1.- Introducción a la Estadística en Ciencias de la Salud
1.1.- Introducción al Curso Básico de Estadística en Ciencias de la Salud
Resumen de la Lección
En este curso se exploran dos aplicaciones de la estadística: la estadística descriptiva y la estadística inferencial. La estadística descriptiva se utiliza para resumir los datos, mientras que la inferencial ayuda a generalizar estos resultados a la población de la que se obtuvo la muestra. Ambas usan variables, que son cualidades o cantidades medibles. Según su objetivo, las variables pueden ser dependientes o independientes. Adicionalmente, una variable puede ser cualitativa o cuantitativa, con características distintas para cada caso.
Puntos Clave para Recordar
- La estadística descriptiva se usa para resumir los datos.
- La estadística inferencial se usa para generalizar los resultados a la población.
- Las variables pueden ser dependientes o independientes.
- Las variables pueden ser clasificadas como cualitativas o cuantitativas.
1.2.- Ejemplo estadística descriptiva e inferencial y variables
Resumen de la Lección
En esta lección aprendemos los fundamentos de la estadística descriptiva e inferencial y su aplicación en la investigación científica. Primero, vimos cómo la estadística descriptiva nos ayuda a comprender las características de nuestra muestra. Después, exploramos la estadística inferencial, que nos permite extraer conclusiones y hacer generalizaciones a partir de nuestra muestra hacia la población. También enfatizamos en la importancia de identificar el tipo de variables en nuestra investigación y cómo elegir los gráficos y pruebas estadísticas adecuados. Finalmente, discutimos sobre los conceptos de variables primarias y secundarias en la investigación.
Puntos clave para Recordar
- La estadística descriptiva nos permite comprender las características denuestra muestra.
- La estadística inferencial nos ayuda a hacer generalizaciones de la muestra hacia la población.
- Es crucial identificar el tipo de variables en nuestra investigación para seleccionar las pruebas y gráficos estadísticos adecuados.
- Las variables primarias y secundarias en la investigación tienen diferentes roles y deben ser identificadas adecuadamente.
1.3.- Tipos de variable e instrumentos de medida
Resumen de la Lección
En esta lección, hemos abordado la importancia de clasificar correctamente las variables. Estas pueden ser cuantitativas o cualitativas. Las primeras pueden ser continuas o discretas, y las segundas nominales o ordinales. La clasificación adecuada es crítica para decidir los test estadísticos a emplear. La altura, por ejemplo, es cuantitativa continua por naturaleza, pero puede convertirse en discreta dependiendo de la precisión del instrumento de medida. En situaciones donde los instrumentos miden en saltos no equidistantes, podríamos necesitar transformar una variable cuantitativa a una variable cualitativa ordinal.
Puntos Clave para Recordar
- Las variables se clasifican en cuantitativas o cualitativas, y cada una tiene subtipos específicos.
- La precisión del instrumento de medida puede cambiar la naturaleza de la variable.
- En situaciones con instrumentos que miden en saltos no equidistantes, puede ser necesaria la transformación de variables cuantitativas a cualitativas ordinales.
1.4.- (Excel y Libre Office) Organización de Datos con Hojas de Cálculo
| Descargar Materiales | Descarga Gratuita Libre Office |
Resumen de la Lección
En esta lección, aprenderemos a manejar diferentes programas, tanto de pago como gratuitos, para administrar y analizar datos. Trabajaremos con hojas de cálculo como Microsoft Excel o Libre Office y programas de estadística como SPSS y JASP. También aprenderemos a organizar y limpiar nuestros datos provenientes de diferentes fuentes y a gestionar archivos de datos en diferentes formatos. Finalmente, practicaremos importando y organizando archivos de datos en nuestro software de elección.
Puntos Clave para Recordar
- El manejo de programas de hojas de cálculo y estadística es esencial para la administración de datos.
- Es importante saber organizar y limpiar los datos independientemente de su origen.
- Aprender a manejar archivos de datos en diferentes formatos es crucial para un buen análisis de datos.
- La práctica de importar y organizar datos en un software es un paso importante en el aprendizaje de la gestión de datos.
1.5.- (SPSS, Jasp y Jamovi) Comprobación de Datos e Importación al Software
| Descarga Gratuita Jamovi | Descarga Gratuita Jasp |
Resumen de la Lección
En esta lección, hemos aprendido la importancia de la correcta organización de los datos en filas y columnas, en donde las columnas representan las variables y las filas los casos. Hemos discutido sobre la necesidad de prestar atención a los posibles errores en la entrada de datos, como los puntos en lugar de comas para representar los decimales, y los valores perdidos, que pueden causar problemas al ser interpretados incorrectamente por el software estadístico. Asimismo, hemos subrayado la importancia de asignar un identificador numérico a cada caso para evitar confusiones en caso de trabajar con distintas fuentes de datos. Por último, hemos revisado cómo abrir y corregir los archivos de datos en diferentes programas estadísticos, y destacamos la utilidad de programas como Jamovi y SPSS.
Puntos Clave para Recordar
- La correcta organización de los datos en filas y columnas es crucial para el análisis.
- Los errores en la entrada de datos, como puntos en lugar de comas y los valores perdidos, pueden ser problemáticos en la interpretación estadística.
- Es fundamental asignar un identificador numérico a cada caso para evitar confusiones al trabajar con múltiples fuentes de datos.
- Los programas estadísticos como Jamovi y SPSS son útiles para abrir y corregir archivos de datos.
1.6.- (SPSS, Jasp y Jamovi) Creación y Formato de Variables
Lesson Summary
Esta lección trata sobre cómo trabajar con variables en el software de análisis estadístico SPSS y Jamovi. Se enfoca en la introducción de nuevas variables, su formato, y cómo manejar diferentes tipos de datos, como numéricos, decimales, fechas y textos. El tutorial también explica cómo evitar errores al copiar y pegar datos de otros programas, asegurándose de que los decimales y los miles estén correctamente formateados. Finalmente, se discuten las diferencias entre SPSS y Jamovi en términos de edición de datos y definición de formatos de variables.
Key Points to Remember
- Para introducir una nueva variable en SPSS, ve a la vista de variables e inserta un nombre. Los nombres deben comenzar con una letra.
- SPSS permite asignar diferentes tipos de datos y formatos según la variable. Recuerda que el formato del número puede variar en función de cómo se manejen los decimales y los miles.
- Al importar datos de otros programas a SPSS, asegúrate de que tus decimales y miles estén formateados correctamente. Los decimales pueden tener signos de punto o coma, lo que afectará a la importación de datos.
- En Jamovi, la edición de datos se realiza dentro de la hoja de cálculo, y no puedes definir formatos de variables como en SPSS. Sin embargo, puedes introducir nuevas variables manualmente desde la pestaña de datos.
1.7.- (SPSS, Jasp y Jamovi) Asignación de etiquetas e inclusión de valores perdidos
Resumen de la lección
Esta lección nos enseña el uso y la importancia de las variables, etiquetas y valores en el análisis de datos. Primero, se nos introduce el concepto de variables, las cuales se describen mediante etiquetas para su mejor comprensión. Estas etiquetas también se aplican a los niveles dentro de una variable, a los que se les asigna valores numéricos. El tutorial enfatiza la necesidad de trabajar con valores numéricos al introducir variables categóricas para evitar posibles errores. Se introduce también la idea de valores perdidos, que no se tienen en cuenta en el análisis. Finalmente, se nos informa sobre las propiedades de las columnas, la alineación y la medida que se utilizan para dar formato a los campos y para indicar el tipo de variable, respectivamente.
Puntos clave para recordar
- Las etiquetas ayudan a describir las variables y a entender su propósito.
- Es crucial trabajar con valores numéricos al introducir variables categóricas.
- Los valores perdidos no se toman en cuenta durante el análisis de datos.
- La propiedad 'medida' se utiliza para indicar el tipo de variable.
1.8.- (SPSS, Jasp y Jamovi) Exclusión de valores perdidos por variable o por lista
Resumen de la lección
Esta lección destaca la importancia de manejar con cuidado los valores perdidos en el análisis de datos. Los valores perdidos pueden ser causados por errores durante la transferencia de datos o por instrumentos que producen valores anormales o no aplicables. Los valores perdidos permiten diferenciar entre estas dos situaciones. Los resultados del análisis pueden ser drásticamente afectados si los valores perdidos no se identifican correctamente en el software. El software puede considerar un caso completo como un valor perdido si al menos una variable tiene un valor perdido. Los estudiantes deben ser conscientes de las opciones de exclusión de valores perdidos en el software estadístico, ya sea excluyendo todos los casos en todas las variables con un valor perdido o excluyendo solo los casos para la variable con el valor perdido.
Puntos clave para recordar
- Los valores perdidos pueden surgir por errores en la transferencia de datos o fallos del instrumento de medición.
- Identificar correctamente los valores perdidos en el software es crucial para un análisis preciso.
- El software puede tratar un caso completo como un valor perdido si alguna variable en ese caso tiene un valor perdido.
- Es importante entender las opciones de exclusión de valores perdidos en el software estadístico.
1.9.- (SPSS, JASP, Jamovi) Transformación de variables continuas a categóricas
Resumen de la Lección
Esta lección se centra en la transformación de variables cuantitativas continuas en variables cualitativas. Usamos el ejemplo de la variable "edad", que se transforma en una variable ordinal mediante la agrupación por décadas. Se detalla el proceso de recodificación usando distintos software estadísticos, donde se asignan rangos de valores a categorías. También, se subraya la importancia de etiquetar adecuadamente las nuevas categorías para una interpretación más fácil en futuros análisis.
Puntos Clave para Recordar
- La recodificación permite transformar variables cuantitativas continuas en cualitativas.
- Etiquetar correctamente las categorías facilita la interpretación de los resultados.
- La recodificación debe realizarse de manera ordenada y consciente para evitar conflictos en la progresión de modificación de la variable.
- La transformación de variables es una herramienta útil para el análisis estadístico y puede realizarse con distintos programas de software.