1. CONCEPTOS BASICOS
1.1. POBLACION OBJETIVA
1.1.1. Individuos que comparten una caracteristica que se desea estudiar
1.1.1.1. Individuos con una o mas caracteristicas en comun y de interés
1.1.1.2. Se cumplen todas las conclusiones y resultados del estudio
1.2. MUESTRA
1.2.1. Subconjunto de la población donde se miden las características importantes. Evalúan la calidad, utilidad y capacidad de la poblacion
1.2.1.1. muestras representativas: Permiten obtener conclusiones generalizables a toda la población reflejando de manera no sesgada las características de la misma
1.3. CENSO
1.3.1. Se obtiene información cuantitativa sobre las características de TODOS los elementos de la población
1.4. ENCUESTA
1.4.1. Capta información de una fracción de la muestra. Se utilizan para estimar características de la poblacion
1.4.1.1. Encuestas por muestreo: Se selecciona la muestra de forma representativa
1.4.1.2. Encuestas por muestreo probabilistico: Ideal pues muestra resultados extraidos directamente
1.4.1.3. Encuestas no probabilísticas: Poca capacidad de reflejar patrones clave
1.5. PARÁMETRO
1.5.1. Características importantes para responder a las preguntas de investigación (valor numerico)
1.6. ESTIMADOR
1.6.1. Características reflejadas en la muestra (versión muestral del parámetro)
1.7. ESCALAS DE MEDICIÓN
1.7.1. Permite indagar las características de interés de la muestra
1.7.1.1. ESCALA NOMINAL: Medición mas simple. Las observaciones se informan como porcentajes o graficas
1.7.1.1.1. Variable dicotómica: solo dos opciones
1.7.1.1.2. Variable policotómica: mas de dos opciones de respuesta
1.7.1.2. ESCALA ORDINAL: Opciones de orden inherente, las operaciones ni la interpretacion tienen sentido
1.7.1.3. ESCALA NUMÉRICA:Cantidades numéricas con significado claro, nivel mas alto de medición
1.7.1.3.1. Variable de conteo: número de veces que ocurre una condicion en cada individuo
1.7.1.3.2. Variable continua: No hay un numero de posibles valores
2. GRÁFICAS
2.1. Ayuda visual para el analisis exploratoriio de datos, permiten identificar el comportamiento de características escenciales y las posibles relaciones entre variables
2.1.1. DIAGRAMAS CIRCULARES: se muestran rebanadas del mismo. una por categoria, su tamaño refleja el porcentaje de observación
2.1.2. DIAGRAMAS DE BARRA: es en la altura donde se refleja la frecuencia a la proporción
2.1.3. intervalos de clase
2.1.4. rangos de posibles valores
2.1.5. histogramas de frecuencias
3. CONCEPTOS BÁSICOS II: MEDIDAS
3.1. MEDIDAS DE LOCALIZACIÓN O TENDENCIA CENTRAL
3.1.1. Cantidades que indican el valor típico, representativo o central de un rango de valores
3.1.1.1. MEDIA ARITMÉTICA: Promedio numérico de los valores
3.1.1.1.1. x=x1+x1+..xn /n
3.1.1.2. MEDIANA:Punto intermedio en una serie de valores ordenados
3.1.1.3. MODA:Valor que se representa con mayor frecuencia
3.2. MEDIDAS DE DISPERCIÓN O VARIACIÓN
3.2.1. Refleja la separación de los datos de una muestra
3.2.1.1. RANGO O AMPLITUD: Diferencia entre el valor máximo y el mínimo
3.2.1.1.1. R=X(n)-X(1)
3.2.1.2. RANGO INTERCUARTIL: Diferencia numérica entre los llamados tercer y primer cuartil
3.2.1.2.1. RI=Q3-Q1
3.2.1.3. VARIANZA: Los cuadrados de las diferencias de cada valor observado con respecto a la media aritmética
3.2.1.4. DESVIACIÓN ESTANDAR: Raíz cuadrada de la varianza
3.3. MEDIDAS DE FORMA
3.3.1. Se utilizan para describir la forma de la distribución
3.3.1.1. SESGO:Refleja el grado de alejamiento de una distribución con respecto a la simetría alrededor de la media
3.3.1.1.1. Sesgo=m3/S3
3.3.1.2. PICUDEZ O CUARTOSIS: Mide cuán puntiaguda es una distribución
3.3.1.2.1. Curtosis=m4/S4
4. Elementos de inferencia estadistica
4.1. Probabilidad:Proceso mediante el cual se pueden hacer conclusiones de la poblacion a partir de infromación obtenida en la muestra
4.1.1. SIGNIFICADO DE LA PROBABILIDAD: Desdeun punto de vista probabilístico, un evento que no puede ocurrir tiene probabilidad cero; por el contrario un evento cuya ocurrencia sea segura tiene probabilidad uno permite comprender el valor de p
4.1.1.1. Riesgo: delimita la susceptibilidad de padecer una enfermedad.
4.1.2. PROPIEDADES Y DEFINICIONES BÁSICAS: Un experimento es definico como el proceso mediante el cual se recolecta un conjunto de datos. La probabilidad de resultado se escribe p
4.1.2.1. Eventos opuestos al de interes se denominan evento complementario
4.1.3. Reglas de probabilidad:cuando dos o mas eventos y la ocurrencia de uno elimina la posibilidad de otro se denominan mutuamente excluyentes
4.1.3.1. Regla de adición: La probabilidad de ocurrencia de un evento mutuamente excluyente es igual a la probabilidad de que cualquiera ocurra, y se encuentra al sumar la probabilidad de dos eventos
4.1.4. INDEPENDENCIA Y PROBABILIDAD CONDICIONAL: independencia implica la probabilidad de que ocurra un evento y no influya en la ocurrencia del otro se puede
4.1.4.1. calcular por la regla de la multiplicación pa eventos independientes obtenida al multiplicar la ocurrencia de ambos eventos
4.1.4.2. Probabilidad marginal: se ubica en los margenes de la tabla: define la probabilidad de la ocurrencia del otro evento
4.1.4.3. Probabilidad conjunta: expresa la probabilidad de que ambos eventos ocurran de manera simultanea
4.1.4.3.1. Probabilidad condicional: proporciona información de la probabilidad de ocurrencia de un evento al haber ocurrido otro
5. DISTRIBUCIONES DE PROBABILIDAD
5.1. Los terminos estimador y parámetro se refieren alos datos obtenidos en una muestra. Estimadores:cantidad que pueden ser estimadas a partir de una muestra. Parametro: Valor de esta característica en la poblacion
5.1.1. -Distribución de frecuencias -Distribución de probabilidad
5.2. DISTRIBUCIÓN BINOMINAL: Muestra la probabilidad de que un evento ocurra un número determinado de ensayos independientes.
5.2.1. Se caracteriza por el numero de ensayos (N) y la probabilidad de exito (K)
5.2.1.1. P (K)=P^k(1-p)^n-k*n!/(n-k)!k!
5.3. DISTRIBUCIÓN NORMAL: ES CONTINUA TOMA CUALQUIER VALOR Y TIENE FORMA DE CAMPANA SIMETRICA
5.3.1. se representa con la letra s y la poblacion por la letra sigma. Representa una base para hacer inferencia estadistica al existir variables sin distribución normal
5.3.1.1. La inferencia implica el interés sobre un parámetro poblacional
5.3.2. La mayor parte de variables biológicas, clínicas o epidemiológicas no tiene distribución normal
6. DISTRIBUCIÓN MUESTRAL
6.1. Características fundamentales
6.1.1. Parámetro de interés: media, varianza, proporción, etc.
6.1.2. Selección aleatoria de la muestra
6.1.3. Tamaño de la muestra
6.1.4. Especificación de la población de estudio
6.2. Distribución muestral de la media
6.2.1. Permite calcular la probabilidad de ocurrencia para determinados eventos de interés
6.2.2. Conforme aumente el número de muestras analizadas la distribución muestral se aproxima de manera notable a la distribución normal
6.2.3. No es necesario generarla en cada análisis estadístico ya que se puede utilizar la teoría estadística para determinarla
6.2.4. Sus propiedades son la base para el teorema de límite central
6.2.4.1. esta es una de las piezas centrales de la inferencia estadística, ya que permite hacer agravaciones acerca de la población de estudio con base en los resultados de una sola muestra
6.2.5. Tienen asociado un error estándar , esta variación se llama error estándar de la estadística
7. ESTIMACIÓN, INTERVALOS DE CONFIANZA Y PRUEBA DE HIPÓTESIS
7.1. Diferentes muestras tienden a producir resultados diferentes, el objetivo de la estadística es estudiar estas variaciones
7.2. En una muestra se hacen inferencias válidas
7.2.1. Estimación puntual
7.2.2. Intervalo de confianza
7.2.3. Prueba de hipótesis
7.3. Estimador: pretende aproximarse al valor del parámetro, este debe de ser
7.3.1. insesgado
7.3.2. eficiente
7.4. para calcular los intervalos de confianza se utiliza de manera intensiva el error estándar
7.4.1. estimación de una proporción
7.4.2. estimación de una media
7.5. prueba de hipótesis
7.5.1. se puede diseñar un ensayo clínico
7.5.2. prueba de hipótesis para dos medias
7.5.2.1. formular una hipótesis nula
7.5.2.2. comparar el resultado propuestos por la hipótesis nula con los resultados obtenidos según los datos de nuestra muestra de pacientes
7.5.2.3. calcular la probabilidad de ocurrencia de los resultados, o un resultado aún más extremo, bajo el supuesto de que la hipótesis nula el cierta
7.5.2.4. determinar si se rechaza o no la hipótesis nula
7.5.3. al final el proceso de prueba involucra dos conceptos clave
7.5.3.1. Hipótesis nula (H0)
7.5.3.2. Hipótesis alterna (Ha)