actible

Número adecuado de individuos

Experiencia técnica adecuada
Abordable en cuanto a tiempo y
dinero
Manejable en cuanto al alcance
tica

nteresante
elevante
Para el conocimiento
científico, la política clínica y
ovedoso
sanitaria, líneas de
Confirma o refuta hallazgos previos
investigación futuras
Amplia hallazgos previos
Proporciona nuevos resultados
 Incluye el plan del estudio
Aportan inferencias

Hechos ocurridos Generalización de los

dentro de la muestra hechos al resto de la
estudiada. población fuera del
Conclusiones del estudio
investigador
(No se manipulan las variables) Casos y Controles

EJ: Estudio de Tabaquismo

(Manipula la variable independiente)

Ej.: Probar drogas en ratas.
 Una medición.
Ej.: Estudio de prevalencia

Varias mediciones.
Ej.: Estudio de casos y controles y cohorte
Define las características principales
de la población diana y de la
población accesible.
Ej. Pacientes Varones Hipertensos de
40-50 años.

Indican subconjuntos de individuos que cumplen con

ciertos criterios de selección, pero interfieren en la
calidad de los datos.
Ej. Pacientes Hipertensos Mujeres de 40-50 años.
•Resultado equivocado
•Se minimiza con el
aumento del tamaño de la
muestra
•Distorsionan los resultados
en cualquier dirección
Fuentes de variación que distorsionan los resultados del
estudio. DESVIACIÓN
•Resultado equivocado
•Distorsionan los resultados en
una sola dirección.
•No se minimiza con el
aumento del tamaño de la
muestra.
•
Grado en que una Grado en que una
variable representa
variable tiene casi el
realmente lo que se
mismo valor cuando supone que
se mide varias veces representa

Comparación entre Comparación con un

mediciones repetidas patrón de referencia
 : grupo sanguíneo, procedencia, ¿fuma?
género, DIAGNÓSTICO de una enfermedad.

: Clase social, intensidad del dolor,

GRAVEDAD de la enfermedad.

: nº de hijos, episodios de diarrea.

(nº enteros) “CONTEO”

: presión arterial, estatura, peso.

(decimales) “MEDICIONES”
 Cuando el entrevistado responde sí o no.

Factor de riesgo •Enfermedad,

independiente. efecto,
Ej.: Obesidad desenlace consecuente.
Ej.: Hipertensión arterial.
– probabilístico
– y no probabilistico

A criterio
Utiliza un proceso aleatorio para garantizar que cada unidad de la
población tiene una probabilidad específica de ser seleccionado

se subdivide a la población Se sortea el inicio y los

en subgrupos de acuerdo demás se seleccionan en
con cierta característica, forma sistemática, por
como el sexo, la raza y ejemplo cada 3 o 5 o 10.
luego se extrae una
muestra al azar en cada
“estrato”.

se enumera cada unidad de Se extrae una muestra al azar

la población accesible y, a partir de agrupaciones
luego, se selecciona la naturales de individuos
muestra al azar. dentro de la población.
 1. Juan
2. Maria Por sorteo 1. Maria ALEATORIO SIMPLE
3. Pedro 2. Elena

4. Luís
5. Elena Se sortea solo el 1. Maria
1ro 2. Luís
SISTEMÁTICO

1. Juan 1. Maria
1. Maria
2. Maria 2. Elena
2. Pedro
3. Pedro
4. Luis 1. Pedro
5. Elena 2. Luís
ESTRATIFICADO

1. 1er C:
Juan,
Maria
2. 2do C: 1. Maria
Pedro, CONGLOMERADO
2. Pedro
Luis
3. Elena
3. 3er C:
Elena,
Juan
 Los miembros de la población no tienen una probabilidad conocida de
pertenecer a la muestra.
Éstos métodos no permiten establecer las desviaciones sufridas en los
resultados de la investigación, las estimaciones obtenidas no pueden
proyectarse estadísticamente a la totalidad de la población.

• Casos consecutivos:
– se elige a cada individuo que cumpla con los criterios de selección
dentro de un intervalo de tiempo específico o hasta alcanzar un
Nº definido de pacientes.
– Es la mejor de las técnicas no probabilística y factible en muchas
ocasiones.
– El problema se plantea cuando la duración es muy corta para
representar adecuadamente todos los factores estacionales u
otros cambios que puedan producirse con el tiempo.
• De conveniencia:
– se selecciona a los miembros de la población accesible
de los que se pueda disponer con facilidad.
Ej: voluntarios

• A criterio:
– se escoge a “dedo” entre la población accesible, a
individuos que se suponen más apropiados para
participar en el estudio.
Primaria
Son las recopilaciones DIRECTAS del investigador. No ha sido filtrada,
evaluada por nadie más. Eminentemente creativo.
Ej. Anotaciones diarias, encuestas.

Secundaria
Son los arreglos posteriores o modelos de recolección de
las fuentes primarias.
Ej. Libros de textos, publicaciones.

Terciaria
Son guías físicas o virtuales que permiten el acceso más
rápido a las fuentes secundarias.
Ej. Bibliografías, guías de obra de referencia.
Brote de una enfermedad en
una región de repente.

•Aumento brusco del nº de casos.

•Aparición de una determinada
enfermedad no registrada o erradicada.
Ej: Sarampión
• Una enfermedad que geográficamente es
común de esa zona.
• Nº de casos registrados regularmente, es
decir, su registro es permanente, sin
cambios bruscos.
Ej.: el cólera en la india(en una región)la
gripe.

• Ya se erradicó y aparece en un lugar

• Es geográficamente extensible.
• La aparición de un caso ya se puede
considerar pandemia.
Ej.: Viruela, peste negra.
 Casos nuevos
Probabilidad de un de R=
Personas en riesgo
contraer la enfermedad
Rango 0 y 1

Nº de enfermos
nº de casos en un momento P=
determinado. Nº de personas total

nº de casos
Casos nuevos
registrados en un tiempo I=
Personas total
determinado.
 Casos diagnosticados - decesos
Probabilidad de S=
permanecer vivo en casos diagnosticados
un tiempo

Propensión de una enfermedad a

causar muerte en los pacientes.

% de enfermos
Enfermedades que
Morb=
se quieren prevenir y
población
tratar
n = 4 Z α² p (1 – p) ÷ w²

• Z α= valor normal
• IC= 95% = 1,96
• W= error
• p= Probabilidad de personas
aptas para el estudio.
“w < p” w= p/2
• Forma de campana, perfectamente simétrica,
se divide en 2 mitades iguales.
• X, Me, Mo tienen el mismo valor.
• Sesgo cero. Curtosis cero. Asintótica
valores agrupados valores agrupados
hacia a la hacia la

Mide cuan puntiaguda es la curva

Muestras pequeñas Muestras grandes o Muestras grandes

Curtosis >0 pequeñas
Curtosis <0
 Z = (X – μ) /σ
x ± 1 DE incluye 68% del área

x ± 2 DE incluye 95% del área

x ± 3 DE incluye 99% del área

Trata de mostrar la evolución de un determinado fenómeno
Ayuda al análisis de la información
Series cronológicas
Barras sencillas Observaciones periódicas.
Ej.: censo de población

Cualitativa o Cuantitativa discreta

Datos asociación= ESCALAS
CUALITATIVAS
Ej. : defunciones por sexo y
Barras dobles causa

Distribución de frecuencia
en relación al tiempo
 : Continuas.

Cualitativa o
Cuantitativa discreta.

Cualitativa o
Cuantitativa discreta.

Cualitativa o Cuantitativa
discreta.
 Cualitativa .
Se usa para variaciones de
un dato en relación con 2
variables.

exacerbar
datos.

muestras pequeñas, no
difieren grandemente.
Me = LRI + [(N/2 – F.ant). C] /F me
Mo= 3M – 2X

P= LRI + [(k.n/100 – F. ant) . C] / Fp

divide la serie en 100 partes iguales.

divide a la serie en 10 partes iguales.

divide a la serie en 4 partes iguales.

 : X, Me, Mo

: Muestras estratificadas, donde se

calcula un promedio para cada estrato, se tiene en
cuenta el nº de observaciones en que se basa cada
promedio.

: Valor que divide a la serie en 2 partes iguales

: Se observa con mayor frecuencia

• En una escojo indistintamente cualquiera, pero con
preferencia la X.
Ej.: 3 4 5 6 7 7 8 9 X= 6,12 Me=6,5 Mo=7

• En una se escoge la Me.

Ej.: 2 4 6 8 30 Me= 6

En una serie agrupada cuando la 1ª cifra o la última

también se utiliza la

• Cuando el interés se centra en conocer el que se presenta

, se utiliza la Mo.
Ej.: - Determinar el Período de Incubación de una Enfermedad
- Determinar la Duración habitual de una Enfermedad
= LR.inf + N/2 - Σf. ant. x c
f Mediana

= 3Me – 2X
 Divide a la serie en 100 partes iguales
de 1% cada uno.
Ej.: Porcentaje de empleados con salarios menor a 80. P 20

Divide la serie en 10 partes iguales de 10% cada

uno.
Ej.: D1= P10
D2= P40

Divide a la serie en 4 partes iguales al

25% cada uno.
Ej.: Q1=P25 Q2=P50=Me Q3=P75 Q4=P100
Relación existente:
 = LRi + Kn/100 –Σf ant. c X

fPK

Posición: Kn K= Es el PERCENTIL deseado

100 n= Es el TAMAÑO de la MUESTRA
Indica cuán próximos o dispersos están los
valores.
Representa la
amplitud, diferencia entre la puntación
mayor y menor.
Representa el valor
medio de las desviaciones de las datos.
ΣІx – x’І
DM=
n
 Semidiferencia
entre el 3º y 1º cuartil.

Q3 – Q1 P75 – P25
DQ= =
2 2

Sirve para
indicar la variación que representan los individuos alrededor
de su promedio.
 2
Es el cuadrado del desvío estándar.
- Distancia entre valores de la serie y media
- Siempre >0

Comparar 2 cosas con unidades de medida diferentes.

Ej.: Estatura - Peso

S
CV=
x

CV la distribución es + Homogéneo, + representativa

- Variable
•Representaciones gráficas en las que
se reflejan 5 parámetros: límite LS

inferior, primer cuartil, mediana, tercer

cuartil y límite superior. Q3

RI Q2
•Pueden obtenerse otros dos: el rango
y el rango intercuartílico. Q1

•Dan una medida de la simetría o LI

asimetría de la distribución, del sesgo y

de la dispersión.
Gráfico de caja y bigote
(Box plot)
Valor máximo

Tercer cuartil
Segundo cuartil
Primer cuartil

Valor mínimo
20 23 24 24 24 25 29 31 31 33
34 36 36 37 39 39 40 40 41 45

Q1: N/4 = 5º
(24 + 25)/2 = 24,5

Q2: N/2 =10º 20 24,5 33,5 39 45

(33+34)/2 = 33,5

Q3: 3N/4 = 15º

(39 + 39)/2 = 39
1. Q1 menor?
A B
2. Q2 menor?
3. RI mayor?
4. Me mayor?
5. X menor?
6. La franja?
7. El círculo?
-Simétrica: en este tipo de distribuciones la media, la moda y la mediana coinciden y los
datos se distribuyen de igual forma a ambos lados de estas medidas.

.-Asimétrica positiva o sesgada a la derecha: los datos tienden a concentrarse hacia la

parte inferior de la distribución y se extienden más hacia la derecha. La media suele ser
mayor que la mediana en estos casos.

.-Asimétrica negativa o sesgada a la izquierda: los datos tienden a concentrarse hacia

la parte superior de la distribución y se extienden más hacia la izquierda. La media suele
ser menor que la mediana en estos casos.
ICON PLOTS

CARAS DE CHERNOFF

Este gráfico permite ilustrar tendencias en datos donde se miden varias variables
al mismo tiempo. Se relacionan los datos con rasgos de una cara de modo que se
puede diferenciar entre observaciones

Las caras de Chernoff permiten identificar fácilmennte los datos, y los valores que
se representan mediante los rasgos de las caras, deben ser identificados
perfectamente junto a la gráfica. El conocimiento de las tendencias de los datos
permite clasificarlos de manera visual. No obstante, no contienen ningún tipo de
infpormacion sobre los verdaderos valores que se van a dibujar
GRÁFICOS DE ESTRELLAS ( SUN RAY PLOTS )

Cada estrella representa una observación, y las variables

empiezan a representarse desde la derecha y en dirección a
las agujas del reloj. El tamaño de cada línea, respecto al centro
de la estrella, está relacionado con los valores reescalados de
cada variable
-Si se desea graficar datos de bases donde hay correlación, cuál de los
sgtes usarías:

I. histograma II. Box plot III. Dispersion IV. Ojivas V. logaritmico

a. I, II, III b. todas c. I,II, III y IV d. NDA

- Si en una base de datos, se requiere agruparlos según ciertas

características , utilizarías
I. Caritas de chernoff II. Sun rays plots III. Star plots

a. I y II b. I y III c. I, II y III d. NDA

 es una característica
cuantitativa de una
es una característica
cuantitativa de una
La estimación de parámetros

Las pruebas de hipótesis.

 Proceso que permite dar un valor aproximado de
un parámetro de la población a partir de los
estadísticos obtenidos en la muestra.
valor. Ej.: niños varones de 7
años, peso, promedio de peso.
valores que definen el intervalo.

valor de α puede ser 90%,

95%, 99%

límite inferior y límite superior

de un intervalo de confianza.
 Constata una teoría concebida acerca del valor o valores que
puede tomar dicho parámetro.
Ho: Hipótesis Nula o Dato población o Hipótesis de
No diferencia.
Normalmente niega la hipótesis del investigador.
H1: Hipótesis Alternativa o Dato de muestras o
Hipótesis del Investigador. Zona de aceptación
NO significancia
AL AZAR
H0:Hμ :=μμ=0 α
0
H1:Hμ :≠μμ≠0 α
1

1-α

H0: μ ≤ μ0
H1: μ > μ0
α
 Al aceptar o rechazar una b
hipótesis podemos cometer 2 tipos
a
de errores:
Rechazar una Hipótesis Nula Verdadera
Este valor es determinado por el investigador utilizando
errores de Si excede pierde carácter científico.

Aceptar una Hipótesis Nula Falsa.

Este valor oscila entre
Para contraste de:
 Medias
 Diferencia de Medias
 Proporciones
 Diferencia de proporciones
Se utiliza cuando n≥ 30 y se conoce varianza poblacional

Xm -  Z=
(X1- X2) – (μ1 – μ2)
Z=
/ n σ
2
σ
2

n1 + n2
 ρ–P
Z=
Xm -  P(1-P)
Z= n
/ n
• n< 30 y se desconoce la varianza poblacional
• gl ( grado de libertad)= n-1
Cantidad de variables independientes

Xm -  (X1 – X2)
t=
/ n t=
2 2
(n1 -1)S + (n2 – 1)S2
1 (1/n1 + 1/n2)

n1 + n2 - 2

gl = n1 + n2 - 2
Sirve para constatar desvíos estándar o varianzas (muestra
con población)
2
(n – 1)S S= muestra
X= 2
σ= poblacional
σ
Una cola
2
Ho= σ ≤ α 1
Ho= σ ≥ α 2
1

H1= σ > α
2
2
2
H1= σ < α 2

α 1-α
Ho: σ2= α
2
H1: σ ≠ α α/2
1- α/2
 Distribución Normal

X-μ X= muestra
Z=
σ
Μ= población
 tenemos 2 variables y queremos
medir hasta que punto los cambios en una pueden
explicarse por los cambios que ocurren en la otra.
Se representa

Ej.: FC tenemos FR

Tenemos 2 variables pero se conoce

una de ellas y se quiere saber el valor de la otra.
Se representa
Ej.: la estatura de la edad.
• Cuando las frecuencias o tasas difieren
grandemente unas de otras

• Si las diferencias son marcadas se

recomienda
El coeficiente de regresión puede tener
cualquier valor:
+ : indica que AMBAS variables aumentan o
disminuyen a la vez.
Regresión lineal positiva

- :indica que si una variable aumenta la otra

disminuye.
Regresión lineal negativa
0 : No existe asociación entre variables. En vez de
formar una línea forma un círculo o un cuadrado.
 Σ dx . dy
b= 2
Σ dx
Ecuación de la recta
Y = (Y’ – bX’) + bX
Coeficiente de correlación
dx . dy dx . dy
r= .
2 2
dx dy
•Nº de casos en un momento determinado
•Se estudian los y los
•Estudio
•Corte (una sola medición)

instante + utilizada

período de tiempo.
Ej.: realizar una encuesta
• Relaciona Existencia simultánea de enfermedad y factores
que la causan.
• Relaciona en forma simultánea variable independientes y
variable dependiente.
nº de enfermos de la población
•Tasa de Prevalencia: nº total de la población
 Enfermos No enfermos
Exp (+) a b
No exp (-) c d

PR enf = a / a + b Indica CUANTAS VECES es + frecuente la

c/c + d ENFERMEDAD en los EXPUESTOS que en los
no expuestos

PR exp = a/a+c Indica cuantas veces fue + frecuente la

b/b+d EXPOSICIÓN en los ENFERMOS que en los
sanos
2
2 n[(ad – bc) – n/2]
X=
(a+b)(c+d)(a+c)(b+d)
 enfermos
expuestos

• Indica cuantas veces aumenta la oportunidad de

estar expuesto a un factor debido a la enfermedad.

• OR enf. y OR exp. tienen el mismo valor


Individuo expuesto o no en el
pasado. Recurrimos a Historia
clínica
Longitudinal, se hace un
seguimiento a un grupo de
sujetos expuestos y no a un
determinado factor.
Prospectivo Retrospectivo
+ completa - completa
No útil Muy útil
Costoso Menos costoso
Lenta Rápida
Prolongado Corto

• Variable cualitativa dicotómica.

• Ej.: Gastritis alcohólica en alumnos
• “Riesgo” palabra clave
 Enfermos Sanos 2
2 n[(ad – bc) – n/2]
Expuestos a b X=
(a+b)(c+d)(a+c)(b+d)
No expues. c d

 Riesgo expuestos= a  RR (Riesgo Relativo)= R exp.

a+b R no exp.

 Riesgo de no expuestos= c  OR (Odds Ratio), Oportunidad o

c+d Fuerza de asociación= a.d
b.c
Zona de NO significancia
2 Zona de significancia
Al azar X < 3,84
NO al azar
p > 0,05 2
X > 3,84
P < 0,05

RR  1 La exposición al factor está asociado con el

desarrollo de la enfermedad.
RR = 1 Las personas exp. y no exp. tienen el mismo
riesgo de desarrollar la enfermedad en estudio
(NO existe asociación)
RR < 1 El riesgo entre las personas exp. es más bajo que
los no EXPOSICION BENÉFICA.
H : μ = μ0 de tipo Observacional, Analítico de corte Longitudinal.
o 0Estudios
H : μ ≠de
o 1Parte μ0la enfermedad o efecto y en forma retrospectiva se
identifican las causas o factores de riesgo.
o CASOS: grupo de personas que tienen el fenómeno o la enfermedad.
o CONTROL: grupo que no presenta la enfermedad, “sano”
CARACTERISTICAS
 Es útil para enfermedades raras.
 Se puede analizar simultáneamente múltiples causas de la
enfermedad.
Se utilizan pocos sujetos.
No existe riesgo para los sujetos, poco tiempo y bajo costo.

Tipos de Pareados
Casos y Controles No pareados
 Enfermos No enfermos
Expuestos a b
No expuestos c d

2
2 n[(ad – bc) – n/2]
DR > 1: La exposición tiene un efecto perjudicial.
X=
(a+b)(c+d)(a+c)(b+d) India cuántas veces más, contrae la enfermedad una
persona expuestas en comparación con otra NO
expuesta.

DR= 1: No hay asociación.

DR= a. d DR< 1: La exposición tiene efecto benéfico.

b. c
 ( Zα√2pq + Zβ√p1q1 + p0q0 )²
n=
(p1-p0)²

p0 R q=1–p
p1 =
1 + p0 (R – 1)
q1 = 1 – p1
p= ½ (p1 + p0)
q0 = 1 – p0
 a= verdadero positivo
Enfermos No enfermos b= falso positivo
Positivo a b c= falso negativo
d= verdadero negativo
Negativos c d

 Valor predictivo positivo +: a

a+b
 Fiabilidad: S.P + E (1 – P)
 Valor predictivo negativo - : d
c+d

 Sensibilidad: detectar a
a+c

 Especifidad: descartar d
d+b
 Estudio en el que se manipulan una o más variables
independientes (factores de riesgo)para analizar las
consecuencias que la manipulación ejerce una o más
variables dependientes.
Experimentales: - Ensayo clínico
Asignación aleatoria de
- Ensayo de campo
sujetos.

Cuasi experimentales: - Diseños pre experimentales

No se realiza asignación - Grupo de control no
al azar. equivalentes.
Ensayo clínico
a- Tiene un grupo control: se le administra placebo o
un tratamiento ya conocido.
b- Otro varios grupos: se le administra el tratamiento
que se quiere probar.
c- Tipos de ciego: El paciente: ciego simple.
El médico: doble ciego.
El analista de datos: triple ciego.

Ensayo de campo: realizado en sujetos sanos.