Para entrar a la Red de Textoconferencias (IRC) de Uninet:

• Puede utilizar cualquier programa cliente de IRC, conectando con el servidor irc.uninet.edu, canal #curso
• Si no dispone de programa cliente, aquí puede descargar un programa mIRC, especialmente preparado para entrar a la Red. Tiene licencia de prueba durante unos días (shareware)
• Mediante una página web (webchat) siguiendo este enlace: clic aqui. Tendrá que esperar unos minutos, y aceptarlo, si el navegador le pregunte si da su autorización.

Textoconferencia del 13 de Diciembre de 2005

Session Start: Wed Nov 30 17:14:36 2005 Start of #curso buffer: Tue Dec 13 19:07:23 2005
[17:13] * MJPereda (pepe@193.146.180.45) has joined #curso
[17:14] (IsabelCub> Hola
[17:15] (santiago> muy buenas, bienvenida
[17:26] (MJPereda> Buenas tardes empezamos el curso de esta tarde
[17:26] (MJPereda> habeis podido leer l documentación?
[17:27] (santiago> parcialmente
[17:27] (beatriz> no
[17:27] (MJPereda> empezamos con poblacion y muestra
[17:28] (MJPereda> seguimos con el protocolo del estudio. Ayer en el apartado de material vimos las variables que ibamos a medir
[17:28] (MJPereda> y hoy nos planteamos a quien vamos a estudiar y a cuantos
[17:29] (MJPereda> TEMA 3
[17:29] (MJPereda> Población es el conjunto de individuos, generalmente inaccesibles, del que se pretende obtener una serie de
[17:29] (MJPereda> conclusiones, pero que no puede ser estudiado en su totalidad. Es, sin embargo el objetivo ultimo de nuestros
[17:29] (MJPereda> trabajos.
[17:29] (MJPereda> Muestra. Es el conjunto menor de individuos, accesible y limitado, sobre el que se realiza el experimento con
[17:29] (MJPereda> idea de obtener conclusiones generalizadas a la población. Debe ser un modelo, reducido pero representativo
[17:29] (MJPereda> de la población de la cual procede. Ha de ser una fotografía fiel de ella, para que los resultados puedan ser
[17:29] (MJPereda> después inferidos a al población
[17:30] (MJPereda> Individuo: Es cada uno de los componentes de la población y de la muestra: un enfermo, un niño, un fármaco,
[17:30] (MJPereda> un hematíe.
[17:30] (MJPereda> Al número de individuos que forman la muestra se llama tamaño, efectivo, numero de observaciones o
[17:30] (MJPereda> componentes de la misma y lo representaremos siempre con la letra n
[17:30] (MJPereda> cual era vuestra poblacion en alguntrabajo que hayais realizado
[17:31] (yanet> ratas
[17:31] (beatriz> enfermos
[17:31] (MJPereda> bien esta puede ser vuestra población pero estudiaste tods las ratas
[17:31] (yanet> no
[17:32] (MJPereda> la pobalcion es aquella a la que se quieren extrapolar los resultados pero al final estudiamos un grupo de esa poblacion eye
[17:32] (MJPereda> esa es la muestra
[17:32] (yanet> que quiere decir eye
[17:33] (MJPereda> me he confundido queria decir esa
[17:33] (yanet> vale
[17:33] (Alic> hola
[17:33] (Alic> hola a todos
[17:34] (yanet> hola
[17:34] (bego> hola alic
[17:34] (MJPereda> si quiero hacer un estudio de hipertensión los hipertensos totales sera la población pero al final estudiare una muestra de esos hipertensos, lo queme interesa es seleccionar una muestra de forma adcuada para que pueda generalizar los resultados a
[17:34] (Lara> Hola
[17:35] (MJPereda> mi población
[17:35] (yanet> si
[17:35] (belen> hola
[17:35] (bego> hola belen
[17:35] (MJPereda> si se cuantos individuos necesito
[17:36] (MJPereda> ahora me tengo que plantear como los selecciono
[17:36] (Alic> bien
[17:36] (MJPereda> lo adecuado es realizar una seleccion de forma aleatoria donde todo los individuos
[17:37] (MJPereda> hyan tenido la misma posibilidad departicipar ene le estudio
[17:37] (MJPereda> comento los metodos de muestreo
[17:37] (MJPereda> TECNICAS DE MUESTREO
[17:37] (MJPereda> La selección de los sujetos se realiza utilizando las técnicas de muestreo, estas engloban un conjunto de
[17:37] (MJPereda> procedimientos para elegir y observar una parte de la población, denominada muestra, con objeto de obtener
[17:37] (MJPereda> conclusiones sobre diversas características de la población total.
[17:37] (MJPereda> MUESTREO PROBABILISTICO
[17:37] (MJPereda> Se define como el proceso en el que todos los individuos (unidades de muestreo) tienen una probabilidad
[17:38] (MJPereda> conocida, distinta de cero, de ser incluidos en la muestra. Utiliza alguna forma de selección aleatoria para
[17:38] (MJPereda> obtener las unidades que serán estudiadas. De esta forma se tiene una mayor confianza de asegurar que la
[17:38] (MJPereda> muestra sea representativa.
[17:38] (MJPereda> - Muestreo aleatorio simple -
[17:38] (MJPereda> Es aquella técnica en la que cada unidad de muestreo de la población tiene la misma probabilidad de
[17:38] (MJPereda> ser elegida. El primer paso es preparar un listado de las unidades de muestreo, numerándolas, por ejemplo,
[17:38] (MJPereda> secuencial mente. A continuación se calcula el tamaño de la muestra y, por ultimo se seleccionan las unidades
[17:38] (MJPereda> necesarias mediante un sistema como el de las tablas de números aleatorios.
[17:38] (MJPereda> Se dispone de todos los individuos antes de empezar el análisis, por ejemplo, todos los pacientes de 20 a 44
[17:38] (MJPereda> años admitidos en el hospital con úlcera péptica perforada en los últimos 20 meses. Suponga que tenemos una
[17:38] (MJPereda> población de tamaño 150, y queremos tomar una muestra de tamaño 5. Elija cualquier fila y columna en la
[17:39] (MJPereda> teneis las tablas que pusimos ayer
[17:39] (IsabelCub> si
[17:39] (Lara> Si
[17:39] (MJPereda> coger la ultima de numeros aleatorios
[17:39] (Alic> vale
[17:40] (MJPereda> la ultima columna para que sigais con el ejemplo
[17:40] (MJPereda> tabla de números aleatorios(Tabla F, Apéndice), digamos la última columna de 5 dígitos. Lea sólo los primeros
[17:40] (MJPereda> 3 dígitos y baje la columna empezando con la primera fila. Así tenemos los números 265, 881, 722, etc. Si un
[17:40] (MJPereda> número aparece entre 001 y 150 entonces se incluye en nuestra muestra. Así, en orden, en la muestra
[17:40] (MJPereda> estarán los sujetos numerados 24, 59, 107, 73 y 65. Si es necesario se puede bajar la siguiente columna a la
[17:40] (MJPereda> izquierda hasta que se seleccione la muestra completa. Una muestra así elegida se denomina muestra
[17:40] (MJPereda> aleatoria. La palabra "aleatoria" (random) no describe la muestra como tal sino la forma en la cual se ha seleccionado.
[17:40] (MJPereda> Es preferible utilizar la taba de números aleatorios, a tomar cada paciente alternado o cada 5 personas, o
[17:41] (MJPereda> lo habeis entendido
[17:41] (bego> si
[17:41] (Alic> si
[17:41] (IsabelCub> si
[17:41] (gemma> si
[17:42] (MJPereda> actuar según otro plan regular. La regularidad del plan puede coincidir ocasionalmente por azar con alguna
[17:42] (MJPereda> regularidad no prevista en la presentación del material de estudio -por ejemplo, realizar la citación hospitalaria
[17:42] (MJPereda> a pacientes a los cuales se les realizan ciertas practicas ciertos días de la semana y coincidir la regularidad con el día que mas presión existe.
[17:42] (Lara> Ok
[17:42] (MJPereda> - Muestreo estratificado -
[17:42] (MJPereda> Como la susceptibilidad a la enfermedad generalmente varía en relación a la edad, sexo, ocupación, historia
[17:42] (MJPereda> familiar, exposición al riesgo, estado de inoculación, y muchos otros factores genéticos o ambientales, es
[17:42] (MJPereda> conveniente examinar si las muestras son, comparables en estos aspectos.
[17:42] (MJPereda> El proceso aleatorio de selección está dirigido a asegurar la representación de la muestra aunque, algunas
[17:42] (MJPereda> veces, el azar puede conducir a disparidades. Para evitar esta posibilidad el muestreo puede ser estratificado.
[17:42] (MJPereda> Se caracteriza porque la población se divide en dos o más estratos, es decir, subgrupos de población que
[17:42] (MJPereda> comparten alguna característica en común y son excluyentes.
[17:43] (MJPereda> Para ello se debe establecer inicialmente los criterios según los cuales se va a realizar la estratificación. A
[17:43] (MJPereda> partir de estos criterios los pacientes u objetos del estudio, en una muestra aleatoria, se asignan a los
[17:43] (MJPereda> compartimentos establecidos. Por ejemplo, el criterio puede ser el sexo y la edad, primero se realizará una
[17:43] (MJPereda> primera división entre hombres y mujeres y posteriormente una segunda división, de cinco grupos de edad,
[17:43] (MJPereda> dentro de cada una de estas categorías, el resultado será un marco con diez compartimentos.
[17:43] (MJPereda> Con esto controlamos los posibles sesgos debidos ciertas variables. Por ejm conocemos que la demanda de los
[17:43] (MJPereda> servicios esta relacionado con la edad; si queremos realizar una encuesta para conocer la satisfacción de la
[17:43] (MJPereda> población debemos controlar el factor edad y asegurarnos la presencia de usuarios de todos los estratos de edad.
[17:43] (MJPereda> Es importante tener en cuenta que las distribuciones de las categorías en dos muestras ajustadas según estos criterios, para que pueden ser realmente comparables, deben reflejar la distribución de estas categorías en la población de la cual se ha extraído la muestra. Por ejemplo, se pueden considerar igual número para las categorías hombre y mujer, pero los hombres y las mujeres pueden no ser igualmente numerosos en la población general, y sus proporciones rel
[17:43] (MJPereda> Si se tiene en cuenta la distribución poblacional y se realiza la asignación dentro de cada estrato de forma aleatoria, este método es conocido como muestreo aleatorio estratificado.
[17:43] (MJPereda> - Muestreo aleatorio sistemático. -
[17:44] (MJPereda> dudas del estratificado
[17:45] (MJPereda> consiste en hacer estratos contolando aquellas variables que nos puedan confundir
[17:45] (Alic> no
[17:45] (MJPereda> seguimos
[17:45] (MJPereda> Muestreo aleatorio estratificado
[17:45] (IsabelCub> aqui los estratos serina hombres y mujeres?
[17:46] (MJPereda> si y despues otros estratos por edad
[17:46] (Alic> bien si
[17:47] (IsabelCub> vale
[17:47] (MJPereda> el sistematico
[17:47] (MJPereda> Por ejemplo, si de un conjunto de 200 unidades hay que seleccionar 40, la constante de muestreo será 5 (200/40), lo que significa que se escogerá a uno de cada cinco individuos. El primer individuo se elige al azar entre los números del uno al cinco. Si el elegido fuera el 2, el siguiente seria el 7 (2+k), después el 12, el 17 y así hasta conseguir los 40 individuos necesarios.
[17:48] (yanet> si
[17:48] (santiago> entendemos que la constante de muestreo es k
[17:48] (MJPereda> si
[17:49] (MJPereda> junto con el aleatorio son los mas utilizados cuando se quiere realizar estudios basados en las historias clinicas
[17:50] (MJPereda> Muestreo en etapas múltiples
[17:50] (MJPereda> Esta técnica consiste en seleccionar unidades de muestreo de una población (unidades primarias), procediéndose
[17:50] (MJPereda> a obtener, en una segunda, una muestra de cada una de las unidades primarias (unidades secundarias).
[17:50] (MJPereda> Se utiliza cuando la población es muy grande y esta muy dispersa, como en el caso de la población escolar de un país o una
[17:50] (MJPereda> gran ciudad. Si se quiere hacer un estudio sobre alimentación en escolares, una manera de seleccionar la muestra sería
[17:50] (MJPereda> elegir al azar escuelas (unidades primarias) y dentro de cada centro una muestra de niños (unidades secundarias).
[17:50] (MJPereda> Randomización por bloques
[17:50] (Alic> ok
[17:50] (MJPereda> alguna duda de este?
[17:51] (IsabelCub> no
[17:51] (MJPereda> seguimos Randomización por bloques
[17:51] (MJPereda> Otro uso de las tablas de números aleatorios es para aleatorizar la distribución de tratamientos de pacientes en un
[17:51] (MJPereda> ensayo clínico. Este método nos asegura que no hay sesgo en la distribución del tratamiento y, a la larga, los sujetos de
[17:51] (MJPereda> cada grupo de tratamiento son comparables en factores pronósticos conocidos y desconocidos.
[17:51] (MJPereda> El método a utilizar es el de randomización por bloques, que asegura que a intervalos regulares, haya igual número en los
[17:51] (MJPereda> dos grupos. Los tamaños habituales para los bloques suele ser dos, cuatro, seis, ocho y diez. Suponga que elegimos un
[17:51] (MJPereda> bloque de tamaño diez. Un método sencillo, es elegir los primeros cinco dígitos únicos en cualquier fila usando la Tabla F
[17:52] (MJPereda> (Apéndice). Si elegimos la primera fila, los primeros cinco dígitos son 3,5, 6, 8 y 4. Así colocaremos los sujetos tercero,
[17:52] (MJPereda> cuarto, quinto, sexo y octavo al tratamiento uno y el primero, segundo, séptimo, noveno y décimo para el tratamiento dos.
[17:52] (MJPereda> lo habeis visto?
[17:53] (Alic> si
[17:53] (MJPereda> bien
[17:53] (MJPereda> Si el tamaño del bloque fuera menor de diez, ignoraremos los dígitos mayores que el tamaño del bloque. Para colocar más
[17:53] (Vanessa> no
[17:53] (MJPereda> sujetos al grupo tratamiento uno, seguiremos a lo largo de la misma fila, eligiendo los siguientes cinco dígitos únicos para el
[17:53] (santiago> el problema que se puede suscitar es la elección de un colegio solo para un determinado sexo y dentro de él que coincida un segundo bloque de elección ó unidad secundaria que sea por ejemplo el equipo de baloncesto, y si pretendemos estudiar la altura e la muestra nos puede dar un sesgo
[17:53] (belen> no hemos encontrado la tabla F en nuestros anexo, podemos utilizar otra?
[17:54] (MJPereda> Vanesa has mirado la tabla
[17:54] (Vanessa> vale
[17:54] (MJPereda> es la tabla ultima de numeros aleatorios de las tabals que hay colgado
[17:55] (yanet> entonces es la tabla D
[17:55] (MJPereda> en la primera fila tienes el 3 luego el 5 despues el 3 pero ya no l coges por
[17:55] (MJPereda> que lo hsa tomado, luego el 6 el 8 otra vez el 6
[17:55] (MJPereda> , el 5 y por fin uno diferente el 5 lo veis
[17:56] (MJPereda> perdon el 4
[17:56] (Marta> no lo encontramos
[17:56] (Vanessa> no encuentro la tabala F
[17:56] (Lara> yo tampoco
[17:56] (MJPereda> no teneis la tabla f de numeros aleatorios es alultima
[17:57] (yanet> no
[17:57] (MJPereda> antes cuando he explicado el metod aleatorio me habeis diho que si
[17:57] (Vanessa> yo tampoco
[17:57] (Vanessa> no, yo aún la buscaba
[17:58] (MJPereda> que tablas teneis numerarlas
[17:58] (belen> seguimos sin encontrarla, llegamos a la página 5, tabla d
[17:58] (yanet> tenemos las 1, B,C, yD
[17:58] (MJPereda> y no la f
[17:58] (Vanessa> no
[17:58] (yanet> NO
[17:59] (OscarBas> no
[17:59] (MJPereda> vamos ver si no esta lo siento
[18:00] (MJPereda> es cierto no esta lo siento pasamosa otro y mañana lo pongo
[18:00] (Vanessa> vale
[18:00] (MJPereda> como es el ultimo probabilistico lo repasaremso mañana
[18:00] (yanet> si
[18:01] (Lara> vale
[18:04] (MJPereda> MUESTREO NO PROBABILISTICO
[18:04] (MJPereda> En el muestreo no probabiístico, las unidades se escogen utilizando métodos en los que no interviene el azar. Se
[18:04] (MJPereda> desconoce la probabilidad que posee cada unidad de ser incluida en la muestra.
[18:04] (MJPereda> Muestra de "conveniencia".
[18:04] (MJPereda> Podemos seleccionar una muestra y esta muestra ser el conjunto de los sujetos que están disponibles para participar en el
[18:04] (MJPereda> estudio. Esto es una muestra de "conveniencia". Este método de muestreo, exige que para poder realizar generalizaciones
[18:04] (MJPereda> válidas y defender que nuestra muestra es de alguna manera representativa de la población, el primer paso que hay que
[18:04] (MJPereda> realizar es un informe describiendo la muestra, digamos por edad, sexo y estatus de la enfermedad, para que otros lectores
[18:04] (MJPereda> puedan decidir si es representativa o no del tipo de pacientes que ellos se encuentran.
[18:04] (MJPereda> Desviación estándar y error estándar
[18:04] (MJPereda> ¿Cuándo debo usar una desviación estándar para describir datos y cuándo usar un error estándar?
[18:05] (MJPereda> pasamos a repasar cuando utilizar una desviacon estandar o un error estandar para revisar los intervalos
[18:05] (MJPereda> Es un error común intentar y usar el error estándar para describir datos. Habitualmente se hace porque el error
[18:05] (MJPereda> estándar es pequeño, y así el estudio parece más preciso. Si el propósito es Describir los datos (por ejemplo de manera que
[18:05] (MJPereda> se pueda ver si los pacientes son típicos) y si los datos son Normales, entonces se debería usar la Desviación estándar
[18:06] (Vanessa> la desviación cuando t refieres a una muestra y el error a la población?
[18:06] (MJPereda> (nemotecnia D por Descripción y D por Desviación). Si el propósito es describir el resultado de un estudio, por ejemplo para
[18:06] (MJPereda> Estimar la prevalencia de una enfermedad, o la media de altura de un grupo, entonces se deberá usar un Error estándar
[18:06] (MJPereda> (o, mejor, un intervalo de confianza; ver (Capítulo 4) (nemotecnia E por Estimación y E por Error).
[18:06] (MJPereda> la desviación estandar se utiliza cuando vas a describir
[18:06] (MJPereda> sin mas solo descripciónç
[18:07] (MJPereda> pero cuando vas a estimar y calcular por ejemplo intervalos debes utilizar el error estandar
[18:08] (MJPereda> lo teneis claro ya que ahora vamos a revisar los intervalos y debeis apliacar el error estandar en os intervalos de confianza no lo
[18:09] (MJPereda> TEMA 4
[18:09] (MJPereda> En la documentación de ayer habréis visto que cuando un conjunto de observaciones tiene una Distribución Normal, hay
[18:09] (MJPereda> múltiplos de la desviación estándar que marcan ciertos límites en la nube de puntos de las observaciones.
[18:09] (MJPereda> Por ejemplo, 1,96 (o aproximadamente 2) desviaciones estándar por arriba y 1,96 desviaciones estándar por debajo de la
[18:09] (MJPereda> media ((1,96 DE), marcan los puntos dentro de los cuales caen el 95% de las observaciones.
[18:09] (MJPereda> Este 95% es la zona de seguridad, la zona de la no diferencia o de la normalidad. Conociendo la media y la desviación
[18:09] (MJPereda> estándar disponemos de información respecto a la variabilidad del carácter que se mide. Pero la pregunta es si repetimos el
[18:10] (MJPereda> experimento o el estudio tenemos la seguridad de obtener los mismos resultados?. Ante la pregunta de un enfermo de que
[18:10] (MJPereda> posibilidad tengo de curarme con X tratamiento, nos arriesgaríamos a dar un porcentaje puntual de curación?
[18:10] (MJPereda> La variabilidad biológica, que mañana daría unos resultados diferentes, confiere escaso valor al porcentaje puntual. Quien
[18:10] (MJPereda> investiga sobre un tumor o cierta patología ginecológica, está obligado a estudiar los cancerosos de los que dispone o unas
[18:10] (MJPereda> cuantas mujeres. Si embargo normalmente lo que pretendemos es obtener conclusiones acerca del cáncer o de la población
[18:10] (MJPereda> femenina. Con toda seguridad tendremos que trabajar con muestras; y sabemos también que con toda seguridad al repetir el
[18:10] (MJPereda> experimento vamos a obtener resultados diferentes. El métodos Estadístico consigue extrapolar a poblaciones los resultados
[18:10] (MJPereda> obtenidos en muestras, pero pagando una perdida de precisión, de tal forma que ya no podemos asegurar resultados
[18:10] (MJPereda> puntuales sino de intervalos en los cuales contada seguridad encontraremos el parámetro de la población.
[18:10] (MJPereda> Son los intervalos de confianza y los intervalos de probabilidad. Pero además debemos de conocer la probabilidad de
[18:10] (MJPereda> equivocarnos y de que el valor escape de los límites del intervalo. Por tanto necesitaríamos presentar tres valores (el
[18:10] (MJPereda> obtenido en al muestra, el intervalo en el que supuestamente encontraremos el parámetro de la población y la probabilidad
[18:11] (MJPereda> de que aun con todo escape de el (p<0,005), entonces estaremos hablando de los cancerosos y de la población femenina,
[18:11] (MJPereda> por encima de los enfermos de nuestro trabajo.
[18:11] (MJPereda> volverlo a leer
[18:12] (VAnessa> podrías ir más despacio
[18:12] (MJPereda> puedo volverlo a explicar
[18:13] (Lara> mejor
[18:13] (IsabelCub> si por favor
[18:13] (VAnessa> vale
[18:13] (Eternauta> bien
[18:13] (belen> gracias
[18:14] (MJPereda> si un paciente os pregunta que probabilidad tiene de curarse os atreveriaisa a asegurar un porcentaje de curación
[18:14] (belen> no
[18:14] (Lara> no
[18:14] (VAnessa> asegurar no
[18:14] (MJPereda> por que
[18:14] (VAnessa> porque hay muchas variables
[18:14] (MJPereda> por la variabilidad biologica
[18:14] (santiago> son múltiples las variables a tener en cuenta
[18:15] (MJPereda> entonces al tranbajar con muestras perdemos seguridad y nos movemso en un intervalo de confianza
[18:16] (MJPereda> es el intervalo de seguridad donde con seguridad encontraremos
[18:16] (Eternauta> si muchas
[18:16] (MJPereda> el valor
[18:16] (belen> vale
[18:16] (MJPereda> cuando os llegan los resultados de ls analiticas
[18:16] (MJPereda> llega un valo pero allado llega un intervalo o no
[18:17] (MJPereda> lo siento
[18:17] (Lara> si
[18:17] (VAnessa> hasta ahí bien
[18:17] (IsabelCub> si
[18:17] (MJPereda> cual es el valor por ejemplo el colesterol normal
[18:17] (belen> un intervalo
[18:17] (MJPereda> cual
[18:18] (OscarBas> 90-200 por ejemplo
[18:18] (MJPereda> 100-220
[18:18] (MJPereda> bien
[18:18] (Eternauta> pues hay varios es un rango
[18:18] (MJPereda> entonces que quiere decir si el paciente tiene 120 es normal o no
[18:18] (Lara> si
[18:19] (OscarBas> lo han subido ultimamente para que haya menos hipercolesterolemia
[18:19] (VAnessa> según el paciente
[18:19] (MJPereda> y si tiene 225
[18:19] (MJPereda> se sale o no del intervalo
[18:19] (santiago> que se encuentra entre los parámetros límite y por tanto se considera dentro de la normalidad
[18:19] (belen> se sale
[18:20] (MJPereda> bien ese 100-220 son los limites establecidos en el laboratorio de primaria como donde encontraremos
[18:20] (MJPereda> los valores del colesterol normal en el 95% de la población
[18:20] (santiago> supongo que depende del presupuesto disponible para cubrir el contingente de hipercolesterolémicos
[18:20] (MJPereda> bueno aparte
[18:21] (MJPereda> la economia tien una base estadistica muy importante
[18:21] (VAnessa> bueno, entonces
[18:21] (MJPereda> se ha entendido lo que es un intervalo
[18:21] (VAnessa> si
[18:22] (belen> si
[18:22] (Lara> ahora si
[18:22] (OscarBas> si
[18:22] (MJPereda> son aquellos valores entre los qu
[18:22] (MJPereda> que encontraremos al 95% de los valores normales si es un intervalo de normalidad
[18:23] (MJPereda> Nuna deis un valor puntual en un estudio ni en una comunicación
[18:23] (VAnessa> ok
[18:23] (Eternauta> osea hay que dar un rango
[18:23] (MJPereda> no os la aceptarian pues es poco cientifico
[18:23] (MJPereda> siempre
[18:24] (MJPereda> por que nadie te asegura al trabajar con muestras que al repetir el experimento te vuelva
[18:24] (MJPereda> a salir el mismo resultado
[18:24] (Eternauta> vale
[18:24] (MJPereda> y como siempre trabajamos con muestraas SIEMPREdebeis
[18:25] (MJPereda> dar los resultados con su intervalo de confianza confianza asi como el tamaño de la muestra
[18:26] (MJPereda> INTERVALO DE PROBABILIDAD
[18:26] (MJPereda> Es aquel intervalo que abarca las proporciones observadas en la mayor parte de las muestras. Tiene una
[18:26] (MJPereda> probabilidad 1-a (grande) de contener las proporciones observadas en muestras de tamaño n extraídas al azar de una
[18:26] (MJPereda> población con una proporción p conocida.
[18:26] (MJPereda> El valor de a asociado a dicho intervalo indica la probabilidad de que las proporciones observadas estén fuera de él; por lo
[18:26] (MJPereda> tanto deberá cumplir la condición de ser pequeño. En estadística, por convenio, se considera que una probabilidad es
[18:26] (MJPereda> elevada si su valor es igual o superior a 0,95.
[18:26] (MJPereda> La formula del intervalo de probabilidad es:
[18:27] (MJPereda> Intervalo: IP= p más-menos 1,96 * v p *(1- p)/n
[18:28] (MJPereda> la formula quiere decir p (pocentaje)mas menos raiza cuadrad de p*su complementario y dividido entre el tamaño de la muestra
[18:28] (santiago> por que ha de ser pequeño el intervalo?
[18:28] (VAnessa> lo q tiene q sewr pequeño es a
[18:28] (MJPereda> cuando mas pequeño sea el intervalo mas te asegura que los avlores son homogeneos
[18:29] (MJPereda> y estan alrrededor del valor central
[18:30] (MJPereda> sigo con un ejemplo
[18:30] (MJPereda> IP = X más-menos 1,96 *DS
[18:30] (MJPereda> Desvio: e=1,96 v p *(1- p)/n
[18:30] (MJPereda> Tamaño muestra: n =1,962 p *(1- p)/ e2
[18:30] (MJPereda> Como veis conociendo el parámetro (la proporción) y el desvío a considerar podemos obtener el tamaño de la muestra.
[18:30] (MJPereda> Ej Queremos realizar un estudio de prevalencia de diabéticos en un centro de salud. El consenso no dice que el porcentaje
[18:30] (MJPereda> de diabéticos por encima de 14 años es de un 7% y consideramos un desvío adecuado de un 2%. Y la población es de 3496
[18:30] (MJPereda> con esta formula podeis calcular el tamañño de la muestra
[18:30] (MJPereda> habitantes. Entre que intervalo esperamos encontrar el porcentaje de diabéticos de la Zona Básica de Salud?
[18:30] (MJPereda> 0,07 más-menos 1,96 * v 0,07*0,93/3496
[18:31] (MJPereda> 0,07 más-menos 1,96 * 0,0043
[18:31] (MJPereda> 0,07 más-menos 0.0085 = 6,15% - 7,85%
[18:31] (MJPereda> Entre esos dos valores esperamos encontrar el porcentaje de diabéticos en nuestra zona básica con un 5% de riesgo de
[18:31] (MJPereda> equivocarnos
[18:32] (MJPereda> dudas?
[18:32] (santiago> es una lástima que no puedas hacer el planteamiento de un modo gráfico
[18:32] (MJPereda> lo importante no es que sepais hacer la formula por que eso lo da el programa
[18:33] (VAnessa> el 1'962 q es?
[18:33] (MJPereda> lo que importa es que sepais interpretarl
[18:34] (IsabelCub> pon algun ejemplo
[18:34] (MJPereda> es el valor del estadistico Z para un 95% de probabilidad o de confianza y un riesgo de equivocarte de un5%
[18:34] (VAnessa> vale
[18:35] (MJPereda> Para establecer los intervalos que aparecen en ls analiticas los laboratorios han realizado infinitas mediciones en la poblacion normal
[18:36] (MJPereda> con esas mediciones han elaborado unos intervalos a partir de la formula
[18:36] (MJPereda> que he puesto y que teneis en vuestra documentacion
[18:37] (MJPereda> bien eses interval elaborado a partir de una media o de un porcentaje en la poblacion es el intervalo de probabilidad
[18:38] (MJPereda> y hay es donde nos die que con un 95% de seguridad si tenemos cifras normales de colesterol vamos a encontarnos
[18:38] (MJPereda> entre 100 y 220
[18:38] (MJPereda> es decir el intrvalo de probabilidad permite predecir el valor del estidstico en la muestra
[18:38] (IsabelCub> vale
[18:39] (MJPereda> interval de probabilidad son los que elaboramos a partir de los parametros en la poblacion
[18:39] (MJPereda> como veis probabilidad, poblacion, para metro y predicción
[18:40] (MJPereda> casi nunca calculamos los intervalos de probabilidad pues casi siempre desconocemos los parametros en lapoblacion
[18:40] (MJPereda> lo que nos interesa es a partir de los valores
[18:41] (MJPereda> encontrados en la muestra estimar entre que dos valores encontraremos el parametro de l apoblacion y eso
[18:41] (MJPereda> nos lo calcula el intervalo de confianza
[18:41] (VAnessa> vale
[18:42] (MJPereda> por eso siempre en todos los articulos que reviseis vereis que utilizndo la media
[18:42] (MJPereda> o el porcentaje encontrado en la muestra
[18:42] (MJPereda> se calcula un intervallo donde presumiblemente encontraremos el parametro de la población
[18:42] (Eternauta> vale
[18:43] (VAnessa> vale
[18:43] (MJPereda> que en realidad es lo que nos interesa
[18:43] (VAnessa> vale
[18:43] (IsabelCub> si
[18:43] (Lara> ok
[18:44] (MJPereda> Bueno pues a partir de esos intervalos podeis calcular el tamaño de la muestra
[18:44] (MJPereda> que es lo siguiente a palntear
[18:44] (Bea> vale
[18:44] (MJPereda> pongo la formul a escrita pues la teneis en la documantación
[18:45] (MJPereda> partimos de que conocemos la proporcion de usuarios vacunados del tetanos
[18:45] (MJPereda> y hemos realizado una campaña de vacunacion
[18:46] (MJPereda> y queremso medir si hemos incrementado realmente la cobertura
[18:46] (MJPereda> proprcion de vacunados= 20%
[18:47] (MJPereda> la p por tanto es un 20%
[18:48] (MJPereda> l aformula del intrvalo era p mas /menos 1,96 por la raiz cuadrada de p por su complementario en esta caso 80%
[18:48] (MJPereda> y dividido por n (tamaño de muestra)
[18:49] (MJPereda> me seguis?
[18:49] (yanet> si
[18:49] (santiago> si
[18:49] (belen> si
[18:49] (Marta> si
[18:49] (Lara> si
[18:49] (VAnessa> si
[18:49] (Bea> si
[18:49] (OscarBas> si
[18:49] (pepe> si
[18:49] (MJPereda> la parte a partir del mas /menos se llama desvio y es el desvio que yo estoy dispuesto a sumir,
[18:50] (MJPereda> quiero decir que si yo me he panteado vacunar a un 40% tampoco estaria mal si mi rango va de
[18:50] (VAnessa> y n?
[18:50] (santiago> se establece de antemano?
[18:51] (MJPereda> un45% a un 35 % es decir un desvio de un 5% respecto a lo que me habia planteado
[18:51] (olga> si
[18:51] (Eternauta> si
[18:51] (MJPereda> si eso lo establece el investigador
[18:51] (mario> la muestra
[18:51] (yanet> más /menos (1.96) pudiera ser 2
[18:51] (VAnessa> gracias mario
[18:52] (MJPereda> si pero tambien lo dbes de multiplicar por la raiza cuadrada de lo que sigue
[18:52] (yanet> si todo lo demás idem
[18:53] (MJPereda> buenos pues el desvio es decir 5% seria igual a 1,96 por la raiz cuadrada de p * su complementaria y
[18:53] (MJPereda> dividido entre n
[18:53] (yanet> ok
[18:53] (VAnessa> vale
[18:53] (Bea> ah vale
[18:53] (Eternauta> bien
[18:53] (MJPereda> por tanto si conozco el desvio, conozco p y su complementario puedo despejar n y calcular el tamaño de la muestra
[18:54] (MJPereda> queda claro?
[18:54] (Lara> si
[18:54] (IsabelCub> mas o menos
[18:54] (OscarBas> si
[18:54] (pepe> si
[18:54] (yanet> si
[18:54] (MJPereda> no lo vais calcular por que so lo hace el paquete estaistico
[18:54] (Bea> si
[18:55] (Eternauta> vale
[18:55] (MJPereda> pero debeis de saber que la informacion que necesitais para el tamaño
[18:55] (MJPereda> de la muestra es el desvio qu estais dispuestos a sumir, y el p o l amedia si es variable cuantitativa
[18:55] (VAnessa> sólo necesitas el desvio y p entonces
[18:56] (MJPereda> para las variables cualitativas si
[18:56] (yanet> mejor .cual es el paquete estad y como accedemos a el
[18:56] (Eternauta> una pregunta todo estudio debe tener una muestra bajo este procedimiento?
[18:56] (MJPereda> en las cuantitativas la desviacion estandar
[18:56] (MJPereda> si
[18:57] (MJPereda> el calculo lo realiza automaticamente el paquete si le metes la informacion
[18:57] (MJPereda> a veces te pide el tamaño de la población
[18:58] (MJPereda> pero no siempre se dispone de ella entonces por defecto te pone 99999
[18:58] (VAnessa> pero no lo sabes
[18:58] (Eternauta> si la muestra es mayor a la que te dice la formula es mejor?
[18:58] (yanet> ¿cual paquete estadistico?
[18:58] (MJPereda> cuanto mas aumentes el tamaño de la muestra mas se acerca a la poblacion y por tanto disminuyes el
[18:58] (MJPereda> riesgo
[18:59] (MJPereda> pero hay que contrastarlo con las posibilidades dell estudio o la disponibilidad de los individuos
[18:59] (Eternauta> vale
[19:00] (MJPereda> normalmente una muestra calculada con un 95% de confianza(Z=1,96) da suficuente seguridad
[19:00] (IsabelCub> yanet, el programa de tu ordenador de estadística
[19:00] (MJPereda> teneis varios para calcular el tamaño de la muestra, el EPINFO por ejm
[19:01] (Eternauta> yo se del SPSS
[19:01] (MJPereda> pero como veis la formula es facil y si no siempre habra alguien en la uNidad de investigacion para
[19:01] (MJPereda> esos menesteres
[19:01] (yanet> gracias
[19:02] (MJPereda> lo importante es que sepais realizar la interpretacion, que valores debo introducir
[19:02] (MJPereda> que desvio puedo considerar [19:02] (yanet> vae
[19:02] (MJPereda> que tamaño puedo assumir sin tener riesgos
[19:03] (MJPereda> siempre como minimo un 95% de confianza
[19:03] (MJPereda> y siempre a la hora de presentar resultados con sus intervalos de confianza
[19:03] (MJPereda> bueno mas dudas o ya estais agotados?
[19:04] (MJPereda> seguimos ?mañana
[19:04] (yanet> estamos
[19:04] (VAnessa> vale
[19:04] (beatriz> vale
[19:04] (IsabelCub> vale, mañana...
[19:05] (Lara> casi que mejor
[19:05] (Bea> ok
[19:05] (OscarBas> vale
[19:05] (belen> vale
[19:05] (yanet> mañana aqui,chao
[19:05] (santiago> hasta mañana
[19:05] (MJPereda> gracias por la atención un saludo a todos
[19:05] (yanet> a tí
[19:05] (bego> gracias
[19:05] (beatriz> hasta mañana
[19:05] (OscarBas> adios
[19:05] (Bea> gracias y hasta mañana
[19:05] (VAnessa> ciao
[19:05] (Eternauta> vale
[19:05] (MJPereda> y mañana traere las tablas
[19:05] (Marta> adios
[19:05] (pepe> gracias
[19:05] (IsabelCub> hasta mañana
[19:05] (MJPereda> adios
[19:05] (olga> si
[19:05] (Eternauta> hasta mañana
[19:07] * MJPereda (pepe@193.146.180.45) Quit (Quit)

Hay un panel de discusión, correspondiente a la clase de hoy aquí. Esta relacionado además con una lista de mail, de tal manera que cualquier comentario puede ser leído, además, en el buzon de cada alumno.

Se han suprimido algunas frases del log, sobre todo referentes a entradas y salidas de diferentes personas en el canal durante la presentación

Programa de Doctorado

Cursos

Internet

Paneles de discusión

Alumnos