Sunteți pe pagina 1din 8

INTRODUCCION.

La asignatura Estadstica Aplicada tiene como objeto proporcionar al alumno/a los


conceptos y mtodos estadsticos ms bsicos, y su aplicacin prctica en el
mbito de la Odontologa. Ello le permitir conocer y utilizar el lenguaje
estadstico ms elemental, poder realizar el diseo estadstico de estudios de
investigacin muy simples (analizando los datos y tomando las conclusiones que
correspondan), poder manejar un paquete de programas estadstico con el
ordenador y hacer una lectura crtica (desde el punto de vista estadstico) de
estudios ajenos. As pues, los objetivos generales de la asignatura se pueden
resumir en:
Entender (y poder justificar) la necesidad y utilidad de la Metodologa Estadstica
en la Investigacin en Ciencias de la Salud (en particular en la Odontologa), as
como conocer el alcance y limitaciones de dicha metodologa.
Conocer el lenguaje estadstico bsico.
Poder disear estudios de investigacin muy simples en el mbito de la
Investigacin en Ciencias de la Salud (en particular en la Odontologa).
Conocer (y aplicar) algunos mtodos estadsticos bsicos para representar y
analizar conjuntos de datos simples, y para poder sacar conclusiones de dichos
anlisis.
Conocer, expresar e interpretar correctamente los niveles de precisin,
confianza ( seguridad) y niveles de error en las conclusiones de un estudio
estadstico.
Poder leer de manera crtica, desde un punto de vista estadstico, la literatura
cientfica (artculos en revistas cientficas) en el rea de la Odontologa.
Conocer el manejo bsico de un paquete estadstico (el paquete SPSS) y,
haciendo uso de l, construir ficheros de datos y realizar anlisis estadsticos
elementales en el ordenador.

1.1. Regresin lineal


Expresndolo en forma simple, la regresin lineal es una tcnica que permite
cuantificar la relacin que puede ser observada cuando se grafica un diagrama de
puntos dispersos correspondientes a dos variables, cuya tendencia general es
rectilnea (Figura la); relacin que cabe compendiar mediante una ecuacin del
mejor ajuste de la forma:
y = a + bx

(1)

En esta ecuacin, y representa los valores de la coordenada a lo largo del eje


vertical en el grfico (ordenada); en tanto que x indica la magnitud de la
coordenada sobre el eje horizontal (absisa). El valor de a (que puede ser
negativo, positivo o igual a cero) es llamado el intercepto; en tanto que el valor de
b (el cual puede ser negativo o positivo) se denomina la pendiente ocoeficiente
de regresin.
Tabla

Serie de datos para el clculo de una regresin (a y b) y del coeficiente de


correlacin (r)
Nmero
1
2
3
4
5
6

Valores de x
9,0
9,4
7,4
9,7
10,4
5,0

Valores de y
0,50
0,50
1,23
1,00
0,30
1,50

Nmero
7
8
9
10
11
12
13

Valores de x
6,7
8,4
8,0
10,0
9,2
6,2
7,7

Valores de y
1,00
0,50
0,50
0,50
0,50
1,00
0,50

El procedimiento para obtener valores de a y b para una serie de pares de


datos de x y de y (tal como la presentada en la Figura 1 y/o en la Tabla 1) es
como sigue:
Paso 1 Calcule, para cada par de valores de x e y, las cantidades x, y, y
x.y.
Paso 2 Obtenga las sumas () de estos valores para todos los pares de datos de
x e y, as como las sumas del total de los valores de x e y. Los
resultados de los Pasos 1 y 2 aparecern en forma similar a la siguiente:

Nmero de pares de datos


1
2
3

n
Monto de las sumas

x.y


x x y y xy

Pas
Estime la pendiente (b) por medio de la relacin:
o3

Pas
Estime el intercepto (a) por medio de la relacin:
o4

A partir de esos valores de a y de b obtenidos mediante las Ecuaciones 2 y 3,


es posible trazar a lo largo de los puntos dispersos de un grfico la lnea recta
mejor ajustada a los mismos, y verificar visualmente si tales puntos estn bien
expresados por la lnea (Figura 1b).

1.2. Correlacin
El anlisis de correlacin se encuentra estrechamente vinculado con el anlisis de
regresin y ambos pueden ser considerados de hecho como dos aspectos de un
mismo problema.
La correlacin entre dos variables es - otra vez puesto en los trminos ms
simples - el grado de asociacin entre las mismas. Este es expresado por un nico
valor llamado coeficiente de correlacin (r), el cual puede tener valores que ocilan
entre -1 y +1. Cuando r es negativo, ello significa que una variable (ya sea x o
y) tiende a decrecer cuando la otra aumenta (se trata entonces de una
correlacin negativa, correspondiente a un valor negativo de b en el anlisis de
regresin). Cuando r es positivo, en cambio, esto significa que una variable se
incrementa al hacerse mayor la otra (lo cual corresponde a un valor positivo de b
en el anlisis de regresin).
Los valores de r pueden calcularse fcilmente en base a una serie de pares de
datos de x e y, utilizando la misma table y montos que se indican en el Paso 2
3

de la seccin regresin de este captulo. De este modo r puede ser obtenido indirectamente - a partir de la relacin:

Figura 1a Diagrama de puntos dispersos correspondientes a pares de valores de


x y de y. Ntese que y tiende a decrecer con el aumento de x, lo
cual sugiere coeficientes de regresin y de correlacin negaticos (basado
en la Tabla 1)

Figura 1b Los mismos datos que en 1a Fig. 1a, pero ajustados en base a la
regresin y = 2,16 - 0,173x, con r = 0,75
la cual proporciona el valor del coeficiente de determinacin (r). Entonces, lo
nico necesario es calcular

es decir, tomar la raz indicada del coeficiente de determinacin a los fines de


obtener el valor absoluto de r, y luego agregar el signo (+ o -) de acuerdo a que
la correlacin sea positiva o negativa (lo cual puede ser establecido visualmente a
partir del grfico, o bien en base al clculo del valor de b de la correspondiente
regresin y utilizando para r el mismo signo).
Cuando se calculan los valores de r se querr saber, sin embargo, hasta qu
punto la correlacin identificada pudiera haber surgido nicamente por casualidad.
Esto puede ser establecido verificando si el valor estimado de r es significativo,
es decir si el valor absoluto de r es mayor o igual que un valor crtico de r
indicado en las tablas estadsticas (ver Tabla de valores crticos de r en el
Apndice 1).
Ejercicio: Calcule a, b y r a partir de los datos presentados en la Tabla 1 y
verifique, por medio de la Tabla del Apndice 1, hasta qu punto el valor
estimado de r es significativo para valores de P = 0,01 y de P = 0,05

1.2.1. Transformacin Lineal en el Anlisis de Regresin


Como se indicara anteriormente, tanto el anlisis de regresin como el de
correlacin se basan en la asuncin de una relacin lineal entre las dos variables
de referencia (lo cual significa que la mejor lnea de ajuste es una recta). Hay
muchos casos en biologa pesquera, sin embargo, en los cuales la relacin entre
ambas variables no es lineal, y un buen ejemplo de ello es la relacin largo-peso,
donde:
W = Lb

(6)

ecuacin que indica que el peso (W) es proporcional a una cierta potencia (b) de la
longitud (L) (ver Figura 2a).
Los datos largo-peso, sin embargo, pueden ser ajustados a una regresin lineal si
se toma el logaritmo de ambos miembros, de manera que:
log10W = a + b log10L

(7)

Como puede observarse en la Figura 2b, los logaritmos de la longitud y del peso
se ajustan extremadamente bien a una regresin lineal, donde:
y = log10W

(8a)

x = log10L

(8b)

As, el ajuste de una relacin largo-peso de la forma dada en la Ecuacin (6) a una
serie de datos de ambas varibales (tal como en la Tabla 2) consiste en lo
siguiente:
Tabla
Datos para la estimacin de
bream Nemipterus marginatusa
Nmero L = Longitud total (cm)
1
8,1
2
9,1
3
10,2
4
11,9
5
12,2
6
13,8

2
la

relacin

largo-peso

W = Peso (en g)
6,3
9,6
11,6
18,5
26,2
36,1

en

Log10L(=x)
0,908
0,959
1,009
1,076
1,086
1,140

el

threadifin

Log10(=y)
0,799
0,982
1,064
1,267
1,425
1,558
6

7
8
9
10
11
12
13
14
15
16
a

14,8
15,7
16,6
17,7
18,7
19,0
20,6
21,9
22,9
23,5

40,1
47,3
65,6
69,4
76,4
82,5
106,6
119,8
169,2
173,3

1,170
1,196
1,220
1,248
1,272
1,279
1,314
1,340
1,360
1,371

1,603
1,675
1,817
1,841
1,883
1,916
2,028
2,078
2,228
2,239

Del extremo sur del mar del Sur de la China. Original

Paso 1
Paso 2

Obtenga el logaritmo de los valores de largo y peso.


Calcule los montos indicados en la seccin referente a regresin,
determinando los valores de x e y tal como se indica en las
Ecuaciones 8a y 8b.
Paso 3 Estime a y b utilizando las Ecuaciones 2 y 3.
Paso 4 Tome el antilogaritmo de a, a fin de obtener en la Ecuacin 6.
Paso 5 Anote la Ecuacin 6 sustituyendo los parmetros y b por sus
valores estimados
Paso 6 Utilizando las magnitudes calculadas en el Paso 2, determine los
valores de r y r y verifique en la Tabla 2.
Ejercicio:
(a) Lleve a cabo los Pasos 1 al 6 (con P = 0,01) para los datos de largopeso indicados en la Tabla 2.
(b) Haga un listado de otras posibles tranformaciones por linerizacin, e
indique ejemplos de su uso en biologa pesquera.

CONCLUSIN
El uso de correlacin y regresin en la investigacin cientfica es esencial para
poder predecir patrones. Un patrn es una tendencia establecido de tipo
ascendente, constante o descendente lo cual el investigador persigue a travs de
la investigacin. Hay que recordar que la ciencia es la bsqueda de la realidad
espacio-temporal por medio del uso del mtodo cientfico basado en los sentidos y
inferencias lgicas. La ciencia se trata de apoyarnos a descubrir la realidad
espacio-temporal acerca de la naturaleza y su funcionamiento. La bsqueda de los
patrones es uno de los objetivos de la ciencia y la herramienta estadstica de
correlacin y regresin nos permite a alcanzar a detectar los patrones escondidas
en la naturaleza.

S-ar putea să vă placă și