Interpretación de trabajos científicos

Cómo interpretar, resumir y comentar trabajos científicos

SUGERENCIA:
VER LINK:

http://www.ingesa.msssi.gob.es/estadEstudios/documPublica/internet/pdf/Guia_practica_de_lectura.pdf

T de student

Análisis entre variables cuantitativas y cualitativas (T de student).

Se aplica cuando la población estudiada sigue una distribución normal pero el tamaño muestral es demasiado pequeño como para que el estadístico en el que está basada la inferencia esté normalmente distribuido, utilizándose una estimación de la desviación típica en lugar del valor real.
 

Bibliográfica

1. Boneau, C. Alan (1960). «The effects of violations of assumptions underlying the t test». Psychological Bulletin 57 (1): 49-64.

Análisis entre variables cualitativas

CHI-CUADRADO

Para identificar relaciones de dependencia entre variables cualitativas se utiliza un contraste estadístico basado en el estadístico Chi-cuadrado, cuyo cálculo nos permitirá afirmar con un nivel de confianza estadístico determinado si los niveles de una variable cualitativa influyen en los niveles de la otra variable nominal analizada. Siguiendo con el ejemplo propuesto, el cálculo de la Chi-cuadrado nos permitiría saber si el sexo de una persona es un factor determinante en que dicha persona fume o no fume. (1. 2)

Se denomina prueba χ² (pronunciado como «ji cuadrado» y a veces como «chi cuadrado») a cualquier prueba en la que el estadistico utilizado sigue una distribucion  χ² si lahipotesis nula es cierta. Algunos ejemplos de pruebas χ² son:

 Tiene numerosas aplicaciones:

• La prueba χ² de frecuencias
• La prueba χ² de independencia
• La prueba χ² de bondad de ajuste

• La prueba χ² de Pearson con corrección por continuidad.
• La prueba de Bartlett de homogeneidad de varianzas (3)

Bibliografia

1. Abad Montes, F. y Vargas Jiménez, M. (2002). “Análisis de datos para las Ciencias Sociales”. Ed.: Proyecto Sur.

2. Aguilera del Pino, A. M. (2001). “Tablas de contingencia bidimensionales”. Ed.: La Muralla, S.A.

3. Milton, Susan (2001). “Estadística para Biología y Ciencias de la Salud“. Ed.: Mc Graw-Hill.

coeficiente de pearson

ANÁLISIS DE RELACIÓN ENTRE VARIABLES CUANTITATIVAS

COEFICIENTE DE PEARSON

TABLA 1. esquema coeficiente pearson (1)

 El coeficiente de correlación de Pearson, pensado para variables cuantitativas, es un índice que mide el grado de covariación entre distintas variables relacionadas linealmente. (2)

Decimos que la correlación entre dos variables X e Y es perfecta positiva cuando exactamente en la medida que aumenta una de ellas aumenta la otra. Esto sucede cuando la relación entre ambas variables es funcionalmente exacta. (3)

Se dice que la relación es perfecta negativa cuando exactamente en la medida que aumenta una variable disminuye la otra. Igual que en el caso anterior esto sucede para relaciones funcionales exactas, propio de las ciencias físicas. (4)

CARACTERÍSTICAS

A). El coeficiente de correlación de pearson puede tomar valores entre -1 y 1 

B). La correlación de una variable con ella misma siempre es 1 

C). El valor 0 indica ausencia de covariación lineal, pero NO si la covariacion es de tipo no lineal. (5)

SUGERENCIA:

PADLET:

http://padlet.com/mariaamamoli6/3iayulccvm0f

Bibliografia

1. Achen, C. H. (1982). Interpreting and using regression. London: Sage

2.. Berry, W. D., & Feldman, S. (1985). Multiple Regression in Practice. Sage University Paper Series on Quantitative Applications in the Social Sciences, series no. 07-050). Newbury Park, CA: Sage.

3. Cook, R. D. and Weisberg S. (1982). Residual and influence in regression. New York: Chapman & Hall.

4. Etxeberria, J. (1999). Regresión Múltiple. Cuadernos de Estadística. Ed. La Muralla S.A. Espérides, Salamanca

5. Pedhazur, E. J., (1997). Multiple Regression in Behavioral Research (3rd ed.). Orlando, FL:Harcourt Brace.

GRÁFICOS ESTADÍSTICOS

 tomado de: https://www.youtube.com/watch?v=3tlCVQ1Sluo



https://docs.google.com/presentation/d/1mH5uyf3MFg08OM817a0ErBUYqWSqSwq0uL9BZ22RTsU/edit?usp=sharing

graficos box plot

GRÁFICOS BOX-PLOT

El gráfico de caja (“box-plot” en inglés) es una forma de presentación estadística destinada, a resaltar aspectos de la distribución de las observaciones en una o más series de datos cuantitativos.  Fue ideado por John Tukey, de la Universidad de Princeton (U.S.A.) en 1977. (1)

VENTAJAS: El gráfico de caja es una buena alternativa a la presentación tradicional de datos medidos con escala cuantitativa: el histograma. En éste algunas características de la distribución pueden quedar enmascaradas por la construcción de los intervalos de clase; como por ejemplo: los valores de la escala que corresponden al 50 % de las observaciones centrales y al 25 % de las observaciones de cada lado, el valor de la mediana, los valores de observaciones muy apartadas de las posiciones centrales, etc. Es decir, es una presentación que agrega a las ventajas de los gráficos (rápida comprensión visual) algunas referencias estadísticas Por otra parte, permite cotejar varias series de datos medidas con la misma escala y ubicadas en posiciones parecidas de ésta; siendo, en tal sentido, más claro y de mayor información que el polígono de frecuencias (utilizado para comparar dos o más histogramas).  (3)

Bibliografia

1. Zani, G., Riani, M. y Corbellini, A. (1998) Robust Bivariate Boxplots and Multiple Outlier Detection. Computational Statistics & Data Analysis, Vol. 28, pp. 257-270

 2. Wegman, E.J., Carr, D.B. y Luo, Q. (1992). Visualizaing Multivariate Data. Technical Report No. 85. Center for Computational Statistics. George Mason University

3.Wakimoto, K. y Taguri, M. (1978). Constellation Graphical Method for Representing Multi-Dimensional Data. Annals of the Institute of Statistical Mathematics. Vol. 30, No. 1, A, pp. 97-104

MEDIDAS DESCRIPTIVAS

MEDIDAS DESCRIPTIVAS DE TENDENCIA CENTRAL 

Las medidas descriptivas son valores numéricos calculados a partir de la muestra y que nos resumen la información contenida en ella. (1,2)

Imagen 1 (2)

MEDIDAS DE POSICIÓN 

Es cuando los valores se dividen en partes iguales, que comprenden el mismo número de valores. Los más usados son cuartiles, deciles y percentiles. (3,4)

 PERCENTILES: son 99 valores que dividen en cien partes iguales el conjunto de datos ordenados.

CUARTILES: son los tres valores que dividen al conjunto de datos ordenados en cuatro partes iguales, son un caso particular de los percentiles:

- El primer cuartil Q 1 es el menor valor que es mayor que una cuarta parte de los datos - El segundo cuartil Q 2 (la mediana), es el menor valor que es mayor que la mitad de los datos - El tercer cuartil Q 3 es el menor valor que es mayor que tres cuartas partes de los datos (4)

 DECILES: son los nueve valores que dividen al conjunto de datos ordenados en diez partes iguales, son también un caso particular de los percentiles.(4)

MEDIDAS DE CENTRALIZACIÓN

Es el valor representativo de todos los datos:

MEDIA : (media aritmética o simplemente media). es el promedio aritmético de las observaciones, es decir, el cociente entre la suma de todos los datos y el numero de ellos.

MEDIANA (Me):es el valor que separa por la mitad las observaciones ordenadas de menor a mayor. Si el número de datos es impar la mediana será el valor central, si es par tomaremos como mediana la media aritmética de los dos valores centrales (5).

Imagen 2 (6)

MODA : es el valor de la variable que más veces se repite, es decir, aquella cuya frecuencia absoluta es mayor. No tiene porque ser única.

MEDIDAS DE DISPERSIÓN

 Las medidas de dispersión nos dicen hasta que punto las medidas de tendencia central son representativas como síntesis de la información. (6,7)

Las medidas de dispersión cuantifican la separación, la dispersión, la variabilidad de los valores de la distribución respecto al valor central.Distinguimos entre medidas de dispersión absolutas, que no son comparables entre diferentes muestras y las relativas que nos permitirán comparar varias muestras. (6)

VARIANZA: es el promedio del cuadrado de las distancias entre cada observación y la media aritmética del conjunto de observaciones.

DESVIACIÓN TÍPICA:  La varianza viene dada por las mismas unidades que la variable pero al cuadrado, para evitar este problema podemos usar como medida de dispersión la desviación típica que se define como la raíz cuadrada positiva de la varianza. (6)

RECORRIDO O RANGO MUESTRAL: Es la diferencia entre el valor de las observaciones mayor y el menor.

MEDIDAS DE FORMA

Comparan la forma que tiene la representación gráfica, bien sea el histograma o el diagrama de barras de la distribución, con la distribución normal. (8)

Bibliografia

1. Férnandez Fernández, Santiago; Alejandro Córdoba, José María Cordero Sánchez, Alejandro Córdoba (2002). (2ª edición). ESIC Editorial. p. 134

2.Wackerly, Dennis D; Mendenhall, William; Scheaffer, Richard L. (2002). «1.3. Descripción de un conjunto de mediciones: métodos numéricos».Estadística matemática con aplicaciones (6ª edición). Cengage Learning Editores. p. 8.

3. Williams, Perles. Estadística para la Administración. Editorial Prentis HALL Hispanoamérica, S.A., Ed. Méx. 1990.

4. KREYSZING, Erwin. Introducción a la Estadística Matemática. Editorial Limusa, México, 1981.

5. Ortiz, J. J., Serrano, L. y Batanero, C. (2002). El lenguaje probabilístico en los libros de texto. SUMA, 36.

6. Orton, A. (1990). Didáctica de las matemáticas. Madrid. M.E.C. y Morata.

7. MENDEHALL, William. Introducción a la Probabilidad y la Estadística. Traductor Segami Carlos. Grupo Editorial Iberoamericana. México, 1989.

8. Calot G. (1974). Curso de estadística descriptiva. Madrid: Paraninfo

BLOG PROYECTO DE INVESTIGACIÓN I 

MARIA JOSE AMAYA 

UDES 

INFOXICACIÓN

INFOXICACIÓN

La infoxicacion o sobrecarga informativa es una expresión que acuño  Alvin Toffler en su libro “Future Shock” (1970) y hace referencia al estado de contar con demasiada información para tomar una decisión o permanecer informado sobre un determinado tema. Ante una gran cantidad de información para analizar, o contradicciones en la información disponible, o no disponemos de un método para comparar y procesar diferentes tipos de información, estamos frente a una “infoxicación”. Este último término, introducido por Alfons Cornella en 1996, refiere actualmente a la idea de que la sobrecarga de información que recibe un usuario, en especial de Internet en todas sus formas, puede causarle la sensación de no poder abarcarla ni gestionarla y, por tanto, llegar a generarle una gran angustia.

Este término, infoxicación, surge de la unión de las palabras información e intoxicación.

SOBREABUNDANCIA DE INFORMACIÓN QUE OFRECE INTERNET 

Los problemas derivados de la sobreinformación pueden afectar nuestro rendimiento personal y profesional. Si prestamos demasiada atención a una gran cantidad de información de manera sostenida en el tiempo y no finalizamos una tarea para continuar con otra diferente, esto dificulta la desconexión de la mente, y la obliga a realizar un sobreesfuerzo. Es por esto que, debemos reflexionar acerca de cómo nos informamos y qué métodos y herramientas utilizamos para gestionar la información.

 El profesor de la Universidad de Nueva York Clay Shirky aseguró en la Web 2.0 Expo de 2010 que “El problema no es la sobrecarga de información, es que el filtro no funciona”. (http://www.youtube.com/watch?v=LabqeJEOQy

PARA SABER MAS:

- "Desde la infoxicación al derecho a la comunicación" - José Ignacio Aguaded Gómez http://www.revistacomunicar.com/verpdf.php?numero=42&articulo=42-2014-30

- “Como sobrevivir a la infoxicación”- Alfons Cornella. Trascripción de la conferencia del acto de entrega de títulos de los programas de Formación de Posgrado del año académico 1999-2000 http://www.infonomia.com/img/pdf/sobrevivir_infoxicacion.pdf

“Infoxicación: cuando la respuesta no es tecnológica, sino cultural”- Javier Velilla. http://www.ciclodebatesic.es/tag/sobrecarga-informativa/

Tomado de:

Universidad tecnológica nacional. (3/04/2016). Instituto nacional supervisor del profesorado técnico. Buenos Aires, Argentina. Recuperado de: https://miriadax.net/documents/35180568/35180598/INFOXICACION.pdf 

EXPECTATIVAS CON RESPECTO AL CURSO Y PRESENTACION PERSONAL

PRESENTACIÓN PERSONAL 

Mi nombre es Maria Jose Amaya Molina soy estudiante de medicina UDES, curso sexto semestre, las materias que veo son farmacología, semiología, psicopatología, salud publica y proyecto de investigación. 

EXPECTATIVAS DEL CURSO

Lo que yo espero durante el desarrollo de este curso es poder aprovechar cada tema visto, desarrollar todas las habilidades en investigación, para finalmente poder lograr construir un producto con información de calidad con información confiable y actualizada. 

REFERENCIAS BIBLIOGRÁFICAS APA Y VANCOUVER