ESTADÍSTICA DESCRIPTIVA
Pamela Merino Salazar MD, MSc, PhD
Maestría en Salud y Seguridad Ocupacional, 2022
¿Qué es la estadística descriptiva?
¿Cómo se describe de forma numérica y gráfica una variable cualitativa?
¿Cómo se describe de forma numérica una variable cuantitativa?
¿Cómo se describe de forma gráfica una variable cuantitativa?
Objetivos
• Definir la estadística descriptiva.
• Describir numéricamente y gráficamente una variable categórica.
• Calcular las medidas de tendencia central y las medidas de dispersión.
• Seleccionar la medida de tendencia central y de dispersión adecuada.
• Interpretar las medidas de tendencia central y medidas de dispersión.
Materiales para el aprendizaje
1. Diapositivas de la sesión
2. Lecturas recomendadas
Miguel Ángel Martínez (2014). Bioestadística amigable. España: Elsevier.
Capítulo 2.
Concepto de estadística descriptiva
La estadística descriptiva es un conjunto de procedimientos (tablas, gráficos y
resúmenes numéricos acerca de la magnitud y variabilidad de las mediciones
realizadas) encaminados a resumir la información presente en los datos.
Recordemos…
Estudiar a toda la población requiere mucho tiempo y recursos y no
siempre es factible; por lo tanto, a menudo se realizan estudios sobre la
muestra; y los datos se resumen utilizando estadísticas descriptivas.
Estos hallazgos se generalizan a la población no observada utilizando
estadísticas inferenciales.
Descripción de las variables
• La descripción de las variables permitirá resumir la información de los datos y extraer
la información relevante que contienen las variables.
Primero: describir y explorar Después: inferencia estadística
Descripción de las variables
• Para describir las variables que forman la base de datos se pueden usar gráficos y
resúmenes numéricos.
• Los resúmenes numéricos y gráficos dependerán del tipo de variable.
• Después de la descripción de las variables del fichero de datos, se realizará el cálculo
de diferentes medidas epidemiológicas y análisis estadísticos en función del objetivo
del estudio y los datos disponibles.
Descripción de las variables
Primer paso:
Determinar si estamos frente a una variable
cualitativa o cuantitativa
¿Qué tipo de variables son:
• niveles de riesgo por posturas forzadas (alto, medio, bajo)
• grupos de edad (18-30, 31-50, >50 años)
• edad (18, 19, 20, 21… años)
Tipos de variables
Cualitativa Cuantitativa
o categórica o numérica
Nominal Ordinal Continua
Discreta
Cualquier valor en
Categorías no Categorías Valores enteros un intervalo de
ordenadas ordenadas valores
Sexo Nivel de estudios Número Peso kg
(Hombre, mujer) (Primario, secundario, de hijos
terciario)
Descripción de las variables
Variables cualitativas Variables cuantitativas
De forma numérica Índices resumen
Frecuencias Medidas de tendencia central
Representación gráfica Medidas de dispersión
Diagrama de barras Representación gráfica
Gráfico de sectores Histograma
Diagrama de caja
Descripción numérica de una variable cualitativa
Frecuencia absoluta y frecuencia relativa
• La frecuencia absoluta de una
categoría es el número de veces que se Hombres Mujeres
repite esa categoría. Frecuencia absoluta: nk 57 35
Frecuencia relativa: fk 0,62 0,38
fk= nk/N, donde N= (57/92) (35/92)
• La frecuencia relativa de una categoría número total de casos
es el cociente entre la frecuencia Frecuencia relativa 0,62 1
absoluta y un número total de acumulada: Fk (57/92) (92/92)
individuos. Fk= Nk/N
Las frecuencias relativas se pueden presentar en porcentaje
(fk*100)
Frecuencias absolutas y relativas en SPSS
Frecuencia relativa
acumulada:
El 97,51 % de las
+ personas se
identifican como
indígena,
afrodescendiente,
negro, mulato,
montubio o mestizo
Frecuencias absolutas y relativas en un artículo
Table 1. General characteristics of the population sample (women). First Survey of Safety Conditions
and Health at Work of Quito and Guayaquil, 2016-2017.
n=854 (%)
City
Quito 362 62,3
Guayaquil 492 37,7
Age groups
18-30 320 35,0
31-50 456 55,7
>50 78 9,3
Occupational category
Lower 113 16,4
Medium 641 71,0
Upper 100 12,6
Sector of economic activity
Construction 26 2,9
Industry 71 7,7
Commerce 236 22,7
Other services 521 66,6
Non-agricultural employees aged 18 or older, covered by social security and residing in Quito and Guayaquil.
Unweighted frequencies and weighted percentages.
Fuente: Merino-Salazar. Occupational health in Ecuador from a gender perspective: results from the First Survey
of Safety Conditions and Health at Work of Quito and Guayaquil
Una imagen vale más que mil palabras
Representación gráfica de variables cualitativas
Diagrama de barras
• Frecuencias absolutas o relativas
Diagramas de barras pueden
• Indicaciones: variables ordinales o nominales
ser horizontales o verticales
• Eje horizontal: valores o categorías de la variable
• Eje vertical: frecuencia absoluta o relativa de cada categoría
Diagrama de barra vertical
Distribución por sexo Número de hombres y mujeres
60
70%
60% 50
50% 40
40%
30
30%
20
20%
10% 10
0% 0
Hombres Mujeres Hombres Mujeres
Frecuencia relativa Frecuencia absoluta
Representación gráfica de variables cualitativas
Diagramas de barras horizontal
Representación gráfica de variables cualitativas
DISTRIBUCIÓN POR SEXO
Hombres Mujeres
Diagrama de sectores
• Diagrama de pastel, tarta, pie
chart (inglés) 38%
• Indicación: variables categóricas
62%
nominales
• Cada sector representa un valor
o categoría de la variable
• El área del sector representa su
porcentaje ¿Qué gráfico es preferible utilizar para describir el
número de cigarrillos/día en tres categorías (pej: <20,
20-39, >39)?
Representación gráfica de variables cualitativas
Representación gráfica de variables cualitativas en un artículo
científico
Hernández-Ávila M, Gutiérrez JP, Reynoso-Noverón N. Diabetes mellitus en
México. El estado de la epidemia. Salud Publica Mex 2013;55 supl 2:S129-S136.
Representación gráfica de variables cualitativas en un artículo
científico
Benavides FG, Wesseling C, Delclos GL, et al. Working conditions and health
in Central America: a survey of 12 024 workers in six countries.
Occupational and Environmental Medicine 2014;71:459-465.
Descripción de las variables
Variables cualitativas Variables cuantitativas
De forma numérica Índices resumen
Frecuencias Medidas de tendencia central
Representación gráfica Medidas de dispersión
Diagrama de barras Representación gráfica
Gráfico de sectores Histograma
Diagrama de caja
Descripción de una variable cuantitativa
La descripción de una variable cuantitativa se puede realizar numéricamente de
muchas más maneras que una variable categórica.
1. Medidas de tendencia central (informan acerca de la localización del centro de
las observaciones).
2. Medidas de dispersión o variabilidad (informan acerca de la heterogeneidad de
las observaciones).
Descripción de una variable cuantitativa
Medidas de tendencia central Medidas de dispersión
• Media aritmética (media o promedio) • Rango
• Mediana • Varianza y desviación típica
• Moda (desviación estándar)
• Rango intercuartílico
Otras medidas de localización
• Percentiles
Descripción de una variable cuantitativa
Medidas de tendencia central Medidas de dispersión
• Media aritmética (media o promedio) • Rango
• Mediana • Varianza y desviación típica
• Moda (desviación estándar)
• Rango intercuartílico
Media aritmética (media o promedio) muestral
La media aritmética de una variable formada por n
observaciones, es el cociente entre la suma de los valores de la
variable en cada una de las n observaciones y el número de
observaciones (n).
Suma de todos los valores observados
Media aritmética=
Número total de observaciones
𝛴𝑥
𝑥ҧ =
𝑛
Mediana
La mediana de una variable es aquel valor que, ordenadas las observaciones en forma
creciente, ocupa la posición central (divide las observaciones en dos partes iguales
donde cada una de ellas contiene aproximadamente el 50% de los individuos).
• Si el número de individuos n es impar, es el valor que se encuentra en el centro de
todas las observaciones (valor x[(n+1)/2]).
• Si el número de individuos n es par, es la media de los valores de las dos
observaciones que ocupan las posiciones centrales (valor (x[n/2] + x[n/2+1] )/2).
Moda
La moda de una variable es el valor más frecuente del conjunto de observaciones.
Es posible que en algunas ocasiones se presente dos valores con la mayor frecuencia,
lo cual se denomina Bimodal o en otros casos más de dos valores, lo que se conoce
como multimodal.
Moda
4, 3, 2, 7, 7, 7, 9, 5, 9, 9, 1, 9
9, 3, 4, 6, 7, 8, 6, 9, 0, 7, 6, 9, 1, 6, 9
2, 3, 7, 9, 8, 5, 0
Ejemplo
Tomamos en cuenta la altura en cm de 11 individuos:
n= 11: 160, 210, 160, 170, 168, 163, 199, 164, 160, 202, 171 cm
x1= 160, x2= 210, x3=160,…x11=171
𝛴𝑥
Media: 𝑥ҧ =
𝑛
160 +210+160+170+168+ 163+199+164+160+202+171
= 175,2
11
Mediana: (valor x[(n+1)/2])= (valor x[(12)/2])= x[6]
160 160 160 163 164 168 170 171 199 202 210
Moda:
160
Ejemplo
Si el número de individuos fuera par, la mediana es la media de los valores de las dos
observaciones que ocupan las posiciones centrales
Tomamos en cuenta la altura en cm de 12 individuos:
n= 12: 160, 210, 160, 170, 170, 168, 163, 199, 164, 160, 202, 171 cm
x1= 160, x2= 210, x3=160,…x11=171
Mediana:
160 160 160 163 164 168 170 170 171 199 202 210
(valor (x[n/2] + x[n/2+1] )/2) = (valor (x[6] + x[7] )/2) =
168+170
2
=169 cm
Descripción de una variable cuantitativa
• La media puede ser tratada de una manera más sencilla desde un punto de vista
matemático.
• La media de un conjunto de datos está afectada por los valores extremos
(outlier) en muestras pequeñas.
• La mediana no se ve tan afectada por los valores extremos.
• Cuando una medida esta afectada por los valores extremos no es representativa
del conjunto de datos que describe.
Descripción de una variable cuantitativa
Medidas de dispersión
Medidas de tendencia central
• Rango
• Varianza y desviación típica
• Media aritmética (o media)
(desviación estándar)
• Mediana
• Rango intercuartílico
• Moda
Las medidas de dispersión o VARIABILIDAD cuantifican la separación, la dispersión, la
variabilidad de los valores de la distribución respecto al valor central.
¿Media o mediana?
Calcular la media y mediana del salario
Salario (en
dólares) anual en dólares de la muestra
Tú 35 000
Bartender 25 000 Media= 35 286
Cliente 1 48 000 Mediana= 35 000
Cliente 2 41 000
Cliente 3 28 000
Cliente 4 37 000
Cliente 5 33 000
Jugador de 70 000 000
football
Media= 8 780 875 Con valores
extremos o
Mediana= 36 000
outliers
Descripción de una variable cuantitativa: variabilidad
Horas de trabajo Horas de trabajo
remunerado diario remunerado diario
(mujeres) (hombres)
12 8,5
5 10
14 8
6 9
8 9,5
Media=9 horas Media=9 horas
Descripción de una variable cuantitativa: variabilidad
Horas de trabajo Horas de trabajo
remunerado diario remunerado diario
(mujeres) (hombres)
15
12 8,5
5 10
14 8
6 9
8 9,5
10
Media=9 horas Media=9 horas
5
Descripción de una variable cuantitativa: variabilidad
• La variabilidad suele existir en un conjunto de datos ya que los
individuos no suelen tener o tomar los mismos valores en cada una
de las variables.
• Aunque las medidas de tendencia central proporcionan un valor
numérico de utilidad que intenta resumir nuestro conjunto de
observaciones, la información que aportan puede ser limitada.
Descripción de una variable cuantitativa: variabilidad
• La variabilidad de los datos es también una información de gran
utilidad que debemos tener presente.
• Es importante acompañar a las medidas de tendencia central con
medidas que complementen su información mediante la medición de
la variabilidad de las observaciones.
Descripción de una variable cuantitativa: variabilidad
Tomamos en cuenta dos series de datos
(edad): En las dos series la media es igual a
Serie 1 (edad mujeres): 18, 19, 20, 21, 22 años 20 y la mediana también es igual e
igual a 20.
Serie 2 (edad hombres) : 9, 14, 20, 27, 30 años
Serie 1:
18 19 20 21 22
Serie 2:
9 14 20 27 30
Ordenar de menor a mayor
Descripción de una variable cuantitativa: rango
• Para cuantificar la variabilidad podríamos calcular la distancia entre el valor
máximo y el valor mínimo.
• El rango es la diferencia entre el valor máximo y el valor mínimo.
Serie 1:
Rango serie 1: 22-18 = 4
18 19 20 21 22
Serie 2:
Rango serie 2: 30-9 = 21
9 14 20 27 30
Ejercicio 1: Rango
Calcular el rango del las horas de trabajo remunerado diario de hombres y de mujeres
Horas de trabajo Horas de trabajo
remunerado diario remunerado diario
(mujeres) (hombres)
15
12 8,5
5 10
14 8
6 9
8 9,5
10
Media=9 Media=9
Rango= 9 Rango= 2
Descripción variable cuantitativa: varianza y desviación típica
• El indicador de variabilidad más ampliamente usado es la desviación
típica (o desviación estándar), definida como la raíz cuadrada de la
varianza.
• La varianza (y desviación típica) representan la variabilidad respecto a
la media; es decir, la distancia media de cada observación respecto al
centro (media).
Descripción variable cuantitativa: varianza y desviación típica
Varianza Desviación típica
• Dispersión de los valores • Es la raíz cuadrática positiva de
alrededor de la medía. la varianza
• Es el promedio del cuadrado de • Es necesario primero calcular la
las distancias entre cada varianza (promedio de las
observación y la media diferencias entre las
aritmética del conjunto de observaciones y la media)
observaciones.
Descripción variable cuantitativa: varianza y desviación típica
Ejemplo:
Edad mujeres : 18, 19, 20, 21, 22 años Edad hombres: 9, 14, 20, 27, 30 años
S2= Estimación
de la varianza
S= Estimación
de la desviación
típica
S2 = 2,5 S2 = 76,5
S= 1,58 S= 8,75
Descripción variable cuantitativa
Descripción variable cuantitativa: varianza y desviación típica
• Una desviación estándar pequeña indica que en promedio los valores
del conjunto de datos están próximos al centro (más homogéneos).
• Una desviación estándar grande indica que los valores en el conjunto
de datos están alejados del centro (más heterogéneos).
• Aunque la varianza y la desviación típica contienen la misma
información, la desviación típica es más comprensible porque se
expresa en las mismas unidades que la variable.
• La desviación típica esta afectada por los outliers.
Varianza y desviación típica
Pasos para el cálculo de la varianza Pasos para el cálculo de la
1. Encontrar la media del conjunto de desviación típica
datos. 6. Realizar la raíz cuadrada de 5.
2. Encontrar las diferencias resultantes
de la resta entre cada número y la
media.
3. Elevar al cuadrado cada una de las
diferencias encontradas en 2).
4. Sumar todos los resultados
obtenidos en 3).
5. Divide la cantidad obtenida en 4)
entre n-1 (el número de observaciones
en el conjunto de datos menos 1).
Varianza y desviación típica
Edad mujeres: 18, 19, 20, 21, 22 Edad hombres: 9, 14, 20, 27, 30
S2= Estimación
de la varianza
S= Estimación
de la desviación
típica
S2 = 2.5 S2 = 76.5
S= 1.58 S= 8.75
Descripción variable cuantitativa: varianza y desviación típica
𝒙ഥ = 20
Serie 1: 18, 19, 20, 21, 22 Serie 2: 9, 14, 20, 27, 30
18 - 20 = (-2) 2 = 4
19 - 20 = (-1) 2 = 1 9 - 20 = (-11)2 = 121
20 - 20 = ( 0) 2 = 0 14 - 20 = (-6 ) 2 = 36
21 - 20 = ( 1) 2 = 1 20 - 20 = (0)2 = 0
22 - 20 = ( 2) 2 = 4 27 - 20 = (7)2 = 49
30 - 20 = (10) 2 = 100
10 :4
306 :4
𝒔𝟐 = 2,5 𝒔𝟐 = 76,5
√ 2,5= 1,58
√ 76,5 = 8,7
𝒔 = 1,58 años 𝒔 = 8,7 años
Descripción variable cuantitativa: cuantiles
• Son medidas de posición.
• Indican que puesto ocupa un determinado valor de una variable en el
conjunto ordenado de los datos de esa variable.
• Cuartiles, tercil, quintil, percentil
Percentiles
• En general, se denomina percentil “i” a aquel valor que, ordenadas las
observaciones en forma creciente, el i% de ellas son iguales o
menores que él y el (100-i)% restante son mayores.
Ejemplos
• Una niña que está en el percentil 80 del peso para su edad quiere
decir que el 80% de los niños de su edad pesan menos o igual que
ella.
▪ Por ejemplo, una niña de 1 año que pesa 10 kg está en el percentil 80
• Un alumno que está en el percentil 100 de las notas de clase, quiere
decir que es el que mejor nota tiene de su clase.
• Por ejemplo, un estudiante de Bioestadística y epidemiología que tiene nota
final de 10, está en percentil 100
.
Los datos antropométricos se expresan generalmente en
percentiles
Ejemplo: Talla
• P5= sólo un 5% de la población tienen esa talla o menos (corresponde
a un individuo de talla pequeña).
• P50= por debajo de ese valor se encuentra la mitad de la población
• P95= por debajo de este punto está situado el 95% de la población
(casi toda la población)
• Los percentiles más empleados en diseño ergonómico son el P5 y el
P95 (se proyecta para un 90% de los usuarios).
Percentiles y cuartiles
Cuartiles: Q1,Q2 y Q3
Q1: Percentil 25
Deja el 25% de las observaciones por debajo
Q2: Percentil 50 o mediana
Deja el 50% de las observaciones por debajo
Q3: Percentil 75
Deja el 75% de las observaciones por debajo
25% 25% 25% 25%
Descripción variable cuantitativa: rango intercuartílico
A partir de los cuartiles podemos calcular la
medida de variabilidad denominada rango
intercuartílico definido como:
Rango intercuartilico = Tercer cuartil – Primer Cuartil
25% 25% 25% 25%
Cuando se usa la mediana como medida de
tendencia central se puede acompañar del
rango intercuartilico, ó de los percentiles 25 y
75, para describir los datos.
RIQ= Q3 - Q1
Descripción variable cuantitativa: calcular cuartiles y
rango intercuartílico
1. Ordenar los números
2. Identificar los extremos
3. Identificar la mediana del conjunto de datos
4. Identificar Q3 o cuartil superior (mediana de la mitad superior de
los datos)
5. Identificar Q1 o cuartil inferior (mediana de la mitad inferior de los
datos)
6. Calcular el rango intercuartílico restando Q3 de Q1
Ejemplo
Edad de población trabajadora de limpieza en un aeropuerto de Ecuador (años):
37 22 32 24 28 21 30 18 31 36 años n=10
Mitad inferior de datos Mediana= 29 Mitad superior de datos
18 21 22 24 28 30 31 32 36 37
Q2
Q1 Q3
Rango intercuartílico (RIC)= Q3 – Q1
RIC= 32 – 22 = 10
Ejercicio
Valores de colesterol de la población trabajadora en un aeropuerto de Ecuador (mg/dl)
230 220 270 250 240 245 250 250 240 260 260 230 mg/dl n=12
Mitad inferior de datos Mediana= 247, 5 Mitad superior de datos
220 230 230 240 240 245 250 250 250 260 260 270
Q1 Q2 Q3
235 255
Rango intercuartílico (RIC)= Q3 – Q1
RIC= 255 – 235 = 20
Mediana y RIQ en artículo científico
Conclusion
These findings suggest that having networks of family physicians
involved in hospital care for patients is not less efficient than having
family physicians provide care for their own patients.
The median acute length of stay was 8.0 days (interquartile
range [IQR] 4.0 to 13.0 days) for group A admissions and 8.0
days (IQR 4.0 to 15.0 days) for group B admissions. The median
(IQR) total hospital costs were $6498 ($4035 to $11 313) for
group A admissions and $6798 ($4040 to $12 713) for group B
admissions.
Una imagen vale más que mil palabras
Descripción variable cuantitativa: gráficos
La representación gráfica de las variables cuantitativas se puede
realizar mediante diversos gráficos.
1. Histograma
2. Diagrama de cajas (Box-plot)
Diagrama de cajas (Box-plot) e Histograma
• Medias, desviación estándar y percentiles no nos dicen toda la historia de la
distribución de los datos.
• Diferencias en la forma de distribución de diferentes muestras.
• Los histogramas son una manera de mostrar la distribución de un conjunto de
datos mediante graficar el número (o porcentaje) de observaciones cuyos valores
caen dentro de rangos numéricos predeterminados.
• Los boxplot son gráficos que muestran características clave de un conjunto de
datos: son herramientas muy valiosas para comparar visualmente datos de
múltiples muestras.
Descripción de una variable cuantitativa: histograma
• Los histogramas son uno de los gráficos más utilizados para mostrar
gráficamente variables continuas.
• Muestran la distribución de frecuencias de una determinada variable.
• Importancia: nos dicen si los datos están normalmente distribuidos.
¿Qué es la distribución normal?
Características: (1) la moda, la
media y la mediana son el mismo
valor en el centro de la
distribución. (2) La distribución es
simétrica, es decir, tiene la misma
forma en cada lado de la
distribución.
Descripción de una variable cuantitativa: histograma
Mediciones de concentración de hemoglobina (Hb)
tomadas de 48 pacientes al ingreso a una unidad de
• El primer paso para explorar estos datos es
cuidados intensivos construir un histograma para determinar la
forma de la distribución.
• En primer lugar, los datos son agrupados
antes de graficar el histograma:
• 1 paciente con Hb entre 5,0 a 5,9 g/dl
• 2 pacientes con Hb entre 6,0 a 6,9 g/dl
• 4 pacientes con Hb entre 7,0 a 7,9
• Etc.
• Se recomienda que las categorías sean del
mismo tamaño, exhaustivas y exclusivas.
Whitley E, Ball J. Statistics review 1: presenting and summarising data. Crit
Care. 2002;6(1):66‐71. doi:10.1186/cc1455
Descripción de una variable cuantitativa: histograma
• En el eje x aparecen los valores de la variable agrupada en intervalos (categorías).
• En el eje vertical aparece el número (o porcentaje) de observaciones de cada agrupación.
Whitley E, Ball J. Statistics review 1: presenting and summarising data. Crit
Care. 2002;6(1):66‐71. doi:10.1186/cc1455
Descripción de una variable cuantitativa: histograma
En el histograma se debe mirar el patrón global y las desviaciones extremas de dicho patrón.
• Podemos mirar su simetría o asimetría (sesgo).
Distribución simétrica Media= mediana= moda
Distribución sesgada a la derecha Media > mediana > moda
Media < mediana < moda
Distribución sesgada a la izquierda
Descripción de una variable cuantitativa: histograma
Concentración albúmina en
sangre
• Distribución simétrica
• La mayoría de individuos se
concentran en el centro de la
distribución (35 g/l)
Media= mediana= moda
Nivel de bilirrubina
• Distribución asimétrica sesgada a
la derecha
• La mayoría de individuos se
concentran alrededor de los 30
mmol/l
Media > mediana >moda
Histograma: Distribución sesgada a la derecha
Media: 4,4 días
DS: 4,7 días
Mediana: 2 días
Media > mediana > moda
Histograma: Distribución sesgada a la izquierda
pH de sangre arterial de 100 pacientes ingresados a
cuidados intensivos
Media < mediana < moda
Descripción variable cuantitativa: diagrama de cajas
Outliers
• Gráfico de caja, boxplot, box Máximo valor
and whisker plot adyacente
• Gráfico, basado en cuartiles, Q3 (p75)
mediante el cual se visualiza 50%
Q2 (mediana, p50)
central
un conjunto de datos RIQ Q1 (p25)
• Permite mejorar la
comprensión de los datos de
Mínimo valor
una muestra y ayuda a hacer adyacente
comparaciones entre
muestras.
Ejemplo
Q2; P50
Q1; P25 Q3; P75
Valor RIC= 68-50=18 Valor
mínimo máximo
adyacente adyacente
¿Qué es la estadística descriptiva?
¿Cómo se describe de forma numérica y gráfica una variable cualitativa?
¿Cómo se describe de forma numérica una variable cuantitativa?
¿Cómo se describe de forma gráfica una variable cuantitativa?
Conclusiones
Gracias por su atención
Gracias
