Documente Academic
Documente Profesional
Documente Cultură
MANUAL DE INFORMÁTICA EN
ALIMENTACIÓN Y NUTRICIÓN
Autores:
Mg. Sissy Espinoza Bernardo
M Sc. Ivonne Bernui Leo
Dra. Doris Delgado Pérez
Lic. Luis Sánchez Mercado
2018
1
U.N.M.S.M. – E.P. Nutrición Manual de Informática en Nutrición
Semestre 2018-I
CONTENIDO
Introducción………………………………………………………………………………………
Tema 1: Valoración de una pagina web dedicada a la salud. Estrategias de búsqueda
de artículos científicos en el área de alimentación y nutrición…………………………….. 4
Tema 2: Funciones en EXCEL y tabulación de una Encuesta base……………….…..
Anexos
2
U.N.M.S.M. – E.P. Nutrición Manual de Informática en Nutrición
Semestre 2018-I
INTRODUCCIÓN
El estudiante de nutrición necesita tener habilidades para manejar base de datos a fin de resumir
y elaborar informes para datos antropométricos y de ingesta alimentaria en tablas y figuras, para
elaborar informes del estado nutricional de una determinada población, o procesar datos de un
proyecto de investigación. Asi mismo, requiere tener habilidades para hacer un buen análisis de
indicadores de salud y nutrición para trabajos de investigación y de inversión.
Por otro lado, el internet se ha convertido en la herramienta educativa más utilizada por los
jóvenes por su alta disponibilidad y accesibilidad, los estudiantes pueden encontrar distinta
información en las plataformas virtuales. Sin embargo, no existen reglas o procedimientos que
gobiernen el tipo o calidad de la información que una persona o entidad puedan colgar. Por ello,
es importante tener en cuenta los criterios para evaluar la confiabilidad de una página web para
diferenciar lo útil de lo que no lo es; asi como realizar una buena búsqueda de información
científica en base de datos indexadas en bibliotecas virtuales de la univerdidas o de instituciones
especializadas.
3
U.N.M.S.M. – E.P. Nutrición Manual de Informática en Nutrición
Semestre 2018-I
NOTAS DE CLASE
UNIDAD I: BÚSQUEDA Y EVALUACIÓN DE LA INFORMACIÓN EN INTERNET
Prof. Sissy Espinoza Bernardo/Doris Delgado Pérez
Contenido
Objetivos .............................................................................................................................4
Introducción ........................................................................................................................5
Desarrollo del Tema: ...........................................................................................................5
1. Confiabilidad de las fuentes de información sobre salud en Internet…...………………....5
Ejercicio Grupal Nº1: (02 puntos) (9:10 am)…………………………………………...…….7
2. Búsqueda de Información en Internet…………………………………………………...…….7
Ejercicio Grupal Nº2: (02 puntos)………………...……………………………………..….….8
3. Definición de artículos........................................................................................................8
Flujograma de búsqueda ................................................................................................8
Paso 1: Definición del tema y de términos de búsqueda .................................................9
Ejercicio individual 1 (1 punto)……………………………………………….…….…9
Paso 2: Uso de booleanos ............................................................................................10
Paso 3: Utilizar una biblioteca virtual ............................................................................10
Ejercicio individual 2 (1 punto) .........................................................................10
Ejercicio Grupal Nº3 (1 punto)......................................................................................11
Ejercicio Grupal Nº4 (1 punto)......................................................................................11
Trabajo Aplicativo ........................................................................................................12
Anexo 1. Bibliotecas virtuales ......................................................................................13
Definición ................................................................................................... …..…..…14
Biblioteca Virtual de la Universidad Nacional Mayor de San Marcos, ...........................15
Biblioteca Virtual de Salud de la OPS ...........................................................................16
SciELO, ........................................................................................................................16
Cochrane Plus ..............................................................................................................16
PubMed ........................................................................................................................16
Otros buscadores ......................................................................................................... 16
Google Académico .......................................................................................................16
Revistas de alimentación y nutrición ............................................................................16
Objetivos
Al finalizar la clase el estudiante estará en la capacidad de: 8 puntos
4
U.N.M.S.M. – E.P. Nutrición Manual de Informática en Nutrición
Semestre 2018-I
Introducción
La teoría de la conversación, aprender con Internet es por naturaleza un fenómeno social y por
ende la adquisición del nuevo conocimiento es el resultado de la interacción de gente que
participa en un diálogo. El aprendizaje resulta ser un proceso dialéctico en el que un individuo
contrasta su punto de vista personal con el de otro hasta llegar a un acuerdo.
La teoría del conocimiento situado, se basa en que no sólo el aprender sino también el pensar
es situado y que por lo tanto el nuevo conocimiento debería ser considerado desde una
perspectiva ecológica. Se enfatiza que se aprende a través de la percepción y no de la memoria.
Por su misma naturaleza, Internet fue diseñado para permitir el intercambio de información. No
existen reglas o procedimientos que gobiernen el tipo o la calidad de la información que una
persona o entidad pueda poner en Internet. Los sitios de la Red pueden contener información
basada en hechos, opiniones, datos, ideas, publicidad, auto promoción, o fines comerciales. Por
ello es importante tener los criterios para evaluar la confiabilidad de una página Web para
diferenciar lo útil de lo que no lo es.
En esta primera parte de la práctica aprenderemos como evaluar las páginas web, HON Código
de Conducta para la evaluación de sitios Web de Salud y Medicina. Luego comprobaremos la
variedad de recursos educativos con que cuenta Internet, desde libros completos hasta tesis. En
la segunda parte, trabajaremos sobre las estrategias de búsqueda de artículos científicos en el
área de alimentación y nutrición; ya que los nuevos descubrimientos se difunden a través de
publicaciones, en diferentes revistas científicas de cada especialidad, y nos mantiene
actualizados. Para ello podemos utilizar las bibliotecas virtuales, que nos ofrecen diversas
instituciones tanto públicas como privadas, es asi que podemos acceder a un gran número de
publicaciones recientes y de calidad con la facilidad de descargar el artículo completo o revisar
en línea.
La Universidad Nacional Mayor de San Marcos, a través del portal de la biblioteca nos permite
acceder a diferentes recursos electrónicos, estos están organizados por bases de datos de
acceso remoto, es decir podemos acceder a estos recursos estando dentro y fuera de la
universidad, con su correo y clave. De esa forma nos permite revisar publicaciones científicas de
buena calidad.
Por lo tanto, es importante conocer métodos de búsquedas bibliográficas, para encontrar lo que
necesitamos, o por lo contrario nos desalentará seguir en este proceso ya que encontraremos
cientos o miles de artículos que no tienen que ver con el tema de interés. Nos podríamos
preguntar, cuál es el método y cómo utilizar eficientemente estas bases de datos de las
bibliotecas virtuales, a fin de ubicar más rápido la literatura necesaria para nuestro objetivo. En
esta clase desarrollaremos estos aspectos.
Además de conocer los métodos de búsqueda bibliográfica, también es sustancial conocer cómo
5
U.N.M.S.M. – E.P. Nutrición Manual de Informática en Nutrición
Semestre 2018-I
gestionar u ordenar las referencias bibliográficas. Para ello utilizaremos ficheros digitales, para
construir bases de datos de referencia bibliográficas por temas, a fin de citarlos en un informe
final o una tesis, desde Word. Entre los software de gestores de referencia tenemos a los que
requieren licencia como “EndNote”, “Reference Manager”, “ProCite”, “RefWorks”, “Biblioscape” o
de uso libre como “Zotero”, puede indagar a través de un buscador su utilidad.
• Exactitud. La información proporcionada por el recurso debe poder ser verificada, bien a través
de citas o referencias bibliográficas o estar apoyada por resultados de estudios publicados. El
objetivo de la exactitud es asegurar que la información es realmente válida. Una forma de
identificar dicho cumplimiento es verificando si la página relaciona al autor y a la institución que
publicó la página y suministra una forma de hacer contacto con él / ella.
• Autoría. Que el autor y el servidor de lugar sean identificables y verificables; que los autores
sean profesionales calificados, que la página presente las referencias del autor y su dominio se
relaciona como .edu, .gov, .org, ó .net. En caso de ser un autor corporativo responsable del sitio,
estos son los aspectos a considerar: ¿qué institución es?, ¿de qué carácter?, ¿de dónde es?,
¿presenta la información sobre sí misma (historia, misión, objetivos, sección ¿Quiénes somos?,
ubicación geográfica, dirección, teléfono?).
La autoridad de una fuente de información se basa principalmente en la valoración del
conocimiento y experiencia del autor o autores, así como la reputación de la organización de la
que se deriva la información.
6
U.N.M.S.M. – E.P. Nutrición Manual de Informática en Nutrición
Semestre 2018-I
· ¿Cuándo se realizó?
· ¿Cuándo se actualizó?
· ¿Cuán actualizados están los enlaces (si es que los tiene)?
· ¿Cuántos enlaces no funcionales tiene la página?
· ¿Se actualizan los enlaces con regularidad?
· ¿Está desactualizada la información de la página?
Para el caso de las webs que ofrecen información sobre salud existe un código de
ética, Health on the Net Foundation - HON. Esté icono en una pagina web significa
que los autores se han comprometido a respetar el código HON. Dicho código incluye
entre otras cosas el compromiso de respetar la confidencialidad de la información de
los pacientes y visitantes, incluyendo la identidad y la Honestidad en la política
publicitaria.
Puede leer dicho código en español en la siguiente página: Health on the Net Foundation
https://www.healthonnet.org/HONcode/Conduct_sp.html,
¡Si cumple con los criterios, es posible que usted tenga una página de la Red, valiosa
para su investigación!
Obje Cubr
Exac Autorí Actua HON
Nombre de la Web tivid imi-
ti-tud a -lidad code
ad ento
https://mejorconsalud.com/9-alimentos-
sorprendentes-para-combatir-la-anemia/
http://www.nlm.nih.gov/medlineplus/spanish/e
ncy/article/000560.htm
7
U.N.M.S.M. – E.P. Nutrición Manual de Informática en Nutrición
Semestre 2018-I
Un primer paso para iniciar la búsqueda es tener claro qué se está buscando y dónde queremos
buscarlo. Recordemos que la información, los documentos, se publican en distintas formas y
soportes con tratamientos diferentes.
A continuación vamos a visitar algunas páginas Web donde podrá conseguir: libros completos
en pdf, tesis, etc.
Libro:
____________________________________________________________________________
Justificación:
____________________________________________________________________________
Vo Bo:
Procedimiento 2: Búsqueda de Tesis ____________
Ingrese a la web http://sisbib.unmsm.edu.pe/bibvirtual/Tesis/Principal.asp
Busque alguna Tesis relacionada a nutrición que pueda compartir con los integrantes de su
grupo, luego escriba el título y link para ubicarlo. No olvide de justificar su elección.
Titulo:_____________________________________________________________________
Justificación:
__________________________________________________________________________
Vo Bo:
____________
3. Definición de artículos (9:45 am )
Comenzaremos con la definición de un artículo de revisión y de un artículo científico
original:
1. Artículo de revisión: este tipo de artículo está redactado con el fin de sintetizar muchos
artículos originales sobre un determinado tema. Por lo general tienen las siguientes
secciones: Introducción, Sub-temas, Conclusiones y Referencias bibliográficas.
8
U.N.M.S.M. – E.P. Nutrición Manual de Informática en Nutrición
Semestre 2018-I
2. Artículo científico original, en este tipo de artículo se detalla la metodología empleada
para obtener sus propios resultados, estos serán muy útiles cuando se trata de replicar
o realizar trabajos semejantes. Tiene las siguientes secciones: Introducción, Métodos,
Resultados y Discusión (IMRYD). También presenta resumen y referencias
bibliográficas.
Receso (10 minutos) Hora: 10:00 – 10:10 am
4. Flujograma de búsqueda de información científica
Para seguir el procedimiento de búsqueda se seguirá el flujograma que se muestra en la figura
1, vamos a seguir paso a paso para ser ordenados en la búsqueda de referencias
bibliográficas.
Operador
Planteamiento de la pregunta Términos de búsqueda
booleano
Pregunta 1: ¿Existe relación entre la Dieta Hipocalórica y Diabetes mellitus tipo 2
AND
el control de la Diabetes Mellitus tipos 2? AND dieta hipocalórica
Pregunta 2: ¿Cuál de las dos dietas, hipoglucida o
Diabetes mellitus tipo 2
hipocalórica es la más efectiva para los OR
OR dieta hipocalórica
pacientes con Diabetes tipo 2?
Pregunta 3: ¿Qué tipos de dietas, diferentes a la Diabetes mellitus tipo 2
NOT
hipocalóricas existen para los diabéticos? NOT dieta hipocalórica
9
U.N.M.S.M. – E.P. Nutrición Manual de Informática en Nutrición
Semestre 2018-I
Paso 2: Uso de booleanos
Luego de elegir el tema, se formulará una pregunta a resolver con la búsqueda y
después elegir los términos de búsquedas, es decir palabras, vamos a utilizar uno de
los conectores lógicos como AND, OR, NOT, llamado también operadores booleanos,
que cada uno de ellos nos van a dar diferentes resultados. (fig. 2).
10
U.N.M.S.M. – E.P. Nutrición Manual de Informática en Nutrición
Semestre 2018-I
11
U.N.M.S.M. – E.P. Nutrición Manual de Informática en Nutrición
Semestre 2018-I
Tema propuesto:
_______________________________________________________________________________
_______________________________________________________________________________
_______________________________________________________________________________
Justificación:
_______________________________________________________________________________
_______________________________________________________________________________
_______________________________________________________________________________
_______________________________________________________________________________
Referencias Bibliográficas
1. Pérez Gutiérrez A, Florido Bacallao R. Internet un recurso educativo. Etic@net.
Publicación en línea, Granada (España) año 1, (2). Dic 2003. (Última revisión: 10/03/18).
Disponible en:
http://www.ugr.es/~sevimeco/revistaeticanet/Numero2/Articulos/Intrecedu.pdf.
2. Dertouzos M. "¿Qué será?": Aprendizaje digital. (Última revisión: 10/03/18). Disponible
en: ….http://www.educoas.org/portal/bdigital/contenido/valzacchi/ValzacchiCapitulo-
19New.pdf.
3. Núñez Gudás M. Criterios para la evaluación de la calidad de las fuentes de información
sobre salud en Internet. Publicación en línea, Cuba Acimed 2002,10 (05). . (Última
revisión: 10/03/18). Disponible en:
http://bvs.sld.cu/revistas/aci/vol10_5_02/aci05502.htm#cargo
4. BVS. LIS- España. Sitios saludables. (Última revisión: 10/03/18). Disponible en:
http://lis.isciii.es/docs/metod.html.
5. Conesa Fuentes, M. Carmen; Aguinaga Ontoso, Enrique (2009). "Evaluación de la calidad
de las páginas web con información sanitaria : una revisión bibliográfica". BiD: textos
universitaris de biblioteconomia i documentació, núm. 23 (desembre) .
<http://bid.ub.edu/23/conesa2.htm>. DOI: http://dx.doi.org/10.1344/105.000001506
[Consulta: 10-03-2018.
6. Masegosa Fanego Rosa. Búsqueda de información. http://ocw.upm.es/fisica-
aplicada/tecnicas-experimentales/contenidos/LibroClase/TECap0601.pdf
7. Laporte Joan Ramón, Capitulo 6 Meta análisis, en Principios Básicos de Investigación
Clínica. Fecha de modificación: 13/06/2007, Fecha de acceso 11/03/2018, Disponible en:
http://www.icf.uab.es/llibre/Cap-6.htm
8. Gonzáles C. Buscar en MEDLINE con PubMed. [citado 19 Marzo 2015] Disponible en:
http://www.ibbioetica.org/guia_pubmed.pdf
12
U.N.M.S.M. – E.P. Nutrición Manual de Informática en Nutrición
Semestre 2018-I
9. Requisitos de uniformidad para manuscritos enviados a revistas biomédicas:
Ejemplos de referencias. Actualizado el 27 de Julio de 2017. Comité Internacional
de Editores de Revistas Médicas (ICMJE). Biblioteca Nacional de Medicina de los
EE.UU. (NLM). Disponible en:
http://www.nlm.nih.gov/bsd/uniform_requirements.html (versión en inglés). Fecha
de acceso: 07/03/2018.
10. Bobenrieth MA. Lectura crítica de artículos originales en salud. Medicina de Familia
(Andalucía) 2001; 2: 81-90. [citado 19 Marzo 2015] Disponible en:
http://www.samfyc.es/Revista/v2n1/081-090.pdf.
I Definición
La biblioteca virtual es un conjunto de recursos de información sistematizada en formato
digital (doc, pdf, xls, sav, etc.) que se pueden acceder de una PC a través de internet”.
13
U.N.M.S.M. – E.P. Nutrición Manual de Informática en Nutrición
Semestre 2018-I
1. EBSCO, es una base de datos que tiene las siguientes bases de datos: Academic
Search Elite, Business Source Elite, Fuente Académica, MedicLatina, Regional
Business News, Education Full Text (H.W. Wilson), MEDLINE with Full Text,
MEDLINE Complete
SciELO,
Biblioteca Electrónica Científica, (Scientific Electronic Library Online), en este espacio
podemos ubicar artículos originales y de revisión en una amplia gama de temas de
alimentación y nutrición, muchos de ellos van estar en español o portugués. En la
actualidad participan en SciELO siete países de Iberoamérica: Argentina, Brasil,
Colombia, Chile, Cuba, España y Venezuela. Existen iniciativas en desarrollo de otros
cinco países: Costa Rica, México, Perú, Portugal y Uruguay.
http://www.scielo.org/php/index.php?lang=es
Cochrane Plus
Cochrane Plus es una biblioteca de la BVS que nos permite ubicar artículos científicos
de tipo meta análisis, de temas relevantes de salud, nutrición y alimentación. Es
importante señalar el concepto de estudio tipo meta análisis, es un conjunto de
estudios con diseño aleatorizados, controlados y enmascarados, sobre un tema en
particular, analizando las bases de datos de cada uno de ellos e incluso con entrevistas
al investigador para aclarar aspectos del estudio, por lo tanto es considerado como
evidencias de primer nivel. Se puede acceder cuando se ha suscrito.
14
U.N.M.S.M. – E.P. Nutrición Manual de Informática en Nutrición
Semestre 2018-I
PubMed
El sistema de búsqueda PubMed es un proyecto desarrollado por la National Center
for Biotechnology Information (NCBI) en la National Library of Medicine (NLM). Para la
búsqueda de referencias utiliza palabras en inglés. (Fig. 4).
Figura 4: http://www.ncbi.nlm.nih.gov/pubmed
II Otros buscadores
Google Académico
https://scholar.google.com.pe/
Figura 5: Google
académico
15
U.N.M.S.M. – E.P. Nutrición Manual de Informática en Nutrición
Semestre 2018-I
Nutrición Pública Journal of the Academy of Nutrition and Dietetics (Pueden ubicarla
físicamente en la biblioteca de la EPAN.)
Revista de Nutricao (SciELO (Brazil))
Revista Chilena de Nutrición (SciELO (Chile))
Public Health Nutrition (Cambridge University Press)
Nutrition Research Reviews (Cambridge University Press)
Nutrición hospitalaria (SciELO (Spain))
Ciência e Tecnologia de Alimentos (SciELO (Brazil))
British Journal of Nutrition (Cambridge University Press)
Anales Venezolanos de Nutrición
(SciELO Venezuela)
Archivos Latinoamericanos de Nutrición (SciELO Venezuela)
16
U.N.M.S.M. – EP Nutrición Manual Informática en Nutrición
Semestre 2018-I
NOTAS DE CLASE
UNIDAD II: ELABORACIÓN DE UNA BASE DE DATOS Y ANÁLISIS DE UNA ENCUESTA
EN EXCEL
Prof. Doris Delgado Pérez
CONTENIDO
Objetivos de aprendizaje:......................................................................................................... 17
1. Introducción ......................................................................................................................... 17
2. Introducción a EXCEL .......................................................................................................... 18
3. Funciones de excel………………………………………………..…………………………………19
TABULAR UNA BASE DE DATOS EN EXCEL ........................................................................ 21
Referencias Bibliográficas: ...................................................................................................... 23
TRABAJO APLICATIVO (12:00 ) ............................................................................................. 23
Anexo 1 ................................................................................................................................... 24
Teoría de algunas funciones en EXCEL .................................................................................. 24
Función BUSCARV (teoria)………...............................................................................................24
Funciones lógicas ……………………………………………...…………………………….……24
Función SI…………………………………………………………………………………….……24
Funciones Y, O……………………………………….……………………………………..……..24
Funciones estadísticas……………………………………………...……………………….……...25
Anexo 2 : Encuesta Informática………………………………………….……………….……………26
Objetivos de aprendizaje:
Al finalizar el presente tema el estudiante será capaz de:
a) Utilizar adecuadamente las funciones básicas matemáticas, lógicas (SI, Y, O, 4 puntos
PROMEDIO.SI)
b) Tabular una encuesta base.
1. Introducción
El profesional nutricionista necesita tener habilidades para manejar base de datos a fin de resumir
y elaborar informes, por ejemplo: resumir datos antropométricos en tablas y figuras para un
informe del estado nutricional de una determinada población, o procesar datos de un proyecto de
investigación. Por lo tanto, es necesario utilizar software, que permita procesar datos numéricos,
entre los más conocidos tenemos EXCEL, SPSS, EpiInfo.
En esta clase vamos a aprender algunas funciones de EXCEL, con ejercicios para resolver
problemas del área de la alimentación.
También, aprenderemos a tabular, procesar y analizar datos de una encuesta, cuyo objetivo es
determinar el perfil del estudiante de nutrición del 3° año, de la EPN – UNMSM, con esta
información se construirá una base de datos y en la siguiente clase se resumirá en tablas y figuras.
2. Introducción a EXCEL
La mayor utilidad de la hoja de cálculo EXCEL es crear una base de datos y poder utilizar
rápidamente muchas funciones, desde funciones básicas hasta avanzadas de tal manera que
permita organizar y resumir datos numéricos utilizando la estadística descriptiva o inferencial.
Antes de revisar las funciones vamos a definir algunos términos básicos como precedencias de
operadores y referencias útiles en el uso de fórmulas en la hoja de cálculo de EXCEL.
El término Precedencia indica el orden en el que EXCEL ejecuta los cálculos en una fórmula y
sigue las siguientes reglas:
a) Procesa en primer lugar las expresiones que se encuentra entre paréntesis.
b) La multiplicación y la división se ejecutan antes que la suma y la resta.
c) Los operadores consecutivos, con el mismo nivel de precedencia se calculan de
izquierda a derecha.
Pero si no estamos seguros del orden en el que EXCEL ejecutará una secuencia de operadores
debemos utilizar los paréntesis incluso si estos no fueran necesarios. El uso de paréntesis también
hará las fórmulas más fáciles de leer e interpretar en caso necesitara modificaciones posteriores
REFERENCIAS
Otro de los conceptos útiles en el uso de fórmulas es las “referencias”, que se utiliza al momento
de copiar fórmulas de una posición a otra en la hoja de cálculo.
b) La referencia absoluta, (=$A$2) identifica las celdas por sus posiciones fijas en la hoja de
cálculo; para escribir una referencia absoluta colocará un signo $ antes de la columna y
otro ante de la fila.
c) La referencia mixta, (=$A1 ) o (=A$1) contiene una referencia relativa y una referencia
absoluta. Las celdas mixtas pueden ser de dos clases, dependiendo si es que la columna
es absoluta o si la fila es absoluta. Aquí un ejemplo de cada una de ellas.
=$A1 Como el signo $ sólo precede a la letra A, dicha columna es absoluta y la fila es
relativa porque no lleva el signo [$].
=A$1 Como el signo $ sólo precede a un número 1, dicha columna es relativa y la fila es
absoluta.
2. Funciones de excel
Ejercicio 1 :
Objetivo: resolver el caso utilizando referencias, función BUSCARV Y FUNCIÓN LÓGICA
SI. Caso1: Un nutricionista desea crear una plantilla para calcular el valor nutricional de los
desayunos. Las características nutricionales del desayuno son:
Condición:
Energía Mayor al 15% de los requerimientos de las adolescentes de 15-17
años.
Distribución 12% de proteinas, el 25% grasa y la diferencia de carbohidratos.
energética
PROCEDIMIENTO
La matriz
El valor que donde se Indicador de
columna
va buscar
encuentra
el valor
donde se
encuentra el
Fig 1. Función BuscarV en EXCEL 2007
valor
buscado
6. Para poder copiar la fórmula hacia la derecha debe fijar las columnas, utilice referencias
relativas y absolutas.
7. El indicador de columna debe cambiar de 2 por 4, 7, 8, 10, 14, 17 y 24, en las columnas
respectivas (Desde energía hasta vit. C).
8. Copiar las columnas hacia abajo. Hasta aquí tenemos la composición en 100 g de los
alimentos de la Tabla Peruanas de Composición de Alimentos (2009).
9. En la tabla 2, calcule el valor nutricional de la cantidad decidida por cada ingrediente elegido.
Para calcular el contenido de macronutrientes contenidos en el desayuno, se utiliza una
regla de tres simple. Por ejemplo, para calcular la cantidad de energía que proporcionan 70
g de pan, escribiriamos:
Ejercicio 2 : (1
punto)
Caso 2
Se tiene un listado de niño(a)s con su fecha de nacimiento y fecha de visita y se requiere saber
el promedio de edad de los niños menores a 48 meses y el promedio de edad según sexo.
Procedimiento:
Para calcular la edad restar la fecha de visita menos la fecha de nacimiento y dividirla entre
365.25/12, porque EXCEL proporciona la edad en días y necesitamos calcular el número de
meses a partir del número de días. Recuerde que cada cuatro años uno es bisiesto, por eso
usamos el valor 365.25 para convertir a los días en meses.
Elabore una fórmula (=PROMEDIO.SI) que calcule el promedio de edad de los niños menores
48 meses Elabore una fórmula (=PROMEDIO.SI) que calcule el promedio de edad de las
mujeres
Elabore una fórmula (=PROMEDIO.SI) que calcule el promedio de edad de los varones
Respuesta:…………………………………………………………………..
A CMAT
B F_enc
C F_Nac
H Distrito
I Prov
J Dpto
K E_civil
L Trabaja 1=SI y 2=NO
M Q_horas horas trabajo por semana
N Colegio
O Razon_EN razón para elegiR carrera de Nutrición
P Conocias conocía nutricionista
Q Donde donde le conoció
R Analisis Análisis de hemoglobina?
S FDx_Hb Fecha Dx Hb
T Hb
U Dx_Hb
V Q_tipo programa que usa
W Curs_Inf 1= Si; 2= No
X Q_curso
Y Prom Promedio ponderado
Z Ingles 1= Si; 2= No
Ahora que está listo el formato, proceda a digitar sus propios datos.
Ejercicio 3
(2 puntos)
Un integrante del grupo debe consolidar las encuestas de su grupo en un solo archivo, luego
enviar al AULA VIRTUAL PARA juntar los datos de todos los grupos de práctica.
TAREA
OBJETIVO : Evaluar tablas o figuras de informes de estudiantes del 5to año.
FECHA DE ENTREGA : La próxima clase.
PROCEDIMIENTO : Revisar los informes del décimo semestre y traer la siguiente
información:
- Nombre del autor:
- Título del informe:
- De la sección “Metodología”: copiar las variables estudiadas.
- De la sección “Resultados”: escoger un cuadro o una figura por
cada variable y copiar a mano.
- Hacer su respectivo comentario.
5. Referencias Bibliográficas:
1. Instituto Nacional de Salud, CENAN, Tablas Peruanas de Composición de
Alimentos, sétima edición, 2009.
http://www.ins.gob.pe/insvirtual/images/otrpubs/pdf/Tabla%20de%20Alimento
s.pdf
2. Daniel W. Bioestadística. Base para el Análisis de las Ciencias de la Salud. Editorial Limusa.
4ta. Edición. México. 2004.
3. Harris JA; Benedict FG.A Biometric study of human basal metabolism. Proceedings of de
National Academy of Sciences of the United States of America. 1918;4;370-373. Disponible
en http://www.pnas.org/search?fulltext=harris+and+benedict&submit=yes&go.x=12&go.y=12
Anexo 1
Teoría de algunas funciones en EXCEL
A) Función BUSCARV (teoria)
B) Funciones lógicas
Pruebas Condicionales.
Una prueba condicional es una ecuación que compara dos números, funciones, fórmulas, rótulos
o valores lógicos. El resultado de una prueba condicional es el valor lógico VERDADERO (1) o
el valor lógico FALSO (0). Cada prueba condicional debe incluir al menos un operador lógico.
Los operadores lógicos definen la relación de prueba entre los elementos de la prueba
condicional. Por ejemplo, en la prueba condicional A1>A2, el operador lógico, mayor que (>)
compara los valores de la celda A1 y A2.
La tabla de los seis operadores lógicos de EXCEL. Operador Definición
= Igual a
> Mayor que
< Menor que
>= Mayor que o igual a
Función SI <= Menor que o igual a
<> Distinto de
La función condicional SI toma la forma
=SI(prueba_lógica,valor_si_verdadero,valor_si_falso)
Funciones Y, O
Otras dos funciones le ayudarán a desarrollar pruebas lógicas compuestas: Y, O. Estas
funcionan como los operadores lógicos simples =, >, <, >=,<=, y <>. Las funciones Y y O
toman las formas:
=Y(valor_lógico1,valor_lógico2,...,valor_lógico30)
=O(valor_lógico1,valor_lógico2,...,valor_lógico30)
C) Funciones estadísticas
Recordemos el curso de Estadística en el cual nos enseñaron a resumir las variables cuantitativas
en medidas de tendencia central y medidas de dispersión. Las primeras van a responder a la
pregunta: ¿Alrededor de qué valor se agrupan los datos? Y las segundas, ¿Cómo están
agrupados los datos alrededor de las medidas de tendencia central, están muy concentrados o
están muy dispersos?
a. Medidas de tendencia central
Son tres: la media, la mediana y la moda.
La media es la suma de todos los valores de una variable dividida entre el número total de datos
de los que se dispone. Si tuviéramos estos cinco datos: 15, 15, 25, 30, 35 su promedio seria
La moda, es el valor de la variable que presenta una mayor frecuencia. En el caso anterior el valor
“15” es la moda porque se repite dos veces, en comparación con todos los otros que se presentan
sólo una vez.
b. Medidas de dispersión
Existen distintas formas de cuantificar esa variabilidad. De todas ellas, la varianza (S2) de los datos
es la más utilizada. Es la media de los cuadrados de las diferencias entre cada valor de la variable y
la media aritmética de la distribución.
Esta varianza muestral se obtiene como la suma de las diferencias de cuadrados y por tanto tiene
como unidades de medida el cuadrado de las unidades de medida en que se mide la variable
estudiada.
En el ejemplo anterior la varianza sería:
Ejercicio adicional
Objetivo: utilizar la función SI.
COD Sexo Edad Peso Talla TMB
Caso 3 1 F 30 76 1.67
La Licenciada Susana debe calcular las necesidades 2 M 31 72 1.7
energéticas de los pacientes hospitalizados en Medicina 3 F 21 54 1.6
General usando la ecuación de Harris y Benedict a partir de 4 M 31 65 1.65
un listado de datos de los pacientes. 5 F 50 68 1.65
Utilice la fórmula de Harris y Benedict (Harris y Benedict, 1918): 6 M 27 78 1.65
Mujer: 655.1 + 9.56 (Peso, kg) + 1.85 (Talla,cm) - 4.68 (Edad) 7 F 41 71 1.68
8 M 33 71 1.65
Varón: 66.5 + 13.75 (Peso kg) + 5.0 (Talla, cm) – 6.78 (Edad)
9 F 30 72 1.71
10 M 31 73 1.66
7. Estado Civil:(1) Soltero (2) Casado(3) Conviviente (4) Divorciado (5) Viudo
8. Trabaja: 1Si 2No Si es afirmativo: Cuantas horas a la semana? / / /
09. Colegio de Procedencia: :
(1) Estatal (2)Particular (3)Parroquial
10. Cual fue la razón para elegir la carrera de nutrición, marcar sólo una respuesta:
(1) Si (2)No
De ser afirmativa, ¿dónde lo conoció?
(1)Si (2)No
b) Fecha del Diagnóstico: c).Diagnóstico del análisis de hemoglobina:
_____/ / / (1) Normal (2) Anemia
Aspectos Informáticos
13. ¿Qué tipo de programa utiliza con mayor frecuencia? Marque solo una alternativa.
Aspecto Académico
16. ¿Cuál es su promedio ponderado en este semestre?
17. Lee artículos en inglés con facilidad: (1) Si (2)NO
27
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
NOTAS DE CLASE
UNIDAD II: ELABORACIÓN DE UNA BASE DE DATOS Y ANÁLISIS DE UNA ENCUESTA EN
EXCEL
Prof. Sissy Espinoza Bernardo
CONTENIDO
OBJETIVOS.............................................................................................................................................28
Introducción (8:40 am) .............................................................................................................................28
Ejercicio Individual: (1 Punto) (8:55 am) ........................................................................................30
1. INFORME DE TABLAS DINÁMICAS (9:05 AM) ...............................................................................30
Definición .................................................................................................................................30
Aplicación a una base de datos ...............................................................................................31
Tablas para Variables Cualitativas ...................................................................................................31
Actividad 1: (1 punto) (9:30 am) ..............................................................................................33
Actividad 2: (1 punto) (9:40 am) ..............................................................................................33
Tablas para Variables Cuantitativas (9:50 am) ................................................................................33
Actividad 3: (1 punto) (10:00 am) ............................................................................................34
2. GRÁFICOS (10:30 AM) .......................................................................................................................34
Gráficos para Variables Cualitativas ................................................................................................35
Columnas apiladas (10:50 am) ........................................................................................................35
Gráficos para Variables Cuantitativas (11:10 am) ...........................................................................36
OBJETIVOS
Al finalizar la presente práctica el alumno será capaz de:
1. Elaborar tablas y gráficos adecuados según tipo de variables usando Tablas
Dinámicas
2. Realizar la interpretación de la encuesta ENESINFO
3. Elaborar de tablas y gráficos en MS Word y Power Point 4 puntos
Caso 1:
Una investigadora desea analizar la distribución del nivel de desnutrición según área geográfica
y niveles de pobreza, ella revisando una publicación de Gissele Garrido desea presentar su
información de esta manera. ¿El tipo de gráfico elegido, es el más adecuado para presentar la
información?
28
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
Distribución del nivel de desnutrición crónica según área geográfica y niveles de pobreza
http://www.bvsde.paho.org/texcom/nutricion/Pb0115.pdf
_____________________________________________________________________________________
_____________________________________________________________________________________
_____________________________________________________________________________________
___________________________________________.
Caso 2:
Los investigadores Menéndez y Franco en la publicación de su artículo titulado: Publicidad y
alimentación: influencia de los anuncios gráficos en las pautas alimentarias de infancia y
adolescencia en la revista Nutrición Hospitalaria volumen 24 en el año 2009. Se muestra la figura
1. http://scielo.isciii.es/scielo.php?script=sci_arttext&pid=S0212-16112009000300009
Definición de variable:
Una variable es una entidad abstracta que adquiere distintos valores, se refiere a una cualidad,
propiedad o característica de personas o cosas en estudio y varía de un sujeto a otro o en un
mismo sujeto en diferentes momentos.
En estadística es cualquier rasgo, atributo, dimensión o propiedad capaz de adoptar más de un
valor o magnitud.
29
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
Moda, porcentaje,
Presenta modalidades no numéricas, en las que existe un
prevalencia, tasas,
orden.
frecuencias. Ordinal
Ejemplos: Grado de instrucción: primaria/ secundaria/
superior; Anemia: leve/ moderada/ severa; etc.
Para fines de análisis de datos, éstos dos últimos se consideran como de un solo nivel
(intervalo/razón).
No se confunda al clasificar una variable, pues en el caso de las variables cualitativas (categóricas) el
número sólo representa un código para hacer la digitación y el procesamiento más rápido.
Definición
30
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
nos permite ir obteniendo diferentes totales, filtrando datos, cambiando la presentación de los
datos, etc. Los Informes de Tablas Dinámicas se utilizan para resumir rápidamente grandes
volúmenes de datos.
Aplicación a una base de datos
Vamos usar la hoja ‘ENESINFO2018’ para mostrar el uso de la Tablas Dinámicas. Dicha hoja
contiene los resultados de la encuesta autoaplicada por los alumnos del curso de Informática
en Nutrición. Al empezar el análisis de datos es importante tener presente los objetivos de la
encuesta; en este caso el objetivo fue recoger información socio-demográfica, de salud y
prácticas informáticas, para tener un perfil del estudiante de Nutrición de la EAPN – UNMSM
del 3º año que llevan el curso de informática en el 2018.
Tablas para Variables Cualitativas
1.- Abra la hoja ‘ENESINFO2018’, del archivo ‘Tema3_2018’ donde tendremos la base de
datos (fig. 1). Le llamamos base de datos porque en la primera fila están los encabezados y el
contenido de cada columna corresponde a su respectivo encabezado. Lo ideal es tener una
hoja por base de datos; si va a colocar más información en dicha hoja es recomendable separar
la base de datos con una columna y una fila.
2.- Vamos a elaborar el primer cuadro con la distribución de las personas según Sexo y Grupos
de edad (dos variables) para caracterizar a la población de estudio. Para este último
insertaremos una columna al lado derecho de la columna Edad y llamaremos a esta variable
‘GRUPOE’.
3.- La variable ‘GRUPOE’ será ordinal, para lo cual necesitaremos re-codificar la variable
numérica continua ‘Edad’. Para ello en la celda H2 utilizaremos en la fórmula dos funciones
lógicas SI, anidadas, para crear las tres categorías propuestas: “< 21 a.” de 18 a 20 años; “21-
22 a.” de 21.0 a 22.9 a. y “23 a. y más” para los que tienen 23 y mas años.
4.- Escriba las funciones lógicas Si que utilizó para la variable ‘GRUPOE’.
=SI(____________________________________________________________________________)
5.- Coloque el cursor en la celda A1 (o en cualquier otra celda de la base de datos), en la barra
de menú de EXCEL seleccione <Insertar> y haga un clic en “Tabla dinámica”.
6.- EXCEL responde mostrando un cuadro de diálogo, el cual especifica el rango de datos que
se va a usar y la ubicación que se desea para la tabla dinámica.
Nota.- Si los datos no aparecen automáticamente, haga clic en la flecha roja, que aparece al lado
derecho del casillero <tabla o rango> y con el ratón seleccione toda la base de datos. También
podrá seleccionar rápidamente el rango colocando el cursor en la celda A1 y presionando al
mismo tiempo las teclas [Shift] y [Ctrl.] y las teclas direccionales hacia abajo y hacia la derecha.
7.- Haga clic en <Aceptar> y EXCEL mostrará la hoja dividida en dos ventanas, la de la
izquierda muestra una tabla de doble entrada donde se irá colocando los campos (variables )
en la columna y fila respectivamente, así como en el cuerpo. En la ventana del lado derecho
se encuentra dividida en dos, una lista de campos (variable) a ser seleccionada, la de abajo
31
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
subdivida en 4 ventanas en las que se arrastra los campos a la información que se desea; por
ejemplo filtrar datos, etiquetas de columnas y filas y operación de valores (fig. 2).
8.- Con el botón izquierdo del ratón arrastre el botón Sexo a COLUMNA y el botón GRUPOE
en FILA en la tabla ubicada al lado izquierdo. Además debemos arrastrar en el cuerpo de la
tabla DATOS una de las dos variables, por ahora, arrastraremos el botón Sexo. (fig. 3).
Cuando se utilizan las Tablas Dinámicas los datos que serán analizados pueden ser contados
(variables cualitativas) ó resumidos según estadísticos de promedio, desviación estándar
(variables cuantitativas).
9.- Excel nos da como resultado una tabla de frecuencias, dichos resultados deberán ser
colocados en la tabla que se muestra a continuación. Ya tenemos las frecuencia absoluta de
las variables cualitativas: sexo y grupo de edad, pero nos faltaría el porcentaje para completar
dicha tabla; dicho porcentaje puede ser calculado por filas, por columnas o por el total, la
elección dependerá de lo que queramos comparar. Complete la información en la Tabla1.
Tabla 1: Distribución de estudiantes según sexo
32
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
10.- Para obtener el porcentaje colocar un botón adicional de Sexo debajo de “ventana < ∑
Valores>, hacemos clic en la flecha invertida y aparecerá un cuadro de dialogo. Luego
hacemos clic en la segunda pestaña <Mostrar valores como> y escogemos “% de la fila”
porque queremos comparar la proporción de mujeres y varones en cada grupo de edad.
De una misma base de datos se pueden obtener varias tablas, usando Tablas Dinámicas
bastaría volver al cuadro de diálogo de la fig. 3, retirar las variables actuales y colocar
diferentes variables y la tabla estaría lista, desapareciendo por completo la tabla anterior. Por
lo que antes de hacer una nueva tabla, se recomienda copiar las tablas terminadas en una
nueva hoja a la que llamaremos “Tablas”.
NOTA.- Se recomienda pegarlos con el botón “Pegar valores” porque la tabla esta activa enlazada a la orden y
puede alterarse los datos.
Título:
_______________________________________________________________________________
_________________________________________________________________________
Interpretación:
_________________________________________________________________________________
Respecto a la Interpretación de la Información es importante tener en cuenta lo señalado por Hernández y cols (3) “En los
comentarios de frecuencias pueden utilizarse frases tales como “la mitad de los entrevistados prefiere la marca X” (con un
50%), “poco menos de la mitad” de la población mencionó que votarán por el candidato X (por ejemplo, con un 48.7%), “casi
la tercera parte…” (por ejemplo, con un 32.8%), “cuatro de cada diez señoras…” (40%), “la enorme mayoría.” (96.7%), etc.
Procedimiento:
33
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
2.- Como se aprecia en la fig. 4, lo que hace es ‘contar’ el número de personas que tienen el
mismo valor de promedio ponderado. Usando la opción de ‘Configuración de campo de valor’
seleccione, ‘Promedio’. Vuelva a arrastrar el botón por segunda vez y ahora elija ‘desvest’. Etc.
Finalmente presione el botón ‘Formato de número’ para obtener un sólo decimal por cada cifra.
Promedio de Promedio Desvest de Promedio
Etiquetas de fila Ponderado Ponderado
Hombre 13.9 0.7
Mujer 13.8 0.9
Total 13.8 0.8
Figura 5: Variable cuantitativa ‘Promedio ponderado’: promedio y desviación estándar .
Recuerde: No toda la información la debemos colocar como tablas y gráficos, cuando una de las categorías es
mucho mayor que la otra sólo debemos mencionar dicho porcentaje como texto. Por ejemplo, el 96% de los
encuestados refieren haber llevado algún curso de informática y dicho porcentaje es muy similar entre hombres
y mujeres.
Área del gráfico Titulo del gráfico Series de datos Líneas de división
Leyenda
Título a los
ejes
34
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
Ahora coloque el título adecuado, teniendo en cuenta los criterios básicos (¿Qué?, ¿Cómo?,
¿Dónde?, ¿Cuándo?) y realice una adecuada interpretación.
Titulo:
Interpretación:
Los gráficos encontrados con mayor frecuencia para caracterizar a una muestra en las revistas
científicas son los de columnas y circulares.
35
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
Total
Sexo Estatal Particular Parroquial general
Hombre 10 3 13
Mujer 18 16 7 41
Total general 28 19 7 54
1.- Seleccionar el área donde se encuentran los datos
en la hoja ‘G_columnas’. En la barra de Menús,
hacer clic en <Insertar> y luego en Columnas, subtipo
de Columna apilada (fig. 9)
Título:
Interpretación:
Vamos a realizar un primer gráfico con el promedio y una DE. Para ello una vez que obtuvo la
tabla anterior tiene que transformarla en la siguiente tabla porque la elaboración de un grafico de
Cotización: Máximo-Mínimo-Cierre requiere los datos de esa manera: en la primera fila después
36
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
del encabezado, el valor más alto, luego el más bajo y en la tercera fila el valor promedio. En la
primera fila van los encabezados de los tres grupos.
Nota para hacer este tipo de gráfico se requiere originalmente tener tres grupos por lo menos.
1.- Seleccione las 16 celdas de la tabla anterior y haga clic sobre el icono ‘Otros gráficos’ dentro del menú
‘Insertar’, finalmente haga clic sobre ‘Cotizaciones’ (fig. 11).
37
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
17,0
16,0 16,0
15,0 15,3 15,0
Promedio
14,0 14 14,1
13,6
13,0 13,0
12,0 12,0 12,0
11,0
10,0
< 21a. 21-23a. 23a. y +
Grupo de edad
Titulo:
___________________________________________________________________________________
Interpretación:
___________________________________________________________________________________
3.- Mientras que la desviación estándar es una medida de dispersión es decir nos informa que tan dispersos
están los datos; el intervalo de confianza nos dice que este caso que tan cerca estamos del verdadero
promedio. Como recordarán se construye en base a la DE y al tamaño de la muestra. En la hoja ‘IC’ del
archivo ‘Tema4_2016.xls’ se explica cómo obtener la siguiente tabla y a partir de ella el siguiente gráfico
(11:30 am).
Luego adecuamos los límites superior e inferior del IC para que Excel nos proporcione el gráfico de
Cotizaciones.
14,5
Notas promedio
14,0
Finalmente obtenemos 13,5 LS
el siguiente gráfico:
13,0 LI
12,5 Promedio
< 21a. 21-23a. 23a. y +
Grupo de edad
38
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
Titulo:
Interpretación:
Referencias Bibliográficas:
En base a los objetivos del trabajo aplicativo, buscar un instrumento que les permita recoger
información para su investigación. Se recomienda que el instrumento sea validado, pero por
el poco tiempo destinado a esta actividad, se sugiere obtenerlo de una tesis o artículo
científico. Durante esta media hora podrá buscar su instrumento por internet o en caso de ya
tenerlo aprovechar para conversar con las profesoras y evaluar el instrumento para su trabajo.
39
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
NOTAS DE CLASE
UNIDAD III: Tabulación y Análisis sobre Consumo y Antropometría
Prof. Luis Sánchez Mercado
Contenido
Objetivos: ............................................................................................................................................................. 40
Introducción ......................................................................................................................................................... 40
I Plantilla para evaluar Recordatorio de 24 horas / Registro de 24 horas .......................................................... 41
Procedimiento para digitar un Registro de 24 h ............................................................................................... 42
Ejercicio 1: (2 punto) ........................................................................................................................................ 43
II Plantilla Ivan Carbajal Gómez para evaluar una Frecuencia de Consumo ........................................................ 43
Detección de errores en el llenado del Cuestionario (FSCA) ............................................................................ 44
Procedimiento .................................................................................................................................................. 44
Ejercicio 2: (2 punto) ........................................................................................................................................ 45
III Programa PAN para diseñar dietas ................................................................................................................... 46
ANEXO 1: RECORDATORIO DE 24 HORAS ......................................................................................................... 48
ANEXO 2: INSTRUCTIVO RECORDATORIO DE 24 HORAS .................................................................................. 50
ADVERTENCIA: Para poder realizar la presente práctica los estudiantes deberán traer los formatos
de Recordatorio de 24Hr y de Frecuencia de Consumo, que están en los Anexos, llenados.
Objetivos: Ejercicios:
Al finalizar la sesión el estudiante será capaz de: 2 puntos
1.- Utilizar la plantilla PAN_formulas, del Lic. Luís Sánchez Mercado, para calcular el contenido
de energía y nutrientes a partir de los alimentos consumidos en un día.
2.- Utilizar la plantilla del Lic. Iván Carbajal Gómez para calcular el contenido de energía y
nutrientes de una frecuencia semicuantitativa de consumo de alimentos.
40
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
Figura 1: Contenido de la
celda ‘b2’
41
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
Como lo vimos en una práctica anterior esa función sirve para que el programa busque el
nombre del alimento a partir de un código y lo coloque en la misma celda donde está la
función y lo hace de la siguiente manera:
a) ‘Valor_buscado’, indica el valor con el que debe buscar; en el ejemplo el contenido de la
celda $A2 (fig. 1)
b) ‘Matriz_buscar_en’, rango absoluto de celdas (hoja ‘BD’; rango $A$2:$X$1131) donde
debe buscar el valor que coincida con el contenido de la celda A2
c) ‘Indicador_columnas’, muestra el contenido encontrado en la columna que asignemos.
d) ‘Ordenado’, que en este caso toma el valor ‘Falso’ porque está buscando un valor
exacto, es un código por alimento.
Nota.- Se ha colocado primero la función lógica SI para que en caso de que la celda de la columna
A esté vacía, no salga el mensaje de error ‘#N/A’
Ahora coloque el cursor en la celda ‘D2’ y note en la barra de fórmulas que esa función es
similar a la que vio en la celda B2; se le ha añadido: ___________; es decir que se está
haciendo el cálculo de la regla de tres en base a la cantidad de alimento que se encuentra
en la columna C. Ahora bien al ir pasando de la columna D a las siguientes en la misma fila
2 notará que en toda la sintaxis lo único que está cambiando es: _______________ (Escribir
la fórmula adicional).
Figura 2: Función SI en la
celda de Energía (‘D2’)
Figura 3: Función
‘Buscar’ en la hoja ‘BD’
2. Va a aparecer una nueva pantalla (fig. 3). Escribir el nombre del alimento en el casillero de
‘Buscar:’, según la fig. 3 ‘cebada’ y luego presionar el botón ‘Buscar todos’. Y en la parte
inferior de dicha ventana aparecen varias celdas de la columna ‘B’ que contienen la palabra
‘cebada’. Una vez que encuentre el tipo de cebada que necesite, deberá copiar el código a
la celda ‘A’, contiguo a la celda en la columna ‘B’ aparecerá la ‘cebada’ cuya composición
se quiere conocer; según la fig. 4 a14.
42
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
Figura 5: Suma
de Eº y nutrientes
Nota.- En la hoja ‘BD’ desde la fila 2 hasta la 675 se encuentran los alimentos de la Tabla de Composición 2008 que
están codificados en la columna ‘A’ por una letra que representa al grupo al cual pertenecen y un número. A
partir de la fila 676 en adelante el código continúa con el número 625 hasta el 1081, dichos alimentos
pertenecen a la Tabla de Alimentos Industrializados y la mayoría no tiene composición de micronutrientes. Así
que si encuentra un alimento con dos códigos elija de preferencia el que tiene letra y número.
Después de dicha revisión, un representante deberá reunir los recordatorios del sub-grupo en un solo
archivo y enviarlos al correo del profesor responsable de dicho grupo, indicando en el Nombre o Nº del
sub-grupo al que pertenece.
Nota.- Para poder reunir los R24h y que el archivo no sea muy pesado: a) abrir un nuevo archivo en EXCEL, colocarse
en la esquina con triangulo plomo entre la columna A y la fila 1 y pulse ‘copiar’; b) en el nuevo libro ingrese en una
hoja y colocarse en la CELDA A1 y pulse pegar; c) luego VOLVER a pulsar pero ahora use la opción ‘Pegar valores’ del
ícono ‘Pegar’; d) colocar en cada hoja el nombre de la persona que hizo el registro.
43
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
Tenemos que advertir que al evaluar el consumo de alimentos a través de una FSCA, ya sea que
se trate de un mes previo o de mayor tiempo, tenemos que compararlo con los requerimientos
diarios por ello las cantidades consumidas tendrán que ser divididas entre 7 ó entre 30, según el
consumo haya sido semanal o mensual. Además es importante reconocer que para evitar errores
en la digitación debemos digitar códigos en vez de los decimales correspondientes. Así por
ejemplo, si alguien consumió dos raciones de fresas al mes, no digitará ‘0.066’- que es 2/30- sino
su código ‘1’; de igual manera si consumió 5 vasos de leche por semana digitará ‘4’ en vez de
‘0.786’ (5.5/7) que es el número de raciones por día correspondiente. Los códigos que se van a
emplear son los siguientes; si se consume por ejemplo más de 4 cucharadas de azúcar por día,
se digitará directamente el # correspondiente en la celda donde está la función SI (D30):
Equivalente,
FSCA Código
porciones diarias
Nunca 0 0.000
1-3 mes 1 0.066
1-2 sem 2 0.214
3-4 sem 3 0.500
5-6 sem 4 0.786
1 diario 5 1.000
2 diario 6 2.000
3-4 día 7 3.500
5-6 día No hay código
Procedimiento 10:35 am
1.- Abrir el archivo ‘FSCA_2013.xls’ y note que el archivo consta de las siguientes hojas:
- ‘Resumen’, donde automáticamente se va colocando la suma de los nutrientes por persona.
- Diez hojas (de la Nº ‘1’ a la Nº ‘10’) que son plantillas listas para la digitación.
- ‘Formato’ para imprimir y hacer la encuesta.
- ‘TCA’ que contiene la composición de los 50 alimentos del formato según el peso de una
ración.
2.- Abra la hoja ‘1’ y note que en la columna ‘B’ están los nombres de los alimentos y no fórmulas
porque así es un formato de frecuencia de Consumo, quien hace la encuesta coloca los
44
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
alimentos que le interesa investigar. Ahora fíjese en el contenido de la celda ‘D3’ de la columna
‘equiv’ ¿Cuántas funciones lógica ‘Si’ tiene? _________ (colocar el # de funciones ‘Si’); ¿Qué
es lo que se obtiene con dichas fórmulas? __________________.
3.- Comience a digitar su encuesta de Frec. Consumo en la columna ‘C’, según los códigos
indicados en el cuadro anterior (‘0’, si no consumió; ‘1’ si consumió de 1-3v/mes; etc.), note
que en la celda ‘D’ contigua irán apareciendo los respectivos equivalentes decimales con el
cuál se harán los cálculos.
Son pocos los alimentos que se consumen más de 4 veces al día, en muchas personas pueden
ser las cucharaditas de azúcar en otras el número de panes; pero la fórmula de la columna ‘D’ ya
no tiene equivalentes para dichas cantidades. Si, por ejemplo, consumió 6 cucharaditas de azúcar
al día digitará directamente ‘6’ en la celda ‘D30’, borrando de esa manera su contenido.
Note que a diferencia de la plantilla ‘ejercicios’, en que necesitaba colocar la cantidad del
alimentos, en esta plantilla, por tratarse de una Frecuencia Semicuantitativa de Consumo, las
cantidades están pre-establecidas en medidas estándar que tendrían que ser adaptadas, según
el grupo de edad al que se le realiza la encuesta.
Ejercicio 2: (2 puntos)
Una vez que cada miembro del equipo ha terminado de digitar su frecuencia de consumo, un
representante va a juntarlos en una sola hoja de EXCEL. Para lo cual deberá pedir a cada
miembro que ponga su nombre en la hoja, y luego con todos los archivos abiertos en una misma
computadora los puede ‘Copiar’ o ‘Mover’ al archivo de quien está juntado las frecuencias y borrar
las hojas que no han utilizado. Luego enviará por correo al profesor de cada grupo dicho archivo.
Así mismo copiarán los resultados de sus compañeros en sus guías.
Vº Bº ________________
Nombre del Vitamina
Energia Proteína Calcio Hierro
Estudiante A
45
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
Lic. Nut. Iván Esteban Carbajal Gómez, CNP 2753. e-mail: ivan_carbajal@hotmail.com,
ivancarbajalgomez@yahoo.es Celular: 990-276-060
46
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
Cada subgrupo presentará en la pantalla los recordatorios y frecuencias respectivas. El profesor pondrá un
punto a cada uno de los integrantes del sub-grupo que envío sus recordatorios al correo indicado. Martes
y viernes ibernui@gmail.com y Jueves <luis_sanmer@yahoo.com>.
Referencias Bibliográficas
1. Gibson R. 1990. Principles of Nutritional Assessment. Oxford University Press. New York.
2. Madrigal E. 1996. “Manual de encuestas de dietas”. Instituto de Salud Pública. México.
3. Willet W. 1998. Nutritional Epidemiology. Oxford University Press. 2nd edition. New York.
4. Cameron M. Van Staveren. 1988. Manual on Methodology for food Consumption Studies.
London: Oxford University Press.
5. Carbajal I. Estado nutricional y consumo de energía y nutrientes en un grupo de adolescentes de
Lima y Callao – Perú. [Tesis para optar el título de Licenciado en Nutrición]. Universidad Nacional
Mayor de San Marcos. Facultad de Medicina. Escuela Académico Profesional de Nutrición. Lima.
2001.
6. http://office.microsoft.com/es-hn/excel-help/buscarv-que-es-y-cuando-se-usa-RZ101862716.aspx
4ª semana
47
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
Código Encuesta: _ _/_ _/_ _/_ _/ Fecha: ___/___/2016 Nombre del encuestado: ____________________________________________
NOMBRE DE LA INGREDIENTES (Anotar todo MEDIDAS CASERAS CONVERSIÓN A Gramos en
TC CÓDIGO ALIMENTO
PREPARACIÓN tipo, cocinado o crudo) (Cantidad Consumida) GRAMOS crudo
48
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
PREPARACIONES FAMILIARES
PREPARACIÓN 1: PREPARACIÓN 2:
Nª DE PORCIONES Y/O VOLUMEN TOTAL Nª DE PORCIONES Y/O VOLUMEN TOTAL
CANT. MED. CANT. MED.
INGREDIENTES CONVERSIÓN gr. Gr. NETO INGREDIENTES CONVERSIÓN gr. Gr. NETO
CASERA CASERA
PREPARACIÓN 3: PREPARACIÓN 4:
49
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
MATERIALES
Para esta parte se utilizará:
1. Tabla de Dosificación de alimentos para la conversión de medida casera a gramos
2. Tabla de factor de corrección de peso bruto a peso neto
3. Tabla de factor de corrección de cocido a crudo
4. Código de alimentos
AFILIACIÓN Y LLENADO
Se debe escribir con letra de imprenta y números claros toda la información reportada.
Nombre del encuestado: Escriba su nombre y apellido.
Código de la encuestada: Escriba su código de matrícula.
Fecha: Escriba el día, mes y año en que realiza la encuesta
TC: El tiempo de comida registra el momento en que ingirió sus alimentos: desayuno = D, almuerzo = A,
Entrecomida = EC., cena = C. No olvide registrar las entrecomidas.
Nombre de la preparación: Anote el nombre de la preparación (Ejm. Avena con leche) o el nombre del
alimento si fuera el caso (Ejm, Galleta animalito).
Ingredientes: Escriba el nombre de cada uno de los alimentos utilizados en la preparación e indique sus
características; por ejm: variedad: papa amarilla, plátano de isla; tipo de producto: leche evaporada entera,
leche evaporada con hierro, también es necesario anotar si el alimento estaba crudo o cocido. Para estar
seguros en el momento de hacer las conversiones a gramos netos es necesario describir con claridad,
además esto facilitará una buena codificación de los alimentos.
Código Alimento: Utilice los códigos que se encuentran en la plantilla electrónica R24h-2012.
Medidas caseras (cantidad consumida): La manera de expresarlo puede ser unidad chica, mediana, grande;
cucharada al ras, normal o colmada; taza chica, mediana, grande; plato de postre, plato mediano, etc.
Conversión a gramos: Para ello usará la tabla de dosificación de alimentos; si el alimento no tiene
desperdicio la cantidad va a la columna de gramos en crudo.
Gramos en crudo: Para todos los alimentos que tienen desperdicio (cáscara, hueso, etc.). En esta columna
anotará el producto hallado en la operación realizada en conversión en gramos, colocando un número en
cada recuadro.
Cuadros de Preparaciones familiares
Se utiliza cuando no es posible obtener cantidades precisas, pero que se pueden estimar a partir de la
preparación de la olla familiar. Por ejemplo sopas, mazamorras. Se obtiene un todo que luego es dividido
entre el número de raciones que de ella se sirven.
Preparación: Anote el nombre de la preparación; Nº de porciones y/o volumen total: anote para cuantas
raciones alcanzó lo preparado, tamaño y cantidad servida por persona.
Ingredientes: Anótelos con su respectiva descripción. No olvide el azúcar y el aceite.
Cantidad medida casera: Anote la cantidad utilizada de cada ingrediente en medida casera.
Conversión a gramos: Hacer uso de las tablas respectivas.
Gramos netos: anote el producto de la operación realizada en la columna “Conversión a gramos”
Las encuestas con la información hasta la columna de ‘Medidas caseras’ serán entregadas a su profesora
para su revisión. Una vez que las encuestas han pasado una primera revisión serán devueltas al estudiante
para que pase a completar la información de las columnas correspondientes a código de los alimentos, para
ello utilizará la misma base de datos de la plantilla o su Tabla de Composición de Alimentos más consumidos
en el Perú. Luego realizará la conversión de medidas caseras a gramos netos con las tablas respectivas,
nuevamente entregará sus encuestas a su profesora para su segunda revisión; luego de ella y de haber
obtenido el visto bueno, procederá a digitar los datos para su digitación.
50
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
ANEXO 3
Formato de Frecuencia de Consumo de Alimentos y Actividad Fisica
Frecuencia de Consumo: N° de porciones consumidas
N° Alimentos 0 1 2 3 4 5 6 7 codig
No 1-3 3-4 5-6 2 3a4 5o
1-2 sem 1 diario
cons mes sem sem diario día mas
1 Pollo (1 presa promedio)
Carnes
10 Queso (1 tajada)
11 Yogurt (1 vaso)
12 Arroz (1 porción)
Cereales
30 Chocolate (1 unidad)
31 Frugos, Pulp (1 cajita,1 vaso)
32 Gaseosa, Cifrut, Tampico(1 vaso)
33 Piña (1 tajada laminario)
34 Naranja, Mandarina (1unidad)
35 Papaya (1 tajada laminario)
Frutas
51
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
52
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
NOTAS DE CLASE
UNIDAD III: Tabulación y Análisis sobre Consumo y Antropometría
Prof. Doris Delgado Pérez
TEMA Nº 5: ANÁLISIS DESCRIPTIVO DEL CONSUMO DE ALIMENTOS
Contenido
Objetivos: ............................................................................................................................................... 53
Introducción ............................................................................................................................................ 53
Análisis de la información de consumo de alimentos ............................................................................ 53
a.- Información obtenida por el método FCA - Cualitativo ..................................................................... 54
Procedimiento ........................................................................................................................................ 54
Ejercicio 1: (2 punto) .............................................................................................................................. 54
b.- Información obtenida por el método “Recordatorio de 24 horas” de un día ..................................... 56
Ejercicio 2 (2 punto) ............................................................................................................................... 62
ANEXO 1 ................................................................................................................................................ 62
Introducción
Los diferentes estudios epidemiológicos nutricionales muestran la estrecha relación que existe
entre el consumo de alimentos y diversas enfermedades. También muestran los beneficios
que tienen los compuestos químicos o los fitoquímicos que contienen los alimentos, en
relación a la frecuencia en que se ingieren y al estado de salud. Estos estudios utilizan
metodologías de recojo de datos apropiadas para mostrar sus objetivos, por lo que es
importante conocer cómo se obtienen dichos resultados.
El desarrollo que ha seguido la evaluación de la ingesta dietética es grande, cada vez se
diseñan nuevas herramientas tecnológicas para soportar el recojo de datos mediantes
diversas metodologías. Desde el año 1930, que se inició con estudios retrospectivos tratando
de medir la ingesta dietética, hasta la actualidad se han ido perfeccionándose los
procedimientos de recojo de datos en cada método. Tenemos dos métodos más utilizados:
A) Método de “Recordatorio de 24 horas” que consiste en estimar la ingesta de
alimentos de un día antes del estudio, mediante el registro en un formato previamente
diseñado y con ayudas visuales tanto en envases, figuras, maquetas o fotos de alimentos,
a fin de precisar la porción o ración consumida y diferenciar con la ración servida (1).
B) Otro método de acopio de este tipo de información es la “Frecuencia de consumo de
alimentos”, que identifica alimentos consumidos en un pasado remoto o en algunos
casos puede usarse en estudios de ingesta actual. Se considera un método para estudiar
enfermedades crónicas, entre ellas el cáncer, permite agrupar a los individuos entre
ingestas menores o mayores de un grupo de alimentos o un alimentos y asociarlo con las
enfermedades. Para esto se diseña un cuestionario que debe ser validado antes de ser
utilizado en el estudio (1).
Estas metodologías tienen sus limitaciones debido a la gran variabilidad que existe entre
individuos y en los mismos individuos, como la edad, sexo, la ingesta diaria durante la semana
y la estacionalidad de la producción de alimentos.
La variabilidad diaria va depender del nutriente que se quiera estudiar, es por ello que se
recomienda determinar el número de días en función del nutriente a ser estudiado. Por
ejemplo, micronutrientes, el colesterol, los ácidos grasos polin-saturados, etc., los estudios
podrían ser por más de 4 días recojo de la ingesta de los individuos; para ello existe una
53
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
fórmula, que tiene en consideración la variación intra-individual de la ingesta del nutriente, la
cual nos determinará el número de días que debe estudiarse dicho nutriente.
El profesional que debe estar capacitado en esta metodología es el nutricionista, a diferencia
de otros profesionales, es una competencia que debe alcanzar, especialmente en los temas
de recojo de datos, procesamiento, tabulación y análisis del consumo de alimentos. En esta
clase desarrollaremos el tema de análisis descriptivo del consumo de alimentos.
54
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
Comente por qué se usaron los dólares para las filas y no para las columnas:
c) Copie la función a lo largo de la fila 63 hasta la columna S. Ahora copie la función de la celda b63 a
las celdas b64, b65 y b66, cambiando el código ‘d’ por los códigos correspondientes (‘s’,’m’,’n’,) de
manera que podamos conocer las frecuencia de consumo.
d) Después de escribir las funciones en las celdas b64, b65 y b66 copiarlas a lo largo de sus respectivas
filas.
e) Para verificar que no hayan datos faltantes, en la celda b68 sume las cuatro categorías respecto al
consumo de la res (Diario + Semanal + Mensual + Nunca) que se encuentran en el rango de celdas
(b63:b66). El resultado correcto debe ser el mismo para todos los alimentos, el total de personas
encuestadas i.e. n=56. El primer paso antes de empezar cualquier análisis es contar el total de
encuestas
g) A partir de la celda a4 comenzae a escribir en las celdas de la columna, Fe o Vit A o Fe_vit A según
sea alimento fuente de uno o ambos nutrientes.
h) Una vez terminada la tarea anterior, coloque el cursor en la celda a3 y presione el icono de
<Ordenar> para juntar a todos los alimentos fuentes de hierro y todos los alimentos fuentes de
vitamina A. Como se trata de un solo criterio de ordenamiento no es necesario ingresar al Menú de
Ordenar.
i) Copie todos los alimentos fuente de hierro y sus frecuencias de su consumo (rango B3:F13) en la
celda a32.
j) A partir de dicha celda nuevamente ordene sus datos, pero ahora utilizando tres criterios. Pulsar en
el menú de herramientas <Datos>, luego en <Ordenar> , cuando aparece la ventana de la figura 3,
escribir, ‘Diario’, ‘Semanal’ y ‘Mensual’; en los tres casos escoger ascendente. De esa manera el
gráfico se verá ordenado.
55
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
Interpretación:
Observamos en el gráfico 1 que el alimento fuente de hierro que es consumido diariamente
por la mayor proporción de niños fue ___________________________.
Así mismo se aprecia en el gráfico que más de la mitad de los niños no consumen
__________________________________
Ejercicio 1: (2 puntos)
Interpretación:
……………………………………………………………………………………………………………………..
Los estudiantes del curso de informática 2013, recogieron información sobre su consumo
de alimentos en un formato de Recordatorio de 24 horas. Con dicha información se le solicita
calcular la mediana de consumo de energía y nutrientes, así como el porcentaje de
adecuación de requerimiento de energía y adecuación de las recomendaciones de los
nutrientes.
Presentar los resultados en tablas o gráficos correspondientes, con las medidas de
tendencia central y de dispersión.
Calcular
1. Mediana de consumo de energía, macronutrientes, calcio y hierro.
2. Porcentaje de adecuación de requerimiento de energía, proteínas y grasas.
3. Porcentaje de adecuación de las recomendaciones de calcio y hierro.
Materiales necesarios.
a) Encuestas procesadas y tabuladas en EXCEL
b) Para poder calcular el porcentaje de adecuación de requerimientos se necesita
tener los requerimientos nutricionales correspondientes al grupo etáreo de los
sujetos en estudio (2-7).
56
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
Procedimiento:
A. Conociendo el contenido del archivo: en el archivo Prac6_AnaR24h.xlsx se tienen varias
hojas que representan la secuencia cronológica para analizar datos de consumo a partir de un
formato de Recordatorio de 24 horas. Escriba los nombres de las hojas que ha encontrado y
su contenido:
Nombre hoja EXCEL Contenido de la hoja:
Nota: Se recomienda tener un archivo con TODOS los recordatorios completos (no sólo la
sumatoria), para poder hacer un control de calidad de los datos y diferenciar un error de digitación de
un error en el recojo de la información.
B. En una sola hoja vamos a juntar la información de nutrientes con datos antropométricos edad, sexo y
peso, necesarios para poder calcular los requerimientos de las personas. Dicha información se
encuentra en la hoja ‘Antrop’.
C. Procedimiento para JUNTAR INFORMACIÓN CONSUMO Y ANTROPOMETRÍA:
1) La columna común para ambas hojas es “Codmat” y procedemos a ordenarlo de menor a
mayor con el icono ordenar AZ.
2) Luego de mirar que ambas columnas estén en el mismo orden, en la hoja ‘Pegar’ insertar
cuatro columnas en blanco (‘B’,’C’, ‘D’ y ‘E’), copiar ahí las cuatro columnas: codmat, edad,
sexo y peso.
3) Para verificar si están los mismos registros en ambas hojas se inserta la columna en blanco
‘C’ y se escribe la fórmula =a2=b2.
4) El resultado debe ser ‘Verdadero’. Se copia la fórmula a lo largo de la columna ‘C’. En el resto
de las celdas también DEBE salir ‘Verdadero’. En caso que saliera FALSO, tenemos que
chequear cual registro está ‘sobrando’. Si todo está conforme, borrar las columnas ‘B’ y ‘C’.
D. Completar: en EXCEL en la hoja “Requerimientos” se tiene ______________________________
del grupo de edad de 18 a 30 años para ____________ y ____________________.
=SI(prueba_lógica,valor_si_verdadero,valor_si_falso)
58
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
& $ b d b
Ener Prot Grasa CHO Ca Fe Vit C
S exo
kcal g/Kg PC %VCT %VCT mg/d mg/d mg/d
Femenino Peso Corp * 35.26 1.0 25 60 1,000 24.5 75
Masculino Peso Corp * 37.40 1.0 25 60 1,000 11.4 90
Fuentes:
&
Tablas 5.4 y 5.7 para una actividad de 1.45 TMB. FAO. Human Energy Requirements. 2004
Proteínas $ Corregido por la digestibilidad y la calidad de las proteinas. CAVENDES (1988)
$
FAO. Protein Requirements. 2007.
a
WHO. FAO. Dieta, nutrición y prevención de enfermedades crónicas:
informe de una consulta mixta de expertos. 2003
Cab ,Vit Cb , Vit A b FAO. Vitamin and Mineral Requirements Human Nutrition. 2nd edition. 2004
Fed Se considera un 12% de absorción
b) Para el resto de nutrientes tendrá que usar una fórmula condicional que adecue la
recomendación a cada sexo en las columnas, ‘S’, ‘U’’ para las recomendaciones de Hierro
y Vitamina C. Aquí las fórmulas condicionales para cada nutriente:
Fe Vitamina C
Celda s2 Celda u2
=si(d2=2, = si (d2=2,
(t2/24.5%), (u2/75%),
(t2/11.4%)) (u2/90%))
c) Copiar cada una al resto de su respectiva columna. Note que para la celda ‘t2’ el resultado
debe ser
_________, para la celda ac2 debe ser _________ y así sucesivamente anote en el cuadro.
3) Control de calidad de los datos
Una vez que ha terminado con la última columna del porcentaje de adecuación se tiene que
hacer un control de calidad de los datos, para ello:
Calcular los valores Máximo y Mínimo:
1) Deje tres filas en blanco después del último registro y en la celda ‘e37’ escriba ‘MIN’.
2) En la celda ‘f37’ aplique la función ‘=min(f$2:f$51)’; el resultado será _____.
3) Luego en la celda ‘e38’ escriba MAX y en la celda ‘f38’ escriba la función
‘=max(f$2:f$51)’; el resultado será _______.
4) Ahora seleccione las celdas con las fórmulas y cópielas a lo largo de sus respectivas
filas hasta la celda AJ37.
59
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
Problema
Código encontrado
b. Para ello seleccione de la hoja ‘Pegar’ el rango f37:ak41, luego presione el icono de
<Copiar> y luego use la opción <Pegado Especial> en la celda ‘a2’ de la hoja
‘tab_graf’. Se usa esta opción porque queremos que se copien los valores y no las
fórmulas.
c. Con esta información básica tiene varias opciones de presentación de información
en nuevos cuadros o gráficas.
60
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
a. Para hacer este cuadro, deberá ir llenando la información en la tabla en blanco
que se le presenta en la hoja ‘tab_graf’.
b. Para la primera fila de energía tendrá que copiar y pegar la información respecto
a la mediana, el P25 y el P75, y luego lo pega con <Pegado especial> y
<Transponer>, tanto para el Requerimiento, como para el consumo y el
porcentaje de adecuación.
Presentación Datos – Opción 2
Gráfico de caja y bigote para presentar los porcentajes de adecuación.
Si la información acerca de la ingesta fuera un fragmento de un informe más voluminoso y
tiene que priorizar información; además si el objetivo sea la evaluación del consumo va a servir
como diagnóstico para luego plantear una intervención educativa, sería muy útil presentar un
gráfico del porcentaje de adecuación. Observe que podemos colocar en un mismo gráfico
energía y macronutrientes porque todos están en porcentaje; no podríamos hacer lo mismo si
cada uno estuviera en sus respectivas unidades (kcal y gramos).
a. En la hoja ‘tab-graf’ ya tiene una tabla lista. A partir de ella confeccione el siguiente gráfico
de cajas y bigote. (el gráficos solo es un modelo, seguro que sale diferentes con sus
datos)
Título de su gráfico:
Interpretación:
61
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
Ejercicio 2 (2 puntos)
- Hacer comentarios respecto los resultados obtenidos respecto a la Tabla 1,
el gráfico 1.
- Elabore un cuadro para micronutrientes Vº Bº ________y escriban en la
pizarra el comentario respectivo.
Referencias Bibliográficas
1. Willet W. “Nutritional Epidemiology”. Oxford University Press. 3rd Edition. 2013. New
York.
2. Organización Mundial de la Salud, ed. Necesidades de energía y proteínas. Informe
de una Reunión Consultiva Conjunta FAO/OMS/UNU de Expertos. Ginebra: OMS;
1985. (Serie Informe Técnico N° 724).
3. Food and Nutrition Board. Institute of Medicine. Dietary Reference Intakes (RDA)
1999-2001.
4. Bengoa JM. Torún B. Behar M. Scrimshaw N., eds. Metas Nutricionales y Guías de
Alimentación para América Latina, Bases Para su Desarrollo. Caracas, Venezuela:
Publicaciones Fundación CAVENDES. 1988.
5. FAO. OMS. UNU. Human Energy Requirements. 2004
6. WHO. FAO. UNU. Protein and Amino Acid Requirements In Human Nutrition. Expert
Consultation WHO Technical Report Series 935.
7. FAO. Vitamin and Mineral Requirements Human Nutrition. 2nd edition. 2004.
http://www.who.int/nutrition/publications/micronutrients/9241546123/en/index.htm
l
ANEXO 1
FRECUENCIA DE CONSUMO DE ALIMENTOS EN NIÑOS DE 1-5 AÑOS DE EDAD
¿Con qué frecuencia ha consumido el niño los siguientes alimentos en el último mes?
FRECUENCIA DE CONSUMO
ALIMENTOS
DIARIO SEMANAL MENSUAL NO CONSUME ¿POR QUÉ?
Carne de res
Pollo
Molleja / Corazón
Cerdo
Pescado
Hígado (pollo/res)
Bazo
Bofe
Corazón / Anticucho (res)
Relleno/ Sangrecita
Leche evaporada
Otras leches
Huevo
Frijoles, otras menestras
Espinacas
Zanahoria
Camote amarillo
Zapallo
Plátano de isla
Papaya
Diario = ≥ 5 veces / semana
Semanal = 1-4 veces / semana
Mensual = 1-3 veces / mes
62
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
ANEXO 2
Ejercicio adicional: Preparar un gráfico semejante al Gráfico 3.
Presentación de la mediana y sus medidas de dispersión únicamente del consumo de energía
y macronutrientes. Como podrá apreciar, cada cuadro/gráfica tiene sus ventajas y desventajas,
así por ejemplo en el gráfico 3 tenemos la mediana de adecuación de energía y macronutrientes
según sexo.
Nota: Se recomienda tener un archivo con TODOS los recordatorios completos (no
sólo la sumatoria), para poder hacer un control de calidad de los datos y diferenciar
un error de digitación de un error en el recojo de la información.
E. En una sola hoja vamos a juntar la información de nutrientes con datos antropométricos
edad, sexo y peso, necesarios para poder calcular los requerimientos de las personas. Dicha
información se encuentra en la hoja ‘Antrop’.
F. Procedimiento para juntar información consumo y antropometría:
1) La columna común para ambas hojas es “Codmat” y procedemos a ordenarlo de
menor a mayor con el icono ordenar AZ.
2) Luego de mirar que ambas columnas estén en el mismo orden, en la hoja ‘Pegar’
insertar cuatro columnas en blanco (‘B’,’C’, ‘D’ y ‘E’), copiar ahí las cuatro columnas:
codmat, edad, sexo y peso.
3) Para verificar si están los mismos registros en ambas hojas se inserta la columna en
blanco
‘C’ y se escribe la fórmula =a2=b2.
4) El resultado debe ser ‘Verdadero’. Se copia la fórmula a lo largo de la columna ‘C’.
En el resto de las celdas también DEBE salir ‘Verdadero’. En caso que saliera
FALSO, tenemos que chequear cual registro está ‘sobrando’. Si todo está conforme,
borrar las columnas ‘B’ y ‘C’.
G. Completar: en EXCEL en la hoja “Requerimientos” se tiene
______________________________
del grupo de edad de 18 a 30 años para ____________ y ____________________.
=SI(prueba_lógica,valor_si_verdadero,valor_si_falso)
64
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
4) El resultado del primer código debe salir 2063 para el cod 14010543. Copiar dicha fórmula al
resto de la columna F.
5) Insertar una columna en ‘G’ para calcular el porcentaje de adecuación de Energía. Escribir
como encabezado de la columna en la celda g1 ‘Paden’. En la celda g2 escribir la fórmula:
=E2/F2% El resultado debe ser____. Copiar dicha fórmula al resto de la columna G.
H. Procedimiento para calcular el porcentaje de adecuación de proteínas:
1) Añada una nueva columna en J, escriba en ‘k1’ ‘padprot’ y en K2, =J2/(B2*1)%
2) Estamos calculando directamente el porcentaje de adecuación de la proteína (ya no
necesitamos una columna para el requerimiento) al multiplicar el peso por uno (sólo
con la finalidad de que lo recuerden mejor) porque el requerimiento de proteína es
igual a l g/kg del peso corporal. El resultado debe ser _____.
Copiar dicha fórmula al resto de la columna.
I. Procedimiento para calcular el porcentaje de adecuación de grasas:
1) Insertar una columna en blanco en M y escriba en M1,
“ReqGrasa” y En M2 escriba = (G2*0.25)/9; el resultado debe
ser ______
Copiar dicha fórmula al resto de la columna.
2) Ahora inserte una nueva columna N, en N1 escriba
“PadGrasa” y en la celda N2 escriba = L2/M2%. El
resultado es _____. Copiar dicha fórmula al resto de la
columna.
Note que estamos considerando que el requerimiento para Grasa es el 25% de las
calorías totales; hemos dividido entre 9 el valor calórico total para obtener los
gramos de grasa.
Observe también que estamos haciendo todos los cálculos en base al peso real, lo cual tiene un
grado de error, pues es preferible hacerlo en base al peso ideal. La razón para hacer esto es
que la mayoría de los sujetos de estudio tienen un IMC normal, por lo que los resultados no van
a variar mucho.
65
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
& $ b d b
Ener Prot Grasa CHO Ca Fe Vit C
S exo
kcal g/Kg PC %VCT %VCT mg/d mg/d mg/d
Femenino Peso Corp * 35.26 1.0 25 60 1,000 24.5 75
Masculino Peso Corp * 37.40 1.0 25 60 1,000 11.4 90
Fuentes:
&
Tablas 5.4 y 5.7 para una actividad de 1.45 TMB. FAO. Human Energy Requirements. 2004
Proteínas $ Corregido por la digestibilidad y la calidad de las proteinas. CAVENDES (1988)
$
FAO. Protein Requirements. 2007.
a
WHO. FAO. Dieta, nutrición y prevención de enfermedades crónicas:
informe de una consulta mixta de expertos. 2003
Cab ,Vit Cb , Vit A b FAO. Vitamin and Mineral Requirements Human Nutrition. 2nd edition. 2004
Fed Se considera un 12% de absorción
b) Para el resto de nutrientes tendrá que usar una fórmula condicional que adecue la
recomendación a cada sexo en las columnas, ‘S’, ‘U’’ para las recomendaciones de
Hierro y Vitamina C. Aquí las fórmulas condicionales para cada nutriente:
Fe Vitamina C
Celda s2 Celda u2
=si(d2=2, = si (d2=2,
(t2/24.5%), (u2/75%),
(t2/11.4%)) (u2/90%))
c) Copiar cada una al resto de su respectiva columna. Note que para la celda ‘t2’ el
resultado debe ser
_________, para la celda ac2 debe ser _________ y así sucesivamente anote en el
cuadro.
4) Control de calidad de los datos
Una vez que ha terminado con la última columna del porcentaje de adecuación se tiene
que hacer un control de calidad de los datos, para ello:
66
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
Problema
Cod encontrado
67
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
NOTAS DE CLASE
UNIDAD III: Tabulación y Análisis del consumo de alimentos y de la antropometría
Prof. Doris Delgado Pérez
Tema Nº 6: Antropometría: programas Anthro y Anthro Plus
CONTENIDO
Objetivos ...................................................................................................................................... 68
Introducción ................................................................................................................................. 68
WHO Anthro Plus ........................................................................................................................ 69
1. Características generales del Programa ................................................................................. 69
2. Ajustes al programa: ................................................................................................................ 69
3. Módulo “Evaluación individual” de WHO Anthro Plus: ............................................................ 70
3.1 Archivo de niño. .................................................................................................................... 71
3.2 Principales funciones de la ventana principal del módulo examen individual ...................... 71
3.3 Codificación de colores......................................................................................................... 71
3.4 Gráficas................................................................................................................................. 71
3.5. Realizar cambios .................................................................................................................. 72
Ejercicio 1 – Who Anthro Plus (2 punto) ...................................................................................... 73
Ejercicio 2 Who Anthro Plus (1 punto). ....................................................................................... 73
WHO Anthro................................................................................................................................. 74
Ejercicio 3 – Who Anthro - (1 punto) ........................................................................................... 75
Referencias Bibliográficas ........................................................................................................... 75
Introducción
La Organización Mundial de la Salud (2006) publicó las nuevas normas de crecimiento
de niños menores de cinco años, de acuerdo a un estudio multicéntrico. El mismo que
se realizó debido a la ausencia de patrones de crecimiento y porque hacía más de una
década que no se actualizaban. Además, no se había utilizado datos de crecimiento de
niños(as) alimentados con leche materna exclusiva (LME) durante los primeros seis
meses y datos de niños(as) con LM hasta los dos años. Los resultados establecen
nuevos patrones o estándares de cómo deben crecen los niños(as).
Para facilitar el uso de las nuevas normas, se han elaborado aplicativos de libre
distribución, para el análisis de los datos antropométricos, denominados WHO Anthro y
WHO Anthro Plus.
El programa WHO Anthro, la última versión es 3.2.2 de enero 2011. Este software nos
permite calcular los índices nutricionales, hacer seguimiento del estado nutricional y del
desarrollo motor de los niños de 0 a 59 meses de edad.
Los índices nutricionales que se obtienen para los niños de 0 a 59 meses son
Longitud /Talla para la edad, Peso para la edad, Peso para Longitud/Talla e IMC para la
edad.
El link para bajar el software es: http://www.who.int/childgrowth/software/es/ (Fecha de
acceso 2/05/2016).El programa WHO Anthro Plus (versión 1.0.4) tiene las mismas
características que el primero, se diferencia en que permite hacer la evaluación de niños
y niñas mayores de 5 años de edad hasta los 19 años de edad, utiliza las referencias de
68
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
la OMS 2006 y 2007, es decir tiene los patrones de crecimiento de los niños menores
de 5 años, y las recomendaciones para los mayores de 5 años, para todos los índices
nutricionales. El link para acceder al software es
http://www.who.int/growthref/tools/en/ (Fecha de acceso 15/05/2017).
Los índices nutricionales que se utilizan para los niños(as) mayores de 5 años y para los
jóvenes hasta los 19 años de edad son el IMC para la edad, Talla para la edad y Peso
para la edad.
En la presente clase se explicará cómo usar dichos aplicativos, WHO Anthro Plus y
WHO Anthro, analizaremos los resultados de encuestas antropométricas, realizada en
niños menores de 59 meses y en escolares-adolescentes usuarios del Programa Vaso
de Leche de la Municipalidad de San Miguel. Además con el software WHO Anthro
explicaremos la evaluación del desarrollo de los niños menores de 59 meses.
WHO Anthro Plus (versión 1.0.4) es un software para monitorear el crecimiento de los
niños escolares y adolescentes (5 años a 19 años), el mismo que fue diseñado para
utilizarlo en computadoras personales (escritorio o laptops) con MS Windows 2000, el
software es de distribución libre y puede ajustarse a varios idiomas.
WHO Anthro Plus contiene 3 módulos (Fig. 1):
Cada módulo facilita funciones específicas; el primer módulo calcula el estado nutricional
de un solo niño sin seguimiento, el segundo módulo evalúa el estado nutricional del niño
y permite hacer seguimiento de su crecimiento sobre un periodo de tiempo y con el tercer
módulo se puede calcular el estado nutricional a nivel poblacional, en esta clase
desarrollaremos los dos últimos módulos.
2. Ajustes al programa:
69
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
Para comprender mejor y reconocer los principales botones de aplicación de este módulo
empezaremos por abrir el archivo del seguimiento de un niño, para tal caso elegiremos el
primer niño ejemplo que nos muestra el módulo, Kwanza Kofi, haciendo clic en el cuadro al
lado izquierdo de su nombre y luego clic en el icono de abrir (junto a la cruz verde).
Lista de niños
con código
70
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
Guardar
niño actual
Gráficos
Línea de gráficos ≥ -1 y ≤+ 1DS
Rango de números ≥ -3 y <-2DS
Rojo
ó >+2 y ≤+3DS
3º y 97º percentil
Línea de gráficos ≥ -2 y ≤+ 2DS
Negro Rango de números < -3 ó >+3DS
Línea de gráficos -3 y + 3DS No aplica
3.4 Gráficas.
Si queremos visualizar la gráfica de uno de los indicadores del estado nutricional del niño en
la visita seleccionada o mostrar la tendencia del indicador se puede lograr haciendo clic en
cualquiera de los ocho botones.
En la figura 7, se visualiza el gráfica cuando se ha empleado el botón junto al índice ‘Peso
p. edad.’
71
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
Copiar la gráfica
72
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
73
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
Interpretación:……………………………………………………………………………………
.
………………………………………………………………………………………………………………
WHO Anthro
El software WHO Anthro (v. 3.2.2) le permite hacer la evaluación nutricional mediante
antropometría y además evaluar el desarrollo motor de los niños y niñas de 0 a 59
meses. Este último aspecto es exclusivo de este software ya que en el Who Anthro Plus
puede hacer seguimiento solo del estado nutricional por antropometría.
Como ya hemos desarrollado la parte nutricional vamos a explicar cómo se ven los
resultados de una evaluación del desarrollo motor con los datos que tiene el software.
Fig 12.
Para visualizar en forma rápida los hitos del desarrollo motor, utilizaremos el niño
ejemplo (3) del programa, Jane Smith.
74
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
Interpretación de resultados:
Peso/Edad Talla/Edad IMC/Edad
Referencias Bibliográficas
o Organización Mundial de la Salud. Patrones de crecimiento infantil. 2005.
http://www.who.int/childgrowth/standards/es/ (visitada 02 mayo de 2016).
o Organización Mundial de la Salud Manual del Software WHO Anthro PLUS. 2009.
http://www.who.int/growthref/en/
75
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
NOTAS DE CLASE
UNIDAD III: MANEJO DE DATOS Y ANÁLISIS SOBRE DATA DE CONSUMO DE ALIMENTOS Y
ANTROPOMETRÍA
Prof. Sissy Espinoza Bernardo
Tema 07: Análisis descriptivo en Excel: Datos antropométricos,interpretación y
presentación de los datos
CONTENIDO
NOTAS DE CLASE ................................................................................................................................ 76
UNIDAD III: Tabulación y Análisis del Consumo de alimentos y de la Antropometria en Excel ........... 76
Introducción ....................................................................................................................................... 76
Cuadros y Gráficas ............................................................................................................................ 77
2.1 Gráfico de columnas ............................................................................................................... 78
2.2 Elaboración de Tablas ............................................................................................................. 78
2.3 Columna apilada al 100% ....................................................................................................... 79
2.4 Gráfico Circular sub tipo Barras .............................................................................................. 79
2.5 Grafico de columnas apiladas ................................................................................................. 80
2.6 Gráfico de dispersión con línea ............................................................................................... 81
Objetivos
Al término de la presente práctica el estudiante deberá ser capaz de:
1. Elaborar cuadros y gráficos adecuados para la información antropométrica en niños según
grupos de edad y sexo.
2. Interpretar adecuadamente las gráficas con información antropométrica. 5 puntos
Introducción
En una práctica anterior aprendimos a usar el programa WHO Anthro y WHO Anthro Plus para
calcular los índices nutricionales de niños y adolescentes y hacer seguimiento del estado nutricional
de los niños de 0 a 59 meses de edad; si bien nos reporta dichos programas resultados a Excel por
grupo de edad, creemos conveniente nosotros mismos calcular el diagnóstico de cada uno de los
índices antropométricos usando funciones lógicas aprendidas en prácticas anteriores en Excel.
Recordemos que el uso de funciones lógicas de Excel en antropometría nos permite obtener
resultados más rápidos e idóneos a nuestro requerimiento; es decir se pueden establecer los puntos
de corte, parámetros de medición según los objetivos que persigue el investigador o institución.
Para calcular los diagnósticos nutricionales de los índices antropométricos T/E, P/T y P/E se tomará
en cuenta los siguientes puntos de corte de la OMS 2006.
Punto de Peso para edad Peso para talla Talla para edad
corte (DE) Clasificación Clasificación Clasificación
>3 Obesidad
>2 Exceso de peso Sobrepeso Alto
2a–2 Normal Normal Normal
Desnutrición/ bajo
<-2a–3 Desnutrición Talla baja
peso/ emaciado
<-3 Desnutrición severa Talla baja severa
76
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
La clasificación del estado nutricional de niños y niñas mayores de 05 años y adolescentes de
ambos sexos se realizará con los indicadores índice de masa corporal (IMC) para la edad y Talla
para la edad (T/E), según OMS 2007.
Clasificación del Estado Nutricional de 05 a 19 años de edad de ambos sexos
Según IMC/Edad y Talla/Edad
IMC/Edad
Punto de corte (DE)
Clasificación
>2 Obesidad
>1a2 Sobrepeso
1 a -2 Normal
< -2 a -3 Delgadez
< -3 Delgadez severa
Talla/Edad
Puntos de Corte
Clasificación
>+2 Talla alta
+2 a -2 Normal
< -2 a -3 Talla baja
< -3 Talla baja severa
Fuente: OMS 2007.
DE= Desviación estándar
Aprendemos de las tablas y los gráficos a valorar dicha información previa de un texto, a organizar
la información relacionándola con la de temas anteriores, y a elaborar resúmenes y síntesis
diferenciando lo fundamental de lo accesorio.
Lo que se desea es mostrar la información de manera que cumpla con los objetivos trazados al
momento de recogerla y pueda servir para profundizar en alguna investigación y/o tomar las
medidas correctivas necesarias para mejorar el estado nutricional encontrado.
Cuadros y Gráficas
Abra el archivo ‘prac_08_2017.xls’, en la hoja ‘Base Huaraz’ verifique las funciones condicionales
usadas en las columnas I, J, K, L.
Columna I, variable ‘GrupoE’ muestra las siguientes categorías: ‘0-5m.’, ‘6-11m.’, ‘12-23m.’, ‘24-
35m.’, ‘36-47m.’, ‘48-60m.’. Si la variable ‘edad’ está en la columna C, entonces en la celda I2
la función condicional SI es como sigue:
=SI(C2<6,"0-5m",SI(C2<12,"06-11m",SI(C2<24,"12-23m",SI(C2<36,"24-35m.",SI(C2<48,"36-
47m","48-60m")))))
77
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
2. Ejercicios:
Ahora usando primero tablas dinámicas en la base de datos del archivo ‘prac_08_17.xls’, hoja ‘Base
Huaraz’ obtenga primero las tablas y luego las gráficas según se solicite, colocando al final de cada
uno la interpretación correspondiente.
Grupo Edad F M
0 - 05 m. 107 104
06 - 11 m. 122 120
12 - 23 m. 239 243
24 - 35 m. 189 191
Total 657 658
Gráfico 1: _____________________________________________________________________________
Interpretación: (1 punto)
__________________________________________________________________________
__________________________________________________________________________
Interpretación:
TAZ PAZ PTZ
Sexo
Promedio ± Promedio DE Promedio ±
Femenino -1.30 1.52 -0.55 1.14 0.22 1.17
Masculino -1.40 1.64 -0.61 1.17 0.21 1.21
Total general -1.35 1.58 -0.58 1.15 0.22 1.19
______________________________________________________________________
______________________________________________________________________
78
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
2.3 Columna apilada al 100%
Ahora, haremos un cuadro que muestre el número de niños en cada categoría de la
clasificación del indicador talla para la edad y representarlo en un gráfico. (Recuerde escoger
sólo uno, debido a que la información es la misma)
Gráfico 2: Distribución de los Niños por el Indicador Talla para la Edad, según
Sexo. Huaraz. 2015.
Interpretación:
____________________________________________________________________________
____________________________________________________________________________
____________________________________________________________________________
79
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
4. Luego, elija el diseño adecuado y haga las modificaciones necesarias sobre las categorías para
que el gráfico quede como el mostrado a continuación
Figura 2
Grafico 3: (1 punto)
_____________________________________________________________________________
_____________________________________________________________________________
Interpretación:
______________________________________________________________________________________
______________________________________________________________________________________
Gráfico 4: Prevalencia de Talla baja según grado de severidad y grupos de edad. Huaraz 2015
80
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
Interpretación:
______________________________________________________________________
______________________________________________________________________
_____________________________________________________________
Días 1 3 5 7 9 11 13 15 17
Peso 6.5 6.55 6.79 7.10 7.45 7.84 8.05 8.32 8.70
b.- Excel nos devuelve el gráfico de dispersión (figura 5), pero todavía no está listo. Seguimos el
procedimiento de los casos anteriores para elegir un adecuado estilo y diseño del gráfico, colocamos
unidades a los ejes. Luego quitamos las líneas de división, para ello, se debe seleccionar las líneas
de división y hacer clic en el botón “delete” del teclado.
81
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
d. En la ventana <Dar formato a eje> (fig. 7) en la escala “Mínima”, cambiar el valor automático a
fija “6”.
“Y”
Título:
Interpretación:
____________________________________________________________________________________
Referencias Bibliográficas
1. Wayne W. Daniel. Bioestadística. 4ta ed. 2006.
2. Cordero Valdivia, Dilberth. Los Nuevos Patrones de Crecimiento de la OMS. OPS/OMS Bolivia,
2007.
3. OMS 2008. Patrones de Crecimiento del Niño de la OMS. Curso de Capacitación sobre la
Evaluación del Crecimiento del Niño.
4. Organización Mundial de la Salud Estándares de crecimiento de niños menores de 5 años. 2005
http://www.who.int/childgrowth/standards/en/
82
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
5. Organización Mundial de la Salud Manual del Software WHO Anthro PLUS. 2009.
http://www.who.int/growthref/en/
6. World Health Organization 2007, Growth reference data for 5-19 years. disponible en:
http://www.who.int/growthref/who2007_bmi_for_age/en/
7. Norman G, Streiner D. Bioestadística. 2005.
Trabajo Aplicativo N°7: Esta semana, continúa con el recojo de datos. Queda en ustedes
en mostrar a su docente la información que va recolectando y despejar sus dudas.
83
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
NOTAS DE CLASE
UNIDAD IV: Análisis inferencial de información sobre Consumo de alimentos y Antropometría
Prof. Sissy Espinoza Bernardo
CONTENIDO:
NOTAS DE CLASE ........................................................................................................................................ 84
UNIDAD III: Tabulación y Análisis sobre consumo y antropometría ............................................................. 84
Introducción .................................................................................................................................................... 84
1. Uso de herramienta <Análisis de Datos> .................................................................................................. 85
2. Comparación de Medias ............................................................................................................................ 86
3. <Analisis de datos> Prueba t - Procedimiento ........................................................................................... 87
4. Uso de la Función Prueba.T ...................................................................................................................... 88
5. Comparación de dos o más medias. Análisis de Varianza (ANVA o ANOVA) ......................................... 89
Procedimiento ................................................................................................................................................ 89
Ejercicios (03 puntos)..................................................................................................................................... 90
Repaso Teórico .............................................................................................................................................. 93
OBJETIVOS:
Al finalizar la práctica el alumno será capaz de:
1. Aplicar la prueba t de Student y el Análisis de Varianza con la herramienta
de Análisis de Datos.
2. Emplear la función <Prueba.T> .
8 puntos
Introducción
En la presente práctica trabajaremos con pruebas de inferencia, estas son llamadas tambien
pruebas de hipótesis y constituyen la Estadística Inferencial. Con ella se toman decisiones acerca
de una población en base a la información contenida en una muestra de esa población. Un requisito
importante es que dicha muestra haya sido seleccionada ALEATORIAMENTE pues con ello
aseguramos que la muestra se pueda extrapolar; ademas sólo si la muestra fue elegida al azar se
puede medir el error de muestreo (error estándar).
Caso:
Se realizo un estudio de intervención nutricional con Sprinkles en 9 asentamientos humanos del distrito de San Martin
de Porres en 140 niños de 6 a 59 meses en el año 2013. Lo que se desea saber es si tuvo un efecto significativo sobre los
valores de hemoglobina al término de la intervención.
84
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
Continuando con el caso anteriormente mencionado,
en el gráfico Nº1, podemos visualizar el promedio y los
intervalos de confianza de los valores de hemoglobina
antes y después de la intervención. Recordemos, que
mientras la desviación estándar es una medida de
dispersión que nos informa que tan dispersos están
los datos; el intervalo de confianza nos dice que este
caso que tan cerca esta del verdadero promedio.
Para poder seleccionar la prueba estadística, deberá primero considerar el objetivo para el cual se
recogieron los datos, así como el tipo de variable de su objetivo. En Excel asumimos que la
distribución de los datos es normal. Aquí se presenta el siguiente cuadro resumen:
Tipo de Escala de
OBJETIVOS PRUEBAS
Variable Medición
• Prueba t (2 grupos )
Comparar medias Cuantitativa Intervalo/ Razón • Prueba ANVA (≥ 2
grupos )
Comprobar si existe asociación Coeficiente de Correlación
Cuantitativa Intervalo/ Razón
entre variables de Pearson; Coef. Spearman
Predecir la VD, a partir de la VI Cuantitativa Intervalo/ Razón Regresión
Independencia de variables
Cualitativa Nominal , Ordinal Chi 2
(Asociación)
Fuerza de Asociación Cualitativa Nominal , Ordinal Odds Ratio – Riesgo Relativo
Trabajo grupal:
Vamos a realizar el Repaso sobre la Inferencia Estadística. Se escribirán las preguntas en la pizarra
y se pedirá que cada grupo responda a cada una de ellas. Para ello contaran con 10 minutos,
pueden revisar información en internet o revisar el anexo de la guía donde se encuentra el resumen
del tema. Luego expondran el tema en plenaria.
1.- ¿Cuáles son los pasos más importantes para hacer una prueba de inferencia estadistica?
2.- Explique en que consiste la Ho y la Ha. ¿Cuál de ellas es la hipótesis de investigación.
3.- ¿A que se llama el Nivel de significancia?
4.- ¿Cuando “Acepto” una Ho, cuando la “Rechazo”?
5.- Si el nivel de significancia es de 0.05 y obtengo un valor p de 0.03, ¿debo Aceptar o Rechazar
la Ho?
85
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
Luego, haciendo clic le aparecera la siguiente ventana que contiene algunas pruebas estadísticas
de uso frecuente.
Nota:
1. En caso que la PC que usted esta usando
no tenga <Análisis de Datos>, lo puede
instalar fácilmente. En barra de
herramientas , hacer clic derecho aparece
un menu desplegable, elija <personalizar
barra de herramientas de acceso
rápido…>. Luego en opciones de Excel,
Seleccione <Complementos> y en el menú
del lado derecho haga clic en
<Herramientas para análisis>, luego hacer
clic en <ir>, pulse <Aceptar> y finalmente
en la ventana complementos seleccione
“Herramientas para análisis”, luego
<Aceptar>.
2. Comparación de Medias
Hipótesis, Varianza e Independencia
La herramienta <Análisis de datos> tiene disponibles tres pruebas t para poder hacer la elección
adecuada es importante considerar los siguientes aspectos: hipotesis, varianza e independencia.
a) Hipótesis. Para determinar si es razonable o no concluir que las dos medias son distintas entre
sí, se puede formular las siguientes hipótesis:
1.Hipótesis de 2 2.Hipótesis de 2
colas colas
1 2 1- 2 = 0;
1 2 1- 2 ≠ 0
llamada también de dos colas porque no se tiene evidencia para suponer que una media sea mayor
que la otra.
86
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
Las Hipótesis 3, 4, 5 y 6 serían de una sola cola. Es decir que despues de hacer la revisión bibliografica
llegamos a la conclusión que uno de los grupos puede ser mejor que el otro, antes de empezar el recojo de
datos.
b) Varianza: Las varianzas de los grupos podrían ser: iguales o diferentes, en cuyo casos existen diferentes
formulas de calcular el estadistico t. Si son iguales se calcula un promedio ponderado de ambas; si son
diferentes las varianzas, no se combinan, se usan las dos varianzas en la fórmula. Para los ejemplos y
ejercicios en que usemos MS EXCEL vamos a suponer que las varianzas son iguales. Cuando usemos SPSS
tendremos la certeza respecto a las varianzas de los grupos.
c) Independencia. Podemos tener muestras independientes, que no están relacionadas, y que pueden tener
diferente tamaño de muestra. O también se pueden tener muestras emparejadas o apareadas; por ejemplo
cuando se mide el colesterol en las mismas personas antes y después de una intervención educativa.
Ejemplo
A pesar que sabemos que la información sobre consumo no tiene una distribución normal vamos a comparar
los promedios del porcentaje de adecuación de hierro de los estudiantes varones y mujeres del curso de
Informática por medio de un prueba t.
Abrir el archivo prac09.xls y la hoja ‘PADEC’; ahí verá el listado de los estudiantes, junto con algunas de sus
variables como: edad, sexo y en la columna ‘E’ los valores de ingesta de hierro.
De manera general, conocemos que los varones tienen un mayor consumo de alimentos que las mujeres, por
lo tanto se plantea la siguiente pregunta: ¿Proporcionan los datos la evidencia suficiente como para concluir
que el consumo de hierro es mayor en los estudiantes varones que en las estudiantes mujeres del curso de
Informática?. Dicha evidencia se obtendrá si se rechaza la Ho “el promedio de hierro consumido por los
estudiantes varones es menor o igual al de las mujeres”.
Apreciamos que la prueba sería de una cola, porque esperamos que el consumo de un grupo sea mayor que
el otro. varones mujeres
varones mujeres
c. En el cuadro de edición Rango para la variable 1, introducimos el rango e2:e15, ya sea digitando dicho
rango o seleccionando dicho rango con el ratón. Procedemos de igual manera para el cuadro de edición
<Rango para la variable 2> (e16:e61). No se preocupe por los dolares, el programa los pone.
d. En el cuadro de edición Diferencia hipotética entre las medias, colocamos "0" (cero) ya que la hipótesis
nula es justamente esa, que la diferencia no existe. También podemos dejarlo vacío, ya que EXCEL
asume el valor cero.
87
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
e. En el cuadro de edición <Alfa> se halla el valor 0.05, que equivale a un nivel de confianza del 95%, lo
cual dejamos sin cambiar porque trabajeremos con dicho nivel. Dejamos rótulos sin check pues no
estamos introduciendo los encabezados.
f. En el área Opciones de salida, seleccionamos la opción <Rango de salida>, e introducimos la celda E3,
con lo cual indicamos que los resultados se mostrarán a partir de esa celda en adelante. Luego
presionamos el botón <Aceptar>, y observaremos el siguiente resultado:
Variable 1 Variable 2
Media 10.62505 10.2830826
Varianza 49.2427356 45.719196
Observaciones 14 46
Coeficiente de correlación de Pearson 46.5089549
Diferencia hipotética de las medias 0
Grados de libertad 58
Estadístico t 0.16427963
P(T<=t) una cola 0.43504109
Valor crítico de t (una cola) 1.67155276
P(T<=t) dos colas 0.87008219
Valor crítico de t (dos colas) 2.00171748
g. El promedio de mg de hierro consumido por los varones es de 10.6 y el de las mujeres es 10.3. A primera
vista podríamos afirmar que la media de los valores de hierro para los 14 varones del estudio es mayor
que el de las 46 mujeres estudiantes. Ahora trataremos de interpretar de una manera resumida los
resultados de la prueba estadística, de tal forma que podamos apoyar o descartar nuestra primera
impresión.
h. El valor del estadístico t calculado (Estadístico t = 0.164…) es menor que el t tabulado (Valor critico de
una cola = 1.671…); escogimos una cola porque en la Ha supusimos que el consumo de hierro en los
varones era mayor que el de las mujeres. Note, además que el valor de probabilidad para una cola es >
0.05 (0.43504109). Por dichos motivos la decisión estadística es aceptar la Ho (no hay diferencia entre
las medias).
i. Concluimos que, el promedio de mg de hierro consumido por los varones no es mayor al consumo de
hierro de las mujeres; dicho de otra manera aceptamos que no hay diferencia entre hombres y mujeres.
Sería absurdo decir las mujeres consumen mas que los varones porque para esta muestra 10.3 mg
(promedio de las mujeres) no es mayor que 10.6 mg (promedio de los varones); pero es que las Ho de
una cola tienen que plantearse de esa manera ANTES de realizar la prueba estadística y ANTES de
conocer los promedios.
Nota.- Cuando reportamos los resultados en un informe o en un artículo cientifico no se escribe toda la prueba.
Simplemente en el cuadro en que presentamos la estadística descriptiva añadimos una columna adicional en la que
presentamos el valor de p. Luego en el texto explicaremos que si hubo una diferencia significativa.
88
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
89
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
f. En el área ‘Opciones de salida’, seleccionamos la opción <Rango de salida>, e digitamos ‘O3’
que es la celda a partir de la cual se mostrarán los resultados. Luego presionamos el botón
<Aceptar>, y observaremos el siguiente resultado:
RESUMEN
Total 34778.4094 46
El ANVA no señala cual promedio es el mayor o el menor. Sólo indica que al menos uno es diferente.
g. Observamos que las valores promedios del porcentaje de adecuación de energía son: 95.1%
para los que tienen Bajo Peso, 109.1% para los que tienen un peso Normal y 95.4% para los
que tienen sobrepeso. Así, a primera vista podemos afirmar que existen diferencias en
porcentaje de adecuación de energía en los tres grupos observados. Ahora trataremos de
interpretar de una manera resumida los resultados de la prueba estadística, de tal forma que
podamos apoyar o refutar nuestra primera impresión.
h. El valor F (F calculado = 1.387…) es menor que el valor F tabulado (Valor crítico para F = 3.2)
razón por la cual aceptamos la Ho. De manera análoga, el valor de probabilidad del estadístico
F es 0.2604, que es mayor que 0.05; por lo tanto la decisión estadística será Aceptar/Rechazar
la Ho, que afirma que no existe diferencia entre los promedios de los porcentajes de adecuación
de los tres grupos.
i. Concluimos entonces que no existe diferencia entre los promedios de los porcentajes de
adecuación de los tres grupos.
Recuerde que el análisis de varianza no nos proporciona información acerca de cúal promedio es
mayor que los otros. Para poder determinar cual o cuales son diferentes debemos realizar pruebas
estadísticas adicionales. Usaremos Tukey si todos los grupos tienen igual numero de muestra, o
Duncan si tenemos un grupo control contra el cual queremos los demás, lamentablemente no están
disponibles en EXCEL, pero si en paquetes estadísticos como el SPSS o MiniTab.
Dieta 4 –
Dieta 1 Dieta 2 Dieta 3
Caseína
Rata 1 65 75 86 97
Rata 2 70 78.5 90 95
Rata 3 60 69 81 90
Rata 4 62 76 87 92
Promedio 64.3 74.6 86.0 93.5
90
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
a. ¿Qué prueba estadística utilizará? __________________________y porque?
_____________________________
b. Cuales serían sus hipótesis
Ho _______________________________________________
Ha _______________________________________________
c. Valor p _____________________________
d. En base al valor p que acaba de obtener, elija sólo una respuesta VERDADERA respecto a su decisión
estadística?
( ) Acepta la Ho, concluye que NO hay diferencias estadísticamente significativas
( ) Rechaza la Ho, acepta la Ha, concluye que SI hay diferencias estadísticamente significativas
e. ¿Cuál es su conclusión con respecto a los datos?
______________________________________________________________________________________
______________________________________________________________________________________
______________________________________________________________________________________
2. El Lic. Elmor Castillo ha realizado una intervención educativa en las Madres del Comedor Virgen de la
Puerta en Huaycan. El aplicó una prueba de conocimiento antes y otra después de realizar su intervención.
Se presenta a continuación las notas obtenidas por las 15 madres que asistieron a las cuatro sesiones
educativas. Ayude al Licenciado Castillo a decidir si los datos proporcionan evidencia suficiente para decir
que el nivel de conocimientos de las madres aumentó significativmante despues de la intervención.
Antes 2 3 3 2 3 3 4 6 3 3 2 4 6 1 2
Después 8 8 8 9 7 9 9 8 8 9 9 7 9 8 9
a. ¿Qué prueba estadística utilizará? ______________________y
porque?___________________________
d. Valor p _____________________________
e. En base al valor p que acaba de obtener, elija sólo una respuesta VERDADERA respecto a su
decisión estadística?
( ) Acepta la Ho, concluye que NO hay diferencias estadísticamente significativas
( ) Rechaza la Ho, acepta la Ha, concluye que SI hay diferencias estadísticamente significativas
f. ¿Cuál es su conclusión con respecto a los datos?
______________________________________________________________________________________
______________________________________________________________________________________
3.- Doce individuos participaron en un experimento para estudiar la efectividad de cierta dieta, combinada con
un programa de ejercicios, en la reducción de los niveles de colesterol en suero. La tabla siguiente muestra
los niveles de colesterol en suero para los 12 individuos al inicio del programa (antes) y al final del mismo
(después)
La pregunta que se plantea es: ¿Proporcionan los datos la evidencia suficiente como para concluir que el
programa dieta - ejercicio es efectivo en la reducción de los niveles de colesterol en suero?. Dicho de otra
manera “ el promedio de colesterol después 224.1 es significativamente menor que 244.3?.
91
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
a. ¿Qué prueba estadística utilizará? ____________________________________________ y
porque?____________________
c. Según las hipótesis que acaba de escribir, usted escogería una prueba de una cola o de dos
colas?________________________. Por qué?
_____________________________________________________________
d. Valor p _____________________________
e. En base al valor p que acaba de obtener, elija sólo una respuesta VERDADERA respecto a su decisión
estadística?
( ) Acepta la Ho, concluye que NO hay diferencias estadísticamente significativas
( ) Rechaza la Ho, acepta la Ha, concluye que SI hay diferencias estadísticamente significativas
f. ¿Cuál es su conclusión con respecto a los datos?
______________________________________________________________________________________
______________________________________________________________________________________
4.- En el Centro de Salud “San Isidro” se ha llevado a cabo una intervención educativa Intervención para
mejorar el nivel de hemoglobina en 16 gestantes anémicas, a quienes además del sulfato ferroso se les dio
instrucciones de cómo mejorar su consumo de alimentos ricos en hierro.
La pregunta que se plantea es: ¿Proporcionan los datos la evidencia suficiente como para concluir
que la intervención educativa junto con la adminsitración de sulfato ferroso fue efectiva para mejorar
el nivel de hemoglobina?.
a. ¿Qué prueba estadística utilizará? ________________________________________ y porque?
______________________________________________________________________________________
92
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
5.- Para determinar si tres métodos diferentes de empaque de cierto alimento congelado conservan
por igual el contenido de ácido ascórbico en el mencionado alimento, se midió dicho ácido en los
alimentos empaquetados con los tres diferentes métodos tras un período de 45 días de haber sido
empaquetados. Los datos se muestran en la siguiente tabla:
MÉTODO DE EMPAQUE
MUESTRA
A B C
1 14.29 20.06 20.04
2 19.1 20.64 26.23
3 19.09 18.00 22.74
4 16.25 19.56 24.04
5 15.09 19.47 23.37
6 16.61 19.07 25.02
7 19.63 18.38 23.27
Promedios 17.2 19.3 23.5
¿Proporcionan estos datos evidencia suficiente que indique una diferencia entre los métodos de empaque a
un nivel de significancia de 0.05?
a. ¿Qué prueba estadística utilizará? ________________________________________ y porque?
___________________________________________________________________________
b. Cuales serían sus hipótesis
Ho _______________________________________________
Ha _______________________________________________
c. Valor p _____________________________
d. En base al valor p que acaba de obtener, elija sólo una respuesta VERDADERA respecto a su decisión
estadística?
( ) Acepta la Ho, concluye que NO hay diferencias estadísticamente significativas
( ) Rechaza la Ho, acepta la Ha, concluye que SI hay diferencias estadísticamente significativas
e.¿Cuál es su conclusión con respecto a los datos?
__________________________________________________________________________________
________________________________________________________________________________
Repaso Teórico
Nota.- Los siguientes conceptos los podrá hallar en el Módulo 26 del libro: “Diseño y realización de proyectos
de investigación sobre sistemas de salud. Parte II Análisis de datos y redacción de Informes” cuyos autores
son Corlien Varkevisser, Indra Pathnathan y Ann Brownlee; pag. 80 y 81. Asi como el libro “Bioestadistica” de
Daniel Wayne, pag. 206.
En una prueba de hipótesis “se estima la probabilidad de que el resultado observado en un estudio (p.ej., una
diferencia entre dos grupos) se deba al azar. En otras palabras, se utiliza una prueba de significancia para
averiguar si el resultado del estudio observado en una muestra puede considerarse como resultado
correspondiente a la población de la que se sacó la muestra”.
Según Daniel Wayne, las pruebas de hipotesis se presentan como un procedimiento de nueve pasos, que es
una secuencia lógica de acciones y decisiones. Incluye: Datos, Supuestos (restricciones), Hipotesis,
Estadistica de Prueba, Distribución de la estadística de prueba, Regla de Decisión, Cálculo de la estadística
de prueba, Decisión Estadística, Conclusión. Toda vez que usted ya está familiarizado con ellos, por el curso
de Estadística Aplicada que aprobó el año pasado, vamos a hacer enfásis sólo en algunos pasos
reconociendo que en el momento que usted tenga que trabajar con sus datos seguirá los nueve pasos.
Dichos pasos son: la hipótesis, el nivel se significancia y la regla de decisión.
Hipótesis
Se han elaborado distintas pruebas de significancia para distintos conjuntos de datos, pero todas ellas tienen
en común el que parten de dos hipótesis opuestas, la nula (Ho) y la alterna (Ha). La Ho es la hipótesis que
debe probarse; tambien se le conoce como la hipótesis de la no diferencia, ya que es una proposicion de
conformidad con condiciones que se suponen ciertas en la población de interés. En general, la Ho se
establece con el propósito de ser rechazada. La Hipótesis de investigación, la que queremos probar,
generalmente, es la Ha. En el ejemplo que desarrollaremos a continuación la hipótesis nula es “Los promedios
del colesterol sérico medidos después de la intervención serán mayores o iguales a los promedios obtenidos
93
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
antes de la intervención”. Si la Ho no se rechaza, se dirá que los datos sobre los cuales se basa la prueba no
proporcionan evidencia suficiente que cause el rechazo. Si el procedimiento de prueba conduce al rechazo,
e concluye que los datos disponibles no son compatibles con la Ho, pero sirven como apoyo a alguna otra
hipótesis. Esta otra hipótesis se conoce como Hipótesis Alterna (Ha). Para este ejemplo, la hipótesis alterna
es “Los promedios de colesterol sérico serán menores después de la intervención”.
En resumen, es posible establecer las siguientes reglas empíricas para decidir que proposición se utiliza como
hipótesis nula y cual como hipótesis alterna:
a. La hipótesis de investigación, generalmente, se presenta como hipótesis alterna.
b. La hipótesis nula debe contener una proposición de igualdad, ya sea =, ≥, ≤.
c. La hipótesis nula es la que será estadísticamente comprobada.
d. La Ho y la Ha son complementarias. Es decir las dos contemplan detalladamente todos los valores
posibles que los parametros de suposición pueden asumir.
PRECAUCION: Debe señalarse que ni las pruebas de hipótesis, ni la inferencia estadística conducen a la
prueba de una hipótesis, sino que simplemente indican si ésta es apoyada o no por los datos disponibles. Por
lo tanto, cuando no es posible rechazar una Ho, no se dice que es verdadera, sino que probablemente es
verdadera. Recuerde que la aceptación NO implica la demostración
Por ejemplo un estudio que comparó el número de nutricionistas y el número de malnutridos en diferentes
ciudades de un país podría haber encontrado que a mayor número de nutricionistas mayor número de
malnutridos, si es que no tomó en consideración el factor de confusión, tamaño de las ciudades.
Nivel de Significación
Es igual a 1 -
siendo verdadera”. La Ho puede ser Verdadera o Falsa, y la decisión que tomemos respecto a dicha hipótesis
puede ser aceptarla o rechazarla. Entonces al tomar una decision podría ocurrir UNA de cuatro cosas (ver
cuadro):
1.- Si aceptamos una Ho que es Verdadera o si rechazamos una Ho que es Falsa, la decisión será Correcta.
2.- Si rechazamos una Ho que es Verdadera, cometeremos el error tipo I
3.- Si aceptamos una Ho que es Falsa, cometeremos el error tipo II
0.95 y 0.99, que generalmente son expresados como porcentajes. En realidad nunca se sabe si se ha
cometido o no uno de esos errores cuando se rechaza o no se rechaza una Ho, por eso sólo podemos hablar
de la probabilidad de cometer el error tipo I.
CONDICIÓN DECISIÓN
Ho Acepto Rechazo
Verdadera Decisión Correcta Error Tipo I
Falsa Error Tipo II Decisión Correcta
Regla de Decisión
Para decidir si se acepta o se rechaza la Ho se calcula el
valor de la prueba estadística y se compara con otro que
se encuentra en Tablas Estadísticas, las cuales se Región de Rechazo
Región de
relacionan con la probabilidad () de cometer el error tipo aceptación
I. Si el valor calculado con los datos obtenidos de las
muestras es superior al valor de las Tablas Estadísticas, 0.95
la Ho se rechaza y se acepta la hipótesis alterna (Ha), es 0.05
decir que la diferencia encontrada entre los grupos de
Valor
valores se declara estadísticamente significativa. En otras Critico
palabras se dice que es
Figura 9.1: Prueba de una cola
94
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
improbable que el resultado provenga del azar, rechazamos la explicación de casualidad y aceptamos que
existe una diferencia (o asociación) real. En tal caso, podemos decir que la diferencia (asociación) es
estadísticamente significativa.
Si el valor calculado con los datos obtenidos de las muestras es inferior al valor de las Tablas Estadísticas, la
Ho se acepta y se dice que es probable que los resultados se deban al azar, no podemos concluir que exista
una diferencia real (asociación). Decimos entonces que la diferencia (asociación) no es estadísticamente
significativa.
Tengamos en cuenta que en la presente práctica no
dispondremos de las Tablas Estadísticas respectivas y que
las pruebas de inferencia estadística son muchas pero los
valores de nivel de significancia más comun es 0.05,
entonces seamos practicos y recordemos lo siguiente:
Referencias Bibliográficas
1. Nolberto V, Ponce Maria. Estadística Inferencial Aplicada. 1era ed. 2008.
2. Wayne W. Daniel. Bioestadística. 4ta ed. 2006.
3. Álvarez Cáceres Rafael. Estadística aplicada a la ciencia de la salud. 2007.
4. Díaz Narváez V. Metodología de la investigación científica y bioestadística: para médicos, odontólogos y
estudiantes de ciencias de la salud. 2da ed. 2009.
5. Norman G, Streiner D. Bioestadística.
Trabajo Aplicativo N°8:Esta semana, se tiene que presentar el primer avance de revisión del trabajo
aplicativo. Este constará de lo siguiente:
95
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
NOTAS DE CLASE
UNIDAD IV: ANÁLISIS INFERENCIAL DE INFORMACIÓN SOBRE CONSUMO Y
ANTROPOMETRÍA
Prof. Doris Delgado Pérez
Tema 09: Preparación de una base de datos y análisis descriptivo de datos de alimentación y
nutrición en SPSS
CONTENIDO
1) INTRODUCCIÓN................................................................................................................. 96
2) ASPECTOS GENERALES DEL SOFTWARE SPSS ......................................................... 109
3) SINTAXIS DE VARIABLES ............................................................................................... 110
4) GESTIÓN DE DATOS ....................................................................................................... 110
a) Abrir el archivo .................................................................................................................. 110
b) Procedimiento para ordenar la base de datos ................................................................... 111
c) Etiquetas a los valores de las variables cualitativas .......................................................... 111
d) Calcular nuevas variables.................................................................................................. 112
5) Análisis Exploratorio para Variables CUANTITATIVAS ..................................................... 113
4.1 Estadísticos de resumen .................................................................................................. 115
4.2 Pruebas de normalidad .................................................................................................... 116
4.3 Diagrama de Tallo y Hojas ............................................................................................... 116
4.4. Diagrama de histograma con curva normal incluida........................................................ 116
4.5 Gráfico Q-Q ...................................................................................................................... 117
4.6 Gráfico de caja y bigotes .................................................................................................. 117
Ejercicio 1 (2 puntos) ............................................................................................................. 118
6) Estadísticas de Resumen .............................................................................................. 118
6.1 Frecuencias para variables Cuantitativas......................................................................... 118
6.2 Frecuencias para variables Cualitativas ........................................................................... 120
6.3 PRIMERA TABLA DE RESULTADOS: Sexo y Edad de los participantes de estudio ....... 120
6.4 RESÚMENES DE VARIABLES CUANTITATIVAS: Opción <Resúmenes de casos> ....... 122
Ejercicio2 (2 puntos) .............................................................................................................. 123
OBJETIVOS
Al finalizar la práctica el estudiante será capaz de:
a) Preparar una base de datos para ser analizada en SPSS.
b) Analizar variables de consumo utilizando la estadística descriptiva en SPSS.
c) Preparar un resumen estadístico de dos variables energía y retinol en SPSS.
4 puntos
d) Crear e interpretar tablas de resultados utilizando SPSS.
1) INTRODUCCIÓN
El programa SPSS (Statistical Product and Service Solution) es un conjunto de potentes funciones
para el tratamiento de datos y análisis estadístico. Las versiones continuamente se van renovando
para hacer que el sistema sea más fácil para el usuario, actualmente está en la versión 23. Este
programa permite abrir datos digitados en otros softwares tales como EXCEL, Dbase, entre otros
de tal manera que facilita el uso.
Por otro lado, tenemos que el quehacer del profesional nutricionista requiere del conocimiento y
manejo de software que ayuden a elaborar informes utilizando la estadística descriptiva y/o
inferencial. Por ello un nutricionista debiera tener habilidades para hacer un buen análisis de
indicadores de salud y nutrición.
La enseñanza del SPSS en este curso se va a dividir en tres clases: Tema 10 “Gestión de datos”,
aquí daremos un vistazo de cómo se prepara una base de datos antes de hacer el análisis
descriptivo o inferencial. Tema 11 “Uso de la estadística descriptiva, para variables cualitativas
mediante la obtención de frecuencias, tablas cruzadas, histogramas y gráficos” y “Pruebas de
hipótesis”, las principales pruebas que todo nutricionista debe saber son la prueba “t student”, el
análisis de varianza, el coeficiente de correlación y el análisis de regresión simple.
96
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
i. Barra del Título. Menú de control, el nombre de la ventana y los botones de minimizar,
maximizar y cerrar.
ii. Barra de Menús. Archivo, Edición, Ver, Datos, Transformar, Analizar, Gráficos,
Utilidades, Ventana y ayuda.
iii. Barra de Herramientas Íconos de las operaciones más usadas.
iv. Ventana “Vista de Datos” Con la Línea de Edición de datos encima de ella y la Barra de estado a
lo largo de la parte inferior. A diferencia de Excel esta ventana es
UNICA, no podemos aumentar más “hojas”. A partir de la versión 15
del SPSS se puede tener más de un archivo de datos de SPSS abierto al
mismo tiempo.
v. Ventana “Vista de variables”. Encontramos una hoja que contiene la información sobre las variables.
El archivo con los datos tiene la extensión “sav”.
Barra de
título
Herramientas
Barra de
Barra de
Menús
Ventana de
Vista de Trabajo
Datos
Vista de
Variables
98
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
ii. Barra de Menús –Botones “nuevos”
Reconozcamos los botones, “nuevos”, que no existen en otros programas conocidos.
Datos - permite definir variables, así como ejecutar modificaciones en
las bases de datos: seleccionar parte de los registros, añadir,
ponderar, etc.
Transformar - aquí se encuentran todas las opciones relativas a la
modificación y generación de nuevas variables. Las funciones
de este menú son temporales, y sólo están vigentes durante la
sesión sin que afecten al archivo original. Si se quieren
convertir en permanentes deben grabarse los cambios con
Analizar -GUARDAR.
mediante este menú se acceden a los diferentes análisis
estadísticos.
3) SINTAXIS DE VARIABLES:
En el siguiente recuadro se muestra aspecto que se debe tener en cuenta sobre en nombre de
la variable en SPSS.
99
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
En el archivo que tiene abierto, haga clic en <Vista de Variables>, en esa hoja observará las siguientes
columnas: nombre, tipo, anchura, decimales, etiqueta, valores, perdidos, columna, alineación, medida.
En <Nombre> puede observar los nombres de las distintas variables.
111
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
número <1>’ y luego en etiqueta de valor, la palabra <Masculino>; hacer clic en el botón
<Añadir>. Repita el procedimiento con el valor 2 y la palabra ‘Femenino’. No es necesario colocar las comillas,
el programa lo hará. Cuando termine hacer clic en <Aceptar>.
En <Perdidos>: Si alguna vez necesita señalar valores “Perdidos” o datos faltantes utilice esta función,
para la variable.
En <Medida>, haga clic sobre la celda correspondiente y verá el menú desplegable de la figura 3 “escala”,
que se refiere a una variable numérica de intervalo/razón; las otras dos son la escala ordinal y nominal.
Aquí es donde le indicamos al programa el tipo de variable. Toda vez que reconocemos que la variable
‘Código’ aunque lleve números es una variable cualitativa (nominal) hacemos clic en “Nominal”. Eso le
indicará al programa que no puede ni sumar, ni sacar promedios, etc. con dicha variable.
Para ‘Edad’ el programa le ha puesto ‘escala’ porque por defecto toda variable numérica presupone que es
‘escala’. Ver tipos de variables en la figura 4.
Ahora pulsar el botón Si… para colocar los rangos de edad y aparecerá la pantalla de la figura 5. Entre las
opciones que tiene al lado izquierdo, comience con <Rango: ‘INFERIOR hasta valor’> y cuando se active el
casillero escribir ’20,9’. Luego en el lado derecho debajo de Valor nuevo haga clic en
<Valor> y en el casillero escriba ‘1’.
A continuación seleccione el <Rango>y se activarán dos celdas, en la primera escriba ’21’ y en la segunda
escriba ’22,9’; en el lado derecho el nuevo valor será ‘2’. Para el último rango, seleccione la 3ª opción de
<Rango, valor hasta SUPERIOR> escriba ‘23’ y el ‘Valor nuevo será ‘3’.
112
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
113
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
114
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
Media recortada al 5% La primera es una media calculada eliminando el 5% de los casos con valores más
pequeños y más grandes con el objetivo de obtener una media menos sensible a la
presencia de valores extremos.
115
U.N.M.S.M. –E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
Amplitud intercuartil La ‘amplitud intercuartil’ o ‘intervalo intercuartilico’ (IIQ) es la distancia que hay entre el
Q3(P75) y el Q1(P25).
También se observa los percentiles: 5, 10, 25, 50, 75, 90, 95 de cada variable.
Y los valores extremos 5 superiores y 5 inferiores para cada variable
116
U.N.M.S.M. –E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
Y notamos que a la curva “normal” de la variable “Eº” está casi completa, mientras que a la curva
“normal” del Retinol le falta un área mayor, con lo cual vemos una mayor cercanía con la “normalidad” de
la distribución de los datos de Energía que con la distribución del retinol (fig. 13 y 14).
Figura 15: Gráfico Q-Q de la Energía Figura 16: Gráfico Q-Q de la Retinol
117
U.N.M.S.M. –E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
4.6 Gráfico de caja y bigotes
Comparar los gráficos de caja y bigotes para las variables:
Variable: Energía Variable: Retinol
La longitud del bigote inferior es ligeramente mayor En cambio para el ‘Retinol’, la longitud del bigote
que el bigote superior, lo que significa una tendencia a superior es mucho mayor que la del bigote inferior
tener valores bajos. Sin embargo la mediana está en (mostrando una marcada asimetría de los datos.
medio de la caja, lo cual significa simetría, distribución Note que hay valores atípicos y dos valores extremos
normal (códigos 11, 34) con ingestas de vitamina A elevadas.
Nota.-Valor atípico: está representado por un círcul o vacío y su distancia al extremo de la caja (Q1 o
Q3) es de 1.5 a 3 veces el intervalo intercuartílico (IIQ). Mientras que Valor extremo es aquel cuya
distancia al extremo de la caja es 3 veces mayor al II Q y está representado por un asterisco .
Unidad IV: Tema 10 SPSS Gestión Datos y Análisis
Descriptivo 117
Ejercicio 1 (2 puntos)
Realice el análisis exploratorio de las variables cuantitativas “Edad” y “Peso”. Compare los resultados de la
prueba de Kolmogorov con los gráficos obtenidos y señale si dichas variables son normales. Justifique su
respuesta.
Escriba su interpretación:
5) Estadísticas de Resumen –
La opción de <Frecuencias>de la barra de herramientas puede ser usada tanto para las variables cualitativas
como para las variables cuantitativas. En el segundo caso nos proporciona varias estadísticas de resumen
semejantes a las que vimos con la opción de <Explorar>. Dependiendo de la necesidad de valoración de la
normalidad dependerá la decisión de usar una u otra opción.
Usaremos ‘Frecuencia’ con la variable cuantitativa Energía.
Figura 17: Opción para “No mostrar en el Figura 18: Menú para para las Estadísticas
Menú de frecuencias disponibles
3.- Quitar el check que por defecto aparece a la izquierda de <Mostrar tablas de frecuencias>, fig. 17, pues no
queremos un listado de la variable, sino sólo las estadísticas de resumen. Presione el botón Aceptar.
A la izquierda (fig. 19) tenemos los resultados de las estadísticas de la variable “Eº”.
Figura 22: Promedio e IC de confianza del consumo de Energía (kcal) según sexo en estudiantes de la
EAP Nutrición. 2015
Ahora para hacer una tabla cruzada de las variables categóricas “sexo” y grupo de edad “GrupoEdad”,
deberá pulsar <Analizar> en la Barra de menús y luego <Estadísticas Descriptivas> y finalmente <Tablas
cruzada>, tal como se señala en la figura 26 y 27.
Casos
Válido Perdidos Total
N Porcent N Porcent N Porcent
aje aje aje
Grupo de edad * 45 100,0% 0 0,0% 45 100,0%
Sexo
Figura 31: Resúmenes de casos Figura 32: Mediana por Grupo de edad
4.- Presione el botón <Continuar>, quite el check de la opción ‘Mostrar los casos’ y <Aceptar> , observe que los
resultados en su pantalla coincidan con la fig. 33.
Ejercicio2 (2 puntos)
Con la base de datos 6dep.sav, complete los siguientes cuadros con la información requerida.
Cuadro 1:
12 a 23.9 m 24 a 35.9 m.
Departamentos
n % n %
Amazonas
Ancash
Apurímac
Arequipa
Ayacucho
Cajamarca
Total
Interpretación:
Interpretación:
Durante esta semana, en el día de su práctica deberá avanzar con el análisis de sus datos.
Referencias bibliográficas:
1. Wayne W. Daniel. Bioestadística Base para el análisis de las ciencias de la salud. 4ta ed.
Edit.. LIMUSA. 2006
2. Norman G, Streiner D. Bioestadística. 2005. Elsevier. Españ
3. Gil, J y Padilla MT. Análisis de datos en la investigación educativa. Facultad de Ciencias de
la Educación. Área de Conocimiento: Métodos de Investigación y Diagnóstico en
Educación. Departamento: Métodos de Investigación y Diagnóstico en Educación.
Disponible en: http://ocwus.us.es/metodos-de-investigacion-y-diagnostico-en-
educacion/analisis-de-datos-en-la-investigacion- educativa/Bloque_I/page_17.htm
4. Baron-Lopez, FJ. Apuntes y vídeos de Bioestadística. Tema
estadísticos.
http://www.bioestadistica.uma.es/baron/apuntes/ficheros/estad_uma
_02.pdf
Unidad IV: SPSS
123
Referencias
Ravelo-García,JM Coeficiente de correlación biserial-puntual (rbp)
http://www.youtube.com/watch?v=lG_eqzLRwuY
Gil, J y Padilla MT. Análisis de datos en la investigación educativa. Facultad de Ciencias
de la Educación. Área de Conocimiento: Métodos de Investigación y Diagnóstico en
Educación. Departamento: Métodos de Investigación y Diagnóstico en Educación.
Disponible en:http://ocwus.us.es/metodos-de-investigacion-y-diagnostico-en-educacion/analisis-
de-datos-en-la-investigacion-educativa/Bloque_I/page_104.htm
Baron-Lopez, FJ. Apuntes y vídeos de Bioestadística. Cap. 5: Variables numéricas en 3 o
más Grupos. Universidad de Málaga. Disponible en:
http://www.bioestadistica.uma.es/baron/apuntes/ficheros/teo_doc_05.mp4
yhttp://www.bioestadistica.uma.es/baron/apuntes/ficheros/cap05.pdf
http://cybertesis.unmsm.edu.pe/bitstream/cybertesis/4293/1/Rojas_cj.pdf
Integrante 1
Integrante 2
Integrante 3
Integrante 4
124
U.N.M.S.M. –E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
NOTAS DE CLASE
UNIDAD IV: ANÁLISIS INFERENCIAL DE INFORMACIÓN SOBRE CONSUMO DE
ALIMENTOS Y ANTROPOMETRÍA
Prof. Ivonne Bernui Leo
Tema Nº 10: Uso de pruebas paramétricas en SPSS
CONTENIDO
OBJETIVOS ......................................................................................................................... 125
INTRODUCCIÓN ................................................................................................................. 125
Prueba t de Student ............................................................................................................ 126
Prueba ANOVA .................................................................................................................... 129
Ejercicios (3p) ................................................................................................................ 132
OBJETIVOS
Al finalizar la práctica el estudiante deberá ser capaz de:
1. Seleccionar la prueba de inferencia adecuada según el tipo de variable.
2. Aplicar las pruebas paramétricas: t y ANOVA y las pruebas post hoc en SPSS.
3. Interpretar correctamente los resultados obtenidos de cada una de las pruebas inferenciales
aprendidas.
INTRODUCCIÓN
En la práctica anterior se aprendió a reconocer la distribución de una variable cuantitativa y dicha
característica es de vital importancia para escoger la prueba de inferencia adecuada. Asi
tenemos que si la distribución fuese normal aplicaríamos las Pruebas paramétricas y si no lo
fuese, es decir si tuvieran una “distribución libre” se debieran aplicar las pruebas No
paramétricas.
En la clase N°9 se hizo un repaso de algunos términos básicos de la Estadística Inferencial: los
pasos a seguir para probar una hipótesis, como formular las Ho y Ha, los conceptos de nivel de
significancia, nivel de confianza, error tipo I y tipo II.
Para ayudarle a seleccionar que prueba aplicar a qué tipo de variables, deberá primero
considerar el objetivo para el cual se recogieron los datos, así como la escala de medición de
variable de su objetivo. Aquí se presenta el siguiente cuadro resumen acerca de las pruebas de
inferencia más usadas según el objetivo del recojo de datos y según tipo de variable.
Escala de
OBJETIVOS PRUEBAS
Medición
Comparar medias, para datos • Prueba t (2 grupos )
tienen distribución Normal Intervalo/ Razón • Prueba ANVA (≥ 2 grupos )
(simétrica)
• Prueba de Mann-Whitney, 2
muestras independientes
Comparar medianas, para datos
Ordinal/ Intervalo/ • Prueba de Wilcoxon, 2
que no tienen distribución
Razón muestras relacionadas
Normal(no es simétrica)
• Prueba de Kruskall Wallis,
más de dos muestras
Medir asociación entre
Coeficiente de Correlación
variables con distribución Intervalo/ Razón
de Pearson
normal
Cualitativa
Fuerza de Asociación Odds Ratio – Riesgo Relativo
Dicotómica
Prueba t de Student
Se han tomado datos de pacientes con insuficiencia renal y se quiere saber si existe
diferencia entre el peso antes y despues de la dialisis. Los datos se encuentra en el archivo
IRCT.sav y las hipotesis estadisticas serían:
Ho: El promedio del peso de los pacientes con IRCT es el mismo o mayor después de la
diálisis
Ha: El promedio del peso de los pacientes con IRCT es menor después de la dialisis.
De manera simbólica representaríamos:
Ho: x peso despues ≥ x peso antes y Ha: x peso despues < x peso antes
Primero debemos saber si las variables ‘Peso1’ y ‘Peso2’ tienen una distribución normal, para
lo cual se aplicará la prueba de Kolmogorov-Smirnof, pues se tienen 63 registros. Para ello
abrir la base Peso_IRCT.sav y hacer clic en: Analizar datos> Estadistica
Descriptiva>Explorar. Cuando se abre la ventana de diálogo correspondiente (fig.1a), poner
hacer clic en <Gráficos>; en la pantalla de diálogo seleccionar [Gráficos con pruebas de
normalidad](fig.1b).
5. La primera tabla (Tabla 1) nos señala que el promedio del peso 1 (63.37 kg) y del
peso 2 (59,4 kg) de los 63 pacientes; asi también observamos las respectivas
desviaciones típicas.
6. La Tabla 2 nos sirve para saber si esas diferencias son significativas o no.
Mirar al valor Sig. (bilateral) .018, que es < del valor de significancia 0.05, por lo cual
Aceptamos / Rechazamos la Ho y concluimos que el Peso después es significativamente
menor que el Pesoantes.
Diferencias relacionadas
95% Intervalo de confianza
para la diferencia
Desviación Error típ. de Sig.
Media típ. la media Inferior Superior t gl (bilateral)
Par 1 PESO1 - .018
PESO2 3.9143 12.8214 1.6153 .6853 7.1433 2.423 62
7. Ahora dibujemos el gráfico para representar ambos pesos con los siguientes botones
de la barra de herramientas: Gráficos>Barras de error>Resumenes para distintas
variables (fig. 4 a y 4b)
Figura 4 a: Menú para Gráfico de Barras de Figura 4b: Resúmenes para distintas
error variable
NOTA.- La variable que se usará para formar los grupos a comparar y que va en en casillero
‘Factor” tiene que estar en nivel de medición:ordinal o intervalor/razón para poder aparecer en el
cuadro de diálogo. Esto se visualiza mejor en la vista de variables del archivo donde están los datos
que tienen la extesnión *.spo.Las variables nominales no aparecen. En este archivo, por ejemplo, la
variable nominal “Metodo” que tiene las categorías: A, B y C no aparece.
2,490 2 18 ,111
Tabla 4:
Tabla 5: Resultados
ANOVA
4. Con SPSS podremos saber cuales promedios son diferentes. Con el botón <Post Hoc>
se pueden realizar las comparaciones de los promedios de dos en dos y también por sub-
conjuntos.
Repita los pasos #1 y #2, pero esta vez presione el botón <Post Hoc >,y ponga check en
el casillero de Tukey, porque las muestras son de igual tamaño y tienen homocedasticidad.
Tambien ponga un check en DMS que es una prueba liberal para que vea la diferencia con la
prueba de Tukey que es conservadora. Luego pulse <Continuar> (fig. 9).
Comparaciones a priori
Si tenemos comparaciones entre grupos anticipadas, como suele suceder en los estudios
experimentales, se deberá usar la prueba de Dunnett, siempre que sólo se tenga un grupo de
control y además se tome la precaución de poner al grupo control como el primero o el último.
Así por ejemplo, si tenemos cuatro grupos experimentales, del grupo control deberá ser el código
‘1’ o el código ‘4’ sólo así podrá correr la prueba adecuadamente en el SPSS.
En el caso que tenga más de un grupo control o quiera hacer otras comparaciones diseñadas
desde que escribió el proyecto de investigación se recomienda usar el botón ‘Contrastes’ que se
encuentra dentro del menú del ANOVA.
Veámoslo con un ejemplo. Se quiere saber cuál es el efecto del extracto de sábila sobre la
producción de Grupos sulfidrilos totales (GSH-total) en un diseño con 5 grupos experimentales:
1= Control (-); 2= Ctrl (+); 3=Ranitidina; 4=Sábila 5% y 5=Sábila 10%.
Luego obtenemos la tabla de ‘Contraste’ donde se muestra cuáles son los grupos
estamos comparando y cuáles grupos no intervienen en la comparación.
2.- Se ha preparado una mermelada a base de “cushuro”, un alga de agua dulce y se han usado tres
concentraciones 10, 20 y 30%. Compare si existe diferencia en los promedios de aceptabilidad del sabor
de las muestras de mermelada. Recuerde para la interpretacion que el ‘3’ es me gusta mucho y ‘1’ me
disgusta mucho. Luego complete los espacios en blanco.
Cabe señalar que respecto al analisis sensorial de alimentos, aunque los puntajes de los tests son
mediciones ordinales, sin embargo los libros de la especialidad suelen tratar los datos obtenidos como si
fuesen variables normales, pues se les aplica el ANOVA y las pruebas post-hoc respectivas3. Es decir que
para este ejercicio N2 asuma la normalidad de las variables.
3.- Se ha evaluado el consumo de energía del desayuno consumido por escolares de primaria. Se plantea
la interrogante si los niños de 6-8 años consumen menos que los niños de 9-10 años. Los datos se
encuentran en la hoja Desayuno. Recuerde verificar la normalidad de la variable “energia”.
5. Se ha hecho una intervención nutricional y actividad física en niños de 8 años que tienen exceso de
peso. Se quiere saber si dicha intervención ha logrado una disminución significativa en el peso de los
participantes. Recuerde verificar la normalidad de la variable “energía”. Luego complete los espacios
en blanco.
Se pueden encontrar variar pruebas post hoc (a posteriori) que son separadas en el cuadro de dialogo
de SPSS entre las que se usan según los datos tengan o no tengan varianzas iguales. Entre las cuales
podemos mencionar:
Scheffé > Tukey > Duncan > LSD
Tamaño Homoce- N°
Prueba Post hoc Tipo
grupos dasticidad comparaciones
DMS Diferencia mínima
Liberal Cumple
significativa
Bonferroni Conservadora Iguales Cumple Pocas
Scheffe Conservadora Diferente Cumple
Dunnet Iguales
REGWQ Ryan-Einot-Gabriel-
Iguales Cumple
Welsch multiple F
Tukey, HSD Conservadora Iguales Cumple Muchas
Duncan Liberal Iguales Cumple
Gabriel Diferente Cumple
T3 de Dunnett, compara con un
Diferente No cumple
grupo control
C de Dunnett Diferente No cumple
Games- Howell Diferente No cumple
Las pruebas de Bonferroni, Scheffe y Dunnet también pueden ser utilizadas para pruebas a
priori.
Referencias
1. Ravelo-García,JM Coeficiente de correlación biserial-puntual (rbp)
http://www.youtube.com/watch?v=lG_eqzLRwuY
2. Gil, J y Padilla MT. Análisis de datos en la investigación educativa. Facultad de Ciencias
de la Educación. Área de Conocimiento: Métodos de Investigación y Diagnóstico en
Educación. Departamento: Métodos de Investigación y Diagnóstico en Educación.
Disponible en: http://ocwus.us.es/metodos-de-investigacion-y-diagnostico-en-
educacion/analisis-de-datos-en-la-investigacion-educativa/Bloque_I/page_104.htm
3. Baron-Lopez, FJ. Apuntes y vídeos de Bioestadística. Cap. 5: Variables numéricas en 3
o más Grupos. Universidad de Málaga. Disponible en:
http://www.bioestadistica.uma.es/baron/apuntes/ficheros/teo_doc_05.mp4
yhttp://www.bioestadistica.uma.es/baron/apuntes/ficheros/cap05.pdf
4. Ochoa C, Granda C, Chapoñan M, Borja R, Borjas P, Ortiz J et al. Efecto Protector de
Peumus boldus en ratas con toxicidad hepática inducida por Paracetamol. Ciencia e
Investigación Medico Estudiantil Latinoamericana, 2012; 13(1):20-25
5. SPSS - Planned Contrasts for One-Way ANOVA.
https://www.youtube.com/watch?v=JtrG9Ex16YI
Durante esta semana, en el día de su práctica deberá el grupo conversar con la profesora
responsable de la práctica para pedir asesoría respecto al análisis de datos.
Objetivos
Al finalizar la práctica el estudiante deberá ser capaz de:
6. Seleccionar la prueba de inferencia adecuada según el tipo de variable.
7. Efectuar las pruebas no paramétricas: U de Mann-Whitney, Wilcoxon, y Kruskall Wallis para
comparar medianas en SPSS.
8. Ejecutar la prueba Chi2, para comparar proporciones o medir la independencia en SPSS.
9. Ejecutar en SPSS la Razón de Ventajas (OR) para medir fuerza de asociación.
10. Interpretar correctamente los resultados obtenidos de cada una de las pruebas inferenciales
aprendidas.
Introducción
En la práctica anterior se aprendió a realizar pruebas de inferencia para las variables que tenian
una distribución normal (pruebas paramétricas), hoy aprenderemos acerca de cómo evaluar las
diferencias o relaciones entre las variables que tiene una “distribución libre”, es decir
conoceremos a las pruebas No paramétricas.
Para que las recuerde mejor aquí las presentamos:
Escala de
OBJETIVOS PRUEBAS
Medición
• Prueba de Mann-Whitney, 2
muestras independientes
Comparar medianas, para
• Prueba de Wilcoxon, 2 muestras
datos que no tienen Ordinal
relacionadas
distribución Normal
• Prueba de Kruskall Wallis, más de
dos muestras
Medir asociación entre una
Intervalo/ Razón (var.1) con Coeficiente de correlación biserial-
variable de intervalo razón
Nominal Dicotómica (var.2) puntual (rbp)1,2
y una nominal dicotómica.
Independencia
(Asociación)de variables Nominal , Ordinal Chi 2
cualitativas
Lo cual significa tendremos que usar una prueba no parametrica para saber si existe diferencias
en el puntaje del test de Yesavage. La prueba que usaremos será de de U de Mann Whitney,
que es una prueba de medianas para dos muestras independientes. Esta prueba es equivalente
a la prueba t de Student para muestras independientes usada en variables numéricas que si
tienen una distribución normal.
Rangos
Rango Suma de
Sexo N promedio rangos
PYesavage Hombres 20 30.45 609.00
Mujeres 50 37.52 1876.00
Total 70
Como apreciamos en la fig. 3 el resultado de la significancia ha sido mayor que 0.05 por lo tanto
(escoger: Aceptamos Ho / Rechazamos Ho). Concluimos no hay diferencias significativas entre
las medianas del puntaje de la variable pYesavage entre hombres y mujeres. Averigue la
mediana de hombres ____________ y de mujeres _____________ ya que el SPSS no lo reporta
automaticamente con los demás resultados.
Prueba Kruskal-Wallis
En esa misma base de datos se va a comparar la actividad física los adultos mayores según
grupo de edad. La actividad fisica ha sido medida con METs. Se quiere saber si es que, la
actividad física es semejante en los grupos de 60, 70 y 80 años de edad. Primero se probará la
normalidad de la variable MET2 del archivo AM_SMP.sav y encontramos que para la prueba de
K-S un valor de 0,000. Con lo cual concluimos que la variable MET2 no sigue una distribución
normal, no es simétrica.
Por lo tanto se tendrá que usar una prueba no paramétrica para saber si existe diferencias en los
tres grupos de adultos mayores. La prueba que usaremos será de de Kruskall-Wallis, que es una
prueba de medianas para varias muestras independientes (equivalente no-paramétrico del
ANOVA).
Averigue cuales fueron las medianas de los MET para los 60 años __________; 70
____________ y 80 años ________________.
a. Que menos del 20% de los valores observados sean menores de 5. Así por ejemplo, si
una tabla tiene 4 celdas (2 filas y 2 columnas), no puede haber ninguna celda con
valores menores de 5.
b. No deben haber frecuencias esperadas menores de 5.
c. La suma de las frecuencias de todas las celdas de la tabla deberá ser mayor de 40.
Uno de los objetivos del estudio de la srta. Cruzado era saber si existe relación entre la presencia
de Depresión y el Nivel de Actividad Física. Para averiguarlo se usará una prueba Chi 2 porque
tanto la depresión como el nivel de actividad física son variables cualitativas nominales
dicotómicas. Dichas variables fueron recategorizadas a partir de las variables numéricas
pYesavage y MET2. Si existiera asociación entre ambas variables se medirá la fuerza de dicha
asocación y por lo tanto, calcularemos la Razón de Ventajas (Odds Ratio, OR). Se elige el OR
porque los datos corresponden a un estudio de corte transversal y tenemos una tabla 2x2 (dos
filas y dos columnas). El procedimiento es el mismo que para las tablas de contingencia.
En el mismo archivo AM_SMP.sav se recodifica la variable Depresión que tiene tres categorias
ya que para hacer una prueba OR sólo debemos tener dos categorias “Con depresión” y “Sin
depresión”. Para lograrlo, pulsamos en la barra de menús <Transformar> luego <Calcular
variable >. En el menú ‘Calcular variable” en el casillero <Variable destino> escribimos
Unidad IV: SPSS
141
U.N.M.S.M. –E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
‘Cat2_Depre’, en el casillero expresión numérica escribimos ‘1’ y pulsamos <Si la opción> (fig.
7). Luego cuando aparece la segunda ventana de dialogo (fig.8) pulsamos en “Incluir si el caso
satisface la condición”.
Seguimos el mismo procedimiento para la categoría ‘2’, que en la segunda ventana de dialogo
(fig.9), se digitará: Depresion =1.
NOTA: Es importante que cuando se tiene planeado hacer una prueba el código más alto sea
para el sano y para el no expuesto, ya que cuando esté lista la tabla de contingencia el casillero
de las personas ‘Con depresión’ y expuestas al ‘sedentarismo’ debe ser el casillero superior
izquierdo.
Ahora que ya está lista la variable ‘Cat2depre’, pulsamos <Analizar>, luego <Tablas de
contingencia> y aparece la pantalla de la fig. Escojemos ‘Nivel_AF’para el casillero <Filas>
porque sería el factor de riesgo (var. Independiente) y luego ‘Cat2_Depre’ (depresión) para las
columnas pues consideramos que es la Variable resultado a la exposición del factor (var.
Dependiente; fig.10).
Aunque tenemos la posibilidad de calcular los porcentaje por filas, por columnas y/o por el total
de los datos, antes de decidir debemos tener en cuenta los objetivos del estudio, es decir que
deseamos comparar. En el presente ejemplo deseamos comparar si prevalencia de depresión
es similar en los que realizan actividad física como en los sedentarios, entonces cada grupo de
comparación debe ser a 100%, pues no siempre son del mismo tamaño. Por eso pediremos el
porcentaje por fila o sea los porcentajes por nivel de actividad física. Ahora observe los resultados
obtenidos (fig. 12):
La segunda tabla (fig. 13) muestra el cruce de las dos variables; en frecuencias y en porcentaje
por nivel de actividad física (filas). Aparentemente nuestra hipótesis de investigación es
verdadera, vemos que entre los adultos mayores con actividad físca moderada menor
prevalencia de depresión. En el grupo sedentario los porcentajes están casi mitad y mitad.
Figura 13:
Tabla de
contingencia de
Nivel Actividad
Física y
Depresión
Sigamos con la tercera tabla. El programa SPSS, además del resultado de la prueba Chi nos da
otras pruebas que pudieran ser de utilidad (fig.14). Dos de ellas ya son conocidas: la correccion
de Yates ‘Corrección por continuidad’ y el ‘Estadístico exacto de Fisher’; recuerde que cualquiera
de dichas pruebas es aplicable sólo para tablas de 2 x 2. Sin embargo no necesitamos ninguna
de ellas pues tenemos un total de 70 datos ( n > 40), y las cuatro celdas tienen valores mayores
a cinco.
Note que no importe cual sea el resultado que se quiera interpretar, punto de corte del ‘valor de
p’ para decir que hay diferencia signficativa es < 0.05. Entonces, un p valor = 0.021 nos lleva a
la decision estadística de RECHAZAR la Ho “No hay asociacion entre variables” –es decir ‘las
proporciones de adultos mayores con depresión es igual en ambos niveles de actividad física’ y
aceptar la Ha, “Si existe relación entre el nivel de actividad física y la depresión”.
Ejercicios
recodificar dichas variables, que están como puntajes, para formar dos categorias. En el
caso de la variable Creencias, será “Si tiene” siempre que tenga tres o mas creencias y ‘No
tiene’ si es menos de tres. Para la variable Conocimientos se considera “Conoce” si el
numero de respuestas correctas sea mayor de 10, “No conoce” si es igual o menor de 10.
Los datos se encuentras en la hoja “Creencias_conocimientos” del archivo
“Tema12_Ejercicios.xls”. Se quiere saber si las variables creencias y conocimiento están
relacionadas o si son independientes. Responder luego a las siguientes preguntas:
3. Se tiene el archivo “CasasHuerta.sav’ con 42 registros del consumo de alimento de ese mismo
número de niños. Se le pide determinar existe diferencia en el “porcentaje de adecuacion de
hierro” (PadFe) según grupos de edad?
5. Se tiene la base de datos 6dep.sav ccon 720 registros sobre anemia de ese mismo número
de niños. Averiguar si existe relacion entre anemia los grupos de edad.
Para cada ejercicio responden una hoja adicional a las siguientes preguntas:
Referencias
1. Ravelo-García,JM Coeficiente de correlación biserial-puntual (rbp)
http://www.youtube.com/watch?v=lG_eqzLRwuY
2. Gil, J y Padilla MT. Análisis de datos en la investigación educativa. Facultad de Ciencias
de la Educación. Área de Conocimiento: Métodos de Investigación y Diagnóstico en
Educación. Departamento: Métodos de Investigación y Diagnóstico en Educación.
Disponible en:http://ocwus.us.es/metodos-de-investigacion-y-diagnostico-en-
educacion/analisis-de-datos-en-la-investigacion-educativa/Bloque_I/page_104.htm
3. Baron-Lopez, FJ. Apuntes y vídeos de Bioestadística. Cap. 5: Variables numéricas en 3
o más Grupos. Universidad de Málaga. Disponible en:
http://www.bioestadistica.uma.es/baron/apuntes/ficheros/teo_doc_05.mp4
yhttp://www.bioestadistica.uma.es/baron/apuntes/ficheros/cap05.pdf
4. http://cybertesis.unmsm.edu.pe/bitstream/cybertesis/4293/1/Rojas_cj.pdf
5. Análisis de la relación entre dos variables cualitativas: Test Chi cuadrado
6. https://www.youtube.com/watch?v=XvPEeQAjTW8
Integrante 1
Integrante 2
Integrante 3
Integrante 4
NOTAS DE CLASE
UNIDAD IV: ANÁLISIS INFERENCIAL DE INFORMACIÓN SOBRE CONSUMO Y
ANTROPOMETRÍA
Prof. Ivonne Bernui Leo
Tema Nº 12: Análisis Correlación y Regresión en SPSS
CONTENIDO
Introducción ..................................................................................................................... 147
Conceptos Básicos .......................................................................................................... 147
Correlación de Spearman ................................................................................................ 148
Regresion correlacion ...................................................................................................... 149
Ejercicios ......................................................................................................................... 152
ANEXO: Coeficiente Biserial Puntual (rbp) ..................................................................... 154
OBJETIVOS:
Al finalizar la práctica el estudiante será capaz de:
Ejecutar una correlacion de Spearman
Ejecutar una Regresión simple en SPSS.
Interpretar correctamente los resultados obtenidos de una análisis de correlación y
regresión.
Introducción
En el trabajo del nutricionista puede haber la inquietud de conocer si existe asociación entre dos
variables cuantitativas. Por ejemplo, entre los indicadores antropométricos y bioquímicos1 o para
validar un formato de frecuencia de consumo en el que se compara la medición del consumo por
dos métodos diferentes2. Inclusive puede interesarse en predecir la ganancia de peso de un
paciente desnutrido según una dieta especifica.
En la clase anterior aprendimos a verificar la asociación (independencia) de dos variables
cualitativas usando la prueba Chi2. En esta ocasión vamos a verificar la asociación de dos
variables cuantitativas; y de existir dicha asociación veremos la predicción de una variable
dependiente (Y) a partir de una variable independiente (X) a través de una ecuación lineal. Así,
por ejemplo, si tenemos interés en conocer si existe asociación entre la ganancia de peso de la
gestante y el peso al nacer de su bebé, podemos utilizar el análisis de correlación. Para predecir
el peso del recién nacido (Y) a partir de la ganancia de peso de la madre (X) durante la gestación,
usaremos el análisis de regresión.
Conceptos Básicos
Para comprender mejor la Regresión Lineal es importante que tenga en presente los siguientes
conceptos:
Gráfica de dispersión
Correlación
Ecuación de Regresión lineal, que incluye a la Pendiente y al Intercepto
Coeficiente de determinación
ANOVA para Regresión
La gráfica de dispersión nos permite ver los datos alrededor de una línea recta imaginaria, con
lo cual ya podemos intuir si hay o no una relación lineal entre los datos. Luego confirmamos
nuestras iniciales apreciaciones a través del cálculo del coeficiente de correlación el cual da
información acerca de la intensidad de la relación entre variables numéricas. Será más fuerte
dicha relación cuanto más se acerque al +1 o al -1, mientras que el ‘0’ cero ausencia de
correlación.
Por ello es necesario evaluar la ecuación de recta obtenida. Para ello tenemos dos métodos: a)
coeficiente de determinación (r2) y el b) análisis de varianza para la ecuación. El r2 que nos
indica el porcentaje de la variabilidad de la muestra que puede ser explicado por la recta de
regresión y que porcentaje se debe al azar. El segundo (ANOVA) nos sirve para probar la Ho
“la pendiente de la recta es igual a cero” o lo que es lo mismo Ho: B = 0, de aceptar dicha
hipotesis estariamos frente a un recta que corre paralela al eje de las abscisas, la cual no está
inclinada.
Correlación de Spearman
Si queremos medir la relación de dos variables numéricas y por lo menos una de ellas no tiene
distribución normal, se debiera usar el coeficiente de correlación de Spearman. Este último
tambien puede servir para medir la relacion de varaibles en escala ordinal.
Para su tesis de Licenciatura, Elizabeth Tito recogió datos en 43 adultos mayores a los cuales
les midió la ingesta de energía y el gasto energético (TMB por el nivel de actividad fisica).
Utilizando dichos datos se plantea la pregunta ¿existe relación entre la energía consumida y el
gasto energético? Para ello se medirá la relacion entre el porcentaje de adecuacion de energía
(PAEN) con el gasto energético total (GastoEn) que se encuentran el archivo
‘BalanceEnergia.sav’.
Iniciamos con la secuencia: Analizar> Estadisticos descriptivos> Explorar, y colocamos a las
dos variables (figura 1). Luego en el menú de ‘Gráficos’, escojemos ‘Graficos con prueba de
normalidad’ (fig.2).
El resultado obtenido nos muestra que el signo es negativo -0.428, por lo tanto la relación es
inversa, a mayor ingesta de energía menor gasto de la misma. Con relación a la magnitud
observamos que es de baja a moderada. Pero es significativa, lo que quiere decir que el
resultado es fiable, si se vuelven a recoger los datos con otra muestra se volverá a tener una
correlación similar.
Regresion y correlación
El administrador de un servicio de alimentacion tiene la sospecha que el costo de la ración está
relacionado con el número de las raciones, para comprobar ello tiene la siguiente tabla con el
número de raciones de un determinado menú y su costo por ración (en nuevos soles) de 11
dias diferentes:
X No.Raciones 30 35 40 45 50 55 60 70 75 80 65
Y Precio/ración 4 3.9 3.4 3.5 3.4 3.2 3.1 3 2.7 2.5 2.8
La pregunta que se plantea es ¿Proporcionan los datos evidencia suficiente para afirmar que
existe relación entre el número de raciones y el costo por ración?, y en el caso de que dicha
relación existiese, ¿Cuál es la ecuación de regresión que permite predecir el costo de la ración
a partir de el número total de raciones?. Para responder a estas preguntas sigamos este
procedimiento.
Procedimiento
a. Abrir el archivo raciones.sav donde encontraremos las dos columnas antes mencionadas.
b. Primero haremos el gráfico de dispersión de puntos; empezamos con menú ‘Graficos’ >
‘Cuadros de dialogo antiguos’ seleccionaremos la opción Dispersión / Puntos (fig.5).
Unidad IV: SPSS
149
U.N.M.S.M. –E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
.
e. Pulsamos el botón ‘Aceptar‘ y observamos el
diagrama obtenido (fig.7).
f. Note que los puntos estan cercanos a una recta imaginaria. Es decir que podemos intuir que
existe una relación entre variables.
g. Verificamos la normalidad de la variables con la prueba de Shapiro- Wilk (Analizar>
Estadísticos descriptivos > Explorar> Boton Gráficos > Gráficos con prueba de normalidad).
El resultado es: 0.870 para la variable ‘NoRacionesX’ y 0.977 para la variable ‘PrecioracionY’.
h. Proceda a realizar el análisis de regresión, empezando por Analisis estadístico > Regresión
> Lineales > Cuadro de Diálogo (fig. 8).
i. Colocar a ‘PrecioracionY’ en el casillero de ‘Dependientes’ a la variable ‘NoRacionesX’ en el
casillero de Independientes. Presionar el botón <Aceptar>.
j. Como primer resultado (fig. 9) se tiene el resumen del modelo, en el cual podemos corroborar
que si existe una fuerte relación entre las variables porque el valor de r es alto (0.971).
Observe en el mismo cuadro al coeficiente de determinación (r2) y se puede concluir que el
94.3% de la variabilidad en los precios de los menús está explicada por su N°, por todo lo
cual se evidencia que la ecuación obtenida si es útil para predecir el precio de la ración a
partir del número de raciones.
Figura 9:
Resumen del modelo
k. Como segundo resultado tenemos el ANOVA para la regresión, cuya utilidad es evaluar si la
ecuación obtenida sirve o no para predecir. La Ho es “El valor es igual a cero”, el valor Sig
obtenido (.000, fig. 10), no nos permite aceptar dicha hipótesis, razón por la cual se acepta
la Ha que nos dice que el es diferente de CERO (Ha). Por lo tanto concluimos que la
ecuación obtenida resulta útil para predecir.
l. El último cuadro corrreponde a los coeficientes, con los cuales podemos escribir la ecuación
de regresion (fig. 11), donde 4.774 es el intercepto y 0.028 es la pendiente ( ).
.
yˆ 4.774 0,028 x
Ejercicios
1. Se realizó un estudio para conocer el efecto del consumo de ácido fólico sobre la
concentración de folatos en sangre en una muestra de 15 animales experimentales. Dichos
datos se encuentran en la hoja ‘acido_folico’ del archivo “T13_Ejercicios.xls”.
X: Ingesta Ac. 28 30 32 42 47 47 49 51 52 57 58 59 59 65 66
Fólico 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Y: Folatos Sangre 18 24 21 30 28 28 24 35 33 38 35 40 44 46 48
¿Es posible predecir mediante una ecuación lineal la concentración de folatos en sangre a
partir del consumo de ácido fólico?
b. ¿Qué opinión le merece el gráfico de dispersión?
c. ¿Cuál es el valor del coeficiente de correlación? _________
d. ¿Cómo interpreta el resultado?
________________________________________________________
e. ¿Cuál es la ecuación de regresión lineal obtenida?
a (intercepto) = ____________; b (pendiente) = _____________.
Ecuación: _______________________________
f. Evalúe dicha ecuación con el coeficiente de determinación: r2 = _________.
Interprete dicho coeficiente:
________________________________________________________________
___
g. Evalúe el ANOVA para la regresión de dicha ecuación; valor Sig. _________.
Interprete dicho valor:
________________________________________________________________
__
2. Los Lic. Steve Hinostroza y Margarita Gutierrez para su trabajo de tesis han recogido datos
sobre el porcentaje de grasa corporal y la ingesta de energía en niños Down. Se le pide
averiguar si existe relación entre ambas variables numéricas. Los datos se encuentran en
la hoja ‘Ener_MG’ y se le pide responder a las preguntas:
4. Durante su internado en el Hospital Hipólito Unanue los Licenciados Hans Villa y Jorge
Bohorquez quisieron probar la hipotesis que a mejor estado nutricional, menor número de
dias de hospitalizacion. Los datos se encuentran en la hoja ‘D3_IMC-Dias.sav’. En base a
dichos datos:
¿Qué opinión le merece el gráfico de dispersión?
¿Cuál es el valor del coeficiente de correlación? _________
¿Cómo interpreta el resultado?
________________________________________________________
¿Cuál es la ecuación de regresión lineal obtenida?
a (intercepto) = ____________; b (pendiente) = _____________.
Ecuación: _______________________________
Evalúe dicha ecuación con el coeficiente de determinación: r2 = _________. Interprete
dicho coeficiente:
___________________________________________________________________
Evalúe el ANOVA para la regresión de dicha ecuación; valor Sig. _________. Interprete
dicho valor:
__________________________________________________________________
Referencias Bibliográficas
1. Ortiz Rodríguez, B., De León Fierro, L. G., & Carrasco Legleu, C. E. (2015). Indicadores
antropométricos y su relación con marcadores bioquímicos en mujeres. Nutrición
Hospitalaria, 32(6). Disponible en : http://www.redalyc.org/html/3092/309243321024/
2. Goni Mateos, L., Aray Miranda, M., Martínez, H., & Cuervo Zapatel, M. (2016).
Validación de un cuestionario de frecuencia de consumo de grupos de alimentos
basado en un sistema de intercambios. Nutrición Hospitalaria, 33(6), 1391-1399.
Disponible en : http://scielo.isciii.es/pdf/nh/v33n6/original21.pdf
3. Daniel W. “Bioestadística. Bases para el Análisis de las Ciencias de la Salud”. 4ta edición
en español. Limusa. Mexico. 2006.
ANEXO: Relación entre una variable nominal dicotomica y una varaible numerica continua
Se utiliza para medir la correlacion entre una variable nominal dicotómica y una variable numérica
continua. Por ejemplo se tiene la variable dicotomica ‘sexo’ (variable cualitativa) y las notas del
examen (variable cuantitativa). Si se quiere saber si hay correlacion entre ambos.
Nota 18 12 14 9 14 12 10 13 12 15 16 14 14 16 20 16 17 15 16 19 20
Sexo 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2
Se procede de igual manera que si ambas fuesen variables cuantitativas; se sigue la siguiente
secuencia: Analizar > Correlaciones > Bivariadas. Cuando sale la ventana de de dialogo, se
coloca a las variables juntas en el primer casillero; deja la opción de Pearson, que está por
defecto y se hace clic en ‘Aceptar’.
El resultado se interpreta de la misma manera que un coeficiente de correlación.
Se ha obtenido un rbp de 0,636 y que es significativo. Lo cual nos dice que hay una relación
moderada entre ambos y que esta relación no se debe al azar, es real.
2 : incompleto / títulos y
graficos con observaciones
4: Solo falta estadística
descriptiva
6: Completo
Procedimientos
deben estar
detallados,
2 ordenados y de
acuerdo a los
objetivos
Presentaciòn
3 adecuada de los
resultados
Títulos de las tablas
y gráficas deberán
responder a las
4 preguntas, Que?,
Como? Donde?
Cuando? y Quién?.
Análisis descriptivo
e inferencial
coherente con el
5 tipo de variable y
objetivos del
trabajo.
Interpretación de la
información
6 adecuada y
pertinente