cuantitativas continuas, toman cualquier valor dentro de un rango numérico determinado (edad, peso, talla).
      • Variables cuantitativas discretas, no admiten todos los valores intermedios en un rango. Suelen tomar solamente valores enteros (número de hijos, número de partos, número de hermanos, etc.).
  • 12.
    • En el estudio de la Bioestadística se
    • encuentran distintos tipos de datos
    • numéricos, los cuales, a su vez tienen
    • diferentes grados de relación entre sus
    • posibles valores.
  • 13. Variables nominales
    • Constituyen una de las clases más simples de datos
    • numéricos, sus valores se registran dentro de categorías o
    • clases sin ningún tipo de orden (a menudo se utilizan
    • números para presentar sus categorías).
    • Por ejemplo: en un estudio de pacientes portadores de
    • Hipertensión Arterial:
    • A los hombres se les asigna el valor 1
    • A las mujeres el valor 0.
    • En este caso el atributo se indica con números en vez de palabras y el
    • orden y las magnitudes de los números son irrelevantes (ya la
    • designación podría ser: mujeres 1 y hombres 0).
  • 14.
    • En este tipo de variables los números se utilizan
    • por conveniencia, ya que de esta manera es más
    • fácil ingresar los datos en el computador para
    • trabajar con los datos.
    • Las variables nominales se pueden clasificar en
    • dicotómicas o binarias: que toman uno de dos
    • valores distintos (hombre, mujer).
  • 15. Sin embargo no todas las variables nominales son dicotómicas ya que a menudo hay tres o más posibles categorías dentro de las cuales pueden colocarse las observaciones (como los grupos sanguíneos: O, A, B, AB), sin embargo la secuencia entre ellos no tiene importancia ya que los números nuevamente sirven de “etiqueta” Otros ejemplos…..
  • 16.
    • Variables Ordinales
    • Se denominan variables ordinales a las
    • observaciones cuyo orden entre las categorías
    • adquiere importancia (ejemplo: estados de gravedad,
    • grado de desnutrición, tipo de diagnóstico de HTA)
    • en que cada número representa un orden de
    • importancia.
  • 17.
    • En este tipo de variables existe un orden natural entre cada grupo; el número menor representa un daño menos serio, sin embargo no nos interesa la magnitud de éstos números (en forma individual).
    • Por ejemplo si 4 es daño fatal y 1 es menor daño, la diferencia entre un daño moderado y menor no necesariamente es la misma, aunque ambos pares de resultados difieran en una unidad.
    • Debe entenderse que por sus características muchas operaciones aritméticas carecen de sentido cuando se aplican a las variables ordinales .
  • 18.
    • Entonces:
    • En las variables nominales el orden y la magnitud de los números no es importante, por conveniencia se utilizan números que se pueden manejar mejor.
    • En cambio en las variables ordinales el orden entre las categorías es importante y el Nº menor representa la lesión menos seria, además la diferencia que existe entre una categoría y otra no necesariamente es la misma.
  • 19.
    • Variables Discretas
    • En este tipo de variables importa el orden y la magnitud . En este caso los números representan cantidades medibles reales en lugar de meras etiquetas, sus valores se restringen sólo a valores específicos (a menudo enteros y cuentas) que difieren en cantidades fijas (no se permiten valores intermedios).
    • Por ejemplo: Nº de accidentes de tránsito en 1 mes, Nº de IIH en 1 semana, Nº de hijos vivos.
  • 20.
    • En este tipo de variables existe un orden natural entre los valores posibles.
    • El número mayor representa una magnitud mayor (ejemplo: mayor número de hijos  un número mayor indica mayor número de hijos).
    • La diferencia entre un valor y otro es la misma (la diferencia entre 1 y 2 nacimientos es la misma que existe entre 3 y 4 nacimientos).
  • 21.
    • Los números de restringen a enteros (una mujer no puede dar a luz 1.5 veces).
    • Pueden aplicarse reglas aritméticas con sentido y operaciones entre 2 números discretos puede no siempre dar entero como por ejemplo el promedio de nacimiento en un grupo de mujeres.
  • 22.
    • Variables Continuas
    • Son datos que representan cantidades medibles pero que no se restringen a ciertos valores específicos (como los enteros).
    • La diferencia entre dos posibles valores de datos puede ser arbitrariamente pequeña (por ejemplo: tiempo, nivel de colesterol sanguíneo, temperatura, peso en gramos) admite valores fraccionarios.
  • 23.
    • Con este tipo de variables es posible medir la distancia entre dos observaciones de forma significativa y se pueden aplicar las operaciones aritméticas.
    • Es limitante en este tipo de observaciones el grado de exactitud con el cual puede medirse (el peso por ejemplo se redondea al gramo más cercano).
    • Por lo tanto para la medición de ellas es muy importante asegurar que nuestros instrumentos de medición se encuentren calibrados o validados como corresponde.
  • 24.
    • En determinadas situaciones en que se realiza
    • una investigación es posible que necesitemos
    • menor cantidad de detalle que el que
    • proporciona la variable continua y en este caso es
    • conveniente transformar las observaciones
    • continuas en discretas e incluso dicotómicas.
    • Por ejemplo:
    • Continua a nominal: peso en niños desnutridos (grs.)  (0) leve, (1) moderado, (2) grave / (2) leve, (1) moderado, (0) grave.
    • Continua a ordinal: peso en niños desnutridos (grs.)  (0) leve, (1) moderado, (2) grave.
  • 25.
    • Variables de Clasificación en Rangos
    • Este tipo de variables se utiliza cuando se
    • tiene un grupo de observaciones que
    • pueden ordenarse primero de mayor a
    • menor de acuerdo con su magnitud y luego
    • asignarles números secuenciales
    • correspondientes a su lugar en la lista, a
    • este tipo de datos se les conoce como
    • variables de clasificación en rangos.
  • 26.
    • Por ejemplo:
    • Consideremos todas las posibles causas de muerte en Chile para la población mayor de 60 años, durante el año 2003.
    • Elaboramos una lista de todas las causas, junto con la cantidad de vidas que cada una de ellas cobró.
    • Ordenamos las causas según la que ocasionó mayor número de muertes a menor número de muertes.
    • Asignamos números enteros consecutivos  rangos (siendo 1 la de mayor mortalidad).
  • 27. Entonces….
    • Al asignar los rangos cobra mayor importancia la posición relativa de la causa en el grupo que la magnitud de las observaciones.
    • En algunas ocasiones resulta mejor trabajar con rangos en vez de los datos originales de frecuencias.
  • 28. ¿Qué relación hay entre las variables y una investigación?
  • 29.
    • En un estudio se pretende inferir o generalizar resultados de una muestra a una población.
    • Se estudia a un reducido número de individuos (que tenemos acceso) para poder generalizar los hallazgos a la población de origen.
    • Esta inferencia se hace por medio de métodos estadísticos basados en la probabilidad y midiendo aquellas variables que son de nuestro interés.
  • 30.
    • [email_address]