Académique Documents
Professionnel Documents
Culture Documents
= =
Medidas de posicin:
Los cuartiles son medidas de posicin que dividen la serie en cuatro partes
iguales.
Los cuartiles Q1, Q2, Q3 dejan el 25, 50 y el 75% respectivamente de los
individuos por debajo de su valor, y el resto por encima.
Frmula para calcularlos en series no agrupadas:
Qx = X (n +1) X. n del cuartil a calcular
4
Primer cuartil = percentil 25
Segundo cuartil = Ma = percentil 50
Tercer cuartil = percentil 75
Los cuartiles se utilizan para acompaar a la mediana y a a mayor valor ms
dispersin.
Se obtienes otros cuantiles (deciles, percentiles) utilizando la frmula anterior.
Percentiles (P)
Px= X * n+1/ 100
Dx = X * n+1/ 10
En las series no agrupadas se ordenan las agrupaciones de menor a mayor y se establece al cuartil en
cuanto a posicin.
Cuantiles en series agrupadas
Clculo del primer cuartil:
Se establecen los lmites verdaderos de las clases.
Se obtiene la frecuencia acumulada de las observaciones.
Utilizamos para la ubicacin de las clase Qx = n/4.
Tomando en cuenta el ejemplo utilizado para calcular la mediana tenemos:
Q
1
= 29,5 + (0,5/9)*5 = 29,77 + 0,27 = 29,77 Kgs.
Clculo del tercer cuartil:
Q
3
= (3/4) * n = (3/4)*50 = 37,5 Kilos
Q
3
= 39,5 + (6,5/7)*5 = 39,5 + 4,64 = 44,14 Kgs.
(n/4 FaAnt)
Q
1
= Liq
1
+
FQ
1
x Am
Dato de Asociacin: Son aquellos mediante el cual los individuos
se clasifican simultneamente utilizando dos escalas.
Las Escalas pueden ser
1- Ambas escalas cualitativas.
a.-Presentacin Tabular:
- La escala con ms subdivisiones va en lo vertical y la otra en
horzontal
- El cuadro tendr una fila y una columna de totales.
Tema N 11
Etapa de anlisis e interpretacin
Datos de asociacin correlacin y regresin.
--------------------------------------------------------------------------------------------------------
SEXO RESULTADOS TOTAL
POSITIVOS NEGATIVOS
--------------------------------------------------------------------------------------------------------
Masculino 80 60 140
Femenino 40 40 80
--------------------------------------------------------------------------------------------------------
Total 120 100 220
--------------------------------------------------------------------------------------------------------
*Datos hipotticos
Personas segn sexo y resultados de v.D.R.L.*
Maracaibo - 1983
Anlisis porcentual, total o del gran total
Personas segn sexo y resultados de V.D.R.L.*
Anlisis porcentual total.
Maracaibo -1983.
Resultados
Sexo Positivos Negativos Total
Masculino 36,0 27,0 64,0
Femenino 19,0 19,0 36,0
TOTAL 55,0 45,0 100,0
* Datos Hipotticos
En el cuadro se realiza el anlisis porcentual Total o del Gran total, en el
cual, todo est referido al total general del cuadro, en el ejemplo: 220, de
manera que si 220 es 100, cada/uno sera x.
220 = 100
c/u x
Anlisis porcentual de la ultima fila:
Personas segn sexo y resultados de v.D.R.L.
Maracaibo- 1983
--------------------------------------------------------------------------------------------------------
SEXO RESULTADOS TOTAL
POSITIVOS NEGATIVOS
--------------------------------------------------------------------------------------------------------
Masculino 66,6 60,0 63,6
Femenino 33,4 40,0 36,4
--------------------------------------------------------------------------------------------------------
Total 100,0 100,0 100,0
--------------------------------------------------------------------------------------------------------
El anlisis porcentual de la ltima fila, en el cual cada total de la ltima fila representa el
100% de la respectiva columna, se efecta verticalmente, recibe el nombre tambin de
anlisis porcentual vertical.
Si 120 = 100%, cada resultado positivo ser x.
Si 100 = 100% cada resultado negativo ser x.
Si 220 = 100%, cada total ser x.
Anlisis porcentual de la ultima columna:
Personas segn sexo y resultados de v.D.R.L.
Maracaibo- 1983
--------------------------------------------------------------------------------------------------------
SEXO RESULTADOS TOTAL
POSITIVOS NEGATIVOS
--------------------------------------------------------------------------------------------------------
Masculino 57,0 43,0 100,0
Femenino 50,0 50,0 100,0
--------------------------------------------------------------------------------------------------------
Total 55,0 45,0 100,0
--------------------------------------------------------------------------------------------------------
*Datos hipotticos
El anlisis porcentual de la ltima columna, en el cual cada total de la ltima columna representa el
100% de su respectiva fila. Este anlisis se realiza horizontalmente, tambin se le llama anlisis
porcentual horizontal.
Si 140 = 100%, cada resultado de acuerdo al sexo masculino ser x
Si 80 = 100%, cada resultado de acuerdo al sexo femenino ser x.
Si 220 = 100%, cada total ser x
2. Una escala Cualitativa y otra Cuantitativa.
a.- Presentacin Tabular: Igual que el anterior
b.- Presentacin Grfica: Polgono de frecuencia y barras mltiples y compuestas.
c.- Anlisis: Mediante medidas de tendencia central y de dispersin o con tasas y
porcentajes.
Ejemplo : Peso al nacer de 180 nios segn sexo.
Peso en gramos Sexo Total
Masculino - Femenina
------------------------------------------------------------------------------------
2000-2499 8 12 20
2500-2999 20 25 45
3000-3499 50 35 85
3500-3999 16 14 30
Total 94 86 180
------------------------------------------------------------------------------------
Fuente: Datos: Hipotticos
3. Dos escales cuantitativas.
a.- Presentacin Tabular: Si son pocos individuos se especfica al lado de
cada uno de los valores de las mediciones realizadas, pero si son muchas,
(ms de 30) se deben agrupar en clases.
b.- Presentacin Grfica: Se har por diagrama de puntos, es
indispensable para el anlisis de los datos.
c.- Anlisis: Presenta dos aspectos diferentes. Se realiza por el coeficiente
de regresin (b) y el coeficiente de correlacin (r).
COEFICIENTE DE REGRESIN:
Se elabora un grfico en el cual la
variable independiente se coloca
abscisa y la dependiente en la
ordenada.
Estatura y Peso de un grupo de
alumnos del curso de Estadstica.
(A)
Alumnos
Estatura en
Centmetros
Peso en
Kilos
1 1,62 58
2 1,58 58
3 1,55 56
4 1,62 60
5 1,70 68
6 1,60 61
7 1,75 70
8 1,65 60
9 1,68 64
10 1,65 69
Los valores de la escala dependiente (y) peso cambia b unidades por
cada unidad de variacin de la escala independiente (x) estatura.
Valor positivo cuando ambas variables |+ a la vez.
Valor negativo cuando una variable | y a la otra +, o sea igual a (cero).
Cuando para cualquier valor de una escala la otra siempre presenta un
mismo valor.
Clculo del coeficiente de regresin
Pasos a seguir segn el cuadro A:
1.- Disponer los datos en el cuadro.
2.- Obtener el promedio para cada variable en estudio.
3.- Cada observacin debe ser ubicada a su promedio respectivo para
las dos variables y anotarlos en columnas una para cada variable,
indicando si son positivas o negativas.
4.- Elevar las anteriores desviaciones del promedio al cuadrado,
anotndolas en columnas, una para cada variable.
5.- Totalizar las dos columnas de cuadrados.
6.- Multiplicar las desviaciones del promedio de cada una de las
variables, individuos a individuos, conservando los signos algebraicos
y totalizando estos productos.
7.- Dividir el total de la columna de productos por el total de la columna
de desviaciones.
Estatura y Peso de un grupo de alumnos del
curso de Metodologa Estadstica.
s Centmetro
dy
dxdy
b
Kilos
dx
dxdy
b
Y X
II
I
91 , 0
278
255
80 , 0
316
255
62 . 164
2
2
= =
=
= =
Para 1 centmetro hay
aumento de 0,80 kilos.
Para 1 kilo hay un aumento
de 0,91 centmetro.
Estatura y peso de un grupo de alumnos del curso de Metodologa
Estadstica.
Lnea de regresin:
Se utiliza para predecir el peso de cualquier individuo cuya estatura se
conoce, dentro de los lmites de la serie estudiada.
y = (y - bx) + bx.
Si estamos seguros de que existe un grado de asociacin entre las dos
variables bien sea por experiencia previa o porque el coeficiente de
correlacin calculado asi lo indique, utilizamos la regresin, y la medida
utilizada es el coeficiente de regresin (b).
Esto demuestra que la utilizacin de un mtodo no incluye
necesariamente al otro.
Problema de correlacin:
Averiguar qu factores pueden explicar las variaciones encantadas.
para cada variable en estudio b
l
b
ll
, y para reducir estas dos constantes a
una se utiliza el coeficiente de correlacin (r) que es igual a:
r =
r = Coeficiente de correlacin
b
l
: Coeficiente de relacin variable X
b
ll
: Coeficiente de regresin variable Y
Clculo del coeficiente de correlacin en base al cuadro.
II I
b b -
s Centmetro
dy
dxdy
b
Kilos
dx
dxdy
b
II
I
91 , 0
278
255
80 , 0
316
255
2
2
= =
=
= =
=
X y Y = Promedio de las variables en estudio.
X y Y = Promedio de las variables en estudio.
b = Coeficiente de regresin.
x = Valor de la variable independiente.
Ejemplo: Segn cuadro anterior. Calcular el peso de un
individuo con 1,80 centmetros de estatura.
Y = 62 y 180 = 62 - (0,80 x 164) + (0,80 . 180)
X= 164 y = 62 - 131 + 144 = 75
b = 0,80 Y 180. = 75 Kilos
x = 180 El peso de un individuo con 180 cm.
y = ? puede ser estimado en 75 kilos.
INTERPRETACIN DE LOS RESULTADOS:
1.- El coeficiente de correlacin (r) puede tener cualquier valor entre -1 y +1.
Valores positivos indican que cuando una variable aumente la otra
disminuye.
2.- Si r es iguala -1 +1, hay perfecta asociacin entre las dos variables, la
otra cambia en una unidad, un nmero siempre igual de unidades en el
grfico se obtiene una lnea recta.
3.- Si r es igual a 0 (cero) significa que no hay ninguna asociacin entre las
dos variables.
86 , 0
278 316
255
278 316
255 255
=
= =
II I
b b r
4.- El coeficiente de correlacin puede ser llevado a porcentajes pero no
llevando a r a % directamente.
1
2
r = 0,86
r
2
= (0,86
2
) . 100
=.0,74 . 100
= 74%
5.- Si el coeficiente de correlacin es menor de 0,50 es difcil
interpretacin.
6.- Asociacin no implica causalidad. Dos variables pueden aumentar o
disminuir al mismo tiempo sin que esto implique que sean determinadas
una por otra.
Ejemplo: Muerte por accidentes.
Muerte por cncer de pulmn.
7.- No aplicar las asociaciones encontradas a valores que
exceden los limites de las series de estudio. Ejem: Edad y
Estatura.
8.- Solo calcular coeficiente r ,cuando el grfico se resume en
una lnea recta. Pueden haber grficos curvilineales, pero de
ms difcil clculo.
9.- La interpretacin del coeficiente de correlacin se hace
tomando en cuenta el nmero de individuos estudiado. A mayor
tamao de la muestra, menor variabilidad en los coeficientes y
tendrn mayor validez.
10.- En grandes grupos de individuos hay que agruparlos en
clases lo que facilita la comparacin pero complica los clculos.
Definicin:
Es la descripcin de un fenmeno a lo largo del tiempo, en una
direccin y con eventuales cambios y fluctuaciones. La direccin del
movimiento fundamentalmente es llamada tendencia, puede ser
ascendente o descendente y corta o larga duracin.
Clasificacin:
A)Larga evolucin: Tendencia .general o secular que consiste en un
movimiento lento y suave, que se cumple en muchos aos.
B) Corta evolucin: Consiste en variaciones regulares o peridicas,
compuestas a su vez por variaciones menores o ganchos.
Pueden Ser:
1)Estacional: se distribuyen segn las estaciones climticas del ao y los
meses, Ejem. Aumento de las diarrea s en los meses de Mayo y Junio.
Tema N 12
Series cronolgicas
2) Cclica: Depende de la amplitud del ciclo de cada enfermedad, que abarca
uno o ms aos.
Ejemplo: Las enfermedades infecto-contagiosas, que aumentan segn el
incremento del numero de personas susceptibles a la misma como el
sarampin.
3) Ocasional: Depende de acontecimientos inesperados.
Ejemplo: Terremotos, inundaciones, guerras.
A- Presentacin Tabular: El cuadro consta de dos columnas, la primera con la
escala del tiempo y la segunda con el nmero de veces de ocurrencia del
fenmeno en estudio y se puede se agregar una tercera columna para tasas.
B- Presentacin Grfica: Diagrama lineal; diagrama semilogartmico.
C- Anlisis:
1- Lnea de tendencia a mano libre: Se traza a mano una lnea recta o
curva en el grfico realizado con los datos correspondientes. .
Lnea de Tendencia Usando
Semi-Medias
Solo se utiliza cuando el grfico seala que pueden ser
representados en lnea recta.
Ejemplo: Los datos del perodo, que se estudian se dividen en dos grupos iguales y en
cada uno de ellos se obtendr el promedio respectivo. Si el nmero de aos es impar se
incluir el ao situado en la mitad, en ambos promedios.
Datos de tasas de
mortalidad por
tuberculosis fueron:
Aos Tasas
1956 45,5
1957 43,0
1958 36,2
1959 32,3
1960 29,5
Los Semipromedios Sern:
En el grfico previamente elaborado se asentarn los semipromedios
obtenidos con una pequea cruz colocada en la mitad del espacio
correspondiente al perodo respectivo.
3- Lnea de tendencia con semipromedios mviles: Cuando las
variaciones son muy. irregulares se utilizan los promedios mviles, que
comprenden 3,5,7 o ms aos a la vez.
El objetivo principal de los promedios mviles es suavizar las tendencias.
. 000 . 100 / 7 , 32
3
0 , 98
3
5 , 29 3 , 32 2 , 36
. 000 . 100 / 4 , 41
3
2 , 124
3
2 , 36 0 , 43 5 , 5 4
hab
hab
= =
+ +
= =
+ +
Anlisis Aritmtico
Coeficiente de regresin, variacin media anual, variacin % del lapso.
COEFICIENTE DE REGRESIN:
Al ser aplicado en series cronolgicas es necesario recurrir a un artificio en
los aos (x) y se sustituyen por el nmero de aos estudiados. Las tasas
representan la variable.
VARIACION MEDIA ANUAL (V.M.A.):
Recibe el nombre de variacin promedio anual, mediante una simple resta
se obtiene el ascenso o el descenso absoluto en el perodo estudiado y se
divide por el nmero de aos.
VARIACIN PORCENTUAL DEL LAPSO (V.P.L.V%):
Indica los aumentos o descensos en una serie en todo el perodo de tiempo
estudiado.
Consiste en la aplicacin de la estadstica en el campo de la
Salud Pblica. El mtodo estadstico constituye un valioso
instrumento tanto para el mdico clnico como para el mdico
sanitarista.
Campos de accin:
- Estimacin y composicin de la poblacin.
- Estimacin de los ndices de saiud-enfermedad, tasas,
porcentajes, etc.
- Para planificacin en salud, etc, .
Tema N 13
Estadsticas de la salud
Demografa
- Matemticas
- Ecologa
- Gentica
- Etmologa
- Paleontologa
- Arqueologa
Es la ciencia de la poblacin y esta formada por un cuerpo de doctrinas
que le es propio o especfico y otro cuerpo de ciencias y mtodos
auxiliares como:
- Bioestadsticas
- Estadstica general
- Sociologa
- Economa
- Psicologa social
- Geografa
- Antropologa
- Historia
Demografa
La demografa medica o demografa en relacin con la medicina y la
salud pblica esta constituida muy convencionalmente por:
- Bioestadsticas
- Biometra
- Demografa cualitativa y patologa social
- Eugenesia
- Gentica
- Etnologa
- Ecologa
- Fisiologa de la reproduccin
- Sexologa
- Planificacin familiar
- Educacin sexual
Demografa
La dinmica de la poblacin o movimiento demogrfico deriva
en cuatro factores.
- Natalidad
- Inmigracin
- Mortalidad
- Emigracin
Estimacin de la poblacin:
Mtodo natural: aplicada en poblaciones pequeas, el mes
antiguo
(+) natalidad, inmigracin, (- ) mortalidad y emigracin.
Definicin:
Es un conjunto de operaciones destinada a recolectar
datos demogrficos econmicos y sociales de los
habitantes de un rea para una fecha determinada.
Utilidad:
- Sirve de base para los estudios de planificacin y
administracin del sector pblico.
- Sirve de base para los estudios de investigacin y planes del
sector privado.
- Para los estudios de ndole demogrficos.
Tema N 14
Censo de poblacin
Caractersticas:
- Planificadas por el gobierno
- Territorio definido
- Fecha apropiada
- Se censa toda la poblacin del pas
- Se realiza simultneamente en todo el pas
- Se realiza cada 10 aos
Tipos de censos:
- De facto:
Se registran a los individuos en el lugar donde se encuentre al
momento del censo (ms fcil), se evita la subenumeracin de
personas en domicilio fijo.
Tipos de censos:
De Jure:
-Se registra a los individuos por su
residencia habitual.
-Se conoce la poblacin. (es el
preferible).
Mixto:
Convencional internacional: parecido al
de facto.
Incluye: personas presentes en el pas
para el momento del censo, personal
militar, diplomticos nacionales y sus
familiares residentes en el extranjero.
Excluye: Personal militar, naval y
diplomtico extranjero y sus
familiares.
La mayora usa empadronadores
entrenados (en pases con alto ndice
de analfabetismo).
Los auto empadronadores:
Ejemplo: en Inglaterra los jefes de
familias llenan los formatos y los
envan por correo.
Estructura demogrfica edad
Clasificacin I:
Se utiliza en pases en vas de desarrollo. Se toma en cuenta al grupo inferior
con respecto al grupo superior.
Grupo de Edad:
- 15 aos
15 a 49 aos
50 a ms aos
Clasificacin II:
Se utiliza en pases desarrollados. Toma en cuenta los grupos extremos.
-15 aos
15 a 64 aos
65 a ms aos
Grupo de Edad:
Elaboracin de los datos censales
Cuadros estadsticos:
Distribucin de los habitantes de acuerdo a caractersticas comunes.
Siendo importante la distribucin por edad y sexo (Clasificacin I y II).
Grficos: Pirmides de Poblacin.
Es un polgono de frecuencia donde se representa la distribucin por
sexo y por edades de los habitantes de una regin o pas.
Elaboracin:
Eje Vertical: se representa edades.
Eje Horizontal: Se representa nmero de habitantes.
Utilizando doble escala con el fin de inscribir separadamente a los
hombres y a las mujeres.
Convencionalmente se distribuye la parte izquierda para el sexo
masculino y la derecha para el femenino.
Forma: Depende de las variaciones de la natalidad, mortalidad,
movimientos (migratorios).
Refleja la historia de una nacin:
- Fenmenos estadales
- Grandes guerras
- Grandes migraciones
Estimacin de la poblacin:
- Mtodo aritmtico - Crecimiento lineal
- Mtodo geomtrico - Crecimiento exponencial
Elaboracin de los datos censales
Estimacin de la poblacin
Mtodo aritmtico:
Utilizacin:
- Implementacin (aos intercensales)
- Extrapolaciones (aos posteriores al ltimo censo) en la siguiente
forma:
Localidades pequeas: (< 40.000 Habitantes) a cualquier plazo.
Localidades grandes: Plazo corto (1 a 2 aos) y mediano alrededor de 5
aos.
Regiones o pases: Corto plazo.
Frmula
Pt = P1 + (dp) (dt)
Pt = Nmero estimado de habitantes para la
fecha
P1 = Nmero de habitantes segn 1er Censo
dp = Crecimiento medio anual
dt= Lapso de tiempo entre el 1er censo y el
deseado.
Procedimiento
1. Determinar el crecimiento intercensal (DP)
DP - P2 - P1
! 2. Determinar lapso intercensal (DT)
DT - T2 - T1
3. Determinar crecimiento medio anual (dp)
dp = DP / DT
4. Determinar lapso de tiempo en aos y fraccin entre el 1er
censo y el censo deseado para el 1ro de Julio.
dt = Tn - T1
5. Se calcula la poblacin deseada de acuerdo a la frmula
Utilizacin:
Para extrapolaciones de cualquier localidad, regin o pas, para
cualquier lapso.
Mtodo geomtrico modificado
Frmula:
Pt = Px (1 + r)
Px = Poblacin del ao siguientes al ltimo censo
(calculada por el mtodo aritmtico llevada al 1ro, de Julio)
r = Razn de crecimiento.
Procedimiento:
1 . Calcular el lapso entre los dos censos (N) .
N = t
2
- t
1
2. Calcular el crecimiento promedio anual (CPA)
3. La poblacin del 1er censo (P
1
) debe llevarse al 1ro. de Julio del ao
siguiente al ltimo censo (estimarla por el mtodo aritmtico).
4. Calcular la razn de crecimiento (r)
a. Calcular el semipromedio entre las poblaciones de los 2 censos.
N
P P
CPA
1 2
=
2
1 2
P P
Ps
+
=
5. Calcular (r) (tasa de crecimiento anual)
r = CPA
Ps
6. Calcular la poblacin deseada de acuerdo a la frmula
Concepto: N de nacidos vivos de un rea determinada.
Nacido Vivo:
Producto de la concepcin que una vez separado del cuerpo
rnaterno y aunque siga unido al mismo por el cordn umbilical sin
importar la edad del embarazo, presente cualquier signo de vida
(respiracin, latidos cardiacos, pulsaciones del cordn o
movimientos musculares definidos).
Contrario, muerte fetal.
"La informacin se produce anualmente a partir del registro
haciendo correccin por residencia de las madres.
Tema N 15
Natalidad
Definicin de trminos
FECUNDIDAD: Capacidad real de reproducirse se mide por el
nmero de hijos concebidos.
FERTILIDAD: Capacidad potencial de reproducirse, es decir, la
capacidad de no permanecer estril.
NATALIDAD TOTAL: Totalidad de nios concebidos que hayan o
no nacido vivos, su conocimiento es importante para estudios
biolgicos.
NATALIDAD EFEUIVA: Es exclusivamente los nacidos vivos y es casi
la nica utilizada en tos estudios demogrficos.
a) Planificacin de los programas: en su programa de lucha
materno-infantil debemos conocer:
- N de embarazadas.
- Parturientas
- Puerperas
- N de recin nacidos y < 1 ao
Medir los riesgos maternos e infantiles expresados en tasas de
mortalidad materna infantil.
b) Ejecucin: (Desarrollo) de los programas de salud.
. Ejemplo: Ofertar servicios prenatales y de . parto a las mujeres ms necesitadas
Utilizacin de las estadsticas de natalidad
en las etapas de la programacin
c) Evaluacin de los Programas:
- Comparando la poblacin que se plante servir con servida.
- Comparando los riesgos existentes a la iniciacin del programa con
aquellos presentes a su terminacin.
- Fuentes de recoleccin de la natalidad.
- El registro civil (principal)
- Otras fuentes.
- Instituciones pblicas o privadas que.-atienden partos:
- Mdicos parteras comadronas a domicilio
Utilizacin de las estadsticas de natalidad
en las etapas de la programacin
- Personal de la unidad sanitaria local (contactos diarios)
- Lderes de la comunidad (eventual)
- Certificados de defuncin de fallecidos en los primeros
das de la vida, que escapan al registro de la natalidad.
- Comunicacin de otros servicios regionales vecinos.
Utilizacin de las estadsticas de natalidad
en las etapas de la programacin
En Venezuela el registro tiene doble modalidad; dividiendo al pas en
2 zonas.
a) rea de natalidad: Donde la inscripcin es doble, primero en la
autoridad sanitaria local y luego en el registro civil.
b) Resto del pas: La inscripcin es solo en el registro civil.
Certificado de nacimiento:
Formato donde se asientan tres clases diferentes de datos
referentes:
- al recin nacido
- a su ambiente
- a sus padres
En la maternidad se le entrega la boleta de egreso del nio para ser
presentado en la prefectura (donde le llenan el certificado de nacimiento -
> epidemiologa)
Sistema de Registro
Medicin de la Natalidad a travs de las tasas Tasa
general de natalidad:
TGN = N de Nacidos vivos en determinada rea y ao x 1000 hab.
Poblacin de dicha regin o rea para el 1 de Julio del ao en estudio
(esta tasa no toma en cuenta las personas realmente expuesta al riesgo)
Tasa General de Fecundidad:
TFG = N de nacidos vivos en determinada rea y ao x 1000 hab.
Poblacin femenina fecundante (de 1 5 a 4 9 aos)
Frmulas
Estadstica Inferencial
Es un Proceso Racional
Conceptos claves:
1. La probabilidad: es un concepto importante en las
estadsticas. En el campo mdico se usan probabilidades
subjetivas y objetivas.
2. Las poblaciones: rara vez se estudian, en cambio los
investigadores estudian las muestras.
3. Se han probado varios mtodos para la investigacin
mdica, un punto importante es que cualquier mtodo debe
usarse al azar.
Probabilidad y Temas relacionados
para elaborar inferencias
acerca de los datos
4. Cuando los investigadores seleccionan una muestra al azar y
realizan mediciones, el resultado es una variable aleatoria. Este
proceso realiza pruebas estadsticas y de posibles inferencias.
5. Si una muestra es representativa de la poblacin podemos inferir las
caractersticas de la poblacin.
6. Poblacin: es el conjunto de todos los individuos que tienen en
comn alguna caracterstica observable y en lo que se deben estudiar
en determinado fenmeno. Sus caractersticas se definen como
Parmetros.
7. Muestra: es una parte de la poblacin en la cual se efecta el estudio
del fenmeno. Sus caractersticas se conocen como: Estadgrafos.
8. La distribucin normal se usa para encontrar la probabilidad de que un
desenlace ocurra cuando las observaciones tienen una distribucin en
forma de campana. Esto se utiliza en muchos procedimientos
estadsticos
9. Los usos principales del error estndar son para conocer
los lmites del Verdadero Valor del Universo, estimacin del
tamao de una muestra con precisin y certeza. Para conocer
si una muestra procede o no de un determinado universo.
10. Las pruebas de significanca paramtricas; estn
centradas en modelos que se acercan a la distribucin de una
curva normal, la significanca de la prueba esta entre 1% al 5%
por esto casi siempre el resultado se pide con un 95%.
11. La clasificacin de las principales pruebas paramtricas se
hace tomando en cuenta si los grupos son dependientes o
independientes, la escala y la medida de anlisis.
12. Son pruebas de significanca paramtricas: Curva Normal,
Chi Cuadrado, Prueba de T Kruskal- Wallis, NC Nemar.
Estadstica Inferencial
Definicin:
Es la rama de la estadstica moderna, que trata las bases lgicas mediante las
cuales se establecen conclusiones relacionadas con poblaciones a partir de los
resultados obtenidos en una muestra.
Inferencia Estadstica:
Tipos de poblaciones: Poblacin Objetivo, poblacin muestreada.
Poblacin Objetivo: es aquella sobre la que un investigador desea establecer
una conclusin.
Poblacin Muestreada: Es aquella a partir de la cual se obtuvo la muestra y
acerca de la cual puede establecerse una conclusin.
La Induccin Estadstica
Comprende dos aspectos:
La Estimacin de Valores Universales
La Comparacin de Universos, directamente o a travs de muestras.
Procedimientos de estimacin de Parmetros
a. Promedial: Promedia estadgrafos de varias muestras.
b. Porcentual: Con una sola muestra refiriendo su resultado al universo o sea
tomando el estadgrafo como estimador del parmetro.
c. Lmites de Confianza: Con una sola muestra tambin pero estableciendo,
mediante el error estndar los lmites: inferior y superior del intervalo de
confianza o seguridad para la ubicacin Terica del Parmetro.
Teora de Probabilidades
Blaise Pascal (1623-1662) y Pierre de Fermat (1601-1665)
matemticos franceses, crearon la Teora de Probabilidades para
solucionar algunos de los problemas que tenan los jugadores.
Perre de Laplace (1749- 1827) realiz un gran aporte a la Teora de
la Probabilidad utilizando sus aplicaciones a otras reas del
conocimiento por cuanto hasta entonces su utilidad se limitaba
nicamente a los juegos de azar, Laplace demostr que poda ser
aplicada a multitud de problemas cientficos y prcticos como la
Teora de Errores, la Matemtica Actuarial y la Mecnica Estadstica
desarrollada en el Siglo XIX.
Definiciones:
Experimento Aleatorio (E.A)
Ya- Lun Chou (1972), considera que un experimento aleatorio es una
prueba o ensayo cuyos resultados dependen del azar o casualidad
Espacio Muestral
Parzen (1973), lo define como el conjunto de todos los resultados
posibles del Experimento Aleatorio.
Puntos Muestrales
Cada uno de los elementos del espacio muestral, de acuerdo a la
naturaleza del experimento aleatorio.
Eventos o Sucesos
Son subconjuntos del espacio muestral.
Clasificacin de los eventos
Evento Elemental
Consta de un solo punto muestral.
Evento o Suceso Imposible
No tiene puntos muestrales, se corresponde con el conjunto vaco.
Evento o Suceso Seguro
Siempre se verifica, se corresponde con el espacio muestral.
Eventos Incompatibles o Mutuamente Excluyentes
La realizacin de uno de ellos excluye la del otro, en consecuencia no
pueden producirse simultneamente.
Eventos Compatibles o Solapados
La realizacin de uno de ellos no excluye la del otro; es decir cuando
al ocurrir uno de ellos el otro puede ocurrir o no.
Los eventos Compatibles pueden ser:
Independientes: Su realizacin no esta intercondicionada; es decir cuando
cualquiera de ellos puede ocurrir independientemente del otro.
Dependiente: La realizacin de uno de ellos esta condicionada a la del otro. Se
denotarn con una raya inclinada (A/B) que quiere decir que primero debe ocurrir
B, para luego ocurrir A.
Definicin de Probabilidad
Existen tres formas bsicas en atencin a enfoques conceptuales diferentes, esos
son: el clsico, el de frecuencia relativa y el subjetivo.
Clsico o a Priori
Enfoque formulado por Laplace, es el ms antiguo y se basa en suponer que todos
los posibles resultados del experimento aleatorio son
mutuamente excluyentes y con
igualdad probabilstica (equiprobables)
Frecuencia Relativa: suponiendo que un experimento aleatorio se realiza
n veces (nmero muy grande) en las mismas condiciones con X xitos,
la estimacin de la probabilidad del evento es:
P(A)= x
n
Es importante sealar que este mtodo utiliza la frecuencia relativa de
ocurrencias pasadas como posibilidades es decir, se determina la
frecuencia de un hecho ocurrido en el pasado y se utiliza ese dato para
predecir su probabilidad de ocurrencia en el futuro.
Subjetivo: podra definirse la probabilidad asignada a un evento por un
individuo basada en cualquier evidencia que tenga disponible, como
podra ser la experiencia personal del investigador que esta haciendo la
evaluacin de la probabilidad.
Axiomas de Probabilidad
El clculo probabilstico se desarrolla de tres axiomas, con referencia
A un espacio muestral finito E.
Axioma 1
Sea A un evento E, se cumple que: P(A) >0
Esto quiere decir que la probabilidad de un evento es cero o es positiva .
Cuando P(A)= 0 se dice que A es un evento imposible ya que no contiene
puntos muestrales.
Axioma 2
PE= 1
La probabilidad del espacio muestral es 1
Estos dos primeros axiomas indican la probabilidad de cualquier evento A
Esta cotada entre 0 y 1, esto es: 0 P(A) 1
Axioma 3
Si A y B son eventos de E se define:
P(A U B)= P(A) + P(B)
La probabilidad del evento A U B es igual a la suma de las
probabilidades de los eventos A y B que lo comprenden. La relacin
anterior se conoce con el nombre de regla de la suma.
Estos axiomas se utilizaran para definir otras reglas de clculo de
probabilidades.
Probabilidad Condicionada
Cunado se desea informacin acerca de cierto evento de un
experimento aleatorio, el espacio muestral original se reduce a uno
de sus subconjuntos.
Regla de Bayes:
Tiene aplicacin en Clnica y Epidemiologa, al presentarse una cadena
de eventos y conocerse la probabilidad de cada eslabn.
La Cadena ms simple es la Causa- Efecto: A B
a. Sentido directo: Probabilidad del efecto B, dada la causa A.
b. Sentido inverso: Probabilidad de la Causa A, dado el efecto B
Grupos de estudio: Universo - muestra
Universo o poblacin:
son todas las unidades de observacin, individuos
conglomerados que tienen caractersticas susceptibles de ser
estudiadas.
Tipos de universo de acuerdo a su extensin:
1. Finito: nmero limitado de individuos.
2. Infinito: nmero ilimitado de individuos.
3. Hipottico: nmero hipottico de individuos.
UNIVERSO O POBLACIN
Homogneos:
Componentes con caractersticas similares parecidas o diferentes
pero mezcladas.
Heterogneos:
Formado por unidades diferentes, que forman estratos por
cada tipo de unidad.
TIPOS DE UNIVERSOS SEGN ESTRUCTURA
nica practicable cuando el
universo es:
Infinito
Hipottico
Ventajas
Permite ahorrar:
Tiempo
Recursos humanos
Materiales
Econmicos.
Disminuye los errores debido a:
Observador, mtodo de observacin,
sujeto observado observado.
Muestra:
Parte cualquiera del universo, desde una unidad de
observacin, hasta una unidad menos que el total.
Error por muestreo:
Verdadero valor N valor dado n
Desventaja:
Segn su validez:
Representativa: Reproduce todas las caractersticas
estructurales del universo (muestra probabilstica).
No representativa: (seleccionada) solo reproduce en pequeo
una o varias, pero no todas las caractersticas del universo.
Puede ser:
Voluntaria o de conveniencia.
Involuntaria.
Clasificacin:
Segn interrelacin:
Independientes
No independientes.
Cualitativas (representabilidad y seleccin)
Representabllidad: Buena cualidad, el procedimiento de obtencin
de la nuestra, es mediante un procedimiento probabilstico o de azar,
las muestras representativas son muestras probabilsticas.
Seleccin: Cualidad negativa de la muestra respecto a
representabilidad, que se produce al no usar el azar en su obtencin o
usarlo en forma inadecuada.
Son muestras de seleccin:
Opintica, de voluntarios, de criterio, disponible.
Caractersticas de las muestras
Son muestras de seleccin involuntaria:
Parcializadas (se toma. un sector o estrato confundido con
el universo)
Sesgadas ( obtenidas por azar incompleto o inadecuado)
Cuantitativas :
1. Muestras grandes (son las que tienen mas del 1 0% de los
individuos)
2. Muestras pequeas (son las que tienen menos del 1 0% de los
individuos)
3. Tamao mnimo ( menor nmero permisible fijado por criterios de
precisin, seguridad o certeza)
Tamao deseable (determinado por criterios)
Variacin del universo (a mayor variacin mayor tamao de la
muestra)
Magnitud del universo (a mayor magnitud mayor tamao de la
muestra)
Medida de resumen a usar (promedio y porcentaje)
Frecuencia del fenmeno (a menor frecuencia,mayor tamao de
la muestra)
Complejidad del estudio (a mayor complejidad, mayor tamao
de la muestra)
Tamao posible (determinado por los recursos disponibles)
Cuantitativas :
1 )Probabilidad de elegir cada individuo de la muestra conocida, para
poder calcular los errores.
2 )Individuos elegidos por azar.
Mtodos para obtenerla:
1 )Sorteo o lotera ( con reposicin, sin reposicin)
2 )Tabla de nmeros aleatorios.
Modelos probabilsticas:
1) Modelo por azar Simple:
Proceso aleatorio que da a todos y a cada una de las unidades del
universo o, estrato una probabilidad de eleccin conocida.
Se utiliza un lista completo del universo.
Se utilizan dos mtodos, (lotera y nmeros al azar)
Muestra probabilstica:
Es aquella en que cada individuo de la
poblacin tiene una probabilidad
perfectamente conocida y diferente a cero
de ser incluido en la muestra.
2 ) Modelo por azar sistemtico: Se usa en universos homogneos,
se obtiene de la siguiente manera:
Se elabora una lista con los individuos que constituyen el universo por azar.
Se calcula la constante que va a dar la separacin en el sorteo.
K-N/n
Sorteo (la primera unidad que va a formar parte de la muestra)
La constante al mismo tiempo marca la escogencia de los individuos a
travs de un sistema.
3) Modelo estratificado: El universo en estudio se divide en sectores
segn alguna caracterstica en comn y de estos se eligen los individuos al
azar.
4) Modelo por conglomerados: El universo se subdivide en grupos o
conglomerados de individuos, se numeran los conglomerados y se eligen
al azar.
5) Modelo por procedimiento combinado: Se puede tomar dos o
ms modelos y combinarlos. Ejemplo: Conglomerado + Estratificada.
Error por Muestreo
y
Error Estndar
Cuando las medidas de resumen pertenecen a muestras, implican error por
muestreo. Este error puede medirse siempre y cuando hayan sido obtenidas
por procedimientos probabilsticos y se expresa matemticamente mediante
el error estndar. El error estndar; llamado tambin error tipo, tpico, es
aquel que mide la variacin de un conjunto de muestras en el universo.
Desde luego que estas muestras deben ser probabilsticas y obtenidas por
medio del azar. Casi siempre se usaba con ms de 30 observaciones. En
relacin a la Curva Normal es necesario puntualizar, que el promedio es el
del Universo (x ii) y que existen tres Errores Estndar a cada lado de la curva.
Interpretacin
Uno que concierne a la muestra
Y otro que concierne al Universo.
Error Estndar de la Muestra
Diferencia entre el resultado de la muestra y el valor del Universo respectivo
Error Estndar del Universo
Medida de dispersin de las muestras en el Universo. En este sentido
equivale a la desviacin estndar; pero referidas a muestras en el Universo
y no a individuos dentro de la muestra.
Error estndar simple del Promedio viene dado por la siguiente frmula:
E E= DE
n
n: N de individuos.
Error estndar simple del porcentaje.
EE%= P . Q
n
P: representa al porcentaje
Q: representa al complemento; lo que falta para llegar a 100.
n: N de individuos.
Error Estndar de la Diferencia
EE (1 - 2)= (EE1) + (EE2)
EE (p1 p2)= P . q + P. q
n1 n2
Principales usos del Error Estndar
1. Para conocer los lmites del verdadero valor del universo, es decir
la Variabilidad del Universo.
2. Para obtener el tamao de una muestra que sea buena en calidad y
Cantidad; por lo que se cumple la frmula:
Precisin= Seguridad o certeza.
3. Para saber si una muestra procede o no de un Universo determinado,
lo cual se realiza por medio de los estudios comparativos.
4. El Error Estndar se emplea con ms de 30 individuos y corrige el error
por muestreo.
Lmites del verdadero valor del Universo
Estos lmites ser elaboran con un 68%, 95% 99%; ya que este es el
Margen de seguridad que se desea obtener.
a. Uso del promedio:
Frmula EE= DE
n
68% + 1 EE
95% + 2 EE
99% x + 3 EE
b. Uso del porcentaje
Frmula EE%= P. q
n
68 % + 1 EE
95 % + 2 EE
99 % + 3 EE
Tamao de la Muestra
1. La muestra deber tener las mismas caractersticas del universo
de donde proviene como as mismo un tamao adecuado.
2. La muestra debe ser obtenida por medio del azar.
3. Si varan ms el universo el tamao de la muestra ser mayor.
4. A mayor precisin en los resultados el tamao de la muestra ser
mayor a una menor precisin el tamao de la muestra ser menor.
5. A mayor margen de seguridad en los resultados el tamao de la
muestra ser mayor, a menor seguridad el tamao de la muestra ser
menor.
La seguridad es el porcentaje de veces que se desean estar en lo cierto y es:
68% 95% 99%
As se utilizar la siguiente frmula
Precisin (P)= Seguridad.
De manera que:
68% P= 1 EE
95% P= 2 EE
99% P= 3 EE
Tamao de una muestra obtenida por los promedios:
Se fija la seguridad con un 68%, 95%, 99%.
Se utiliza frmula EE
EE= DE
n
Para un 68% de seguridad:
P= 1 DE
N
N= ( 1x DE)
( P )
Para un 95% de seguridad:
P= 2 DE = N= (2 x DE)
n ( P )
Para un 99% de seguridad:
P= 3 DE
n
N= (3 x DE)
( P )
Tamao de la Muestra Obtenida por Porcentajes
Se fija la seguridad con un 68%, 95% 99%.
Se utiliza la frmula EE%
1. Para un 68% de seguridad:
EE%= p.q N= 1 (P.q)
n P
2.Para un 95% de seguridad:
P= 2 P.q P= (2 P.q ) P= 4 (P.q) [ n= 4 P.q]
n n n p
Para un 95% de seguridad:
P= 2 DE = N= (2 x DE)
n ( P )
Para un 99% de seguridad:
P= 3 DE
n
N= (3 x DE)
( n )
Tamao de la Muestra Obtenida por Porcentajes
Se fija la seguridad con un 68%, 95% 99%.
Se utiliza la frmula EE%
1. Para un 68% de seguridad:
EE%= p.q N= 1 (P.q)
n P
2.Para un 95% de seguridad:
P= 2 P.q P= (2 P.q ) P= 4 (P.q) [ n= 4 P.q]
n n n p
Para un 95% de seguridad:
P= 2 DE = N= (2 x DE)
n ( P )
Para un 99% de seguridad:
P= 3 DE
n
N= (3 x DE)
( n )
Tamao de la Muestra Obtenida por Porcentajes
Se fija la seguridad con un 68%, 95% 99%.
Se utiliza la frmula EE%
1. Para un 68% de seguridad:
EE%= p.q N= 1 (P.q)
n P
2.Para un 95% de seguridad:
P= 2 P.q P= (2 P.q ) P= 4 (P.q) [ n= 4 P.q]
n n n p
3. Para un 99% de seguridad:
N= 9 (P.q)
p
ESTUDIOS COMPARATIVOS
Finalidad:
Averiguar si existen diferencias entre
dos o ms grupos en estudio y
establecer las causas que pueden
explicarlas.
Causas ms Frecuentes:
a).- Falta comparabilidad de los grupos.
b).- Diferencias explicables por el azar.
c).- Variacin atribuible al experimento.
Estudios de los Grupos
Comparabilidad:
a).- Deben estar
homogneamente constituidos.
b).- Utilizar el azar como
mtodo de escogencia.
Importancia del Grupo Control:
Imprescindible para poder
cotejar los resultados
obtenidos.
Tipos de Control:
1 - Control simultaneo: Se estudia al mismo tiempo con el grupo experimental,
repartirlos segn procedimiento al azar, deben tener caractersticas similares al grupo
experimental. Dentro de este se encuentran:
a).- Control alternativo.
b).- Control por pareamiento.
2.- Control histrico: Se comparan los resultados observados en el grupo
experimental con los obtenidos en pocas pasadas. Tomar en cuenta los siguientes
aspectos:
a).- Cambio de virulencia en los grmenes.
b).- Cambios en la susceptibilidad de los individuos.
c).- Factores ambientales.
3.- Universo como grupo control: Compara los resultados del grupo experimental
sometido a un estimulo especial, con el resto del universo.
4.- Los mismos individuos como su propio grupo control: Para ello se comparan
las observaciones antes y despus de aplicado determinado estimulo, y la misma
acta como un grupo control y grupo experimental.
Pruebas de significanca Estadstica
Para seleccionar la prueba adecuada se hace necesario tomar
en consideracin:
Tamao de la Muestra:
Si la muestra es dependiente independiente.
Escala de Clasificacin Utilizada: Cualitativa Cuantitativa.
Medida de Anlisis empleada: Porcentaje, Tasa Promedio.
Clasificacin:
Pruebas de significanca
Paramtricas:
Curva Normal
Curva Normal Modificada
Chi Cuadrado
Prueba de t
Anlisis de Varianza
Prueba de Kruskal- Wallis
No Paramtricas:
Prueba de los Signos
Prueba de la Suma de Clasificaciones
Prueba Secuencial de las Rachas
Pruebas de Correlacin de las Clasificaciones
Prueba de los Rangos
Pruebas de Significanca Paramtricas
Estas Pruebas estn centradas en Modelos que se acercan a la distribucin
Normal, de manera que sus resultados se interpretan de la siguiente forma:
La significanca de la Prueba est entre 1% al 5%, por esto casi siempre el
resultado se pide con un 95% de seguridad, siendo lo ms usado en Biologa.
Al ser el resultado mayor del 5% (+ 0,05), ste es No significante, son debido
al Azar y se acepta la hiptesis Nula.
Al ser el resultado menor del 5% (- 0,05), ste es Significante, es decir que se
deben de buscar las causas que lo produjeron ya que no son debidos al Azar.
La clasificacin de las principales Pruebas Paramtricas que se emplean
en el Sector Salud se hace tomando en cuenta:
Grupos Dependientes Independientes, la Escala y la Medida de Anlisis, as
Se presenta el Esquema de dicha Clasificacin.
2 Grupos Independientes
Escala Cualitativa Usos de Porcentajes Chi Cuadrado
Escala Cuantitativa Uso de Promedios Curva Normal
Uso de Porcentaje Prueba t. Curva Normal
3 Grupos Independientes
Escala Cualitativa Uso del Porcentaje Chi Cuadrado
Escala Cuantitativa Uso del Promedio Anlisis de Variancia
Prueba de Kruskal- Wallis
2 Grupos Independientes
Escala Cualitativa Uso del Porcentaje Chi Cuadrado Modificado
Escala Cuantitativa Uso del Promedio Prueba de t
Curva Normal Modificada
3 Grupos Dependientes
Escala Cuantitativa Uso del Promedio Anlisis de Varianza
Curva Normal
Es llamada tambin Curva Normal de Gauss de Gauss- Laplace.
Es continua, simtrica, asinttica.
Comparacin entre Promedio de Muestra y Universo
En un grupo de 64 estudiantes se encontr que su promedio de clasificaciones
era de 10 ptos. La DE del grupo era: 3 ptos.
Se desea saber un 95% de certeza, si ese promedio difiere significativamente
de 12 ptos, que es lo que se considera normal en el Universo.
n= 64 estudiantes.
= grupo= 10 ptos.
D= 3 ptos.
X = 12 ptos.
EEx= DE= _3_= 3= 0,37
n 64 8
95% + 2 EE
12 + 2 x 0,37
12 + 0,7 12,7 ptos.
11,3 ptos.
Al llevar los 10 ptos. A la Curva Normal
Resultado: Significante, cae por fuera de ambos lmites. No es debido al Azar,
se deben buscar las causas.
Si el resultado hubiese cado entre los dos lmites, ste era No significante,
debido al Azar.
Comparacin entre Porcentaje de Muestra y Universo
En 200 estudiantes de Estadstica, hubo un porcentaje de aplazados del 35%.
El porcentaje de aplazados en el Universo es el 30%, con un 95% de certeza
se desea saber si esos resultados son debido al Azar.
n= 200 estudiantes
p= 30% aplazados
q= 70% aprobados
E E %= p ._q = 30 x 70
n 200
= 2. 100 = 10,5
200
E E %= 3,2
% + 2 E E 30 + 2 X 3,2
30 + 6,4{ 3,6% aplazados
23,6% aplazados
Al llevar el 35% de aplazados a la Curva Normal
Resultado No significante, debido al Azar
Si el resultado se hubiese encontrado por fuera de ambos lmites era:
Significante
Y hay que determinar las causas que lo provocaron.
Bioestadstica
La curva Normal tiene una serie de caractersticas importantes que citamos
a continuacin:
1. La curva normal es simtrica respecto a su media.
2. Al ser una curva simtrica, la media, mediana y moda coinciden por lo que
el 50% del rea est a la derecha de la media y el 50% a la izquierda.
3. El rea total comprendida entre la curva y el eje de abscisas (eje horizontal)
es igual a 1.
4. La distancia horizontal que hay desde el punto de inflexin de la curva
(el punto donde la curva deja de ser cncava hacia adentro y empieza a ser
cncava hacia fuera), hasta una perpendicular levantada sobre la media es
igual a la desviacin tpica.
5. El rea comprendida entre una desviacin tpica a la derecha e izquierda de
la media es 0,68 es decir, el 68% del total. De igual manera el rea comprendida
entre 1,96 desviaciones tpicas a la derecha y a la izquierda de la media, es el
95% del total.
El 99% del rea total se encuentra comprendida entre 2,58 desviacin tpica a la
derecha e izquierda de la media.
La Distribucin Normal Estndar
Dado que existe una curva normal para cada valor de u y o; es preciso
estandarizar los datos observados para cualquier distribucin normal en
articular. Esto se logra convirtiendo los valores observados en valores z
o puntuaciones tpicas.
El valor z es el nmero de desviaciones tpicas en que una observacin
se aleja de la media.
Z= distancia a la media = X X
desviacin tpica Sx
X= puntuacin observada o puntuacin directa.
= media de la distribucin.
Sx= desviacin tpica de la distribucin.
La Curva Normal
De esta manera:
- La distribucin normal estndar o distribucin de las puntuaciones tpicas
(z) Tiene como media cero y desviacin tpica uno (u= 0, 0=1).
- El rea comprendida entre la curva y el eje de abscisas (eje horizontal) es 1
- Matemticamente puede calcularse el rea comprendida entre dos valores
z o calcular el rea que existe por debajo de un determinado valor de z. Para
ello utilizamos la tabla A del apndice que nos da para cada valor de z el rea
que existe por debajo de ese valor concreto de z.
Interpretacin de las reas de la curva normal
Las reas de la curva normal se interpretan como probabilidad de que un
Valor elegido al azar est comprendido entre dos valores z dados o como
porcentaje de casos con respecto al total que hay entre dos valores z dados.
Con frecuencia, la probabilidad se expresa en porcentajes.
Uso de la tabla de reas bajo la curva normal
La tabla A del apndice ofrece para cada puntuacin tpica el rea de la curva
normal que dicha puntuacin deja por debajo de si.
Prueba de x (ji o chi cuadrado)
a. Fundamento. La prueba de x es un ndice de dispersin ideado por
K, Pearson (1899). Se basa en la cuantificacin de las desviaciones de las
frecuencias observadas (o) alrededor de las correspondientes frecuencias
tericas.
Los datos se disponen en un cuadro de trabajo; debiendo figurar tanto la
condicin o resultado que interese como la parte complementaria.
En ocasiones el cuadro puede tener mayor nmero de filas o de columnas.
b. Interpretacin de resultados. La prueba da como resultado cero (0) a
cualquier valor positivo.
i) x= 0, cuando = T
ii) x= aumenta a mediada que aumenta el nmero de grupos o muestras que
intervienen y a medida que aumenta el nmero de alternativas en cada grupo.
Existe una distribucin (asimtrica) de x
Para saber si un resultado de x es significante basta compararlo con el
valor crtico correspondiente (xc) que es el mnimo necesario para que haya
significanca estadstica, o consultar una tabla adecuada
Valores crticos (a= 5%) de x (Fisher)
c. Usos para realizar comparaciones como las siguientes:
i) Dos o ms muestras independientes resumidas por porcentajes o tasas:
Prueba corriente de x.
ii) Dos variables cualitativas es una misma muestra. Prueba de Asociacin.
iii) Dos distribuciones. Una distribucin observada (absoluta o relativa) con la
correspondiente distribucin terica (hipottica o estimada) o dos
distribuciones observadas en la misma o diferentes muestras: Prueba de
Ajustamiento.
Prueba de Chi Cuadrado
Aplicaciones:
Compara 2 ms grupos independientes con escala nominal expresada en %.
Pasos:
1. Describir el problema: se trata de grupos independientes resumidos con
Porcentaje.
2. Ho: No hay diferencia.
3. H1: Hay diferencias.
4. Nivel de significanca = 0,05
5. Prueba Estadstica x bidireccional.
6. Distribucin muestral x con 1gl.
7. Valores del x con 1gl.
8. Calcular el x formula
x= (0- T)
T
X de Ajustamiento Bondad de Ajuste. Valor conocido del Universo
Prueba de Asociacin
Concepto: Es la misma prueba de x a un mismo grupo para estudiar
asociacin entre dos variables cualitativas, cada una de las cuales con
dos o ms contingencias (datos de asociacin con dos o ms clases en
cada escala.
Esta prueba solo difiere del x corriente en que el clculo de T se hace de
diversas maneras como se enumeran a continuacin y los g.1., se obtienen
considerando como n al nmero de grupos o clases, restando 1; (g.1, = n-1)
Cuando se hace el ajuste a distribuciones tericas, g.1,= n-1-k, donde k= N?
de parmetros.
Valor conocido del Universo.
Promedio de Frecuencias observadas.
Distribucin porcentual del universo.
Modificaciones de x 7,37,43
Son pruebas de especial aplicacin en las cuales se ha modificado el
procedimiento, pero no la interpretacin de x.
Prueba de Mc Nemar
1. Concepto: Es un modificado de x que se usa cuando se tienen dos grupos
no independientes, cada uno con dos alternativas posibles.
2. Procedimiento
Se disponen los datos en una tabla cuadricular con los grupos en el
molde, estableciendo la diferencia porcentual para saber si existe
significanca prctica antes de proseguir.
Se utilizan las celdas con discrepancia de resultados, aplicando la
frmula de Mc Nemar.
3. Interpretacin: Se compara el resultado con el valor crtico (3,84)
Prueba de Kruskal Wallis
a. Concepto: Prueba sustitutiva en la prctica corriente del Anlisis de Varianza,
para comparar dos o ms grupos independientes resumidos por promedios.
b. Procedimiento:
Ordenar las observaciones es un rango general, es decir, como si fuera un
solo grupo. Debe haber varios valores de rango repetidos, se asigna a cada uno
De ellos el correspondiente promedio.
Sumar los valores de rango en cada grupo (t1)
Aplicar formula H.
Interpretacin. En funcin de x
Pruebas especiales 3,23,41,43
Prueba t de Student
a. Concepto: La distribucin terica, debida a Gosset (1908) es similar a
la Distribucin Normal, 8D,N) con la diferencia que tiene una curva diferente
Para cada n (al igual que x), aproximadamente cada vez ms a la C.N. a
medida que aumenta n hasta llegar a ser prcticamente iguales con n= 30.
Las desviaciones relativas, equivalentes a z se obtienen por la variable
Reducida t, siendo t= z en las muestras grandes.
La prueba correspondiente es equivalente a la de la C.N y aplicable a los mismos
casos de escala cuantitativa, especialmente cuando se trata de muestras
pequeas. Existe un valor crtico (t e), para cada n.
b. Calculo de t