Estadística Descriptiva e Inferencial

La estadística descriptiva describe las características de un conjunto de datos, mientras que la estadística inferencial utiliza los datos de una muestra para realizar inferencias sobre una población más grande.

Un estudio de cohorte prospectivo sigue a un grupo de individuos a lo largo del tiempo para observar el desarrollo de un resultado de interés después de que el estudio comienza.

Una muestra representativa es una muestra que refleja las características de la población de la que proviene.

Un estudio longitudinal retrospectivo analiza datos históricos de un grupo de individuos para investigar una condición o un resultado que ocurrió en el pasado.

La transformación logarítmica se utiliza para reducir la asimetría positiva en los datos, transformando los datos en una escala logarítmica.

Un coeficiente de asimetría negativo indica que la distribución de los datos tiene una cola más larga hacia la izquierda, lo que significa que hay más valores bajos que altos.

Una variable cualitativa nominal no tiene un orden natural o jerárquico entre sus categorías.

La mediana se encuentra ordenando los datos y encontrando el valor central en las frecuencias acumuladas.

La desviación estándar es más fácil de interpretar que la varianza porque está en las mismas unidades que los datos originales.

El área total bajo las barras de un histograma representa la suma de las frecuencias absolutas simples.

Un modelo estocástico incluye variables aleatorias, mientras que un modelo determinístico no, lo que significa que el resultado es completamente predecible.

A menor tamaño muestral, mayor amplitud del intervalo de confianza, lo que significa que la precisión de la estimación disminuye.

Los estudios caso-control son más adecuados para evaluar enfermedades raras porque permiten seleccionar grupos de individuos con y sin la enfermedad para comparar sus exposiciones.

El coeficiente de determinación (R²) en un análisis de regresión indica la proporción de la varianza en la variable dependiente que es explicada por el modelo de regresión.

Un dato que está más allá de 1.5 veces el rango intercuartílico desde el Q1 se considera un valor atípico.

Un bigote más largo hacia un lado en un gráfico de caja y bigotes indica mayor dispersión de los datos hacia ese extremo.

En un ensayo clínico controlado aleatorizado, los sujetos se asignan aleatoriamente a los grupos de tratamiento, lo que reduce el sesgo e incrementa la validez de los resultados.

Una proporción de 0.75 en una muestra significa que el 75% de los sujetos presentan la característica estudiada, mientras que el 25% no.

Una mayor desviación estándar en un grupo indica mayor dispersión o variabilidad de los datos en ese grupo en comparación con otro.

La media geométrica es útil cuando los datos presentan asimetría positiva porque proporciona una mejor estimación del valor central que la media aritmética, menos influenciada por valores extremos.

La estadística descriptiva describe las características de un conjunto de datos, mientras que la estadística inferencial utiliza estos datos para realizar inferencias sobre una población más grande.

Un estudio de cohorte prospectivo sigue a un grupo de individuos a lo largo del tiempo para observar el desarrollo de un resultado de interés después de que el estudio comienza.

Una muestra representativa es una muestra que refleja las características de la población de la que proviene.

Un estudio longitudinal retrospectivo analiza datos históricos de un grupo de individuos para investigar una condición o un resultado que ocurrió en el pasado.

La transformación logarítmica se utiliza para reducir la asimetría positiva en los datos, transformando los datos en una escala logarítmica.

Un coeficiente de asimetría negativo indica que la distribución de los datos tiene una cola más larga hacia la izquierda, lo que significa que hay más valores bajos que altos.

Una variable cualitativa nominal no tiene un orden natural o jerárquico entre sus categorías.

La mediana se encuentra ordenando los datos y encontrando el valor central en las frecuencias acumuladas.

La desviación estándar es más fácil de interpretar que la varianza porque está en las mismas unidades que los datos originales.

El área total bajo las barras de un histograma representa la suma de las frecuencias absolutas simples.

Un modelo estocástico incluye variables aleatorias, mientras que un modelo determinístico no, lo que significa que el resultado es completamente predecible.

A menor tamaño muestral, mayor amplitud del intervalo de confianza, lo que significa que la precisión de la estimación disminuye.

Los estudios caso-control son más adecuados para evaluar enfermedades raras porque permiten seleccionar grupos de individuos con y sin la enfermedad para comparar sus exposiciones.

El coeficiente de determinación (R²) en un análisis de regresión indica la proporción de la varianza en la variable dependiente que es explicada por el modelo de regresión.

Un dato que está más allá de 1.5 veces el rango intercuartílico desde el Q1 se considera un valor atípico.

Un bigote más largo hacia un lado en un gráfico de caja y bigotes indica mayor dispersión de los datos hacia ese extremo.

En un ensayo clínico controlado aleatorizado, los sujetos se asignan aleatoriamente a los grupos de tratamiento, lo que reduce el sesgo e incrementa la validez de los resultados.

Una proporción de 0.75 en una muestra significa que el 75% de los sujetos presentan la característica estudiada, mientras que el 25% no.

Una mayor desviación estándar en un grupo indica mayor dispersión o variabilidad de los datos en ese grupo en comparación con otro.

La media geométrica es útil cuando los datos presentan asimetría positiva porque proporciona una mejor estimación del valor central que la media aritmética, menos influenciada por valores extremos.