Medidas de la Vida
-
Upload
astrid-pernalete -
Category
Documents
-
view
220 -
download
0
description
Transcript of Medidas de la Vida
Barquisimeto, Julio del 2012
EditorialMedidas de la vida; Se
complace en entregar a sus
apreciados lectores una edición
especial, donde se destacará la
importancia de la biometría, para
el estudio de métodos automáticos
que contribuyen al reconocimiento
único de seres vivos.
Además en la presente edición
se informará sobre el muestreo, los
diferentes tipos, las
probabilidades, las distribuciones
existentes, entre muchos otros
temas de gran interés para el
docente en formación.
La revista digital
“Medidas de la Vida”, está
dirigida a lectores con gran
interés en materia
educativa, principalmente
en temas relacionados con
los cálculos de
probabilidades, que
ayudarán al educando a la
hora de determinar la
calificación del estudiante.
Presentación
Comité Editorial: Editor: Astrid Pernalete
Diseñador: Dayana Pérez
Redactores:
Anais Peraza
Astrid Pernalete
Dayana Pérez
Zaidilex Apóstol
Pág.. 1
Pág.. 2
Pág.. 2
Pág. 4
Pág.6
Pág. 3
Pág..7
Pág.8
Pág.9
Pág.10
Pág.11
Pág.13
Pág.5
El Microscopio
Uso y cuidado del Microscopio
Sistema de Iluminación
Parte Mecánica del Microscopio y Sistema Óptico
Poder de Resolución
El Muestreo
Tipos de Muestreo
Ventajas y desventajas del Muestreo
Distribución Normal
Distribución Binomial
Distribución Poisson
La Estadística Inferencial
La Estimación
Prueba de Hipótesis
Análisis de Varianza
La Regresión y Correlación en las Investigaciones Biológicas
Pág.18
Pág..14
Pág.19
Pág.20
Es un instrumento que permite observar
objetos que son demasiado pequeños
para ser vistos a simple vista. El tipo
mas común y el primero que se invento
es el microscopio óptico.
Los mas importantes de la óptica
surgieron en 1877 cuando Abbe publica
su teoría del microscopio y por encargo
de Carl Zeiss mejora la microscopía de
inmersión sustituyendo el agua por
aceite de cedro.
Anais Peraza 1
Referencias:
Navarro, J. (s.f). Manual de Microscopia.
[Documento en línea]Disponible:
http://pagina.jccm.es/museociencias/otra
s%20actividades%20web/material%20cnr
%20web/manual%20de%20microscopia.p
df [Consulta: 05de Junio de 2012].
Si su microscopio presenta algún
defecto, consulte con su profesor.
No trate de arreglarlo Usted.
Si su microscopio presenta algún
defecto, consulte con su profesor.
No trate de arreglarlo Usted.
No toco los lentes con los dedos
ya que sudor las daña. Limpie
solo con papel especial para
lentes.
Anais Peraza 2
Tiene como finalidad dirigir la luz
natural o artificial de tal manera
que ilumine la preparación u objeto
que se va a observar.
Referencias:
Navarro, J. (s.f). Manual de Microscopia.
[Documento en línea]Disponible:
http://pagina.jccm.es/museociencias/otra
s%20actividades%20web/material%20cnr
%20web/manual%20de%20microscopia.p
df [Consulta: 05de Junio de 2012].
Anais Peraza 3
El pie y soporte: constituye la base
sobre la que se apoya y tiene por lo general
forma de Y o bien es rectangular.
El revólver: es una pieza giratoria provista
de orificios en los que se enroscan los
objetivos. Al girar el revólver, los objetivos
pasan por el eje del tubo y se colocan en
posición de trabajo
La platina: es una pieza metálica plana en la
que se coloca la preparación u objeto que se
va a observar.
El tornillo macrométrico: girando este
tornillo, asciende o desciende el tubo del
microscopio, deslizándose en sentido
vertical gracias a un mecanismo de
cremallera.
Las pinzas: son dos piezas metálicas que
sirven para sujetar la preparación. Se
encuentran en la platina.
De reproducir y aumentar
las imágenes mediante el
conjunto de lentes que lo
componen.
Esta formado por:
El Ocular y
Los Objetivos.
Referencias:
Navarro, J. (s.f). Manual de Microscopia.
[Documento en línea]Disponible:
http://pagina.jccm.es/museociencias/otra
s%20actividades%20web/material%20cnr
%20web/manual%20de%20microscopia.p
df [Consulta: 08 de Junio de 2012].
Poder de resolución es la
capacidad de una lente para
mostrar dos objetos muy cercanos
como distintos, discretos y
separados.
Formación de imagen en los lentes: la construcción de imágenes es
muy sencilla si se utiliza los rayos principales:
• Rayo paralelo: después de refractarse pasa por el foco de
imagen
• Rayo focal: se refracta de manera que sale paralelo
• Rayo radical: este rayo no se refracta y continua en lo mismo.
Anais Peraza 4
Referencias:
Navarro, J. (s.f). Manual de Microscopia.
[Documento en línea]Disponible:
http://pagina.jccm.es/museociencias/otra
s%20actividades%20web/material%20cnr
%20web/manual%20de%20microscopia.p
df [Consulta: 08de Junio de 2012].
Dayana Pérez 8
El muestreo es una herramienta de
la investigación científica. Su función
básica es determinar que parte de una
realidad en estudio (población o
universo) debe examinarse con la
finalidad de hacer inferencias sobre
dicha población.
Ahora veamos cuales son
los Tipos de Muestreo!
Estos pueden ser :
muestreó Aleatorio
simple
muestreó Estratificado
muestreo Sistemático
muestreo Conglomerado
Primero que todo debemos
saber que es un Muestreo
Sabias que el muestreo puede ser
utilizado en diversos campos?
Como lo es en la Política, Educación,
Industria, Medicina, Agricultura, Gobierno.
5
Referencias:
Arias, F. (2006).El proyecto de
investigación: introducción a la
metodología científica. Caracas:
Espíteme.
Muestreo aleatorio
simple:
Procedimiento en el cual todos los elementos tienen la
misma probabilidad de ser seleccionados.
Muestreo por
Conglomerado:
Es un tipo de muestreo aleatorio
en el que los elementos de la
población se dividen en forma
natural en subgrupos.
Consiste en dividir la población en subconjuntos cuyos elementos posean
características comunes, es decir, estratos homogéneos es su interior.
Posteriormente se hace la escogencia al azar en cada estrato.
Muestreo Estratificado
Muestro Sistemático:
Es un muestreo aleatorio en el
cual se eligen los elementos de
la población a intervalos
uniformes a partir de un listado
ordenado (dentro del marco,
tomar un número y repetirlo
varias veces hasta terminar la
lista)
Dayana Pérez 6
Referencias:
Arias, F. (2006).El proyecto de
investigación: introducción a la
metodología científica. Caracas:
Espíteme.
Ventajas:
Desventajas:
Siempre esta presente el error de muestreo
producto de la variabilidad intrínseca de los elementos
del universo, existen diferencias entre las medidas
muéstrales y los parámetros poblacionales llamada
Error de Muestreo la Inferencia Estadística permite
medir el error de muestreo
10
Mayor rapidez para obtener resultados.
Mayor exactitud o mejor calidad de la información:
debido a los siguientes factores :
c.1 Volumen de trabajo reducido.
c.2 Puede existir mayor supervisión en el trabajo.
c.3 Se puede dar m¨¢s entrenamiento al personal.
Dayana Pérez 7
Referencias:
Arias, F. (2006).El proyecto de
investigación: introducción a la
metodología científica. Caracas:
Espíteme.
La distribución normal fue reconocida por primera vez por el
francés Abraham de Moivre (1667-1754).
Posteriormente, Carl Friedrich Gauss (1777-1855) elaboró
desarrollos más profundos y formuló la ecuación de la curva;
de ahí que también se la conozca, más comúnmente, como la
"campana de Gauss"
I. Tiene una única moda, que coincide con su media y su
mediana.
II. La curva normal es asintótica al eje de abscisas. Por ello,
cualquier valor entre y es teóricamente posible.
III. Es simétrica con respecto a su media.
IV. La distancia entre la línea trazada en la media y el punto
de inflexión de la curva es igual a una desviación típica ( ).
V. El área bajo la curva comprendido entre los valores
situados aproximadamente a dos desviaciones estándar de
la media es igual a 0.95.
VI. La forma de la campana de Gauss depende de los
parámetros
Anais Peraza 8
Propiedades de la distribución normal
Referencias:
Alvares, F. (s.f). DISTRIBUCIÓN NORMAL
Métodos Estadísticos Aplicados a las Auditorías
Sociolaborales [Documento en línea]Disponible:
http://www.uca.es/uca/dpto/C146/pag_personal/f_alvar
ez/documentos/CC%20Trabajo%20Tema%205.pdf
[Consulta: 08 de Junio de 2012].
Anais Peraza 9
La distribución binomial es una
distribución discreta muy importante
que surge en muchas aplicacionesbioestadísticas.
La variable discreta que cuenta el
número de éxitos en n pruebas
independientes de ese experimento,
cada una de ellas con la misma
probabilidad de “éxito” igual a p, sigue
una distribución binomial de parámetrosn y p.
Esta distribución aparece de
forma natural al realizar
repeticiones independientes de un
experimento que tenga respuesta
binaria, generalmente clasificada
como “éxito” o “fracaso”. Por
ejemplo, esa respuesta puede ser
el hábito de fumar (sí/no), si un
paciente hospitalizado
desarrolla o no una infección, o si
un artículo de un lote es o no
defectuoso
Los intentos son independientes.
Cada resultado del intento puede tomar
dos resultados mutuamente excluyentes,
que denotaremos por EXITO (E) o FRACASO
(F).
El resultado se realiza en las mismas
condiciones en numero fijo de pruebas «n.
Propiedades de la Distribución
Binomial Referencias:
Zylberberg, A. (s.f). Aproximación de
Binomial y Poisson por Normal
[Documento en línea]Disponible:
http://www.bibliocomunidad.com/web/libro
s/06.3%20%20Aproximacion%20de%20bin
omial%20y%20Poisson%20por%20normal.
pdf [Consulta: 08 de Junio de 2012].
La distribución de Poisson, que debe su
nombre al matemático francés Simeón Denis
Poisson (1781-1840), ya había sido
introducida en 1718 por Abraham De Moivre
como una forma límite de la distribución
binomial que surge cuando se observa un
evento raro después de un número grande
de repeticiones 10.
En general, la distribución de Poisson se
puede utilizar como una aproximación de la
binomial, Bin(n, p), si el número de pruebas n
es grande, pero la probabilidad de éxito p es
pequeña; una regla es que la aproximación
Poisson-binomial es “buena” si n≥20 y
p≤0,05 y “muy buena” si n≥100 y p≤0,01.
También surge cuando un evento o suceso “raro”
ocurre aleatoriamente en el espacio o el tiempo.
La variable asociada es el número de ocurrencias del
evento en un intervalo o espacio continuo, por tanto,
es una variable aleatoria discreta que toma valores
enteros de 0 en adelante (0, 1, 2,...).
Anais Peraza 10
Referencias:
Zylberberg, A. (s.f). Aproximación de
Binomial y Poisson por Normal
[Documento en línea]Disponible:
http://www.bibliocomunidad.com/
web/libros/06.3%20%20Aproxima
cion%20de%20binomial%20y%20P
oisson%20por%20normal.pdf
[Consulta: 08 de Junio de 2012].
Zaidilex Apóstol 11
La estadística inferencial
Es el proceso por el cual se deducen
(infieren) propiedades o características
de una población a partir de una muestra
significativa. Uno de los aspectos
principales de la inferencia es la
estimación de parámet
El error de tipo I
También denominado error de tipo alfa
(α)[1] o falso positivo, es el error que se
comete cuando el investigador no acepta
la hipótesis nula (Ho) siendo esta
verdadera en la población estadísticas.
Referencias:
Chacón, J. (s.f). Una introducción a la
ESTADÍSTICA INFERENCIAL.
[Documento en línea]Disponible:
http://esta2.galeon.com/Temas1-
3.pdf [Consulta: 08de Junio de 2012].
El Error De Tipo Ii
También llamado error de tipo beta (β) (β es
la probabilidad de que exista este error) o falso
negativo, se comete cuando el investigador no
rechaza la hipótesis nula siendo esta falsa en la
población.
•Límite de Confianza es la
probabilidad de que el verdadero
valor del parámetro estimado en
la población se sitúe en el
intervalo de confianza obtenido.•Valor α es la probabilidad (en
tanto por uno) de fallar en nuestra
estimación, esto es, la diferencia
entre la certeza (1) y el nivel de
confianza (1-α).
•Valor crítico
Se representa por Zα/2. Es el valor
de la abscisa en una determinada
distribución que deja a su derecha
un área igual a α/2, siendo 1-α el
nivel de confianza.
• Otros usos del término l
El término estimación también se
utiliza en ciencias aplicadas para
hacer referencia a un cálculo
aproximado, que normalmente se
apoya en la herramienta estadística
aunque puede no hacerlo.
Zaidilex Apóstol 12
Referencias:
Chacón, J. (s.f). Una introducción a la
ESTADÍSTICA INFERENCIAL.
[Documento en línea]Disponible:
http://esta2.galeon.com/Temas1-
3.pdf [Consulta: 08 de Junio de 2012].
Estimación: Conjunto de técnicas
que permiten dar un valor aproximado
de un parámetro de una población a
partir de los datos proporcionados
por una muestra.
Carencia de sesgo: Un estimador
(estadístico) carece de sesgo si el promedio (media)
de todos los valores posibles de todas las muestras
posibles de tamaño n de una población es igual al
parámetro,.
Consistencia: Un estimador es consistente en
la medida en que, al aumentar el tamaño de la
muestra, (n) su valor se acerca cada vez más al
parámetro correspondiente o lo que es lo mismo, si
a medida que aumenta el tamaño de la muestra, las
estimaciones que ésta proporciona son cada vez
más próximas al valor del parámetro.
Eficiencia: se refiere a la precisión que
alcanzan los estadísticos en la estimación de los
parámetros
Zaidilex Apóstol 13
Referencias:
Sedano, M. y Vila, A. (s.f).
Estimación puntual y
estimación por intervalos
de confianza.[Documento
en línea]Disponible:
http://www.uoc.edu/in3/
emath/docs/Estimacion_
IC.pdf [Consulta: 09 de
Junio de 2012].
Estimación por Intervalos
Consiste en la obtención de un intervalo dentro
del cual estará el valor del parámetro estimado
con una cierta probabilidad.
Estimación Puntual
Consiste en la estimación del valor del
parámetro mediante un sólo valor,
obtenido de una fórmula determinada
El intervalo de Confianza
Se le llama una expresión del tipo [θ1, θ2] ó θ1
≤ θ ≤ θ2, donde θ es el parámetro a estimar.
Este intervalo contiene al parámetro estimado
con una determinada certeza o nivel de
confianza
Zaidilex Apóstol 14
Referencias:
Sedano, M. y Vila, A. (s.f). Estimación puntual y
estimación por intervalos de
confianza.[Documento en línea]Disponible:
http://www.uoc.edu/in3/emath/docs/Estim
acion_IC.pdf [ Consulta: 09 de Junio de 2012].
• Variabilidad del Parámetro
Si no se conoce, puede obtenerse una
aproximación en los datos aportados
por la literatura científica o en un
estudio piloto.•Error de la Estimación
Es una medida de su precisión que se
corresponde con la amplitud del
intervalo de confianza.
Astrid Pernalete 15
¿Qué son?
Una prueba de hipótesis es una
herramienta de análisis de datos
que puede en general formar parte
de un experimento comparativo
más completo.
Objetivo de la prueba de hipótesis
Decidir, basado en una muestra de una población, cuál de dos hipótesis
complementarias es cierta.
Las dos hipótesis complementarias se denominan hipótesis nula e hipótesis
alternativa.
La experiencia sobre el comportamiento
de algún índice de un proceso, o la
exigencia del cumplimiento de alguna
norma nos lleva a realizar proposiciones
sobre el valor de algún parámetro
estadístico.
Estas proposiciones se deben
contrastar con la realidad (mediante el
muestreo de datos) para tomar una
decisión entre aceptar o rechazar la
proposición.
Referencias:
Castañeda, M., Vargas, A. y Herrera, M. (s.f).
Prácticas de Biometría.
Pagano, M. y Gauvreau, K. (2001). Fundamentos
de Bioestadística. Thomson Learning. México.
[ Consulta: 07 de Junio de 2012].
Antes de Examinar los
datos muéstrales:
1. Identificar el parámetro de
interés
2. Establecer la Hipótesis Nula H0
3. Especificar una Hipótesis
alternativa adecuada H1
4. Seleccionar un nivel de
significanciaUsando los datos
muéstrales:
5. Establecer un estadístico de
prueba adecuado
6. Establecer una región de
rechazo
7. Calcular todas las cantidades
muéstrales necesarias para el
estadístico
8. Decidir si debe o no rechazarse
H0 La verdad o falsedad de la hipótesis
NO puede conocerse con total
seguridad a menos que pueda
examinarse toda la población
Astrid Pernalete 16
Bondad De Ajuste:
Esta técnica de Bondad de ajuste se
conoce también con el nombre de
Chi cuadrado (X2) en caso de una
variable. Permite determinar si
existe, o no, una diferencia
significativa entre el nº de casos
observados que cae en una
categoría y el nº de casos
esperados, en base a la hipótesis
nula (Ho).
Referencias:
Castañeda, M., Vargas, A. y Herrera, M. (s.f).
Prácticas de Biometría.
Pagano, M. y Gauvreau, K. (2001). Fundamentos
de Bioestadística. Thomson Learning. México.
[ Consulta: 07 de Junio de 2012].
Prueba De Hipótesis De Independencia.
Se considera el caso de una muestra de observaciones en cuya
clasificación intervienen simultáneamente dos caracteres o variables de
clasificación. Por medio de la distribución de probabilidades de X2 , es
posible someter a pruebas la hipótesis de que ambas variables son
independientes.
Tablas de Contingencia
Constituyen el medio mas
adecuado para estudiar la relación
entre dos caracteres o variables
de clasificación. Una tabla de
contingencia es una tabla de doble
entrada donde C son las columnas
y F las filas.Prueba T de Student de
una muestra
Para contrastar si la media de una
población difiere
significativamente de un valor
dado, el contraste indicado es la
prueba T para una muestra.
Esta opción debe utilizarse
cuando la comparación se realice
entre las medias de dos poblaciones
independientes (los individuos de una
de las poblaciones son distintos a los
individuos de la otra).Prueba T de Student para
muestras relacionadas
Existe una segunda alternativa para
contrastar dos medias. Ésta se refiere
al supuesto caso en el que las dos
poblaciones no sean independientes, es
decir, el caso en el que se trate de
poblaciones relacionadas.
Prueba T de Student para
muestras independientes
Astrid Pernalete 17
Referencias:
Castañeda, M., Vargas, A. y Herrera, M. (s.f).
Prácticas de Biometría.
Pagano, M. y Gauvreau, K. (2001). Fundamentos
de Bioestadística. Thomson Learning. México.
[ Consulta: 08 de Junio de 2012].
Astrid Pernalete 18
El Análisis de Varianza
Es lo que hace es comparar la
variabilidad de los grupos entre sí
(Variabilidad Intergrupos), con la
variabilidad de los sujetos o valores
dentro de cada grupo (Variabilidad
intragrupos).Hipótesis en el Análisis de
Varianza
En el análisis de Varianza se deben
satisfacer tres hipótesis:
•Los elementos de los diversos subgrupos
se suponen elegidos por muestreo
aleatorio de población de Distribución
Normal.
•La varianza de los grupos ha de ser
homogénea.
Ho: s21 = s2
2 =: s2n
•Las muestras que constituyen los
subgrupos han de ser independientes en
estas condiciones:
a) Las estimaciones son independientes
de la varianza.
b) La razón de las varianzas (entre –
dentro) de los grupos tiene una
distribución F.
Procedimiento ANOVA
ANOVA
Es el acrónimo de Análisis de la
Varianza. Es una prueba
estadística desarrollada para
realizar simultáneamente la
comparación de las medias de
más de dos poblaciones.
Referencias:
Castañeda, M., Vargas, A. y Herrera, M.
(s.f). Prácticas de Biometría.
Pagano, M. y Gauvreau, K. (2001).
Fundamentos de Bioestadística.
Thomson Learning. México.
[ Consulta: 09de Junio de 2012].
Astrid Pernalete 19
El análisis de correlación sirve para
obtener una medida de la fuerza o el
grado de asociación entre dos variables.
El valor del coeficiente de correlación
(r) varía desde – 1 hasta 1 pasando por
“0”.
Análisis de Correlación
De los diferentes coeficientes de
correlación que existen se analizaran
en esta actividad el coeficiente de
Pearson (r), también conocido como
coeficiente de correlación momento
producto.
En general se acepta que:
1.Los valores de r entre 0.80 y 1.00
indican que la correlación es fuerte.
2.Los valores iguales o menores a
0.30 se consideran bajos.
3.Los valores 0,30 < r < 0.80 se
consideran moderados.El análisis de correlación
puede ser:
1.- Simple: Cuando se refiere a dos
variables, una dependiente y otra
independiente.
2.- Múltiple: Con una variable
dependiente, pero dos o más
independiente.
Regresión lineal
El análisis de regresión consiste en:
a) Derivar una ecuación y una línea que la
presente, para describir la forma de la
relación entre las variables.
b) Estimar una variable Y (dependiente), a
partir de otra variable independiente (X).
La ecuación de la recta de regresión
lineal es: Y = a + bx
Referencias:
Castañeda, M., Vargas, A. y Herrera, M. (s.f).
Prácticas de Biometría.
Pagano, M. y Gauvreau, K. (2001). Fundamentos
de Bioestadística. Thomson Learning. México.
[ Consulta: 09 de Junio de 2012].
20
21
Microscopio Remoto
22
El eje central de este descubrimiento es
un microscopio de súper-alta resolución, tan
avanzado que aparentemente no tiene un
equivalente en todo el globo. Aunque parezca
mentira, aislar y mantener en la misma posición
al átomo no fue el desafío principal, ya que esa
tecnología se encuentra disponible. El átomo
escogido pertenece al elemento iterbio, siendo
expuesto a una determinada frecuencia de luz. De
esta manera, la sombra del átomo quedó sobre el
detector, lo que permitió tomar la fotografía.
El profesor Dave Kielpinski, una de las mentes
maestras detrás de este proyecto, destacó el
nivel de precisión extremo que se necesitó. Una
variación de apenas una milmillonésima en la
frecuencia de la luz reflejada sobre el átomo
habría eliminado la posibilidad de obtener dicha
imagen.
Según un artículo publicado este mes en Technology
Review, investigadores de la Universidad de
California, Berkeley, han desarrollado un accesorio
para teléfonos móviles, consistente en un
microscopio modular de gran aumento, que podría
mejorar la calidad de la telemedicina. El dispositivo
permitirá a los profesionales de la salud de zonas
rurales remotas obtener imágenes de alta resolución
de las células sanguíneas de un paciente utilizando la
cámara del móvil y, a continuación, enviar las fotos a
los expertos de los centros médicos. Los
investigadores esperan que esta innovación ayude a
los pacientes con trastornos sanguíneos que viven
lejos de donde se encuentran los especialistas
médicos.
http://www.neoteo.com/la-sombra-de-un-atomo-
fotografia
Fotografían la Sombra de un Átomo