Académique Documents
Professionnel Documents
Culture Documents
ESTADSTICAS EN SALUD II
ESTADSTICA INFERENCIAL
AUTORA:
Mg. Silvana Torres
-AO 2009-
PRLOGO
Es de fundamental importancia que los profesionales de salud conozcan la ciencia
estadstica, asumiendo que esta es una herramienta imprescindible para poder cuantificar
y analizar todos los aspectos relacionados con el proceso salud-enfermedad. Es conocido
que la informacin confiable y correctamente analizada es la base de las decisiones
coherentes.
Tambin como herramienta bsica de la investigacin, el conocimiento de la
metodologa estadstica es indispensable, ya que la investigacin trabaja con fenmenos
eminentemente variables. El concepto de variabilidad como la sistematizacin y
organizacin racional de una metodologa para el anlisis y conocimiento de fenmenos
cambiantes, es un componente de conocimiento relativamente nuevo.
Decimos que la estadstica es un conjunto de procedimientos que tienen por
finalidad recolectar, elaborar, caracterizar y
hablamos de anlisis estadstico es necesario puntualizar que este comprende dos grandes
reas de la metodologa estadstica: el anlisis descriptivo y el inferencial. El primero, ms
ampliamente conocido, consiste en describir un conjunto de datos (recolectarlos,
presentarlos en forma tabular y grfica, calcular las medidas de resumen, etc.), para
interpretar
complejo que el anterior, consiste en aplicar determinadas tcnicas estadsticas, para tratar
de generalizar o inferir resultados en la poblacin a partir del anlisis de una parte de ella
(muestra).
Es obvio que para poder comprender las tcnicas de estadstica inferencial es
imprescindible
manejar
con
fluidez
la
metodologa
de
estadstica
descriptiva,
INDICE
PRLOGO ....................................................................................................................................................................... 2
CAPTULO I-CAMPOS DE LA METODOLOGA ESTADSTICA......................................................................... 4
reas de la Estadstica ............................................................................................................................................... 4
Variables ...................................................................................................................................................................... 5
Medidas Descriptivas ................................................................................................................................................ 7
Parmetros y estadsticos .......................................................................................................................................... 8
CAPTULO II- NOCIONES BSICAS DE MUESTREO........................................................................................... 9
Poblacin...................................................................................................................................................................... 9
Generalidades ......................................................................................................................................................... 9
Definicin ................................................................................................................................................................ 9
Muestreo..................................................................................................................................................................... 10
Definiciones .......................................................................................................................................................... 11
Ventajas del muestreo: Razones para realizar un muestreo ......................................................................... 11
Diseo de muestreo.............................................................................................................................................. 12
Sesgos por muestras inadecuadas o informacin incompleta...................................................................... 12
Mtodos de muestreo................................................................................................................................................ 13
Muestreo no probabilstico................................................................................................................................... 13
Muestreo probabilstico........................................................................................................................................ 14
Tamao de la muestra (n).................................................................................................................................... 15
CAPTULO III- MEDIDAS DE ASOCIACIN ENTRE VARIABLES .................................................................. 17
Relacin entre dos caractersticas cualitativas dicotmicas.......................................................................................... 17
Estudios Prospectivos o de cohorte .......................................................................................................................... 18
Riesgo Relativo .................................................................................................................................................... 19
Riesgo Atribuible.................................................................................................................................................. 20
Estudio retrospectivo o de caso control .................................................................................................................... 21
Odds Ratio de Exposicin al Factor ..................................................................................................................... 22
Estudios de Corte Transversal .................................................................................................................................. 23
Razn de Prevalencias .......................................................................................................................................... 24
Odds Ratio de Enfermedad................................................................................................................................... 24
Relacin entre variables cuantitativas .......................................................................................................................... 25
Coeficiente de Correlacin de Pearson..................................................................................................................... 26
Coeficiente de Correlacin de Spearman. ................................................................................................................ 29
Relacin entre dos caractersticas ordinales ............................................................................................................. 29
CAPTULO IV- ESTIMACIN DE PARMETROS ............................................................................................... 30
ESTIMACIN........................................................................................................................................................... 33
Estimacin Puntual................................................................................................................................................... 33
Estimacin por intervalos ......................................................................................................................................... 35
Estimacin de la media aritmtica........................................................................................................................ 36
Estimacin de una proporcin .............................................................................................................................. 38
Estimacin de medidas de asociacin................................................................................................................... 39
CAPTULO V- TEST DE HIPTESIS ESTADSTICA............................................................................................ 41
Tipos de pruebas de hiptesis....................................................................................................................................... 43
Procedimiento general de un test de hiptesis.............................................................................................................. 43
Prueba sobre una media................................................................................................................................................ 44
Prueba sobre una proporcin ........................................................................................................................................ 45
Prueba de Independencia o Test Chi Cuadrado (2) .................................................................................................... 45
ESTUDIOS ANALITICOS............................................................................................................................................ 48
BIBLIOGRAFA ............................................................................................................................................................ 50
Categoras
Varn
Mujer
Alfabetismo
Alfabeto
Analfabeto
Rendimiento
Bueno
Regular
Malo
Para el caso de las variables cuantitativas discretas se deben definir los intervalos de
Sexo
clase. Por ejemplo nmero de cigarrillos fumados presenta los siguientes intervalos de
clase:
0- 9: los que fuman menos de 10 cigarrillos
10-20: los que fuman desde 10 a 20 cigarrillos inclusive
+ 20: los que fuman ms de 20 cigarrillos
Mayor problema se presenta cuando se trata de escalas cuantitativas continuas pues
para determinar los intervalos de clases debemos tomar en cuenta varios aspectos:
-6Mg. Silvana Torres
Cualitativas
Nominales
Ordinales
Cuantitativas
Discretas
Continuas
Media aritmtica
-7Mg. Silvana Torres
Mediana
Modo
Mnimo y mximo
Percentiles
Cuartiles
Desvo estndar
Rango
Rango inter-cuartos
Smbolo del
Parmetro
RR
OR
Smbolo del
Estadstico
x
s
s2
r
p
RR
OR
Poblacin muestreada
Para hacer inferencias estadsticas
de la muestra a la poblacin
muestreada se requiere que la
muestra sea aleatoria
Muestra
Si todos los elementos que integran una poblacin poseen similares caractersticas,
es decir baja variabilidad, se dice que esta es homognea; en caso de no cumplir esta
condicin, la poblacin es heterognea, o sea que presenta mucha variabilidad. En sentido
estricto, las poblaciones humanas son siempre heterogneas, puesto que las unidades que
la componen presentan variaciones individuales respecto a una o ms caractersticas
personales (edad, sexo, raza, actividad laboral, nivel de instruccin, tipo de alimentacin,
etc.).
Si en un estudio de investigacin se obtiene la informacin de la totalidad de la
poblacin se denomina censo. Cabe destacar que los datos censales estn tambin sujetos a
error: errores de medicin.
Muestreo
Con frecuencia resulta muy difcil, y a veces imposible, desarrollar una
investigacin que comprenda el total de la poblacin, ya sea porque el nmero de
elementos es demasiado grande o infinito, porque estn distribuidos en forma muy
heterognea o porque la inclusin de todos los elementos de la poblacin generara
complicaciones o encarecera excesivamente el estudio. De all la utilidad del diseo de
muestras, con las que habindose operado adecuadamente, pueden obtenerse resultados
similares a los que se alcanzan incluyendo a todos los elementos de la poblacin.
Definiciones
Muestra: es el subconjunto de unidades provenientes de la poblacin (parte de la
poblacin), que con algn criterio o sin l, son seleccionadas a los efectos de ser
estudiadas en una o ms caractersticas.
Es el subconjunto o parte de la poblacin en la que se llevar a cabo la investigacin
con el fin posterior de generalizar los hallazgos a la poblacin.
La cantidad de elementos que integran la muestra constituyen el tamao muestral
(n). El muestreo puede definirse como la seleccin de una parte de la poblacin con el fin
de hacer inferencias acerca de la totalidad de la misma.
Unidad de observacin: son los elementos de la poblacin en los cuales se medirn o
estudiarn las variables de inters.
Unidad de muestreo: es el elemento utilizado para seleccionar la muestra. En muchos
casos las unidades de observacin y muestreo coinciden ( Ej. Alumnos de la Facultad),
pero hay casos en que no (Ej. Si se desea estudiar las infecciones respiratorias agudas en
menores de 2 aos, no se tendra un listado de nios, sino que se tendra que tomar
muestras de casas para llegar a los nios)
Ventajas del muestreo: Razones para realizar un muestreo
1. Costo: las muestras al examinar parte de la poblacin es mucho menos costosa
que el censo. El costo es un argumento a favor del muestreo debido a que frecuentemente
una muestra puede proporcionar datos con la suficiente precisin y a un costo mucho ms
bajo que el censo.
2. Precisin: (calidad de informacin) se puede ejercer mucho mejor control sobre
los errores que no son de muestreo (fallas en las encuestas, respuestas incompletas,
informacin imprecisa, errores de medicin, errores de proceso, etc..) usando el muestro
en lugar del censo. Por ejemplo en una encuesta por muestreo generalmente obtenemos
mejor supervisin y entrenamiento de encuestadores; mayor control de respuestas y
procesos.
3. Tiempo necesario: las muestras producen informacin ms rpidamente por dos
razones principales: 1- tomar una muestra requiere menos tiempo que levantar un censo
y 2- el procesamiento de los datos toma menor tiempo.
Sesgo de seleccin
Muestras casuales o fortuitas: los elementos van siendo incorporados a medida que
acuden al sitio donde se efectan las mediciones, hasta alcanzar un tamao muestral
previamente establecido.
Seleccin experta: muestra de juicio utilizadas por expertos para seleccionar elementos
representativos o tpicos de la poblacin.
Por cuotas: el investigador propone estratos de acuerdo a las variables que considere
relevantes, y se incorporan elementos hasta completar la cantidad o cuota prefijada.
Muestreo probabilstico
En el muestreo probabilstico cada elemento de la poblacin tiene una probabilidad
conocida y no nula de ser seleccionado. Esta probabilidad se obtiene a travs de una operacin
mecnica de aleatorizacin (fraccin de muestreo: fh). En ste tipo de muestreo se puede
cuantificar la probabilidad de cometer error de muestreo (p).
El muestreo irrestricto aleatorio (mia) es el proceso de seleccin y todos los dems
procedimientos pueden verse como modificaciones de l, introducidos para proveernos de
diseos ms prcticos econmicos y precisos. Las tcnicas de muestreo probabilsticas ms
usadas son:
Aleatorio Simple: En este tipo de muestreo cada unidad tiene la misma probabilidad de
ser seleccionada para formar la muestra. Este se basa en la aleatoriedad del proceso de
seleccin (seleccin al azar) esto puede ser llevado a cabo a travs de diferentes
maneras: sorteo, empleo de tablas de nmeros aleatorios, nmeros aleatorios de
computadoras o de calculadoras. Para poder realizar el sorteo de las unidades que
conformarn la muestra es necesario previamente enumerar el listado de elementos de
la poblacin (marco muestral), y luego seleccionar las unidades de la muestra.
Sistemtico: Consiste en seleccionar al azar la primera unidad y a partir de all tomar las
siguientes unidades a intervalos constantes, establecidos de acuerdo al tamao de la
muestra que se desea obtener.
Estratificado: De acuerdo a un criterio predeterminado la poblacin se divide en
subgrupos (bloques o estratos) mutuamente excluyentes, con igual o diferente tamao,
en cada uno de los cuales estn contenidas unidades que poseen caractersticas
semejantes, es decir que cada estrato es homogneo dentro del mismo, y son
heterogneos entre los estratos. De cada estrato se obtiene una muestra aleatoria. El
- 14 Mg. Silvana Torres
En general el tamao muestral es menor cuanto mayor sea la frecuencia con que ocurre
la caracterstica, factor o fenmeno que se estudia en la poblacin, ms homognea sea su
distribucin en la misma (menor variabilidad) y menor sea la precisin que se desea
obtener. El criterio empleado, para la eleccin del tamao muestral es realizar el estudio
con el menor nmero posible de elementos que sean suficientes para obtener los
resultados con la precisin fijada.
Ejemplo: supngase que existe una sospecha clnica de que existe una relacin entre la
obesidad y el diagnstico de cardiopata coronaria. Hay muchas formas para investigar
esta suposicin, se mostrarn las ms importantes.
Estudios Prospectivos o de cohorte
Un estudio prospectivo comienza con dos grupos de personas, el primero contiene
personas expuestas al factor de riesgo de inters, y el segundo contiene personas sin tal
exposicin. Al comienzo de la investigacin se supone que los dos grupos estn sanos, es
decir libres del evento (patologa) que se est estudiando. Las personas dentro de cada
grupo son seguidas durante un perodo de tiempo especificado, y al final del mismo se
comparan, de alguna manera, las estimaciones de la incidencia de enfermos en cada
grupo.
Diseo de Estudio de Cohorte Prospectivo
Enfermos
No enfermos
Total
Presente
a+b
Ausente
c+d
a+b
c+d
a+b+c+d
Total
En esta tabla slo los totales a+b, c+d son conocidos ya que ellos estn fijos por el
diseo del estudio, incluyen al total de personas expuestas (factor presente) y total de
personas no expuesta (factor ausente) respectivamente.
Determinar Incidencia o riesgo de enfermar en cada grupo:
Incidencia en Expuestos (Factor presente): IF=a/(a+b)
Incidencia en no expuestos (Factor ausente): INF =c/(c+d)
Conocida la incidencia en cada grupo (Riesgo Absoluto) debemos construir medidas
para poder comparar las mismas, entre las ms usadas tenemos: Riesgo Relativo y Riesgo
Atribuible.
Riesgo Relativo
El riesgo relativo se calcula como
RR =
IF
a (a + b )
=
I NF c (c + d )
Enfermos
No enfermos
Total
Presente
65
500
565
Ausente
25
650
675
Total
90
1150
1240
Riesgo Atribuible
RAexp= IF -INF
Riesgo atribuible porcentual
%RAexp=RAexp / IF x 100
- 20 Mg. Silvana Torres
Casos (Enfermos)
Total
Presente
a+b
Ausente
C+d
Total
a+c
b+d
a+b+c+d
Casos (Enfermos)
Total
Presente
70
40
110
Ausente
30
60
90
100
100
200
Total
OR
(F )
oddsE
a c ad
=
=
odds NE b / d c b
Un odd ratio igual a 1 indica que no hay asociacin entre las variables estudiadas.
As si en un caso particular se obtiene valores de OR cercanos a uno se podra inferir que
la asociacin no es significativa. El odd ratio estimado para los datos del ejemplo es
OR=70x60/30x40=3,5 lo que indicara que dentro del grupo de los enfermos (casos) la
proporcin de expuestos al factor es mayor que la de los no enfermos (control).
Si oddsE oddsNE OR1 NO HAY ASOCIACIN ENTRE FACTOR Y ENFERMEDAD
Si oddsE>oddsNE
sin
Enfermos
No enfermos
Total
Presente
a+b
Ausente
C+d
Total
a+c
b+d
a+b+c+d
Razn de Prevalencias
En este tipo de estudios es posible calcular la prevalencia de la enfermedad en los
grupos de exposicin (presente y ausente), por lo que la medida de asociacin adecuada a
calcular es la Razn de Prevalencias (RP). Esta se calcula de la misma forma que el Riesgo
Relativo, pero su interpretacin es distinta ya que no es posible conocer la incidencia de la
enfermedad sino solo la prevalencia.
Determinar Prevalencia en:
Expuestos al Factor de Riesgo: PF= a/(a+b)
No expuestos al Factor de Riesgo: PNF = c/(c+d)
RP =
PF
a (a + b )
=
PNF c (c + d )
Esta medida se interpreta como una razn que nos indica cuntas veces es ms
frecuente la prevalencia de la enfermedad entre los expuestos al factor en relacin a los no
expuestos.
Si PF PNF
OR
Si oddsF oddsNF
(E)
odds F
a b ad
=
=
odds NF c d c b
37
15
27
10
17
0
-1
-3
-1
r=
(X X )(Y Y )
( X X)
( Y Y)
Y 12
10
10
0
1
9
X
Una correlacin de 0 (o sea r=0) significa que no hay relacin lineal entre las dos
variables. Existe una correspondencia entre la cifra del coeficiente de correlacin y cun
dispersas estn o no las observaciones alrededor de una lnea recta. Cuando la correlacin
se aproxima a 0, la forma del grfico de dispersin es ms o menos circular, como se
observa en el siguiente grfico.
Grfico N4: Correlacin entre dos variables
12
10
4
-1
Correlacin no implica causalidad. El enunciado de que una caracterstica causa otra, debe
justificarse basndose en observaciones experimentales o argumentos lgicos, no con
fundamento en el tamao de un coeficiente de correlacin.
El coeficiente de correlacin de Pearson no es adecuado cuando las variables provienen de
distribuciones asimtricas.
Coeficiente de Correlacin de Spearman.
En el caso de falta de conocimiento a cerca de la distribucin, o de la linealidad de
la relacin entre las variables, se puede usar mtodos de rango para evaluar una relacin
ms general entre los valores de las variables mencionadas.
El coeficiente de correlacin que se usa con frecuencia para describir la relacin
entre dos caractersticas que no cumplen con las condiciones antes mencionadas ya sea
porque las distribuciones de las variables son asimtricas o estn medidos en escala
ordinal (o una ordinal y una numrica) o hay observaciones alejadas, o el tamao de
muestra es pequeo, es el coeficiente de correlacin de Spearman.
Este coeficiente puede variar de 1 a +1 igual que el coeficiente de Pearson, pero
+1 o 1 indican concordancia perfecta entre posiciones de los valores o categoras de la
variable ordinal en lugar de entre los valores mismos.
Para calcular el coeficiente de correlacin de rangos de Spearman (rs), se ordena
separadamente de menor a mayor los valores de ambas variables y se les asigna rangos
(indicando el orden que ocupan), luego se sustituye los valores de los rangos en la frmula
del coeficiente de correlacin de Pearson.
Aunque la frmula de Spearman se deriva de la de Pearson, esto no implica que los
valores de ambos coeficientes vayan a coincidir siempre.
Relacin entre dos caractersticas ordinales
Otras medidas de correlacin de datos ordenados son Tau de Kendall y W de
Kendall basadas tambin en rangos. La Tau generalmente da valores menores de la
correlacin si se la compara con el coeficiente de correlacin de Pearson cuando se puede
usar este ltimo.
la distribucin de la poblacin,
el estadstico que se elija para estimar el parmetro,
la forma de seleccin aleatoria de la muestra,
el tamao de la misma.
Distribucin muestral de la media aritmtica (estadstico).
.
2. La desviacin estndar en la distribucin muestral de x es igual a
. Esta cantidad
denominada error estndar de la media (SEM), tiene una funcin importante en numerosos
procedimientos estadsticos.
3. Con muestras de tamao grande la distribucin muestral de x sigue un modelo terico
denominado modelo de distribucin normal, sin importar la forma de la distribucin de la
poblacin original.
- 32 Mg. Silvana Torres
Esto nos da la base para toda la inferencia estadstica sobre la media. As, en el
ejemplo si se supone conocido, es decir conocemos que =10 mm Hg. se puede afirmar
que la distribucin muestral de x en este caso tiene un error estndar
SEM=
= 10/10= 1
parmetro poblacional que se supone estima. Entonces, existen muchas situaciones en las
cuales es preferible determinar un intervalo dentro del cual se esperara encontrar el valor
del parmetro, tal metodologa se conoce como estimacin por intervalos de confianza.
Estimacin por intervalos
Consiste en un conjunto de procedimientos mediante los cuales, segn el nivel de
significacin deseado, se calcula el intervalo en el cual se podra encontrar el parmetro
estimado a un determinado nivel de confianza, que generalmente vara entre el 95% y
99%.
Intervalos de Confianza: Son intervalos aleatorios obtenidos a partir de los datos
muestrales y en los cuales hay un grado de confianza prefijado (medido en %) de que dicho
intervalo contenga al verdadero valor del parmetro (valor poblacional) que se quiere
estimar.
El grado de confianza se denomina nivel de confianza y lo denotaremos como
100(1-)%. Usualmente este valor corresponde a un 95%. Donde:
(1-) = es el grado de confianza o coeficiente de confianza
= es la probabilidad de error de que el parmetro poblacional no se encuentre
dentro del intervalo de confianza. Este valor es fijado por el investigador y generalmente
vara entre el 1% y 5% (=0,01 o =0,05)
Para encontrar estos intervalos debemos conocer la distribucin muestral de cada
estimador (tipo de distribucin terica y error estndar del estimador), que como ya se vio
esto depende del parmetro de inters y del estadstico que se elija para estimar dicho
parmetro. Sin embargo es posible dar la forma general que adopta un intervalo de
confianza en cualquier caso.
Supongamos que se quiere estimar un parmetro Q de la poblacin a travs del
estadstico q, si el error estndar de la distribucin de q lo denotamos con SE(q), entonces
un intervalo de confianza para Q con una confianza del 95% (IC95%) viene dado por la
expresin:
IC95% = [q k1SE(q) , q + k2SE(q)]
- 35 Mg. Silvana Torres
x = ( xobs)/n
El error estndar de la media (SEM)es igual a
SD =
y el SEM es igual a
suma ( xobs x) 2
n 1
SD
n
(1)
x = 1930 grs. ;
= 0,05 ;
/2= 0,025 ;
SEM=
325
= 54,17
36
Z0.025= 1,96
p=
x
n
SE ( p) es igual a:
SE ( p) =
pq
n
donde q = 1-p
(2)
= 0,05 ;
p=
34
= 0,045 ; q= 1-0,045= 0,955 ;
750
/2= 0,025 ;
SE ( p ) =
0,045 0,955
= 0,0076
750
Z0.025= 1,96
variables cuantitativas, este puede tomar valores en el rango [-1 ; 1], siendo el valor nulo o
punto de corte r=0; por lo tanto cuando el intervalo de confianza de este coeficiente
contenga al cero no podremos concluir que exista asociacin o correlacin lineal
significativa entre dos variables cuantitativas.
En el caso de variables cualitativas las medidas de asociacin y riesgo, dependiendo
del diseo del estudio, son RR (Riesgo Relativo), RP (Razn de Prevalencias) y OR (Odds
Ratio), siendo en todos estos casos el valor nulo o punto de corte el uno (1); por lo tanto
cuando el intervalo de confianza contenga este valor no podremos concluir que exista
asociacin significativa entre las variables en estudio.
- 39 Mg. Silvana Torres
Tipo Estudio
Cuantitativas
Corte Transversal
Cualitativas
Medida
Valor Nulo
Interpretacin
Prospectivo
RR
Mide Riesgo
Cualitativas
Prospectivo
RA
Mide Riesgo
Cualitativas
Corte Transversal
RP
Mide asociacin
Cualitativas
Retrospectivo
OR
Mide asociacin
Cabe preguntarse ahora, cul de ellas se debe considerar como hiptesis nula. En la
mayora de los tests que se usan en investigacin mdica la hiptesis nula se elige a
aquella que se quiere rechazar, es decir, en este caso Ho: No hay asociacin.
La hiptesis nula generalmente es una hiptesis de igualdad, por lo que admite slo
una posibilidad; mientras la hiptesis alternativa admite varias posibilidades. Para aclarar
esto veamos un ejemplo: Supongamos que queremos probar si la proporcin (p) de
desnutridos en una poblacin infantil es igual o no al 20%. La H0 es que la proporcin de
desnutridos es igual al 20% (p=0,20); y la H1 admite tres posibilidades, de acuerdo a los
datos muestrales, que la proporcin de desnutridos sea menor al 20% (p<0,20), que sea
mayor al 20% (p>0,20), o que la proporcin sea distinta al 20% (p#0,20), se debe
determinar como H1 una de estas tres posibilidades. En smbolos:
H0 : p=0,20
H1 : p<0,20
H1 : p>0,20
H1 : p#0,20
Bajo este planteo un test de hiptesis estadstica no es otra cosa que un
procedimiento para tomar una decisin, bajo incertidumbre, sobre la validez de la
hiptesis nula usando la evidencia de los datos. Puesto que se trabaja bajo incertidumbre
es claro que cualquiera sea la decisin que se tome siempre existe una probabilidad de
cometer error. A fin de clarificar esto podemos presentar el siguiente esquema:
Situaciones posibles al probar una hiptesis estadstica
Realidad sobre Ho
Decisin
Rechazar Ho
No rechazar Ho
Falsa
Cierta
Decisin correcta
Error Tipo I
Error Tipo II
Decisin correcta
Como se pueda ver en el esquema, con cada tipo de decisin que se tome hay
asociado una posibilidad de cometer un error. Un procedimiento de este tipo sera ptimo
cuando las probabilidades de cometer un error, cualquiera sea la decisin que se adopte,
- 42 Mg. Silvana Torres
asociacin se toma una muestra aleatoria de 1000 nios y se obtienen los siguiente datos
(frecuencias observadas) que presentamos en una tabla de contingencia:
Tabla N 1: Estado Nutricional de los nios segn nivel de instruccin de la madre.
Frecuencias observadas (oi)
Estado Nutricional
Secundario
Total
Terciario
Eutrfico
182
213
203
598
Desnutrido
154
138
110
402
Total
336
351
313
1000
Secundario
Total
Terciario
Eutrfico
201
210
187
598
Desnutrido
135
141
126
402
Total
336
351
313
1000
(o e )
2obs=
/ ei
a este estadstico se le calculan los grados de libertad (gl) que son igual al nmero de
categoras de la variable (renglones) menos 1 por el nmero de categoras de la otra
variable (columnas) menos 1,
Se debe fijar = 0,05
gl = (r-1)(c-1)
Luego se compara el 2obs con el 2 con (r-1)(c-1) grados de libertad ( este valor se lo
busca en la tabla de distribucin del 2 ). Si el 2obs nos da un valor mayor que el 2(r-1)(c-1)
la decisin es rechazar H0 y concluir que existe asociacin entre las variables; pero si 2obs
es menor que el 2 no se rechaza H0 y se concluye que las variables son independientes,
todo esto a un nivel de significacin .
Si calculamos 2obs = 7,88 ; y si =0,05 el 20,05;2 =5,991 ; al comparar estos dos valores
tomamos la decisin de rechazar H0 y se concluye que el estado nutricional del nio y el nivel de
instruccin de la madre estn asociados. Al calcular la prueba a travs de un programa
estadstico este nos da un p-value, P=0,0195; al comparar este valor de P con =0,05 la
decisin es rechazar H0 ; pero si = 0,01 la decisin es no hay evidencia estadstica suficiente para
rechazar H0.
ESTUDIOS ANALITICOS
RELACION ENTRE DOS VARIABLES MEDIDAS EN EL MISMO INDIVIDUO
Evaluar la asociacin entre dos variables
MEDIDAS SUGERIDAS
VARIABLES
(ANALISIS SUGERIDO)
DOS CONTINUAS
(n grande)
DOS CONTINUAS
(n mediano o chico)
CONTINUA
vs
ORDINAL
CONTINUA
vs
NOMINAL
CONTINUA
vs
DICOTOMICA
DOS ORDINALES
ORDINAL
Vs
NOMINAL
ORDINAL
Vs
DICOTOMICA
DOS NOMINALES
NONINAL
vs
DICOTOMICA
DOS DICOTOMICAS
TIPO DE DATOS
CONTINUOS
ANALISIS SUGERIDO
TEST DE HIPOTESIS
(para grupos independientes)
ORDINAL
NOMINAL
DICOTMICOS
TIPO DE DATOS
CONTINUOS
ANALISIS SUGERIDO
TEST DE HIPOTESIS
(para grupos pareados)
ORDINAL
O
NOMINAL
TEST DE SIGNO
TEST McNEMAR
DICOTMICOS
TEST LIDDELL
BIBLIOGRAFA
1. Batellino, Luis y Susana Doronsoro. METODOLOGA DE LA INVESTIGACIN
EN SALUD. Universidad Nacional de Crdoba, Facultad de Odontologa. Crdoba.
1994.
2. Dawson-Sanders and Trapp, RG. BIOESTADSTICA MDICA. Ed. Manual
Moderno. 1993
3. Hernndez-vila, M; Garrido-Latore, F. y Lpez-Moreno, S. DISEO DE
ESTUDIOS EPIDEMIOLGICOS. Salud Pblica de Mxico. Vol. 42, N 2. MarzoAbril 2000.
4. Norman y Striner. BIOESTADSTICA. Harcourt-Brace. Espaa. 1998.
5. Pita-Fernndez, S. TIPOS DE ESTUDIOS CLNICOS EPIDEMIOLGICOS. Madrid.
2001.
6. Kleinbaum, D.G; Kupper, L.L; Morgenstern H. EPIDEMIOLOGIC RESEARCH.
PRINCIPLES AND CUANTITATIVE METHODS. Van Nostrand Reinhold
Company. 1982
7. Kish, Leslie. MUESTREO DE ENCUESTAS. Editorial Trillas. Mxico. 1979
8. Santana,
Mirta.
APUNTES
DE
ESTADSTICA
INFERENCIAL.
Ctedra