En bioestadística, para cada una de la situación específica, los métodos estadísticos están disponibles para el análisis e interpretación de los datos. Para seleccionar el método estadístico apropiado, se necesita conocer la suposición y las condiciones de los métodos estadísticos, de modo que se pueda seleccionar un método estadístico adecuado para el análisis de datos. Dos métodos estadísticos principales se utilizan en el análisis de datos: estadísticas descriptivas, que resumen datos utilizando índices como media y mediana y otra es estadística inferencial, que extraen conclusiones de datos utilizando pruebas estadísticas como la prueba t de Student. La selección del método estadístico apropiado depende de las siguientes tres cosas: objetivo y objetivo del estudio, tipo y distribución de los datos utilizados, y la naturaleza de las observaciones (emparejadas/no apareadas). Todo tipo de métodos estadísticos que se utilizan para comparar las medias se denominan paramétricos, mientras que los métodos estadísticos utilizados para comparar distintos de las medias (rangos/proporciones medias/medias) se denominan métodos no paramétricos. En el presente artículo, hemos discutido los métodos paramétricos y no paramétricos, sus supuestos y cómo seleccionar métodos estadísticos apropiados para el análisis e interpretación de los datos biomédicos.
La selección del método estadístico apropiado es un paso muy importante en el análisis de datos biomédicos. Una selección incorrecta del método estadístico no solo crea algún problema grave durante la interpretación de los hallazgos, sino que también afecta la conclusión del estudio. En estadísticas, para cada situación específica, los métodos estadísticos están disponibles para el análisis e interpretación de los datos. Para seleccionar el método estadístico apropiado, se necesita conocer la suposición y las condiciones de los métodos estadísticos, de modo que se pueda seleccionar un método estadístico adecuado para el análisis de datos. [1] Además del conocimiento de los métodos estadísticos, otro aspecto muy importante es la naturaleza y el tipo de datos recopilados y el objetivo del estudio porque, según el objetivo, se seleccionan los métodos estadísticos correspondientes que son adecuados en datos dados. La práctica del método estadístico incorrecto o inapropiado es un fenómeno común en los artículos publicados en investigación biomédica. Los métodos estadísticos incorrectos se pueden ver en muchas condiciones como el uso de la prueba t no apareada en datos pareados o el uso de la prueba paramétrica para los datos que no siguen la distribución normal, etc., actualmente, muchos software estadístico como SPSS, R, Stata, Stata y SAS están disponibles y utilizando estos softwares, uno puede realizar fácilmente el análisis estadístico, pero la selección de la prueba estadística apropiada sigue siendo una tarea difícil para los investigadores biomédicos, especialmente aquellos con antecedentes no estadísticos. [2] Dos métodos estadísticos principales se utilizan en el análisis de datos: estadísticas descriptivas, que resumen datos utilizando índices como media, mediana, desviación estándar y otra estadística inferencial, que saca conclusiones de datos utilizando pruebas estadísticas como la prueba t de Student, prueba ANOVA, etc. [3]
La selección del método estadístico apropiado depende de las siguientes tres cosas: objetivo y objetivo del estudio, tipo y distribución de los datos utilizados, y la naturaleza de las observaciones (emparejadas/no apareadas).
La selección de la prueba estadística depende de nuestro objetivo y objetivo del estudio. Suponga que nuestro objetivo es descubrir los predictores de la variable de resultado, luego se usa el análisis de regresión mientras comparar las medias entre dos muestras independientes, se usa la prueba t de muestras no apareadas.
¿Qué es el análisis en el método estadístico?
Elegir un método de análisis de datos es un primer paso principal en la exploración de datos. El número de métodos estadísticos disponibles aumenta día a día con el advenimiento del aprendizaje automático y los métodos relacionados con Big Data.
- Análisis de varianza (ANOVA),
- regresión lineal,
- Análisis de covarianza (ANCOVA).
La única diferencia entre estos tres enfoques radica en la naturaleza de las variables explicativas (cualitativa para ANOVA, cuantitativa para la regresión lineal y de los dos tipos para ANCOVA).
Se trata de identificar una relación lineal entre variables explicativas independientes (x) y una variable que se explica dependiente (y). Utilizamos una estimación por el método de mínimo cuadrado para calcular los parámetros del modelo.
- Análisis de varianza (ANOVA),
- regresión lineal,
- Análisis de covarianza (ANCOVA).
Los modelos mixtos son modelos avanzados para tener en cuenta más especificidades relacionadas con los datos.
¿Qué tipo de análisis estadístico?
El análisis estadístico descriptivo, como su nombre indica, ayuda a describir los datos. Obtiene el resumen de los datos de una manera que se puede interpretar información significativa. Usando el análisis descriptivo, no llegamos a una conclusión, sin embargo, sabemos qué es en los datos, es decir, conocemos la descripción cuantitativa de los datos.
Por ejemplo, considere un ejemplo simple en el que debe determinar qué tan bien se realizó el estudiante durante todo el semestre calculando el promedio. Este promedio no es más que la suma del puntaje en todos los sujetos en el semestre por el número total de sujetos. Este único número está describiendo el rendimiento general del estudiante en una gama potencialmente amplia de experiencias de temas.
Cada vez que intentamos describir un gran conjunto de observaciones con un solo valor, nos encontramos con el riesgo de distorsionar los datos originales o perder cualquier información importante. El promedio del estudiante no determinará la materia fuerte del estudiante. No te dirá la especialidad del estudiante o no sabrás qué materia era fácil o fuerte. A pesar de estas limitaciones, las estadísticas descriptivas pueden proporcionar un poderoso resumen que puede ser útil en las comparaciones entre las diversas unidad.
Hay dos tipos de estadísticas que se utilizan para describir datos:
- Medidas de tendencia central: en esto, un valor único intenta describir los datos utilizando su posición central con el conjunto dado. También se clasifican como un conjunto de resumen. Para obtener el valor central, usan promedio (media), mediana o modo.
- La medida de la propagación: en esto, los datos se resumen describiendo qué tan bien se extienden los datos. Por ejemplo, si la puntuación media de 100 estudiantes es de 55 años, entonces habrá estudiantes cuyo puntaje será inferior a 55 o más de 55. lo que significa que su puntaje se extenderá de una manera que su media es 55. Describir la propagación , podemos usar cualquiera de las técnicas estadísticas, es decir, rango, cuartiles, variación, desviación estándar y desviación absoluta.
El grupo de datos que contiene la información que nos interesa se conoce como población. Las estadísticas inferenciales se utilizan para hacer una generalización de la población utilizando las muestras. Donde la muestra se extrae de la población misma. Es necesario que las muestras demuestren adecuadamente la población y no deban ser sesgadas. El proceso de lograr este tipo de muestras se denomina muestreo. Las estadísticas inferenciales provienen del hecho de que el muestreo incurre naturalmente a los errores de muestreo y, por lo tanto, no se espera que represente perfectamente a la población.
¿Qué es el método estadístico y sus características?
No se puede analizar una sola figura. Una sola figura relacionada con la altura, la producción, las ventas, el nacimiento, la muerte, etc. no se puede llamar estadísticas, pero los agregados de cifras como la altura de los estudiantes en una clase, la producción de diferentes modelos de automóviles en el último año fiscal, puede considerarse como Estadísticas debido a su comparabilidad, variación y relación.
Las estadísticas se ven afectadas por una gran extensión por una multiplicidad de causas:
Una serie de causas afectan las estadísticas en un campo particular de investigación, por ejemplo, en el rendimiento de las estadísticas de los cultivos se ven afectadas por el clima, el suelo, la fertilidad, la disponibilidad de materias primas, la lluvia, la calidad de las semillas utilizadas, la calidad y la cantidad de fertilizantes utilizados y los métodos de transporte.
El estudio estadístico se refiere esencialmente a los hechos expresados en forma numérica con sus detalles cuantitativos pero no descripciones cualitativas. Por lo tanto, los hechos indicados por términos como «bueno», «pobres» no son estadísticas a menos que se asigne un valor numérico a cada expresión. Por ejemplo, podemos indicar «aumentos de demanda, aumentos de precios». Las estadísticas no confían en dicha declaración sin datos numéricos adecuados para probarlo.
Las estadísticas se enumeran o se estiman con el grado de precisión requerido:
La precisión absoluta no es necesaria ni a veces posible en las ciencias sociales. Pero cualquier estándar de precisión se adopta una vez, debe usarse durante todo el proceso de recolección o estimación. En estadísticas, los datos se recopilan del campo o se estima con un grado adecuado de precisión.
¿Qué es un método estadístico?
Este libro es la segunda edición de una obra publicada bajo este título en 1936. Esto significa que el autor, cuyo objetivo era dar la vuelta a los diversos campos de medida en psicología, tuvo que imponer una selección en la masa de material nuevo que ha traído en los últimos dieciocho años.
La medición se ha extendido considerablemente en los diferentes sectores de la psicología, al mismo tiempo que se han desarrollado técnicas estadísticas adaptadas.
La variedad extrema de problemas a resolver determinó la aparición de técnicas muy diversas y uno de los principales méritos de este trabajo es haber introducido orden y claridad en esta diversidad, para haber enfatizado la unidad esencial que existe entre los diferentes sectores de la psicología que tienen Sin embargo, se desarrolló de forma independiente.
El autor primero justifica, en el primer capítulo, la aplicación de números y matemáticas en general a datos específicos de la psicología. Los modelos matemáticos tienen, con la estructura de la naturaleza, solo una relación del isomorfismo. Esta equivalencia de forma es a veces perfecta, otras veces, por otro lado, es muy aproximada.
Después de una introducción matemática que recuerda algunas nociones básicas, los siguientes capítulos tratan sucesivamente con el método de error promedio, los límites y el método constante, y los diversos métodos de escalas psicológicas y psicofísicas. Los últimos capítulos presentan una selección de los problemas planteados por pruebas mentales, problemas de fidelidad y validez, construcción de pruebas, análisis por elemento, análisis factorial.
Artículos Relacionados:
- 5 métodos de análisis estadísticos que todo profesional debería conocer
- Análisis estadístico: ejemplo de cómo realizar un análisis de datos
- Estadísticas y análisis de datos para tomar mejores decisiones
- Cómo hacer un análisis estadístico paso a paso
- Metodología estadística cuantitativa: análisis de datos y resultados
