Brainscape's Knowledge GenomeTM

Browse over 1 million classes created by top students, professors, publishers, and experts.


See full index

Estadística/Epidemiología > Estadística > Flashcards

Estadística Flashcards

1
Q

Variable cuantitativa discreta vs. contínua

A
  • Contínua: glucemia

- Discreta: nº de episodios de asma

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

Variable cualitativa dicotómica, no dicotómica, ordinal

A
  • Nominal-Dicotómica: sexo
  • Nominal-No dicotómica: raza
  • Ordinal: nivel socioeconómico, escala de glasgow
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

Uso de mediana en

A

Muestra no-homogénea, asimétrica, atípica

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

Medidas de centralización

A

Media, mediana, moda

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
5
Q

Desviación media

A

suma de diferencias respecto a la media y división entre nº de individuos (valores absolutos, no negativos)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

Varianza

A

suma de cuadrados de diferencias respecto a la media y división entre nº de individuos (no hace falta en valores absolutos, el cuadrado lo elimina)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
7
Q

Desviación típica o estandar

A

Raiz cuadrado de la varianza (±)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

Rango o recorrido

A

Medida de dispersión que utiliza el 1º y último datos (los menos representativos)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

Medida de centralización y dispersión: en distribución homogénea

A
  • Medida de centralización: media

- Dispersión: desviación estandar

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

Medida de centralización y dispersión: en distribución asimétrica

A
  • Medida de centralización: mediana

- Dispersión: rango intercuartílico

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

Coeficiente de variación

A

Relaciona la desviación típica con la muestra de la que procede (dividiendose con la media) para así poder compararla con otras variabilidades de otras muestras. Es adimensional

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

Dispersión concentrada vs. dispersión excesiva

A

En muestras biológicas:

  • D. cocentrada: si la desviación típica no excede el 1/3 de la media
  • D. excesiva: si la desviación típica es mayor que la mitad de la media
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q

Distribución normal: entre ±1 desviación estandar %?, entre ±2 %?, entre 1 y 2 %?

A
  • 1: 68%
  • 2: 95%
  • 1 y 2: 27% (95-68)
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

En una distribución normal, qué % es mayor que la moda?

A

50%

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q

Percentil

A

Parámetro de posición que divide la muestra en 100 partes iguales. Ejemplo: percentil 80, 80kg

  • El 80% de las observaciones tendrá 80kg o menos (incluye)
  • El 20% tendrá más de 80 kg
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

Equivalencia a percentil 50

A

Mediana

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
17
Q

Por qué se usa la mediana en muestras heterogéneas/sesgada/asimétrica

A

Por que elimina los valores extremos

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
18
Q

Parámetros que definen una muestra

A

Tamaño, medida de tendencia central y dispersión

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
19
Q

La probabilidad de error se expresa cuando

A

Hablamos de población y no de muestra (conocemos a todos los individuos de la muestra)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
20
Q

Calcular intervalo de confianza (IC)

A

A partir de la media, desviación típica y nº individuos de la muestra:

  • IC 95% (p<0,01) = X ±3 (DS/√n-1)
  • en realidad es 2,57
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
21
Q

Calcular intervalo muestral del 95% partiendo de media muestral e IC poblacional

A

Intervalo muestral 95% (cuánta gente de la muestra está en el 95% central): X ±2 (xDS)

  • X lo tenemos de la muestra; **DS se saca a partir de la fórmula de IC poblacional:
  • IC 95% (p<0,05) = X ±2 (DS/√n-1)

ej: 196-204 = 200 ± (DS/√n-1); para seguir elegiremos los límites superiores [204=200+2 (DS/√n-1)] o inferiores [196=200-2(DS/√n-1)]
=DS=20
Intervalo 95% muestra: X±2(xDS), 200±40

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
22
Q

La precisión de la inferencia estadística depende de

A

El tamaño muestral

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
23
Q

Error estandar de la media; fórmula y qué pasa si aumentamos muestra 4 veces?

A

EEM=DS/√n

-EEM se reduce a la mitad (sólo se puede inferir con nº, el DS depende de la variable)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
24
Q

Si un intervalo de confianza es demasiado amplio y queremos ganar precisión (reducirlo)

A

Ampliaremos tamaño muestral

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
25
Q

Hipotesis nula (H0)

A

Los dos grupos son iguales y las pequeñas diferencias se deben al alzar (muestreo)
*variabilidad por trabajar con una muestra y no con toda la población

26
Q

Contraste de hipótesis

A

Si las diferencias entre grupos se deben al azar (no se rechaza H0) o si la probabilidad que se deba al azar es muy pequeño (se rechaza H0, aceptamos H1 ≈son grupos distintos)
*nunca estaremos completamente seguros de que las diferencias NO se deban al azar

27
Q

Grado de significación (“p”)

A

Probabilidad que la diferencia obtenia se deba al azar

-cuánto estamos dispuestos a aceptar (cuanto más pequeño, más significativo, mejor) =error tipo 1 o alfa

28
Q

Error tipo 1 o alfa

A

Probabilidad de que la diferencia encontrada se deba al azar =p (que rechacemos H0, pero en realidad las diferencias encontradas se debían al muestreo)

29
Q

Error tipo 2 o beta

A

Probabilidad de que la diferencia encontrada NO se deba al azar (probabilidad de aceptar la hipotesis nula cuando es falsa)

30
Q

NIvel mínimo exigido del grado de significación en estadística

A

5%

31
Q

Rechazo H0 (muestra) + existen diferencias (población)

A

√ (1-beta) =PODER ESTADÍSTICO O POTENCIA DEL TEST

32
Q

No rechazo H0 (muestra) + existen diferencias (población)

A

Error tipo 2 o beta (posible reducción, aumentando tamaño muestral)

33
Q

Rechazo H0 (muestra) + no existen diferencias (población)

A

Error tipo 1 o alfa

=Grado de significación (probabilidad de que la diferencia obtenida sea debida al azar)

34
Q

No rechazo H0 (muestra) + no existen diferencias (población)

A

√ (1-alfa)

35
Q

Potencia o poder estadístico

A

Capacidad de demostrar diferencias
-Complementario a Error tipo II (1-Beta): si al hacer un estudio aceptamos un error 2 del 10%, la prob. de demostrar diferencias si las hubiera: 90%

36
Q

Si en un estudio, sale p=0,4

A
  • No es significativo
  • No se puede rechazar H0
  • Es posible que se haya cometido error tipo 2; quizá aumentando tamaño muestral los resultados sería significativos
37
Q

Poder estadístico mínimo con el que se debe afrontar un ensayo

A

80% (probabilidad de que haya diferencias y que no se deban al azar, rechazar H0) 1-Beta, complementario de error II, (prob, no rechazar H0, habiendo diferencias)

38
Q

Alfa (Azar =H0 cierta)

A

No diferencias (Azar =Alfa =H0 cierta)

  • No rechazar H0: (1-alfa)
  • Rechazar H0: error I o alfa
39
Q

Beta (Diferencias =H0 no cierta)

A

Difeferencias (H0 falsa)

  • Rechazar H0: Potencia o poder estadístico (1-Beta)
  • No rechazar H0: error II o beta
40
Q

Que no sea estadísicamente significativo no significa que

A

No haya diferencias. Pero sería atribuíbles al azar. Quizá aumentando el tamaño muestral podría llegar a ser estadísticamente significativo

41
Q

Nivel crítico

A

“p” a partir de la cual vamos a considerar nuestros resultados significativos

42
Q

Cuando se quiere ser muy preciso a la hora de aceptar o no un nuevo tratamiento: muchos efectos 2ºs

A

Estableceremos error alfa/tipo 1, nivel crítico, muy pequeño (que la diferencia debida al azar fuera casi no se pudiera dar)

43
Q

2 ensayos con p distinta (p=0,001 y p=0,04)

A
  • Los dos son significativos

- La diferencia en p no indica mayor o menor eficacia: la eficacia la dan los resultados del ensayo

44
Q

Fármaco A ictus 10%, placebo 40% (p<0,04)

-Cuál es más eficaz?

A

-La p no indica mayor/menor eficacia: los resultados del ensayo sí:
-RAR: Reducción absoluta de riesgo:
·A vs Placebo: RAR 40-10=30% (reduce en 30% el riesgo)
·B vs Placebo: RAR 50-2=48% (reduce en 48% el riesgo)

45
Q

RAR (reducción absoluta de riesgo): fórmula

A

RAR =Riesgo A-Riesgo B

*A mayor RAR, más eficaz

46
Q

Cuali x Cuali

A

Chi cuadrado [ap: Mc Nemar]

47
Q

Cuanti Dicotómica x Cuali

A

T student [ap: T student para apareados]

48
Q

Cuanti No-dicotómica x Cuali

A

Anova, análisis de varianza [ap: anova para medidas repetidas]

49
Q

Cuanti x cuanti

A

1-Coeficiente de correlación de Pearson si hay correlación entre una variable y la otra (-1 a 1; 0 no hay correlación)
1-Análisis de regresión (ecuación lineal y=A+Bx); se hará si hay una correlación fuerte (-0,7 o +0,7)

50
Q

Coeficiente de correlación de Pearson (r)

A

-1: cuando aumenta una la otra disminuye (-0,7 fuerte)
+1: cuando una aumenta, la otra también (+0,7 fuerte)
0: no hay relación lineal
*cuanto más se acerque a -1 o 1, más correlación
**Cuando la correlación sea fuerte, podrá hacerse un test de regresión lineal y=a+bx

51
Q

Datos apareados

A

Medición de variable en la misma muestra pero en tiempos distintos

52
Q

Pruebas no-paramétricas

A
  • Cuando el tamaño muestral es pequeño (n<30)
  • Cuando V1 y/o V2 sea variable ordinal
  • Menos potente que las paramétricas (normales); y pueden usarse independientemente que sigan distribución normal (indispensable en paramétricas), binomial…
53
Q

No paramétricos

-Cuali x cuali

A
  • Test exacto de Fisher

* chi-cuadrado [ap: Mc Nemar]

54
Q

No paramétricos

-Cuali dicotómica x cuantitativa

A
  • Wilckonxon o U mann-Withney [ap: Wilckonxon]

* t student [t student apareados]

55
Q

No paramétricos

-Cuali No-dicotómica xcuantitativa

A
  • Kruskal-Wallis [Friedman]

* Anova análisis varianzas [ap: Anova pra medidas repetidas]

56
Q

No paramétricos

-Cuanti x cuanti

A
  • Rho Spearman

- Tau Kendall

57
Q

Variable cualitativa ordinal (escala de Glasgow)

A

Equivale a una CUANTITATIVA <30: no paramétrico

  • si no-dicotómica: Kruskal-Wallis
  • si dicotómica: Wilckonxon
58
Q

TTT: Un estudiante usa Wilconson cuando se hace hombre

A

T student/T student apareados: Wilckonxon o U mann-Withney

59
Q

Calidad x2: Chi cuadrado: mac donals, mejor comer pescado

A

Chi cuadrado/Mc nemar: Test exacto de Fishcher

60
Q

No-dico: a donde vas, adonde vas? donde esta, walli

A

Anova, anova, Kruskal-Wallis

Estadística/Epidemiología (5 decks)

Brainscape helps you reach your goals faster, through stronger study habits.
© 2025 Bold Learning Solutions. Terms and Conditions