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


T2 Descriptiva bivariant, Apuntes de Bioestadística

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

Tipo: Apuntes

2012/2013

Subido el 25/07/2013

judithng2
judithng2 🇪🇸

4.5

(42)

13 documentos

1 / 3

Toggle sidebar

Esta página no es visible en la vista previa

¡No te pierdas las partes importantes!

bg1
TEMA 2. DESCRIPTIVA BIVARIANT
Caracteritzar la distribució conjunta de dues variables aleatòries. Existeix o no
associació entre dues variables?
Dades independents: relació bivariant. Ex: pes-sexe, les i columnes representen
diferents subjectes.
Dades aparellades (mesures repetides): si a l'anar agafant una d'elles diferents
valors, es modicaran els valors que va agafant l'altra variable. Cada la és un mateix
subjecte en dues situacions diferents. Ex: pes-efecte del tractament, pes inici- pes nal.
2.1. Dades independents
Dos variables qualitatives
• Ex: freqüència ingesta de carn/ compleix el patró d'ingesta proteica
Es representen amb taules de contingència. El recompte comptarà la freqüència
d'ingesta de carn de cadascú i si compleix o no a ingesta proteica. El % de freqüència
d'ingesta de carn es calcula a partir del recompte de NO/SI entre el total de la la. El %
de “cumple el patrón” és el recompte de NO/SI entre els valors de la columna. El % del
total és la divisió del recompte entre el total de mostres.
Els valors totals s'anomenen marginals.
Una variable quantitativa i una qualitativa (o quantitativa discreta)
• Ex: proteïnes totals en funció del sexe.
Com la variable “proteïnes totals” és una variable quantitativa, hem de representar-ho
en un histograma.
• Ex: proteïnes totals en funció de l'edat (en intervals).
“L'edat” és una variable qualitativa i les “proteïnes totals” és quantitativa discreta, per
això hem de representar-ho mitjançant un histograma. En aquest cas podem fer un
histograma per cada interval d’edat per poder veure la variació de la variable
“proteïnes totals” en els diferents grups d’edat.
Ex: concentració de proteïna en sang en diferents tractaments (placebo, fàrmac A,
fàrmac B).
El gràc 1 permet observar la diferent distribució de la variable quantitativa continua
en cadascun dels grups de variable qualitativa (o quantitativa discreta), però el 2 no.
Dos variables quantitatives
• Ex: pes del nen i talla.
pf3

Vista previa parcial del texto

¡Descarga T2 Descriptiva bivariant y más Apuntes en PDF de Bioestadística solo en Docsity!

TEMA 2. DESCRIPTIVA BIVARIANT

Caracteritzar la distribució conjunta de dues variables aleatòries. Existeix o no associació entre dues variables?

Dades independents: relació bivariant. Ex : pes-sexe, files i columnes representen diferents subjectes.

Dades aparellades (mesures repetides): si a l'anar agafant una d'elles diferents valors, es modificaran els valors que va agafant l'altra variable. Cada fila és un mateix subjecte en dues situacions diferents. Ex : pes-efecte del tractament, pes inici- pes final.

2.1. Dades independents

  • Dos variables qualitatives - Ex: freqüència ingesta de carn/ compleix el patró d'ingesta proteica

Es representen amb taules de contingència. El recompte comptarà la freqüència d'ingesta de carn de cadascú i si compleix o no a ingesta proteica. El % de freqüència d'ingesta de carn es calcula a partir del recompte de NO/SI entre el total de la fila. El % de “cumple el patrón” és el recompte de NO/SI entre els valors de la columna. El % del total és la divisió del recompte entre el total de mostres.

Els valors totals s'anomenen marginals.

  • Una variable quantitativa i una qualitativa (o quantitativa discreta) - Ex: proteïnes totals en funció del sexe.

Com la variable “proteïnes totals” és una variable quantitativa, hem de representar-ho en un histograma.

- Ex: proteïnes totals en funció de l'edat (en intervals).

“L'edat” és una variable qualitativa i les “proteïnes totals” és quantitativa discreta, per això hem de representar-ho mitjançant un histograma. En aquest cas podem fer un histograma per cada interval d’edat per poder veure la variació de la variable “proteïnes totals” en els diferents grups d’edat.

- Ex: concentració de proteïna en sang en diferents tractaments (placebo, fàrmac A, fàrmac B).

El gràfic 1 permet observar la diferent distribució de la variable quantitativa continua en cadascun dels grups de variable qualitativa (o quantitativa discreta), però el 2 no.

  • Dos variables quantitatives - Ex: pes del nen i talla.

El núvol de punts permet observar la correlació lineal entre dues variables aleatòries mitjançant una línia recta, és a dir, veure el grau de relació entre elles. No volem predir el valor d'una a partir de l'altra, només veure com canvia una en funció de l'altra. En un model no lineal, encara que les dues variables tinguin relació perquè quan x augmenta y augmenta, no podem considerar el valor de r. Es mesura amb el coeficient de correlació de Pearson, que dóna com a valor de relació “r”. * No cal saber-se la fórmula.

- Ex: pes del nen i freqüència d'ingesta de carn → 1 variable aleatòria amb 1 variable dissenyada. La variable que hem dissenyat és “freqüència d’ingesta de carn” ja que hem establert que entre 1 i 2 vegades per setmana no existeix cap valor possible. Per això observem salts i no es pot avaluar la variable de manera contínua. Aquesta variable dissenyada s’estableix per predir el valor d’una variable aleatòria, com el pes. Una “r” propera a 1 indicarà que podem fer una predicció correcta. Regressió lineal: y= a + bx → La pendent o inclinació de la recta marcarà el tipus de relació. Pot ser positiva o negativa.

  • És un error considerar valors de mostra que estiguin molt separats l’un de l'altre. Exemples de bons i mals models:

  • Com més proper estiguin r 2 a 1 millor. Ex : una r=0,7 pot semblar bastant bona però la seva r 2 = 0,49 només indica que expliques el 49% de la variabilitat entre les variables.

  • El valor de R quadrat explica el tant per cent de la variabilitat entre dues variables. Mai pot ser negatiu.

  • En el núvol de punts, un punt molt allunyat respecte un altre conjunt de valors pot produir un canvi important en la recta de regressió.

  • És erroni considerar dos grups d'estudi diferents dins el mateix estudi de correlació. Ex : com més petit és l’ocell més llarg és el bec.

2.2. Dades aparellades

  • Variable qualitativa

•Ex: efecte d'un fàrmac ansiolític en una mostra de 120 pacients.