Estadística Unidimensional y Bidimensional

Estadística Unidimensional y Formulas

Media Aritmética: X=Σxifi/Σfi

Varianza: S²=Σxi²fi/Σfi

Desviación Típica: S=√S²

Coef. Variación: c.v=desviación típica/media aritmética

Moda: valor que más se repite

Rango: la diferencia entre uno y otro.

Covarianza: Sxy=∑xifi/n)-(X-Y)

Coeficiente de Correlación: r=Sxy/Sx*Sy

Recta de Regresión: y-y=m(x-x) ; M=Sxy/Sx²

Estadística Bidimensional

1. Distribuciones Marginales (media y desviación típica)
2. Desviaciones Típicas de x e y
3. Cálculo de la Covarianza
4. Coeficiente de Correlación
5. Recta de Regresión.

Varianza: S²=Σ(x-X)²fi/ N     S²=Σ(x-X)²fi/ n-1    

Desviación Típica: S=√S²

Coef. Variación: c.v=desviación típica/media aritmética

Teorema de Bayes:

Incidencia Acumulada: IA= nº casos nuevos/nº total de casos sanos

Razones o “Ratios” = nº hombres / nº mujeres

O. R. = = bx c / a x d

Razón de Prevalencias: R.p. = P.e / P.ne

Riesgo Relativo: R.R. = I.e / I.ne

Tipificación: Zx = x-X / S

CHI^{2 = ∑}    ( FO - FE )² / FE

Tamaño de la Muestra:  n = z² • s² / d

Etapa Conceptual

Etapa Empírica

Etapa Interpretativa

-Errores Aleatorios

• Primera Fase: calcular el mínimo tamaño de una muestra necesario para poder detectar como estadísticamente significativa una diferencia, si es que ésta existe realmente en la población • Segunda Fase: Uso de pruebas o tests de hipótesis (errores a o b) • Tercera Fase: cálculos de intervalos de confianza para las estimaciones obtenidas

-Errores Sistemáticos (Sesgos)

Sesgo de Selección • Se incluyen en el estudio sujetos de estudio que difieren en alguna característica relevante de la población sobre la que se pretenden sacar conclusiones • Si afecta al factor de exposición y al efecto de interés (factor de riesgo y enfermedad), los hallazgos no son extrapolables • Ejemplos: negativas a participar o abandonos durante un seguimiento

Sesgo de Clasificación • Corresponde a una incorrecta medición de una variable. Depende, por tanto, de la validez y fiabilidad del método utilizado para recoger la información. • Puede afectar a la exposición o al efecto • Puede diluir las diferencias realmente existentes o a exagerar estas diferencias.

• No Diferencial: – Disminuye las diferencias realmente existentes – Ejemplo: cuando la gente oculta hábitos socialmente no admitidos, el estudio no detecta los que verdaderamente están expuestos, de forma que es difícil detectar asociaciones si existen.

• Diferencial: – Exagera las diferencias realmente existentes – Ejemplo: las madres de niños nacidos con malformaciones recuerdan con más intensidad las exposiciones ocurridas durante el embarazo que las que tuvieron hijos sanos.

• Grupo Control: – La finalidad del grupo control es aislar el efecto del factor del estudio del debido a otros factores – Efectos que se controlan: • Efecto Hawthorne: sentirse observado mejora nuestra respuesta • Efecto Placebo: la administración de fármacos produce respuestas no atribuibles específicamente al mismo • Regresión a la Media: cuando se obtiene un valor extremo en una variable, la segunda vez que se mide tiende a los valores de la emdia • Evolución Natural: las enfermedades tienden a su resolución de forma natural, sin que sean atribuibles a la intervención

Sesgo de Confusión • Es el único que se puede controlar en la fase de análisis y no sólo en la de diseño • Es una distorsión de las estimaciones del estudio, producidas por la distribución desigual en los grupos de comparación de una tercera variable (variable confundente). Si esa variable es predictora del efecto (factor de riesgo o protector) entonces su distribución desigual contamina la verdadera relación entre la exposición y el efecto estudiados