2.2
Datos: tipos y distribución
En bioestadística, los datos son las observaciones recopiladas para su análisis. Existen dos tipos principales: paramétricos y no paramétricos. Los da…
En bioestadística, los datos se refieren a las observaciones recopiladas que son objeto de análisis. Los datos pueden ser paramétricos o no paramétricos.
Los datos no paramétricos no siguen ninguna distribución específica. Incluye datos categóricos, tanto nominales, como el género, como ordinales, como las puntuaciones de la escala de dolor.
Los datos paramétricos o cuantitativos asumen un patrón de distribución específico. Incluye datos numéricos, tanto continuos, como el peso, como discretos, como el número de tabletas.
Las distribuciones en bioestadística indican la disposición de los puntos de datos en un gráfico.
La distribución normal o gaussiana es una distribución simétrica en la que la media, la mediana y la moda coinciden. Por ejemplo, el peso de los bebés al nacer suele seguir una distribución normal.
Las distribuciones sesgadas tienen puntos de datos distribuidos asimétricamente alrededor de la media.
Un sesgo positivo indica una larga cola hacia la derecha, ejemplificada por las concentraciones de metabolitos del fármaco en la sangre de un paciente.
Un sesgo negativo muestra una larga cola hacia la izquierda, un ejemplo de esto es el costo de los medicamentos de marca.
View the full transcript and gain access to JoVE Core videos
Q1: What is the difference between parametric and nonparametric data in biostatistics?
Parametric data assumes a specific distribution pattern and includes numerical observations like weight or tablet counts. Nonparametric data does not follow any specific distribution and comprises categorical observations such as gender or pain scale ratings. Understanding parametric versus nonparametric data is essential for selecting appropriate statistical analysis methods.
Q2: What are examples of continuous and discrete data types?
Continuous data represents measurements that can take any value within a range, such as patient weight or drug concentration levels. Discrete data consists of countable whole numbers, like the number of tablets administered or patient count. Both are parametric data types used in biostatistical analysis.
Q3: How do nominal and ordinal data differ?
Nominal data categorizes observations without any inherent order, such as gender or drug type classifications. Ordinal data has a meaningful sequence or ranking, like pain scale ratings from mild to severe. Both are nonparametric categorical data types commonly used in biostatistics.
Q4: What is a normal distribution and why is it important in biostatistics?
Normal or Gaussian distribution is a symmetrical arrangement where mean, median, and mode coincide. Baby birth weights exemplify this pattern. Normal distribution is fundamental in biostatistics because many parametric statistical tests assume data follows this distribution pattern for valid analysis.
Q5: What does a positive skew indicate in a data distribution?
A positive skew shows data asymmetrically distributed with a long tail extending toward the right. Drug metabolite concentrations in patient blood exemplify positive skew, where most values cluster lower but some extremely high values pull the tail rightward, creating asymmetry.
Q6: How does negative skew differ from positive skew?
Negative skew has a long tail extending toward the left, indicating most data points cluster higher with some extremely low values. The cost of branded drugs demonstrates negative skew. Both skewed distributions represent asymmetrical data arrangements unlike the symmetrical normal distribution.
Q7: Why is understanding data distribution important for biostatistical analysis?
Data distribution determines which statistical methods to analyze parametric data are appropriate for analysis. Parametric tests require normally distributed data, while nonparametric tests suit skewed or non-normal distributions. Recognizing whether data follows normal, positive, or negative skew patterns ensures accurate interpretation.