BASE ANDAT2 Descript De Var Cuantitativas1
DE VARIABLES CUANTITATIVAS
© 3datos® 2011
Números con unidad de medida
Variables CUANTITATIVAS
(con un instrumento, o procedimiento, de medición formal)
Ej.: Tasa cardiaca; Presión arterial; Fiebre (temp. corp.); Índice Tobillo/Brazo; IMC; Número de plaquetas;
Nivel de Fetuína; LDL-Colesterol; HDL-Colesterol; Troponina; Mioglobina; CPK; Glucemia; EdadMenopausia,
Número de Hijos; Tiempo de Hospitalización, de Recidiba, de Superviviencia; … …; Glasgow; Barthel;…
ANÁLISIS DESCRIPTIVO
1º
EXPLORACIÓN
de datos “outliers”
Su objetivo es comprobar si existen en la variable valores extraños
(anómalos, atípicos) fuera del rango habitual en la población de estudio
2º
3º
Estudio de la FORMA
de la variable
Descriptiva de la
CENTRALIDAD y laVARIABILIDAD
Gráfico: diagrama de caja y bigotes (box-plot)
Su objetivo es comprobar si la variable sigue, o no, el modelo de la
distribución NORMAL de la Campana de Gauss
Índices descriptivos de ASIMETRÍA y CURTOSIS
Prueba (inferencial) de bondad de ajuste al modelo normal
Su objetivo es explicar las características (el “ ¿cómo son? ”) de
los sujetos en la variable medida
CENTRALIDAD: media;mediana
VARIABILIDAD: desviación típica (estandar); amplitud semiintercuartil
Exploración de “outliers” (diagrama box-plot = caja y bigotes)
Bigote superior.
Se desplaza en función de la variabilidad
hasta +3 d.t., por encima de la media.
Llega hasta los percentiles 98-99, aprox.
La CAJA contiene al 50% central de
los casos. Por ello el límite superior
es el percentil 75 y el inferior el 25.La línea central más oscura es la
mediana.
P75
Md
P25
Bigote inferior.
Se desplaza en función de la variabilidad
hasta −3 d.t., por debajo de la media.
Alcanza entre los percentiles 1-2, aprox.
Ejemplo, resuelto con IBM-SPSS.19
220
220
34
200
Presión arterial sistólica
211
Sujetos
OUTLIERS
211
200
180
160
Casos
OUTLIERS
Presión arterial sistólica
34
180
160
140
140
120
120100
Lo más adecuado es
definirlos como
valores perdidos
100
Varón
Mujer
Sexo
Estudio de la forma: ajuste al modelo normal
La distribución “normal” es un fenómeno
natural que permite asociar probabilidades
a cada valor de una variable cuantitativa
Es importante determinar si una
variable cuantitativa sigue, o no, un
modelo de CURVA NORMAL
La distribución normal de la variable es,frecuentemente, una condición necesaria para la
utilización de bastante técnicas paramétricas especialmente de contraste de hipótesis
Análisis estadístico
Herramientas DESCRIPTIVAS
Procedimiento INFERENCIAL
Índice de
Índice de
Test de K-S (Kolmogorov-Smirnov)
ASIMETRÍA
CURTOSIS
de bondad de ajuste
Generan, cada uno de ellos, un valor numérico que se
interpreta bajo ciertas reglas (ver siguientediapositiva)
Genera, un valor de p de significación en función del
cual, se toma la decisión de aceptar o rechazar que
la variable no difiere significativamente del modelo
normal
Índice de
Grado de desviación de la “igualdad de distancias” entre puntos con respecto al valor central (la mediana)
ASIMETRÍA
Asimetría
Negativa
Tendencia
Asimetría Neg.
−1
−,500
Simétricas
0
Tendencia
AsimetríaPos.
+,500
Asimetría
Positiva
+1
Simetría
perfecta
Mayoría de casos en los
valores altos de la variable
Índice de
Mayoría de casos en los
valores bajos de la variable
Altura de la curva hasta el eje de abscisas, medida en el valor central (la mediana).
NO confundir con la altura máxima.
CURTOSIS
Tendencia
Platicúrtica
Platicúrtica
−1
Curvas bajas y muy anchas
Tendencia
LeptocúrticaMesocúrtica
−,500
0
+,500
Leptocúrtica
+1
Curvas estrechas
y muy elevadas
Test de K-S (Kolmogorov-Smirnov)
de bondad de ajuste
Técnica inferencial de tipo no-paramétrico, cuyo objetivo es contrastar la hipótesis de
que una variable cuantitativa se acomoda el modelo de una distribución normal
Hipótesis Nula: La variable se distribuye según el modelo de la normal
Hipótesis Alternativa: La...
Regístrate para leer el documento completo.