Estadística

Introducción a la estadística

1
¿Para qué sirve la estadística?
 La Ciencia se ocupa en general de fenómenos observables

 La Ciencia se desarrolla observando hechos, formulando leyes que los

explican y realizando experimentos para validar o rechazar dichas leyes

 Los modelos que crea la ciencia son de tipo determinista o aleatorio

(estocástico)

 La Estadística se utiliza como tecnología al servicio de las ciencias

donde la variabilidad y la incertidumbre forman parte de su naturaleza

 “La Bioestadística [...] enseña y ayuda a investigar en todas las áreas de

las Ciencias de la Vida donde la variablidad no es la excepción sino la
regla”
Carrasco de la Peña (1982)

2
 Definición
La Estadística es la Ciencia de la

Sistematización, recogida, ordenación y

•
v a presentación de los datos referentes a un fenómeno
ti
r ip que presenta variabilidad o incertidumbre para su
s c
De estudio metódico, con objeto de

• deducir las leyes que rigen esos fenómenos,

dad
li
a bi
b
P ro
• y poder de esa forma hacer previsiones sobre los
cia mismos, tomar decisiones u obtener conclusiones.
en
fer
In

3
 Pasos en un estudio estadístico
 Plantear hipótesis sobre una población
 Los fumadores tienen “más bajas” laborales que los no fumadores
 ¿En qué sentido? ¿Mayor número? ¿Tiempo medio?

 Decidir qué datos recoger (diseño de experimentos)

 Qué individuos pertenecerán al estudio (muestras)
 Fumadores y no fumadores en edad laboral.
 Criterios de exclusión ¿Cómo se eligen? ¿Descartamos los que padecen enfermedades
crónicas?
 Qué datos recoger de los mismos (variables)
 Número de bajas
 Tiempo de duración de cada baja
 ¿Sexo? ¿Sector laboral? ¿Otros factores?
No tienes que
 Recoger los datos (muestreo)
 ¿Estratificado? ¿Sistemáticamente? entenderlo (aún)
 Describir (resumir) los datos obtenidos
 tiempo medio de baja en fumadores y no (estadísticos)
 % de bajas por fumadores y sexo (frecuencias), gráficos,...

 Realizar una inferencia sobre la población

 Los fumadores están de baja al menos 10 días/año más de media que los no fumadores.

4
Método científico y estadística

Plantear Diseñar
hipótesis experimento

Obtener Recoger datos

conclusiones y analizarlos

5
Población y muestra
 Población (‘population’) es el conjunto sobre el que estamos
interesados en obtener conclusiones (hacer inferencia).
 Normalmente es demasiado grande para poder abarcarlo.

 Muestra (‘sample’) es un subconjunto suyo al que tenemos

acceso y sobre el que realmente hacemos las observaciones
(mediciones)
 Debería ser “representativo”
 Esta formado por miembros “seleccionados” de la población
(individuos, unidades experimentales).

6
 Variables
 Una variable es una característica observable que varía entre los diferentes
individuos de una población. La información que disponemos de cada individuo
es resumida en variables.

 En los individuos de la población chilena, de uno a

otro es variable:

 El grupo sanguíneo
 {A, B, AB, O}  Var. Cualitativa
 Su nivel de felicidad “declarado”
 {Deprimido, Ni fu ni fa, Muy Feliz}  Var. Ordinal
 El número de hijos
 {0,1,2,3,...}  Var. Numérica discreta
 La altura
 {1’62 ; 1’74; ...}  Var. Numérica continua

7
Tipos de variables
 Cualitativas
Si sus valores (modalidades) no se pueden asociar naturalmente a un
número (no se pueden hacer operaciones algebraicas con ellos)

 Nominales: Si sus valores no se pueden ordenar

 Sexo, Grupo Sanguíneo, Religión, Nacionalidad, Fumar (Sí/No)

 Ordinales: Si sus valores se pueden ordenar

 Mejoría a un tratamiento, Grado de satisfacción, Intensidad del dolor

 Cuantitativas o Numéricas
Si sus valores son numéricos (tiene sentido hacer operaciones
algebraicas con ellos)

 Discretas: Si toma valores enteros

 Número de hijos, Número de cigarrillos, Num. de “cumpleaños”

 Continuas: Si entre dos valores, son posibles infinitos valores intermedios.

 Altura, Presión intraocular, Dosis de medicamento administrado, edad
8
 Los posibles valores de una variable suelen denominarse modalidades.

 Las modalidades pueden agruparse en clases (intervalos)

 Edades:
 Menos de 20 años, de 20 a 50 años, más de 50 años
 Hijos:
 Menos de 3 hijos, De 3 a 5, 6 o más hijos

 Las modalidades/clases deben forman un sistema exhaustivo y

excluyente
 Exhaustivo: No podemos olvidar ningún posible valor de la variable
 Mal: ¿Cuál es su color del pelo: (Rubio, Moreno)?
 Bien: ¿Cuál es su grupo sanguíneo?
 Excluyente: Nadie puede presentar dos valores
simultáneos de la variable
 Estudio sobre el ocio
 Mal: De los siguientes, qué le gusta: (deporte, cine)
 Bien: Le gusta el deporte: (Sí, No)
 Bien: Le gusta el cine: (Sí, No)
 Mal: Cuántos hijos tiene: (Ninguno, Menos de 5, Más de 2)

9
Presentación ordenada de datos
7

6
Género Frec. 5

Hombre 4 4

2
Mujer 6 1

0
Hombre Mujer

 Las tablas de frecuencias y las representaciones

gráficas son dos maneras equivalentes de presentar la
información. Las dos exponen ordenadamente la
información recogida en una muestra.

10
 Tablas de frecuencia
 Exponen la información recogida en la muestra, de forma que no se pierda nada de
información (o poca).

 Frecuencias absolutas: Contabilizan el número de individuos de cada modalidad

 Frecuencias relativas (porcentajes): Idem, pero dividido por el total

 Frecuencias acumuladas: Sólo tienen sentido para variables ordinales y numéricas

 Muy útiles para calcular cuantiles (ver más adelante)
 ¿Qué porcentaje de individuos tiene menos de 3 hijos? Sol: 83,8
 ¿Entre 4 y 6 hijos? Soluc 1ª: 8,4%+3,6%+1,6%= 13,6%. Soluc 2ª: 97,3% - 83,8% = 13,5%

Sexo del encuestado

Número de hijos
Porcentaje
Porcentaje Porcentaje
Frecuencia Porcentaje válido
Frecuencia Porcentaje válido acumulado
Válidos Hombre 636 41,9 41,9
Válidos 0 419 27,6 27,8 27,8
Mujer 881 58,1 58,1
1 255 16,8 16,9 44,7
Total 1517 100,0 100,0
2 375 24,7 24,9 69,5
3 215 14,2 14,2 83,8
Nivel de felicidad
4 127 8,4 8,4 92,2
Porcentaje Porcentaje 5 54 3,6 3,6 95,8
Frecuencia Porcentaje válido acumulado 6 24 1,6 1,6 97,3
Válidos Muy feliz 467 30,8 31,1 31,1
7 23 1,5 1,5 98,9
Bastante feliz 872 57,5 58,0 89,0
Ocho o más 17 1,1 1,1 100,0
No demasiado feliz 165 10,9 11,0 100,0
Total 1509 99,5 100,0
Total 1504 99,1 100,0
Perdidos No contesta
Perdidos No contesta 8 ,5
13 ,9
Total 1517 100,0 Total 1517 100,0

11
Datos desordenados y ordenados en tablas
 Variable: Género Género Frec. Frec. relat.
 Modalidades: porcentaje
 H = Hombre Hombre 4 4/10=0,4=40%
 M = Mujer Mujer 6 6/10=0,6=60%

10=tamaño
muestral
 Muestra:

MHHMMHMMMH

 equivale a
HHHH MMMMMM

12
 Ejemplo
 ¿Cuántos individuos tienen Número de hijos
menos de 2 hijos?
 frec. indiv. sin hijos Porcent. Porcent.
+ Frec. (válido) acum.
frec. indiv. con 1 hijo 0 419 27,8 27,8
= 419 + 255 1 255 16,9 44,7
= 674 individuos 2 375 24,9 69,5 ≥50%
3 215 14,2 83,8
 ¿Qué porcentaje de individuos 4 127 8,4 92,2
tiene 6 hijos o menos? 5 54 3,6 95,8
 97,3%
6 24 1,6 97,3
7 23 1,5 98,9
 ¿Qué cantidad de hijos es tal Ocho+ 17 1,1 100,0
que al menos el 50% de la
población tiene una cantidad Total 1509 100,0
inferior o igual?
 2 hijos

13
 Gráficos para v. cualitativas
 Diagramas de barras
 Alturas proporcionales a las frecuencias (abs. o
rel.)
 Se pueden aplicar también a variables discretas

 Diagramas de sectores (tartas, polares)

 No usarlo con variables ordinales.
 El área de cada sector es proporcional a su
frecuencia (abs. o rel.)

 Pictogramas
 Fáciles de entender.
 El área de cada modalidad debe ser proporcional a
la frecuencia. ¿De los dos, cuál es incorrecto?.

Bioestadística. U. Málaga. 14
Gráficos diferenciales para variables numéricas 419
400 375

 Son diferentes en función de que las

300

255

Recuento
215

variables sean discretas o continuas. 200

127

Valen con frec. absolutas o relativas. 100

54
24 23
 Diagramas barras para v. discretas
17

0 1 2 3 4 5 6 7 Ocho o más

 Se deja un hueco entre barras para indicar Número de hijos

los valores que no son posibles

250

 Histogramas para v. continuas

200

Recuento
 El área que hay bajo el histograma entre 150

dos puntos cualesquiera indica la cantidad 100

(porcentaje o frecuencia) de individuos en 50

el intervalo.
20 40 60 80

Edad del encuestado

15
¿Qué hemos visto?
 Definición de estadística
 Población
 Muestra
 Variables
 Cualitativas
 Numéricas
 Presentación ordenada de datos
 Tablas de frecuencias
 absolutas
 relativas
 acumuladas
 Representaciones gráficas
 Cualitativas
 Numéricas
 Diferenciales

16