Académique Documents
Professionnel Documents
Culture Documents
OCHOA MONTES
MD. - MSP.
TEMARIO
ESTADISTICA DESCRIPTIVA: *
• DISTRIBUCIONES DE FRECUENCIA *
• MEDIDAS DE TENDENCIA CENTRAL *
• MEDIDAS DE DISPERSION O VARIABILIDAD *
• PROBABILIDAD Y DISTRIBUCIONES DE PROBABILIDAD *
• PROBABILIDAD CONTINUA: LA DISTRIBUCION NORMAL *
epidemiologia.teacher@gmail.com
ESTADISTICA:
13:06:30
PRECISO PRECISO NO PRECISO
NO EXACTO EXACTO NO EXACTO
MEDICION
• ESCALAS DE MEDICION
A
ESCALA NOMINAL
EJEMPLO : FUMAR
-GRUPOS SANGUINEOS
-SEXO
-ESTADO CIVIL
VARIABLES CATEGORICAS A + B
D
ESCALA DE RAZON
EJEMPLOS :
-PESO
-TALLA, ETC
C
ESCALA DE INTERVALO
EJEMPLO :
-GRADOS DE TEMPERATURA EN GRADOS
CENTIGRADOS, CELSIUS, KELVIN,ETC
VARIABLES NUMERICAS C + D
VARIABLE CONTINUA
ES LA QUE TIENE EL NUMERO INFINITO
DE VALORES POSIBLES EN CUALQUIER
INTERVALO.
EJEMPLO : 1,837 DE ESTATURA
Admite Fraccionamiento
VARIABLE DISCRETA
SOLO PUEDE TENER UN NUMERO FINITO
DE VALORES.
EJEMPLO : NUMERO DE HIJOS
No Admite fraccionamiento
¿ Que pesa más : una onza
de oro o una onza de
algodón?
1 350
2 1.203
3 120
4 415
5 510
SERIE DE FRECUENCIAS
HEMOGLOBINA F ( PACIENTE )
12.0 20
12.5 18
13.0 16
13.5 12
14.0 8
14.5 6
TOTAL 80
SERIE AGRUPADA
50 - 59 8
60 - 69 10
70 - 79 16
80 - 89 12
90 - 99 8
TOTAL 54
DISPERSION
TENDENCIA CENTRAL
MEDIDAS DE TENDENCIA
POSICION CENTRAL
DEFINICION
MEDIANA (Me)
MODA ( Mo )
PROMEDIO O MEDIA
EJEMPLO : 2, 3, 4, 5, 5, 5, 6, 7, 8, 6. 6, 6,7, 8,
Mo = 6
MEDIDAS DE VARIABILIDAD O
DISPERSION
• RANGO
• DESVIACION ESTANDAR
• VARIANZA
RANGO
Estudiante Pulsaciones
1 59
2 72
3 58
4 65
5 77
6 83
7 72
8 77
9 62
10 62
TOTAL 687
EJEMPLO : Se tomaron los dias de hospitalización de
10 pacientes del Hospital Central.
Calcular X y D.S.
X 687
= --------- = ----------- = 68.7 ( Cálculo del Promedio )
X
n 10
( Xi - X ) 2 676.10
= = 8.67
DS = (n - 1) V 9
V
CV% = DS / X * 100
Nominal
Ordinal
Intervalo
Razón
ASIMETRIA
ES EL SESGO O LA DISTORSION DE LA SIMETRIA DE
UNA DISTRIBUCION
ASIMETRIA = X – MODA / DS
CURTOSIS
ES QUE TAN PUNTIAGUDA ES UNA DISTRIBUCION
COMPARADA CON LA CURVA NORMAL
COEFICIENTE MOMENTO DE CURTOSIS
LEPTOCURICA (+) PLATOCURICA (-)
MESOCURICA ( 0 )
MESOCURICA
LEPTOCURICA
PLATOCURICA
GESTION HOSPITALARIA : EN UN ESTUDIO DE DIAS – ESTANCIA
REALIZADO ENTRE DOS EPS´S SE OBTUVIERON LOS SIGUIENTES
RESULTADOS SEGÚN LUGAR DE ATENCION :
DIAS - ESTANCIA
DATO MENOR 2 4
DATO MAYOR 80 92
X 6 8
Me 5 7
DS 8 9.1
CON BASE EN ESTOS HALLAZGOS SE PUEDE CONCLUIR QUE:
A. Para la EPS UNO la mayoría de los datos están por debajo del
promedio ?
Cierto Falso
B. Dos de cada cuatro pacientes en la EPS DOS, tuvieron hasta
8 dias de estancia?
Cierto Falso
C. En la EPS UNO, el dato menor se encuentra a S/2 con respecto
al X?
Cierto Falso
CON BASE EN ESTOS HALLAZGOS SE PUEDE CONCLUIR QUE:
A. Para la EPS UNO la mayoría de los datos están por debajo del
promedio ?
Cierto x Falso
B. Dos de cada cuatro pacientes en la EPS DOS, tuvieron hasta
8 dias de estancia?
Cierto Falso x
C. En la EPS UNO, el dato menor se encuentra a S/2 con respecto
al X?
Cierto X Falso
LA ENCUESTA MAS FAMOSA DEL MUNDO
LA PREGUNTA FUE: “…..POR FAVOR, DIGA HONESTAMENTE, QUE
OPINA DE LA ESCASEZ DE ALIMENTOS EN EL RESTO DEL MUNDO?...”
EJEMPLO :
- La distribución de peso
de la población.
- Los niveles de ácido
úrico en la población
X X
Me
Mo
ASIMETRICA POSITIVA
Y
EJEMPLO : Distribución
colombiana por grupos
de edad.
Mo Me X X
ASIMETRICA NEGATIVA
EJEMPLO : Distribución de la
morbilidad por cáncer de
estomago
X Me Mo X
CURVA EN U
Y
Mo X Mo X
Me
A 5 5 5
B 7.2 8 9
C 2.8 2 1
D 5 5 1Y9
E 5 5 -
RESPUESTAS
DISTRIBUCION
X Me Mo TIPO DE CURVA RELACION
A 5 5 5 CURVA NORMAL X = Me = Mo
D 5 5 1Y9 CURVA EN U X = Me
E 5 5 - RECTA X = Me
PROBABILIDADES
DISTRIBUCION NORMAL
Definición de probabilidad
ES SIMETRICA
ES ASINTOTICA
DISTRIBUCION NORMAL
• EN SALUD MUCHAS DISTRIBUCIONES LA SIGUEN
EJEMPLO : COLESTEROL, TENSION ARTERIAL,PESO
TALLA,ETC
xi
z
Ejemplo : Asumiendo que los niveles de glucosa en diabé-
ticos siguen una curva normal con :
105 mg 9 mg
X = ----------- S = -----------
100 ml 100 ml
Calcular qué proporción de diabéticos tiene niveles por
encima de :
87 mg
---------- ?
100 ml
Respuesta:
X = 105 S = 9 X1 = 87
Z = (X1 – X)/DS = (87 – 105)/9 = -2.0
Z = -2. La probabilidad es 0.4773. Como se pide por encima
De 87 entonces 0.5 + 0.47 = 0.9773
La respuesta = 97.73% que es una alta probabilidad
AREAS BAJO LA CURVA
+/- 1S = 68.2
+/- 2S = 95.4
+/- 3S = 99.7
• Entre el promedio y
una desviación
estándar tenemos
siempre la misma
probabilidad: aprox.
68%
• Entre el promedio y
dos desviaciones
estándar aprox. 95%
Ejemplo :
La reacción de tuberculina o PPD detecta si el
individuo se ha infectado con el bacilo de Koch. Se inyec-
ta en la dermis una solución de tuberculina y se mide 48
horas después el diámetro de la zona indurada.
La reacción se clasifica en positiva o negativa.
Los resultados de una investigación sobre esta reacción
Son los siguientes :
DIAMETRO EN mm
PROMEDIO DESVIACION ESTANDAR
NO INFECTADAS 3.5 1.0
INFECTADAS 8.0 1.7
(a) Haga un gráfico de ambas distribuciones.
Respuesta :
Z = (5 – 3.5)/1.0 = 1.5
(Z) Es 1.5 = 0.4332
0.5 - 0 .4332 = 0 .066 que es igual a 6.6 falsos positivos
NO INFECTADOS
FALSOS
POSITIVOS
INFECTADOS
X = 3.5 5 X = 8.0
DS = 10. DS = 1.7
NO INFECTADOS
FALSOS
NEGATIVOS
INFECTADOS
X = 3.5 5 X = 8.0
DS = 10. DS = 1.7
(c) Con qué frecuencia se clasifican como negativos a indivi-
duos que realmente se han afectado.?
(Falsos negativos)
Respuesta :
Z = (5 – 8)/1.7 = - 1.76
(Z) es 1.76 = 0.4608
0.5 – 0.4608 = 0.039 en porcentaje 3.9%
Falsos negativos
EFECTO O ENFERMEDAD
+ -
PRUEBA + A B A+B
O
TEST - C D C+D
A+C B+D
+ A B
VPP
Prueba
C D VPN
-
S
E
Enfermedad
Prueba
+ –
+ 50
Sensibilidad = 67% 10 40
–
Especificidad = 52%
VPP = 20%
50
VPN = 90% 5 45
15 85 100
TEOREMA DE BAYES
Thomas Bayes nació en Londres, Inglaterra.
Su padre fue ministro presbiteriano.
Posiblemente De Moivre fue su maestro
particular, pues se sabe que por ese entonces
ejercía como profesor en Londres.
P( E / + ) = ( P(+/E) x P(E)) /
(P(+/E) x P(E)) + (P(+/no E) x P(no E))
Ejemplo:
P( E / + ) = (0.754x0.04) /
(0.754x0.04)+(0.187x0.96)
P(E/+)= 14 %
EJEMPLO
EN SANOS EL LOGTGPS TIENE UN X=1.25 Y UNA DS = 0.12
EN ENFERMOS CON LESION HEPATOCELULAR EL X=1.55 Y LA
DS= 0.13.
PRUEBA DE HIPOTESIS
En que consiste la inferencia ?
Es un proceso de
generalización de
resultados
Muestra
Población
LA INFERENCIA ESTADISTICA ES EL PROCESO POR EL CUAL
PUEDEN ESTABLECERSE CONCLUSIONES EN RELACION CON
UNA POBLACION A PARTIR DE LOS RESULTADOS OBSERVA-
DOS EN UNA MUESTRA.
SI SON ESTADISTICAMENTE
SIGNIFICANTES
P menor 0.05
ZONA DE ACEPTACION
NO SON ESTADISTICAMENTE
SIGNIFICANTES
P mayor 0.05
SE CONSIDERA NO SIGNIFICANTE UNA
PROBABILIDAD (AREA) MAYOR O IGUAL A
LA QUE DA EL NIVEL DE SIGNIFICANCIA
Y SE ANOTA ASI : P > 0.05.
H 0 : p 50% , ,
, ,
H1 : p 50%
Significación: p
a
H0: =40
Significación: p
No se rechaza
H0: =40
a
H0: =40
X 43
Significación: p
Es la probabilidad que tendría una región crítica que comenzase exactamente en el valor
del estadístico obtenido de la muestra.
Es la probabilidad de tener una muestra que discrepe aún más que la nuestra de H0.
Es la probabilidad de que por puro azar obtengamos una muestra “más extraña” que la
obtenida.
p es conocido después de realizar el experimento aleatorio
El contraste es no significativo cuando p>a
P a
No se rechaza
H0: =40
P a
X 43
Significación : p
X 50
Significación : p
El contraste es estadísticamente significativo cuando p< a
Es decir, si el resultado experimental discrepa más de “lo tolerado” a priori.
a P
X 50
INFERENCIA DE
PROPORCIONES
VARIABLES DISCRETAS
JI CUADRADO VERSUS
FISHER
PRUEBAS DE SIGNIFICANCIA ESTADISTICA
EJERCICIO :
De un grupo de 20 pacientes hipertensos, se seleccionaron 10 al
Azar y se les adminstró una nueva droga ; a los otros 10 se les
administró placebo. Se encontró que 8 y 5 pacientes respectiva-
mente mejoraron, estadísticamente que se puede concluir ?
DROGA PLACEBO TOTAL
+ 8 5 13
MEJORIA
- 2 5 7
10 10 20
TOTAL
P 1 = 80 % P2 = 50 %
PRUEBAS DE SIGNIFICANCIA ESTADISTICA
EJERCICIO : Continuación
1. P1 = P2
2. Nivel de significancia = 0.05
3. Probabilidad exacta de Fisher = 0.1749
4. P = 0.17 > 0.05
5. Las diferencias no son estadisticamente significantes.
. Ejercicio:
Se investiga la asociación entre ingesta de anticonceptivos orales y
Tromboembolismo.-De 50 mujeres que utilizaron anticonceptivos 40
desarrollaron Tromboembolismo.- De 30 que nunca consumieron
pildoras 20 desarrollaron la enfermedad.- Se desea saber si las
diferencias son estadisticamente significantes?
Respuesta:
Trombo Sanas
Usaron 40 10 50
No usaron 20 10 30
60 20 80
Respuesta:
Uso X2 y dá 1.13 con una P=0.28.-
Cayó en la zona de aceptación
de la Ho, por lo tanto las
diferencias no son
estadisticamente significantes
TALLER DE SIGNIFICANCIA :
Caso uno:
Doll y Hill entrevistaron 649 pacientes con Cáncer de
Pulmón y un número exactamente igual sin Cáncer de
Pulmón.-
El número de fumadores en el primer grupo fue de 647
y en el segundo de 622.- Pruebe la hipótesis que el
cigarrillo está relacionado con el Cáncer de Pulmón?
Respuesta Caso Uno:
Cáncer Sanos
Fumadores 647 622 1269
No Fumadores 2 27 29
649 649 1298
Recuento
Des aparición de la
infección
Si No Total
Tratamiento A 15 2 17
antibiótico B 6 11 17
Total 21 13 34
Pruebas de chi-cuadrado
T DE STUDENT (GOSSETT)
Ejercicio :
Diez hospitales regionales presentan X = 68.7 de dias de
Estancia en ortopedia con un S = 8.67.
Según la bibliografía el promedio en ortopedia es de 72.
Los datos de estos 10 hospitales son compatibles con la
Literatura ?
1. U = X
2. N.S. 0 0.05
(X – u)
3. T = ------------ = - 1.20 GL = N – 1 = 9
S
----
Raiz
de n
Diferencias relacionadas
95% Intervalo de
confianza para la
Des viación Error típ. de diferencia
Media típ. la media Inferior Superior t gl Sig. (bilateral)
Par 1 Hemoglobina
inicial, (gr/100 ml)
1,39772 ,51701 ,06179 1,27444 1,52100 22,619 69 ,000
- Hemoglobina
final, (gr/100 ml)
Distribuciones de probabilidad
Chi cuadrado
Exacta de Fisher
Distribuciones de probabilidad
T-Student
VARIABLES DISCRETAS
40%
35%
30%
25%
20%
15%
10%
5%
0%
0 1 2 3
VARIBLES CONTINUAS
Análisis de regresión y
Correlación
Objetivos del modelo
X X
5000
4000
PIB real
3000
2000
1000
0
1000 1500 2000 2500
Consumo Privado
Diagrama de dispersión PIB y CP
Ajuste lineal
5000
4000
PIB real
3000
2000
y = 1,6499x + 198,87
1000 R2 = 0,9921
0
1000 1500 2000 2500
Consumo Privado
EL ANALISIS DE REGRESION INCLUYE :
EL ANALISIS DE REGRESION INCLUYE :
R = 0 y 0.25 ESCASAS
R = 0.25 - 0.50 LEVE
R = 0.50 - 0.75 MODERADA
R > 0.75 BUENA
Ejercicio :
La relación existente entre la edad y la presión sistólica
dió los siguientes resultados:
EDAD ( X ) SISTOLICA ( Y )
20 80
30 95
40 108
50 119
60 126
X = 40 Y = 105.6
Coeficiente de correlación de
Pearson = 0.9913
EDAD
SISTOLICA
70 140
80 152
90 164
100 175
EDAD VERSUS SISTOLICA
SISTOLICA
150
100
Serie1
50
0
0 20 40 60 80
EDAD EN AÑOS
TALLER SOBRE REGRESION LINEAL:
Al realizar la calibración de un equipo de
Absorbancia, se anotan los siguientes
valores:
PLOMO ABSORBANCIA
1 0.33
2 0.55
3 0.96
4 1.21
5 1.47
• CALCULE LA ECUACIÓN DE LA RECTA
1,25
Absorbancia
1,00
0,75
0,50
0,25
1 2 3 4 5
Valores de plomo
Resumen del modelo
Coeficientes
Coeficientes no estandarizad
estandarizados os
Modelo B Error típ. Beta t Sig.
1 (Cons tante) ,022 ,053 ,418 ,704
Valores de plomo ,294 ,016 ,996 18,520 ,000
a. Variable dependiente: Abs orbancia
MUESTREO
MUESTREO
SELECCIÓN ALEATORIA
• REPRESENTATIVA
POBLACION
MUESTRA
ESTIMADOR •SIN SESGOS
• GARANTIA CIENTIFICA
DE CALIDAD
PARAMETRO
FACTORES SELECTIVOS
POBLACIÓN FUENTE
FACTORES SELECTIVOS
MARCO MUESTRAL ( N )
MUESTRA ( n )
N
MUESTRA POBLACION
n V M = V V + Error de medida
P
x p
ESTIMADORES PARAMETROS
SISTEMATICO ALEATORIO
OBSERVADOR • VARIABILIDAD DEL
SUJETO ESTIMADOR EN EL
MUESTREO
INSTRUMENTO
ERROR DE MUESTREO
ERROR NO DE MUESTREO
SESGO DE INFORMACION ERROR ESTANDAR
TEORIA DEL MUESTREO
DISEÑO y EJECUCION
SELECCIÓN - TIPOS DE MUESTREO
POBLACION
MUESTRA
ESTIMADORES
PARAMETROS
MUESTREO
PROBABILISTICO NO PROBABILISTICO
RESPUESTA :
De una población de 10.000 mujeres con una característica que vale el
4%, una tolerancia del 10 % y un margen de error del 5%, el tamaño de la
muestra sería de 15 mujeres que aleatoriamente corresponderían a los
siguientes números de historia clínica : 337, 559, 838, 2579 , 2659 , 3314
, 3448 , 3496 , 4250 , 4314 , 4696 , 6152 , 6343 , 7946, 9736.
VARIACION DEL TAMAÑO DE LA
MUESTRA SEGÚN LOS PARAMETROS
PLANTEADOS
4 10 5 15
4 5 5 59
4 1 5 1286
La clínica SALUDNET, está conformada por
un edificio de cuatro pisos, construido en
los años 80, con 100 camas a su
disposición.-
Ofrece los servicios de Cirugía, Medicina
Interna, Pediatría y Gineco-obstetricia.-
El área de urgencias esta en regular estado.-
La ambulancia no tiene motor.- La relación
entre el personal administrativo y
asistencial es de 3 a 1. –
LOS SIGUIENTES SON LOS ESTADOS
FINANCIEROS EN MILLONES DE PESOS EN
LOS ÚLTIMOS CINCO AÑOS :
AÑOS INGRESOS GASTOS NOMINA DEFICIT
1998 2037 918 1437 ?
1999 2045 1020 1958 ?
2000 2151 1040 2012 ?
2001 2230 1196 2720 ?
2002 2720 1327 2850 ?
2003 ?
2004 ?
2005 ?
2006 ?
2007 ?
Pregunta # 1 ¿ Invertiría 1000 millones de su
patrimonio en esta Clínica?
6000
5000
4000
3000
2000
1000
0
-1000 1 2 3 4 5 6 7 8 9 10
-2000
-3000
-4000
N = 10
PROMEDIO = 4.20
DESVIACION ESTANDAR = 0.919
Z DE KOLMOGOROV-SMIRNOV = 0.992
VALOR DE P (BILATERAL) = 0.278
Tratamiento habitual N= 12
Total = 23
no mejoran si mejoran
Fármaco A 21 29
Fármaco B 24 26
Placebo 35 15
PRUEBA DE COCHRAN – N
MUESTRAS RELACIONADAS: