Informe de lectura

Mayelin Chanel
Vásquez pozo
100416408.

8-12-2020
Nombre del curso
Bases para el Análisis Biometrico.
Olga Lucia Jape Collins.
 Tema:
Parámetros para el Análisis Descriptivo.

Objetivo:
Al finalizar podremos aplicar las técnicas y procedimientos de la ¨Estadística Descriptiva¨ para hacer
y comprender análisis simple de un conjunto de datos relacionados, contribuyendo a valorar la
importancia y vinculación de la estadística con su aplicación en las ciencias de la salud.

Objetivos Específicos:
 Comprender los conceptos vinculados a la estadística descriptiva.

 Aplicar correctamente las medidas de estadística descriptiva en la realización e interpretación

de investigaciones biomédicas simples.

 Conocer y estar en condiciones de utilizar de forma correcta las medidas básicas utili zadas
para describir el estado de salud de la población.

Introducción:
El análisis descriptivo, como su nombre lo indica, consiste en describir las tendencias claves en los
datos existentes y observar las situaciones que conduzcan a nuevos hechos. Este método se basa
en una o varias preguntas de investigación y no implica reflexión en torno a una hipótesis estadística.

De manera tal, que estaremos explorando los significativos aportes de la estadística para el estudio
del estado de situación de salud y el suministro de evidencias que sirven de soporte a decisiones
tanto en la práctica clínica y quirúrgica como en la salud colectiva y las políticas de salud pública.

Desarrollo:
En el caso de la estadística de análisis descriptivo, este tipo de metodología proporciona un enfoque
por el que se confecciona un resumen de información que dan los datos de una muestra. Es decir,
su meta es hacer síntesis de la información para arrojar precisión, sencillez y aclarar y ordenar los
datos.

Por ejemplo, el censo de las personas que acudieron al hospital en un año o un mes determinado es
análisis descriptivo. Después de recoger los datos, éstos se presentarán a través de gráficas o
infografías describiéndolos.
El análisis descriptivo da respuesta a alguna pregunta formulada al inicio del despliegue estadístico
para:

 Recolectar y ordenar la información por medio de gráficas y medios visuales.

 Extraer las características más representativas de una colección de datos.
 Describir tendencias.
.
 Medidas de tendencia central: media, mediana, moda, me dia
1.
geométrica.
Las medidas de tendencia central son medidas estadísticas que pretenden resumir en un solo
valor a un conjunto de valores. Representan un centro en torno al cual se encuentra ubicado el
conjunto de los datos. Las medidas de tendencia central más utilizadas son: media, mediana y
moda.

Al describir las características típicas de conjuntos de datos y como hay varias formas de hacerlo,
existen y se utilizan varios tipos de promedios. Se les llama medidas de tendencia central porque
generalmente la acumulación más alta de datos se encuentra en los valores intermedios.
Las medidas de tendencia central (media, mediana y moda) sirven como punto de referencia para
interpretar las calificaciones que se obtienen en una prueba.
Estas se destinan a resumir un conjunto de datos respecto a una característica conservada o
investigada, en solo número considerado representativo. Los resultados obtenidos con la aplicación
de estas medidas pretenden explicar el conjunto de datos mediante el valor representativo o típico.

El objetivo de la medida de tendencia central es mostrar en qué lugar se ubica un dato promedio o
típico del grupo de datos. Sirve como un método para comparar o interpretar cualquier posición en
relación con las posiciones centrales o típicas. Sirve para comparar la posición obtenida por un
mismo parámetro en dos diferentes ocasiones. Sirve para comparar los resultados medios obtenidos
de dos o más grupos.

Las medidas de tendencia central más comunes son:

La media aritmética: comúnmente conocida como media o promedio. Se representará por medio de
la letra M o por una X con una línea en la parte superior.
La mediana: es el puntaje que se ubica en el centro de una distribución se representa como Md.
La moda: es el puntaje que se presenta con más mayor frecuencia en una distribución se representa
como Mo.

Media aritmética: Es la medida de posición central más utilizada, la más conocida y sencilla de
calcular, debido principalmente a que sus ecuaciones se prestan para el manejo algebraico, lo cual
la hace de gran utilidad.
Su principal desventaja radica en su sensibilidad al cambio de uno de sus valores o a los valores
extremos demás grandes o pequeños. La media es considerada como la mejor medida de tendencia
central, por las siguientes razones: Los puntajes contribuyen de manera proporcional al hacer el
cómputo de la media. Es la medida de tendencia central más conocida y utilizada. Las medias de
dos o más distribuciones pueden ser fácilmente promediadas mientras que las medianas y las
modas de las distribuciones no se promedian.

Por ejemplo:

Se simboliza con x ̅ y se obtiene al dividir la suma de todos los valores, entre el total de
observaciones. Su fórmula es:

x̅ = Σx / n

Donde:
x = Son los valores o datos

n = número total de datos

Ejemplo:

Las comisiones mensuales que un vendedor ha percibido en los últimos 6 meses son $9,800.00,
$10,500.00, $7,300.00, $8,200.00, $11,100.00; $9,250.00. Calcular la Media Aritmética del sueldo
percibido por el vendedor.

x̅ = Σx / n

x̅ = (9800 + 10500 + 7300 + 8200 + 11100 + 9250) / 6

x̅ = $9,358.33

La comisión promedio que ha percibido el vendedor es de $9,358.33.

Moda: La medida modal nos indica el valor que más veces se repite dentro de los datos; es decir, si
tenemos la serie ordenada (2, 2, 5 y 7), el valor que más veces se repite es el número 2 quien sería
la moda de los datos.
Es posible que en algunas ocasiones se presente dos valores con la mayor frecuencia, lo cual se
denomina Bimodal o en otros casos más de dos valores, lo que se conoce como multimodal.

Por ejemplo:

Se simboliza con (Mo) y es la medida que indica cual dato tiene la Mayor Frecuencia en un conjunto
de datos, o cual se repite más.

Ejemplos:

1. En el conjunto de los datos { 20, 12, 14, 23, 78, 56, 96 }

En este conjunto de datos no existe ningún valor que se repita, por lo tanto, este conjunto de valores
No tiene Moda.
Si se determinar la moda en el siguiente conjunto de datos que corresponden a las edades de niñas
de un jardín infantil: { 5, 7, 3, 3, 7, 8, 3, 5, 9, 5, 3, 4, 3 } La edad que más se repite es 3, por lo tanto,
la Moda es 3.

Mediana: Con esta medida podemos identificar el valor que se encuentra en el centro de los datos,
es decir, nos permite conocer el valor que se encuentra exactamente en la mitad del conjunto de
datos después que las observaciones se han ubicado en serie ordenada.
Esta medida nos indica que la mitad de los datos se encuentran por debajo de este valor y la otra
mitad por encima del mismo.

Por ejemplo:

Según el número de valores que se tengan, se pueden presentar dos casos:

Si el número de valores es impar, la Mediana corresponderá al valor central de dicho conjunto de

datos.
Si el número de valores es par, la Mediana corresponderá al promedio de los dos valores centrales
(los valores centrales se suman y se dividen por 2).

Ejemplos:

1.- Si se tienen los siguientes datos: { 5, 4, 8, 10, 9, 1, 2 }

Al ordenarlos en forma creciente, es decir, de menor a mayor, se tiene:

{ 1, 2, 4, 5, 8, 9, 10 }

Md = 5 porque es el valor central del conjunto ordenado.

El siguiente conjunto de datos está ordenado en forma decreciente, de mayor a menor, y

corresponde a un conjunto de valores pares, por lo tanto, Md será el promedio de los valores
centrales.

{ 21, 19, 18, 15, 13, 11, 10, 9, 5, 3 }

Md = ( 13 + 11 ) / 2

Md = 24 / 2

Md = 12

Para concluir en la vida cotidiana la herramienta estadística más utilizada son las medidas de
tendencia central, o quien no ha hablado en algún momento sobre el promedio de notas
(estudiantes), promedio de gastos diarios (amas de casa),promedio de costos e ingresos
(profesiones) , promedio de gastos en transporte, alimentación, educación entre otros (todos),
promedio de producción por hectárea, promedio de humedad, temperatura (agricultura), promedio de
goles(deportistas), promedio de nacimientos, muertes (demografía) promedio de delitos, heridos,
accidentes (gobernantes, policía), color de moda el estilo de moda (todos) y sobre estos resultados
se toman decisiones ya sean de control, distribución, inversión, según el caso demostrándose de
esta forma que la estadística es de gran importancia para la toma de decisiones.

La media geométrica (MG), de un conjunto de números positivos se define como la n- del producto
de los números. Por tanto, la fórmula para la media geométrica es dada. Existen dos usos
principales de la media geométrica: Para promediar porcentajes, índices y cifras relativas, Para
determinar el incremento porcentual promedio en ventas, producción u otras actividades o series
económicas de un periodo a otro. Ejemplos: Supóngase que las utilidades obtenidas por una
compañía constructora en cuatro proyectos fueron de 3, 2, 4 y 6%, respectivamente. ¿ Cuál es la
media geométrica de las ganancias ? En este ejemplo y así la media geométrica es determinada.
Así la media geométrica de las utilidades es el 3.46%.
La media geométrica no se ve tan afectada por valores extremos. Obtener la media geométrica de
los siguientes números: 3, 5, 7, 9, 8.g= 5√3.5.7.8.9=5√7,560=5,7963) Obtener la Media Geométrica
de los siguientes datos: 12, 15,17, 13, 18, 14,18, 13, 17, 15.g=
10√12.15.17.13.18.14.18.13.17.15.g=10√5,981,655,000,000= 15,05.
2. Medidas de dispersión: rango, varianza, desviación estándar,
percentiles.
Las medidas de dispersión muestran la variabilidad de una distribución mediante la indicación por el
medio de un número y si las diferentes puntuaciones de una variable están muy alejadas de la
media. Cuanto mayor sea ese valor, mayor será la variabilidad y cuanto menor sea más homogénea
será a la media.
En otras palabras, las medidas de dispersión se encargan de medir que tanto se dispersan las
observaciones alrededor de su media. Lo que permite analizar cómo se dispersan los valores de una
variable de tipo intervalo/razón de menor a mayor y la forma gráfica que estos valores presentan.

Estas nos sirven para cuantificar la separación de los valores de una distribución. Se llamará
dispersión o variabilidad a la mayor o menor separación de los valores de la muestra con respecto a
las medidas de centralización que hayamos calculado. Para calcular la medida de centralización
como esta es la media aritmética, resulta ser necesario que este acompañada de otra medida que
esta indique el grado de dispersión del resto de valores de la distribución con respecto de esta
media. Estas cantidades o coeficientes se les llaman: las medidas de dispersión ya que pueden ser
absolutas o relativas.

La dispersión es importante porque proporciona información adicional que permite juzgar la

confiabilidad de la medida de tendencia central. Si los datos se encuentran ampliamente dispersos,
la posición central es menos representativa de los datos. Ya que existen problemas característicos
para datos ampliamente dispersos, debemos ser capaces de distinguir que presentan esa dispersión
antes de abordar esos problemas.

Medidas de dispersión mide que tanto se dispersan las observaciones alrededor de su media.
Ejemplo: se toman por ejemplo los tres conjuntos de datos que se observan a continuación. Conjunto
de datos 1: 0,5,10 Conjunto de datos 2: 4,5,6 Conjunto de datos 3: 5,5,5 Los tres (3) tienen una
media de cinco (5) ¿ Se debe por tanto concluir que los conjuntos de datos son similares ? Hay 2
tipos de medidas de dispersión, que son: 1. Medidas dispersión absolutas 2. Medidas dispersión
relativa Medidas dispersión absoluta.

Usos de las medidas de dispersión; Estas son aquella fuente de información sobre cuanto se alejan
los valores de la distribución. Estas se toman para posibles comparaciones de varias muestras
diferentes cada una las cuales tienen ya definidas medidas de sus correspondientes clases.

Rango: Algo que responde a la identificación de la dispersión de los datos de una muestra es el
rango, el cual se define como la diferencia entre el dato mayor menos el dato menor de un conjunto
de datos. Su obtención es sumamente sencilla, sin embargo, se considera que no es una medida
muy significativa, su aplicación es más útil en la llamada estadística no paramétrica.

Una expresión para el rango puede ser vista como: retomar el ejemplo planteado en él se observaba
que las muestras tienen diferente dispersión, aunque su media y mediana eran iguales, por lo que
una forma de marcar su diferencia es Podemos a través del rango. Para la primera muestra (0, 45,
50, 55, 100), el dato menor es 0 y el dato mayor es 100, por lo que sus valores se encuentran en un
rango de: Rango = 100 – 0 =100Mientras que para la segunda muestra (47, 49.5, 50, 51.5, 52), el
dato menor es 47 y el dato mayor es igual a 52 por lo que su rango correspondiente es igual
a:Rango = 52 – 47= 5Lo que indica que la segunda muestra es más homogénea ya que sus datos
están dispersos en un menor rango.
Es también común identificar el rango como recorrido. Rango (estadística) En estadística descriptiva
se denomina rango estadístico (R) o recorrido estadístico al intervalo de menor tamaño que contiene
a los datos; es igual a la diferencia entre el valor máximo y el valor mínimo; por ello, comparte
unidades con los datos. Permite obtener de la dispersión de los datos, cuanto mayor es el rango,
más dispersos están los datos de un conjunto.

Por ejemplo:
para una serie de datos de carácter cuantitativo, como lo es la estatura medida en centímetros,
tendríamos: es posible ordenar los datos como sigue: donde la notación x(i) indica que se trata del
elemento i-esimo de la serie de datos. De este modo, el rango sería la diferencia entre el valor
máximo (k) y el mínimo; o, lo que es lo mismo: En nuestro ejemplo, con cinco valores, nos da que R
= 185-155 = 30.es posible ordenar los datos como sigue: donde la notación x(i) indica que se trata
del elemento i-ésimo de la serie de datos. De este modo, el rango sería la diferencia entre el valor
máximo (k) y el mínimo; o, lo que es lo mismo.

Varianza: la varianza de una variable aleatoria es una medida de dispersión definida como la
esperanza del cuadrado de la desviación de dicha variable respecto a su media. Está medida en
unidades distintas de las de la variable. Por ejemplo, si la variable mide una distancia en metros, la
varianza se expresa en metros al cuadrado. La desviación estándar es la raíz cuadrada de la
varianza, es una medida de dispersión alternativa expresada en las mismas unidades de los datos
de la variable objeto de estudio. La varianza tiene como valor mínimo 0.

Para sacar la varianza para datos individuales, debes sacar la media aritmética que es sumando
todos los números y dividirlos entre ellos por ejemplo si son 5 números los vas a sumar y los vas a
dividir entre 5, y si son 10 los vas a sumar y los vas a dividir entre 10. Serie 34 50 22 27 48
34+50+22+27+48 =180 180/5 =36.

Ya que tienes la media aritmética se lo vas a restar a cada número y se lo vas a poner al cuadrado
Serie 33 50 22 27 48 (33 – 36)2 + (50 – 36)2 + (22 – 36)2 + (27 – 36)2 + (48 – 36)2 Media arit. =36
5. Ya que tienes el resultado de lo anterior los vas a sumar y dividir entre 5 Serie 33 50 22 27 48 9 +
196 + 196 + 81 + 144/5 =125.2 Media arit. =36
Ya que tienes el resultado lo vas a dividir otra vez entre 5 Serie 33 50 22 27 48 125.2/5 = 25.04
Varianza =25.04 Media arit. =36.

Para calcular la varianza para datos agrupados primero debes sacar “X” que es el intervalo inferi or
más el superior y dividirlo entre 2 más o menos seria así intervalo F X 47 – 52 4 53 – 58 9 59 – 64 13
65 – 70 42 71 – 76 39 suma 107 47+52/2 53+58/2 . . . 71+76/2.

Desviación típica o estándar: La desviación estándar o desviación típica (σ) mide cuánto se
separan los datos. Es como una especie de vara de medir con la que se puede comparar la
variabilidad de un conjunto de datos con la de otro. La fórmula es: es la raíz cuadrada de la varianza.
Entonces la varianza es: el cuadrado de la desviación estándar: σ2.
Se podría decir que: Es la media de las diferencias con la media elevadas al cuadrado. En otras
palabras, serían estos pasos: 1. Calcular la media (el promedio de los números) 2. Por cada número
restar la media y elevar el resultado al cuadrado (la diferencia elevada al cuadrado). 3. Ahora
calcular la media de esas diferencias al cuadrado.

Significado e interpretación de la desviación estándar y la curva normal La desviación estándar de un

grupo repetido de medidas nos da la precisión de éstas. Cuando se va a determinar si un grupo de
medidas está de acuerdo con el modelo teórico, la desviación estándar de esas medidas es de vital
importancia: si la media (promedio) de las medidas está demasiado alejada de la predicción (con la
distancia medida en desviaciones estándar), entonces consideramos que las medidas contradicen la
teoría. Esto es coherente, ya que las mediciones caen fuera del rango de valores en el cual sería
razonable esperar que ocurrieran si el modelo teórico fuera correcto. La des viación estándar es uno
de tres parámetros de ubicación central; muestra la agrupación de los datos alrededor de un valor
central (la media o promedio).

La desviación estándar ayuda a describir la curva de la distribución normal o campana de Gauss

mediante la siguiente manera: Una desviación estándar a cada lado de la media incluye un área del
68.26% del área total es decir aproximadamente los 2/3 de los casos. 2.- El área comprendida entre
una y dos desviaciones estándar a ambos lados de la media representa el 13.59% del área total. El
área comprendida entre 2 desviaciones estándar a ambos lados de la media es igual a 95.45% del
área total. 3.- Entre la 2º y 3º desviación estándar (o 2 y 3 desviaciones estándar) resulta otra
porción del área igual a 2.15% del área total. El área comprendida entre 3 desviaciones estándar a
cada lado de la media es igual al 99.74% del área total. Si una distribución es aproximadamente
normal, será casi simétrica y la media dividirá la distribución a la mitad (la media y la mediana son
las mismas en una distribución simétrica). Esto permite refinar la regla empírica.

Por ejemplo:
Vamos a suponer que el gerente de una empresa de alimentos desea saber qué tanto varían los
pesos de los empaques (en gramos), de uno de sus productos; por lo que opta por seleccionar al
azar cinco unidades de ellos para pesarlos. Los productos tienen los siguientes pesos (490, 500,
510, 515 y 520) gramos respectivamente. Por lo que su media es: La varianza sería: Por lo tanto, la
desviación estándar sería: Por lo que se concluye que el peso promedio de los empaques es de 507
gramos, con una tendencia a variar por debajo o por encima de dicho peso en 12 gramos. Esta
información le permite al gerente determinar cuánto es el promedio(media) de pérdidas causado por
el exceso de peso en los empaques y le da las bases para tomar los correctivos necesarios en el
proceso de empacado.

Percentiles: Un percentil es una de las llamadas medidas de posición no central (cuartiles, deciles,
quintiles, percentiles, etc.) que se puede describir como una forma de comparación de resultados,
por ello es un concepto ampliamente utilizado en campos como la estadística o el análisis de datos.
El percentil es un número de 0 a 100 que está muy relacionado con el porcentaje pero que no es el
porcentaje en sí.
Para un conjunto de datos, el percentil para un valor dado indica el porcentaje de datos que son igual
o menores que dicho valor; en otras palabras, nos dice dónde se posiciona una muestra respecto al
total. Cálculo de los percentiles. En primer lugar, buscamos la clase donde se encuentra en la tabla
de las frecuencias acumuladas.

Por ejemplo:
Una distribución tiene x = 140 y σ = 28.28 y otra x = 150 y σ = 24. 1. ¿Cuál de las dos presenta
mayor dispersión? R. La primera distribución presenta mayor dispersión.

En conclusión, las medidas de dispersión nos informan sobre cuánto se alejan del centro los valores
de la distribución se divide en medidas de dispersión absoluta y medidas de dispersión relativa que
nos sirven para cuantificar la separación de los valores de una distribución . Las medidas de
dispersión nos informan sobre cuanto se alejan del centro los valores de la distribución y son
medidas que se toman para tener la posibilidad de establecer comparaciones de diferentes
muestras, para las cuales son conocidas ya medidas que se tienen como típicas en su clase.
3. Indicadores de prevalencia, incidencia: frecuencia absoluta,
proporciones, razones, índices, tasas. Intervalos de confianza.

¿Cómo podemos llegar a conocer el proceso de propagación de los daños a la salud?

INCIDENCIA PREVALENCIA

Prevalencia: Es la proporción de la población afectada por un daño a la salud, nos da una idea de la
magnitud de la propagación.
Prevalencia = Número de casos de una enfermedad presentes en una población en un tiempo
especificado Número de personas en la población en ese tiempo especificado X 10n
Prevalencia de punto vs. Prevalencia de periodo diez episodios de una enfermedad en una población
de 100 personas, fecha de diagnóstico, fecha de fallecimiento, fecha de recuperación, No. de caso 1
junio 2004, 1 diciembre 2004, 1 junio 2005, diez episodios de una enfermedad en una población de
100 personas, fecha de diagnóstico, fecha de fallecimiento, fecha de recuperación, No. de caso 1
junio 2005, 1 diciembre 2005, 1 junio 2006.

La incidencia mide cuán frecuentemente los individuos susceptibles se vuelven casos a medida que
son observados en un periodo de tiempo. Es una medida de la velocidad de propagación.
Incidencia acumulada Incidencia = Número de casos nuevos de una enfermedad que ocurren en una
población durante un periodo de tiempo especificado, número de personas a riesgo de desarrollar la
enfermedad durante ese periodo de tiempo X 10n.

Densidad de incidencia = Número de casos nuevos de una enfermedad que ocurren en una
población durante un periodo de tiempo especificado Tiempo de exposición de cada persona,
totalizado para la población (persona-tiempo de exposición) X 10n.
Relación entre Incidencia y Prevalencia = Incidencia x Duración de la enfermedad.

La frecuencia absoluta: es una medida estadística que nos da información acerca de la cantidad de
veces que se repite un suceso al realizar un número determinado de experimentos aleatorios. Esta
medida se representa mediante las letras fi. La letra f se refiere a la palabra frecuencia y la letra i se
refiere a la realización i-ésima del experimento aleatorio.

La frecuencia absoluta es muy utilizada en estadística descriptiva y es útil para saber acerca de las
características de una población y/o muestra. Esta medida se puede utilizar con variables cualitativas
o cuantitativas siempre que estas se puedan ordenar.

La frecuencia absoluta se puede usar para variables discretas (las variables se ordenan de menor a
mayor) y para variables continuas (las variables se ordenan de menor a mayor agrupadas por
intervalos). La frecuencia absoluta se utiliza para calcular la frecuencia relativa.

La suma de las frecuencias absolutas es igual al número total de datos de la muestra o población.
Ejemplo de frecuencia absoluta (fi) para una variable discreta.

Supongamos que las notas de 20 alumnos del primer curso de economía son las siguientes:

1, 2, 8, 5, 8, 3, 8, 5, 6, 10, 5, 7, 9, 4, 10, 2, 7, 6, 5, 10.

A simple vista se puede observar que, de los 20 valores, 10 de ellos son distintos y los demás se
repiten al menos una vez. Para elaborar la tabla de frecuencias absolutas, en primer lugar, se
ordenarían los valores de menor a mayor y se calcularía la frecuencia absoluta para cada uno.

Proporciones: se conoce como proporción a la relación de igualdad que existe entre dos razones,
es decir, entre dos comparaciones entre dos cantidades determinadas. O sea: si a/b es una razón,
entonces la igualdad a/b = c/d será una proporción.

Por ejemplo: si un negocio de venta de pizza tiene una ganancia de $15.000 y un gasto de $5.000,
podremos decir que la empresa tiene una razón de 3. Del mismo modo, si a este negocio le cuesta
$20 elaborar dos pizzas (20/2 = 10), de modo que elaborar cuatro pizzas costaría $40 (40/4 = 10). Si
ambas razones se expresan en una fórmula: 20/2 = 40/4. He allí una proporción.

Podemos decir que una proporción se da en las situaciones matemáticas en que los valores de dos
magnitudes dependen el uno del otro de manera directa (proporcionalidad directa). Así, cuando uno
de los valores de la relación aumente, el otro lo hará también necesariamente, como es por ejemplo
la relación entre temperatura y energía: a mayor temperatura, se registra mayor energía y viceversa.

En cambio, en una relación en que el aumento de uno de los términos acarrea la disminución del
otro, se dice que estamos ante una proporcionalidad inversa. Esto puede expresarse como que dos
términos son inversamente proporcionales: cuando uno sube la otra baja, y viceversa. Tal es la
relación entre velocidad y tiempo: a mayor velocidad menor tiempo tardaremos en llegar a nuestro
destino, y viceversa.

Razones: Una razón indica en forma de división la relación entre dos cantidades. Nos indica cuántas
unidades hay con relación a las otras, y se suele indicar simplificando las fracciones.

Por ejemplo, si en un salón de clases tenemos 24 niñas y 18 niños, entonces lo representaremos de

alguna de las siguientes formas:

24/18

24:18

Y como la fracción podemos simplificarla al dividirla entre 6, entonces tendremos:

4/3

4:3

Y se lee que existe una razón de 4 a 3, o de 4 por cada 3. Cada uno de los valores de una razón
tiene un nombre. El valor que está del lado izquierdo de la relación, se le llama antecedente, y al
valor del lado derecho se le llama consecuente. En este caso, la relación de niñas respecto a los
niños es una relación de 4 a 3, o de 4 niñas por cada 3 niños.

Tasas: Cociente que resulta de dividir un número de acontecimientos sucedidos durante un periodo
de tiempo (un flujo) por la población media existente durante ese periodo (por ejemplo, la tasa de
mortalidad, número de defunciones durante un periodo de tiempo, dividido por la población media de
ese mismo periodo).
Las tasas pueden interpretarse como la frecuencia relativa con que se producen ciertos
acontecimientos con relación a la población media existente durante el tiempo en que se han
registrado tales acontecimientos. Las más conocidas son las tasas de mortalidad y de natalidad.

Lo que diferencia las tasas de las proporciones es que en el numerador se sitúan flujos, es decir,
acontecimientos registrados durante cierto periodo, mientras que el denominador corresponde a un
stock y, por tanto, se refiere a un instante. Para que tengan utilidad y resulten comparables deben
expresarse en tasas anuales, de modo que, cuando los datos registrados corresponden a más de un
año o a una fracción de año, hay que calcular el promedio anual de esos acontecimientos, antes de
dividir por la población media.

Se habla de tasas brutas cuando se refieren al conjunto de la población, y de tasas específicas

cuando hacen alusión únicamente a un intervalo concreto de edad. La palabra “tasa” ha ido
utilizándose cada vez de manera más amplia, hasta denominar en la práctica a todo tipo de
indicadores, como la mal llamadas “tasa de actividad” y “tasa de paro” (que en realidad son
proporciones de activos y de parados). Conviene, sin embargo, el uso de índice cuando no se
especifica el tipo de indicador, y mantener el sentido estricto de los distintos tipos, como tasa,
proporción, probabilidad o razón.

Índices: Los números índices son un método estadístico que sirven para hacer comparaciones entre
un año y otro, una variable o un conjunto de variables, respecto a otras. Con el pasar de los años los
números índices han llegado a ser muy importantes para la administración como indicadores de la
cambiante actividad económica o de negocios; además su uso se ha convertido en el procedimiento
de más amplia aceptación. en muchos problemas de economía interesa combinar, mediante un
promedio adecuadamente definido varios índices simples para obtener un índice con el que se trata
de reflejar la evolución de una magnitud no fácil de definir concretamente, por ejemplo: coste de
vida, nivel de salarios, comercio exterior.

Los números índices nacen de la necesidad de conocer la magnitud de un fenómeno y poder realizar
comparaciones de este en distintos territorios o a lo largo del tiempo. Los números índices,
proporcionan comparaciones entre datos correspondientes a diferentes situaciones escalonadas con
arreglo a algún criterio conocido. De lo dicho antes se puede decir entonces, que son una medida
estadística que tienen como finalidad medir el tamaño o la magnitud de algún objeto en un punto
determinado en el tiempo, como el porcentaje de una base o referencia en el pasado. Esto se lleva a
cabo recolectando datos de manera simultánea en los diferentes lugares y luego comparándolos.

Los números índices se utilizan cuando se quiere comparar variables o magnitudes que están
medidas en unidades distintas. Por ejemplo, con los números índices podemos comparar los costes
de alimentación o de otros servicios en una ciudad durante un año con los del año anterior, o la
producción de arroz en un año en una zona del país con la otra zona. Aunque se usa principalmente
en Economía e Industria, los números índices son aplicables en muchos campos. por ejmplo, en
Educación, se pueden usar para comparar la inteligencia relativa de estudiantes en sitios diferentes
o en años diferentes. también en la administración se utilizan como parte de un cálculo intermedio
para entender mejor otra información.

El intervalo de confianza, describe la variabilidad entre la medida obtenida en un estudio y la

medida real de la población (el valor real). Corresponde a un rango de valores, cuya distribución es
normal y en el cual se encuentra, con alta probabilidad, el valor real de una determinada variable.
Esta «alta probabilidad» se ha establecido por consenso en 95%. Así, un intervalo de confianza de
95% nos indica que dentro del rango dado se encuentra el valor real de un parámetro con 95% de
certeza.
Para comprender y hacer intuitivo el concepto de intervalo de confianza utilizaremos un ejemplo
clásico:

Supongamos que tenemos una moneda, la cual puede o no estar balanceada. Así, después de
varios lanzamientos, la probabilidad que el resultado sea sello variará desde 0 (todas las veces cara,
es decir, una moneda balanceada) hasta 1 (todas las veces sello, nuevamente balanceada),
pasando por 0,5 (la mitad de las veces sello y las otras caras, lo que equivale a una moneda no
balanceada). Como no conocemos la verdadera naturaleza de la moneda, vamos a experimentar
con ella.

Iniciamos el experimento con 2 lanzamientos, uno es cara y el otro es sello. La probabilidad de que
el resultado sea sello fue 0,5, con lo que podríamos concluir que la moneda no está balanceada, sin
embargo, ¿con sólo 2 lanzamientos podemos concluir con total certeza que esa es la naturaleza de
la moneda? La respuesta es no, por lo tanto ¿cuál es el rango de valores donde se encuentra el
valor real? Dado que el azar pudo influir en este resultado, uno acepta que el rango de valores reales
posibles es amplio, incluso desde uno tan bajo como 0 a uno tan alto como 1, por lo tanto, aún no
estamos seguros de la naturaleza de nuestra moneda.

Considerando lo anterior, ampliamos el experimento y realizamos 8 nuevos lanzamientos (10 en

total), resultando 5 caras y 5 sellos. Nuevamente el resultado es 0,5, sin embargo, ahora
intuitivamente nos percatamos que la verdadera naturaleza de la moneda se encuentra en un rango
menos amplio. Por ejemplo, es poco probable que después de 10 lanzamientos 9 sean sello, menos
aún que todos lo sean, sin embargo, aún es factible que 8 o 7 o 6 sí lo sean. Así, nuestro nuevo
rango puede variar entre 0,2 y 0,8, pero con un alcance: todos advertimos que, si bien 0,8 y 0,2 son
posibles, los valores centrales (0,4 y 0,6) lo son más aún, siendo 0,5 el más probable.

Decidimos seguir experimentando, realizando 90 nuevos lanzamientos (100 en total), resultando 50

caras y 50 sellos. Nuevamente el resultado es 0,5, advirtiendo que cada vez es más probable que la
verdadera naturaleza de nuestra moneda es el de una no balanceada, pero aún con un rango de
variabilidad que podríamos estimar entre 0,4 y 0,6 (es decir, que después de 100 lanzamientos, el
resultado real varíe entre 40 y 60 sellos).

Realizamos 1.000 lanzamientos, resultando 500 sellos y 500 caras, con lo que estamos aún más
seguros que nuestra moneda no está balanceada (nuestro rango puede ser 0,45 a 0,55 o menor).
4. Probabilidad estadística (incluir definición, técnicas, reglas y teorías
correspondientes).
Definición de Probabilidad El concepto de probabilidad puede ser interpretado como algo
indefinible, pero utilizado para expresar de algún modo, un grado de creencia que uno tiene de la
ocurrencia de un suceso.

La teoría de la probabilidad es una rama de las matemáticas que estudia los fenómenos aleatorios
y estocásticos. Los fenómenos aleatorios se contraponen a los fenómenos deterministas, los cual es
son resultados únicos y/o previsibles de experimentos realizados bajo las mismas condiciones
determinadas, por ejemplo, si se calienta agua a 100 ºC a nivel del mar se obtendrá vapor. Los
fenómenos aleatorios, por el contrario, son aquellos que se obtienen de experimentos realizados,
otra vez, bajo las mismas condiciones determinadas, pero como resultado posible poseen un
conjunto de alternativas, por ejemplo, el lanzamiento de un dado o de una moneda.

La teoría de probabilidades se ocupa de asignar un cierto número a cada posible resultado que
pueda ocurrir en un experimento aleatorio, con el fin de cuantificar dichos resultados y saber si un
suceso es más probable que otro.

Muchos fenómenos naturales son aleatorios, pero existen algunos como el lanzamiento de un dado,
donde el fenómeno no se repite en las mismas condiciones, debido a que las características del
material hacen que no exista una simetría de este, así las repeticiones no garantizan una
probabilidad definida. En los procesos reales que se modelizan mediante distribuciones de
probabilidad corresponden a modelos complejos donde no se conocen a priori todos los parámetros
que intervienen; ésta es una de las razones por las cuales la estadística, que busca determinar estos
parámetros, no se reduce inmediatamente a la teoría de la probabilidad en sí.

Existe una terminología básica, para definir el concepto de probabilidad, como la posibilidad de que
algo pase. Las probabilidades se expresan como fracciones(1/6,1/2,8/9) o como decimales que
están entre cero y uno. Tener una probabilidad de cero, significa que algo nunca va a suceder; una
probabilidad de uno indica que algo va a suceder siempre.

El origen de la probabilidad inició en las mesas de juego, cuando el noble francés Antoine
Goumbauld (1607-1684, siglo XVII) buscó la base matemática del éxito y del fracaso en las mesas
de dados. Él le preguntó al matemático Francés Blaise Pascal(1623-1662) ¿Cuáles son las
probabilidades de obtener dos seises al menos una vez en 24 tiradas de un par de dados? Pascal le
resolvió el problema y se interesó en el asunto de las probabilidades al igual que Goumbauld y
compartieron sus ideales con Pierre de Fermat(1601-1665), las cartas que se enviaron Fermat y
Pascal, fueron las bases de la primera revista académica, referente a la teoría de la probabilidad.

Estos científicos desarrollaron fórmulas y técnicas para el cálculo de la probabilidad. En el siglo

XIX, Pierre Simón, Márquez de Laplace (1749- 1827),unificó todas estas ideas y compiló la primera
teoría general de la probabilidad.

Eventos que son mutuamente excluyentes se dice que los eventos son mutuamente excluyentes si
uno y sólo uno de ellos puede tener lugar a un tiempo. En cualquier lanzamiento podríamos tener
cara o cruz, pero no cara y cruz al tiempo. Espacio Muestral Es el conjunto de todos los resultados
posibles de un experimento. En el ejemplo de lanzar una moneda el espacio muestral "S" es:
S={Cara, Cruz}.
Clases de Probabilidad: Probabilidad Clásica P(E)=(No de resultados en los que se presenta el
evento)/(No total de resultados posibles) En el ejemplo anterior de la moneda, P(E)=1/2. El número
de resultados de un solo lanzamiento del dado que producirá un 5 es: P(E)=1/6.

Probabilidad de una frecuencia relativa: Se define como la frecuencia relativa observada de un

evento durante un gran número de intentos. Un ejemplo clásico sería;¿Cuál es la probabilidad de yo
viva hasta los 85 años?

Probabilidad subjetiva: Es la probabilidad asignada a un evento, por parte de un individuo, basado en

la evidencia que tenga disponible. Como ejemplos tenemos los siguientes: ¿Perderá la selección de
fútbol el próximo partido? ¿Sacaré más de 4 en el próximo examen? , en ellos la persona fijará la
probabilidad correspondiente dependiendo de su criterio personal.

Reglas de Probabilidad: Regla de la adición para eventos mutuamente excluyentes a menudo, sin
embargo, estamos interesados en la probabilidad de que una cosa u otra suceda. Si estos dos
eventos son mutuamente excluyentes, podemos expresar esta probabilidad haciendo uso de la regla
de la adición para eventos mutuamente excluyentes, esta regla se expresa de la siguiente manera:
P(AUB)=P(A)+P(B). también se escribe así: P(A o B)=La probabilidad de que suceda A o B. Esta
regla de la adición se ilustra en el diagrama de Ven.

Regla de la multiplicación: Sucesos Independientes. Se dice que dos o más sucesos son
independientes, si la probabilidad de presentación de ninguno de ellos queda influenciada por la
presentación del otro. En caso contrario se dice que son dependientes. En otras palabras, si el
resultado de un suceso no afecta al otro. Si P1,P2,P3...Pn son las distintas probabilidades de
presentación de sucesos independientes, la probabilidad P de que ocurra todos estos sucesos en un
solo ensayo, está dada por la ecuación: • P=P1xP2xP3x.…x Pn.

Ejemplos :¿Al lanzar dos dados cual es la probabilidad de sacar dos cincos? Solución: P1=1/6 (5 en
el primer dado); P2=1/6 (5 en el segundo ) • P=P1xP2=1/6x1/6. • P=1/36.

Diferencias entre sucesos mutuamente excluyentes y sucesos independientes. En el primero se

tiene sólo un dado, una baraja; en el segundo son dos o más dados o barajas. En el primero se
extrae una sola carta, o se obtiene una sola cara, en el segundo se espera más de dos o más
sucesos. • En el primero utilizamos la conjunción "O" en el segundo la conjunción "Y".

Probabilidad Condicional: La probabilidad condicional es aquella que se presenta en un evento o

suceso, dado que otro evento ya ha ocurrido. Su ecuación es: P(B/A)=P(A y B )/P(A). P(A/B)=P(A y
B)/P(B). P(B/A), se lee probabilidad de B dado A. P(A/B), se lee probabilidad de B dado A.
5. Normalidad estadística (incluir estándares de normalidad y explicar
cómo se establecen los valores normales o de referencia de
mediciones clínicas: medidas anatómicas (peso y talla), medidas
fisiológicas (presión sanguínea, frecuencia del pulso), datos de
pruebas de laboratorio (perfil lipídico, perfil hematológico,
inmunoglobulinas).

Cada especialidad parece tener su definición particular del concepto de normalidad. Una
de las más difundidas en medicina es considerar al paciente sano como normal. Sin embargo, la
Organización Mundial de la Salud define a la salud como un estado y bienestar físico, psíquico y
social, y no solamente como la ausencia de enfermedad o deterioro. Lo toma como un estado que
permite al organismo adaptarse y funcionar en forma adecuada, a las condiciones endógenas y a
los factores ambientales a los que está sometido.

Por otra parte, el concepto de enfermedad puede definirse como una respuesta inadecuada del
organismo, o un agotamiento de sus mecanismos de defensa y adaptación, una falta de respuesta a
los estímulos a los que está expuesto. El proceso puede ser una perturbación de la estructura y/o
función de un órgano, de un sistema o de la totalidad del organismo.

En principio existen tres criterios de normalidad diferentes, para tener en cuenta:

1. El criterio matemático o estadístico puro.
2. El criterio de referencia a la población de donde se extrajeron los datos.
3. El criterio operativo y lógico.

Los individuos identificados como anormales o enfermos son aquellos que deben recibir
asistencia porque son susceptibles de ser tratados. Esta anormalidad se asocia a una patología
definida por otros estudios. Por lo tanto, un valor “normal”, en el sentido de “sano”, de una función
fisiológica o de una morfología determinada, puede tener esos tres significados.

Valores de referencia o normales.

En una industria farmacéutica dedicada a la fabricación de medicamentos, productos de

belleza y derivados, los valores de referencia están referidos a los límites de tolerancia de los
productos terminados. Cada producto tiene una fórmula con la composición de los productos activos
y los complementos.

En particular, el certificado de aptitud del medicamento emitido por la

autoridad sanitaria es otorgado bajo ciertas condiciones que establecen las cantidades mínimas y
máximas de los principales componentes. Dichas cantidades son los límites de tolerancia de
fabricación, dentro de los cuales debe encuadrarse el producto para ser considerado “normal” y no
ser desechado.

El producto final de un método de análisis clínicos usado en el laboratorio es un resultado

relacionado con una muestra de un determinado paciente. El médico interpreta este resultado
como indicativo de variación, ausencia de esta, o posible cambio en el estado de salud de su
paciente. Para dar sentido a esta interpretación, el médico compara el resultado obtenido con algún
sistema de referencia indicativo de la “normalidad”. Este ámbito de referencia de un cuadro clínico
generalmente se construye con los valores de un intervalo en la magnitud clínica, que incluya al 95%
de los individuos considerados sanos de la población. Por desgracia, muchas veces el
médico interpreta estos extremos como indicativos de los límites superior e inferior dentro de los
que se debe ubicar el paciente para ser considerado sano, según hacen mención Winkel y Statland
en sus trabajos. Ellos explican que en la década del setenta el término valores normales se
asimilaba al concepto de individuos sanos, lo cual condujo a confusiones en el contexto de la
química
clínica. Se ha propuesto usar los términos de individuos sanos en lugar de normales, y distribuciones
de datos gaussianas en lugar de normales, para evitar este tipo de confusiones. Galen y
Gambino (1975) analizaron el tema con detenimiento, y Grasbeck (1969) introdujo el concepto
de valores de referencia para abolir el término de valores normales. Hay dos tipos de valores de
referencia: los basados en una población y los basados en un individuo. Aquí se tratará el primer
caso y se definirán estos valores de la manera siguiente:

Los valores de referencia de una magnitud clínica son un grupo de datos de la magnitud
medida de un grupo de individuos (o de uno solo de ellos), en un definido estado de salud.
Para utilizar este concepto, el médico evalúa un resultado del laboratorio dentro de un
cierto ámbito, para calcular la probabilidad de que el paciente del que se tomó la muestra analizada
pertenezca al grupo de individuos sanos. En cambio, cuando el médico compara con los datos del
mismo individuo cuando este se encontraba en un estado de buena salud, lo que hace es
ver si todavía se mantiene dentro del mismo estado de salud.

No se deben usar los límites de referencia como rígidas fronteras dentro de las cuales se
encuentran los pacientes sanos, y los anormales en su exterior.
Por ejemplo, un paciente con un valor sérico de colesterol situado por debajo del límite
inferior podría ser considerado como un signo de buena salud, en lugar de lo contrario. Otro caso,
no es un buen síntoma para un diabético el tener sus valores de glucosa dentro del recinto de
“normalidad”. La idea central, es nunca usar el sistema de referencia en forma aislada sin tener
en cuenta todo el cuadro clínico, para no llegar a conclusiones erróneas.

Para poder construir los intervalos de referencia de una magnitud clínica y poder usarlos
convenientemente, siempre se deben explicitar los siguientes cinco puntos:

 La población de referencia y la forma en que se eligió la muestra estudiada.

 Las condiciones ambientales y fisiológicas bajo las cuales se extrajeron las muestras.
 La técnica de extracción, el momento de recolección, el transporte, la preparación y la
conservación de las muestras tomadas.
 El método analítico usado, con datos acerca de su exactitud, precisión y control de calidad
 La cantidad de datos observados y los intervalos de referencia derivados.

La presión sanguínea es la fuerza que se aplica contra las paredes de las arterias cuando el
corazón bombea la sangre al cuerpo. La presión está determinada por la fuerza y cantidad de sangre
bombeada y el tamaño y flexibilidad de las arterias.
Su presión sanguínea aumenta cuando es mayor el flujo de sangre y mayor la resistencia al mismo
(como resultado de vasos sanguíneos más estrechos) lo que obliga a su corazón a esforzarse
mucho más para bombear sangre por su cuerpo.

La alta presión sanguínea (conocida también como hipertensión) es peligrosa porque el esfuerzo
excesivo del corazón puede llevar a un infarto del miocardio, a un accidente cerebrovascular (cuando
se interrumpe el flujo de sangre al cerebro) y a muchos otros problemas de salud. Nadie sabe a
ciencia cierta cuál es la causa de la alta presión sanguínea, pero se conocen algunos factores de
riesgo que incluyen:

el cigarrillo, no hacer suficiente ejercicio, beber alcohol en exceso, consumir demasiada sal en la
dieta, el sobrepeso, el estrés, tener historia de hipertensión en la familia.
La alta presión sanguínea puede afectar también los ojos. Es un factor de riesgo conocido para:

 glaucoma
 retinopatía diabética
 degeneración macular
 También puede afectar la visión al producir bloqueo venoso y bloqueo arterial en la retina, lo
que puede llevar a pérdida permanente de la visión.

Pulso.
El pulso es el número de latidos cardíacos por minuto. Forma en que se realiza el examen
El pulso se puede medir en zonas por las cuales la arteria pasa cerca de la piel. Estas incluyen:

 La parte posterior de las rodillas

 La ingle
 El cuello
 La sien
 La parte alta o la cara interna del pie
 La muñeca
Para medir el pulso en la muñeca, coloque los dedos índice y medio sobre la parte anterior de la
muñeca opuesta, debajo de la base del pulgar. Presione con los dedos hasta que sienta el pulso.
Para medir el pulso en el cuello, coloque los dedos índice y medio al lado de la manzana de Adán en
la depresión ligera y suave. Presione suavemente hasta que localice el pulso.

Siéntese o acuéstese antes de tomar el pulso del cuello. Las arterias del cuello en algunas personas
son sensibles a la presión. Se puede presentar desmayo o disminución de los latidos cardíacos.
Asimismo, no tome los pulsos en ambos lados del cuello al mismo tiempo. Hac er esto puede reducir
el flujo de sangre a la cabeza y llevar a que se presente desmayo.
Una vez que encuentre el pulso, cuente los latidos durante 1 minuto completo. O durante 30
segundos y multiplique por 2. Esto le dará los latidos por minuto.

Signos vitales:

Los signos vitales reflejan funciones esenciales del cuerpo, incluso el ritmo cardíaco, la frecuencia
respiratoria, la temperatura y la presión arterial. Su proveedor de atención médica puede observar,
medir y vigilar sus signos vitales para evaluar su nivel de funcionamiento físico.
Los signos vitales normales cambian con la edad, el sexo, el peso, la capacidad para ejercitarse y la
salud general.

Los rangos normales de los signos vitales para un adulto sano promedio mientras está en reposo
son:

 Presión arterial: 90/60 mm Hg hasta 120/80 mm Hg

 Respiración: 12 a 18 respiraciones por minuto
 Pulso: 60 a 100 latidos por minuto
 Temperatura: 97.8°F a 99.1°F (36.5°C a 37.3°C); promedio de 98.6°F (37ºC)

Un perfil lipídico, es un simple análisis de sangre que tiene como finalidad verificar sus niveles de
colesterol. El colesterol es una sustancia blanda y pegajosa que se encuentra dentro de su cuerpo.
El colesterol total está compuesto por tres partes: colesterol bueno o lipoproteínas de alta densidad
(HDL por sus siglas en inglés) y colesterol malo o lipoproteínas de baja densidad (LDL por sus siglas
en inglés), así como triglicéridos (un cierto tipo de grasa). Una prueba de perfil lipídico es importante
porque el colesterol puede obstruir sus arterias. Esto puede provocar una enfermedad cardíaca y un
accidente cerebrovascular.

El análisis de sangre se puede hacer en el consultorio de un médico, en un laboratorio o en un

hospital. Una enfermera o técnico de laboratorio inserta una aguja en una vena de su brazo para
colectar una pequeña muestra de sangre. A veces, la sangre puede ser colectada a través de un
pinchazo en su dedo. Su sangre se colectará en un tubo y se enviará a un laboratorio para su
análisis. Los resultados se enviarán a su médico y éste le notificará al respecto. La prueba se puede
hacer en cualquier momento del día.

El perfil de Hematología proporciona información importante sobre el tipo, número y apariencia de

las células sanguíneas, especialmente los glóbulos rojos, glóbulos blancos y plaquetas.

Es una de las pruebas más comunes ordenadas por los médicos. Un CBC puede proporcionar una
imagen instantánea de su salud general. Si no se siente bien, esta prueba puede proporcionarle a su
médico información importante sobre lo que podría estar causando su enfermedad.
Muchas veces, su médico ordenará un CBC como parte de un examen físico de rutina. Los
resultados de la prueba le proporcionarán a su médico un recuento de cuántas células sanguíneas
hay y también describirán su forma, tamaño y contenido. Los resultados de un CBC pueden revelar
una serie de condiciones de salud a su médico, desde anemia y algunos tipos de cáncer hasta
deficiencias de vitaminas y minerales.

Otras razones por las que su médico puede ordenar un CBC pueden ser:

 Si está enfermo y tiene fiebre o si sospecha algún tipo de infección.

 Si está cansado o está perdiendo peso sin intentarlo.
 Si tiene algún signo de cáncer, incluso debilidad general, hematomas o sangrado.
 Si tiene una afección que requiere que tome medicamentos diariamente, su médico puede
ordenar un CBC regularmente para asegurarse de que sus recuentos sanguíneos
permanezcan constantes.
Estos son algunos de los problemas de salud que puede identificar un CBC:

 anemia (baja en hierro)

 trastornos del sistema inmunológico
 problemas de médula ósea
 cáncer
 deshidratación
 enfermedad cardíaca
 infecciones
 inflamación
 deficiencias de vitaminas y minerales.

La prueba de la inmunoglobulina mide la concentración de distintos tipos de anticuerpos en la

sangre. El sistema inmunitario fabrica anticuerpos para proteger al cuerpo de bacterias, virus y
alérgenos.

El cuerpo fabrica distintos tipos de anticuerpos, o inmunoglobulinas, para luchar contra diferentes
tipos de cosas. Por ejemplo, el anticuerpo para la varicela no es el mismo que el anticuerpo para la
mononucleosis. A veces, el cuerpo hasta es capaz de fabricar por error anticuerpos contra sí mismo,
tratando a sus propios órganos sanos como si fueran invasores extraños. Esto se llama enfermedad
autoinmunitaria.
Hay varios tipos distintos de anticuerpos:

Inmunoglobulina A (IgA): se encuentra en los recubrimientos de las vías respiratorias y del sistema
digestivo, así como en la saliva, las lágrimas y la leche materna.
Inmunoglobulina G (IgG): es el tipo de anticuerpo que más abunda en el cuerpo. Se encuentra en
la sangre y en otros fluidos, y brinda protección contra las infecciones bacterianas y víricas. La IgG
puede tardar un tiempo en formarse después de una infección o vacunación.
Inmunoglobulina M (IgM): se encuentra principalmente en la sangre y en el líquido linfático; este es
el primer anticuerpo que fabrica el cuerpo para combatir una nueva infección.
Inmunoglobulina E (IgE): normalmente se encuentra en pequeñas cantidades en la sangre. Se
puede encontrar en cantidades superiores cuando el cuerpo reacciona de una manera exagerada a
los alérgenos o cuando está combatiendo una infección provocada por un parásito.
Inmunoglobulina D (IgD): existe en pequeñas cantidades en la sangre y es el anticuerpo que
menos se conoce.

¿Cómo se hace la prueba de la inmunoglobulina?

En la mayoría de los análisis de sangre, se extrae una muestra de sangre a partir de una vena. A tal
efecto, un profesional de la salud:

 Limpia la piel.
 Coloca una goma (torniquete) alrededor del área para que las venas se hinchen de
sangre.
 Inserta una aguja en una vena (generalmente en la cara interna del codo o en el dorso de
la mano).
 Extrae la muestra de sangre y la introduce en un frasco o jeringa.
 Extrae la goma y retira la aguja de la vena.

A veces la prueba de la hemoglobina se hace pinchando la yema de un dedo. El profesional de la

salud limpiará la punta del dedo de su hijo, luego le pinchará la yema con una pequeña aguja (o
lanceta) para recoger sangre.

En los bebés, la sangre se puede extraer a partir de una punción en el talón. Después de limpiar el
área, el profesional de la salud hará una pequeña punción en el talón del bebé con una pequeña
aguja (o lanceta) para recoger una pequeña muestra de sangre.

La extracción de una muestra de sangre solo provoca molestias de carácter temporal, y se puede
sentir como un breve pinchazo.

Hasta aquí mi informe de lectura de ¨parámetros para el análisis descriptivo¨ espero que sea
de su agrado maestra.
Gracias...