Bases biológicas de epidemiología Flashcards
(48 cards)
“Una distribución de probabilidad determinada, que se caracteriza por simetría alrededor de media, coincide con mediana y más características”
Normalidad
(Molina)
Tipos de normalidad y sus enfoques:
Univariada (de frecuencia)
Multivariada (correlacionado)
Definición de normalidad univariada:
Condición más frecuente en una población relacionado con una variable específica delimitado en intervalos.
¿Por qué la variable específica se delimita en intervalos?
Porque nos dicen si un dato es normal o anormal
Ejemplos de normalidad univariada:
-Temperatura, peso, respiraciones por minuto.
-incidencia de una enfermedad
-valores de una medición clínica
Qué se establece utilizando modelos matemáticos de probabilidad para definir lo que se considera dentro de la norma y lo anormal?
Límites estadísticos
Para qué se utiliza la distribución de Gauss?
Para establecer límites que abarquen la mayoría de casos esperados en una población de referencia.
Detectar valores extremos o inusuales puede….
Alertar sobre condiciones que sugieren inadaptación al entorno o las respuestas extremas a estímulos nocivos.
CARACTERÍSTICAS DE LA DISTRIBUCIÓN DE GAUSS:
CARACTERÍSTICAS:
FORMA DE CAMPANA:
-Simétrica alrededor de valor central (media)
SON IGUALES EN LA DISTRIBUCIÓN:
La media, mediana y moda y están en el centro de la campana.
Desviación estándar mayor indica…
Mayor dispersión de datos
REGLA EMPÍRICA:
Media +-1 * desviación estándar- cubre el 68.3 de los casos
Media+-2*desviación estándar- cubre 95.5% de casos
Media +-3*desviación estándar- cubre el 97.7 de casos
Distribución normal caracterizada por dos parámetros:
Media y desviación estándar
Extensión del concepto de normalidad a situaciones en las que se trabaja con múltiples variables aleatorias simultáneamente:
Normalidad multivariada
De qué se ocupa la normalidad multivariada?
De vectores aleatorios que contienen muchas variables.
CARACTERÍSTICAS CLAVE DE LA NORMALIDAD MULTIVARIADA:
Representan observaciones simultáneas en todas las dimensiones:
Vectores aleatorios
Describe la variabilidad y relaciones entre todas las variables del juego
Matriz de covarianza
Diferencia entre matriz de covarianza y covarianza:
Covarianza mide tendencia de 2 variables a cambiar juntas y la matriz captura estas relaciones para todas las combinaciones de variables.
La probabilidad de ver conjunto específico de valores en todas las variables, y se extiende a múltiples dimensiones
Función de densidad de probabilidad multivariada
Tiende a una distribución normal multivariada a medida que el tamaño de la muestra aumenta:
Teorema del límite central multivariado
Lo anormal se relaciona con:
La presencia de comportamientos relacionados que indican a facilitación del inicio de una enfermedad.
“Todo acontecimiento, condición o caraterística que juega papel esencial en producir un efecto”
Causa
