Bioestadística , Variables

19,912 views

Published on

Published in: Health & Medicine
  • 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

Bioestadística , Variables

  1. 1. VARIABLES BIOESTADÍSTICA Paula Angélica Soto Parada Postítulo de Investigación en Enfermería Diplomado en Epidemiología Clínica Magíster en Ciencias de la Educación, Chile
  2. 2. ¿ Qué es una Variable ?
  3. 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. 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. 5. <ul><li>Los datos son los valores que toma la </li></ul><ul><li>variable en cada caso (categorías). </li></ul><ul><li>Lo que vamos a realizar es medir, es decir, </li></ul><ul><li>asignar valores a las variables incluidas en </li></ul><ul><li>el estudio o informe. </li></ul><ul><li>Deberemos además concretar la escala de </li></ul><ul><li>medida que aplicaremos a cada variable. </li></ul>
  6. 6. <ul><li>Las variables adquieren valor para la </li></ul><ul><li>investigación científica cuando </li></ul><ul><li>pueden ser relacionadas con otras </li></ul><ul><li>variables (formar parte de una </li></ul><ul><li>hipótesis o una teoría). </li></ul><ul><li>En este caso se les suele llamar </li></ul><ul><li>“ constructos o contrucciones </li></ul><ul><li>hipotéticas”. </li></ul>
  7. 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. 8. <ul><li>Entonces… </li></ul><ul><li>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.). </li></ul><ul><li>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). </li></ul>
  9. 9. TIPOS DE VARIABLES
  10. 10. <ul><li>Variables cualitativas </li></ul><ul><li>Son aquellas que representan una cualidad o </li></ul><ul><li>atributo que clasifica a cada caso. </li></ul><ul><li>La situación más sencilla (en algunos casos) es </li></ul><ul><li>aquella en la que se clasifica cada caso en uno de </li></ul><ul><li>dos grupos  son datos dicotómicos o binarios. </li></ul><ul><li>Como resulta obvio, en muchas ocasiones </li></ul><ul><li>este tipo de clasificación no es suficiente y se </li></ul><ul><li>requiere de un mayor número de categorías (color </li></ul><ul><li>de los ojos, grupo sanguíneo, profesión, etc). </li></ul>
  11. 11. <ul><li>Variables cuantitativas </li></ul><ul><li>Son aquellas que pueden medirse, cuantificarse o expresarse numéricamente. </li></ul><ul><li>Pueden ser de dos tipos: </li></ul><ul><ul><li>Variables cuantitativas continuas, toman cualquier valor dentro de un rango numérico determinado (edad, peso, talla). </li></ul></ul><ul><ul><li>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.). </li></ul></ul>
  12. 12. <ul><li>En el estudio de la Bioestadística se </li></ul><ul><li>encuentran distintos tipos de datos </li></ul><ul><li>numéricos, los cuales, a su vez tienen </li></ul><ul><li>diferentes grados de relación entre sus </li></ul><ul><li>posibles valores. </li></ul>
  13. 13. Variables nominales <ul><li>Constituyen una de las clases más simples de datos </li></ul><ul><li>numéricos, sus valores se registran dentro de categorías o </li></ul><ul><li>clases sin ningún tipo de orden (a menudo se utilizan </li></ul><ul><li>números para presentar sus categorías). </li></ul><ul><li>Por ejemplo: en un estudio de pacientes portadores de </li></ul><ul><li>Hipertensión Arterial: </li></ul><ul><li>A los hombres se les asigna el valor 1 </li></ul><ul><li>A las mujeres el valor 0. </li></ul><ul><li>En este caso el atributo se indica con números en vez de palabras y el </li></ul><ul><li>orden y las magnitudes de los números son irrelevantes (ya la </li></ul><ul><li>designación podría ser: mujeres 1 y hombres 0). </li></ul>
  14. 14. <ul><li>En este tipo de variables los números se utilizan </li></ul><ul><li>por conveniencia, ya que de esta manera es más </li></ul><ul><li>fácil ingresar los datos en el computador para </li></ul><ul><li>trabajar con los datos. </li></ul><ul><li>Las variables nominales se pueden clasificar en </li></ul><ul><li>dicotómicas o binarias: que toman uno de dos </li></ul><ul><li>valores distintos (hombre, mujer). </li></ul>
  15. 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. 16. <ul><li>Variables Ordinales </li></ul><ul><li>Se denominan variables ordinales a las </li></ul><ul><li>observaciones cuyo orden entre las categorías </li></ul><ul><li>adquiere importancia (ejemplo: estados de gravedad, </li></ul><ul><li>grado de desnutrición, tipo de diagnóstico de HTA) </li></ul><ul><li>en que cada número representa un orden de </li></ul><ul><li>importancia. </li></ul>
  17. 17. <ul><li>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). </li></ul><ul><li>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. </li></ul><ul><li>Debe entenderse que por sus características muchas operaciones aritméticas carecen de sentido cuando se aplican a las variables ordinales . </li></ul>
  18. 18. <ul><li>Entonces: </li></ul><ul><li>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. </li></ul><ul><li>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. </li></ul>
  19. 19. <ul><li>Variables Discretas </li></ul><ul><li>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). </li></ul><ul><li>Por ejemplo: Nº de accidentes de tránsito en 1 mes, Nº de IIH en 1 semana, Nº de hijos vivos. </li></ul>
  20. 20. <ul><li>En este tipo de variables existe un orden natural entre los valores posibles. </li></ul><ul><li>El número mayor representa una magnitud mayor (ejemplo: mayor número de hijos  un número mayor indica mayor número de hijos). </li></ul><ul><li>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). </li></ul>
  21. 21. <ul><li>Los números de restringen a enteros (una mujer no puede dar a luz 1.5 veces). </li></ul><ul><li>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. </li></ul>
  22. 22. <ul><li>Variables Continuas </li></ul><ul><li>Son datos que representan cantidades medibles pero que no se restringen a ciertos valores específicos (como los enteros). </li></ul><ul><li>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. </li></ul>
  23. 23. <ul><li>Con este tipo de variables es posible medir la distancia entre dos observaciones de forma significativa y se pueden aplicar las operaciones aritméticas. </li></ul><ul><li>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). </li></ul><ul><li>Por lo tanto para la medición de ellas es muy importante asegurar que nuestros instrumentos de medición se encuentren calibrados o validados como corresponde. </li></ul>
  24. 24. <ul><li>En determinadas situaciones en que se realiza </li></ul><ul><li>una investigación es posible que necesitemos </li></ul><ul><li>menor cantidad de detalle que el que </li></ul><ul><li>proporciona la variable continua y en este caso es </li></ul><ul><li>conveniente transformar las observaciones </li></ul><ul><li>continuas en discretas e incluso dicotómicas. </li></ul><ul><li>Por ejemplo: </li></ul><ul><li>Continua a nominal: peso en niños desnutridos (grs.)  (0) leve, (1) moderado, (2) grave / (2) leve, (1) moderado, (0) grave. </li></ul><ul><li>Continua a ordinal: peso en niños desnutridos (grs.)  (0) leve, (1) moderado, (2) grave. </li></ul>
  25. 25. <ul><li>Variables de Clasificación en Rangos </li></ul><ul><li>Este tipo de variables se utiliza cuando se </li></ul><ul><li>tiene un grupo de observaciones que </li></ul><ul><li>pueden ordenarse primero de mayor a </li></ul><ul><li>menor de acuerdo con su magnitud y luego </li></ul><ul><li>asignarles números secuenciales </li></ul><ul><li>correspondientes a su lugar en la lista, a </li></ul><ul><li>este tipo de datos se les conoce como </li></ul><ul><li>variables de clasificación en rangos. </li></ul>
  26. 26. <ul><li>Por ejemplo: </li></ul><ul><li>Consideremos todas las posibles causas de muerte en Chile para la población mayor de 60 años, durante el año 2003. </li></ul><ul><li>Elaboramos una lista de todas las causas, junto con la cantidad de vidas que cada una de ellas cobró. </li></ul><ul><li>Ordenamos las causas según la que ocasionó mayor número de muertes a menor número de muertes. </li></ul><ul><li>Asignamos números enteros consecutivos  rangos (siendo 1 la de mayor mortalidad). </li></ul>
  27. 27. Entonces…. <ul><li>Al asignar los rangos cobra mayor importancia la posición relativa de la causa en el grupo que la magnitud de las observaciones. </li></ul><ul><li>En algunas ocasiones resulta mejor trabajar con rangos en vez de los datos originales de frecuencias. </li></ul>
  28. 28. ¿Qué relación hay entre las variables y una investigación?
  29. 29. <ul><li>En un estudio se pretende inferir o generalizar resultados de una muestra a una población. </li></ul><ul><li>Se estudia a un reducido número de individuos (que tenemos acceso) para poder generalizar los hallazgos a la población de origen. </li></ul><ul><li>Esta inferencia se hace por medio de métodos estadísticos basados en la probabilidad y midiendo aquellas variables que son de nuestro interés. </li></ul>
  30. 30. <ul><li>[email_address] </li></ul>

×