Entrada final

Todos sabiamos que este momento tendría que llegar más tarde o más temprano...

Esta es mi última entrada en la cual voy a exponer lo que me ha parecido esta asignartura.

Pues bien, para empezar decir que creo que esta asignatura está mal ubicada , porque ya que es una asignatura que nos puede servir a la hora de realizar el TFG , a no ser que te quede y la estudies cuando lo vayas a hacer , ya que en los 3 años que nos quedan hasta llegar a eso pienso que se nos va a olvidar parte d elo aprendido. En segundo lugar decir que ,  a pesar de las insistencias de los profesores en intentar que le veamos la utilidad y la importancia de esta asignatura , yo aún no lo tengo muy claro del todo , no se si será porque se me dan mal los números o no sé...

¿Que que he aprendido? Pues que estadística no es solo pasar cuestionarios o hacer preguntas a la primera persona qu eveamos , sino que es un mundo mucho más complicado. A pesar de todo he aprendido a elaborar protocolos y proyecto de investigación , y eso si es algo que valoro.

Los recursos que yo he utilizado , mejor dicho, que estoy utilizando para aprender la asignatura son : asistencia a clase ( como faltes un día ya estas perdido) ,  leer muchos articulos de investigación para mejorar la comprensión de la teoría , y también ver videos en youtube , tanto sobre la teoría como alguno de problemas resueltos.

Respecto al blog , decir que al principio pasaban las horas y las horas y me quedaba mirando la hoja en blanco sin saber que escribir o cómo expresar las ideas que tenía en mi cabeza. ¿ Que si le veo utilidad al blog? Pues bien , por un lado sí porque te obliga a ir más o menos al día con la asignatura , y el único lado negativo que le veo es el tiempo que hay que dedicarle para que esté medianamente aceptable.

Y bien , para acabar decir , ¿ será esto un adiós definitivo? , ¿ seguiré comentado cosas sobre estadística , ¿ o sobre enfermería?. Pues para seros sinceros no lo sé , en un futuro próximo no lo creo, pero quien sabe , a lo mejor contínuo  con él en un futuro. Para saberlo ya sabéis lo que tenéis que hacer , meteros de vez en cuando en el blog para ver si he actualizado algo ;)

P.d. : espero no suspender la asignatura por mis comentarios, ¡rezad por si! 

¡¡¡QUE DISFRUTEIS DEL VERANO!!!

 

Reseña tema 10

Cada vez se acerca más el final...

 

 Bueno el tema de hoy trata sobre los test de hipótesis , los cuales son una herramienta que utilizamos en la inferencia estadística para controlar los errores aleatorios. Pero claro hay diferentes tipos de test:

• Test de Kolmogorov-Sminov : el cual usamos cuando la muestra es superior a 50 sujetos.
• Test de Chapiro-Wilks : que lo usamos cuando la muestra es menor a 50 sujetos.

Pues bien , según el tipo de variable usamos un tipo de análisis u otro.

DEPENDIENTE INDEPENDIENTE	Cualitativa 2grupos	Cualitativa >2grupos	Cuantitativa
Cualitativa 2 grupos	Chi cuadrado. T. comparaciones proporciones. P. exacta de Fisher. P. Mc Nemar.	Chi cuadrado. Q. de Cochran.	T student. U. de  Mann-Whitney. T. Wilcoxon.
Cualitativa >2grupos	Chi cuadrado. Q. de Cochran.	Chi cuadrado. Q. de Cochran.	A. varianza. Kruskall-Wallis. F.Friedman.
Cuantitativa	Regresión logística.	Regresión logística.	Regresión lineal : Correl.Pearson. Correl. Spearman.

La finalidad de los test de hipótesis es medir la probabilidad de error que cometemos si rechazamos la hipótesis nula.Para ello tenemos dos tipos de error , alfa y beta . El error alfa es cuando rechazamos la hipótesis nula siendo esta cierta. Para poder rechazar la hipótesis nula, p tiene que ser menor de 0,05% en ciencias de salud , si el valor es superior a esa cifra tendríamos que aceptar la hipótesis nula.Y el error beta es el que cometemos cuando aceptamos la hipótesis nula siendo esta falsa.

Como explicar cada tipo de test es muy dificil , os voy a dejar unos tutoriales que yo he consultado para entenderlos mejor chi cuadrado y t de student , que son los más importantes.

• Chi cuadrado: Chi cuadrado
• T de Student : Student

 Y bien esto sería todo por hoy , ya no os doy la brasa con más teoría.
¡Hasta lueguito!

Reseña tema 9

Hola a tod@s,

¿Como va vuestro día? El mío de estudio , y he querido despejarme haciendo esta entrada.

El tema de hoy trata sobre la estadística inferencial , el muestreo y la estimación. Llamamos inferencia estadística a el conjunto de procedimientos que nos deja pasar lo particular a lo general.Si la muestra es elegida al azar , es un muestreo probabilístico y el error asociado es un error aleatorio. En cambio si la muestra no es elegida al azar, no hay posibilidad de evaluar el error.La medida que queremos obtener de la población se llama parámetro , y la medida de la variable que obtenemos se llama estimador. Para pasar de el estimador a el parámetro nos hace falta la inferencia. 

El error estándar es la medida para captar la variabilidad de los valores del estimador y la fórmula para calcularla es :

Donde s es la desviación típica y n es el tamaño de la muestra.

Después tenemos el teorema central de límite, se usa para estimadores que pueden ser expresados como suma de valores muestrales , cuyos valores de su distribución siguen una distribución normal con media de la población y desviación típica igual al error estándar del estimador.
También tenemos los intervalos de confianza que son un medio para conocer el parámetro de una población midiendo el error aleatorio.

Cuando z es igual a 1,96 , el nivel de confianza es del 95%. Mientras que si z es igual a 2,58 el nivel de confianza es de 99%.

Hay diferentes tipos de muestreo:
-Probabilístico:

• Aleatorio simple: por ejemplo por un sorteo, o eligiendo números al azar.
• Aleatorio sistemático : es una variación del simple.
• Estratificado: se subdivide a la población en subgrupos.
• Conglomerado : se usa cuando no hay una lista detallada , se eligen subgrupos en vez de personas.

-No probabilístico: no sigue el proceso aleatorio y no se puede considerar como muestra representativa de la población. Tipos :

• Por cuotas : la muestra se selecciona considerando algunas variables como la edad o el sexo.
• Accidental : se utilizan las personan disponibles en el momento de la investigación.
• Conveniencia : según el interés del investigador.

Para calcular el tamaño de la muestra tenemos que tener en cuenta el error estándar, que cuanto mayor sea la muestra más pequeño va a ser el error y la varianza de la población. Pues bien , para calcular el tamaño de la muestra sustituimos en esta ecuación :

Pues bien , esto es todo por hoy , mañana más y mejor :)
Ya no queda nada para acabar esta aventura,
¡Hasta mañana chatos!

Reseña tema 8

¡Hola de nuevo!
Este tema va sobre las medidas de tendencia central , de posición y de dispersión. Sólo se pueden aplicar a variables cuantitativas.Pues bien vamos a definir cada una . Las medidas de posición dan una idea de la magnitud de los datos observados ordenados de menor a mayor. Las medidas de tendencia central dan una idea sobre el comportamiento de los sujetos. Y las medidas de dispersión sobre las diferencias entre los sujetos.

Medidas de tendencia central:

• Media aritmética : se suman todos los valores y se dividen entre el total de observaciones.

• Mediana : es el valor que divide los datos en 50-50. Si el número es impar, el resultado será el del puesto n+1/2.Mientras que si es par, el resultado será entre n/2 y ( n/2)+1.

• Moda: es el valor que más veces se repite.

Medidas de posición :

• Percentiles : dividen la muestra en 100 partes iguales .

• Deciles : dividen a la muestra en 10 partes iguales.

• Cuartil : divide a la muestra en 4 partes iguales. 

Medidas de dispersión:

• Rango o recorrido : es la diferencia entre el mayor y el menor valor en valores absolutos.

• Desviación media : que es la distancia de cada observación respecto a la media.

• Desviación típica o estándar: es el error que cometemos al representar la muestra sólo por su media.

• Varianza:  es la desviación típica al cuadrado.

Distribuciones normales :

Se representan en forma de campana , llamada Campana de Gauss, la cual es simétrica respecto a los valores de posición central , por lo que la media , la mediana y la moda van a coincidir.

 Pero la campana puede estar dirigida hacia diferentes lados o ser simétrica:












Si el grado de simetría es igual a 0 , la campana es simétrica.
Si es mayor de 0 , es simétrica positiva por lo que los valores se van hacia la derecha.
Si es menor de 0 , es simétrica negativa y los valores estarían en la izquierda.

Por otro lado tenemos la curtosis , que sirve para medir el grado de concentración de los valores.
Es mesocúrtica cuando tiene una distribución normal.
Leptocúrtica cuando presenta un grado de concentración mayor alrededor de valores centrales.
Platicúrtica cuando presenta un pequeño grado de concentración alrededor de los valores centrales.
 

Reseña tema 7

¡Hola a tod@s!

Cada vez se ve más cercano el fin...¡que alegría!

El tema de hoy trata sobre la bioestadística. La estadística nos sirve para aprender de la experiencia. Una variable es una característica clínica que cambia de un paciente a otro.

Hay diferentes escalas de medida:

• Escala nominal : sirve para ver si una variable es igual o diferente . Ejemplo : género ( hombre,mujer).

• Escala ordinal : sirve para ver dos o más modalidades de una variable si son iguales o diferentes y ver cual de ellas es mayor en caso de que sean distintas . Ejemplo: grado de satisfacción con el personal enfermero. ( nulo,leve, medio, muy fatisfactorio).

• Escala de intervalo :  es una escala cuantitava en la cual se pueden aplicar medianas , desviaciones... Ejemplo:cambio en la temperatura , de 35º a 37º hay 2º de diferencia , lo mismo que de 40º a 42º.

• Escala de razón: permite establecer un orden , ver si son iguales o diferentes, ver la distacia entre los intervalos y posee el valor absoluto 0. Ejemplo : peso kg...

Ya vimos en la reseña del seminario 4 , los diferentes tipos de variables que hay , pues bien hoy veremos como se representan los datos obtenidos , que varia según el tipo. Por un lado tenemos las tablas de frecuencia , en la cual en sus filas se expresará el tipo de variable , y en sus columnas la frecuencia absoluta y la relativa. Por otro lado , las variables continuas se representan en intervalos .

Y por último la representación gráfica , ahora veremos las  más frecuentes :
-Diagrama de barra :
-Histograma : variables continuas  

-Gráfico de tronco y hojas : variables cuantitativas

-Gráfico de sectores : variables cualitativas


-Gráfico para datos bidimensionales : variables cuantitativas



Bueno esto es todo por hoy , un tema cortito y fácil de entender. ¡ Hasta luego!

Reseña Seminario 5

¡Hola a tod@s!

Ayer dia 31 de Mayo tuve mi último seminario de ETIC's, eso quiere decir que ya mismo está aquí el examen jaja.

Bueno lo que hicimos en este seminario fue exponer nuestros trabajos de investigación , a mí me toco exponer el mío junto con mi compañero Carlos Porro. Yo tenía el presentimiento de que me iba a elegir a mí el profesor para hacerlo, pero bueno no salió del todo mal.

Estoy contenta con el trabajo que hemos hecho , e incluso el profesor nos ha dicho que si cambiamos un par de cosas de la presentación de ppt para hacerla más vistosa y atractiva , que podemos presentarla en algún congreso, que probablemente lo haremos.

Bueno aquí os dejo mi trabajo de investigación ,espero que os guste y que indiqueis abajo que os ha parecido :)