Académique Documents
Professionnel Documents
Culture Documents
ESTADSTICA
APLICADA A LA INVESTIGACIN
Y EPIDEMIOLOGIA
INDICE
1. Diseo de Estudio de Investigacin
1.1. Estudios de Observacin
1.2. Estudios Experimentales
Pgina
1
1
2
3
4
5
27
29
36
41
44
53
56
59
4. Medicin Epidemiolgica
4.1. Tasas
4.2. Relacin entre 2 caractersticas nominales
4.3. Evaluacin de Procedimientos de deteccin.
81
81
85
90
5. Tamao de muestra
5.1. Una poblacin
5.2. Dos poblaciones
93
93
97
63
71
76
Bibliografa
100
101
105
107
I.
Estudios de observacin
1.
2.
3.
4.
II.
Estudios experimentales
1. Pruebas clnicas controladas
a) Aleatorias
b) No aleatorias
2. Pruebas clnicas no controladas
Cuadro N 1
Tipo de variable Descripcin
Categrica
Cuantitativa
Escala
Nominal
Ejemplo
-sexo
-estado civil
Clasifica a los elementos (no establece -raza
orden)
en categoras o clases
Ordinal
-Dolor
-Color (intensidad)
(orden en
-Estado de enfermedad
categoras)
-Edad
Cuando asume valores
-talla
cuantitativos.
Numrica
-peso
- Discretos
-nmero de hijos
- Continuos
-tiempo de enfermedad
MEDIDAS DE RESUMEN
Llamadas tambin medidas descriptivas por que tienen por objeto describir la
naturaleza de la caracterstica en estudio.
Medida estadstica:
Hiptesis estadstica:
UN GRUPO O POBLACIN
Si la variable es cuantitativa, los parmetros de inters son la media
poblacional () y la varianza poblacional (2); as las hiptesis a formular sern
referidas a la media y varianza poblacional.
Variable: X (cuantitativa)
Poblacin
: Media
X
Medidas
(parmetros)
2: Varianza
Hiptesis:
H: > 50*
H: 2 < 10*
* valores hipotticos para este ejemplo
Poblacin
Sexo
H
P
M
1-P
Poblacin 1
Poblacin 2
X
1
21
Parmetros : 1
X
2
22
21; 2 ; 22
Hiptesis:
H: 21 < 22
H: 1 < 2
comparacin de
medias
comparacin de
varianzas
Poblacin 2
F no F
F no F
P1 1-P1
P2 1-P2
Parmetros : P1
P2
Hiptesis:
H: P1 = P2
comparacin de proporciones
1 21
2 22
K 2K
Parmetros : 1 ; 21; 2 ; 22
...
K 2K
Hiptesis:
H: 21 = 22 = ... = 2K
H: 1 2 ... K
comparacin de
medias
comparacin de
varianzas
C noC
C noC
C noC
P1 1-P1
P2 1-P2
PK 1-PK
Hiptesis:
Parmetros : P1
H: P1 P2 ... PK
P2; .... ; PK
comparacin de proporciones
H0: P = 0.05
H 0: P 1 = P 2
H1: P1 > P2
H 1:
El medicamento nuevo es ms
eficaz que el antiguo
10
1. H0: = k
H 1: k
(alternativa bilateral)
2. H0: k
H 1: < k
(alternativa unilateral)
3. H0: k
H 1: > k
(alternativa unilateral)
2) Decisin
Al realizar el proceso de prueba de hiptesis y utilizar la informacin que
proporciona una muestra, sta nos puede indicar una de dos posibles decisiones:
rechazar o no rechazar la hiptesis nula (H0).
Rechazar H0 a favor de H1. Significa que la diferencia encontrada en la muestra
respecto a lo planteado en H0 es tan grande que ya no es probable que se deba al
azar del muestreo, sino a que en la poblacin existe esta diferencia, es decir se
cumple H1.
No rechazar H0. Significa que la diferencia encontrada en la muestra con respecto
a lo planteado en H0 es pequea y puede deberse al azar del muestreo, por ello se
dice que no hay razones suficientes para rechazar la hiptesis nula.
11
3) Estadstica de la prueba
Una vez formuladas las hiptesis se debe considerar la utilizacin de la muestra
para la comprobacin de stas, es decir, el uso de una medida de la muestra
cuyos valores esperados se encuentren relacionados con lo expresado en las
hiptesis de manera que nos pueda servir como un indicador de la concordancia
de la muestra con una de las hiptesis planteadas.
Ejemplo 2.5
Se piensa que la vitamina C puede disminuir los niveles del colesterol srico, y
que esta disminucin en promedio es mayor de 50 mg. por 100 ml. Para confirmar
se evala una muestra de 40 personas (con niveles elevados de colesterol) antes
y despus de un tratamiento de un mes bajo un rgimen de 500 mg. diarios de
vitamina C.
Entonces las hiptesis estadsticas son formuladas de la siguiente manera:
H0: 50
H1: > 50
Estas hiptesis son referidas al valor de la disminucin promedio (), por lo que la
medida de la muestra relacionada con estas hiptesis es la media muestral ( x ), ya
que la media muestral se distribuye alrededor de la media poblacional, segn el
modelo normal.
De manera que si la hiptesis nula (H0) fuera cierta, esperaramos que la media de
la muestra, x , tome valor alrededor de 50 o menos; en cambio, si la hiptesis
alterna (H1) fuera la correcta, entonces esperaramos que x tome valor alrededor
de un valor mayor que 50; grficamente tenemos:
12
50
H1
> 50
H1: > 50
Z=
x 0
;
S
n
Z=
x 50
;
S
n
13
Si x 50
Si x > 50
Ejemplo 2.7
1. Prueba Z para la media
H0 : 0
H0 : = 0
Estadstica de la prueba :
Z=
x 0
S
n
14
H0 : 0
Estadstica de la prueba :
T =
x 0
S
n
H1 : P P 0
Estadstica de la prueba : Z =
p P0
P0 (1 P0 )
n
15
H1: > 50
Z =
x 50
S
n
Si x 50
Si x > 50
Regin de no Rechazo
16
5) Tipos de error
Al tomar una decisin sobre la base de la informacin que proporciona una
muestra, como desconocemos la situacin real de la poblacin, corremos el
riesgo de equivocarnos. As al no rechazar H0 cuando esta es verdadera no
cometemos error, en cambio si rechazamos H0 cuando es verdadera cometemos
un error. De manera similar si H0 es falsa (H1 es verdadera) y la muestra nos
indica no rechazar H0 cometemos un error en cambio si la muestra nos indicara
rechazar no cometemos error.
Poblacin
H0
Verdadera
H0
Falsa
H1
verdadera
La muestra indica
No rechazar H0
(no error)
Rechazar H0
(error tipo I)
No rechazar H0
(error tipo II)
Rechazar H0
(no error)
17
H1: = 60
1-
H1
1-
x
= 50
Regin de no rechazo
= 60
Regin crtica o de rechazo (R.C.)
H0
Z
0
2
Regin de no rechazo
como
Z =
x 50
S
n
Entonces
Luego
Z > 2
C = 50 + 2
Supongamos que n = 40 , y
x 50
> 2
S
n
x > 50 + 2
S
n
S
n
S = 16
C = 50 + 2
16
= 55
40
Con este valor para C podemos, ahora, calcular la probabilidad de error tipo II ()
para = 60, es decir
= P( x c; cuando = 60) =
x 60
55 60
= P
16 / 40
16 / 40
= P (Z 1.98 ) = 0.02385
1 - = 0.976
En el sentido ptimo deseamos contar con una regla de decisin para la cual las
probabilidades de cometer error sean pequeas, por ello el mtodo estadstico que
vamos a utilizar consiste en fijar (nivel de significancia), es decir, fijar el riesgo
que aceptamos correr de rechazar la hiptesis nula (H0) cuando esta es
verdadera.
Reforzando el significado prctico del nivel de significancia, podemos decir
que esta medida indica la probabilidad de que podamos encontrar un valor
muestral relativamente alejado del valor planteado en la hiptesis nula, cuando en
realidad el valor de la poblacin coincide con este supuesto. Por ello el nivel de
significancia se elige como un valor de 5%, 1% o 0,1% (1un milsimo) de manera
20
Ejemplo 2.10
Para las hiptesis formuladas anteriormente
H0: 50
H1: > 50
21
x = 58 ;
S = 16
x 0
58 50
= P(Z 3.16) = 0.00079
P
S
/
n
16
/
40
grficamente tenemos:
p = 0.00079
50
As
58
3.16
22
Cuadro N 2
p 0.001
Interpretacin
Indica que la diferencia encontrada
es no significativa y puede deberse
al azar del muestreo
Conclusin
No rechazar H0
No hay evidencia suficiente para rechazar.
23
Resumen
En esta unidad Ud. ha recibido las bases para la realizacin de una prueba de
hiptesis estadstica, la cual ser una herramienta muy til para la comprobacin
de los supuestos planteados en las investigaciones en las que Ud, participe. A
continuacin se presenta un esquema resumido del procedimiento a seguir para la
realizacin de una prueba de hiptesis
24
Ejercicio Aplicativo N 1
RENDIMIENTO ESCOLAR Y DESARROLLO VISOMOTOR EN HIJOS DE
MADRES ADOLESCENTES
Silvestre N, Villena A. Gonzles G, Instituto de Investigaciones de la Altura. Dpto.
de Ciencias Fisiolgicas. Universidad Peruana Cayetano Heredia. (Revista Mdica
Herediana 7. Suplemento 1, 1996. pg 6)
El objetivo del presente estudio fue determinar el desarrollo visomotor y el
rendimiento escolar en hijos de madres adolescentes y compararlos con los
observados en hijos de madres adultas. La muestra estuvo constituida por 59
nios de 7-8 aos de edad, mestizos que residen en la ciudad, hijos de madres
adolescentes, y 73 nios de 7-8 aos de edad, hijos de madres adultas ( > 20
aos). El desarrollo visomotor fue evaluado utilizando la prueba de Bender. El
rendimiento escolar fue analizado en base al porcentaje de nios de cada grupo
que desaprob el ao escolar ( 10).
La prueba de Bender se basa en el nmero de errores que tiene un nio cuando
trata de reproducir nueve figuras que les han sido mostradas.
Los hijos de madres adolescentes tuvieron el mayor nmero de errores(6,34
0,38; media ES) en la prueba de Bender cuando se les compara con los
resultados en hijos de madre adulta (4,75 0,24; p < 0.001)
El 13,8% de hijos de madres adolescentes desaprobaron el ao escolar a
diferencia del 4,3% observado en hijos de madre adulta (p <0.01)
En conclusin, los hijos de madres adolescentes tienen un retardo en el desarrollo
visomotor y un menor rendimiento escolar que los hijos de madres adultas
Para esta investigacin identifique
1) Poblacin o poblaciones bajo estudio
25
4) Hiptesis estadsticas
26
3.
PRUEBAS PARAMTRICAS
Variable
de inters
cuantitativa
Uno
Categrica
Dos
cuantitativa
Categrica
K
(K 3)
cuantitativa
Parmetro
Poblacional
Media :
Prueba Estadstica
Prueba Z
Prueba T
Varianza: 2
Prueba Ji-Cuadrado
Proporcin: P Prueba Z
Medias: 1, 2 Prueba de comparacin
de medias: Prueba Z o T
Media de la
diferencia: d Prueba - datos apareados
Prueba de comparacin
de varianzas
Varianzas:
Prueba F
21, 22
Prueba de comparacin
Proporciones: de proporciones
P1, P2
Prueba Z
Prueba de comparacin
Medias :
de medias
Anlisis
de
Varianza
1, 2, ..., k
(Prueba F)
Prueba de Bartlet para
Varianzas:
21, 22, ..., 2k comparacin de varianzas
27
Cuadro N 4
Nmero de
Grupos
PRUEBAS NO PARAMTRICAS
Variable
de inters
Hiptesis
Prueba Estadstica
Prueba de bondad de
Distribucin de la ajuste
Cuantitativa, poblacin tiene
Ordinal o
un modelo deter- Prueba Ji-Cuadrado
categrica
minado
Prueba de Kolmogorov
Smirnov
Uno
Ordinal o
cuantitativa
Categrica
Dos
Ordinal o
cuantitativa
Categrica
Ordinal
cuantitativa
K
(K 3)
Categrica
Prueba de Friedman
Prueba de comparacin
de proporciones o de
homogeneidad
Prueba Ji-Cuadrado*
Comparacin de
tratamientos
(Observaciones Prueba de Cochran
relacionadas)
* Slo esta prueba ser desarrollada en este curso
28
H1: 0
b) H0: 0
H1: > 0
c) H0: 0
H1: < 0
Estadstica de la prueba
Z=
x 0
/ n
Regla de decisin
a) Rechazar H0 al nivel , si
Z < -Z1-/2
/2
Z > Z1-/2
/2
Z
-Z1-/2
R.C.
Z1-/2
R.C.
29
Z > Z1-
Z
0
c) Rechazar H0 al nivel , si
Z1-
R.C.
Z < -Z1-
-Z1-
R.C.
Nota
Si la varianzas 2, es desconocida, entonces, slo cuando la muestra sea
grande (n 30 ), la estadstica Z se obtendr como
Z =
x 0
S/ n
Ejemplo 1
Se llev a cabo un estudio sobre nutricin en un pas en desarrollo. El objetivo del
estudio fue determinar si los habitantes de una regin rural tenan un consumo
diario mnimo de 2000 caloras, que cubriera sus requerimientos bsicos para la
supervivencia. Una muestra de 500 adultos campesinos report un consumo
medio diario de caloras de 2015 con una desviacin estndar de 210 caloras.
De acuerdo a los objetivos propuestos, planteamos hiptesis para el consumo
promedio diario de caloras en la regin:
H1: > 2000
H0: = 2000
Recordemos que plantear que el consumo medio diario de la poblacin es de 2000
caloras, implica que el 50% de la poblacin consume menos de 2000 caloras y
30
50% 50%
> 2000
= 2000
Como la muestra es grande calculamos
Z=
x 0
S/ n
2015 2000
= 1.598
210 / 500
p = 0.0548
Z
1.598
31
H1: 0
b) H0: 0
H1: > 0
c) H0: 0
H1: < 0
Estadstica de la prueba
T =
x 0
S/ n
Regla de decisin
a) Rechazar H0 al nivel , si
T < -t1-/2
/2
T > t1-/2
/2
T
-t1-/2
R.C.
t1-/2
R.C.
32
b) Rechazar H0 al nivel , si
T > t1-
T
0
c) Rechazar H0 al nivel , si
t1-
R.C.
t < -t1-
T
-t1-
R.C.
Ejemplo 2
Un laboratorio farmacutico conduce una investigacin relativa a la eficacia de una
vacuna contra el sarampin. La variable considerada es el ttulo de anticuerpos en
suero producido por la vacuna.
La vacuna producida por otro laboratorio reporta un ttulo promedio
de
anticuerpos de 1.9.
Para probar si la nueva vacuna es ms eficaz que la vacuna antigua, se aplic la
vacuna a 16 voluntarios y se obtuvo los siguientes resultados:
1.2, 3.0, 2.5, 2.4, 1.9, 1.8, 1.5, 2.6, 2.7, 3.1, 1.7, 2.3, 2.2, 2.4, 2.2, 2.1
Luego aqu planteamos las hiptesis
H 0:
H1: El ttulo promedio del anticuerpo de esta nueva vacuna es mayor que la de la
vacuna antigua ( > 1.9)
33
T=
x 0
S/ n
S = 0.518
2.225 1.9
= 2.51
0.518 / 16
t (15 )
p = 0.012
t (15 )
2.51
ESTE RESULTADO NOS INDICA QUE LOS DATOS SON CONCORDANTES
CON UN VALOR PROMEDIO MAYOR A 1.9, PUES LA DIFERENCIA
ENCONTRADA ES MUY SIGNIFICATIVA (p = 0.012).
LUEGO PODRAMOS CONCLUIR QUE LA NUEVA VACUNA PRODUCE
TTULOS DE ANTICUERPOS SIGNIFICATIVAMENTE MAYORES QUE LOS
PRODUCIDOS POR LA VACUNA ANTIGUA.
34
Prueba
a) H0: = 0
H1: 0
b) H0: 0
H1: > 0
c) H0: 0
H1: < 0
Requisitos
Estadstica
de la prueba
Distribucin de Decisin:
La estadstica Rechazar H0
Si H0 es cierta Al nivel si
Varianza 2 conocida
-Todo n de poblacin
Normal
- n grande de cualquier
poblacin
x 0
Z=
/ n
Normal
Varianza 2 desconocida
- n grande (n > 30)
de cualquier poblacin
x 0
Z =
S/ n
Normal
Varianza 2 desconocida
- n < 30 de poblacin
Normal
x 0
T=
S/ n
t-Student
N(0,1)
N(0,1)
t(n -1)
a) Z < -Z1-/2
Z > Z1-/2
b) Z > Z1-
c) Z < -Z1-
a) Z < -Z1-/2
Z > Z1-/2
b) Z > Z1-
c) Z < -Z1-
a) T < -t1-/2
T > t1-/2
b) T > t1-
c) T < -t1-
35
Requisitos:
1) La muestra es aleatoria
2) La poblacin es normal.
Hiptesis:
a) H0: 2 = 20
H 1: 2 20
b) H0: 2 20
H 1: 2 > 20
c) H0: 2 20
H 1: 2 < 20
Estadstica de la prueba:
X =
2
(n 1) S 2
02
2( n 1)
, si H0 es verdadera.
Regla de decisin:
si X2 < 2 / 2
a) Rechazar H0 al nivel ,
X2 > 12 / 2
/2
/2
X2
2 / 2
R.C.
12 / 2
R.C.
36
b) Rechazar H0 al nivel ,
si
X2 >
12
X2
12
R.C.
c) Rechazar H0 al nivel ,
si X2 < 2
X2
R.C.
Ejemplo 3
Para que un medicamento sea eficaz contra cierta enfermedad debe tener cierta
concentracin del principio activo definida con exactitud. Por esta razn la
concentracin de dichos medicamentos debe tener un valor medio de acuerdo a
lo especificado en su envase y, adems, la variacin de la concentracin debe ser
pequea. De no ser as las farmacias estaran expendiendo medicamentos que
podran tener concentraciones peligrosamente elevadas o que podran tener una
concentracin tan baja que los hara ineficaces.
Un fabricante de cierto medicamento registra en sus envases que su producto
tiene una concentracin del principio activo de 5 0.1 mg/cc.
Esta afirmacin nos llevara a plantear que la distribucin de la concentracin de
este medicamento sera normal con media = 5 y desviacin estndar
= ( 0.1) /3 = 0.033
37
99.7%
X
5
y
4.9
3 = 0.1
5.1
3 = 0.1
H 1: 5
se tom una muestra de 8 envases para los cuales se obtuvo las siguientes
concentraciones en mg /cc
4.94, 5.09, 5.03, 4.90, 4.95, 5.04, 5.02, 4.93
Como la eleccin de la prueba para las hiptesis formuladas acerca de la media,
en el caso de muestras pequeas, depende de que se conozca la varianza de la
poblacin; primero probaremos las hiptesis para la varianza
De la muestra observada obtenemos:
n=8;
x = 4.9875;
S2 = 0.00439;
S=0.0663
38
Luego
(n 1) S 2 7(0.00439 )
X =
=
= 28.21
(0.033 ) 2
20
2
X2
p utilizando la
2
( 7)
p < 0.001
2( 7)
28.21
Luego, este resultado nos indica que la diferencia encontrada es muy grande
y que es casi improbable que se deba a la variabilidad del muestreo por lo
que concluimos: Que el fabricante de este medicamento est elaborando el
producto con una concentracin cuya variabilidad es mucho mayor que la
especificada en sus envases (desviacin estndar = 0.033 mg/cc), pues la
diferencia encontrada es altamente significativa (p < 0.001)
Entonces, como se ha rechazado el valor supuesto para la varianza, la prueba de
las hiptesis para la media la realizaremos utilizando la prueba T para muestras
pequeas con varianza poblacional desconocida.
H 0: = 5
H 1: 5
39
T=
x 0
S/ n
4.9875 5
= 0.533
0.0663 / 8
t (7)
p > 0.25
2
t (7)
- 0.533
Por ser una prueba de alternativa bilateral
Este resultado nos indica que los datos son concordantes con el valor 5 para la
media poblacional, ya que la diferencia encontrada es pequea y es altamente
probable que se deba al azar del muestro
Concluimos que no podemos rechazar lo especificado por el fabricante para la
concentracin media del medicamento (5 mg/cc), pues no hay evidencia suficiente
(p > 0.05)
40
Hiptesis:
a) H0: P = P0
H 1: P P 0
b) H0: P P0
H 1: P > P 0
c) H0: P P0
H 1: P < P 0
Estadstica de la prueba:
Z=
p P0
P0 (1 P0 )
n
Z es N(0,1), si H0 es verdadera
Regla de decisin
a) Rechazar H0 al nivel , si
Z < -Z1-/2
/2
Z > Z1-/2
/2
-Z1-/2
R.C.
Z1-/2
R.C.
41
b) Rechazar H0 al nivel , si
Z > Z1-
0
c) Rechazar H0 al nivel , si
Z1-
R.C.
Z < -Z1-
-Z1-
R.C.
Nota
Si la poblacin es finita, es decir, la muestra (n) es mayor al 10% de la
poblacin (N) (n > 0.10 N), entonces la estadstica Z se obtendr como
Z=
p P0
P0 (1 P0 ) N n
n
N 1
Ejemplo 4
Luego de la realizacin de un programa de inmunizacin contra la rubola, se
inform que la inmunizacin haba tenido una cobertura del 50% de los nios de
primaria. Una institucin supervisora sospecha que se ha sobrevalorado la
cobertura del programa, por lo que aplic una encuesta a 500 nios de primaria,
revelando que 150 nios haban sido inmunizados. Al 5% de significancia
podremos decir que estos resultados validan lo afirmado acerca de la cobertura
del programa de inmunizacin?
42
P = 150 = 0.30
500
Calculamos la estadstica Z
Z=
p P0
0.30 0.50
=
= 8.944
P0 (1 P0 )
0.50(0.50)
500
n
43
Hiptesis:
a) H0: 1 = 2
H1: 1 2
H0: 1 - 2 = 0
H1: 1 - 2 0
b) H0: 1 2
H1: 1 > 2
H0: 1 - 2 0
H1: 1 - 2 > 0
c) H0: 1 2
H1: 1 < 2
H0: 1 - 2 0
H1: 1 - 2 < 0
Estadstica de la prueba
Z =
( x1 x 2 )
12 22
n1
n2
44
Regla de decisin
a) Rechazar H0 al nivel , si
Z < -Z1-/2
Z > Z1-/2
/2
/2
-Z1-/2
R.C.
b) Rechazar H0 al nivel , si
Z1-/2
R.C.
Z > Z1-
0
c) Rechazar H0 al nivel , si
Z1-
R.C.
Z < -Z1-
-Z1-
R.C.
Nota
Si las varianzas 21, 22 son desconocidas, entonces slo cuando las
muestras sean grandes (n1 30 , n2 30), la estadstica Z se obtendr como
Z=
( x1 x 2 )
S 12 S 22
+
n1 n2
45
Ejemplo 5
Un epidemilogo desea comparar dos vacunas para la rabia. Las personas que
previamente haban recibido dichas vacunas se dividieron en dos grupos. El grupo
1 recibi una dosis de refuerzo de la vacuna del tipo 1 y el grupo 2 recibi una
dosis de refuerzo de la vacuna tipo 2. Las respuestas de los anticuerpos se
registraron dos semanas despus. Las medias, desviaciones estndar y tamaos
de las muestras para los dos grupos fueron los siguientes:
Tamao de Media
Grupo La muestra
x
1
2
30
49
4.5
2.5
Desv. est.
S
2.5
2.0
1 = 2
H1: Existe diferencia en la efectividad de las dos vacunas utilizadas para dosis de
refuerzo.
1 2
Por ser muestras grandes y no contar con las varianzas poblacionales, calculamos
Z=
( x1 x 2 )
2
1
2
2
S S
+
n1 n 2
4.5 2 .5
2
(2.5 )
( 2.0 )
+
30
49
= 3.71
46
p = 0.0001
2
Z
3.71
p/2 = P (Z 3.71) = 0.0001
Requisitos:
1)
2)
3)
4)
Hiptesis:
a) H0: 1 = 2
H1: 1 2
H0: 1 - 2 = 0
H1: 1 - 2 0
b) H0: 1 2
H1: 1 > 2
H0: 1 - 2 0
H1: 1 - 2 > 0
47
c) H0: 1 2
H1: 1 < 2
H0: 1 - 2 0
H1: 1 - 2 < 0
Estadstica de la prueba
( x1 x2 )
T=
;
1 1
Sp
+
n1 n2
2
p
Regla de decisin
a) Rechazar H0 al nivel , si
T < -t1-/2
T > t1-/2
/2
/2
-t1-/2
R.C.
b) Rechazar H0 al nivel , si
t1-/2
R.C.
T > t1-
t1-
R.C.
48
c) Rechazar H0 al nivel , si
t < -t1-
-t1-
R.C.
Nota
Si no se cumple el requisito de que las varianzas sean semejantes (es decir
21 22 ), entonces la estadstica T se obtendr como:
T =
( x1 x 2 )
S12 S 22
+
n1 n2
v=
S 12 S 22
n +n
2
1
( ) +( )
S 12
n1
n1 + 1
S 22
n2
n2 + 1
Ejemplo 6
Con el objeto de determinar si la privacin del sueo tiene algn efecto sobre la
frecuencia de la onda alfa del electroencefalograma de las personas, a veinte
personas voluntarias se dividi al azar en dos grupos. Las personas del grupo A
se sometieron a un perodo de privacin del sueo de 10 das, mientras que las
del grupo B sirvieron de control. Al trmino del perodo experimental, se registr la
49
10.2, 9.5, 10.1, 10.0, 9.8, 10.9, 11.4, 10.8, 9.7, 10.4
Grupo B:
11.0, 11.2, 10.1, 11.4, 11.7, 11.2, 10.8, 11.6, 10.9, 10.9
A = B
H1: Existe diferencia en la frecuencia de la onda alfa para las personas sometidas
a privacin del sueo respecto a las que no fueron sometidas a la privacin.
A B
Por ser muestras pequeas y no contar con las varianzas poblacionales, antes de
aplicar la prueba T para comparacin de medias, con los datos obtenidos para el
nivel alfa en cada grupo, se debe comprobar si estas muestras validan los
requisitos de poblacin normal y varianzas semejantes, lo cual es aceptado
Como se cumplen los requisitos de poblaciones normales y varianzas semejantes
aplicaremos la prueba T sin correccin de los grados de libertad, luego calculamos
Tamao de Media
Grupo La muestra
x
A
B
10
10
10.28
11.08
Desv. est.
S
0.5978
0.4590
50
Varianza comn
(n 1 1)S 12 + (n 2 1)S 22
9(0.5978 ) 2. + 9(0.459 ) 2
S =
=
= 0.284
n1 + n2 2
18
2
p
T=
10.28 11.08
( x1 x 2 )
=
= 3.357
1 1
1
1
0.284
Sp
+
+
10 10
n1 n 2
t (18 )
p < 0.005
2
t (18 )
-3.357
Por ser una prueba de alternativa bilateral
p < 0.01
Luego concluimos que esta muestra es una evidencia de que existe diferencia en
la frecuencia de la onda alfa para las personas sometidas a privacin sensorial
respecto a las que no fueron sometidas a la privacin, es decir, que la privacin
sensorial en las personas tienen efecto sobre la frecuencia de la onda alfa de las
personas (p < 0.01)
Resumimos las pruebas de hiptesis para la comparacin de medias
poblacionales en el cuadro N 6
51
Cuadro N 6
PRUEBA DE HIPTESIS PARA DIFERENCIA DE MEDIAS
a) H0: 1 - 2 = 0
H1: 1 - 2 0
b) H0: 1 - 2 0
H1: 1 - 2 > 0
H1: 1 - 2 < 0
c) H0: 1 - 2 0
Prueba
Requisitos
(Grupos
independientes)
Varianzas 21, 22
conocidas
-Todo n1, n2 de poblaciones normales
- n1 30, n2 30 de
cualquier poblacin
Varianzas 21, 22
desconocidas
- n1 30, n2 30 de
cualquier poblacin
( x1 x 2 )
Normal
Decisin:
Rechazar H0
Al nivel si
a) Z < -Z1-/2
Z > Z1-/2
Z=
12 22
+
n1 n 2
N(0,1)
b) Z > Z1-
( x1 x 2 )
Normal
c) Z < -Z1-
a) Z < -Z1-/2
Z > Z1-/2
Z =
S12 S 22
+
n1 n2
N(0,1)
b) Z > Z1-
c) Z < -Z1-
( x1 x 2 )
Varianzas 21, 22
desconocidas, pero
semejantes
T =
( n1 1) S + (n 2 1) S
n1 + n 2 2
S p2 =
2
1
t-Student
Varianzas 21, 22
Desconocidas y diferentes
- n1 < 30, n2 < 30 de
poblaciones normales
a) T < -t1-/2
T > t1-/2
1
1
+
n1 n 2
Sp
v=
( x1 x 2 )
2
1
b) T > t1-
c) T < -t1-
S12 S 22
+
n
n
2
1
2
n1
S 22
b) T > t1-
c) T < -t1-
( ) +( )
S12
a) T < -t1-/2
T > t1-/2
2
2
S
S
+
n1 n2
n1 + 1
t-Student
2
2
t(n1 + n2 -2)
T =
Distribucin de
la estadstica
Si H0 es cierta
Estadstica
de la prueba
n2
n2 + 1
t(v)
52
Hiptesis
a) H0: d = d0
H1: d d0
b) H0: d d0
H1: d > d0
c) H0: d d0
H1: d < d0
Z=
d d0
Sd / n
o la
T=
d d0
Sd / n
53
Ejemplo 7
Doce personas participaron en un experimento para estudiar la efectividad de
cierta dieta, combinada con un programa de ejercicio, en la reduccin de los
niveles de colesterol en suero en al menos 10 unidades. La tabla muestra los
niveles de colesterol en suero para las 12 personas al principio del programa
(Antes) y al final del mismo (Despus).
Diferencia
Colesterol en suero
di
Persona Antes (X1) Despus (X2)
1
201
193
8
2
231
236
-5
3
221
216
5
4
260
233
27
5
228
214
14
6
237
216
21
7
326
296
30
8
235
195
40
9
240
207
33
10
267
247
20
11
284
260
24
12
201
209
-8
La hiptesis del estudio sera:
H1: d > 10
54
d = 17.417 ;
S d = 14.98
T =
d d0
17.417 10
=
= 1.715
S d / n 14.98 / 12
t (11)
p <0.05
t (11)
1.715
Luego podemos concluir que la muestra es una evidencia significativa (p < 0.05)
de que esta dieta combinada con un programa de ejercicio es efectiva para reducir
los niveles de colesterol en suero en al menos 10 unidades.
55
Hiptesis:
a) H0 : 21 = 22
H 1 : 21 22
b) H0 : 21 22
H1 : 21 > 22
c) H0 : 21 22
H 1 : 21 < 22
Estadstica de la Prueba
S12
F= 2
S2
Si H0 es cierta, F tiene distribucin F(n1-1, n2-1) ; donde n1 -1 y n2 1 son los
grados de libertad del numerador y denominador.
Regla de decisin
a) Rechazar H0 al nivel ,
si F < F2
F > F1 2
/2
/2
F
F2
R.C.
F1 2
R.C.
56
b) Rechazar H0 al nivel ,
si
F > F1
F
F1
R.C.
c) Rechazar H0 al nivel ,
si F < F
F
F
R.C.
Ejemplo 8
En el ejemplo 6, para poder aplicar la prueba T para comparar las medias de dos
grupos, uno de los requisitos que deben cumplir los datos es que las varianza de
ambos grupos sean semejantes, requisito que probaremos con la prueba F
Hiptesis:
H0 : 2A = 2B
H1 : 2A 2B
Donde:
A es el grupo de personas a las que se someti a un periodo de privacin
sensorial de 10 das
B es el grupo control
Variable : Frecuencia de la onda alfa, componente de los electroencefalogramas
para cada persona
Los resultados obtenidos fueron:
57
Grupo A:
10.2, 9.5, 10.1, 10.0, 9.8, 10.9, 11.4, 10.8, 9.7, 10.4
Grupo B:
11.0, 11.2, 10.1, 11.4, 11.7, 11.2, 10.8, 11.6, 10.9, 10.9
Tamao de Media
Grupo La muestra
x
A
B
10
10
Desv. est.
S
10.28
11.08
0.5978
0.4590
F = (0.5978)2 = 1.696
(0.4590)2
F0.025(9,9) = 0.2448
y 1-/2
F0.975(9,9) = 4.03
58
Requisitos:
1. Los n1 resultados de la muestra de la poblacin 1 son mutuamente
independientes y de igual manera los n2 resultados de la muestra de la
poblacin 1 tambin son mutuamente independientes.
2. Cada resultado de las n1 observaciones de la muestra de la poblacin 1
tiene probabilidad P1 de estar en la categora 1 y Cada resultado de las n2
observaciones de la muestra de la poblacin 2 tiene probabilidad P2 de
estar en la categora 1.
3. Las muestras son grandes (n1 30 y n2 30)
4. Las poblaciones son infinitas (n1 0.10 N1 y n2 0.10 N2), es decir las
muestras son a lo ms el 10% de la poblacin correspondiente
Hiptesis:
a) H0: P1 P2 = 0
H 1: P 1 P 2 0
b) H0: P1 P2 0
H 1: P 1 P 2 > 0
c) H0: P1 P2 0
H 1: P 1 P 2 < 0
Estadstica de la prueba
Z=
p1 p 2
Sp1 p 2
Z es N(0,1), si H0 es verdadera
Donde:
S p1 p 2 =
p(1 p ) p(1 p )
+
n1
n2
59
x1 + x2
n1 + n2
p =
p1 =
x1
n1
p2 =
x2
n2
Regla de decisin
a) Rechazar H0 al nivel , si
Z < -Z1-/2
Z > Z1-/2
/2
/2
-Z1-/2
R.C.
b) Rechazar H0 al nivel , si
Z1-/2
R.C.
Z > Z1-
0
c) Rechazar H0 al nivel , si
Z1-
R.C.
Z < -Z1-
-Z1-
R.C.
60
Ejemplo 9
En el Ejercicio aplicativo N 1, los investigadores tenan por objeto comparar el
desarrollo visomotor y el rendimiento escolar de hijos de madres adolescentes
con el de los hijos de madres adultas.
El desarrollo visomotor fue evaluado utilizando la prueba de Bender (Nmero de
errores que tiene el nio cuando trata de reproducir nueve figuras que le han sido
mostradas).
El rendimiento escolar fue analizado sobre la base del porcentaje de nios de
cada grupo que desaprob el ao escolar.
Luego para realizar la comparacin, las hiptesis estadsticas planteadas han sido:
1) Para la comparacin del desarrollo visomotor
H0: 1 = 2
El promedio de errores de la prueba de Bender para hijos de madres adolescentes
es igual al promedio de los hijos de madres adultas.
H1: 1 > 2
El promedio de errores en la prueba de Bender es mayor para hijos de madres
adolescentes que para los hijos de madres adultas ( lo que indica desarrollo
visomotor retardado)
2) Para la comparacin del rendimiento escolar
H 0: P 1 = P 2
El porcentaje de nios que desaprob el ao escolar es igual para los hijos de
madres adolescentes que para los hijos de madres adultas.
H 1: P 1 > P 2
El porcentaje de nios que desaprob el ao escolar es mayor para los hijos de
madres adolescentes que para los hijos de madres adultas. (lo que indica menor
rendimiento escolar)
La tabla siguiente resume los resultados obtenidos
Muestra Media de Desv. est. de la Porcentaje de
n
Errores( x ) Media (SE=S/n) desaprobados
Madres adolescentes
59
6.34
0.38
13.8% (8)*
Madres adultas
73
4.75
0.24
4.3% (3)*
Grupo
61
Z=
( x1 x 2 )
2
1
2
2
S
S
+
n1 n 2
6.34 4.75
0.38 + 0.24
2
= 3.53
p =
Sp1 p2 =
x1 + x2
8+3
=
= 0 . 083
59 + 73
n1 + n2
p(1 p) p(1 p)
0.083 (0.917) 0.083 (0.917)
+
=
+
= 0.048
n1
n2
59
73
62
Z=
p 1 p 2 0.136 0.041
=
= 1.979
S p1 p 2
0.048
63
Requisitos:
1) Las muestras son aleatorias e independientes.
2) Las poblaciones son normales
3) Las poblaciones tienen varianzas iguales (es decir, 21 = 22 = ..... = 2k ).
Hiptesis:
H0: 1 = 2 = ..... = k
Todos los grupos tienen la misma media. No hay diferencia entre los
tratamientos.
1
2
k
H1: i j para algn i j
La media de alguno de los grupos difiere de la media de alguno de los otros
grupos. Existe diferencia entre los tratamientos.
.........
64
Estadstica de la Prueba
F =
SCG / K 1
SCE / N K
........... Grupo k
...........
XK1
...........
XK2
...........
XK3
:
:
:
:
........... XKnk
...........
xK
...........
S2K
...........
nK
x
S2
N
K
Donde:
x 1 , x 2 , ...., x K
y n1, n2 , ....., nK
Son las medias , varianzas y el nmero de datos de la muestra de cada uno de los
k grupos
k
S2
N = ni
i =1
65
SCG =
(x i x )2 n i
i =1
SCE =
S 2i (n i 1)
i =1
Regla de decisin:
Rechazar H0 al nivel , si F > F1
Nota:
Al realizar el anlisis de varianza los resultados, usualmente, son presentados en
un cuadro llamado cuadro o tabla de Anlisis de varianza o ANOVA como el
siguiente:
Cuadro N 6.
ANOVA DE UN FACTOR
Fuente de
Suma de Grados de Cuadrado Razn Probabilidad
variacin Cuadrados libertad
Medio
F
p
Tratamientos
o Grupos
SCG
K-1
P*
A = SCG/ K-1 F = A/E
Error
SCE
N-k
Total
SCT
N-1
E = SCE/N-k
Ejemplo 10
Los siguientes datos son muestras de los pesos de nios al nacer tomados de 4
hospitales, se desea comprobar si existe diferencia entre los pesos medios de los
nios nacidos en estos 4 hospitales
Los datos se listan a continuacin (peso en kg.)
66
x = 3.500
S2 = 0.200
N = 40
1.835
0.612
Error
5.959
36
0.166
Total
7.793
39
3.695
0.0204
Como p < 0.05, podemos decir que las muestras son evidencia de que existe
diferencia significativa entre los pesos medios de los recin nacidos en los 4
hospitales.
67
W = q ( ,k ,N k )
CME / n
donde:
q es un valor tabular proporcionado en la tabla C1 para la prueba de Tukey
CME = SCE/N-k
n es el nmero de datos en cada grupo
si la diferencia absoluta entre las medias de dos grupos es mayor que W ,
decimos que estos grupos tiene medias que difieren significativamente. Esto es:
Si
x i x j W
W * = q ( , k , N k )
CME / n*j
donde n j es el tamao de muestra mas pequeo entre las dos muestras cuyas
medias se van a comparar
Si
x i x j W*
68
Ejemplo 11
Continuando con el ejemplo, tenemos que como las muestras son del mismo
tamao, entonces el coeficiente para la comparacin mltiple es:
W = q0.05( 4 , 36 )
Hospital
Peso medio
(kg)
3.677
3.440
3.707
3.175
69
95% CI PESO
4.0
3.8
3.6
3.4
3.2
3.0
2.8
N=
10
10
10
10
HOSPITAL
De la comparacin mltiple, podemos concluir que los pesos medios de los nios
nacidos en los 4 hospitales difieren en general debido a que el peso medio de los
nios nacidos en el hospital 4 es significativamente menor que el peso medio de
los nios nacidos en los hospitales 1 y 3.
Estos resultados los podemos agrupar estableciendo grupos homogneos, es
decir grupos en los que la diferencia no es significativa
n
10
10
10
10
Observamos que los recin nacidos en los hospitales 2 y 4 tienen pesos medios
que no difieren significativamente. Asimismo los recin nacidos en los hospitales
1, 2 y 3 tienen pesos promedio que podemos considerar como comparables, es
decir no difieren significtivamente.
70
Requisitos:
1) Cada muestra es una muestra aleatoria
2) Los resultados de las muestras son independientes de muestra a muestra
3) Cada observacin puede ser clasificada slo en una de las c categoras de
la caracterstica bajo estudio.
71
Hiptesis:
H0: La proporcin de elementos en cada categora es la misma para todos los
grupos o poblaciones (Los grupos son homogneos)
P1j = P2j = ...... = Prj
Estadstica de la prueba:
i =1 j =1
(n
ij
E ij
E ij
n ij
E
i =1 j =1
ij
Eij = ni Cj
n
72
Regla de decisin:
Rechazar H0 al nivel ,
si
X2 >
12
X2
12
R.C.
Observaciones:
1) Si alguna de las frecuencias esperadas Eij es pequea, la aproximacin a la
distribucin Ji-Cuadrado, puede ser pobre. Cochran establece que si
cualquiera de las Eij es menor que 1 o si ms del 20% de las Eij es menor
que 5, la prueba no es aplicable.
2) Si r y c no son tan pequeos, y si parece que las Eij pueden ser tan
pequeas como 1, sin perjuicio de comprometer la validez de la prueba,
varias categoras pueden ser combinadas para eliminar las frecuencias
esperadas pequeas. Cuales categoras deberan ser combinadas es
problema de juicio. Generalmente, las categoras son combinadas solo si
ellas son similares en algn aspecto, tal que la hiptesis mantiene su
significado.
3) Para el caso particular en que se comparan dos grupos para una variable
con dos categoras (r = 2 y c =2), los datos quedan resumidos en una tabla
de 2x2
Poblacin
Poblacin 1
Poblacin 2
Total
Variable
Categora 1 Categora 2 Total
a
b
N1
c
d
N2
C1
C2
n
73
n(ad bc ) 2
X =
n 1 n 2 C1 C 2
2
2
corregida
n( ad bc (n / 2)) 2
n 1 n 2 C1 C 2
Ejemplo 12
Con el objeto de comparar la distribucin por grupo sanguneo de las personas
portadoras crnicas de cierto antgeno con la distribucin de grupos sanguneos
de los no portadores, se tom una muestra de 150 portadores y 200 no portadores
obteniendo los siguientes resultados para el grupo sanguneo:
Grupo sanguneo
72
92
164
54
77
131
16
25
41
AB
14
Total
150
200
350
74
FRECUENCIAS ESPERADAS
Grupo sanguneo Portadores No portadores
O
70
94
A
56
75
B
18
23
AB
6
8
Total
150
200
i =1 j =1
(n
ij
E ij
E ij
n ij
E
i =1 j =1
ij
Total
164
131
41
14
350
72 2
62
n=
+ ... +
350 = 1.6289
70
8
75
AB
Grupo sanguneo
Caracterstica
Caracterstica y
x
Categora1 Categora 2 .......... Categora c Totales
Categora 1
n11
n12
..........
n1c
R1
Categora 2
n21
n22
..........
n2c
R2
.........
..........
..........
..........
..........
..........
Categora r
nr1
nr2
..........
nrc
Rr
Totales
C1
C2
..........
Cc
n
76
Requisitos
1) La muestra de n observaciones, es una muestra aleatoria (cada
observacin es independiente de las otras para ser clasificada en las
categoras i,j de las variables consideradas)
2) Cada observacin puede ser clasificada dentro de una de las r categoras
de acuerdo con una de las caractersticas y dentro de una de las c
categoras de acuerdo a la segunda caracterstica.
Hiptesis
H0: Las variables son independientes
(Es decir cada observacin puede ser clasificada en una categora de una
variable independientemente de la categora en que fue clasificada de
acuerdo a la otra variable).
H1: Existe asociacin o dependencia entre las variables
(Es decir una observacin que es clasificada en una categora de una variable
tiende a ser clasificada en determinada categora de acuerdo a la otra
variable).
Prueba Estadstica
Sea
E ij =
Ri Cj
n
X2 =
i =1 j =1
(n
ij
E ij
E ij
n ij
E
i =1 j =1
ij
77
Regla de decisin:
Rechazar H0 al nivel ,
si
X2 > 12
X2
12
R.C.
Las observaciones indicadas en la seccin 2.3.9 para la prueba Ji-Cuadrado de
comparacin de proporciones tambin se deben tener en cuenta para la aplicacin
de esta prueba.
Ejemplo 13
Con el objeto de verificar la suposicin de que la fabricacin de cierto producto
est asociado con alteraciones respiratorias, a 500 trabajadores de una empresa
que fabrica el producto se evalu respecto a la presencia de sntomas de
alteraciones respiratorias y se los clasific a su vez de acuerdo al nivel de
exposicin al producto. Los resultados se presentan en la tabla siguiente:
Presencia de
sntomas
S
No
Total
Nivel de exposicin
Alto
Medio
Bajo
185
33
17
Total
120
305
265
500
73
106
72
89
235
78
X2 =
161.65
305
56.18
106
Total
235
47.17
89
265
500
185 2
332
172
120 2
732
722
+
+
+
+
+
500 = 61.356
143.35 49.82 41.83 161.65 56.18 47.17
2( 2)
Luego, podemos concluir que estos datos son una evidencia de que la presencia
de alteraciones respiratorias esta asociada a la exposicin al producto.
Ejemplo 14
Un psiclogo clnico toma una muestra de 200 pacientes que sufren ansiedad y las
clasifica de acuerdo a su restablecimiento y al tratamiento por medio de terapia;
obteniendo los siguientes datos:
Tratamiento
Restablecimiento
Con terapia curados No curados Total
Tratados
140
20
160
No tratados
10
30
40
Total
150
50
200
79
n(ad bc) 2
200(140x30 20x10) 2
X =
=
= 66.67
n 1 n 2 C1 C 2
150 x50x160x 40
2
corregida
n( ad bc (n / 2))2
n1 n2 C1 C2
200( 140x30 20x10 100)2
150x50x160x40
= 63.375
Obtenemos el valor crtico, p, de la prueba en la distribucin
As tanto para el X2 como para el X2corregido se obtienen
2(1)
p < 0.0005
Luego, podemos concluir que estos datos son una evidencia de que el tratamiento
con terapia est significativamente relacionado con el restablecimiento del
paciente (p < 0.0005)
80
Una tasa es una comparacin por cociente entre un nmero de eventos ocurridos
en un tiempo y lugar dados y la poblacin que estuvo expuesta al riesgo de que le
ocurrieran dichos eventos en la misma poca y en ese mismo lugar
Tasa =
a x base
a+b
N de defunciones ocurridas en
Tasa anual bruta de mortalidad =
81
Ejemplo 15
Poblacin A
Poblacin B
Habitantes
Habitantes
N
%
Casos
N
%
Casos
1 531 13,8 279
5 438
9,1
462
1 904 17,2
69
4 489
7,5
117
2 599 23,5 141 10 351 17,4
802
4 672 42,2
2 36 994 62,0
37
368
3,3 119
2 384
4,0
665
11 074 100,0 610 59 656 100,0 2083
82
AJUSTE DE TASAS
Poblacin A
Habitantes
N
Casos Tasa
1 531
279 182,2
1 904
69
36,2
2 599
141
54,3
4 672
2
0,4
368
119 323,4
11 074 610
55,1
Poblacin B
Habitantes
N
Casos Tasa
5 438 462
85,0
4 489 117
26,1
10 351 802
77,5
36 994
37
1,0
2 384 665 278,9
59 656 2083
34,9
83
Estructura de A
Habitantes
0 0,9
1,0 1,9
2,0 2,9
3,0 3,9
4,0 y ms
TOTAL
Tasas de
B
1 531
1 904
2 599
4 672
368
11 074
85,0
26,1
77,5
1,0
278,9
Casos esperados
en A bajo
condiciones de B
130
50
201
5
103
489
Tasas iniciales
A
B
55,1 34,9
Tasas corregidas
A(ajustada) B
44,2
34,9
84
Riesgo relativo
El riesgo relativo de una enfermedad (RR), es la razn de incidencia en personas
expuestas a un factor con respecto a la incidencia en las personas no expuestas.
El riesgo relativo puede calcularse slo a partir de un estudio de cohorte o prueba
clnica en donde se identifica primero a un grupo de personas expuestas a un
factor y otro no expuesto, y luego se estudian durante un tiempo para determinar
que personas desarrollan la enfermedad
Estudios de cohorte Incidencia acumulativa
Personas
Enfermos
No enfermos
Total
Expuestas No expuestas
A1
A0
N1 A1
N0 - A 0
N1
N0
RR =
Total
A
N-A
N
A1 N1
A0 N0
Estimacin intervlica
Para que podamos concluir, con certeza, que el factor considerado es un factor de
riesgo para la enfermedad, es necesario que el valor obtenido para el RR sea
significativamente mayor que 1, por ello para estar seguros de este resultado se
obtiene la estimacin intervlica al 95% de confianza para RR; cuyos lmites se
calculan con la siguiente expresin:
L=e
ln( RR ) 1.96
N1 A 1 N 0 A 0
+
N1A1
N0 A0
donde
L:
e = 2.7182 :
es el nmero neperiano
ln(RR):
Si el intervalo obtenido tiene lmite inferior mayor que 1, entonces concluimos que
el factor considerado es un factor de riesgo para la enfermedad.
Si el intervalo obtenido tiene lmite inferior menor que 1, entonces no podemos
concluir que el factor considerado sea un factor de riesgo, porque con 95% de
probabilidad se est estimando que es posible que RR = 1, es decir que haya la
misma incidencia para los expuestos que para los no expuestos.
Ejemplo 16
Expuestos No expuestos
20
25
80
175
100
200
Total
45
255
300
86
Li = e
Ls = e
100 20 200 25
+
100 ( 20 ) 200 ( 25 )
100 20 200 25
+
100 ( 20 ) 200 ( 25 )
= 0.935
= 2.74
0.935 2.74
Este resultado nos indica que no podemos concluir que el factor de exposicin sea
un factor de riesgo, pues la diferencia encontrada no es significativa.
Expuestos No expuestos
a
b
c
d
OR
Total
N1
N0
a b
axd
=
c d
b xc
Estimacin intervlica
Para que podamos concluir, con certeza, que el factor considerado es un factor de
riesgo para la enfermedad, es necesario que el valor obtenido para el OR sea
significativamente mayor que 1, por ello para estar seguros de este resultado se
obtiene la estimacin intervlica al 95% de confianza para OR
L=e
ln( OR ) 1.96
1 1 1 1
+ + +
a b c d
donde
L:
e = 2.7182 :
es el nmero neperiano
ln(OR):
Si el intervalo obtenido tiene lmite inferior mayor que 1, entonces concluimos que
el factor considerado es un factor de riesgo para la enfermedad.
Si el intervalo obtenido tiene lmite inferior menor que 1, entonces no podemos
concluir que el factor considerado sea un factor de riesgo, porque con 95% de
probabilidad se est estimando que es posible que OR = 1, es decir que haya la
misma proporcin de expuestos en los casos y controles.
88
Ejemplo 17
Individuos
Casos
Controles
Total
Dieta con
frituras
53
53
106
No dieta con
frituras
43
85
128
Total
96
138
234
OR = 53/43 = 1.98
53/85
Este resultado nos indica que hubo 98% ms de exposicin a la dieta con frituras
para los casos que para los controles, lo que probablemente influy en el
desarrollo del cncer.
Estimacin intervlica:
Li = e
1
1
1
1
+
+
+
53
43
53
85
1
1
1
1
+
+
+
53
43
53
85
LS = e
= 1.167
= 3.359
1.167 3.359
Este resultado nos indica que podemos concluir que la dieta con frituras es un
factor de riesgo para el desarrollo de cncer pancretico, pues la diferencia
encontrada es significativa.
89
Prueba diagnstica
Positivo (+)
Negativo (-)
E + (PV)
E- (NF)
S+ (PF)
S- (NV)
TOTAL
E
S
Sensibilidad = E + x 100
E
Poblacin
Enfermos
Sanos
TOTAL
Prueba diagnstica
Positivo (+)
Negativo (-)
P(E + )
P(E-)
P(S+)
P(S-)
P(+)
P(-)
TOTAL
P(E)
P(S)
Poblacin
Enfermos
Sanos
TOTAL
Prueba diagnstica
Positivo (+)
Negativo (-)
0.0099
0.0001
0.099
0.891
0.1089
0.8911
TOTAL
0.01
0.99
Luego:
Valor predictivo Positivo (VP+) = P(E+) X 100 = 0.0099 x 100 = 9.09%
P(+)
0.1089
Valor predictivo Negativo (VP-) = P(S-) X 100 = 0.891 x 100 = 99.99%
P(-)
0.8911
Ejercicios
1. Se examina de cncer a los residentes de una comunidad y los
resultados se clasifican de positivos si se sospecha que es maligno, y
como negativos si no hay indicios de que sea maligno. Si la
sensibilidad del mtodo diagnstico es del 98% y la especificidad del
91
92
Z 21 / 2 Se 2
n=
E2
donde:
Z1-/2 : Cuantila 1-/2 de la normal estndar para una confianza 1-
Se: Desviacin estndar estimada, la que puede obtenerse de revisin
bibliogrfica, en estudios pilotos.
E: Error absoluto o precisin (mximo error de estimacin)
Tamao final
nf =
1+
n
N
Ejemplo 19.
Se desea estimar, con 95% de confianza, el tiempo promedio para efectuar cierta
intervencin quirrgica. En un estudio piloto se encontr que S = 2.2 horas.
El investigador asume una precisin de 0.50 horas
Confianza 1- = 0.95, entonces
Z = 1.96
S = 2.22 horas
E = 0.50 horas
Luego
n = 1.96 x 2.2
0.50
= 74.37 74 o ms
n = 1.96 x 2.2
0.25
= 297.49 298 o ms
93
(Z Z )
n =
1
0
Ejemplo 20.
H1: 1 80
= 20
= 0.05 , entonces
1 - = 0.90, entonces
Z = -1.64
Z = 1.28
( 1 . 64 1 . 28 ) 20
n =
80 110
= 3 . 79 4
94
Z 21 / 2 P(1 P)
n=
E2
donde:
Z1-/2 : Cuantila 1-/2 de la normal estndar para una confianza 1-
P: Proporcin poblacional estimada, la que puede obtenerse de revisin
bibliogrfica, en estudios pilotos.
E: Error absoluto o precisin (mximo error de estimacin)
nf =
n
1+
n
N
Ejemplo 21.
Z = 1.96
Luego
= 896.37 896 o ms
n = 1.96 x 0.30x0.70
0.03
Ejemplo 22.
Z = 1.96
95
= 384.16 384 o ms
n = 1.96 x 0.50x0.50
0.05
384
1+384/17695
= 375.84 376 o ms
Z = 1.96
Luego
= 1824.76 1825 o ms
n = 1.96 x 0.05x0.95
0.01
Z
n=
P0 (1 P0 ) Z
P1 P0
P1 (1 P1 )
Ejemplo 23.
Z = -1.64
Z = 1.28
2
96
H1: 1 - 2 = A
H0
H1
1-
1-
x1 x2
x1 x 2
Z 1 =
( x1 x 2 )
12 22
n1
n2
( x1 x 2 )
Z =
2 2
n
( x 1 x 2 ) (1 2 )
2 2
n
( Z 1 Z )
n =2
1 2
97
H1: 1 - 2 15
( 1 . 64 + 0 . 84 ) 20
n = 2
15
= 21 . 87 22
H 1: P 1 - P 2 = A
H0
H1
1-
1-
p1 p2
p1 p 2
Z 1 =
( p1 p 2 )
P (1 P ) P (1 P )
+
n1
n2
( p1 p 2 )
2 P (1 P )
n
Donde P puede ser considerada como una de las dos proporciones o como el
promedio de las proporciones de cada poblacin
Bajo la hiptesis alterna
Z =
( p1 p 2 ) ( P1 P2 )
P1 (1 P1 ) P2 (1 P2 )
+
n
n
98
Z 1
n=
P1 (1 P1 ) + P2 (1 P2 )
P1 P2
2 P (1 P ) Z
P2 = 0.05
P1 = 0.15
= 0.05,
entonces
1 - = 0.90, entonces
Z = 1.64
Z = -1.28
99
BIBLIOGRAFA
1. AHLBOM, A. And NORELL, S. Introduction TO MODERN EPIDEMIOLOGY.
Epidemiology Resources inc. USA. 1990
2. CONOVER, W.J. Practical Non Parametric Statistics 2ed. JOHN WILEY &
SONS. New York. 1980
3. DANIEL, W.W. BIOESTADSTICA, Base para el Anlisis de las ciencias
de la Salud. Editorial Limusa S.A. de C.V. Grupo Noriega Editores. 2004
4. DAWSON-SAUNDERS, B. And TRAPP, R. Bioestadstica Mdica. Editorial
El Manual Moderno, S.A. de C.V. Mxico. 1997
5. ELORZA H. Estadstica para ciencias del comportamiento. Harla S.A.,
Mxico. 1987
6. ROTHMAN, K. MODERN EPIDEMIOLOGY. LITTLE, BROWN AND
COMPANY. Boston/Toronto. 1986
7. MONTGOMERY, D y RUNGER, G. Probabilidad y Estadstica aplicadas a
la Ingeniera. McGRAW-HILL. Mxico. 1996
100
APNDICE A:
ESQUEMAS DE SELECCIN DE
PRUEBAS ESTADSTICAS
101
n > = 30
Distribucin
normal
No
No
Si
Si n > = 30
Nmero
de
grupos
2 Grupos
No
No
Distribuci
n normal
Independientes
No
Si
Distribucin
normal
No
Si
3 a ms Grupos
Independientes
No
n > = 30
No
Prueba T para
diferencia de medias
No
Si
Si
Distribucin
normal c/varianzas semejantes
Distribucin
normal c/varianzas semejantes
Si
No
Si
No
102
Muestra grande
nP y n(1-P) >5
Prueba Binomial para la proporcin poblacional
No
Si
Frecuencias
esperadas
pequeas
Si
Nmero
de grupos
2 Grupos
Independientes
No
No
Si
Si
3 a ms Grupos
Frecuencias
esperadas
pequeas
No
Independientes
Prueba Ji-Cuadrado
para comparacin de proporciones
103
Continua
Escala de
medicin
para ambas
variables
Ordinal y/o
numrica
Si
Nominal
Cada variable
tiene dos
categoras
(tablas 2x2)
No
104
APNDICE B:
105
p <=
SI
NO
106
APNDICE C:
TABLAS
107
10
49.07
13.99
9.46
7.83
6.99
6.49
6.16
5.92
5.74
5.60
5.49
5.39
5.32
5.25
5.20
5.15
5.11
5.07
5.04
5.01
4.92
4.82
4.73
4.65
4.56
4.47
11
50.59
14.39
9.72
8.03
7.17
6.65
6.30
6.05
5.87
5.72
5.61
5.51
5.43
5.36
5.31
5.26
5.21
5.17
5.14
5.11
5.01
4.92
4.82
4.73
4.64
4.55
12
51.96
14.75
9.95
8.21
7.32
6.79
6.43
6.18
5.98
5.83
5.71
5.61
5.53
5.46
5.40
5.35
5.31
5.27
5.23
5.20
5.10
5.00
4.90
4.81
4.71
4.62
108
z
0.00
0.05
0.10
0.15
0.20
0.25
0.30
0.35
0.40
0.45
0.50
Area
Area en
Area en una
entre
dos colas
cola
z y +z < -z y > +z < -z o > +z
0.000
1.000
0.500
0.040
0.960
0.480
0.080
0.920
0.460
0.119
0.881
0.440
0.159
0.841
0.421
0.197
0.803
0.401
0.236
0.764
0.382
0.274
0.726
0.363
0.311
0.689
0.345
0.347
0.653
0.326
0.383
0.617
0.309
0.55
0.60
0.65
0.70
0.75
0.80
0.85
0.90
0.95
1.002
0.418
0.451
0.484
0.516
0.547
0.576
0.605
0.632
0.658
0.683
0.582
0.549
0.516
0.484
0.453
0.424
0.395
0.368
0.342
0.317
0.291
0.274
0.258
0.242
0.227
0.212
0.198
0.184
0.171
0.159
1.05
1.10
1.15
1.20
1.25
1.282
1.30
1.35
1.40
1.45
1.50
0.706
0.729
0.750
0.770
0.789
0.800
0.806
0.823
0.838
0.853
0.866
0.294
0.271
0.250
0.230
0.211
0.200
0.194
0.177
0.162
0.147
0.34
0.147
0.136
0.125
0.115
0.106
0.100
0.097
0.089
0.081
0.074
0.067
1
2
z
1.55
1.60
1.6452
1.65
1.70
1.75
1.80
1.85
1.90
1.95
1.962
2.00
2.05
2.10
2.15
2.20
2.25
2.30
2.3262
2.35
2.40
2.45
2.50
2.55
2.5752
2.60
2.65
2.70
2.75
2.80
2.85
2.90
2.95
3.00
Area
entre
z y +z
0.879
0.890
0.900
0.901
0.911
0.920
0.928
0.936
0.943
0.949
0.950
0.954
0.960
0.964
0.968
0.972
0.976
0.979
0.980
0.981
0.984
0.986
0.988
0.989
0.990
0.991
0.992
0.993
0.994
0.995
0.996
0.996
0.997
0.997
Area en dos
colas
< -z y > +z
0.121
0.110
0.100
0.099
0.089
0.080
0.072
0.064
0.057
0.051
0.050
0.046
0.040
0.036
0.032
0.028
0.024
0.021
0.020
0.019
0.016
0.014
0.012
0.011
0.010
0.009
0.008
0.007
0.006
0.005
0.004
0.004
0.003
0.003
Area en una
cola
< -z o > +z
0.061
0.055
0.050
0.049
0.045
0.040
0.036
0.032
0.029
0.026
0.025
0.023
0.020
0.018
0.016
0.014
0.012
0.011
0.010
0.009
0.008
0.007
0.006
0.005
0.005
0.005
0.004
0.003
0.003
0.003
0.002
0.002
0.002
0.001
109
1-P
tp
g.l.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
35
40
45
50
55
60
70
80
90
109
200
0.75
0.80
0.85
0.90
P
0.95
1.0005
0.816
0.765
0.741
0.727
0.718
0.711
0.706
0.703
0.700
0.697
0.695
0.694
0.692
0.6.91
0.690
0.689
0.688
0.688
0.687
0.686
0.686
0.685
0.685
0.684
0.684
0.684
0.683
0.683
0.683
0.682
0.681
0.680
0.680
0.679
0.679
0.678
0.678
0.678
0.677
0.676
1.376
1.061
0.978
0.941
0.920
0.906
0.896
0.889
0.883
0.879
0.876
0.873
0.870
0.868
0.866
0.866
0.863
0.862
0.861
0.860
0.859
0.858
0.858
0.857
0.856
0.856
0.855
0.855
0.854
0.854
0.852
0.851
0.850
0.849
0.849
0.848
0.847
0.847
0.846
0.846
0.844
1.963
1.386
1.250
1.190
1.156
1.134
1.119
1.108
1.100
1.093
1.088
1.083
1.079
1.076
1.074
1 .071
1.069
1.067
1.066
1.064
1.063
1.961
1.060
1.059
1.058
1.058
1.057
1.056
1.055
1.055
1.052
1.050
1.048
1.047
1.047
1.046
1.045
1.044
1.043
1.042
1.039
3.078
1.836
1.638
1.533
1.476
1.440
1.415
1.397
1.383
1.372
1.363
1.356
1.350
1.345
1.341
1.337
1.333
1.330
1.328
1.325
1.323
1.321
1.319
1.318
1.316
1.315
1.314
1.313
1.311
1.310
1.306
1.303
1.301
1.299
1.297
1.296
1.294
1.293
1.291
1.290
1.286
6.314
2.920
2.353
2.132
2.015
1.943
1.895
1.860
1.833
1.812
1.796
1.782
1.771
1.761
1.753
1.746
1.740
1.734
1.729
1.725
1.721
1.717
1.714
1.711
1.708
1.706
1.703
1.701
1.699
1.697
1.690
1.684
1.680
1.676
1.673
1.671
1.667
1.665
1 .662
1.661
1 .653
t(v)
0.975
0.990
0.995
0.9995
12.706
4.303
3.182
2.776
2.571
2.447
2.3-65
2.306
2.262
2.228
2.201
2.179
2.160
2.145
2.131
2.120
2.110
2.101
2.093
2.086
2.080
2.074
2.069
2.064
2.060
2.056
2.052
2.048
2.045
2.042
2.030
2.021
2.014
2.008
2.004
2.000
1 .994
1.990
1 .987
1.984
1.972
31.821
6.965
4.541
3.747
3.365
3.143
2.998
2.896
2.821
2.764
2.718
2.681
2.650
2.624
2.602
2.584
2.567
2.552
2.540
2.528
2.518
2.508
2.500
2.492
2.485
2.477
2.473
2.467
2.462
2.457
2.438
2.423
2.412
2.403
2.396
2.390
2.381
2.374
2.368
2.364
2.445
63.657
9.925
5.841
4.604
4.032
3.707
3.499
3.355
3.250
3.169
3.106
3.055
3.012
2.977
2.947
2.921
2.898
2.878
2.861
2.845
2.831
2.819
2.807
2.797
2.787
2.779
2.771
2.763
2.756
2.750
2.724
2.704
2.690
2.678
2.669
2.600
2.648
2.638
2.632
2.626
2..601
636.619
31.598
12.941
8.610
6.859
5.959
5.405
5.041
4.781
4.58Z
4.437
4.318
4.221
4.140
4.073
4.015
3.965
3.922
3.883
3.850
3.819
3.792
3.767
3.745
3.725
3.707
3.690
3.674
3.659
3.646
3.591
3.551
3.520
3.496
3.476
3.460
3.435
3.416
3.402
3.390
3.340
110
1-P
tp
g.l.
300
400
500
1000
0.75
0.676
0.676
0.676
0.675
0.67449
0.80
0.843
0.843
0.843
0.842
0.84162
0.85
1.038
1.038
1.037
1.037
1.03643
0.90
1 .285
1.284
1.284
1.283
1.28155
P
0.95
1.650
1.649
1 .648
1.647
1.64485
0.975
1.968
1.966
1.965
1.962
1.95996
t(v)
0.990
2.437
2.434
2.432
2.427
2.32630
0.995
2.592
2.588
2.586
2.581
2.57582
0.9995
3.323
3.315
3.310
3.301
3.29053
111
1-P
g.l.
1
2
3
4
S
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
0.0005
0.06393
0.02100
0.0153
0.0639
0.158
0.299
0.485
0,710
0.972
1.26
1.59
1.93
2.31
2.70
3.11
3.54
3.98
4.44
4.91
5.40
5.90
6.40
6.92
7.45
7.99
8.54
9.09
9.66
10.2
10.8
11.4
12.0
12.6
13.2
13.8
14.4
15.0
15.6
16.3
16.9
0.001
0.005
0.05157 0.04393
0.01200 0.0100
0.0243
0.0717
0.0908
0.207
0.210
0.412
0.381
0.598
0.857
1.15
1.48
1.83
2.21
2.62
3.04
3.48
3.94
4.42
4.90
5.41
5.92
6.45
6.98
7.53
8.08
8.65
9.22
9.80
10.4
11.0
11.6
12.2
12.8
13.4
14.1
14.7.
15.3
16.0
16.6
17.3
17.9
0.676
0.989
1.34
1.73
2.16
2.60
3.07
3.57
4.07
4.60
5.14
5.70
6.26
6.84
7.43
8.03
8.64
9.26
9.89
10.5
11.2
11.8
12.5
13.1
13.8
14.5
15.1
15.8
16.5
17.2
17.9
18.6
19.3
20.0
20.7
0.01
0.03157
P
0.025
0.02982
0.05
0.01393
0.0201
0.115
0.297
0.554
0.0506
0.216
0.484
0.831
0.872
1.24
1 .65
2.09
2.56
3.05
3.57
4.11
4.66
5.23
5.81
6.41
7.01
7.63
8.26
8.90
9.54
10.2
10.9
11.5
12.2
12.9
13.6
14.3
15.0
15.7
16.4
17.1
17.8
18.5
19.2
20.0
20.7
21.4
22.2
1.24
1.69
2.18
2.70
3.25
3.82
4.40
5.01
5.63
6.26
6.91
7.56
8.23
8.91
9.50
10.3
11.0
11.7
12.4
13.1
13.8
14.6
15.3
16.0
16.8
17.5
18.3
19.0
19.8
20.6
21.3
22.1
22.9
23.7
24.4
2(v)
p
0. 10
0.20
0.30
0.103
0.352
0.711
1.15
0.0158
0.211
0.584
1.06
1.61
0.0642
0.446
1 .00
1.65
2.34
0.148 0.275
0.71
T.02
1.42
1.87
2.19
2.75
3.00
3.66
1.64
2.17
2.73
3.33
3.94
4.57
5.23
5.89
6.57
7.26
7.96
8.67
9.39
10.1
10.9
11.6
12.3
13.1
13.8
14.6
15.4
16.2
16.9
17.7
18.5
19.3
20.1
20.9
21.7
22.5
23.3
24.1
24.9
25.7
26.5
2.20
2.83
3.49
4.17
4.87
5.58
6.30
7.04
7.79
8.55
9.31
10.1
10.-9
11.7
12.4
13.2
14.0
14.8
15.7
16.5
17.3
18.1
18.0
19.8
20.6
21.4
22.3
23.1
24.0
24.8
'25.6
26.5
27.3
28.2
29.1
3.07
3.82
4.59
5.38
6.18
6.99
7,81
8.63
9.47
10.3
11 .2
12.0
12.9
13.7
14.6
15.4
16.3
17.2
18.1
18.9
19.,8
20.7
21.6
22.5
23.4
24.3
25.1
26.0
26.9
27.8
28.7
29.6
30.5
31.4
32.3
3.83
4.67
5.53
6.39
7.27
8.15
9.03
9.93
10.8
11.7
12.6
13.5
14.4
15.4
16.3
17.2
18.1
19.0
19.9
20.9
21.8
22.7
23.6
24.6
25.5
26.4
27.4
28.3
29.2
30.2
31.1
32.1
33.0
33.0
34.9
0.40
4.57
5.49
6.42
7.36
8.30
9.24
10.2
11 .1
12.1
13.0
14.0
14.9
15.9
16.9
17.8
18.8
19.7
20.7
21.7
22.6
23.6
24.5
25.5
26.5
27.4
28.4
29.4
30.3
31.3
32.3
33.3
34.2
55.2
36.2
37.1
112
17.5
18.2
18.8
19.5
20.1
18.6
19.2
19.9
20.6
21.3
21.4
22.1
22.9
23.6
24.3
46
47
48
49
50
20.8
21.5
22.1
22.8
23.5
21.9
22.6
23.3
24.0
24.7
25.0.
25.8
26.5
27.2
28.0
22.9
23.7
24.4
25.1
25.9
26.7
27.4
28.2
28.9
29.7
25.2
26.0
26.8
27.6
28.4
29.2
30.0
30.8
31.6
32.4
27.3
28.1
29.0
29.8
30.6
31.4
32.3
33.1
33.9
34.8
29.9
30.8
31.6
32. 5
33.4
34.2
35.1
35.9
36.8
37.7
33.3
34.2
35.1
36.0
36.9
37.8
38.7
39.6
40.5
41.4
35.8
36.8
37.7
38.6
39.6
40.5
41.5
42.4
43.4
44.3
38.1
39.1
40.0
41.0
42.0
43.0
43.9
44.9
45.9
46.9
113
1-P
g.l.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
0.50
0.6.0
0.70
0.455
1.39
2.37
3.36
4.36
5.35
6.35
7.34
8.34
9.34
10.3
11.3
12.3
13.3
14.3
15.3
16.3
17.3
18.3
19.3
2.3
21.3
22.3
23.3
24.3
25.3
26.3
27.3
28.3
29.3
30.3
31.3
32.3
33.3
34.3
35.3
36.3
37.3
38.3
39.3
0. 708
1.83
2.95
4.04
5.13
6.21
7.28
8.35
9.41
10.5
1.1.5
T2.6
13.6
14.7
15.7
16.8
17.8
18.9.
19.9
21.0
22.0
23.0
24.1
25.1
26.1
27.2
28.2
29.2
30.3
31.3
32.3
33.4
34.4
35.4
36.5
37.5
38.5
39.6
40.6
41 .6
1 .07
2.41
3.67
4.88
6.06
7.23
8.38
9.52
10.7
11 .8
12.9
14.0
15.1
16.2
17.3
18.4
19.5
20.6
21.7
22.8
23.9
24.9
26.0
27.1
28.2
29.2
30.3
31.4
32.5
33.5
'34.6
35.7
36.7
37.8
38.9
39.9
41 .0
42.0
43.1
44.2
0.80
0.90
1 .6A 2. 71
3.22 4.61
4.64 6.25
5.99 7.78
7.29 9.24
8.56 10.6
9.80 12.0
11.9 13.4
12.2 14.7
13.4 16.'0
14.6 17.3
15.8 18.5
17.0 19.8
18.2 21.1
19.3 22.3
20.5 23.5
21.6 24.8
22.8 26.0
23.9 27.2
25.0 28.4
26.2 29.6
27.3 30.8
28.4 32.0
29.6 33.2
30.7 34.4
31.8 35.6
32.9 36.7
34.0 37.9
35.1 39.1
36.3 40.3
37.4 41.4
38.5 42.6
39.6 43.7
40.7 44.9
41.8 46.1
42.9 47.2
44.0 48.4
45.1 49.5
46.2 50.7
47.3 51.8
P
0.95
0.975
0.99
3.84
5.99
7.81
9.49
11.1
12.6
14. 1
15.5
16.9
18.3
19.7
21.0
22.4
23.7
25.0
26.3
27.6
28.9
30.1
31.4
32.7
33.9
35.2
36.4
37.7
38.9
40.1
41 .3
42.6
43.8
45.0
46.2
47.4
48.6
49.8
51.0
52.2
53.4
54.6
55.8
5.02
7.38
9.35
11.1
12.8
14.4
16.0
17.5
19.0
20.5
21.9
23.3
24.7
26.1
27.5
28.8
30.2
31.5
32.9
34.2
35.5
36.8
38.1
39.4
40.6
41 .9
43.2
44.5
45.7
47.0
48.2
49.5
50.7
52.0
53.2
54.4
55.7
56.9
58.1
59.3
6.63
9.21
11 .3
13.3
15.1
16.8
18.5
20.1
21 .7
23.2
24.7
26.2
27.7
29.1
30.6
32.0
33.4
34.8
36.2
37.2
38.9
40.3
41 .6
43.044.3
45.6
47.0
48.3
49.6
50.9
52.2
53.5
54.8
56.1
57.3
58.6
59.9
61.2
62.4
63.7
2(v)
p
0.995 0.999
7.88
10.6
12.8
14.9
16.7
18.5
20.3
22.0
23.6
25.2
26.8
28.3
29.8
31.3
32.8
34.3
35.7
37.2
38.6
40.0
41.4
42.8
44.2
45.6
46.9
48.3
49.6
51.0
52.3
53.7
55.0
56.3
57.6
59.0
60.3
61.6
62.9
64.2
65.5
66.8
0. 9995
10.8 12.1
13.8 15.2
16.3 17.7
18.5 20.0
20.5 22.1
22.5 24.1
24.3 26.0
26.1 27.9
27.9 29.7
29.6 31 .4
31.3 33.1
32.9 34.8
34.5 36.5
36.1 38.1
37.7 39.7
39.3 41.3
40.8 42.9
42.3 44.4
43.8 46.0
45.3 47.5
46.8 49.0
48.3 50.5
49.7 52.0
51.2 53.5
52.6 54.9
54.1 56.4
55.5 57.9
56.9 59.3
58.3 60.7
59.7 62.2
61.1 63.6
62.5 65.0
63.9 66.4
65.2 67.8
66.6 69.2
68.0 70.6
69.3 72.0
70.7 73.4
72.1 74.7
73.4 76.1
114
40.3
41.3
42.3
43.3
44.3
45.3
46.3
47.3
48.3
49.3
42.7
43.7
44.7
45.7
46.8
47.8
48.8
49.8
50.9
51.9
45.2
46.3
47.3
48.4
49.5
50.5
51.6
52.6
53.7
54.7
48.4
49.5
50.5
51.6
52.7
53.8
54.9
56.0
57.1
58.2
52.9
54.1
55.2
56.4
57.5
58.6
59.8
60.9
62.0
63.2
56.9
58.1
59.3
60.5
61.7
62.8
64.0
65.2
66.3
67.5
60.6
61 .8
63.0
64.2
65.4
66.6
67.8
69.0
70.2
71.4
65.0- 68.1
66.2
69.3
67.5 70.6
68.7 71.9
70.0 73.2
71.2 74.4
72.4 75.7
73.7 77.0
74.9 78.2
76.2 79.5
74.7
76.1
77.4
78.7
80.1
81.4
82.7
84.0
85.4
86.7
77.5
78.8
80.2
81.5
82.9
84.2
85.6
86.9
88.2
80.6
115
HIPOTESIS
H0: = 0
a) H1: 0
b) H1: > 0
c) H1: < 0
2
H 0:
a) H1: 2
b) H1: 2
c) H1: 2
Requisitos
x 0
/ n
x 0
Z =
S/ n
x 0
Varianza 2 conocida
-Todo n de poblacin Normal
- n grande de cualquier poblacin
Varianza 2 desconocida
- n grande (n > 30) de
poblacin
Distribucin de
La estadstica
Si H0 es cierta
Estadstica
de la prueba
Z=
cualquier
Varianza 2 desconocida
- n < 30 de poblacin Normal
T=
Normal
N(0,1)
Normal
N(0,1)
t-Student
t(n -1)
S/ n
= 0
20
> 20
< 20
H0: P = P0
a) H1: P P0
b) H1: P > P0
c) H1: P < P0
H 0: P 1 = P 2
a) H1: P1 P2
b) H1: P1 > P2
c) H1: P1 < P2
La poblacin es normal
Muestra grande
X =
2
Z =
Z =
(2n 1)
(n 1) S 2
02
p P0
12
c) X2 < 2
b) X2 >
Normal
P0 (1 P0 ) N n
n
N 1
p1 p 2
1
1
P (1 p )
+
n2
n1
Decisin:
Rechazar H0
Al nivel si
a) Z < -Z1-/2 Z > Z1-/2
b) Z > Z1-
c) Z < -Z1-
; p=
N(0,1)
x1 + x 2
n1 + n 2
116
de
poblaciones
H0: 12 = 220 Muestras
2
2
independientes,
cada
una con
a) H1: 1 2 0
2
2
b) H1: 1 > 2 0 distribucin normal.
c) H1: 12 < 220
Varianzas 21, 22 conocidas
a)H0: 1- 2 = 0
H1: 1 - 2 0
b)H0: 1 - 2 0
H1: 1- 2 > 0
c)H0: 1 - 2 0
H1: 1 - 2 < 0
S12
F= 2
S2
Z=
Z=
- n1 30, n2 30 de cualquier
poblacin
Normal
12 22
+
n1 n 2
N(0,1)
( x1 x 2 )
Normal
S 12 S 22
+
n1 n2
T =
S 2p =
T =
a) F < F2 F > F1 2
b) F > F1
c) F < F
( x1 x 2 )
F(n1-1, n2-1)
N(0,1)
( x1 x 2 )
1
1
Sp
+
n1 n2
( n1 1) S + ( n2 1) S
n1 + n2 2
( x1 x 2 )
S12 S 22
+
n1 n2
T es t(v)
es t ( n1+ n 2 2 )
2
1
c) T < -t1-
2
( ) +( )
n1
n1 + 1
S2
2
2
S12 S 22
+
n1 n2
v= 2 2
2
S1
n2
n2 + 1
b) T > t1-
c) T < -t1-
117
ANOVA DE UN FACTOR
Fuente de
Suma de Grados de Cuadrado Razn Probabilidad
variacin Cuadrados libertad
Medio
F
p
Tratamientos
P*
o Grupos
SCG
K-1
A = SCG/ K-1 F = A/E
Error
SCE
N-k
Total
SCT
N-1
E = SCE/N-k
SCG =
(x i x )2 n i
i =1
SCE =
S 2i (n i 1)
i =1
X =
2
i =1 j =1
(O
ij
Eij )
Eij
Oij
E
i =1 j =1
ij
Eij = ni Cj/ n
X2 >
12
118
Media
Varianza 2 conocida
-Todo n de poblacin Normal
- n grande de cualquier
poblacin
Varianza 2 desconocida
- n grande (n > 30) de
cualquier poblacin
Varianza 2 desconocida
- n < 30 de poblacin
Normal
Varianza
Proporcin
Intervalo de confianza
(1- )
Requisitos
La poblacin es normal
Poblacin grande
Muestra grande
L = x Z 1 / 2
L = x Z 1 / 2
n
S
n
S
n
(n 1) S 2
Ls =
2 / 2
L = x t 1 / 2
Li =
( n 1) S 2
12 / 2
L = p Z1 / 2
P
Poblacin finita
Muestra grande
L = p Z1 / 2
p(1 p)
n
p(1 p) N n
n
N 1
Tamao de muestra
Poblac. grande
Z12 / 2 S 2
n=
E2
Poblac. finita
n0
n=
n
1+ 0
N
2
Z
S2
n0 = 1 / 22
E
Poblac grande.
Z 12 / 2 p(1 p )
n0 =
E2
n=
n0
Poblac finita
n
1+ 0
N
119
Parmetro
Requisitos
2
Diferencia de
medias
1 - 2
Varianzas 1, 2 conocidas
-Todo n1, n2 de poblaciones
normales.
-n1 30, n2 30 en general
Varianzas 21, 22
desconocidas
- n1 30, n2 30
P1 P2
n1
22
n2
s12 s22
+
n1 n2
L = ( x 1 x 2 ) t1 / 2 S x1 x 2
Muestras grandes
poblacin.
x x =
L = ( x 1 x 2 ) Z 1 / 2 S x1 x 2 S x x =
Varianzas 21, 22
Desconocidas
Diferencia de
Proporciones
L = ( x 1 x 2 ) Z 1 / 2 x1 x 2
12
de
cada
S x1 x 2 =
( n1 1) S12 + ( n2 1) S 22
n1 + n2 2
1
1
+
n1 n2
L = ( p1 p2 ) Z 1 / 2 S p1 p 2
S p 1 p 2 =
p1 (1 p1 ) p2 (1 p2 )
+
n1
n2
120