Estadística para Enfermería

Diagrama de rea Polar (a mi me gusta ms Diagrama de la Rosa) de D Florence
Nightingale (1820-1910), Enfermera y Estadstica Ilustre.
ESTADSTICA
Gua Didctica
2 CURSO DEL GRADO DE

E FERMERA
Juan de Dios Luna del Castillo

Estadstico
Bioestadstica. Facultad de Medicina
ndice.
1. Presentacin de la Asignatura................................................................................... 3
2. El profesor. ............................................................................................................... 6
3. Dnde estoy. ............................................................................................................. 7
4. La plataforma Virtual SWAD(*).............................................................................. 7
5. Ficha Personal del Alumno(*).................................................................................. 8
6. Instrucciones para obtener el e-mail universitario(*). .............................................. 8
7. Cmo utilizar eficazmente su correo electrnico(*)................................................. 9
8. Objetivos de la Asignatura. ...................................................................................... 9
9. Competencias Profesionales. .................................................................................. 10
10.
Compromiso del Profesor(*). ............................................................................. 11
11.
Compromiso del Alumno (*).............................................................................. 11
12.
Metodologa Docente. ........................................................................................ 12
13.
La carpeta de Aprendizaje. ................................................................................. 14
14.
Las instrucciones para el envo de la Carpeta de Aprendizaje. .......................... 16
15.
Programa de Teora. ........................................................................................... 16
16.
Programa de Prctica. ......................................................................................... 18
17.
Evaluacin del Alumno. ..................................................................................... 18
18.
Dnde y cuando nos vemos, y para qu. ............................................................ 20
19.
Plan de trabajo de la Asignatura. ........................................................................ 22
20.
Evaluacin del Profesor...................................................................................... 26
21. Gua de Trabajo autnomo de la asignatura. ............................................................ 26
Apndice I....................................................................................................................... 29
Apndice II. .................................................................................................................... 49
Apndice III. ................................................................................................................... 59
Apndice IV.................................................................................................................... 60
Apndice V. .................................................................................................................... 61
Apndice VI.................................................................................................................... 63
1. Presentacin de la Asignatura.
Qu hace una asignatura de Estadstica en un Grado de Enfermera? Esta pregunta
que se la puede o no haber hecho, pero que seguro que ha odo alguna vez, es la pregunta que,
curiosamente, va a marcar nuestra relacin porque aparecer siempre despus del trabajo,
excesivo que requiere, despus de los xitos o de los fracasos en la misma. Por eso gasto la
presentacin de esta Gua Didctica en darles algunas posibles contestaciones que han dado
otras personas o instituciones, incluso yo mismo a tal cuestin.
En primer lugar se podra aducir que la asignatura est ah porque ah la pusieron las
personas que hicieron el Plan de Estudios (La Escuela Universitaria de Ciencias de la Salud de
la Universidad de Granada), pero eso sera una parte de la verdad; porque la asignatura est ah
pues en el Libro Blanco sobre el Grado de Enfermera se recoga que, como en todos los
estudios de Ciencias de la Salud, deba existir una asignatura troncal con contenidos bsicos de
Estadstica. Por tanto primer argumento (de autoridad): Los diseadores de los Planes de
Estudio con suficientes conocimientos y autoridad sobre las competencias que deban tener las
enfermeras para desarrollar sus actividades entendieron que la Estadstica era una pieza ms en
la formacin de ellas. Ahora no se llevan mucho los argumentos de autoridad no se aceptan
sin ms, por eso le voy a dar otro que es mo, es decir no es de autoridad.
La Enfermera es una Ciencia, como usted ya sabe, y mejor que yo, y es una Ciencia que
trabaja con unos fenmenos peculiares (los estudiar usted a fondo a lo largo del Curso) porque
estn rodeados de incertidumbre en sus resultados aunque las condiciones del fenmeno sean
precisamente conocidas. Pues bien la Estadstica es la herramienta especficamente creada para
manejar esos fenmenos, no slo para investigar, profundizar, en esa Ciencia sino para aplicarla
convenientemente. La Enfermera trabaja con muchos datos y la Estadstica es la herramienta
que ayuda a entender, sistematizar y convertir los datos en Informacin. Esa conversin de datos
en informacin es lo que hace, desde mi punto de vista, necesario el estudio de la Estadstica por
parte de las enfermeras. Espero que haya observado que he dicho, varias veces, que la
Enfermera es una Ciencia, mientras que la Estadstica es una herramienta, y as es, porque la
razn de la Estadstica en este Grado es puramente instrumental.
Tengo un montn de razones, ms, las escribi hace ms de 30 aos la OMS y otro
compaero y yo las hemos escrito en, al menos, dos libros y son las que te pongo copiadas y
pegadas aqu:
Cuando el estudiante o el profesional de cualquier Ciencia de la Salud (Medicina,

Odontologa, Enfermera, etc) se enfrenta al estudio del Mtodo Estadstico, lo hace
generalmente con recelo y sin entender la necesidad del mismo. El terreno queda as abonado
para que este se convierta en algo odioso y su estudio se haga de modo rpido y tendente a
obtener la receta que le resuelva su problema. La cosecha es clara: el problema se va a
resolver mal. El abono que mejorar la cosecha es tambin claro: convencer al afectado de la
conveniencia del conocimiento del mtodo estadstico general (Bioestadstica en su campo
particular) y de que el mismo, como toda Ciencia, no se aprende en cuatro horas, sino que
requiere una aproximacin interesada y reposada.
La principal razn de esta necesidad es que las Ciencias de la Salud estn sujetas a
razonamientos de tipo inductivo que van de lo particular a lo general -es decir que pretenden
extender al todo las conclusiones obtenidas en una parte- pues ellas hacen continuamente
afirmaciones acerca de un grupo de individuos habiendo observado en realidad slo una parte de
los mismos. El nico mtodo cientfico adecuado para validar tales extensiones es el Mtodo
Estadstico, pues esa es precisamente la causa de su existencia. Aunque aqu se podra acabar
todo, conviene enumeran otras causas que no son ms que diversas facetas de la anterior:
i) La variabilidad biolgica. Los datos que proporcionan otras ciencias experimentales (como
la Fsica, la Qumica, etc) son cualitativamente distintos a los que proporcionan las Ciencias
de la Salud. En las primeras, la repeticin de los experimentos en condiciones idnticas dan
lugar a idnticos resultados, salvo error de manipulacin del experimentador o el error
inherente al aparato de medida utilizado. As, el tiempo que tarda en caer un objeto desde 1
metro de altura es siempre el mismo (si se mantiene constante el objeto, la posicin, la
densidad del aire, etc). Las Ciencias de la Salud son otro asunto. Aparte de la variabilidad
por causa de la imprecisin del aparato de medida (cronmetro en el ejemplo anterior), las
disciplinas anteriores aaden el problema de la variabilidad biolgica de los sujetos
experimentales: dos seres vivos nunca son iguales, ni un mismo individuo es igual a s
mismo en diferentes etapas de su vida. Aqu los fenmenos son fundamentalmente
impredecibles en sus resultados, y las afirmaciones acerca de ellos slo pueden hacerse en
trminos de posibilidad. La tcnica estadstica es la nica que permite obtener resultados
cientficamente vlidos a partir de datos que son fundamentalmente impredecibles, lo cual
se debe a que es la nica capaz de tener en cuenta la variabilidad obtenida (que es
consustancial con su metodologa).
ii) La cuantificacin en las Ciencias de la Salud. Desde hace bastantes aos las Ciencias de la
Salud se han visto sometidas a un grado creciente de cuantificacin en la informacin
disponible. El tipo de informacin cualitativa clsicamente manejada en este campo (color
de la piel, estado general de nimo del individuo, aspecto de las heridas, etc) ha quedado
postergada a ocupar una posicin menor frente a las nuevas informaciones de tipo
cuantitativo (glucosa, presin sangunea, etc). La Estadstica efecta el tratamiento
adecuado de tales datos cuantitativos, y cuantifica la informacin proporcionada por los
cualitativos, ayudando al profesional de la Salud en la toma de decisiones.
iii) La investigacin en el campo de las Ciencias de la Salud. En toda investigacin
experimental pueden distinguirse las etapas de Diseo, Recopilacin de datos y
Anlisis de los resultados y obtencin de las conclusiones, y en las tres el papel de la
Estadstica resulta ser crucial. En la fase de Diseo porque el mismo debe hacerse de
modo que las afirmaciones que se obtenga sean vlidas para el conjunto de individuos de
inters, y no slo sobre una parte no prevista de ellos. Ms an, una misma experiencia
puede disearse de diversos modos, y siempre hay uno que, siendo menos costoso, origina
una mxima eficacia. Ambos aspectos son controlados por la Estadstica, pero,
desgraciadamente, esta es la fase en la que se acude a ella con menos frecuencia. La fase de
Recopilacin requiere de algn conocimiento acerca de las precauciones a tomar para
obtenerlos y del modo de presentarlos, pero el papel de la Estadstica es menor. La fase de
Anlisis no puede llevarse a cabo sin el mtodo estadstico, el nico capaz de validar las
conclusiones.
En la literatura enfermera suelen encontrarse expresiones tales como segn
nuestra experiencia, a nuestro juicio, en nuestra opinin, los datos parecen mostrar
que,..., en base a las cuales, y apoyados en datos de tipo descriptivo, se extraen
conclusiones pretendidamente cientficas. El dao causado por tal tipo de justificaciones ha
sido apreciable, bastando para ello recordar el gran nmero de nuevos medicamentos o de
tcnicas que, tras una extensin generalizada, caen rpidamente en desuso. Se hubiese
ahorrado mucho esfuerzo y trabajo si el investigador hubiera sometido sus observaciones a
las tcnicas estadsticas apropiadas antes de su publicacin. El reconocimiento de este hecho
ha afianzado y mejorado las tcnicas estadsticas vinculadas a las Ciencias de la Salud (que
con frecuencia ha actuado como motor de desarrollo de aquellas).
Es por ello que las revistas cientficas dedicadas a las Ciencias de la Salud son
cada vez ms exigentes en el diseo, recogida y tratamiento estadstico de los datos, y de ah
la abundancia de descripciones en las que se utilizan conceptos estadsticos. Una lectura
inteligente de las mismas requiere de unos conocimientos bsicos de Estadstica que
permitan la evaluacin crtica de los datos y resultados que presentan (OMS, 1980 y 1982,
OPS, 1983, etc), especialmente cuando hoy da muchos de los profesionales de la Salud se
ven implicados en programas epidemiolgicos, confeccin de estadsticas sanitarias de su
poblacin, ensayos clnicos controlados, realizacin de memorias de actividades
profesionales, etc.
iv) La naturaleza del trabajo clnico. El profesional de la Salud se enfrenta a diario con
preguntas del tipo cul de estas dos enfermedades tiene el paciente?, con qu probabilidad
curar el paciente si se le aplicara este tratamiento?, sobrevivir ms de 5 aos tras el
mismo?, cul de estos dos tratamientos es el mejor? y cunto de mejor es uno que otro?,
cul es el rango de normalidad de este parmetro clnico?, etc. Todas estas preguntas son
de ndole estadstica, y su respuesta rigurosa depende de ella. El clnico suele responderlas
en base a una acumulacin, consciente o no, de informaciones procedentes de sus estudios o
experiencias particulares, pero la misma debe objetivarse a travs de los mtodos
estadsticos adecuados.
v) La perspectiva comunitaria de las Ciencias de la Salud. Cada da est ms extendida la
visin comunitaria del problema de la Salud. El sujeto de la actividad del profesional de la
Salud es, en primera instancia, la comunidad o la poblacin, ms que el individuo, y tal
formulacin implica el conocimiento de las caractersticas de la poblacin y la deteccin del
impacto sobre la comunidad de las diferentes polticas sanitarias. Dado que la poblacin al
completo es inaccesible, la medicin de ambas caractersticas se realiza solo en una parte de
ella por lo que, una vez ms, su extrapolacin a toda la poblacin requiere del mtodo
estadstico.
vi) La Enfermera basada en la evidencia. En los ltimos aos se ha desarrollado la idea de que
la prctica clnica, en sus fases de diagnstico, pronstico y tratamiento, debe estar basada
en la evidencia cientfica existente (Enfermera basada en la evidencia). El fin ltimo de tal
proceder es la determinacin de protocolos de diagnstico, pronstico y tratamiento de un
problema emfermero mediante estudios que lleven a evidencias lo suficientemente fuertes
como para que no quepa gran duda sobre su utilidad. Esta forma de entender la Enfermera,
ms all del debate que produce, est calando en la prctica enfermera y cambiando en las
enfermeras la forma de enfocar los problemas. Para aplicar esta particular metodologa a un
problema especfico hay que seguir los pasos siguientes:
1) Formular de modo preciso la pregunta a responder ligada al problema clnico del paciente
en cuestin;
2) Localizar en la literatura las pruebas cientficas existentes al respecto;
3) Evaluar crticamente tales pruebas, extrayendo las conclusiones;
4) Aplicar estas conclusiones al enfermo y problema en cuestin;
5) Evaluar los resultados de tal aplicacin.
La evidencia cientfica no puede provenir ms que de estudios rigurosamente diseados y
analizados, estudios en los que ya se ha visto que el papel de la Estadstica es crucial. Pero
adems en los pasos 3 y 5 la Estadstica vuelve a jugar un papel decisivo; primero porque la
evaluacin crtica de los artculos es esencialmente una evaluacin del mtodo seguido
para obtener la evidencia, mtodo que es estadstico; segundo porque la evaluacin de los
resultados va de lo particular a lo general, lo que de nuevo requiere del mtodo estadstico.
Se ve pues que el papel de la Estadstica en este movimiento -quizs el ms fuerte cambio
habido en la Enfermera en los ltimos aos- es an ms relevante que en el caso de la
Enfermera clsica.
Todas estas razones avalan la necesidad de que los profesionales de la Salud posean
ciertos conocimientos estadsticos. En palabras de la Organizacin Mundial de la Salud: En
todos los dominios de las Ciencias de la Salud, en su vertiente clnica, administrativa o de la
investigacin, es indispensable conocer los principios estadsticos para comprender bien los
problemas y el profesional de la Salud necesita de los datos estadsticos para tomar decisiones
vlidas .
Dicho todo esto, como presentacin queda algo mucho ms prosaico, y ms cercano
claro, Cmo va a ser esta asignatura? Qu voy a aprender en ella? Contestemos por
partes.
La asignatura va a ser dura y difcil, aunque aqu estoy yo para ayudar, y eso porque: 1)
Requiere un cierto nivel de razonamiento abstracto; 2) Usa un lenguaje especfico que hay que
aprender y manejar con precisin (le llamamos de una forma especial a las cosas y nos
empeamos en que sea as porque creemos que es lo mejor; ahora que lo pienso, lo mismo que
os pasa a las enfermeras) 3) Se expresa en el lenguaje de las Matemticas y eso, para muchas
personas, es sinnimo de frustracin y fracaso. Pues para evitar eso estamos los profesores de
la asignatura para que aprendis y ayudaros a aprender, no para que veis lo que nosotros
sabemos. As que contaris con nuestra gran/enorme/fantstica/descomunal ayuda (mirad a lo
que me comprometo un poquito ms adelante en esta gua).
En esta asignatura se aprende a resolver problemas estadsticos, se aprende a hacer,
tendris que conocer y entender conceptos, y a fondo, pero eso ser para que sepis aplicarlos en
la resolucin de problemas. Nosotros no queremos que sepis que las cosas existen, los mtodos
estadsticos, lo que queremos es que los empleis para resolver los problemas y que los
empleis rigurosamente y sobre todo que sepis leer e interpretar sus resultados, para eso os
vamos a preparar, mejor dicho, os vais a preparar.
2. El profesor.
Me llamo Juan de Dios Luna del Castillo (Juan de Dios, como vuestro patrn) pero
atiendo al nombre de Juan que es una cosa ms prudente y ms cortica. Soy
Matemtico, Estadstico, Doctor en Estadstica por la Universidad de Granada y soy
Catedrtico de Universidad del rea de Estadstica e Investigacin Operativa.
Llevo 36 aos, recin cumplidos, en la Universidad como profesor siempre dando
clases de Estadstica en el campo de Ciencias de la Salud (Medicina, Enfermera,
Odontologa, etc.) y eso me parece muy importante para que se entienda quien soy,
porque he estado dedicado todos estos aos a trabajar con personas como usted con
intereses como los suyos, as que me parece que conozco bien el entorno, aunque cada
ao aprendo muchas cosas de mis alumnos, menos mal que an me dura esa capacidad.
He dado muchos cursos fuera del mbito reglado de la Universidad (empresas,
hospitales, SAS, universidades distintas de la de Granada), por decir un nmero, ms de
100.
De la parte investigadora no quiero ponerme pesado, pero he escrito libros, de
Estadstica, captulos de libros (de Estadstica y de Medicina y de Enfermera), he sido
autor y coautor de artculos de Estadstica, de Medicina, de Enfermera, de Odontologa,
que han sido publicados, en su mayora, en revistas de reconocido prestigio dentro de
cada campo. He participado como IP, Investigador o Estadstico encargado del diseo y
Anlisis en Proyectos de Investigacin de mbito Internacional, Nacional y
Autonmico. No voy a decir nmeros pero de todo esto muchos, lo que me ha llevado a
tener el reconocimiento de mi capacidad investigadora con 4 peldaos de investigacin
que espero que sean 5 este ao. Todo esto lo pongo porque hay otra caracterstica que se
ve de la suma de los dos ltimos apartados: trabajo muchas horas a la semana, no llego
a ser adicto al trabajo, creo, pero me acerco.
Hay una ltima caracterstica ligada al apartado anterior que creo que me define
perfectamente y que cierra el crculo sobre m. Como he dicho antes, una parte muy
importante de mi tarea investigadora se ha hecho colaborando con investigadores de
Ciencias de la Salud y ello porque he dedicado una parte muy grande mi vida a aplicar
la Estadstica a resolver problemas en las Ciencias de la Salud. No soy por tanto un
estadstico terico (aunque, cranme, de esos no hay) sino como dije, pomposamente,
la ltima vez que me examin: Soy un Estadstico que vive en el campo de las Ciencias
de la Salud.
Nada ms, yo creo que se puede resumir quien soy, para uno tenga claro lo que se le
viene encima: Un Estadstico que ha gastado toda su vida enseando y trabajando en el
campo de Ciencias de la Salud. Por si no ha quedado claro, no me defino como

profesor, sino que me defino como estadstico que ensea y que trabaja.
He llegado hasta aqu, no porque esta fuera mi vocacin desde mi ms tierna
infancia, sino porque por azares del destino, ca en un departamento de estadsticos que
me inculcaron esa forma de trabajar, especialmente uno, del que no dir el nombre por
lo que le molesta, pero del que aprend mucha de la Estadstica que s y aprend a
aprender la que he aprendido slo. Uno se hace lo que se hace, siempre, con y por los
otros, aprender eso est entre lo que debis aprender en el grado.
3. Dnde estoy.
Pertenezco al Departamento de Estadstica e I.O. y tengo mi despacho en la
Facultad de Medicina en los locales de Bioestadstica, ahora te describo como llegar a
mi despacho, que no tiene prdida. Hay compaeros que esto lo describen con fotos,
porque una imagen vale ms que mil palabras; pues bien, yo pienso que una palabra
sugiere mil imgenes, as que aqu todo texto, y se acab.
Itinerario para llegar al despacho del Prof Luna:
1) Sitese en la puerta de la Facultad de Medicina, si se separa un poco, podr admirar
un edificio racionalista precioso, yo le tengo mucho cario. Empiece a subir las
escaleras.
2) Entre en la Facultad de Medicina y llegue hasta el primer distribuidor del que parten
dos pasillos, uno a la izquierda y otro a la derecha, enfrente tiene una cristalera y unos
escaleras y a la izquierda y a la derecha tiene las peceras de los bedeles.
3) Tome el pasillo de la izquierda y sgalo hasta que se cruce con un pasillo a la
derecha. En ese cruce ver un ascensor y unas escaleras.
4) Tome el ascensor(lento) hasta el ltimo piso o suba las escaleras (cansadas, pero
usted es joven) hasta que ya no pueda subir ms, es decir hasta el cielo.
5) All, en el cielo, que es dnde estamos nosotros, encontrar una puerta con un cartel
que dice Bioestadstica, entre y siga, suba tres escalones, toque el timbre y pregunte por
el Prof. Luna. Y ya aparecer.
Estoy tambin en la red, mi correo electrnico es [email protected] y lo leo dos
veces al da y contesto los correos como mximo 24 horas ms tarde de recibirlos.
Mi nmero de telfono es 958243536, lo comparto con compaeros as que
habr que preguntar por m. Por favor use el telfono slo cuando sea estrictamente
necesario.
4. La plataforma Virtual SWAD(*).

Como apoyo a la docencia presencial vamos a usar la plataforma SWAD, de manera
que tendr que aprender a usarla si es que no lo sabe ya de otras asignaturas. En
cualquier caso le refrescar el asunto para que no tengas dudas.
Qu es la plataforma SWAD?: Un instrumento para la gestin de la asignatura y la

comunicacin entre profesor y alumnos.
Cmo se accede? Una vez que yo le haya dado de alta (y ya lo he hecho, si usted
est matriculada/o), entre en la direccin http://swad.ugr.es/ Escriba su DNI y una
contrasea (le recomiendo que sea la misma que la del correo electrnico para
que sea ms fcil recordarla). Una vez dentro es necesario elegir la asignatura de
Estadstica para tener acceso a toda la informacin disponible. Si es usted alumna/o
de la Universidad de Granada, puede usar libremente la plataforma SWAD en las
asignaturas en las que haya sido dado de alta por sus profesores. Si no sabe si ha
sido dado de alta en alguna asignatura, pruebe a entrar con su nmero de DNI (sin
puntos ni letra final) sin escribir contrasea la primera vez (el sistema le obligar a
crear una contrasea cuando entre). Si el sistema le permite entrar, usted est dado
de alta en todas las asignaturas que aparezcan en el men "[mis asignaturas]", situado
a la izquierda de la pantalla. Si ya est dado de alta en mi asignatura, pero ha olvidado
su contrasea, pngase en contacto conmigo para que le asigne una nueva.
Antes de entrar en la plataforma, tenga preparado a) una fotografa tamao carnet
digitalizada en jpg y b) su direccin de correo electrnico.
Usted tiene que cumplimentar una ficha personal con sus datos, direccin de correo
ugr. y fotografa.
Si falta algn dato no podr ponerme en contacto con usted.
Esta informacin est copiada y pegada de una Gua Didctica de D. Salvador

Camacho, grandsimo profesor dnde los haya; para no escribir ms esta frase la he
identificado con un asterisco, de manera que cuando lo vea, es que sta idea y este texto
es de l.
5. Ficha Personal del Alumno(*).

Debe usted cumplimentar la ficha que aparece en la plataforma SWAD en el
transcurso de las dos primeras semanas de clase. No olvide incluir su fotografa en el
recuadro correspondiente. Solicite su direccin universitaria de correo electrnico
(correo.ugr.es) y consgnela en la ficha (en esta Gua tiene usted instrucciones acerca de
cmo obtener la cuenta de correo).
6. Instrucciones para obtener el e-mail

universitario(*).
Lo ms comn, est usted ya en segundo del Grado de Enfermera, es que usted
tenga su cuenta de correo universitario y la est usando con soltura, as que si es as,
pase de este apartado al siguiente.
Instrucciones para obtener su cuenta de correo electrnico
1.
2.
3.
4.
5.
6.
7.
Acceda a la pgina inicial de la Universidad de Granada http://www.ugr.es

Haga clic en ACCESO IDENTIFICADO
Seleccione la opcin ALUMNO
Introduzca su DNI y su password (4 dgitos)
En la siguiente pantalla, haga clic en CSIRC (parte inferior)
Haga clic en CORREO ELECTRNICO
Introduzca el login (pamela, ricardo, etc. CON MINSCULAS y no ms de SEIS dgitos). NO
OLVIDE ESTE NOMBRE PORQUE SE LE PEDIR COMO USUARIO PARA ACCEDER
POSTERIORMENTE A WEB MAIL. Evite logins del tipo cacharrito80, muybonita18,
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
cuchicuchi65 y cosas parecidas. Facilitar mucho las cosas si escribe su nombre:

[email protected] El login debe identificarle perfectamente. SI PONE CUALQUIER
TONTERA YA NO LA PODR CAMBIAR (y me causar muchos problemas posteriormente).
Introduzca el password (por ejemplo, dos letras, dos nmeros, dos letras o dos nmeros, dos
letras, dos nmeros, CON MINSCULAS). APUNTE ESTOS DIGITOS PORQUE SON SU
CONTRASEA DE ACCESO A WEBMAIL
Pulse ACEPTAR
Si la cuenta se ha creado correctamente ENHORABUENA
Si la cuenta no se ha creado, tendr que cambiar seguramente el LOGIN. Puede aadir a su
nombre algn nmero o hacerlo ms complicado, por ejemplo pamelx o Joxe o cualquier otro o
incorporar un nmero como pepe10.
Su nueva direccin E-mail universitaria ser ahora, por ejemplo, [email protected]
Al cabo de unas horas su direccin E-mail estar activa. Para usarla:
Vaya a la pgina inicial de la Universidad
Pulse en Webmail (parte inferior derecha de la pantalla)
Pulse en ALUMNO
Introduzca su usuario (p.e. pepe10). NO ESCRIBA @correo.ugr.es
Introduzca el password, por ejemplo ak78jh
Abra la carpeta INBOX si desea comprobar su correo
Vaya a NUEVO si quiere enviar correo. PRACTIQUE, PORQUE HAY OTRAS POSIBILIDADES.
SI ALGO NO FUNCIONA, PREGUNTE AL PROFESOR
7. Cmo utilizar eficazmente su correo electrnico(*).

Cmo utilizar eficazmente su correo electrnico
1. Si el mensaje es corto escrbalo directamente en el campo Asunto. Consigne su nombre y especialidad.
Aada al final FDM (fin de mensaje). Por ejemplo: Lamento no poder asistir maana a clase. Enriqueta
Enrquez. FDM. Si el mensaje es largo, use el espacio reservado para ello pero no olvide escribir en
Asunto el tema del que se trata, su nombre y Grado que cursa. No se abrir ningn mensaje que
carezca de Asunto.
2. En los mensajes dirigidos a los profesores, deber utilizar un lenguaje respetuoso y gramaticalmente
correcto. Las formas simplificadas o apocopadas del tipo q. por que o x en lugar de por, o tb. por
tambin, etc. deben evitarse en todos los casos. La correspondencia acadmica debe reunir las
caractersticas del lenguaje cientfico: pulcritud, concisin, claridad, univocidad. Use, por tanto, oraciones
y prrafos cortos. Su mensaje debe ser fcilmente legible.
3. Los documentos adjuntos deben estar en formatos usuales (Word, JPG si se trata de imgenes, etc.).
Salvo que sea absolutamente necesario, evite comprimir los ficheros o convertirlos en PDF. Si tiene que
incluir algn archivo en formato poco habitual, advirtalo en el cuerpo del mensaje.
4. Incluya su tarjeta de visita en sus mensajes, sobre todo su telfono o direcciones de correo
alternativas.
5. Procure abrir su correo diariamente. Si desea conservar algunos mensajes hgalo en carpetas
especficas.
6. Si tiene alguna duda, pregunte al profesor las veces que sea necesario.
8. Objetivos de la Asignatura.
En esta asignatura usted aprender una serie de Conceptos Bsicos de Estadstica
que les sern muy tiles en el desarrollo de su vida profesional. Pero los objetivos ms
importantes de la asignatura van mucho ms all de que usted conozca conceptos, se
trata de que usted sepa aplicarlos en un doble sentido; disear y analizar.
Por eso cuando acabe esta asignatura usted sabr elegir una muestra de personas que
sea representativa de una poblacin para llevar a cabo un estudio de investigacin o la
evaluacin de una intervencin.
Ser capaz de elegir las variables que va a medir en cada individuo y de hacer una
descripcin detallada de cada una de esas variables. Esa descripcin ser numrica y
grfica y usted sabr leer e interpretar las medidas que calcule.
Tambin ser capaz de pasar de una muestra a la poblacin de la que fue extrada,
haciendo afirmaciones para esta a partir de aquella (hacer inferencias), conociendo y
midiendo el riesgo que comete al llevar a cabo ese salto.
Sabr disear y analizar estudios comparativos, bsicos en las Ciencias de la Salud,
ejecutando la metodologa correcta y conociendo los lmites de lo que ha aprendido, de
manera que sepa cuando requerir ayuda en ese trabajo.
Sabr determinar cuando dos variables aleatorias estn asociadas y cuando no y
sabr medir el grado de asociacin entre ellas.
Ser capaz de interpretar y valorar los resultados de estudios estadsticos bsicos, de
manera que exprese en trminos propios de su actividad los resultados estadsticos.
Ser capaz de realizar lecturas crticas de trabajos cientficos que involucren
mtodos estadsticos decidiendo cuando lo dicho se corresponde con los resultados y si
estos estn correctamente obtenidos.
Emplear un paquete estadstico de uso general, para crear una base de datos que
guarde la informacin de su muestra y hacer anlisis estadsticos bsicos como a los que
nos hemos referido inmediatamente.
En resumen, nada ms y nada menos, usted aprender a usar la Estadstica aunque
sea en trminos bsicos, de manera que sea capaz de discernir sobre lo correcto de lo
hecho y para que sea capaz de hacer anlisis bsicos y oportunos en proyectos de
investigacin y/o evaluacin como los que usted se encontrar en su trabajo.
Crame que la Estadstica es la herramienta apropiada para hacer esto y, aunque le
resulte difcil aprenderla, el esfuerzo se ver recompensado por la alegra de saber hacer
anlisis y de saber interpretarlos, por el rigor de los resultados de su estudio y por la
fiabilidad de sus opiniones. A esto es a lo que nos vamos a dedicar, a aprender a hacer.
9. Competencias Profesionales.
Enunciar a continuacin el conjunto de Competencias Profesionales que se
contribuirn a alcanzar cursando esta asignatura. Esto es lo que usted debera saber
hacer cuando acabara esta asignatura. Es claro que algunas de las competencias que yo
escribo aqu no las conseguirs slo con esta asignatura sino que se conseguirn juntom
con otras.
Las Competencias aparecen enunciadas y clasificadas como estn en la orden en la
que se aprueba el Plan de Estudios. Las ms especficas son las ltimas en las que se
hace referencia explcita a la asignatura, aunque las otras se trabajan tambin con esta
asignatura.
Competencias Generales:
1.1. Capacidad de aplicar los conocimientos en la prctica.
1.4. Resolucin de problemas.
1.5. Capacidad de aprender.
1.9. Capacidad crtica y autocrtica.
1.13. Habilidades de gestin de la informacin.
1.15. Habilidades de investigacin.
1.16. Habilidades bsicas de manejo de ordenadores.
10
Competencias Especficas:
Aplicar las tecnologas y sistemas de informacin y comunicacin a los cuidados de
salud.
Disear estudios comparativos u observacionales simples, con el objeto de conocer
mejor las poblaciones atendidas o medir el efecto de las intervenciones llevadas a cabo.
Analizar los datos estadsticos referidos a estudios poblacionales, identificando las
posibles causas de problemas de salud.
Extraer consecuencias no-estadsticas de los anlisis estadsticos llevados a cabo,
identificando hasta donde los resultados las apoyan y donde ya no las apoyan.
Leer, crticamente, trabajos de Investigacin detectando fortalezas y debilidades de
los mismos desde un punto de vista investigador.
10.
Compromiso del Profesor(*).
Las tareas que haremos para alcanzar los objetivos y las competencias no se
llevaran a cabo si no hubiera un compromiso por parte del profesor y del alumno. Este
compromiso, a modo de contrato, se presenta por escrito, para que no se lo lleve el
viento, y me obliga a m y el del alumno a usted de manera que podamos reclamrnoslo
mutuamente.
El profesor piensa que el aprendizaje del alumno es del alumno, por tanto la
tarea del profesor es ayudar, estimular, explicar, proponer, guiar (no mucho), al
alumno de forma que basndose en esa idea el profesor se compromete a:
1. Entregarles con antelacin suficiente la Gua Didctica y los materiales de trabajo
no accesibles para los alumnos.
2. Orientarles en la realizacin de los trabajos individuales.
3. Configurar un clima de clase donde todos los alumnos se sientan alentados a
participar y libres para expresar sus opiniones personales y sus necesidades de
conocimiento.
4. Producir la informacin necesaria para el alumno atendiendo los requerimientos
especficos de cada grupo.
5. Aceptar cuantas sugerencias le formulen los alumnos para mejorar su actuacin
docente, y someterse a una evaluacin final.
6. Informar previamente de los procedimientos que va a emplear para comprobar los
resultados del aprendizaje.
7. Informar sin demora a los alumnos acerca de los resultados de sus trabajos y
evaluaciones sugiriendo, en su caso, vas de mejora.
11.
Compromiso del Alumno (*).
El alumno, es el actor fundamental en su aprendizaje, por eso recae sobre l la

actividad, la iniciativa y la participacin en todas las tareas de la asignatura,
siguindolas, conseguir un aprendizaje importante sobre la materia, pero adems el
alumno consigue ese aprendizaje dentro de un grupo de personas del que recibe y al que
transmite, conocimientos, opiniones, dudas, reflexiones, por eso el alumno debe mostrar
11
su compromiso explcito en esos dos frentes y una propuesta de sus compromisos seran
los siguientes:
Compromisos con la asignatura:
1. Asistir a las clases con regularidad, plantear dudas y pedir aclaracin sobre
trminos o conceptos.
2. Expresar espontnea y libremente sus opiniones personales en cualquier momento
de la clase.
3. Estudiar reflexivamente los temas y realizar las actividades sugeridas, los trabajos
complementarios y las prcticas.
4. Elaborar la Carpeta de Aprendizaje con las actividades correspondientes
5. Solicitar del profesor la orientacin y ayuda que estime necesaria. Explotar al
profesor!
6. Sugerir al profesor nuevos enfoques o vas metodolgicas para mejorar la calidad
de la accin docente.
Entre sus compromisos relacionales deben figurar:
1. Respetar las opiniones ajenas y expresar las propias con correccin.
2. Contribuir al mantenimiento de un clima distendido y abierto en clase.
3. Utilizar un lenguaje gramaticalmente correcto en sus intervenciones en clase y en
sus escritos.
Si usted se compromete a algo ms, comunquelo al profesor con un mensaje a
travs de la plataforma SWAD.
Este profesor ha detectado, despus de muchos aos, que los cursos de pregrado
dan resultados diferentes (peores) de los cursos de postgrado que van dirigidos a
profesionales. La razn, fundamental, que subyace a este hecho es doble: El alumno
profesional se comporta de una manera absolutamente diferente al que no es profesional
y el profesor trata al alumno profesional tambin de manera distinta. Por ello parece
lgico que el alumno y el profesor, en el pregrado, se comporten de manera acorde
tratndose y reconocindose como profesionales. Esto implica, por parte del alumno, un
volumen de inters, de requerimientos, de deseo de explotar los conocimientos del
profesor, muy grande tomando una postura activa, beligerante en la adquisicin de
conocimientos; por parte del profesor implica una disponibilidad grande para: preparar
recursos de estudio, estar disponible para el alumno en todos sus requerimientos,
modular y adaptar su mensaje para que el alumno aprenda, para dejarse explotar.
Estas ltimas frases resumen los compromisos ms hondos entre este profesor y sus
alumnos.
12.
Metodologa Docente.
La asignatura de Estadstica se encuentra ubicada en el Primer Semestre del

Segundo Curso y tiene asignados 6 crditos ECTS en el Plan de Estudios del Grado de
Enfermera de la Escuela Universitaria de Ciencias de la Salud de la Universidad de
Granada.
El nmero de horas de clase presenciales del alumno es de 60 horas, divididas en 35
horas de Teora y 25 horas de prcticas. Aunque la divisin Teora/Prcticas es artificial
en el proceso de aprendizaje y no me gusta nada, es fuertemente condicionante para el
desarrollo del curso, por eso la seguiremos empleando aqu.
12
La asignatura est enfocada desde el punto de vista del aprendizaje autnomo, aqul
en el que el alumno es requerido para que construya y aprenda a partir de actividades
propuestas por el profesor y de reflexiones conjuntas sobre sus conocimientos y sus
descubrimientos. Por tanto la metodologa busca el arranque de ese proceso por parte
del alumno y aunque se presenta desde la perspectiva de la presencialidad hace
referencia al trabajo del alumno de manera expresa.
El proceso de aprendizaje que se propone se basa en cuatro patas: 1) Las clases de
teora. 2) Las clases de Prcticas con Ordenador; 3) Las clases de Prcticas de
Pizarra y 4) La carpeta de aprendizaje.
Las clases de Teora se desarrollarn de la siguiente forma: Antes de cada clase
de teora se le propondr al alumno el estudio de una parte del material Notas de
Clase que figura en el SWAD, proporcionado por el profesor, generalmente de 3-4
pginas; adems se le propondrn al menos dos actividades especficas que el alumno
debera hacer porque a ellas se referir la clase. A veces se propondr llevar a cabo un
estudio ms extenso pero debido a la acumulacin de tareas para varias clases, nunca
ms de tres. En las clases de teora el profesor tratar el tema encargado para la misma
usando las preguntas al grupo como mtodo principal e indagando por las
contestaciones de las actividades que el alumno debe haber realizado y haciendo,
siempre un resumen final de lo visto, y una recomendacin sobre el estudio para la
siguiente clase de teora. Como se ha dicho previamente se emplearn , como mximo
35 horas de clase que supondrn un promedio de estudio del alumno por hora de clase
de 2 horas.
Las clases de Prcticas con Ordenador tendrn lugar tras haber acabado un
bloque relevante de la materia y se desarrollarn de la siguiente forma: El alumno
acudir a la clase correspondiente, en el Aula de Ordenadores, que se le asigne, con el
guin de la prctica que le corresponda para la realizacin del mismo. Los guiones de
las seis sesiones de prcticas estn puestos en el SWAD bajo el epgrafe Guiones de
Prcticas con Ordenador. El Guin propone al alumno la realizacin de actividades con
un paquete estadstico (SPSS, licenciado por la Universidad para el uso de los alumnos
en las Aulas de Informtica) de forma que se consigan los objetivos de aprendizaje
sealados en ese caso. Los archivos necesarios para la cumplimentacin de cada guin
estn en la Plataforma SWAD bajo el epgrafe Archivos de Prcticas con Ordenador.
El alumno realizar el guin, preguntando las dudas conceptuales y de contenido, que
no de realizacin, que se le presenten y lo rellenar presentndolo al profesor para que
este lo revise. Hecha esta tarea y como parte del proceso de aprendizaje, pero tambin
como parte de la evaluacin, el alumno resolver un problema que le encargar el
profesor y que le entregar al final de la prctica. El alumno podr, deber, usar en la
prctica, cuanto material de la asignatura desee, as como calculadora. De las dos horas
que dura la prctica, el tiempo mximo que se necesitar dedicar al guin ser de 1 hora
y 20 minutos y a la resolucin del problema 30 minutos, en cualquier la mayora de los
alumnos no requerirn, en total, ms de 1,5 horas. El alumno es colocado en situacin
muy cercana a lo que necesitar en su trabajo real y por ello se le permite el uso de
cualquier material que le ayude en l. Entendemos que el alumno no debe realizar
trabajo en casa para estas sesiones, aunque un porcentaje importante de los alumnos se
han ledo el guin previamente (30 minutos mximo) y eso les ayuda sobremanera en su
realizacin en las prcticas y a enfrentarse en solitario al mismo. El alumno conservar
el guin para su utilizacin posterior. El alumno recibir la nota de su evaluacin, y el
conjunto de puntos acumulados hasta esa fecha, dentro de la semana siguiente a la
realizacin de la misma.
13
Las clases de Prcticas de Pizarra tendrn lugar tras haber acabado un bloque
relevante de la materia y se desarrollarn de la siguiente forma: Previamente a ellas, el
alumno se enfrentar a una relacin de preguntas conceptuales y/o ejercicios prcticos.
El nmero de actividades es variable y se encuentran localizadas en el SWAD bajo el
Epgrafe Relaciones de Actividades para las prcticas de Pizarra. El alumno ,
previamente a la clase responder las cuestiones conceptuales y los ejercicios prcticos,
hasta dnde sea capaz. En la clase de prcticas el profesor repasar de manera detallada
todas las actividades dndoles a los alumnos las resoluciones numricas de los
problemas para que tengan una referencia especfica de las operaciones y para poderse
centrar en la parte conceptual e interpretativa de los ejercicios, que es la parte
fundamental de los mismos. Hecha esta tarea y como parte del proceso de
aprendizaje, pero tambin como parte de la evaluacin, el alumno resolver un
problema que le encargar el profesor y que le entregar al final de la prctica. El
alumno podr, deber, usar en la prctica, cuanto material de la asignatura desee, as
como calculadora. De las dos horas que dura la prctica, el tiempo mximo que se
dedicar a la resolucin de cuestiones y ejercicios ser de 1 hora y 20 minutos y para el
ejercicio 40 minutos mximo. El alumno recibir la nota de su evaluacin, y el
conjunto de puntos acumulados hasta esa fecha, dentro de la semana siguiente a la
realizacin de la misma.
Por la particularidad de la carpeta de aprendizaje, se trata en un punto aparte.
13.
La carpeta de Aprendizaje.
La Carpeta de Aprendizaje esta pensada para que usted muestre, en su mejor

versin, lo que ha aprendido en este curso y que sabe que podra realizar sin ningn
problema cuando su prctica profesional se lo requiera. No obstante su Carpeta no
puede ser muy extensa ni muy detallada porque
El alumno presentar al final del Curso, una semana despus de la finalizacin de
las clases, una Carpeta que resuma su aprendizaje y que deber de constar, como
mximo, de 6 pginas mecanografiadas en las que se expondrn tres pequeas
investigaciones a elegir entre los seis temas que se plantean a continuacin y la
resolucin del problema estadstico que se plantee. Mximo dos hojas por investigacin.
Las investigaciones sern propuestas por el alumno y sern resueltas por el mismo.
La carpeta de aprendizaje deber ir, de manera obligatoria, en formato electrnico
(WORD) y no se admitir en otro formato. Para el uso de frmulas y expresiones,
figuran en SWAD todas las frmulas que puede necesitar, bajo el epgrafe Frmulas en
WORD.
La resolucin de los ejercicios se puede hacer a mano, o empleando el paquete
estadstico y dems software aprendido en las clases de prcticas con ordenador y en
todo caso ser obligatorio que muestre los datos en los que se basan sus conclusiones o
sus afirmaciones finales, es decir si ha resuelto el problema a mano deber escribir las
frmulas y las expresiones que le den lugar a los resultados que usted luego escriba, si
ha usado el ordenador deber copiar y pegar los resultados que le da el ordenador y que
apoyan sus afirmaciones. En la Plataforma SWAD, bajo el epgrafe Ejemplos para la
Carpeta de Aprendizaje, tiene situaciones diferentes que le pueden ser tiles.
14
Los temas sobre los que han de versar sus investigaciones son:
1) Estimacin de la prevalencia/incidencia de un problema en una poblacin.
2) Estudio Comparativo de una variable cuantitativa entre dos poblaciones:
Muestras Independientes.
3) Estudio Comparativo de una variable cuantitativa entre dos poblaciones:
Muestras Apareadas.
4) Estudio de asociacin entre dos caracteres cualitativos.
5) Estudio de la asociacin Factor de Riesgo-Enfermedad.
6) Estudio de asociacin entre dos caracteres cuantitativos.
Toda Carpeta de Aprendizaje deber tener los siguientes apartados, que son a la vez
los ingredientes por los que se valorar la misma:
1) Un Ttulo de la Investigacin que llevar a cabo.
2) Una explicacin clara y concisa del problema de Enfermera que se desea
investigar (mximo 20 lneas).
3) Descripcin de la muestra(s) que habra extrado para llevar a cabo su
investigacin (mximo 10 lneas).
4) Descripcin de los datos que ha obtenido (si la resolucin es con ordenador
nombre de los ficheros que ha generado para resolver el problema y que deber entregar
junto con la carpeta de aprendizaje en la forma que se seala ms adelante).
5) Presentacin del problema estadstico a resolver, detallndolo (si es un
problema de estimacin, sealndolo y dando las razones de ello, haciendo lo mismo si
es un problema de contraste de hiptesis, adems de formular y explicar las hiptesis en
contraste.
6) Resolucin del problema (frmulas y expresiones con las condiciones necesarias
y/o salidas del ordenador como ya se ha sealado).
7) Conclusin Estadstica del Problema expresada clara y concisamente.
8) Valoracin de los resultados haciendo referencia expresa a la coincidencia, o no,
de estos con la hiptesis de partida y al mtodo (muestreo) empleado para ello.
En la Plataforma SWAD, bajo el epgrafe Ejemplos para la Carpeta de
Aprendizaje, tiene situaciones diferentes que le pueden ser tiles.
Uno de los problemas fundamentales de la Carpeta de Aprendizaje es la
acumulacin al final de la asignatura de multitud de tareas que tienen que ver con ella.
Por eso, la recomendacin que le hago es que cuando se acabe un Bloque Temtico que
est en la lista de posibles temas de la carpeta, eso se lo recordar el profesor en clase,
intente pensar y realizar la tarea correspondiente, de forma que pueda discutir con el
profesor en tutoras presenciales lo que va haciendo y las dudas o dificultades que tiene.
El Profesor, en ningn caso, le har la tarea, ni siquiera le guiar en el camino que deba
tomar, pero si le sealar lo que es errneo y porque y le propondr reflexiones para que
sea capaz de llegar a buen puerto, a veces le propondr ejemplos que, tras su estudio, le
mostrarn el camino y usted derivar las razones para seguirlo.
La propiedad intelectual de todo lo que figura en su Carpeta de Aprendizaje es
suya y yo se la reconozco aqu de manera explcita. Por tanto yo no usar dicha
informacin en ningn caso, y bajo ninguna circunstancia, y no le pedir nunca
permiso para ello. Si desea usar esa informacin, una vez corregida por m, para sus
futuros trabajos, hgamelo saber, pero en cualquier caso yo desde ahora le doy permiso
para usar las ideas y matices que le haya aportado.
15
Tambin la Carpeta de Aprendizaje puede ser el inicio de una agradable amistad/

colaboracin en futuros proyectos que usted desee desarrollar; a dicha
amistad/colaboracin yo estoy dispuesto, dentro de mis limitaciones temporales, y
desde aqu se lo digo explcitamente.
14.
Las instrucciones para el envo de la Carpeta
de Aprendizaje.
La Carpeta de Aprendizaje, por su especificidad, requiere de unas normas muy
estrictas de presentacin, todas ellas son obligatorias, detallmoslas:
1) La Carpeta de Aprendizaje (CA a partir de aqu) deber ir en un documento
WORD (es decir slo en ese formato) con 2,5 cms de espacio arriba, abajo, a derecha y
a izquierda. La letra ser Tmes New Roman paso 11 y el interlineado ser 1,5.
2) En la Primera Lnea figurar, en negrita, el Nombre y los Apellidos del Alumno,
el grupo de Teora al que pertenece, el Grado y el Curso Acadmico. Tras esa primera
lnea, aparecer el ttulo del primer pequeo estudio de investigacin.
3) Salvo el primer estudio de investigacin, al que ya nos hemos referido, todos los
proyectos debern empezar en una hoja nueva, de manera que se cumpla la condicin de
que en ningn caso un proyecto de investigacin tenga ms de una hoja (dos pginas).
4) La CA ser remitida por la plataforma SWAD hasta una semana despus de la
finalizacin de las clases. En esa fecha se cerrar su recogida. No se admitirn CA fuera
de esa va. La recepcin de CA se abra un mes antes de acabar el Curso.
5) No se admitirn CA incompletas, es decir sin los tres ejercicios.
6) En la Plataforma SWAD existe un epgrafe denominado Plantilla de Carpeta de
Aprendizaje que puede usar para cumplir, si la trata cuidadosamente, con muchas de
las condiciones aqu expuestas.
7)
El
nombre
de
la
CA
tendr
siempre
este
formato
CAnombreydosapellidoscursodeestudio.doc, por ejemplo si yo mandara una CA este
ao lo llamara: CAjuandedioslunadelcastillo2012_13.doc.
El profesor corregir la carpeta de aprendizaje, sobre el documento recibido, y se la
enviar al alumno antes del examen, siempre que las fechas lo permitan, y, en cualquier
caso, el alumno recibir la CA corregida antes de saber la notas del examen y su nota
final.
Mucha tarea, y es verdad.
15.
Programa de Teora.
Nuestro formato
Curso : 2012/2013
Asignatura: Estadstica (2 Curso)
Estudios: Grado de Enfermera
Centro : Facultad de Ciencias de la Salud
16
Bloque
Contenidos
Introduccin. Estadstica Descriptiva: tipos de datos; presentacin tabular y grfica de

datos; sntesis de datos.
II
Conceptos de probabilidad, variable aleatoria, distribuciones de probabilidad y de las

distribuciones Binomial, Poisson y Normal.
III Muestreo aleatorio. Estimacin. Intervalos de confianza para medias y proporciones.

Tamaos de muestra.
IV Concepto general de test de hiptesis.
V
Muestras independientes y muestras apareadas. Tests de homogeneidad de dos medias:

Variables aleatorias normales (t-Student y test de Welch para muestras independientes y
test de la t-Student para muestras apareadas) y variables aleatorias No-normales (tests de
Wilcoxon).
VI El test chi-cuadrado: test de homogeneidad de varias proporciones y test de independencia

de dos cualidades. El caso particular de tablas 2x2; Tipos de muestreo. Medidas de
asociacin en Tablas 2x2. parmetros de calidad de un test diagnstico: Sensibilidad,
Especificidad, Valor predictivo positivo y Valor predictivo negativo.
Regresin lineal: concepto, modelo, limitaciones, estimacin de los parmetros, test e
VII intervalo para la pendiente y la altura.
VIII El concepto de correlacin :Coeficiente de correlacin de Pearson y de Spearman.
Bibliografa.
En la plataforma SWAD aparecern las notas del profesor para cada una de las
clases que estn colgadas dentro del Epgrafe General Clases Troncal Enfermera. En
cualquier caso esas notas son un reflejo de, entre muchos, de estos textos:
1) "Bioestadstica, 50 10 horas de ". Martn Andrs, A. y Luna del Castillo, J.D. Ed. Norma
(1995).
2) "Estadstica en Medicina". Colton, T. Ed. Salvat.
3) "Estadstica Biomtrica y Sanitaria". Remington y Schork. Ed. Prentice/Hall International.
Un libro es, siempre, mejor que cualquier coleccin de notas y que cualquier
recopilacin de notas de clase, as que usadlos y descubriris que lo que digo es verdad
y tambin lo que habis aprendido. Sobre todo sern muy tiles para hacer problemas,
es decir en vuestro entrenamiento.
17
16.
Programa de Prctica.
Prcticas de SPSS
Prcticas
I
II
III
IV
V
VI
Contenido
Creacin de un fichero de datos con SPSS.
Edicin de un fichero de datos con SPSS.
Descriptiva con SPSS.
Problemas de estimacin y Tests de Normalidad con SPSS.
Tests de Comparacin de dos Medias con SPSS.
Tests Chi-Cuadrado y Regresin y Correlacin Lineal con SPSS.
Prcticas de relaciones de Ejercicios.

Prcticas
Contenido
Estadstica Descriptiva
I
Teora de la Estimacin
II
Teora del Contraste de Hiptesis
III
Test de comparacin de dos medias
IV
Asociacin entre caracteres cualitativos. Asociacin en tablas 2x2
V
Regresin y Correlacin
VI
17.
Evaluacin del Alumno.
Los criterios generales de la evaluacin se corresponden con los objetivos de la

asignatura y atendern a: 1) Que le alumno ha identificado el problema estadstico que
subyace en la situacin que se le plantea. 2) Anlisis del problema estadstico planteado
atendiendo a sus caractersticas (sealndolas) y a sus condiciones de aplicacin. 3)
Realizacin correcta de los clculos para llevar a cabo el anlisis oportuno, ya sea de
forma manual o automatizada. 4) Interpretacin de los resultados y formulacin de
conclusiones rigurosas que se deriven de ellos. 5) Valoracin desde un punto de vista no
estadstico de los resultados y de las condiciones en las que estos se han obtenido.
Empleando estos criterios las tareas especficas para realizar la evaluacin del
alumno figuran a continuacin.
EVALUACI DE LA ASIG ATURA E LA CO VOCATORIA ORDI ARIA
La evaluacin de la asignatura parte de la base de que la principal fuente de
aprendizaje del alumno es su trabajo individual sobre materiales y recursos que el
profesor debe poner a su disposicin, convenientemente explicados y listos para su uso.
Por ello se hace especial hincapi sobre el trabajo llevado a cabo de manera continuada
en las clases de prcticas y se le da una importancia relevante y sobre el trabajo de la
CA. La evaluacin se basar en las notas obtenidas en las clases de prcticas, en la CA y
en un examen final. Las notas provenientes de las clases de prcticas supondrn un 30%
de la nota final, las de la CA un 10% y el 60% restante de la nota lo aportar el examen
final. En cualquier caso un alumno no aprobar la asignatura si no ha aprobado las
prcticas de ordenador (que una vez aprobadas quedarn aprobadas para siempre) y no
18
ha sacado al menos un 4 (sobre 10) en el examen final; los alumnos que no hayan
superado las prcticas de ordenador a lo largo del curso, tendrn derecho a un examen
que se fijar, de acuerdo con ellos, en el entorno del examen final. El examen final ser
en la fecha que tiene sealada la Escuela.
La forma de evaluar cada una de las partes ser la siguiente:
1) En las clases de prcticas de pizarra habr un ejercicio anlogo a los que se
han resuelto y repasado en esa clase y que tendr que resolverse empleando entre 2030m. Para resolver ese problema el alumno podr disponer de todo el material que desee
pero esencialmente de la calculadora, de las Tablas de Estadstica y de los Resmenes
que se le han suministrado y que estn a disposicin del mismo en el SWAD. El
ejercicio ser corregido por el profesor de clase y la puntuacin ser de 0 a 10. Esta
puntuacin se acumular con las de los otros ejercicios de prcticas y con las de
prcticas con ordenador. La calificacin obtenida en cada prctica se har pblica en la
semana siguiente a su realizacin. Habr 6 clases de prcticas de relaciones de
problemas como se han presentado anteriormente.
2) En las clases de prcticas con ordenador habr un ejercicio anlogo a los que
se han resuelto y repasado en esa clase y que tendr que resolverse empleando entre 2030m. Para resolver ese ejercicio el alumno podr disponer de todo el material que desee
pero esencialmente del mini-manual de SPSS que est disponible en la plataforma
SWAD y de los guiones de prcticas actual y anteriores. El ejercicio ser corregido por
los profesores de clase y la puntuacin ser de 0 a 10. Esta puntuacin se acumular con
las de los otros ejercicios de prcticas y con los de prcticas de problemas. La
calificacin obtenida en cada prctica se har pblica en la semana siguiente a su
realizacin. Habr 6 clases de prcticas con ordenador como se han presentado
anteriormente.
3) El profesor de Teora evaluar la CA de cada alumno y le devolver el
documento corregido siempre antes de la nota del examen final. La puntuacin del CA
ser una nica nota de 0 a 10.
4) El examen final ser por escrito y en la fecha que est fijada por el Centro.
Tendr dos partes: una conceptual en la que habr seis preguntas sobre conceptos (y su
aplicacin) trabajados en la asignatura y otra de ejercicios en la que se resolvern varios
problemas relativos a conceptos trabajados previamente. En la parte de ejercicios se
emplearn la calculadora, los Resmenes y Tablas con los que ha trabajado el alumno a
lo largo del curso.
Para aprobar el examen final hay que sacar al menos un 3 (sobre 10), en cada
una de las dos partes del examen.
El cmputo de la nota final se har de la siguiente forma:
NF=NPx0,3+NCAx0,1+NEx0,6
siendo:
NP= La suma de las notas de las 12 prcticas/12.
NE= La nota del examen final calificado sobre 10,
NCA= La nota final del CA calificado sobre 10
NF= La nota final
EVALUACI
DE LA ASIG ATURA E
LAS CO VOCATORIAS
EXTRAORDI ARIAS
Para aprobar la asignatura en una convocatoria extraordinaria habrn de tenerse
aprobadas las prcticas con ordenador, por lo que siempre habr un examen de prcticas
de ordenador convocado en los alrededores de la convocatoria del examen escrito.
Como ya se ha dicho, cuando se aprueben las prcticas con ordenador stas quedan
19
aprobadas para siempre. Tambin habr de aprobarse un examen escrito anlogo al que
se presenta en la convocatoria ordinaria y con los mismos criterios citados all, no
contando ya ninguna de las otras que si se consideran en las convocatorias ordinarias.
Pese a lo que pudiera parecer, despus de tanto porcentaje y de tantas frmulas,
las notas finales de esta asignatura son notas finales muy poco automatizadas, es decir
que, para dar la etiqueta final que le figurar en su acta los profesores revisan a fondo su
examen, para darle una nota con razones y no, slo, con nmeros. Su vida dentro de
la asignatura es evaluada con detalle, especialmente si se encuentra usted en territorios
dudosos.
Por ello, los profesores de esta asignatura, les recomendamos que cuando salgan las
notas, y se les citen para las revisiones hagan uso de stas, si lo creen oportuno. En
todas las revisiones, el alumno podr, por supuesto, revisar, l slo, su examen, en
nuestra presencia, con toda la informacin que crea necesaria.
En cualquier caso un alumno que esperaba una nota y ha encontrado una de rango
inferior deber venir a la revisin y en ella se le asegura: a) Qu se volver a revisar su
examen por cada uno de los profesores que han corregido; b) Qu se le darn las
razones por las que tiene usted su nota y se le explicarn dentro de ellas porque no
creemos que deba tener otra. c) Qu si, pese a todo, hemos cometido un error, cosa poco
frecuente pero no imposible (esta frase la entender mucho mejor despus del curso), lo
corregiremos y volveremos a valorar toda su vida para darle la nota que segn
nosotros se merezca. d) Qu en caso de duda insoluble por nuestra parte, actuaremos en
su beneficio (lo de la duda insoluble por nuestra parte no ha ocurrido hasta la fecha). e)
Se le dir de manera explcita dnde estn sus debilidades, y como mejorarlas, y lo qu
debera hacer para aprobar la asignatura, si es que la ha suspendido.
18.
Dnde y cuando nos vemos, y para qu.
Nos vemos:
1) Para las Clases Tericas los Martes y los Jueves de 9 a 10, en el Aula A1; yo
llegar un poco antes, me pongo malo si llego tarde a los sitios, y preparar la
proyeccin para la clase y empezar siempre a las 9.05. Acabar, lo intentar por lo
menos, a las 9.55. No me pasar nunca de la hora y siempre os pondr la tarea para el
da siguiente.
2) Para las Clases de Prcticas siempre nos veremos de 12 a 14 horas o en el Aula
de Informtica, o en la A1, el da que le toque, segn la distribucin de la Escuela a t
grupo de Prcticas. Tienes que ponerte de acuerdo con tu profesor de prcticas para el
asunto de cuando empezis, cuando acabis y si descansis o no. En esas clases, en su
parte final resolveris un problema, con todo el material que tengis disponible, que
formar parte de la evaluacin. La semana antes, por lo menos, tendris la distribucin
de los das que tendris las prcticas. Adems inmediatamente despus de este apartado
se os presentar un plan de trabajo temporalizado para la asignatura.
20
3) Para consultas individuales nos veremos a travs del correo electrnico

([email protected]), no del SWAD, emplendolo con las normas que he citado
anteriormente. Use usted el correo para consultas puntuales, pequeas, fechas,
inasistencias, pequeos problemas con la gua o con los contenidos que estamos viendo.
En el asunto deber poner siempre:
E FERMERIA 12-13. ombre del Alumno. Consulta
Dentro del cuerpo del mensaje explique de manera detallada, pero concisa, el
motivo de su correo.
Recuerde las normas que le he expuesto para el caso de correos extraordinariamente
cortos.
Yo contestar, siempre, dentro de las 24 horas siguientes a la recepcin del mensaje,
por lo que debe tenerlo en cuenta si le urge mi contestacin, quedando el asunto bajo su
responsabilidad.
4) Para consultas individuales tambin puedes usar el telfono (958243536); el
telfono es un medio que interviene de manera muy fuerte en la vida de la gente, de
manera que no lo uses a menos que te sea muy necesario.
5) Para consultas individuales puedes usar mi horario de tutoras, Lunes y Jueves
de 10 a 13 horas, y no tienes que pedirme cita para ello. Es muy posible que este horario
te choque con otras obligaciones tuyas, por eso lo mejo es escribirme o decrmelo de
viva voz y fijamos una hora que nos venga bien a ambos. Esto tambin se puede hacer
con pequeos grupos. Qu haremos en esas reuniones; atenderos en lo que necesitis
sobre la asignatura, nada ms y nada menos. En esas reuniones no os voy a decir como
se hacen las cosas pero si os dir que tenis que estudiaros, os corregir vuestros errores
para que aprendis a hacerlo. Resolver problemas al nivel que queris, puedo darle a
alguien un programa que le ayude a sumar quebrados, que le explique con ejemplos qu
es y como se usa el smbolo sumatoria o una pgina web dnde le explican con detalle
el uso de su calculadora, pero tambin qu hacer ante un problema de relacin entre dos
variables cuando esta relacin no es lineal. Tengo consejos y sitios para casi todo. Por
supuesto para revisar a fondo lo que ya habis hecho para sealaros los errores y de
donde vienen.
6) Para consultas grupales. O las convertimos en individuales a base de que una
persona represente al grupo y yo le conteste a esa persona. O las tratamos en grupo
como las individuales pero siempre que no sean ms de 5 personas, si son ms,
entender que es una consulta ms genrica y lo hablaremos en clase, al final o al
principio, o en un Aula especficamente reservada para ello en un da y hora que a todos
nos venga bien.
Despus de todos estos circunloquios parece que queda claro que quiero ser un
profesor disponible, muy disponible, pero tambin soy un profesor ocupado, muy
ocupado, de manera que dejo a tu conciencia el uso correcto de los contactos conmigo.
En cualquier caso, cuando estemos en el periodo lectivo de la asignatura t tienes todas
las prioridades, por eso te pido mesura, hasta donde puedas.
21
19.
Plan de trabajo de la Asignatura.
A continuacin le presento la planificacin docente tentativa para el Curso 2011-12

que tiene la virtud de que se cumpli, no dispongo aun del Plan de Ordenacin Docente
para el Curso 2012_13.
He de llamarle la atencin sobre la curiosa distribucin de las horas de clase tericas
en semanas en las que hay 5 horas de clase y otras en las que hay slo dos. Este hecho
obliga a hacer encaje de bolillos con las prcticas pero bueno al final salieron cuadradas.
Con objeto de no repetirlo en cada caso ha de tenerse en cuenta que antes de cada
Clase de Teora el alumno tendr que realizar, previamente, una serie de actividades de
aprendizaje autnomo que luego se correspondern con los materiales que se repasarn
en clase a partir de las preguntas del profesor.
Antes de cada clase de Prctica con Ordenador el alumno podr o no leer el Guin
que luego realizar en la misma y que al final de la realizacin de ese guin, solventar
un problema que le propondr el profesor y que servir tambin para su evaluacin.
Antes de cada clase de Prctica de pizarra el alumno deber responder a una serie
de cuestiones tericas y/o ejercicios prcticos sobre el tema que se va a tratar y que al
final de la realizacin de ese guin, solventar un problema que le propondr el profesor
y que servir tambin para su evaluacin.
Planificacin Docente Tentativa para el Curso 2011_12

Fecha Teora
Teora
Prctica
1
Presentacin Asignatura. Gua Didctica.
26-sep
2
Descriptiva_1.
27-sep
Definiciones. Tablas y Grficas.
Normas generales para tablas y grficas.
3
Descriptiva_2. Medidas de Resumen:
28-sep
Moda, Media, Mediana
4
Descriptiva_3. Medidas de Variabilidad.
29-sep
Variabilidad relative.
5
Probabilidad. Concepto, La Ley de los
30-sep
Grandes nmeros. Probabilidad CondiCionada. Variable Aleatoria.
01-oct
02-oct
03-oct
04-oct
05-oct
06-oct
07-oct
10
Variable Aleatoria. Funcin de probabilidad.

Funcin de densidad.
Muestra y Poblacin. Muestreo Aleatorio
Simple. Concepto de estimador puntual.
Intervalos de Confianza. IC para la media
de una variable Normal. Tamao de Muestra.
Intervalos de Confianza para una proporcin.
Tamao de muestra.
Teora general del Contraste de Hiptesis.
Errores en el Contraste de Hiptesis.
08-oct
09-oct
10-oct
11-oct
1
11
Prctica
Errores en el Contraste de Hiptesis.

Concepto de potencia. El tamao de Muestra.
SPSS_Creacin Base
Datos
SPSS_Creacin Base
Datos
12-oct
22

Prctica
Fecha Teora
Teora
Prctica
12
Decisiones que se pueden tomar en un
1
SPSS_Creacin Base
13-oct
Contraste de Hiptesis. Razones para ello.
Datos
1
SPSS_Creacin Base
14-oct
Datos
08-oct
09-oct
2
SPSS_Edicin Base
17-oct
Datos
13
El valor de P. Regla Automtica de decisin.
2
SPSS_Edicin Base
18-oct
Datos
1
SPSS_Creacin Base
19-oct
Datos
14
Contraste de Hiptesis para una media.
2
SPSS_Edicin Base
20-oct
Decisin razonada.
Datos
2
SPSS_Edicin Base
21-oct
Datos
08-oct
09-oct
3
Pizarra. Descriptiva.
24-oct
15
Test de Normalidad.
3
25-oct
2
SPSS_Edicin Base
26-oct
Datos
16
El esquema general del Estudio Comparativo.
3
27-oct
Muestras independientes y apareadas. El
Esquema general de la comparacin de dos
medias.
3
28-oct
08-oct
09-oct
4
SPSS. Descriptiva
31-oct
Base Datos
01-nov
3
02-nov
17
Tests de Comparacin de dos medias. Muestras
4
SPSS. Descriptiva
03-nov
Independientes. Variables Aleatorias Normales.
Base Datos
4
SPSS. Descriptiva
04-nov
Base Datos
08-oct
09-oct
5
Pizarra. Intervalos de
07-nov
Confianza.
18
4
SPSS. Descriptiva
08-nov
Apareadas. Variables Aleatorias Normales.
Base Datos
4
SPSS. Descriptiva
09-nov
Base Datos
19
5
10-nov
Independientes y Muestras Apareadas. Variables
Confianza.
Aleatorias No Normales.
5
11-nov
Confianza.
08-oct
09-oct
6
Pizarra. Contraste de
14-nov
23
Fecha
15-nov
Teora
20

Teora
Prctica
Tests de comparacin de dos proporciones,
Muestras Independientes y Apareadas.
16-nov
17-nov
21
Test de homogeneidad de un carcter Cualitativo

con varias muestras. Estadstico Chi-cuadrado
18-nov
08-oct
09-oct
21-nov
22-nov
22
Test de Asociacin de Caracteres Cualitativos
23-nov
24-nov
23
Problema de Asociacin entre un factor de

Riesgo y una Enfermedad: Tipos de Estudios.
Medidas de Asociacin.
Prctica
Hiptesis.
Confianza.
Confianza.
Hiptesis.
Hiptesis.
SPSS. Estimacin.
Normalidad
Hiptesis.
Hiptesis.
SPSS. Estimacin.
Normalidad
SPSS. Estimacin.
Normalidad
Pizarra. Dos Medias
SPSS. Estimacin.
Normalidad
Pizarra. Dos Medias
10-dic
11-dic
12-dic
13-dic
9
7
14-dic
SPSS. Dos Medias

SPSS. Estimacin.
Normalidad
Pizarra. Dos Medias
25-nov
08-oct
09-oct
28-nov
24
29-nov
25
30-nov
26
01-dic
27
02-dic
28

Riesgo y una Enfermedad: La razn del producto
cruzado. El Riesgo relativo.
Riesgo y una Enfermedad: El Riesgo Atribuible
La relacin entre dos variables cuantitativas.
Distintos tipos de relacin. Relacin y Causalidad.
Relacin Lineal: la nube de puntos.
El mtodo de mnimos cuadrados: la recta de
mejor ajuste. Los coeficientes de la recta,
significado.
Inferencias para los coeficientes de la recta: test de
independencia.
03-oct
04-oct
05-dic
06-dic
07-dic
08-dic
09-dic
29
Coeficiente de Correlacin de Pearson.

Propiedades. Interpretacin. Test de
independencia.
24

Prctica
Fecha Teora
Teora
Prctica
8
Pizarra. Dos Medias
15-dic
30
Coeficiente de Correlacin de no-paramtrico de 9
SPSS. Dos Medias
16-dic
Spearman. Propiedades. Interpretacin. Test de
independencia.
08-oct
09-oct
19-dic
8
Pizarra. Dos Medias
20-dic
9
SPSS. Dos Medias
21-dic
22-dic
23-dic
24-dic
25-dic
26-dic
27-dic
28-dic
29-dic
30-dic
31-dic
01-ene
02-ene
03-ene
04-ene
05-ene
06-ene
07-ene
08-ene
10
Pizarra.Chi
09-ene
cuadrado.Tablas2x2.
9
SPSS. Dos Medias
10-ene
10
Pizarra.Chi
11-ene
cuadrado.Tablas2x2.
9
SPSS. Dos Medias
12-ene
Evaluacin del Profesor: Discusin y
10
Pizarra.Chi
13-ene
Cuestionario.
cuadrado.Tablas2x2.
14-ene
15-ene
11
Pizarra. Regresin y
16-ene
Correlacin
10
Pizarra.Chi
17-ene
cuadrado.Tablas2x2.
11
Pizarra. Regresin y
18-ene
Correlacin
10
Pizarra.Chi
19-ene
cuadrado.Tablas2x2.
11
Pizarra. Regresin y
20-ene
Correlacin
21-ene
22-ene
12
SPSS. Regresin y
23-ene
25
Fecha
Teora

Teora
Prctica
24-ene
11
25-ene
12
26-ene
11
27-ene
12
Prctica
Correlacin
Pizarra. Regresin y
Correlacin
SPSS. Regresin y
Correlacin
Pizarra. Regresin y
Correlacin
SPSS. Regresin y
Correlacin
28-ene
29-ene
20.
Evaluacin del Profesor.
El profesor evaluar su desempeo de dos formas. Una continuada a lo largo del

curso, pues al final de cada tema preguntar en clase por la metodologa que emplea, las
actividades que lleva a cabo y por la forma en la que los alumnos viven/sufren la
asignatura. El profesor anotar los resultados de esas exploraciones informales (seis
en total). Adems el profesor anotar y controlar todas las propuestas que surjan de los
alumnos en el sentido de la modificacin de la metodologa y atender todas ellas.
La otra forma ser una evaluacin mediante cuestionario annimo que el profesor le
pasar a los alumnos al final del curso.
21. Gua de Trabajo autnomo de la asignatura.

Bloque: Asociacin entre un Factor de Riesgo y una
Enfermedad.
1. El problema de Asociacin entre un factor de Riesgo y una Enfermedad.
2. La Tabla general 2x2.
3. Tipos de Estudios para resolver ese problema.
4. Medidas de Asociacin y Contraste de Hiptesis.
5. El Riesgo Relativo, valores, significado. Estimacin Puntual y por Intervalos.
6. La Razn del Producto cruzado, valores, significado. Estimacin Puntual y por
Intervalos
7. El Riesgo Atribuible, valores, significado. Estimacin Puntual y por Intervalos.
8. Estudios a los que son aplicables las diferentes medidas.
Actividades que el alumno deber llevar a cabo para las Clases Tericas
23-25.
26
1. Estdiese de las notas de clase tema 8, el epgrafe VIII.8 que est entre las
pginas 89-93. Son slo cuatro hojas pero ha de estudirselas con sumo detalle.
Apndice I.
2. Piense ahora en las asignaturas de Enfermera que ha estudiado, e identifique de
ellas 5 problemas que sea capaz de enunciar como problemas tpicos de
asociacin entre un factor de riesgo y una enfermedad. Desde luego que tiene
que distinguir de manera clara quien es el factor de riesgo y la enfermedad.
Enncielos de manera breve porque tendr que comentarlos en clase. Si tiene
problemas para enunciarlos piense en ideas que usted ha estudiado y
memorizado como la siguiente: Los hijos de parejas sin estudios tienen ms
riesgo de tener incompleto el calendario vacunal cuando llegan a los 6 aos que
los de parejas con mayor nivel de estudios. Identifique aqu la
enfermedad/problema y el factor de riesgo y a partir de ah empiece a pensar y a
escribir.
3. Estudie otra vez los tipos de estudios que pueden dar lugar a una tabla 2x2.
Identifique cual es la diferencia ms directa, ms evidente, que separa a los
estudios transversales de los estudios prospectivos o de los estudios de casos y
controles.
4. Tras la diferencia que ha sealado, medite y escriba como juega el tiempo en los
diferentes tipos de estudios que les he presentado. En los estudios en los que
juegue el tiempo. en qu sentido lo hace?
5. Considere la situacin siguiente: Se desea estudiar la asociacin entre el
desgarro vaginal en el parto y la obesidad de la mujer que ha parido.
Identificando el problema de asociacin factor de riesgo-enfermedad que se
plantea. Enuncie de manera detallada los siguientes tipos de muestreo para
resolverlo: a) Transversal; b) Prospectivo; c) Retrospectivo. Escrbalo porque
alguno podr contarlo en clase.
6. Suponga que ha hecho un muestreo transversal para el caso anterior. Invntese
unos resultados para el mismo y dispngalos en forma de tabla 2x2 lo ha hecho
usted como se le indica en el material de estudio?
7. Ante los datos siguientes que son anlogos a los que ha encontrado en el
material de estudio, dispngalos en forma de tabla 2x2 de manera correcta, como
se le indica en el material de estudio, y haga los tests de independencia
suponiendo que los datos provienen de un estudio transversal, de uno
prospectivo y de uno retrospectivo.
Ejercicio Fsico
Bajo
ormal+Alto
194
o 43
Fractura de cadera
104
129
Si
8. Siguiendo lo hecho en el material de estudio, calcule una estimacin puntual y
por intervalo del riesgo relativo, escriba como se interpretara y diga en que tipo
de estudio podra emplearse tal medida y su interpretacin sera correcta.
por intervalo de la razn del producto cruzado, escriba como se interpretara y
diga en que tipo de estudio podra emplearse tal medida y su interpretacin sera
correcta.
27

por intervalo del riesgo atribuible, escriba como se interpretara y diga en que
tipo de estudio podra emplearse tal medida y su interpretacin sera correcta.
11. Considere el trabajo: Variabilidad en la experimentacin tabquica y en sus factores
de riesgo en 4 centros educativos de la Regin de Murcia que est puesto en la
plataforma SWAD en el apartado de material para actividades. Lalo y elija un factor de
riesgo para el problema que se intenta estudiar y con los datos que all aparecen estudie
si hay asociacin entre ese factor de riesgo y la enfermedad y calcule las medidas de
asociacin que sean oportunas, estimacin puntual y por intervalos. En la ltima sesin
discutiremos el ejercicio.
Actividades que el alumno deber llevar a cabo para las Clases Prcticas
con Ordenador.
1. En la clase Prctica el alumno desarrollar el Guin de la Prctica VI que figura
en el SWAD (Apndice II).
2. Tras ello el alumno resolver el problema que le entregar el profesor.
(Apndice III).
Actividades que el alumno deber llevar a cabo para las Clases Prcticas
de Pizarra.
1. Antes de la clase de prcticas el alumno tendr que resolver los cuatro
problemas de la relacin de chi-cuadrado que figura en la Plataforma SWAD
(Anexo IV).
2. En la clase de prcticas se discutirn los problemas y se le proporcionarn a los
alumnos los clculos de los mismos para que tengan una referencia
correcta.(Apdice V)
3. Tras ello el alumno resolver el problema que le entregar el profesor.
(Apndice V).
28
Apndice I.
VIII. TEST CHI-CUADRADO Y TABLAS 2
2
VIII.1. Introduccin
Objetivo: v.a. cualitativas/cuantitativas con datos presentados en forma de una tabla

de frecuencias.
Herramientas: estadstico/distribucin chi-cuadrado jicuadrado 2
Problemas a estudiar:
(1) Homogeneidad de varias muestras cualitativas (R.8.1):
Grupo Sanguneo
Espaa
Francia
Italia
A
x
x
x
B
x
x
x
AB
x
x
x
O
x
x
x
ni
100
150
120
Es la distribucin del grupo sanguneo igual en los tres pases?

(2) Asociacin entre dos cualidades (R.8.2):
Color cabellos
Rubios -egros
Azul
x
x
Color Marrn
x
x
ojos
-egro
x
x
Verde
x
x
500
Es independiente el color de los ojos del de los cabellos?
VIII.2. Test de homogeneidad en tablas de 2
2 (R.8.1.a)
VIII.2.1. Introduccin
Tabla 8.1
Generalizacin del problema de la comparacin de dos proporciones al de la
homogeneidad de varias muestras.
En filas: los tratamientos.
En columnas: las respuestas.
En el interior: los porcentajes poblacionales de respuestas de cada tipo con cada
tratamiento.
Debajo de cada tabla: la hiptesis nula a contrastar (las afirmaciones entre parntesis
son redundantes, pues se deducen de las que hay encima de ellas).
(a) Tabla 22:
2 tratamientos y 2 respuestas
1
2
S
p1
p2
-O
q1
q2
Suma
1
1
(b) Tabla 42:

1
2
S
p1
p2
-O
q1
q2
Suma
1
29
H0: p1=p2
(q1 = q2)
3
4
p3
p4
q3
q4
1
1
1
H0: p1=p2=p3=p4
(q1 = q2=q3=q4)
(c) Tabla 43:
1
2
3
4
Peor
p1
p2
p3
p4
Igual
p1
p2
Mejor
p1
p2
p3
p4
p3
p4
Total
1
1
1
1
H 0 p1 = p2 = p3 = p4
p1 = p2 = p3 = p4
( p1 = p2 = p3 = p4 )
H0: Los r tratamientos son iguales
vs.
H1: Al menos uno es distinto
H1: La proporcin de individuos que

caen en una determinada clase es
la misma con los r tratamientos,
y esto vale para todas las s clases
vs.
H1: Alguna igualdad es falsa
VIII.2.2. Ejemplo y notacin

Tabla 8.2
Clasificacin de r=4 grupos de individuos segn su estado (s=3 estados) tras 4 tratamientos.
Oij
Tratamiento 1
Tratamiento 2
Tratamiento 3
Tratamiento 4
Totales
Peor
7 = O11
15 = O21
10 = O31
5 = O41
37 = C1
Igual
28 = O12
20 = O22
30 = O32
40 = O42
118 = C2
Mejor
115 = O13
85 = O23
90 = O33
115 = O43
405 = C3
Totales
150 = F1
120 = F2
130 = F3
160 = F4
560 = T
Tabla 8.1 (c) datos de la Tabla 8.2, en donde:

Los r=4 totales de fila estn fijados de antemano.
Cada total de fila se distribuye al azar en las s=3 columnas.
Oij = N de individuos de la muestra i que caen en la clase j = Cantidades
Observadas.
Fi = Total de la fila i = n de individuos de la muestra i = j Oij.
Cj = Total de la columna j = n de individuos de la clase j = i Oij.
T = Gran total = n total de individuos considerados = Fi = Cj =Oij.
30
VIII.2.3. Cantidades esperadas
Hay que ver lo que sucedera si H0 fuera cierta % Peor es el mismo con los 4
tratamientos + bis para Igual y Mejor.
Si p1 = % Peor = 10% de los 120 = F2 individuos del tratamiento 2 empeoraran

en promedio E21 = 1200,10= F2 p1 = 12 (media de una binomial).
Como p1 es desconocido, se le puede estimar (bajo H0) a partir de los

datos: p1 = 37 / 560 = C1 / T
E21 = 120
37 F2C1
=
= 7 ,93
560
T
De modo general, las

Cantidades Esperadas = Eij =
FC
i j
T
( Total Fila ) ( Total Columna )

Gran Total
son las frecuencias de individuos que en promedio deberan caer en cada casilla ij si
fuera cierta H0 datos de la Tabla 8.3.
Tabla 8.3: Cantidades esperadas para los datos de la Tabla 8.2
Eij
Tratamiento 1
Peor
E11 = 9,91
Igual
E12 = 31,61
Mejor
E13 = 108,48
Totales
F1 = 150
Tratamiento 2
Tratamiento 3
Tratamiento 4
Totales
E21 = 7,93
E31 = 8,59
E41 = 10,57
C1 = 37
E22 = 25,28
E32 = 27,39
E42 = 33,72
C2 = 118
E23 = 86,79
E33 = 94,02
E43 = 115,71
C3 = 405
F2 = 120
F3 = 130
F4 = 160
T = 560
Los totales de Oij y Eij son los mismos!: sirve como regla de comprobacin del
clculo de las Eij.
Es conveniente juntar las dos tablas (Oij y Eij) en una Tabla 8.4.
Tabla 8.4: Presentacin conjunta de los datos de las Tablas 8.2 y 8.3
Oij
Peor
Eij
Tratamiento 1
Tratamiento 2
Tratamiento 3
Tratamiento 4
Totales
Igual
28
31,61
20
30
86,79
120
94,02
130
115,71
405
160
560
90
27,39
40
115
10,57
37
150
25,28
8,59
5
108,48
85
7,93
10
Totales
115
9,91
15
Mejor
33,72
118
VIII.2.4. Condiciones de validez
31
Para poder hacer el test que sigue (que es asinttico) hace falta que se verifiquen las
siguientes condiciones de validez (en nuestro ejemplo no hay problema: Eij > 5
siempre).
Ninguna Eij sea inferior a 1 y no ms del 20% de ellas sean inferiores o iguales que 5
Si las cdv no se verifican, pueden hacerse varias cosas:

Tomar muestras con Fi ms grande.
Unir dos filas (tratamientos) en uno solo (sumando sus datos) si la
significacin est ah, no se la detectar!
Unir dos columnas (clases) en una sola si la significacin est ah, no se la
detectar!
Hacer un test exacto (no lo vemos).
VIII.2.5. Estadstico de contraste
Si H0 fuera cierta Oij Eij

OijEij ser pequea.
(OijEij)2 ser pequea: para evitar signos + y (que se compensaran).
(OijEij)2/ Eij ser pequea: para relativizar la discrepancia.
(OijEij)2/ Eij ser pequea: para globalizar en todas las casillas.
La medida de la discrepancia global entre lo observado y lo esperado es por tanto la

siguiente chi-cuadrado de Pearson:
2
exp
(O
ij
Eij )
Eij
Oij 2
Eij
T ( 0 por definicin)
en donde la segunda expresin es la ms apropiada para el clculo:

2
exp
=
72
282
1152
+
+ ..... +
560 = 13,87
9 ,91 31, 61
115, 71
VIII.2.6. Cantidad terica y test
2
2
Se ha dicho que ( exp
>> H1 ) + ( exp
<< H 0 ) : qu es grande o pequeo?
2
Comparar del modo clsico la exp
con 2 { g.l. = ( r 1)( s 1)} de Tabla 9
2
exp
= 13,87 52% { g.l. = 3 2 = 6} = 12 ,596 H1
2,5% < P < 5% H1 (P<5%): hay evidencias significativas de que no todos los
tratamientos son iguales.
32
VIII.2.7. Causas de la significacin
Si no todos los ttos son iguales: cules son = y cules son ? en qu clases?
Tabla 8.5
Bsqueda (por filas) de las causas de la significacin encontrada en la Tabla 8.2: porcentajes por filas
Clases
Peor Igual Mejor Total
Por ejemplo:
4,67
12,50
7,69
3,13
4 , 67 =
Trat.
1
2
3
4
18,67
16,67
23,08
25,00
76,67
70,83
69,23
71,88
100%
100%
100%
100%
7
100
150
No se ve en detalle: hay que hacer una particin de tablas.
De un modo aproximado e intuitivo puede deducirse algo observando los % por filas
(pues las Fi se fijaron de antemano): Tabla 8.5.
T2 (T3=T4=T1), sobre todo en la columna Peor.
VIII.2.8. La correccin por continuidad
2
exp
es discreta + 2 es continua son precisas en principio unas cdv (ya vistas) y
una cpc.
Se sabe que en tablas 22 no es preciso efectuar cpc. De hacerla, el nuevo

estadstico es (pues las Oij saltan de 1 en 1):
Chi-cuadrado de Yates = Y2 =
{O
ij
Eij 0,5
Eij
VIII.3. Test de independencia para cualidades en tablas 2

2 (R.8.2)
Introduccin
Antes: r = 4 muestras clasificadas segn 1 cualidad (en s=3 clases).
Ahora: 1 muestra clasificada segn 2 cualidades (de r y s clases) en una Tabla de

Contingencia rs (el nombre se extiende al caso anterior) como la Tabla 8.6.
Tabla 8.6
Clasificacin de 141 individuos con tumor cerebral segn la localizacin y
naturaleza del mismo (Maxwell, 1961).
-aturaleza
Benigno Maligno
Localizacin
Lbulo frontal
Lbulo temporal
Otras reas
Totales
Otros
O11 = 23 O12 = 9 O13 = 6

O21 = 21 O22 = 4 O23 = 3
O31 = 34 O32 = 24 O33 = 17
C1 = 78 C2 = 37 C3 = 26
Totales
F1 = 38
F2 = 28
F3 = 75
T = 141
33
Origen de los datos: Tabla 8.7 (dos muestras apareadas de cualidades).

Tabla 8.7
Presentacin original de los datos que dieron lugar a la Tabla 8.6
Individuo n 1
2
3
4 141
Localizacin LF OA LF LT OA
-aturaleza
B
O M B B
Hiptesis
H0: Los caracteres A y B son independientes no asociados no relacionados.
H1: Los caracteres A y B son dependientes s asociados s relacionados.
Ejemplo: H0: La Naturaleza del tumor es independiente de su Posicin.

Antes vs. Ahora
Las hiptesis son intercambiables, pues H0 es:

Ahora (Tabla 8.6): % Benignos es = en todas las reas, etc.
La Naturaleza es independiente de la Posicin.
Antes (Tabla 8.2): % Peor es = en todos los tratamientos, etc.
La Curacin es independiente del Tratamiento.
Test y Conclusin
El test se realiza como en la seccin anterior:

2
Tabla 8.8 exp
=7,86 (4 g.l.) 5%<P<10% H0 (P>5%).
la Naturaleza es independiente de la Localizacin, pero conviene aumentar la

muestra pues hay indicios de significacin.
Tabla 8.8
Cantidades observadas y esperadas para los datos de la Tabla 8.6
-aturaleza
T. Benigno T. Maligno
Otros t.
Total
Localizacin
23
Lbulo temporal
9
21,02
Lbulo frontal
21
4
15,49
Otras loc.
Total
6
9,97
34
7,01
3
7,35
24
41,49
78
5,16
17
19,68
37
38
28
75
13,83
26
141
Observaciones
Clases cajn de sastre (Otros y Otras reas) para que se verifiquen las cdv.
De dar H1 calcular los % por filas o por columnas como en Tabla 8.9.
Tabla 8.9
Porcentajes por filas para los datos de la Tabla 8.6
34
(% de tumores de cada tipo en cada zona cerebral)
-aturaleza
Benigno
Localizacin
Lbulo frontal
Lbulo temporal
Otras reas
60,5
75,0
45,3
Maligno Otros
23,7
14,3
32,0
Totales
15,8
10,7
22,7
100%
100%
100%
VIII.4. Test de homogeneidad en Tablas 2

2 (R.8.1.b)
VIII.4.1. Introduccin, Ejemplo y -otacin
Ejemplo 7.4 ( Tabla 7.5) es adaptable al caso actual Tabla 8.10.
La novedad es que ahora s hay que efectuar una cpc y la frmula se simplifica.
Tabla 8.10: Los datos de Tabla 7.5 en el formato actual
Deterioro
Muestras
Cemento A
Cemento B
Totales
-O
Totales
O11 = 21
O21 = 32
C1 = 53
O12 = 69
O22 = 72
C2 = 141
F1 = 90
F2 = 104
T = 194
VIII.4.2. Cantidades Esperadas y cdv
Hay slo 4 casillas todas Eij > 5 E = Mn Eij > 5

E = mnima cantidad esperada =
( Mn Fi ) ( Mn C j )
T
90 53
= 26 ,4 > 5 (8.1)
194
Igual condicin que en la comparacin de 2 proporciones independientes.

VIII.4.3. Estadstico de contraste y test
Sin cpc (no usar) 2 no corregida
2
exp
(O
ij
Eij )
Eij
( O O O12O21 )
= 11 22
F1 F2C1C2
T = 1,344
Con cpc de Yates (no usar) 2 de Yates
Y2 =
(O
ij
Eij 0,5
Eij
O11O22 O12O21
2
=
T = 0,995
F1 F2C1C2
Con cpc ms correcta (s usar)

2
Mn ( F1 ; F2 )
90
O
O
O
O
11 22
12 21
21 72 69 32
2
2
=
T =
194 = 1,175
F1 F2C1C2
90 104 53 141
2
2
exp
Test
35
2
exp
=1,175 vs. 2 {g.l.=(21)(21) = 1 siempre} H0: Los 2 cementos son iguales.
VIII.4.4. Test 2 vs. Test z
2
Antes: Cap. VII: Dos proporciones independientes: zexp
= 1, 0842 vs. z52% = 1,962
Ahora: Cap. VIII: Homogeneidad en tablas 22:
2
exp
= 1,175 vs. 52% = 3,842
Iguales por
frmulas
Iguales por
definicin
2
(1 g.l. ) = z2
Son el mismo test! elegir el que se desee:

2
exp
es ms cmodo, pero las tablas 2 (1) son ms cortas + el test no est
preparado para efectuar IC ni determinar tamao de muestra.

zexp es ms incmodo + no dificultades anteriores.
2
Opcin: zexp = exp
vs. z de Tabla 1.
VIII.5. Test de independencia en tablas 22 (R.8.2)

VIII.5.1. Introduccin y Ejemplo
Tabla 7.6 (d)
Centro de Salud
Ambulatorio
S
NO
Totales
S
n11 = 27
n21 = 43
70
-O
Totales
n12 = 35
62
n22 =20
63
55
n=125
Antes: H0: pA=pCS (dos proporciones de muestras apareadas),

el % de ses a Ambulatorios y Centros de Salud son iguales.
zexp=0,793 H0 (se vio en captulo anterior).
Ahora: H0: Las opiniones sobre A y CS son independientes,

un s a uno no condiciona la opinin sobre el otro.
Se resuelve por 2 con una cpc especial.
Igual tabla 2 preguntas ! anlisis !
VIII.5.2. Test
Validez: E = como en (8.1) =
62 55
= 27 , 28 > 5 OK
125
36
Test:
2
exp
(O
O22 O12O21 0,5)
11
( 127 20 35 43 0,5)
T =
62 63 70 55
F1F2C1C2
125 = 7 ,773 (1g.l.)
H1 ( P < 1% )
Conclusin: Hay asociacin entre las opiniones sobre ambos sistemas. Su tipo se ve
luego (y aconsejar sobre la conveniencia de planificar el test H0 pA=pCS con
muestras independientes o apareadas).
2
2
Observar: exp
=7,773 zexp
= 0, 7932 pues son dos tests .
VIII.6. Preguntas y tests cuando hay dos muestras

Cuadro 8.1
Test a emplear cuando hay 2 variables implicadas
Hiptesis
Muestras independientes
a contrastar
Muestras apareadas
Homogeneidad
Homogeneidad
Independencia
Mc emar
Student/Wilcoxon
Correlacin
2 cualidades
Test z Test
2 cantidades
Student/Wilcoxon
Caso de 2 cualidades (ya visto)
Muestras independientes: 1 pregunta + 2 tests equivalentes.
Muestras apareadas: 2 preguntas + 2 tests distintos.
Ejemplo de antes:
Tabla 7.6 (b)
Individuo n
....
125
Ambulatorio
Centro de S.
S
S
S
NO
NO
S
NO
NO
....
....
S
NO
Caso de 2 cantidades (nuevo)
Ocurre igual.
Ejemplo:
Familia
Estatura padre
Estatura hijo
1
x
x
2
x
x
20
x
x
apareadas!
H0: P=H: comparacin 2 medias apareadas (captulo anterior).

H0: Estatura Hijo es independiente de la del Padre (correlacin de ms adelante).
2 preguntas 2 tests
37
VIII.7. Asignacin de valores cuantitativos arbitrarios (R.8.4)

VIII.7.1. Introduccin
Tabla 8.9
(a) Clasificacin de 196 leprosos de acuerdo con su cambio de salud
y el grado de infiltracin en la piel.
Cambios de salud
Mejora
Estacionario
Moderada Ligera
x=2
x=1
x=0
27
42
53
15
16
13
Grado
de infiltracin Marcada
x=3
Poca
11
Mucha
7
Peor
Total
x = 1
11
1
144
52
(b) % por filas.
Poca
Mucha
Marcada Moderada
7,6
18,8
13,5
28,8
Ligera
29,2
30,8
Estacionario
36,8
25,0
Peor
7,6
1,9
Total
100
100
(c) Clculos para el test de Student.
f
fx
fx2
x
s2
Poca
144= n1
118= n1
260= n1
0,8194
1,1420
Mucha
52= n2
66= n1
140= n1
1,2692
1,1026
Los mtodos basados en datos cuantitativos son preferibles a los basados en datos
cualitativos (como el mtodo 2), pues dan lugar a tests ms potentes.
Si una caracterstica cualitativa es ordinal, es posible y preferible asignarle valores

numricos a sus clases y analizar los nuevos datos por la tcnica apropiada, como con
los datos de la Tabla 8.9(a).
La asignacin puede hacerse si el fenmeno estudiado hubiera podido medirse en una

escala continua de haber dispuesto de los instrumentos adecuados, y si las clases
obtenidas pueden considerarse como un agrupamiento de tal escala por medio de otra
ms burda formada por sus valores redondeados. Aqu se asume la existencia de un
aparato ideal que mide el grado de mejora y que lo anotado es su redondeo al entero
ms cercano.
Objetivo: H0: El Cambio de Salud es independiente del Grado de Infiltracin.

VIII.7.2. Solucin clsica: por 2
Es una tabla de contingencia 25 calcular esperadas, etc.

2
exp
= 6,87 (4 g.l.) 10%<P<20% H0 (P>10%), pero hay ligeros sntomas de H1.
Tabla 8.9.(b): Sugiere que la mejora con mucha es mejor que la de con poca.
38
VIII.7.3. Solucin nueva (y mejor): por comparacin de 2 medias
La v.a. x tendr una media M en mucha y otra P en poca H0 (de antes) M=

P (dos muestras independientes).
x es discreta, pero n1=144 y n2=52 son grandes TCL aplicar R.7.2.a y e.ii).
Para los datos de la Tabla 8.9.(c)
zexp =
1
2 144 = 2 , 615 vs. z H ( P < 1% )
1
1,1420 1, 2692
+
144
52
0,8194 1, 2692
Hay evidencias significativas de que mucha es mejor que poca (pues

xM = 1, 2692 > xP = 0 ,8194 ) el nuevo test detecta lo que en el anterior era slo una
sugerencia el nuevo test es ms potente.
VIII.7.4. Comentarios finales
Razones de la discrepancia: 2 es un test global al que no importa el orden de las

casillas, pero a z s le importa (la permuta de las columnas Peor y Marcada no le
afecta al test 2, pero s al test z).
Estabilidad de las conclusiones:

x=3, 2, 1, 0, 1 4, 3, 2, 1, 0 (x+1) 6, 4, 2, 0, 2 (2x) zexp = 2,615 como antes.
x=3, 2, 1, 0, 1 3, 2, 1, 0, 2 (ms lgico?) zexp=2,744 H1.
VIII.8. Medidas de asociacin en tablas 2
2 (R.8.3)
VIII.8.1. Introduccin y ejemplo
Tablas 22: hasta ahora desde un punto de vista general; desde ahora desde uno
epidemiolgico.
Con frecuencia, los dos caracteres dicotmicos estudiados (E y FR) suelen aludir a la
presencia o no de una enfermedad o efecto indeseado (E y E ) y a la presencia o no de
un factor de riesgo (FR y FR ). En lo que sigue se supone que la enfermedad se ubica
en filas, el factor de riesgo en columnas y el s en primer lugar, obteniendo as unos
datos como los de la Tabla 8.10.
Tabla 8.10: Formato estndar para los estudios epidemiolgicos
Factor de
Riesgo
Enfermedad
S FR
-O FR
Totales
39
S E
-O E
Totales
O11
O21
O12
O22
F1
F2
C1
C2
Ejemplo: Tabla 8.11 evaluar la influencia de fumar en la poca de la muerte.

Tabla 8.11
Asociacin entre la poca de la muerte (antes o despus
de la edad media) y el hecho de fumar (s o no)
Fuma
S
Muerte
FR
Antes: E
O11 = 60
O21 = 40
Despus: E
Totales
C1 = 100
-O
FR
O12 = 20
O22 = 30
C2 = 50
Totales
F1 = 80
F2 = 70
T = 150
VIII.8.2. Tipos de muestreo
Cmo se tomaron los datos de la Tabla 8.11?: ello afecta a cmo analizarlos.
Para estudiar la asociacin entre E y FR los tipos de muestreo pueden ser dos, lo que
da lugar a tres tipos de estudio:
i) Muestreo de Tipo I (Estudio Transversal): Tomar T individuos al azar y
clasificarlos en base a E y FR (T = 150 muertos y clasificarlos).
ii) Muestreo de Tipo II (preferible al de Tipo I si las Fi o las Cj se planifican como
iguales):
Estudio Prospectivo, Longitudinal o de Seguimiento (hacia adelante en el
tiempo): Tomar C1 y C2 individuos al azar y clasificarlos en base a E (C1 =
100 fumadores y C2 = 50 no fumadores y clasificarlos).
Estudio Retrospectivo o de Caso-Control (hacia atrs en el tiempo): Tomar
F1 y F2 individuos al azar y clasificarlos en base a FR (F1 = 80 antes y F2 =
70 despus y clasificarlos).
Desde un punto de vista estadstico, el diseo ptimo consiste en tomar muestras de

igual tamao de los niveles de la caracterstica ms infrecuente (en general la
enfermedad: estudio retrospectivo): se trata de que los marginales sean lo ms
homogneos posible.
VIII.8.3. Test previo
Lo primero es contrastar H0: E y FR son independientes -como en las secciones

anteriores relativas a Tablas 22- lo que depende del tipo de estudio
Generalidad
Si E = Mn (F1 ; F2)Mn (C1; C2) / T > 5, comparar
40
2
exp
(O
O22 O12 O21 c )
11
F1 F2C1C2
T con 2 {g.l.=l} de Tabla 9
en donde:
c = 0,5 en los transversales,
c = Mn (C1; C2)/2 en los prospectivos y
c = Mn (F1; F2) / 2 en los retrospectivos.
En los tres casos, si:
c = T/2, se obtiene la clsica chi-cuadrado con la c.p.c. de Yates,
c=0, se obtiene la clsica chi-cuadrado sin c.p.c.
Aplicacin a la Tabla 8.11
Fuma
Muerte
Antes: E
Despus: E
Totales
-O
FR
O12 = 20
O22 = 30
C2 = 50
Totales
F1 = 80
F2 = 70
T = 150
E = 7050/150=23,3>5 OK
{ 60 30 20 40 C}
=
S
FR
O11 = 60
O21 = 40
C1 = 100
2
exp
80 70 100 50
5,352 en Transversal ( c = 0,5)
150 = 5,093 en Prospectivo ( c = 50 / 2 )
4 ,989 en Retrospectivo ( c = 70 / 2 )
Todos significativos! fumar condiciona la poca de la muerte.
2
Con qu fuerza?: exp
y P miden las evidencias contra H0, no la fuerza de la
asociacin definir medidas de asociacin en Tablas 22.
Hay muchas: veremos las ms importantes.
La medida a utilizar depende del objetivo y del muestreo utilizado.

VIII.8.4. Riesgo Relativo (lnea 1 del Cuadro R.8.1)
Definicin
Cmo de peligroso es fumar para morir antes?

Fuma
S
Muerte
FR
Antes: E
O11 = 60
O21 = 40
Despus: E
Totales
C1 = 100
-O
FR
O12 = 20
O22 = 30
C2 = 50
Totales
F1 = 80
F2 = 70
T = 150
Si Prospectivo:
41
O11 60
p1 = % "antes" en S FUMA p 1 = C = 100 = 60%
p2 = % "antes" en NO FUMA p 2 = O12 = 20 = 40%
C2 50
Cunto de distintos son? se mide por:
Captulo anterior: d = p1p2 = Diferencia de Berkson (ya estudiada).
Captulo actual: R = Riesgo Relativo = Razn de Riesgos (de fumar para morir antes):
R=
p1 % enfermos en grupo CON FR

=
p2 % enfermos en grupo SIN FR
Estimacin
p 0 , 60
O C
60 50
O C
= 1,5 = 11 2 R = 11 2 =
= 1,5 como frmula automtica.
R = 1 =
p2 0 , 40
O12C1
O12C1 20 100
El riesgo (o probabilidad) de morir antes es 1,5 veces mayor en los fumadores que en
los no fumadores en general: el riesgo de enfermar es R veces mayor en los
individuos que poseen el factor de riesgo que entre los que no lo poseen.
Muy habitual en la literatura (incluso peridicos).

Validez
R S es vlido en prospectivos y transversales: pues las pi se pueden estimar (arriba).
R NO es vlido en retrospectivos, pues la toma de muestras no fue la adecuada: se
puede estimar la proporcin de fumadores entre los que mueren antes (60/80,
pues 80 = fijado), pero no la de muertes antes entre los fumadores (pues 100 no es
una muestra representativa del grupo de s FR):
P{Fumar Antes} P{Antes Fumar}
Valores posibles
Si p1=p2
R=1
Fumar:
no influye
Fumar:
no es FR
Asociacin:
Nula
Mnimo R: p1=0 R=0.
Si p1>p2
R>1
es malo
es FR
Positiva
Mximo R: p2=0 R= .
Si p1<p2
R<1
es bueno
es Factor de Proteccin
Negativa
Nula
1
R = 1/5 R = 5 en fuerza (pero sentido) pues R = p1/p2 R = p2/p1.
42
Si FR = Varn da R<1 hacer FR = Mujer para que R>1 (que es lo de interpretacin

ms directa y sencilla).
Inferencias
R estima a R (parmetro poblacional desconocido).
Test: H0: R=1 H0: p1=p2 H0: E indep. FR Test 2 de antes.
IC (optativo):
R R exp z
1
1
1
1
+
O11 + 0,5 O12 + 0,5 C1 + 1 C2 + 1
( O11 +0,5 )( C2 +1)

con R =
( O12 +0,5 )( C1 +1)
VIII.8.5. Razn del Producto Cruzado (lnea 2 del Cuadro R.8.1)

Es el parmetro ms natural + el mejor + el menos intuitivo
Definicin
Fuma
S
Muerte
FR
Antes: E
O11 = 60
O21 = 40
Despus: E
Totales
C1 = 100
-O
FR
O12 = 20
O22 = 30
C2 = 50
Totales
F1 = 80
F2 = 70
T = 150
Grupo de S FUMA:
Antes
60 3 O11
=
= =
: de cada 5 fumadores, 3 mueren antes y 2 mueren despus.
Despus 40 2 O21
Grupo de NO FUMA:
Antes
20 2 O12
=
= =
: de cada 5 no fumadores, 2 mueren antes y 3 mueren despus.
Despus 30 3 O22
Cada fraccin es la odds Superioridad = Ventaja CON/SIN el FR (lenguaje de las

apuestas de la cultura inglesa).
Dividiendo ambos:
= O11O22 = 60 30 = 3 / 2 = 2 , 25
O
O12O21 20 40 2 / 3
= Razn del Producto Cruzado = Odds-ratio = Razn de Superioridades = Razn de

Ventajas: la fraccin de personas que mueren antes respecto de las que lo hacen
despus es 2,25 veces mayor en los fumadores que en los no fumadores en general:
la fraccin de enfermos respecto de los sanos es O veces mayor en los individuos que
poseen el factor de riesgo que entre los que no lo poseen.
Si alguna Oij = 0 Igual definicin pero para (datos + 0,5):
43
= ( O11 + 0 ,5 )( O22 + 0 ,5 )
O
( O12 + 0,5)( O21 + 0,5)
Validez
no cambia al permutar filas por columnas O de E para FR = O de FR para E

Como O
es vlido siempre.
(lo que no suceda con R) O
Otros
Valores posibles: como en R.
Test: H0: O =1 Test 2 (O es el poblacional).
1
1
1
1
exp z
IC (optativo): O O
+
+
+
O11 + 0,5 O12 + 0, 5 O21 + 0,5 O22 + 0, 5
VIII.8.6. Caso de las enfermedades raras

Generalidad
Rara P(E)= prevalencia de la enfermedad < 10% (pequea).
R se puede estimar en los retrospectivos, pero a travs de

Si P(E) < 0,1 R O, R O
las frmulas para O.
Por ello los epidemilogos no suelen distinguir entre R y O al interpretarlos (casi todas las
enfermedades son raras).
Ejemplo: Si la Tabla 8.12 proviene de un retrospectivo, estimar R
Peso
Fumar
S: FR
NO: FR
TOTALES
Bajo
E
20
26
46
-ormal
E
Totales
60
294
354
80
320
400
R no puede estimarse en los retrospectivos, pero como la enfermedad es rara (% hijos peso
bajo es pequeo)
= 20 294 = 3,27
R O
60 26
no ha hecho falta permutar filas por columnas (para poner la enfermedad en filas) pues O
no cambia por ello!
44
VIII.9. Evaluacin de un mtodo de diagnstico (R.8.5)

VIII.9.1. Introduccin y tipos de muestreo
Para diagnosticar una enfermedad, el mdico recurre a los sntomas y a la experiencia

(propia o ajena), pero cada da es ms frecuente hacerlo a travs de una nica prueba
o test de diagnstico (binario): cmo de bueno es?
Sean los sucesos:

E Estar enfermo Padecer cncer en la Tabla 8.13.
E Estar sano
No padecer cncer en la Tabla 8.13.
T El test da +
El test predice que la mujer tiene cncer en la Tabla 8.13.
T El test de
El test predice que la mujer est sana en la Tabla 8.13.
Tabla 8.13
Resultados de un test diagnstico cuando ste se aplica a un grupo de 1.000 mujeres con cncer
y a otro de 1.500 mujeres sanas
Resultado del test

(T )
+(T)
Presencia
del Cncer
Totales
Totales
S (E) O11 = 850
O12 = 150
F1 = 1.000
NO( E ) O21 = 45
O22 = 1.455
F2 = 1.500
C1 = 895
C2 = 1.605
- = 2.500
Muestreo I: Tomar 2.500 mujeres al azar y clasificarlas.
Muestreo II: Tomar 1.000 enfermas y 1.500 sanas al azar y clasificarlas.

VIII.9.2. Anlisis sin considerar la prevalencia: Sensibilidad y Especificidad
Definicin
Hay 850 y 1.455 aciertos + 150 y 45 fallos en el diagnstico obtener los

porcentajes por filas para evaluar el mtodo.
S- =
850
n diagnsticos + entre los enfermos O11
=
=
= 85% = Sensibilidad = P ( T E )
n enfermos
F1 1.000
% de enfermos diagnosticados positivamente

Capacidad del test para detectar a los enfermos pues:
S- >>> el test es sensible a la enfermedad (pues la detecta).
F- = 1 S- =
O12
150
=
= 15% = Falsos -egativos = P ( T E )
F1 1.000
% de enfermos diagnosticados negativamente
45
S- + F- =1 100%
EP =
n diagnsticos entre los sanos O22 1.455

=
=
= 97% = Especificidad = P T E
n sanos
F2 1.500
% de sanos diagnosticados negativamente

Capacidad del test para detectar a los sanos pues:
EP >>> el test es especfico de la enfermedad (pues da si no la hay).
FP = 1 EP =
O21
45
=
= 3% = Falsos Positivos = P T E
F2 1.500
% de sanos diagnosticados positivamente
EP + FP =1 100%
Estimacin
Los anteriores valores estiman puntualmente a los verdaderos valores poblacionales

S-, F-, EP y FP (respectivamente) bajo cualquiera de los dos muestreos anteriores.
Para obtener un IC: hacerlo como en una proporcin p (pues los cuatro parmetros son
simples proporciones). Por ejemplo, para la sensibilidad, la frmula corta indica que
(n = 1.000, x = 850 > 20, nx = 150 > 20 y p = S- = 0,85):
0 ,85 0 ,15
1
S- 0,85 1,96
+
82,7% S- 87,3%
1.000
2.000
2
Test de independencia (dos muestras): exp
=1.753,9 (1 g.l.) H1 (sin inters).
Evaluacin
Deseable: los aciertos S- y EP sean ambos >>> es raro que lo sean los dos.
Si S- >>> ( F- <<<): Si el individuo tuviera la enfermedad el test debera dar +

(pues S- >>>) luego si da es porque no la tiene
Si S- >>> el test es til para descartar la enfermedad
se le utilizar para el diagnstico precoz de la enfermedad (para descartarla con
seguridad).
Si EP >>> ( FP <<<): Si el individuo estuviera sano el test debera dar (pues

EP >>>) luego si da + es porque la tiene
Si EP >>> el test es til para afirmar la enfermedad
se le utilizar para confirmar la enfermedad en los individuos sospechosos de

padecerla (detectados por otros procedimientos).
46
Para el ejemplo: el test es

- S- =85% moderadamente til para descartar la enfermedad.
- EP = 97% til para confirmar la enfermedad.
Ojo!: un mtodo que clasifique al azar (lanzando una moneda al aire) da S-+EP=1
S- + EP >> 1 para que el mtodo sea til en algo
un test que diagnostique + a todos S-=100!
un test que diagnostique a todos EP=100!
VIII.9.3. Anlisis considerando la prevalencia: Valores Predictivos
Introduccin + Utilidad
Al paciente le interesa conocer la fiabilidad de su diagnstico ya ocurrido.
Si me da +, qu probabilidad tengo de estar realmente enfermo? P(ET):
VPP = % enfermos entre los diagnosticados positivamente = Valor Predictivo Positivo

(por ejemplo, el 22% de los diagnsticos + son correctos)
Si me da , qu probabilidad tengo de estar realmente sano? P E T :

VP- = % sanos entre los diagnosticados negativamente = Valor Predictivo -egativo
(por ejemplo, el 99% de los diagnsticos son correctos)
VPP >>> test til para afirmar la enfermedad
VP- >>> test til para descartar la enfermedad

Estimacin para la poblacin del muestreo I (2.500 mujeres al azar)
VPP y VP- son simples proporciones (mirar la tabla por columnas)
VPP =
VP- =
n enfermos entre los + O11 850

=
=
= 94 ,97% til para afirmar la enfermedad.
n +
C1 895
n sanos entre los O22 1.455

=
=
= 90 ,65% moderadamente til para descartarla.
n
C2 1.605
Resultado del test
+(T)
Presencia
del Cncer
Totales
(T )
Totales
S (E) O11 = 850
O12 = 150
F1 = 1.000
NO( E ) O21 = 45
O22 = 1.455
F2 = 1.500
C1 = 895
C2 = 1.605
- = 2.500
47
Estimacin para una prevalencia p dada
Para evaluar el test cuando se le va a aplicar a una poblacin con:

p = Prevalencia = P(E) = 1% (por ejemplo) = % enfermos en la poblacin
entonces (resultado del Teorema de Bayes):
VPP =
VP- =
p S
p S- + (1 p ) 1 EP
(1 p ) EP
(1 p ) EP + p ( 1 S- )
0,01 0 ,85
= 22 ,25% (pequeo) (8.2)
0,01 0,85 + 0,99 0,03
0 ,99 0,97
= 99 ,84% (grande) (8.3)
0,99 0,97 + 0,01 0 ,15
en esa prevalencia, el test es til para descartar la enfermedad
Haciendo variar p se obtiene la T.8.14: ella indicar en qu prevalencia es til el test

para una cosa u otra.
Tabla 8.14
Influencia de la prevalencia en los valores predictivos positivo (VPP) y negativo (VP )
(valores en %) (los valores en negrita son los del ejemplo)
Prevalencia (p)
Valor Predictivo
Positivo (VPP)
Valor Predictivo
-egativo (VP-)
90
80
70
60
50
40
30
20
10
99,6 99,1 98,5 97,7 96,6 95,0 92,4 87,6 75,9 59,9 22,3
41,8 61,8 73,5 81,2 86,6 90,7 93,8 96,3 98,3 99,2 99,8
Ojo!:
Si se clasifica al azar VPP + VP- = 1 debera ser >>> 1.
Si p 0 VPP 0 y VP- 1 por las expresiones (8.2) y (8.3).
Si p 1 VPP 1 y VP- 0 por las expresiones (8.2) y (8.3).
Hacer ya la relacin de Cuestiones + Problemas
48
Apndice II.
PRCTICAS CO SPSS
GUI PRCTICA VI.
ASOCIACI E TRE DOS CARACTERES CUALITATIVOS: TEST CHICUADRADO.
En la clase de hoy vas a aprender como se estudia la relacin de dos caracteres
cualitativos con dos SPSS y adems como, para el caso de una tabla 2x2 y un problema tpico
de factor de riesgo enfermedad se calculan intervalos de confianza para las medidas de
asociacin entre el factor de riesgo y la enfermedad en distintos tipos de estudios. Todo el
trabajo del guin est planteado en forma de resolucin de problemas que es como se plantea en
la realidad. Tras ejecutar el guin tendrs que hacer una evaluacin que consistir en hacer una
serie de ejercicios como los que ya has resuelto.
Para poder ejecutar la primera parte de este guin necesitas disponer de un fichero de
SPSS,
que est en Mis documentos, o dnde t lo hayas puesto (acurdate
que para abrir SPSS la secuencia era Archivo Abrir Datos y que pinchando dos veces sobre
la carpeta Mis Documentos se obtiene una ventana, y en ella hemos de buscar el icono y
pinchar dos veces sobre l). Hecho esto empecemos con el guin.
El archivo con el que vamos a trabajar proviene de una investigacin que pretenda
determinar que factores estaban asociados con la presencia de un nmero alto de sntomas
depresivos en profesores de enseanza no-universitaria. La descripcin del archivo es larga, por
eso no te la pongo aqu, en cualquier caso las etiquetas de las variables son suficientemente
indicativas como para que uno no se pierda, siempre que se de un paseo por la pestaa
para repasarlas.
1. Asociacin entre dos caracteres cualitativos.
El primer problema que pretendemos resolver es el siguiente,
Problema 1. Determinar si existe asociacin entre la edad del profesor cortada en 5
categoras (edadc2) y el consumo de tabaco, cortado en 3 categoras (tabacoc).
Para esto, veamos el conjunto de acciones que llevaremos a cabo con SPSS con objeto
de conseguir una tabla de contingencia suficientemente explicativa de la relacin entre ambas
variables y adems del test chi-cuadrado que nos permita afirmar si tal relacin existe o no.
Como siempre todo se presentar en forma de tablas de accin-resultado y posteriormente
en forma de tablas de resultados-comentarios.
49
Accin
Resultado
Analizar Estadsticos
Descriptivos Tablas de
contingencia.
Seleccionemos la variable
edadc2 y pasmosla al cajn
de Filas pulsando
. De
la misma manera,
seleccionemos la variable
tabacoc y pongmosla en el
cajn de Columnas
pulsando el botn
correspondiente.
(Comentario: La eleccin
de qu variable va en filas y
qu variable va en columnas,
en este caso es arbitraria,
pero sigue la costumbre del
que ha escrito el guin).
Para
seleccionar
los
estadsticos que se van a
emplear en el anlisis de la
tabla
de
contingencia
formada por ambas variables
pinchar
50
Accin
Como slo nos interesa el
estadstico
chi-cuadrado,
seleccionar
Resultado
y
pulsar en
para
volver a la pantalla de tablas
de contingencia.
Para
seleccionar
informacin que se va
presentar en la tabla
contingencia
hemos
la
a
de
de
pinchar en
Como se ve, SPSS tiene, de

oficio, seleccionado mostrar
las frecuencias observadas,
sin embargo, al menos uno
debera
seleccionar
los
porcentajes o por filas o por
columnas. Como el autor de
este guin desea saber el
porcentaje de fumadores
para cada uno de las edades
marcar
tras
ello
pulsar
para volver a la
pantalla de tablas de
contingencia.
51
Accin
Resultado
Pinchando
Obtenemos el conjunto de
resultados
que
comentaremos
a
continuacin.
Resultados:
Resumen del procesamiento de los casos

Casos
N
Edad (5 categoras)
* Fuma usted
actualmente?
Vlidos
Porcentaje
498
Perdidos
N
Porcentaje
100,0%
,0%
Total
Porcentaje
498
100,0%
Comentarios: Esta tabla indica el nmero total de casos con los que se ha llevado a cabo la tabla de
contingencia y el nmero de datos faltantes si los hay. En este caso el nmero total de casos han
sido 498, todos los que hay en el archivo, ya que no hay datos faltantes en ninguna de las dos
variables.
Resultados:
Tabla de contingencia Edad (5 categoras) * Fuma usted actualmente?
Fuma usted actualmente?
no
Edad(5
categoras)
<=30
31-40
41-50
51-60
>60
Total
Recuento
% de Edad(5 categoras)
Recuento
Recuento
Recuento
Recuento
Recuento
50
69,4%
54
57,4%
110
60,1%
95
70,4%
13
92,9%
322
64,7%
1-10cig
16
22,2%
17
18,1%
37
20,2%
13
9,6%
1
7,1%
84
16,9%
>10cig
6
8,3%
23
24,5%
36
19,7%
27
20,0%
0
,0%
92
18,5%
Total
72
100,0%
94
100,0%
183
100,0%
135
100,0%
14
100,0%
498
100,0%
Comentarios:
Los siguientes resultados son la tabla de contingencia con la que estudiaremos la asociacin entre la
edad categorizada en 5 grupos y el consumo de cigarrillos cortado en 3 categoras, la primera
variable ha sido colocada por filas, habiendo 5 filas para los cinco grupos de edad, mientras que la
segunda variable ha sido colocada por columnas habiendo 3 columnas para los tres niveles de
consumo que se han elegido. Podemos hacer una primera lectura de algunas de las filas, as por
ejemplo podemos decir que hay 72 profesores con 30 aos de edad o menos y que de entre ellos, 50,
el 69,4%, son no fumadores en la actualidad, 16, el 22,2%, fuman entre 1 y 10 cigarrillos diarios en
la actualidad y que 6, el 8,3%, fuman ms de 10 cigarrillos diarios; obviamente la suma de los tres
porcentajes que acabamos de citar vale el 100% ya que hemos calculado los porcentajes por filas.
Anlogamente se pueden leer los datos de las distintas filas y hacindolo se puede verificar que
parece que los grupos de 31-40 aos, 41-50 aos y 51-60 aos, tienen unos porcentajes de
fumadores de ms de 10 cigarrillos mayores que los dos grupos de edad extremos. Esa percepcin
que habla de una forma de asociacin entre ambos caracteres debe ser corroborada por un contraste
de hiptesis, con la chi-cuadrado tpicamente, que nos permite concluir o no en esa asociacin y eso
es lo que aparece en el siguiente apartado de los resultados.
52
Resultados:
Pruebas de chi-cuadrado
Valor
Chi-cuadrado de Pearson
Sig.
asinttica
(bilateral)
gl
20,237(a)
,009
24,306
,002
,267
,605
Razn de verosimilitudes
Asociacin lineal por
lineal
N de casos vlidos
498
a 2 casillas (13,3%) tienen una frecuencia esperada inferior a 5. La frecuencia mnima esperada es
2,36.
Comentarios: Nosotros estudiaremos la asociacin a partir del estadstico chi-cuadrado, es decir

resolveremos el contraste de hiptesis:
H0 La edad(cortada en 5 categoras) y el consumo de tabaco (cortada en tres categoras) son
independientes
contra
H1 La edad(cortada en 5 categoras) y el consumo de tabaco (cortada en tres categoras) estn
asociadas
o este otro que sera equivalente
H 0 P(no fuma/<=30a)=P(no fuma/31-40a) = P(no fuma/41-50a) = P(no fuma/51-60a) = P(no fuma/>60a)
P(1-10cig./<=30a)=P(1-10cig./31-40a) = P(1-10cig./41-50a) = P(1-10cig./51-60a) = P(1-10cig./>60a)
P(>10cig./<=30a)=P(>10cig./31-40a) = P(>10cig./41-50a) = P(>10cig./51-60a) = P(>10cig./>60a)
contra
H1 Al menos una de esas igualdades no es cierta
dnde P(no fuma/<=30a) es la probabilidad de no fumar cuando se tiene 30 aos o menos y as

sucesivamente.
Teniendo claro el contraste de hiptesis que se va a llevar a cabo y que se va a usar el estadstico
chi-cuadrado, me quedar con la fila de la Chi-cuadrado de Pearson de la tabla anterior. Sin
embargo antes de usar esa fila ha de verificarse que se cumplen las condiciones de aplicacin de la
chi-cuadrado y eso lo podemos verificar en el pie de la tabla de Pruebas de chi-cuadrado.
Obsrvese que ah se nos presentan el nmero, y la proporcin de valores de chi-cuadrado menores
que 5, 2, es decir el 13,3% de las 15 casillas de la tabla, y el menor valor esperado, 2,36. Pues bien
con estos datos podemos aplicar el estadstico chi-cuadrado puesto que no hay ningn valor
esperado menor que 1, el mnimo vale 2,36, y no hay ms del 20% de los valores esperados
menores que 5, de hecho hay un 13,3%. Podemos aplicar el estadstico chi-cuadrado como veremos
a continuacin.
Los resultados de la tabla son 2exp=20,237 8gl P=0,009, y con ese nivel de significacin podemos
rechazar la hiptesis nula, es decir podemos afirmar que existe asociacin entre la edad de los
profesores y el hbito tabquico.
La bsqueda de las causas de la asociacin no es fcil y no la veremos aqu pero se puede tener una
aproximacin observando, como hemos hecho antes, los porcentajes por filas y conjeturando a
partir de ellos.
Veamos ahora un segundo problema.
53
Problema 2. Est asociado el sexo del profesor, con tener un nmero alto de sntomas
depresivos?
Veamos como se analiza esta tabla 2x2 y que es la tpica tabla de contingencia dnde se
estudia la relacin entre un posible factor de riesgo (en este caso el sexo) y la presencia de un
problema, o enfermedad, que en este caso es el nmero de sntomas depresivos categorizado en
nmero normal y nmero alto. Como se puede ver en la base la variable en la que aparece el
sexo del profesor se denomina sexo.
Accin
Resultado
Analizar Estadsticos
Descriptivos Tablas de
contingencia.
Y pinchar en
con objeto de limpiar los
datos del ejemplo anterior.
Seleccionemos la variable
sexo y pasmosla al cajn de
. De la
Filas pulsando
misma manera,
seleccionemos la variable
cesd_16, que est casi al
final de la base de datos, y
pongmosla en el cajn de
Columnas pulsando el
botn
correspondiente.
(Comentario: La eleccin
de qu variable va en filas y
qu variable va en columnas,
en este caso es arbitraria,
pero menos, ya que sigue la
costumbre del que ha escrito
el guin, que pone por filas
el factor de riesgo y por
columnas la enfermedad o el
problema que se desee
estudiar)
54
Accin
Para
seleccionar
los
estadsticos que se van a
emplear en el anlisis de la
tabla
de
contingencia
formada por ambas variables
Resultado
pinchar
Como slo nos interesa el

estadstico
chi-cuadrado,
seleccionar
y
pulsar en
para
volver a la pantalla de tablas
de contingencia.
Para
seleccionar
informacin que se va
presentar en la tabla
contingencia
hemos
la
a
de
de
pinchar en
55
Accin
Como se ve, de oficio, SPSS
tiene seleccionado mostrar
las frecuencias observadas,
sin embargo, al menos uno
debera
seleccionar
los
porcentajes o por filas o por
columnas. Como el autor de
este guin desea saber el
porcentaje de fumadores
para cada uno de las edades
marcar
tras
ello
Resultado
pulsar
para volver a la
pantalla de tablas de
contingencia.
Pinchando
Obtenemos el conjunto de
resultados
que
comentaremos
a
continuacin.
Veamos y comentamos los resultados obtenidos, pero fijndonos en unas pequeas diferencias
que existen, pero que son muy valiosas.
Resultados:
Resumen del procesamiento de los casos
Casos
N
Sexo * Puntuacin
CES-D cortada en 16
Vlidos
Porcentaje
498
100,0%
Perdidos
Porcentaje
0
,0%
Total
Porcentaje
498
100,0%
Comentarios: Esta tabla indica el nmero total de casos con los que se ha llevado a cabo la tabla de
contingencia y el nmero de datos faltantes si los hay. En este caso el nmero total de casos han
sido 498, todos los que hay en el archivo, ya que no hay datos faltantes en ninguna de las dos
variables.
56
Resultados:
Tabla de contingencia Sexo * Puntuacin CES-D cortada en 16
Puntuacin CES-D
cortada en 16
Sexo
varn
mujer
Total
Recuento
% de Sexo
Recuento
% de Sexo
Recuento
% de Sexo
normal
138
72,3%
186
60,6%
324
65,1%
alta
53
27,7%
121
39,4%
174
34,9%
Total
191
100,0%
307
100,0%
498
100,0%
Comentarios:
Los siguientes resultados son la tabla de contingencia con la que estudiaremos la asociacin entre el
sexo y el nmero alto de sntomas depresivos; la primera variable ha sido colocada por filas,
habiendo 2 filas, una para hombres y otra para mujeres, mientras que la segunda variable ha sido
colocada por columnas habiendo 2 columnas para los dos niveles de sntomas depresivos, normal y
alto. Si se observa la tabla parece que el porcentaje de profesores hombres que sufren un nmero
alto de sntomas depresivos es menor que el porcentaje de profesoras mujeres que sufren un nmero
alto de sntomas depresivos, un 27,7% frente a un 39,4%. Esa percepcin que habla de una forma de
asociacin entre ambos caracteres debe ser corroborada por un contraste de hiptesis, con la chicuadrado tpicamente, que nos permita concluir o no en esa asociacin y eso es lo que aparece en el
siguiente apartado de los resultados.
Resultados:
Pruebas de chi-cuadrado
Chi-cuadrado de Pearson
Correccin por
continuidad(a)
Razn de verosimilitudes
Estadstico exacto de
Fisher
Asociacin lineal por
lineal
N de casos vlidos
Valor
gl
Sig.
asinttica
(bilateral)
7,048(b)
,008
6,544
,011
7,164
,007
7,034
Sig. exacta
(bilateral)
Sig. exacta
(unilateral)
,009
,005
,008
498
a Calculado slo para una tabla de 2x2.
b 0 casillas (,0%) tienen una frecuencia esperada inferior a 5. La frecuencia mnima esperada es 66,73.
Comentarios: Nosotros estudiaremos la asociacin a partir del estadstico chi-cuadrado, es decir

resolveremos el contraste de hiptesis:
H0 El sexo y el nmero de sntomas depresivos(categorizado en normal y alto) son
independientes
contra
H1 El sexo y el nmero de sntomas depresivos(categorizado en normal y alto) no son
independientes, es decir estn asociados
o este otro que sera equivalente
57
H 0 P(normal/Hombres)=P(normal/Mujeres)
P(alta/Hombres)=P(alta/Mujeres)
contra
H1 Al menos una de esas igualdades no es cierta
dnde P(normal/Hombres) es la probabilidad de tener un nmero normal de sntomas depresivos

cuando se es un profesor y lo mismo para mujeres. De hecho al haber slo dos categoras en el
factor de riesgo en la ltima hiptesis nula sobra una de las dos igualdades ya que si son iguales los
porcentajes de hombres y de mujeres en una de las dos categoras tambin lo sern en la otra puesto
que esas probabilidades son complementarias.
Teniendo claro el contraste de hiptesis que se va a llevar a cabo y que se va a usar el estadstico
chi-cuadrado, me quedar con la fila de la Chi-cuadrado de Pearson de la tabla anterior. Sin
embargo antes de usar esa fila ha de verificarse que se cumplen las condiciones de aplicacin de la
chi-cuadrado y eso lo podemos verificar en el pie de la tabla de Pruebas de chi-cuadrado.
Obsrvese que ah se nos presentan el nmero, y la proporcin de valores de chi-cuadrado menores
que 5, 0, es decir el 0% de las 4 casillas de la tabla, y el menor valor esperado, 66,73. Pues bien con
estos datos podemos aplicar el estadstico chi-cuadrado pues no hay ningn valor esperado menor
que 1, el mnimo vale 66,73, y no hay ms del 20% de los valores esperados menores que 5, de
hecho hay un 0%. Podemos aplicar el estadstico chi-cuadrado como veremos a continuacin.
Los resultados de la tabla son 2exp=7,048 1gl P=0,008, y con ese nivel de significacin podemos
rechazar la hiptesis nula, es decir podemos afirmar que existe asociacin entre el sexo de los
profesores y el nmero de sntomas depresivos. Sin embargo en el caso de esta tabla 2x2 aparecen
ms estadsticos y ms tests que se pueden emplear. El primero es el etiquetado en la tabla como
Correccin por continuidad que no es ms que el conocido test de la chi-cuadrado con la
correccin por continuidad de Yates que slo es aplicable bajo las mismas condiciones que el test
chi-cuadrado que acabamos de ver y que es ms apropiado en el caso de tablas 2x2; en este caso los
resultados son: 2exp=6,544 1gl P=0,011, que nos permite concluir en la relacin entre las dos
variables. Obsrvese que aunque no hay diferencias en cuanto al contraste entre el test chi-cuadrado
y el test chi-cuadrado con la correccin de Yates, en nuestro ejemplo, el nivel de significacin del
de Yates es ms elevado que el del test chi-cuadrado, cosa que ocurre siempre porque el test con la
correccin de Yates es ms conservador que el test sin dicha correccin. Pero an es mejor un test
que aparece en la tabla con la que trabajamos que es el test exacto de Fisher que slo da el nivel de
significacin; en este caso la significacin bilateral, P=0,009, que tambin nos llevara a rechazar la
hiptesis nula; el test exacto de Fisher es el preferido en el caso de tablas 2x2 porque es un test que
siempre es vlido no teniendo que verificar si se cumplen condiciones para l, a cambio, es ms
conservador que el test chi-cuadrado.
Concluida la existencia de relacin entre ambos caracteres, como el sexo tiene slo dos categoras,
podemos afirmar, directamente, que la proporcin de mujeres que sufren un nmero alto de
sntomas depresivos es mayor que la proporcin de hombres que sufren un nmero alto de sntomas
depresivos.
Dicho esto la pregunta inmediata sera determinar si esa asociacin es fuerte o dbil lo que se hace
con las medidas de asociacin conocidas para tablas 2x2 que SPSS no acaba de calcular
correctamente por lo que no las veremos aqu.
58
Apndice III.
ESTADSTICA. E FERMERA
Evaluacin XI. SPSS VI.
Fecha: ____________
ombre: _______________________________ Grupo 1
Para hacer los ejercicios siguientes tienes que trabajar con el archivo
que debes tenerlo abierto pues con l has ejecutado parte del guin.
1. Est asociado el sexo del profesor (sexo) con el consumo de tabaco (tabaco)?
Hiptesis:
Se cumplen las condiciones de validez? Porqu?
exp 2
g.l.
Conclusin:
En que sentido ira la asociacin (responde a esta pregunta aunque no hayas concluido
que existe asociacin):
59
Apndice IV.
PROBLEMAS
PROBLEMAS DE CHI-CUADRADO
E FERMERIA
1.- De cada uno de los 6 distritos de una ciudad se tomaron 100 individuos al azar y se encontr
que haba 22, 16, 15, 31, 23 y 25 hipertensos respectivamente. Es igual la prevalencia de la
hipertensin en todos los distritos?
2.- La incontinencia suele ser un problema grave en pacientes de ms de 65 aos y con
inmovilidades prolongadas debidas a fracturas en las extremidades inferiores. Se supona que el
sexo del individuo poda influir en la presentacin del problema y, para comprobarlo, se tomaron
dos muestras de 100 hombres y 100 mujeres, que sufrieron inmovilidades prolongadas,
encontrndose que 19 de los primeros y 39 de las segundas sufrieron de incontinencia. Analizar los
datos.
3.- Se sospecha que la presentacin de una rara reaccin alrgica a los vendajes tras una cierta
intervencin quirrgica puede ser debida (en parte) al uso de un determinado desinfectante. Si de
85 casos con reaccin, 46 fueron tratados con tal desinfectante, en tanto que eso sucedi slo en 33
de los 125 casos sin reaccin observados, qu puede decirse de la sospecha inicial?
4.- En un estudio acerca de la influencia del estado dental en la presencia de cefaleas, se tom una
muestra aleatoria de 360 individuos de los que se vio que 40 presentaban cefaleas constantes y de
ellos 28 tenan la dentadura deteriorada; de los que no presentaban cefaleas constantes, 61
presentaban una dentadura deteriorada. Estdiense los resultados.
60
Apndice V.
PROBLEMAS CHI-CUADRADO
1.Hipert.
SI
NO
22
78
16
84
15
85
31
69
23
77
25
75
132 468
Oij
I
II
III
Distritos
IV
V
VI
100
100
100
100
100
100
600
E11 =
2
exp
=
(132 )(100 ) = 22
600
E12 = 78
222 782 162 842

752
+
+
+
+ +
600 = 10.26 ( 5g.l.)
22 78 22 78
78
2.Min (100,100 ) Min ( 58,142 )
Sexo
Mujer Hombre
SI
39
19
58
NO
61
81
142
100
100
200
200
Min (100,100 )
( 39 )( 81) (19 )( 61)
2
200 = 9.23
=
( 58)(142 )(100)(100)
2
Incont.
2
exp
= 9.23 (1g.l.)
= 29 > 5
2
exp
2
exp
= 9.71
( 39 )(100) = 2.05 R = ( 39 + 0.5)(100 + 1) = 2.03

R =
(19 )(100 )
(19 + 0.5)(100 + 1)
1
1
1
1
R R exp z
+
+
+
;
O11 + 0.5 O12 + 0.5 C1 + 0.5 C2 + 0.5
1
1
1
1
R 2.03exp 1.96
+
+
+
;
39 + 0.5 19 + 0.5 100 + 0.5 100 + 0.5
R (1.10;3.72 ) Conf. 95%
= ( 39 )( 81) = 2.73; O
= ( 39.5 )( 81.5 ) = 2.68
O
( 61)(19 )
( 61.5 )(19.5 )
1
1
1
1
O 2.68exp 1.96
+
+
+
39.5 19.5 61.5 81.5
O (1.42;5.07 )
3.Desinf.
SI
NO
SI
46
39
85
Min ( 79,131) Min ( 85,125 )

210
Reaccin
NO
33
92
125
79
131
210
= 31.9 > 5
61
Min ( 85,125 )
( 46 )( 92 ) ( 33)( 39 )
=
210 = 16.1(1g.l.)
( 85)(125 )( 79 )(131)
2
2
exp
= ( 46 )( 92 ) = 3.29; O
= ( 46.5 )( 92.5 ) = 3.25
O
( 39 )( 33)
( 39.5 )( 33.5)
1
1
1
1
+
+
+
O 3.25exp 1.96
46.5 ( 92.5) ( 39.5) ( 33.5)
O (1.82;5.80 ) Conf. 95%
retrospectivo enfermedad rara.

R O
4.Dent.Det
SI NO
SI
28
12
40
( 89)( 40)
360
Cefaleas
NO 61
259 320
89
271 360
= 9.89 > 5;
2
exp
( ( 28)( 259) (12)( 61) 0.5)

=
( 89)( 271)( 40)( 320)
360 = 49.56
2
exp
= 49.57
( 28)( 271) = 7.10; R = ( 28 + 0.5)( 271 + 1) = 6.92

R =
(12 )(89 )
(12 + 0.5)(89 + 1)
1 1 1 1
R 7.10 1,96
+
+
+
; R (3.41;14.02)
28 + 0.5 12 + 0.5 271 + 1 89 + 1
= ( 28)( 259) = 9.91; O

= 9.62; O 9.62exp 1.96 1 + 1 + 1 + 1 ;
O
28.5 12.5 259.5 61.5
(12)( 61)
O ( 4.68;19.78)
62
Apndice VI.
ESTADSTICA. E FERMERA.
Evaluacin X. Chi-cuadrado
Fecha: ___________
ombre: _______________________________
Grupo 1
1. Deseando estudiar la relacin entre el bajo nivel de autocuidados de una

poblacin de ancianos y los factores que podan estar asociados con ese bajo
nivel, se tom una muestra de 350 ancianos que eran atendidos en un centro de
Salud, de los que se encontr que 100 tenan un nivel bajo de autocuidados; de
entre estos, 40 eran mayores de 80 aos. De otro lado, de entre los que no tenan
un nivel bajo de autocuidados, 50 eran mayores de 80 aos. Est asociado el
bajo nivel de autocuidados con una edad por encima de 80 aos? Calcula una
medida de la fuerza de la asociacin entre el bajo nivel de autocuidados y el
sobrepasar la edad de 80 aos.
63

Estadística para Enfermería

Cargado por

Copyright:

Formatos disponibles

Estadística para Enfermería

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Estadística para Enfermería

Cargado por

Copyright:

Formatos disponibles

Diagrama de rea Polar (a mi me gusta ms Diagrama de la Rosa) de D Florence

Nightingale (1820-1910), Enfermera y Estadstica Ilustre.

2 CURSO DEL GRADO DE

Juan de Dios Luna del Castillo

Cuando el estudiante o el profesional de cualquier Ciencia de la Salud (Medicina,

campo de Ciencias de la Salud. Por si no ha quedado claro, no me defino como

4. La plataforma Virtual SWAD(*).

Qu es la plataforma SWAD?: Un instrumento para la gestin de la asignatura y la

Esta informacin est copiada y pegada de una Gua Didctica de D. Salvador

5. Ficha Personal del Alumno(*).

6. Instrucciones para obtener el e-mail

Acceda a la pgina inicial de la Universidad de Granada http://www.ugr.es

cuchicuchi65 y cosas parecidas. Facilitar mucho las cosas si escribe su nombre:

7. Cmo utilizar eficazmente su correo electrnico(*).

Compromiso del Profesor(*).

Compromiso del Alumno (*).

El alumno, es el actor fundamental en su aprendizaje, por eso recae sobre l la

La asignatura de Estadstica se encuentra ubicada en el Primer Semestre del

La Carpeta de Aprendizaje esta pensada para que usted muestre, en su mejor

Tambin la Carpeta de Aprendizaje puede ser el inicio de una agradable amistad/

Introduccin. Estadstica Descriptiva: tipos de datos; presentacin tabular y grfica de

Conceptos de probabilidad, variable aleatoria, distribuciones de probabilidad y de las

III Muestreo aleatorio. Estimacin. Intervalos de confianza para medias y proporciones.

Muestras independientes y muestras apareadas. Tests de homogeneidad de dos medias:

VI El test chi-cuadrado: test de homogeneidad de varias proporciones y test de independencia

VIII El concepto de correlacin :Coeficiente de correlacin de Pearson y de Spearman.

Prcticas de relaciones de Ejercicios.

Evaluacin del Alumno.

Los criterios generales de la evaluacin se corresponden con los objetivos de la

Dnde y cuando nos vemos, y para qu.

3) Para consultas individuales nos veremos a travs del correo electrnico

Plan de trabajo de la Asignatura.

A continuacin le presento la planificacin docente tentativa para el Curso 2011-12

Planificacin Docente Tentativa para el Curso 2011_12

Variable Aleatoria. Funcin de probabilidad.

Errores en el Contraste de Hiptesis.

Planificacin Docente Tentativa para el Curso 2011_12

Planificacin Docente Tentativa para el Curso 2011_12

Test de homogeneidad de un carcter Cualitativo

Test de Asociacin de Caracteres Cualitativos

Problema de Asociacin entre un factor de

Pizarra. Dos Medias

Pizarra. Dos Medias

SPSS. Dos Medias

Problema de Asociacin entre un factor de

Coeficiente de Correlacin de Pearson.

Planificacin Docente Tentativa para el Curso 2011_12

Planificacin Docente Tentativa para el Curso 2011_12

Evaluacin del Profesor.

El profesor evaluar su desempeo de dos formas. Una continuada a lo largo del

21. Gua de Trabajo autnomo de la asignatura.

10. Siguiendo lo hecho en el material de estudio, calcule una estimacin puntual y

Objetivo: v.a. cualitativas/cuantitativas con datos presentados en forma de una tabla

Herramientas: estadstico/distribucin chi-cuadrado jicuadrado 2

Es la distribucin del grupo sanguneo igual en los tres pases?

(b) Tabla 42:

H1: Al menos uno es distinto

H1: La proporcin de individuos que

H1: Alguna igualdad es falsa