VALIDACIN DE MTODOS

Universidad de Antioquia-Escuela de Microbiologa

Recopilado por: Ing. Jose Alfredo Daz-correo electrnico: alfredodiazjose@gmail.com

1
1. Intervalos de confianza. Ejercicio1. Se requiere estimar el valor medio de
la marca de calibracin de un lote de pipetas para mediciones de 5 ml, en el que
se asume una distribucin normal con una desviacin estndar =0,1 ml. Para ello,
se toma aleatoriamente una muestra de n=10, se comprueban sus volmenes y se
obtiene una media de 4,98 ml. Determine los intervalos de confianza de las
mediciones al 90%, 95% y 99%.

En general, las medias aritmticas de valores procedentes de distribuciones
normales se encuentran normalmente distribuidas con el mismo valor esperado de
que el correspondiente a los valores individuales, pero con una desviacin
estndar ms pequea. Esto se puede expresar como
n
X

= , por lo que se
observa que la desviacin estndar de las medias, depende de la desviacin
estndar de los valores individuales y del nmero de unidades de muestras
estudiadas. En este caso, es vlida la siguiente relacin:

= |

\
|
+

1 . .
2 / 1 2 / 1
n
z X
n
z X P , que permite llegar a la frmula para
los intervalos:

(

+

n
z X
n
z X


. ; .
2 / 1 2 / 1
, para un nivel de confianza determinado ( 1 )

Los valores de
2 / 1
z para algunos niveles de confianza habituales son:

1
*

*
2 / 1
z
*
0,90 0,10 1,645
0,95 0,05 1,960
0,99 0,01 2,576
*Fuente: Estadstica para el aseguramiento en la calidad en microbiologa de alimentos y agua. 2005. Pgina 216


Fuente: Contraste de hiptesis. Bureau Veritas Business School. Depsito Legal: AS-03361-2007. 2007. Pgina 20.





VALIDACIN DE MTODOS
Universidad de Antioquia-Escuela de Microbiologa
Recopilado por: Ing. Jose Alfredo Daz-correo electrnico: alfredodiazjose@gmail.com

2
Con los datos del ejemplo, los intervalos de confianza para , al 90% al 95% y
99% son:

[ ] 032 , 5 ; 928 , 4
10
1 . 0
. 645 , 1 98 , 4 =
(

[ ] 042 , 5 ; 918 , 4
10
1 . 0
. 960 , 1 98 , 4 =
(

[ ] 061 , 5 ; 899 , 4
10
1 . 0
. 571 , 2 98 , 4 =
(

Ejemplo2. En este caso se quiere estimar el valor de la media , asumiendo una
distribucin normal pero siendo desconocida la desviacin estndar. La estimacin
, a partir de la desviacin estndar emprica s, se realiza utilizando los datos de
la muestra que se toma para estimar . En este caso la media aritmtica no
seguir una distribucin normal sino una distribucin t con (n-1) grados de libertad.

La frmula resultante para los intervalos de confianza ser:

(

+

n
s
t X
n
s
t X
n n
. ; .
) 2 / 1 ;( 1 ) 2 / 1 ;( 1


(Los valores de t para las diferentes combinaciones de y grados de libertad
posibles, se encuentran en tablas estadsticas)

Las n= 10 pipetas del ejemplo presentan una desviacin estndar s = 0,09ml. El
intervalo de confianza al 95% para , se calcula de la siguiente forma:

262 , 2
) 975 , 0 2 / 1 ;( 9 1
=
= = n
t , por lo que:

[ ] 0444 , 5 ; 9156 , 4
10
09 . 0
. 262 , 2 98 , 4 ;
10
09 . 0
. 262 , 2 98 , 4 =
(

+

Ejemplo 3. Se quiere estimar a partir de una muestra, el parmetro p (de una
distribucin binomial), por ejemplo estimar la proporcin de resultados falsos
negativos tcnica de presencia ausencia. Para ello, se realiza un ensayo con
n=100 replicados, utilizando muestras conocidas como positivas. En estas n
replicas se obtienen 25 resultados negativos y en 75 ocasiones el resultado fue
correcto positivo. La estimacin puntual de p es 25/100 = 0,25 p . Dado que el
nmero de pruebas es bastante grande (n>100), la estimacin puntual

p seguir




VALIDACIN DE MTODOS
Universidad de Antioquia-Escuela de Microbiologa
Recopilado por: Ing. Jose Alfredo Daz-correo electrnico: alfredodiazjose@gmail.com

3
aproximadamente una distribucin normal con varianza p . (1- p ). De esto, se
deduce la siguiente frmula para el intervalo de confianza:

(

n
p p
z p
n
p p
z p
) 1 .(
. ;
) 1 .(
.
2 / 1 2 / 1
, en el caso del ejemplo la varianza se
estima como p . (1- p ) = 0,25. 0,75 = 0,1875, siendo el intervalo de confianza al
95% el siguiente:
[ ] 335 , 0 ; 165 , 0
100
1875 , 0
. 96 , 1 25 , 0 ;
100
1875 , 0
. 96 , 1 25 , 0 =
(

+

2. ndice de dispersin: La distribucin de Poisson se considera el modelo para
la homogeneidad (en el sentido estadstico de la palabra). En microbiologa ese
modelo que sigue la inoculacin a partir de una muestra bien homogeneizada, por
lo que la variabilidad de los recuentos que sigan este modelo es nicamente al
azar. En el caso que se observe una dispersin mayor de la debida a la variacin
de Poisson, puede tratarse de una sobredispersin, lo que podra ser una
indicacin de una homogeneizacin incompleta, errores en la ejecucin del
procedimiento, etc. Sin embargo, hay que sealar que en la naturaleza
frecuentemente se produce la sobredispersin de los microorganismos debido a
diferentes razones. Por tanto, en todos los casos se debe realizar un estudio de la
sobredispersin, con el fin de comprobar si se puede asumir la distribucin de
Poisson o se debe realizar algn tipo de transformacin de los datos antes de
proceder al anlisis estadstico.

Una primera comprobacin de la sobredispersin en una serie de placas
inoculadas en paralelo, se realiza mediante el clculo de la media X y la varianza
2
S ,
a continuacin se comparan ambas. El modelo de Poisson se puede asumir
cuando estas dos medidas tienen un valor similar (
2
S X ), estos valores nunca
son idnticos, debe esperarse alguna diferencia entre ambos, ya que su clculo se
realiza a partir de los valores obtenidos con una muestra, los cuales tienen
tambin asociada una variacin propia. Consejo: Si las muestras proceden de una
distribucin de Poisson, los logaritmos naturales de los resultados deben presentar
una desviacin estndar prxima a 0,10.

Para comprobar si existe sobredispersin, se debe calcular un estadstico a partir
del cual se puede asumir que las muestras siguen la distribucin de Poisson. Esta
informacin sobre la distribucin es necesaria para obtener los lmites crticos y
para diferenciar entre la sobredispersin aleatoria de las muestras y cualquier otra
de mayor importancia. El estadstico de dispersin para n medidas individuales
i
x
, es el ndice de dispersin
2
D :




VALIDACIN DE MTODOS
Universidad de Antioquia-Escuela de Microbiologa
Recopilado por: Ing. Jose Alfredo Daz-correo electrnico: alfredodiazjose@gmail.com

4

=
= i
i i
n
i
i
x
x x n
x
x x
D
2
2
1
2
2
) (
) (

Un estadstico de dispersin alternativo es el ndice del coeficiente de ajuste
logartmico
2
G

= =
= i
i
i
i
i i
n
i
i
i
n
x
x x x
x
x
x G ln . 2 ln . 2 ln . 2
1
2

En los datos que siguen una distribucin Poisson, ambos estadsticos,
2
D y
2
G ,
presentaron una distribucin
2
x con (n-1) grados de libertad. En esta distribucin
el nmero de grados de libertad (n-1) proporciona el valor esperado
2
D o
2
G ,
respectivamente. Consejo: Ambas frmulas solamente son adecuadas si todos los
valores medidos tienen el mismo peso en los clculos, es decir, en los casos que
se evalan recuentos procedentes de inoculaciones en paralelo en las que se ha
utilizado el mismo volumen en todas las placas.

Ejemplo:
Para la serie de seis inoculaciones en paralelo en la que se obtienen los
resultados de recuento para n=6:

86, 113, 92, 98, 87, 94

La media 95 = X y la varianza 6 , 97
2
= S son bastante similares, dando lugar a una
relacin 03 , 1 /
2
= x S . El ndice de dispersin es 137 , 5
2
= D y ndice del coeficiente
de ajuste logartmico es 988 , 4
2
= G . En ambos casos los grados de libertad son:
n-1= 5




VALIDACIN DE MTODOS
Universidad de Antioquia-Escuela de Microbiologa
Recopilado por: Ing. Jose Alfredo Daz-correo electrnico: alfredodiazjose@gmail.com

5

3. Pruebas estadsticas. El objetivo de un anlisis estadstico es decidir si los
resultados de las muestras a menudo obtenidos en estudios experimentales
planificados concuerdan con las consideraciones tericas o hiptesis previamente
planteadas o, por el contrario presentan evidencias que las contradicen. Las
etapas del anlisis estadstico son:

- Formular la hiptesis estadstica a comprobar, esta se denomina generalmente
hiptesis nula
o
H . La hiptesis alternativa
1
H es contra la que se comprueba la
primera.
- Decidir el tamao de la muestra que debe estudiarse para tomar una decisin
- Decidir el denominado nivel de significacin para el anlisis, es decir, la
probabilidad con la que se va a rechazar la hiptesis nula en el caso que esto sea
cierto
- Decidir los clculos estadsticos que se aplicaran a los resultados de la muestra y
la estimacin de sus valores crticos segn sus niveles de significacin
seleccionados en esta etapa se define una regla de decisin
- Proceder a la recoleccin de datos, realizar los clculos estadsticos y tomar una
decisin segn la regla adoptada

Ejemplo: Se adquiere un nuevo lote de pipetas de 5 ml en el que las marcas de
calibrado siguen una distribucin normal con una desviacin estndar de = 0,1
ml. Se quiere comprobar si la media prevista es de 5 ml o si se produce un error
sistemtico que de lugar a una medida de volumen mayor o menor.

-La hiptesis estadstica que debe ser comprobada es
ml H
o o
5 : = = , frente a
ml H 5 :
1

-Se toma un numero de muestras de n=10
-El nivel de significacin fijado ser % 5 05 , 0 =
-El clculo estadstico indicado para este problema es la media aritmtica de los
resultados ya que constituye una buena estimacin de la media del lote del que se
ha extrado la muestra.
En el caso que
o
H sea realmente cierto, la media de la muestra X debe estar
incluida en el intervalo:
(

+

n
z
n
z
o o

. ; .
2 / 1 2 / 1
con una probabilidad de
95 , 0 1 = . En el ejemplo, este intervalo se calcula:

[ ] 062 , 5 ; 938 , 4
10
1 , 0
. 96 , 1 5 = , por tanto la regla de decisin ser:




VALIDACIN DE MTODOS
Universidad de Antioquia-Escuela de Microbiologa
Recopilado por: Ing. Jose Alfredo Daz-correo electrnico: alfredodiazjose@gmail.com

6
Rechazar
o
H , si 938 , 4 < X o si 062 , 5 > X , si esto no se cumple
o
H no podr ser
rechazada. Nota: una formulacin equivalente para la regla de decisin sera la
siguiente:

Se calcula el estadstico normalizado z:

n
x
z
o
/

= , a continuacin se compara este con sus lmites crticos
2 / 1
z
Si el valor de z se encuentra fuera de este intervalo, la hiptesis nula,
o
H se
rechaza. En el ejemplo, los lmites crticos para z son 96 , 1 . Teniendo en cuenta
que la media de la muestra es 4,98 ml, el resultado ser:

633 , 0
10 / 1 , 0
5 98 , 4
=

= z

Ejemplo 2: en este caso se supone que la desviacin estndar es desconocida.
As, anlogamente al intervalo de estimacin mencionado anteriormente, ser
estimada a partir de la desviacin estndar emprica S de la muestra. Por tanto,
los valores crticos se debern basar en la distribucin t en vez de la normal.
-La hiptesis estadstica que se va a comprobar se formula de nuevo como

ml H
o o
5 : = = , frente a
ml H 5 :
1

-Se toma un numero de muestras de n=10
-El nivel de significacin fijado ser % 5 05 , 0 =
-El clculo estadstico indicado para este problema es la media aritmtica de los
resultados por la misma razn que en el caso anterior

En el caso que
o
H sea realmente cierto estimado partir de la desviacin
estndar emprica S = 0,09 ml se puede deducir que la media de la muestra, debe
estar incluida en el intervalo

(

+

n
t
n
t
n o n o

. ; .
) 2 / 1 ;( 1 ) 2 / 1 ;( 1


Con una probabilidad de 95 , 0 1 = en el ejemplo este intervalo se calcula




VALIDACIN DE MTODOS
Universidad de Antioquia-Escuela de Microbiologa
Recopilado por: Ing. Jose Alfredo Daz-correo electrnico: alfredodiazjose@gmail.com

7
[ ] 0644 , 5 ; 9356 , 4
10
09 , 0
. 262 , 2 5 = , por tanto, la regla de decisin ser:
Rechazar
o
H , si 9356 , 4 < X o si 0644 , 5 > X , si esto no se cumple
o
H no podr ser
rechazada. Debido a que este clculo se basa en medias aritmticas que siguen
una distribucin t, se denomina prueba de significacin t. en la situacin descrita
aqu se efecta con una sola muestra (de 10 unidades) y un valor hipottico fijo
o

para la media.

Otra forma habitual de la prueba t es aquella diseada para comparar las medias
de dos series de muestras, en esta se comprueba la hiptesis nula,

2 1
: =
o
H ( 0 :
2 1
=
o
H ), frente a la alternativa
2 1 1
: H





VALIDACIN DE MTODOS
Universidad de Antioquia-Escuela de Microbiologa
Recopilado por: Ing. Jose Alfredo Daz-correo electrnico: alfredodiazjose@gmail.com

8
TABLA DE LA DISTRIBUCION t Student
La tabla da reas 1 y valores
r
t c
, 1
=
, donde,
= 1 ] [ c T P
, y donde T tiene distribucin t-
Student con r grados de libertad.

1
r 0.75 0.80 0.85 0.90 0.95 0.975 0.99 0.995
1 1.000 1.376 1.963 3.078 6.314 12.706 31.821 63.657
2 0.816 1.061 1.386 1.886 2.920 4.303 6.965 9.925
3 0.765 0.978 1.250 1.638 2.353 3.182 4.541 5.841
4 0.741 0.941 1.190 1.533 2.132 2.776 3.747 4.604
5 0.727 0.920 1.156 1.476 2.015 2.571 3.365 4.032

6 0.718 0.906 1.134 1.440 1.943 2.447 3.143 3.707
7 0.711 0.896 1.119 1.415 1.895 2.365 2.998 3.499
8 0.706 0.889 1.108 1.397 1.860 2.306 2.896 3.355
9 0.703 0.883 1.100 1.383 1.833 2.262 2.821 3.250
10 0.700 0.879 1.093 1.372 1.812 2.228 2.764 3.169

11 0.697 0.876 1.088 1.363 1.796 2.201 2.718 3.106
12 0.695 0.873 1.083 1.356 1.782 2.179 2.681 3.055
13 0.694 0.870 1.079 1.350 1.771 2.160 2.650 3.012
14 0.692 0.868 1.076 1.345 1.761 2.145 2.624 2.977
15 0.691 0.866 1.074 1.341 1.753 2.131 2.602 2.947

16 0.690 0.865 1.071 1.337 1.746 2.120 2.583 2.921
17 0.689 0.863 1.069 1.333 1.740 2.110 2.567 2.898
18 0.688 0.862 1.067 1.330 1.734 2.101 2.552 2.878
19 0.688 0.861 1.066 1.328 1.729 2.093 2.539 2.861
20 0.687 0.860 1.064 1.325 1.725 2.086 2.528 2.845

21 0.686 0.859 1.063 1.323 1.721 2.080 2.518 2.831
22 0.686 0.858 1.061 1.321 1.717 2.074 2.508 2.819
23 0.685 0.858 1.060 1.319 1.714 2.069 2.500 2.807
24 0.685 0.857 1.059 1.318 1.711 2.064 2.492 2.797
25 0.684 0.856 1.058 1.316 1.708 2.060 2.485 2.787

26 0.684 0.856 1.058 1.315 1.706 2.056 2.479 2.779
27 0.684 0.855 1.057 1.314 1.703 2.052 2.473 2.771
28 0.683 0.855 1.056 1.313 1.701 2.048 2.467 2.763
29 0.683 0.854 1.055 1.311 1.699 2.045 2.462 2.756
30 0.683 0.854 1.055 1.310 1.697 2.042 2.457 2.750

40 0.681 0.851 1.050 1.303 1.684 2.021 2.423 2.704
60 0.679 0.848 1.046 1.296 1.671 2.000 2.390 2.660
120 0.677 0.845 1.041 1.289 1.658 1.980 2.358 2.617
0.674 0.842 1.036 1.282 1.645 1.960 2.326 2.576