Docsity
Docsity

Prepara tus exámenes
Prepara tus exámenes

Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity


Consigue puntos base para descargar
Consigue puntos base para descargar

Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium


Orientación Universidad
Orientación Universidad


T1 Descriptiva monovariant, Apuntes de Bioestadística

Asignatura: Bioestadística i Anàlisi de Dades, Profesor: , Carrera: Ciències Biomèdiques, Universidad: UAB

Tipo: Apuntes

2012/2013

Subido el 25/07/2013

judithng2
judithng2 🇪🇸

4.5

(42)

13 documentos

1 / 4

Toggle sidebar

Esta página no es visible en la vista previa

¡No te pierdas las partes importantes!

bg1
TEMA 1. DESCRIPTIVA MONOVARIANT
Estadística
Tots els individus d'una població compleixen uns
determinats requisits.
Una mostra no representativa pot donar lloc a errors en
investigació.
A partir de la mostra determinarem una sèrie d'estadístics (mitjana, mediana...),
estimacions dels veritables valors. Aquests s'extrapolaran a la població per a
determinar els paràmetres poblacionals, aquella estimació aplicada a la població
(mitjana, promig...).
És un procés inductiu.
Inferència estadística
La inferència de la població es fa amb la mostra quan no podem estudiar la població
sencera. Diferenciem:
- Estadístic: característiques numèriques de la mostra.
- Paràmetre: característiques numèriques de la població.
Primer de tot hem de mirar si la mostra està ben escollida per analitzar la població.
Exemple d'una mostra mal agafada: en un estudi per trobar quines eren les parts més
febles dels avions de la 2ª guerra mundial per a poder reforçar-les es van agafar com a
mostra els avions que sobrevivien i es feia una estimació.
Tipus de variables
És allò que estudiem. Es classiquen en:
Qualitatives/ Categòriques: no són mesurables. Es divideixen en:
Nominals (sexe, estat civil, grup...)
Ordinals: ordenables però amb una distància entre valors, que no està
clarament denida (grau de dolor, grau d'obesitat, pronòstic de malaltia...)
Quantitatives: són mesurables. Dins d'aquestes trobem:
Discretes: valors aïllats i ordenats amb unes distàncies concretes (nº de lls,
nº de leucòcits...)
Contínues: tenen innits valors entre dos valors donats (pes, alçada,
temperatura...)
*Edat: variable contínua tractada com a discreta.
Qualitatives i Quantitatives discret
es
Taules de freqüència: comptar el
número de individus exacte d'una
mostra determinada, la seva freqüèn
cia. El percentatge vàlid correspon amb el percentatge quan no hi ha dubtes de
determinades freqüències. Si algun
valor fos indenit, el percenta
tge vàlid no seria el mateix que el percentatge.
pf3
pf4

Vista previa parcial del texto

¡Descarga T1 Descriptiva monovariant y más Apuntes en PDF de Bioestadística solo en Docsity!

TEMA 1. DESCRIPTIVA MONOVARIANT

Estadística

Tots els individus d'una població compleixen uns determinats requisits.

Una mostra no representativa pot donar lloc a errors en investigació.

A partir de la mostra determinarem una sèrie d' estadístics (mitjana, mediana...), estimacions dels veritables valors. Aquests s'extrapolaran a la població per a determinar els paràmetres poblacionals, aquella estimació aplicada a la població (mitjana, promig...).

És un procés inductiu.

Inferència estadística

La inferència de la població es fa amb la mostra quan no podem estudiar la població sencera. Diferenciem:

- Estadístic: característiques numèriques de la mostra. - Paràmetre: característiques numèriques de la població.

Primer de tot hem de mirar si la mostra està ben escollida per analitzar la població. Exemple d'una mostra mal agafada: en un estudi per trobar quines eren les parts més febles dels avions de la 2ª guerra mundial per a poder reforçar-les es van agafar com a mostra els avions que sobrevivien i es feia una estimació.

Tipus de variables

És allò que estudiem. Es classifiquen en:

  • Qualitatives/ Categòriques : no són mesurables. Es divideixen en: - Nominals (sexe, estat civil, grup...) - Ordinals: ordenables però amb una distància entre valors, que no està clarament definida (grau de dolor, grau d'obesitat, pronòstic de malaltia...)
  • Quantitatives : són mesurables. Dins d'aquestes trobem: - Discretes: valors aïllats i ordenats amb unes distàncies concretes (nº de fills, nº de leucòcits...) - Contínues: tenen infinits valors entre dos valors donats (pes, alçada, temperatura...)

*Edat: variable contínua tractada com a discreta.

Qualitatives i Quantitatives discret

es

  • Taules de freqüència: comptar el número de individus exacte d'una mostra determinada, la seva freqüèn cia. El percentatge vàlid correspon amb el percentatge quan no hi ha dubtes de determinades freqüències. Si algun valor fos indefinit, el percenta tge vàlid no seria el mateix que el percentatge.

- Freqüència absoluta → f (^) i - Freqüència relativa (tant per 1) → fr = f (^) i / N - Percentatge → f (^) r x 100

  • Diagrama de barres: s’utilitzen per a representar freqüències o percentatges en columnes o línies.. Podem exagerar la diferència entre els resultats si només representem certs valors. L’important és l'alçada de cada quadradet. * En el cas de les variables continues parlarem d'histogrames.
  • Diagrama de sectors: "quesitos". Podem representar freqüència o percentatge.

Variables quantitatives

  • Taules de freqüències de classe: podem fer categories o blocs dels diversos valors d'una variable contínua. Poden haver valors perduts (“ausentes”, “missings”), que no són classificables en les categories que hem definit. En conseqüència, el percentatge vàlid (normalitzat al total de valors vàlids) no serà el mateix que el percentatge.
  • Histogrames: compta l'àrea (serà proporcional a la freqüència). Sumant totes les àrees dels rectangles obtenim la probabilitat (=1).

Estadístics de tendència central

En un diagrama de barres, la posició és la tendència central. En canvi, la dispersió equival a la variància.

  • Mitjana: valor mitjà de la variable a la mostra. En intervals: agafem el valor promig de cada interval i el multipliquem per la seva freqüència, després sumem els resultats i dividim entre el total (N).
  • Mediana: divideix al conjunt de dades en dues parts iguals tals que el nº de valors menors o iguals a la mitjana és igual al nº de valors majors o iguals a ella (deixa el 50% dels valors per baix i el 50% per dalt). És molt utilitzada en termes de supervivència a càncer perquè resulta més fiable que la mitjana.
    • Nº imparell de valors : el valor central una vegada ordenats en ordre creixent
    • Nº parell de valors : mitjana de les dues observacions centrals.
  • A diferència de la mediana, la mitjana queda molt afectada per la presència de valors extrems. Ex :
  • Percentil 50: d’ell cap a l'esquerra i cap a la dreta hi ha el 50 per cent dels valors. Representa el mateix que la mediana.

Coeficient d’asimetria de Pearson: el promig menys la moda dividit entre la desviació típica. Es adimensional.

Mesures de tendència central respecte el biaix En l’asimetria positiva, la mitjana està més cap a la dreta que la mediana perquè està afectada pels valors extrems a causa del biaix. En l’asimetria negativa, la mitjana estarà influïda pel biaix i per això estarà més cap a l’esquerra que la mediana. Si comparem la normal amb la representació real del gràfic podrem veure si és asimètrica o no.

  • Curtosis: analitza el grau de concentració que presenten els valors al voltant de la zona central de la distribució. A dalt o a baix. A mà, el valor que defineix cap a dalt o cap a baix és 3 però amb l’SPSS està definit respecte 0. Ex : un valor d'1 en SPSS voldrà dir que és leptocúrtica i en la fórmula manual que és platicúrtica.