PROCEDIMIENTO MUESTRAL

Buenas noches a todos, ya acabando un poco el día terminaremos hablando de varios conceptos del mundo de la estadística enfermera, dadas en clase.

PROCEDIMIENTO MUESTRAL: Se trata de las técnicas de muestreo, es decir, el método por el cual escogemos a una población de estudio en la que podamos obtener un grado de probabilidad de que ese pequeño grupo contentga las características que estamos buscando. La población diana escogida aleatoriamente es, a partir de la cual obtenemos la muestra y sacamos las conclusiones. A partir de ella, deberemos hacer inferencia de la población entera (intervalos de confianza, en %). 

En este procedimiento muestral hay que destacar también el tipo de muestreo y el tamaño de la muestra. 

TIPOS DE MUESTREO: Entre los que destacan:

- Muestreo probabilístico: todos los sujetos de la población tienen una probabilidad distinta de cero en la selección de la muestra y es conocida a la hora de seleccionar los sujetos. Dentro de este tipo de muestreo existe diversas clases de muestreo probabilístico:

    1. Aleatorio simple, el más fiable y equitativo.

    2. Aleatorio sistemático, cada individuo tiene la misma probabilidad de ser escogido.

    3. Estratificado, la población escogida de subdivide en grupos o estratos según presenten una cierta variabilidad o distribucción conocida. 

   4. Conglomerado, cuando no se posee de una lista detallada y enumerada de cada uno de los sujetos y resulta complicado elaborar la pobalción de estudio.

     

- Muestreo no probabilístico o de convenencia del investigador: puede haber personas en la población que no tengan propabilidad o se desconozca, de ser seleccionado la muestra. No existe probabilidad conocida y su muestreo se hace de forma arbitraria. En este caso no se puede considerar que la muestra sea representativa de una población completa. Dentro de este tipo de muestreo existe diversas clases de muestreo no probabilístico:

     1. Accidental: Aquellos en los que los sujetos no tiene una probabilidad conocida o distinta de 0.

     2. Por cuotas: escoger de forma arbitraria y con unos criterios de exclusión concretos. 

    3. Por conveniencia o intencional: El investigador decide según sus objeticos los elementos que integran la muestra.

Por último, y no menos importante, hay que destacar el TAMAÑO DE LA MUESTRA. Éste va a depender del error estándar. Se trata del volumen que posee nuestro espécimen de investigación. 

Esto es todo por hoy, y por la asignatura, ¡feliz fin de semana a todos! 

P.D.: Espero que os haya sido ameno y, en especial, que no os haya resultado demasiado arduo y complicado. 

ERRORES DE HIPOTESIS

En todo estudio de investigación en el que se analizan una serie de variables, no se puede olvidar hablar la hipótesis de dicho estudio. Tras realizar las pruebas estadísticas correspondientes, 

- Hipótesis nula (Ho): Es aquella en la que no hay relación significativa entre las dos variables.

- Hipótesis alternatuva (Ha): En la que se plantea una relación o existen diferencias significativas entre las variables.

En relación a esta hipótesis planteada cabe destacar dos tipos de errores:

- Error tipo I o alfa: El investigador rechaza la hipótesis nula siendo verdadera en la población diana e la que se plantea el estudio. El investigador concluye que existe diferencia cuando realmente no la hay.

- Error tipo II o beta: El investigador no rechaza la Ho siendo ésta falsa en la población de estudio. El investigador concluye que ha sido incapaz de encontrar una diferencia que existe en la realidad.

Ya va quedando menos ;) ¡Adiós a todos!

REGRESIÓN LINEAL Y COEFICIENTE DE CORRELACIÓN

El análisis de regresión lineal es una técnica estadística utilizada para estudiar la relación entre variables. Es un modelo matemático y estadístico que explica la relación de dependencia entre una variable dependiente, Y, con una variable independiente X.

Podemos decir que una variable puede ser explicada por el comportamiento de otra, ya que al considerarse la relación lineal suponemos que: Y= F(X) , y al ser una función lineal, Y será igual a la ecuación de la recta: Y=aX+b. 

Tras plantear esta ecuación, se puede deducir que: Y(VD)=B1(X o VI)+Bo.

(donde B1 es igual a beta sub-uno y Bo, es igual a beta sub-cero)

A continuación aplicamos la siguiente fórmula para saber cuanto vale B1: (en la imagen también podemos observr como se podría calcular Bo)

Finalmente, debemos calcular el coeficiente de correlación y el coeficiente de determinación.

- Coeficiente de correlación (r): es un número adimensional, entre 1 y -1, que mide la fuerza y el sentido de la relación libealentre dos variables.

- Coeficiente de correlación (r²): Se trata de elevar al cuadrado el coeficiente de correlación. Es un número adimensional, entre 0 y 1, que expresa el % de la relación entre la variable dependiente y la variable independiente.

Finalmente, siempre hay que realizar un test de comprobación de la hipótesis, en este caso, el test de Kendall, el cual se realiza mediante la siguiente fórmula:

Aquí os dejo un ejemplo de regresión lineal ya resuelto:

¡Hasta la próxima entrada!

TEST DE HIPÓTESIS

¡Buenas tardes a todos!

Continuaremos con los diversos test de hipótesis que utilizaremos para las variables en estudio.

En primer lugar, haremos un pequeño recordatorio de los tipos de variables:

Por tanto los test de hipótesis que deberemos emplear: (en cada uno de ellos dejaré un vídeo que explique con profundidad cada uno de ellos)

- Si se trata de una variable cualitativa frente a otra cualitativa, emplearemos una prueba de hipótesis de Chi Cuadrado.

- Si enfrentamos una cualitativa frente a una cuantitativa, el test de hipótesis correcto sería el Test de Student.

- Si son dos cuantitativas, realizamos una regresión lineal simple y el coeficiente de Pearson. Ambos conceptos los explicaremos con mayor profundidas en próximas entradas.

- En caso de ser una variable cualitativa policotómica frente a una cuantitativa, usamos el test de Anova, que sigue las directrice que vemos en las imagenes publicadas a continuación.

  

Hasta la próxima chicos ;)

TIPIFICACIÓN DE VALORES

En esta entrada hablaremos de la tipificación de valores en estadística.

La tipificación de valores se puede realizar si trabajamos con una serie de variables continuas (variable dependiente y variable independiente) que siguen una distribucciñon normal y poseen más de 100 unidades. 

La utilidad de este concepto estadístico nos permite saber si un valor cualquiera corresponde o no a la distribucción de frecuencia. Para ello, es necesario aplicar la siguiente fórmula, donde Sx corresponde a la desviación estándar, X al valor correspodiente y la otra letra restante, al valor de la media de los valores.

Espero que os haya sido de ayuda, así que os planteo un ejercicio resuelto para que lo apliquemos a la práctica.

Esto es todo por hoy :) ¡Hasta pronto!

TEMA NUEVO

Comenzamos un tema nuevo dentro del mundo de la estadística, en el que hablaremos de la hipótesis de los test de estadítica. Estos nos serán de gran ayuda para llevar a cabo nuestro proyecto de investigación y plantear los supuesto en nuestra aplicación informática de Epi-Info. 

En las siguientes entradas plantearemos casos prácticos y ejemplos para ayudar a entender estos test de hipótesis en un trabajo de investigación. Plantearé el décimo y último tema de la asignatura. 

¡Hasta pronto!

CASOS PRÁCTICOS: INFERENCIA ESTADÍSTICA

Tras varias entradas sobre inferencia estadística os dejo resultos algunos casos prácticos que vimos en clase. Espero que os sea de gran ayuda y podáis aplicar los conceptos con facilidad.

CASO PRÁCTICO 1:

Un grupo de enfermera realiza un estudio para conocer la frecuencia de lesiones causados por los sistemas de extracción de sangre por vacio. Para ello una muestra de 150 pacientes se recoge datos de las lesiones ocasionadas ayándose un total de 20 pacientes con lesiones. Se pide que  calcule el intervalo de confianza de la frecuencia de lesiones por extracciones por vacio, del 95 y 99%.

Resolución:

CASO PRÁCTICO 2:

En una investigación sobre la obesidad en la población femenina adscrita en el centro de salud se obtiene un resultado sobre una muestra representativa de 233 mujeres que el peso medio de la muestra es de 69.6 kg. Y su desviación típica es de 9.8. Se pide que se calcule el intervalo de confianza de la media del peso en toda la población adulta femenina adscrita al centro de salud para un 95 y 99 % de confianza.

Resolución:

CASO PRÁCTICO 3:

En un centro de salud se pretende realizar un estudio sobre tabaquismo, para lo que se selecciona una muestra de 337 pacientes. Los enfermeros del centro de salud encontraron que en total en la muestra había 83 fumadores habituales. Se pide que calculemos el intervalo de confianza al 95 y al 99% para la proporción de tabaquismo en el total de población del centro de salud.

Resolución:

¡Hasta la próxima!