Vous êtes sur la page 1sur 40

UNIDAD V

ESTADISTICA APLICADA
5.1 INFERENCIA ESTADISTICA: CONCEPTO,
ESTIMACION Y PRUEBA DE HIPOTESIS

Contenidos
Concepto de Inferencia Estadstica
Aplicacin de la Inferencia Estadstica en Salud
Fundamentos de las Pruebas de Hiptesis
Nivel de Significacin
Intervalos de Confianza (unilateral y bilateral)
Tipos de Pruebas de Hiptesis (nula, alterna)
Tipos de errores (I y II)
2

Concepto de Inferencia Estadstica


Es aquella parte de la metodologa estadstica que,
a travs de un razonamiento inductivo, extiende los
resultados obtenidos en las muestras a su universo
de origen.
Objetivos de la Inferencia estadstica:
- Estimar parmetros
- Realizar pruebas de hiptesis (prueba de
significacin estadstica o docimasia de hiptesis)
3

Otra definicin
Es aquella parte de la estadstica que
provee de tcnicas que permiten estimar
parmetros y probar hiptesis que hacen
referencia a toda la poblacin objeto
(Inductiva).
Por ejemplo: la eficacia de una droga.
4

Formas de caracterizar la poblacin


(Objetivos de la Inferencia Estadstica)
Estimacin de parmetros
Parmetro: medida que describe el universo
Pruebas de Hiptesis
Consiste en conocer la probabilidad de ocurrencia
del resultado obtenido en la investigacin,
basndose en la distribucin muestral del
estadgrafo utilizado para medir el resultado.
5

Parmetro
Valor constante generalmente desconocido, que
permite describir el comportamiento de la poblacin.
Por ejemplo:
: promedio de P/A en (mmHg)
P : prevalencia de obesidad en la dcima regin
I : incidencia de HTA en mayores de 65 aos
6

Distribuciones Muestrales
Tanto para la estimacin de parmetros como para las pruebas
de hiptesis es importante conocer la distribucin muestral.
La distribucin muestral adopta diferentes formas segn las
variables investigadas.
La distribucin se describe con el promedio y la DS de los
promedios muestrales.
La desviacin estndar de los promedios muestrales recibe el
nombre de error estndar (ee), error muestral o error de
muestreo.
7

Prueba de Hiptesis
Docimasia: consiste en conocer la
probabilidad de ocurrencia del resultado
obtenido en la investigacin, basndose
en la distribucin muestral del
estadgrafo utilizado para medir el
resultado.

Aplicacin de la Inferencia
Estadstica en Salud
Ejemplo 1:
Se conocen las estaturas de todos los individuos de
un universo:
Si quisiramos una medida que describa la posicin central de
este universo, calcularamos el promedio de todas las
estaturas, lo que constituira el parmetro
.

Aplicacin de la Inferencia
Estadstica en Salud
Ejemplo 2:
Se conocen las estaturas de una muestra extrada
del universo:
Si quisiramos una medida que describa la
posicin central de este universo, calcularamos
el promedio de todas las estaturas, lo que
constituira el estadgrafo X .

10

Si nos interesa la dispersin de los valores


individuales en los mismos ejemplos
Calcularamos la Desviacin estndar para ambos
ejemplos:
- Ejemplo 1: para el universo se simboliza como .
- Ejemplo 2: para la muestra se simboliza como S.

El procedimiento de clculo del parmetro


difiere en
este caso del estadgrafo S , ya que en ste ltimo la suma
de las desviaciones se divide por (n-1) y no por n.

11

Estimacin de Parmetros
Consiste en el clculo de estadgrafos para las
muestras, con el fin de obtener informacin sobre el
valor de los parmetros del universo.
Esta induccin se basa en la teora de
probabilidades y slo es posible cuando se conoce la
conducta del estadgrafo o distribucin muestral.
Es decir se desean estimar los parmetros del
universo a partir de clculos muestrales.
12

Estimacin de Parmetros
Tipos de estimacin

Puntual

Por intervalo

13

Estimacin puntual
Puntual:
Se refiere a un punto en la escala de medicin
Es cuando se dispone de una sola muestra
El estadgrafo de promedio muestral es la mejor
estimacin del promedio poblacional.
Lamentablemente da una informacin
incompleta, ya que no toma en cuenta la
dispersin de los datos.

14

Estimacin puntual
Es muy probable que dos diferentes muestras den como resultado
medias muestrales diferentes y por lo tanto queda un cierto grado
de incertidumbre.
No proporciona informacin sobre la variabilidad inherente del
estimador.
Ignoramos lo cerca que est el promedio muestral del promedio
poblacional en una situacin determinada.
Mientras la muestra es ms grande es ms probable que el
promedio muestral se acerque ms a la verdadera media o
promedio poblacional.
Una estimacin puntual no proporciona informacin del tamao
muestral
15

Estimacin por intervalo


Por intervalo:
Afirmamos, por ejemplo, que la distribucin de los
promedios muestrales es normal, entonces se
deduce que aproximadamente el 95% de los
promedios de las muestras aleatorias X
obtenidas o extradas del universo no se alejan
ms de 1,96 errores estndar (ee) del promedio
poblacional o del universo .
16

Estimacin por intervalo


Se puede afirmar tambin que el 95% de las veces que se
obtiene una muestra del universo, su promedio poblacional

no quedar a una distancia mayor


que 1,96 errores
X

estndar del promedio muestral


.
Existe por lo tanto una probabilidad
a
X 1de
,960,95 deXincluir
1,96
en el intervalo construido con
ee y
ee.
Entonces:
P ( x 1,96 x 1,96 ) 0,95
17

P( x 1,96 x 1,96 ) 0,95


En otras palabras, tenemos confianza que de cada 100
predicciones que hagamos en esta forma, 95 de ellas
incluirn el verdadero valor del universo y slo
fracasaremos en 5.
Este procedimiento se llama estimacin por intervalo
y se habla de intervalo de confianza de 95%, de 99%, o de
otro porcentaje, dependiendo de la seguridad que se
quiera dar a la estimacin.

18

Intervalo de Confianza
La tcnica de estimacin ofrece un intervalo de valores
razonables dentro del cual se pretende que est el
parmetro de inters (como la media poblacional ) con
cierto grado de confianza.
Rango de valores construido de modo que tenga una
probabilidad especificada de incluir el verdadero valor del
parmetro de inters.
Dicha probabilidad es llamada coeficiente de confianza y es
denotada por 1-.
19

Intervalo de Confianza
Los puntos terminales del intervalo son llamados lmites de confianza.
En general un intervalo de confianza de 95% se construye sumando y restando
del estimador 1.96 su error estndar.
Dentro del IC podemos considerar sostenible una hiptesis.
Los IC ms comunes son 90, 95 y 99%.
Los IC son un complemento de las regiones crticas.
Mientras ms pequeo sea el IC, menos confianza de que el promedio
poblacional este contenido en l.
20

Para caracterizar la poblacin


Estadgrafos

Parmetros
desconocidos

Muestra aleatoria:
(promedio)

(Desviacin estndar)

S
p

P
Poblacin
21

Tipos de Intervalo de Confianza


Tipos de IC: Bilaterales y Unilaterales
Amplitud del IC: lim sup lim inf
Factores que afectan la amplitud
1. Tamao muestral: a n error estndar
2. Desviacin estndar: a variabilidad de la poblacin amplitud del IC.
3. Nivel de confianza (1- ): a nivel de confianza amplitud precisin
a nivel de confianza amplitud precisin

22

Relacin entre intervalo de


confianza y prueba de hiptesis
Los IC y las PH nos conducen a las mismas conclusiones.
La informacin que entrega c/u es de alguna manera diferente.
El IC suministra un rango de valores razonables para el parmetro
y nos dice algo sobre la incertidumbre en una estimacin puntual
X.
La PH nos ayuda a decidir si el valor propuesto de la media es
posiblemente correcto y proporciona un valor p especfico.

23

Hiptesis Estadstica
Afirmacin respecto a los parmetros
generalmente desconocidos, que
permiten describir el comportamiento de
la poblacin.
Afirmacin posible de 1 hecho que esta
sucediendo.
24

Pruebas de Hiptesis
Se refiere generalmente a la comparacin de los
resultados obtenidos en 2 o ms grupos sometidos a
tratamientos diferentes.
En el caso de 2 grupos se conoce la distribucin muestral
de las diferencias de los promedios.
Segn la distribucin normal, se puede predecir que en
estas distribuciones ser raro encontrar diferencias muy
alejadas de cero cuando las muestras provienen del
mismo universo y que es posible adjudicar probabilidades
a las magnitudes de diferencias, haciendo uso de la
variable Z.
25

Cul es el propsito
de una prueba de Hiptesis?
Una prueba de Hiptesis junto a la estimacin
de parmetros constituyen los dos objetivos
principales de la Inferencia Estadstica.
Su propsito es permitir tomar una decisin, en
la aceptacin o rechazo de una hiptesis
estadstica.

26

Tipos de Hiptesis
Bilateral: cuando indica diferencia entre ambas
Cuando no indica la direccin de la diferencia.

Unilateral: cuando indica direccin < o > .


Cuando indica la direccin de la diferencia
La prueba de hiptesis consiste en rechazar o no la
hiptesis nula a un nivel de error conocido y aceptado
llamado nivel de significacin alpha ( ).
27

Tipos de Pruebas de Hiptesis


(nula y alterna)
Las hiptesis siempre se dicen de a pares (Ho y Ha).
Hiptesis Nula (Ho): es la hiptesis que afirma que no hay diferencias
o no hay efecto en los tratamientos (contradice la hiptesis de
trabajo). Se plantea que las muestras provienen del mismo universo o
de universos con iguales parmetros y por lo tanto conocemos la
distribucin del estadgrafo bajo este supuesto.
Hiptesis alterna (Ha o H1): es la hiptesis que afirma que hay
diferencias o si hay efecto en los tratamientos (hiptesis de trabajo).
Se plantea que las muestras provienen de universos diferentes.
Cuando la diferencia observada es tan grande que bajo el supuesto de
la hiptesis de nulidad este hecho es poco probable, se rechaza la Ho y
se acepta Ha.
28

Resultados de la Prueba de Hiptesis


en funcin de Ha (Hiptesis de trabajo)
Con la informacin muestral
(ms el diseo de investigacin)
se toma la decisin

Rechazo de Ho
No rechazo de Ho

29

Ejemplos de hiptesis estadsticas

Ho : o

v/s

H 1 : o

Ho : o

v/s

H 1 : o

Ho : o

v/s

H 1 : o

Lo conocido

30

Rechazo de Ho
A un nivel de significacin alpha se acepta la
hiptesis alterna.
Hay evidencias, en los datos muestrales,
significativas como para concluir Ha (hiptesis de
trabajo).

31

No rechazo de Ho
No existen evidencias suficientes en el estudio
para concluir Ha a un nivel de significacin
alpha (a lo mejor el nivel de significacin es muy
estricto o puede que no sea verdad).
No hay evidencias suficientes en nuestra
muestra como para concluir Ha, luego
.incertidumbre.

32

Tipos de errores (I y II)


Constituyen los errores que se producen en la
toma de decisin en la prueba de Hiptesis
Estadstica:
Error tipo I =

Error tipo II=

33

Representacin de Ho y Ha

Nivel de significacin

34

Errores
Decisin
o
Criterio Estadstico
Rechazar Ho
No rechazar Ho

Realidad
= o
= o
Ho:V
Ha:V
Error Tipo I ()

Acierto

Acierto

Error tipo II ()

P (Error tipo I):


P (Rechazar Ho/Ho es V)= nivel de significacin.
P (Error tipo II):
P (No rechazar Ho/Ha es V)= Tamao del error
medido como probabilidad.

35

Nivel de Significacin ()
Es la calificacin de poco probable que por
costumbre se refiere a una probabilidad de 5% o de
1%. A esto se le llama nivel de significacin.
En las publicaciones cientficas aparece con
frecuencia la anotacin al lado de una diferencia;
diferencia estadsticamente significativa, p<0,05 o
bien p<0,01; lo cual se refiere al porcentaje de 5%
1% habitual para el nivel de significacin.

36

Requisitos prueba de significacin


Similitud: de los grupos que se comparan. Si los
grupos difieren en otros atributos adems del
que es estudiado no se puede establecer cual
de ellos es responsable de la diferencia
observada. Efectos confundidos.
Otras semejanzas: definiciones, mtodos de
medicin, condiciones de observacin, etc.

37

Requisitos prueba de significacin


Aleatorizacin: en general aceptamos la similitud de los
grupos si los tratamientos (factores cuya accin se
investiga por comparacin de grupos) han sido
adjudicados aleatoriamente a las unidades de
observacin y si son semejantes entre s los grupos.
En algunas situaciones no es posible asignar
tratamiento en forma aleatoria por lo tanto se busca un
grupo control lo ms parecido al grupo tratado como
sea posible.
38

Aleatorizacin

Para poder adjudicar en forma aleatoria


a las unidades de observacin el
tratamiento se puede utilizar una tabla
de nmeros aleatorios.

39

LIBRO:
Erica Taucher, pginas 77 110, editorial universitaria.
Temas:
Distribucin normal, probabilidad, Distribucin binomial,
Conceptos de inferencia estadstica y distribuciones muestrales.

40