• Breve01
• Breve02
• ComoPresentarEstadistica

El artículo es: http://heapro.oxfordjournals.org/cgi/reprint/19/4/428.pdf

Trata sobre factores asociados al consumo de tabaco en adolescentes. Fijáos especialmente en cómo controlan el efecto de una variable que les puede dar muchos problemas en el análisis: La edad en los adolescentes. ¡No es lo mismo tener 13 años que 15!
En vez de usar una aproximación mutivariante, usan un método seguro y fácil de interpretar: Estratifican los resultados por edades.

Además es interesante ver que la variable numérica a comparar no es una “variable cualquiera”… Se obtiene “automágicamente” a partir de las respuestas a un cuestionario por un proceso que se llama análisis factorial. Os haré una pequeña introducción en la próxima clase.

Tampoco está mal echarle un vistazo a este artículo [fuente wiley-interscience] donde se tratan de pasada los problemas del tamaño muestral, la falta de aleatorización y su corrección mediante la introducción de variables de control y su correspondiente análisis multivariante.

Después descargad este vídeo para ver cómo se usa. si no podéis reproducirlo, probad a bajar VIDEOLAN. O bien podéis verlo dentro del mismo navegador en este enlace.

Aviso de Pablo Davó: La herramienta zotero se instala en un sitio bastante extraño en Office 2007. La encontraréis en la pestaña del “ribbon” titulada “complementos” (fijáos en la captura de pantalla).

Si queréis la versión un poquitín más ampliada, bajad estos documentos:

• Primera sesión: Introducción a la descriptiva y la inferencia.
• Pruebas t-student de muestras independientes.
• Pruebas ANOVA de un factor
• Pruebas chi-cuadrado
• Regresión múltiple [Corregido el enlace]
• Regresión logística

• Justificación de por qué la distribución normal ocupa un lugar privilegiado en estadística.
• Se introduce un concepto que suele ser confusos como error típico, y que se suele confundir con desviacion típica. Estad atentos, a la diferencia, pues tienen que ver, pero no son lo mismo.
• Muestra la importancia que tiene el tamaño de muestra en la precisión de una estimación.
• Introduce los intervalos de confianza.

He comprobado que se ha perdido parte del material que tenía preparado, así que en los próximos dias espero rehacer parte de él.

Este trata sobre el uso de la tabla de la distribución normal tipificada para hacer cálculos de probabilidad sobre cualquier otra distribución normal. La idea consiste en que puesto que todas las distribuciones normales son similares (salvo una traslación y cambio de escala), con saber calcular las probabilidades en una de ellas debería ser suficiente…

¿Y qué destribución más sencilla para aprender que aquella que tiene media cero y desviación uno?

Siento el inconveniente en empezar con una hora de retraso con repecto al horario previsto.

• Usar Mozilla Firefox como navegador web. Sigue el enlace para descargarlo, en caso de que no lo tengas.
• Instalar el complemento (plugin) ZOTERO. Para ello debes ir al enlace indicado y elegir la versión que prefieras (1.0.x) o (1.5 Sync preview). La última no está tan sólidamente probada, pero ofrece algunas ventajas (como la sincronización de bibliografías) entre diferentes ordenadores, que tal vez os haga valer la pena correr el riesgo.
• Instalar el complemento para MS Word de Zotero. Para ello debes ir a este enlace si has elegido en el paso anterior instalar la versión 1.0.x, o este otro enlace si has elegido la versión 1.5 sync preview.

En prácticas anteriores hemos visto cómo usar referencias internas (denominado referencias cruzadas) a partes del documento que nosotros mismos estabamos elaborando. En este caso el vídeo muestra una introducción a Zotero, que nos permitirá hacer referencias bibliográficas, es decir, referencias a documentos externos (que forman parte de otros documentos).

La práctica, como viene siendo habitual la haremos en el aula de informática de la Facultad de Filosofía y letras. Será el martes 15/12/08 a partir de las 17:00.

• Portada,
• Índices,
• Capítulos,
• Anexos,
• …

Cada uno usa un diseño de página diferente tanto en numeración como en encabezados, pie de página o incluso orientación del papel.

Aunque lo que vamos a hacer no es muy complicado, sí que resulta difícil arreglar cualquier error, pues una buena parte de la configuración del documento está basado en marcas no visibles, así que cualquier error resulta difícil de descubrir. Hay que dar cada paso con mucho cuidado.

Para sacarle provecho a la práctica, vedla una primera vez para sacar una idea general, y una segunda vez para recordar cual es el proceso. Para aquellos que tengáis dificultad tendremos el seminario el martes 9 de diciembre de 2008 en el aula de informática del decanato de la Facultad de Filosofía y Letras.

Plano de localización

Adjunto tenéis el fichero en word original sobre el que se trabajará: quidquid-latine-dictum-sit.doc

Cuando la variable es numérica necesitamos conocer:

• La variabilidad (desviación típica) presente en cada grupo, o al menos una estimación de ella. Para ello nos ayudaremos de publicaciones anteriores, o de muestras piloto.
• La diferencia (mínima) que creemos que existe entre ambos grupos, y que nos gustaría ser capaces de detectar con nuestro estudio.

Después nos iremos a la página de Russell Lenth para calcular el tamaño de muestra necesario. En este caso se trata de usar la opción “Two sample t-test“.

El resto es una cuestión de jugar con la potencia (probabilidad de que si nuestra hipótesis de que existe un efecto real es cierta declaremos el contraste significativo) para ver qué consecuencias tiene en el tamaño muestral.

Cuando la variable es dicotómica, (Sí/No) normalmente nuestro interés será comparar diferencias de porcentajes de éxitos entre 2 grupos. Para ello elegiremos la opción “Test comparing two proportions“. Aquí sólo hay que ajustar dos parámetros (p1 y p2) que indican las proporciones que pensamos que existen en las poblaciones reales. La diferencia entre ambas proporciones nos indica la magnitud (mínima) del efecto que estamos interesados en detectar.

En principio si tengo una variable dependiente, su varianza es una medida de la incertudimbre que tenemos sobre sus valores al sacar a un individuo al azar.

Si el modelo de regresión es adecuado, debería ocurrir que al elegir a un individuo, si conocemos su valor de la variable independiente (X), la incertidumbre sobre su valor de Y disminuya. El porcentaje de disminución de esta incertidumbre (varianza) es precisamente la que se suele considerar como la medida de la bondad de un ajuste.

Cuando la distribución de los datos no presenta colas (los datos se distribuyen más o menos uniformemente en un intervalo) le corresponde un estadístico de curtosis con valor negativo.

Si la distribución presenta colas elevadas (lo que al representarse gráfiamente se suele ver como una zona central muy apuntada) le corresponde una curtosis de valor positivo.

Los valores de curtosis compatibles con la normalidad son los cercanos a cero.

Siendo la desviación normal muy importante en estadística, nos interesa describir las desviaciones de la normalidad. La distribución normal es simétrica, por tanto la asimetría es una indicación de falta de normalidad.

• Rango: Distancia entre las observaciones mayor y menor.
• Rango intercuartílico. Distancia entre los percentiles 25 y 75. Es como el rango, pero ignorando a las observaciones más extrañas, y quedándonos solamente con el 50% central de la distribución.
• Desviación típica: Algo complicada de medir a primera vista, pero muy práctica en distribuciones aproximadamente normales, gracias a la “regla empírica” (el 95% de los datos se encuentran a menos de dos desviaciones típicas del centro).
• Coeficiente de variación: Es la desviación típica, pero expresada de una forma ligeramente diferente. Nos indica cómo de grande es la desviación con respecto a la media.
• Varianza: Es el cuadrado de la desviación típica. No se usa mucho fuera del entorno matemático.

En datos normales preferimos usar la desviación típica (acompañada por la media) para describir una muestra. En cualquier otro caso se suele mostrar el rango intercuartílico y/o el rango.

El que se usa con mayor frecuencia es la media, aunque es preferible usar la mediana cuando los datos presentan observaciones anómalas o distribución asimétrica. La media muestral es el estadístico preferido cuando se utiliza como estimador de la media poblacional.

La moda no es de uso muy frecuente.

• Dividir a la población en conjuntos con número similar de individuos
• Localizar observaciones muy bajas (o muy altas)

Los estadísticos los podemos dividir en varias categorías: posición (percentiles), centralización (media, mediana y moda), dispersión y forma (asimetría y curtosis).