Bioestadistica MARF

Bioestadstica Elemental en el rea de la Salud
Miguel ngel Rodrguez Feliciano
Bioestadstica Elemental
en el rea de la Salud

INTRODUCCIN
Por qu la Bioestadstica?
Usaron la estadstica Galileo, Newton y Einstein?

En ciertas ciencias (Biologa, Ciencias Humanas, algunos campos de la Fsica, ...)
aparece el concepto de experimento aleatorio (experimento que repetido en las
"mismas condiciones" no produce el mismo resultado) y asociado al mismo el de
variable aleatoria.
Una variable no aleatoria (asociada al resultado de una experiencia que s produce
el mismo resultado) est caracterizada por un valor para cada condicin.
Una variable aleatoria est caracterizada por la llamada funcin densidad de
probabilidad, a partir de la cual se obtienen las probabilidades para sus posibles
valores para cada condicin.
De manera general, se considera que la bioestadstica, es el conjunto de mtodos
cientficos ligados a la toma, organizacin, recopilacin, presentacin y anlisis de
datos, tanto para la deduccin de conclusiones como para tomar decisiones
razonables de acuerdo con tales anlisis.
Arte de la decisin en presencia de incertidumbre.
La Bioestadstica es la ciencia que estudia los mtodos que permiten realizar los
procesos de encontrar y describir las variables aleatorias de inters y las relaciones
entre ellas, para el problema en estudio. Estos mtodos permiten resumir datos y
acotar el papel de la casualidad (azar).

JUSTIFICACION
En el area de la salud y en particular en el trabajo que se realiza en el Laboratorio

Clnico, la Bioestadstica es una de las herramientas indispensables en el quehacer
cotidiano del laboratorio.
La interpretacin correcta de los resultados se debe en gran medida a la
estandarizacin de valores de referencia de pacientes sanos y de significancia
diagnstica. Siendo la bioestadstica quien se encarga de ello.

CONTENIDO
Distribuciones muestrales
Inferencia Estadstica
Anlisis de Varianza
Regresin y Correlacin
Estadstica no Paramtrica

Universidad Autnoma de Chiapas

Facultad de Ciencias Qumicas
Campus IV
Asignatura
Semestre
Carrera
Prerrequisitos
Bioestadstica
Cuarto
Qumico Farmacobilogo
Estadstica
Elaborado Mtro. Miguel ngel Rosales

por: Guerrero
Crditos 8
Clave QFDD43020819
Hrs./Teora
3
Hrs./Prctica 2
Hrs./Semana 5
Hrs./Semestre 75
SEPTIEMBRE 2001
INTRODUCCION
El conocimiento que se imparte en la materia permitir desarrollar habilidades a
los alumnos en reas especficas como Control de calidad de las materias
primas, Control de Procesos y Productos terminados, Establecimiento de
Normas y Sistemas, Interpretacin
Interpretacin de datos generados por pruebas rutinarias
de laboratorio, o ms general, por las ciencias de la Salud, as como
proporcionarles las bases para Disear Experimentos, crear nuevos productos o
para mejorar los procesos nuevos o ya existentes.
Se requiere
e del desarrollo de un pensamiento matemtico, necesita de la
comprensin, de la habilidad para el Procesamiento de informacin, del
Razonamiento, de la capacidad de Anlisis e interpretacin de resultados.
UBICACIN DE LA MATERIA
La materia de Bioestadstica
Bioestadstica se encuentra insertada en el cuarto semestre del
plan de estudios de la carrera de Qumico Farmacobilogo de la Facultad de
Ciencias Qumicas de la Universidad Autnoma de Chiapas. El plan de estudios
consta de 9 semestres.
El contenido de la materia
materia es de formacin bsica de orden prctico y que
tienen como objetivo principal el de enlazar conocimientos para que se
apliquen en las materias de especializacin de las dos carreras. Le anteceden
la materia de Estadstica, donde se estudi la parte descriptiva
descriptiva de la materia.
ESTRATEGIAS DIDCTICAS SUGERIDAS
El curso ser implantado a partir del aprendizaje grupal y se combinarn las
sesiones tericas con las prcticas de taller, as como eventualmente trabajos
de investigacin o de campo. En las dos pr
primeras,
imeras, la resolucin de problemas
tipo ser interactiva. El avance del programa ser determinado por la clase, de
acuerdo al entendimiento de los temas.

OBJETIVO GENERAL
Al finalizar el curso, el alumno ser capaz de aplicar diferentes tcnicas de
Inferencia estadstica para el anlisis de informacin experimental.
UNIDADES TEMTICAS
UNIDAD I.- INFERENCIA ESTADSTICA
Objetivo Especfico: Al finalizar la unidad, el alumno generalizar sobre
poblaciones a partir de datos mustrales, empleando para ello los mtodos
inferenciales de la estimacin y de las hiptesis.
1.1 Conceptos de Inferencia Estadstica
1.2 Tcnicas de Inferencia Estadstica
1.2.1 Estimadores y sus propiedades
1.2.2 Estimacin puntual y por intervalo
1.2.3 factor de confianza y error estndar
1.2.4 Estimacin de Medias Poblacionales
1.2.5 Estimacin de Proporciones Poblacionales
1.2.6 Estimacin de Varianzas Poblacionales
1.1.7 Estimacin del Tamao Muestral
1.3 Hiptesis
1.3.1 Planteamiento de Hiptesis
1.3.2 Tipos de Hiptesis
1.3.3 Decisin estadstica
1.3.4 Errores tipo I y II
1.3.5 Hiptesis sobre las Medias Poblacionales
1.3.6 Hiptesis sobre las Proporciones Poblacionales
1.3.7 Hiptesis sobre las Varianzas Poblacionales
1.3.8 Pruebas de Bondad, Independencia y Homogeneidad
Tiempo Estimado:
16 hrs.
UNIDAD II.- ANLISIS DE VARIANCIA

Objetivo Especfico: Al finalizar la unidad, el alumno detectar diferencias
significativas entre mas de dos poblaciones, mediante la tcnica de anlisis de
la VARIANCIA.
2.1 Conceptos de Diseo de experimentos
2.2 Comparacin de mas de dos poblaciones
2.2.1 Diseos experimentales
2.2.1.1 Modelo matemtico
2.2.1.2 Suposiciones
2.2.1.3 Cuadro de ANDEVA
2.2.2 Pruebas de diferencias significativas entre pares de medias
Tiempo Estimado:
12 hrs.

UNIDAD III.- REGRESIN Y CORRELACIN LINEAL

Objetivo Especfico: Al finalizar la unidad, el alumno determinar la asociacin
entre variables, mediante las tcnicas de regresin y correlacin, evaluando la
validez de los modelos propuestos
3.1 Regresin y Correlacin Lineal simple
3.2 Modelo matemtico
3.2 Prediccin por el mtodo de Mnimos Cuadrados
3.3 Pruebas de Validez.
3.3.1 Coeficientes de Relacin y Determinacin
3.3.2 Anlisis de Varianza
3.3.3 Pruebas de Linealidad
3.4 Regresin y Correlacin Lineal mltiple
3.5 Modelo Matemtico
3.6 Estimacin de los Coeficientes
3.7 Pruebas de Hiptesis
Tiempo Estimado:
12 hrs.
UNIDAD IV.- ESTADSTICA NO PARAMETRICA

Objetivo Especfico: Al finalizar la unidad, el alumno diferenciar las estadsticas
no paramtricas de las paramtricas y har inferencias sobre datos cualitativos
o de escala de medicin dbil.
4.1 Introduccin
4.2 Prueba de Signos
4.4 Prueba de Rangos
4.5 Prueba de Bondad
4.6 Anlisis de Varianza por rangos (Kruskal-Wallis y Friedman)
Tiempo Estimado:
6 hrs.
FORMA DE EVALUACIN Y ACREDITACIN:

Se tomarn en cuenta para la calificacin final, los siguientes indicadores
ponderados:
1.
2.
3.
4.
5.
EXMENES PARCIALES
EXAMEN FINAL
PRACTICAS DE TALLER
TRABAJOS DE INVESTIGACIN
CALIFICACION CUALITATIVA
30%
30%
15%
10%
15%
100%

RELACION DE PRACTICAS DE BIOESTADSTICA

Prctica
1
2
3
4
5
6
7
8
9
Nombre
Repaso del manejo del Statgraphics
Estimacin por intervalo
Hiptesis
Tamao de la muestra
Microstat
Ajuste de modelos
Regresin no lineal
Estadstica no paramtrica
Anlisis de varianza
Tiempo Estimado:
29 hrs.
BIBLIOGRAFA
BOX, HUNTER W, HUNTER S. 1989. INTRODUCCIN AL DISEO DE

EXPERIMENTOS, ANLISIS DE DATOS Y CONSTRUCCIN DE MODELOS.
DANIEL, W. 1989. BIOESTADSTICA, MXICO. ED. LIMUSA.
ELSTON, R.C Y JOHNSON W.D. 1990. PRINCIPIOS DE BIOESTADISTICA.
MXICO, ED. EL MANUAL MODERNO, S.A. DE C.V.
JOHNSON, ROBERT. 1979. ESTADSTICA ELEMENTAL, TRILLAS.
MARQUEZ, M.J. 1990. PROBABILIDAD Y ESTADSTICA PARA CIENCIAS
QUMICO - BIOLGICAS. MXICO., ED. MCGRAW-HILL.
MILTON, TSOKOS. 1987. ESTADSTICA PARA BIOLOGA Y CIENCIAS DE LA
SALUD,. MXICO. ED. INTERAMERICANA.MCGRAW-HILL.
PREZ L. CESAR. 1997. ANLISIS ESTADSTICO CON STATGRAPHICS,
TCNICAS BSICA, MXICO, ED. ALFAOMEGA S.A. DE C.V.
SCHEFLER, W.C. 1981. BIOESTADSTICA, MXICO ED. FONDO EDUCATIVO
INTERAMERICANO.
STELL / TORRIE. 1990. BIOESTADSTICA PRINCIPIOS Y PROCEDIMIENTOS,
MXICO, ED. MC GRAW HILL,
WALPOLE, MYERS. 1992. PROBABILIDAD Y ESTADSTICA, MXICO ED.
MCGRAW-HILL.

Capitulo I:
Distribuciones Muestrales
POBLACION Y MUESTRA
Poblacin
Se le llama as al conjunto de unidades que poseen la caracterstica en estudio.
El conjunto de elementos que poseen la variable por investigar, que han llenado las
condiciones de inclusin y que se encuentran disponibles para la investigacin en
tiempo y espacio
Existen 2 tipos de poblaciones: 1) Finita 2) Infinita
Muestra
Es aquella porcin o subconjunto de elementos de la poblacin en el cual el nmero

(tamao) y calidad de los elementos representan fielmente a la poblacin.
Mientras la poblacin es ms homognea se requerir de una muestra menor y si la
poblacin es ms heterognea se necesitara mayor muestra.
UNIDADES ESTADSTICAS DE MUESTREO

Investigacin: Es la unidad mnima que mantiene la integridad de los
Unidad de Investigaci
datos que interesan estudiar y analizar. Es decir, el ente que contiene las partes
que se van a analizar.
Muestreo: Son aquellas que contienen las unidades de anlisis de la
Unidades de Muestreo
poblacin y que se utilizarn para confeccionar o seleccionar la muestra. En
general, es la seleccin de los conjuntos que sern tomados en cuenta para la
conformar la muestra final en la investigacin.
Observacin: Se denomina a la unidad a travs de la cual se obtiene la
Unidad de Observaci
informacin, esta puede o no coincidir con el elemento. Tambin se denomina
unidad respondiente.

Unidad de An
Anlisis: Est definida como el elemento que se examina y del que se
busca la informacin dentro de la unidad de investigacin.
TIPOS DE MUESTREO
Cuando seleccionamos algunos elementos
elementos con la intencin de averiguar algo sobre
una poblacin determinada, nos referimos a este grupo de elementos como muestra.
Por supuesto, esperamos que lo que averiguamos en la muestra sea cierto para la
poblacin en su conjunto.
La exactitud de la informacin
informacin recolectada depende en gran manera de la forma en
que fue seleccionada la muestra.
Cuando no es posible medir cada
uno de los individuos de una
poblacin, se toma una muestra
representativa de la misma.
La muestra descansa en el
principio de que las partes
representan al todo y, por tal,
refleja las caractersticas que
definen la poblacin de la que fue
extrada, lo cual nos indica que es representativa.
Por lo tanto, la validez de la generalizacin depende de la validez y tamao de la
muestra.
LEYES
LEYES DEL MTODO DE MUESTREO
El mtodo de muestreo se basa en ciertas leyes que le otorgan su fundamento
cientfico, las cuales son:
Ley de los grandes nmeros: si en una prueba, la probabilidad de un

acontecimiento o suceso es P, y si ste se repite una gran cantidad de veces, la
relacin entre las veces que se produce el suceso y la cantidad total de pruebas
(es decir, la frecuencia F del suceso) tiende a acercarse cada vez ms a la
probabilidad P.
Clculo de probabilidades: La probabilidad de un hecho o su
suceso es la relacin
entre el nmero de casos favorables (p) a este hecho con la cantidad de casos
posibles, suponiendo que todos los casos son igualmente posibles. El mtodo de
establecer la probabilidad es lo que se denomina clculo de probabilidad.
10

De estas dos leyes fundamentales de la estadstica, se infieren aquellas que sirven

de base ms directamente al mtodo de muestreo:
Ley de la regularidad estadstica: un conjunto de n unidades tomadas al azar de

un conjunto N, es casi seguro que tenga las caractersticas del grupo ms
grande.
Ley de la inercia de los grandes nmeros: esta ley es contraria a la anterior. Se

refiere al hecho de que en la mayora de los fenmenos, cuando una parte vara
en una direccin, es probable que una parte igual del mismo grupo, vare en
direccin opuesta.
Ley de la permanencia de los nmeros pequeos: si una muestra

suficientemente grande es representativa de la poblacin, una segunda muestra
de igual magnitud deber ser semejante a la primera; y, si en la primera
muestra se encuentran pocos individuos con caractersticas raras, es de esperar
encontrar igual proporcin en la segunda muestra
MARCO MUESTRAL
Es el proceso de definir y enumerar los elementos sobre los cuales se realizan las
inferencias estadsticas en el muestreo probabilstico. Es importante la construccin
de un marco muestral lo ms perfecto posible a fin de que exista una
correspondencia biunvoca entre las unidades muestrales poblacionales y las listas
fsicas que lo conforman. Entre los factores que contribuyen a distorsionar la
calidad de un buen marco muestral estn: a) Elementos faltantes, b) Unidades
ocultas por estar pareadas con otras, c) Unidades muestrales repetidas y d)
Elementos extraos.
TIPOS DE MUESTREO
Muestreo Probabil
Probabilstico: Es cuando se puede determinar de antemano la
probabilidad de seleccin de cada uno de los elementos de la poblacin siendo esta
distinta de cero. Este muestreo est basado en la teora de la aleatoriedad o del
azar, en la cual se fundamenta la estadstica matemtica. Algunos tipos de
muestreo son:
-
Aleatorio simple
Estratificado
Por conglomerado
Sistemtico
Proporcional al tamao de cada grupo
11

Muestreo
Muestreo Aleatorio Simple: La forma ms comn de obtener
una muestra es la seleccin al azar. es decir, cada uno de los
individuos de una poblacin tiene la misma posibilidad de ser
elegido. Si no se cumple este requisito, se dice que la muestra
es viciada. Para
Para tener la seguridad de que la muestra
aleatoria no es viciada, debe emplearse para su constitucin
una tabla de nmeros aleatorios o una tmbola de nmeros
aleatorios.
Muestreo Estratificado: Una muestra es estratificada cuando los elementos de la
muestra son proporcionales a su presencia en la poblacin. La presencia de un
elemento en un estrato excluye su presencia en otro. Para este tipo de muestreo,
se divide a la poblacin en varios grupos
grupos o estratos con el fin de dar
representatividad a los distintos
factores que integran el universo de
estudio. Para la seleccin de los
elementos
o
unidades
representantes, se utiliza el mtodo
de muestreo aleatorio, tomando
elementos de cada estrato.
Muestreo
estreo Por Conglomerado: Este mtodo divide a toda la
Mu
poblacin en K muestras conteniendo n unidades
originales, posteriormente se escoge una muestra de manera
aleatoria de las K muestras realizadas al inicio.
Muestreo Sistemtico: Es un proceso diferente
erente a los anteriores. Si la poblacin
tiene N unidades, estos se enumeran del 1 a N en algun orden (tamao,
edad, pesos, etc..). Para seleccionar una muestrade n unidades, tomamos una
unidad al azar de las primeras K unidades y de ah en adelante
adelant cada K-esima
unidad.
12

Aleatorio
simple
Sistemtico
Estratificado
CARACTERISTICAS
VENTAJAS
INCONVENIENTES
Se selecciona una
muestra de tamao n
de una poblacin de N
unidades, cada
elemento tiene una
probabilidad de
inclusin igual y
conocida de n/N.
Sencillo y de
fcil
comprensin.
Clculo rpido
de medias y
varianzas.
Se basa en la
teora
estadstica, y por
tanto existen
paquetes
informticos
para analizar los
datos
Requiere que se posea

de antemano un
listado completo de
toda la poblacin.
Cuando se trabaja con
muestras pequeas es
posible que no
represente a la
poblacin
adecuadamente.
Conseguir un listado
de los N elementos de
la poblacin
Determinar tamao
muestral n.
Definir un intervalo k=
N/n.
Elegir un nmero
aleatorio, r, entre 1 y k
(r= arranque
aleatorio).
Seleccionar los
elementos de la lista.
Fcil de aplicar.
No siempre es
necesario tener
un listado de
toda la
poblacin.
Cuando la
poblacin est
ordenada
siguiendo una
tendencia
conocida,
asegura una
cobertura de
unidades de
todos los tipos.
Si la constante de
muestreo est asociada
con el fenmeno de
inters, las
estimaciones obtenidas
a partir de la muestra
pueden contener sesgo
de seleccin
En ciertas ocasiones
resultar conveniente
estratificar la muestra
segn ciertas variables
de inters. Para ello
debemos conocer la
composicin
estratificada de la
poblacin objetivo a
hacer un muestreo.
Una vez calculado el
tamao muestral
apropiado, este se
reparte de manera
proporcional entre los
distintos estratos
definidos en la
poblacin usando una
simple regla de tres.
Tiende a
asegurar que la
muestra
represente
adecuadamente
a la poblacin en
funcin de unas
variables
seleccionadas.
Se obtienen
estimaciones
ms precisa
Su objetivo es
conseguir una
muestra lo ms
semejante
posible a la
poblacin en lo
que a la o las
Se ha de conocer la
distribucin en la
poblacin de las
variables
utilizadas para la
estratificacin.
13

variables
estratificadoras
se refiere.
Conglomerado
Se realizan varias
fases de muestreo
sucesivas (polietpico)
La necesidad de
listados de las
unidades de una etapa
se limita a aquellas
unidades de muestreo
seleccionadas en la
etapa anterior.
Es muy
eficiente
cuando la
poblacin es
muy grande
y dispersa.
No es preciso
tener un
listado de
toda la
poblacin,
slo de las
unidades
primarias de
muestreo.
El error
estndar es
mayor que en
el muestreo
aleatorio
simple o
estratificado.
El clculo del
error estndar
es complejo.
Muestreo No Probabil
Probabilstico: Es aquel utilizado en forma emprica, es decir, no se
efecta bajo normas probabilstica de seleccin, por lo que sus procesos intervienen
opiniones y criterios personales del investigador o muestrista o no existe norma
bien definida o validada. Normalmente se acude a este tipo de muestreo cuando es
difcil enumerar, listar o precisar el universo objeto de estudio o cuando no existen
registros de los datos. Algunos de estos tipos de muestreo son:
-
Por cuotas
Por criterio
Accidental
Muestreo por Cuotas: Se divide a la poblacin en estratos o categoras, y se

asigna una cuota para las diferentes categoras y, a juicio del investigador, se
selecciona las unidades de muestreo. La muestra debe ser proporcional a la
poblacin, y en ella debern tenerse en cuenta las diferentes categoras. El
muestreo por cuotas se presta a distorsiones, al quedar a criterio del
investigador la seleccin de las categoras.
Muestreo Intencionado: Tambin recibe el nombre de sesgado. El investigador
selecciona los elementos que a su juicio son representativos, lo que exige un
conocimiento previo de la poblacin que se investiga.
14

Muestreo Mixto:
Se combinan diversos tipos de muestreo. Por ejemplo: se puede seleccionar las
unidades de la muestra en forma aleatoria y despus aplicar el muestreo por cuotas.
Muestreo Tipo:
La muestra tipo (master simple) es una aplicacin combinada y especial de los tipos
de muestra existentes. Consiste en seleccionar una muestra "para ser usada" al
disponer de tiempo, la muestra se establece empleando procedimientos sofisticados;
y una vez establecida, constituir el mdulo general del cual se extraer la muestra
definitiva conforme a la necesidad especfica de cada investigacin.
TIPOS DE ERRORES
Error Estndar: La desviacin estndar de una distribucin, en el muestreo de un
estadstico, es frecuentemente llamada el error estndar del estadstico. Por
ejemplo, la desviacin estndar de las medias de todas la muestras posibles del
mismo tamao, extradas de una poblacin, es llamada el error estndar de la
media.
De la misma manera, la desviacin estndar de las proporciones de todas las
muestras posibles del mismo tamao, extradas de una poblacin, es llamada el
error estndar de la proporcin. La diferencia entre los trminos "desviacin
estndar" y "error de estndar" es que la primera se refiere a los valores originales,
mientras que la ltima est relacionada con valores calculados. Un estadstico es un
valor calculado, obtenido con los elementos incluidos en una muestra.
Error Muestral
Muestral o Error de Muestreo: La diferencia entre el resultado obtenido de
una muestra (un estadstico) y el resultado el cual deberamos haber obtenido de la
poblacin (el parmetro correspondiente) se llama el error muestral o error de
muestreo. Un error de muestreo usualmente ocurre cuando no se lleva a cabo la
encuesta completa de la poblacin, sino que se toma una muestra para estimar las
caractersticas de la poblacin. El error muestral es medido por el error estadstico,
en trminos de probabilidad, bajo la curva normal.
El resultado de la media indica la precisin de la estimacin de la poblacin basada
en el estudio de la muestra. Mientras ms pequeo el error de las muestras, mayor
es la precisin de la estimacin. Deber hacerse notar que los errores cometidos en
una encuesta por muestreo, tales como respuestas inconsistentes, incompletas o no
determinadas, no son considerados como errores mustrales. Los errores no
mustrales pueden tambin ocurrir en una encuesta completa de la poblacin.
15

TAMAO DE MUESTRA
MUESTRA
Esta va a variar en relacin al tipo de estudio y de los objetivos a alcanzar
1.-- Promedios
1.
2.-- Proporcin de una

2.
poblacin
3.-Asociacin
3.
variables
entre
Como esta asociacin se

determina por medio del
estadstico de prueba X2, el
tamao se estima en
funcin al nmero de
elementos en cada casilla
(debern de ser de 5 o ms)
16
TIPOS DE VARIABLES
Por su
Estructura
Simple
Mide un solo indicador
Compleja
Se requiere de 2 o ms indicadores
Cualitativas
Por la Forma
de Medirse
Cuantitativas
Por
Dependencia
Nominales (nombres).- Nombra la modalidad

de una caracterstica sin compararla con
grados de intensidad (Ej.: procedencia, religin,
ocupacin, etc.).
Ordinales.- Expresa que elementos pueden
poseer caractersticas en distintos grados o
intensidades (Ej.: bacterias por campo, color de
orina, grado de estudios, etc.)
Enteras (Ej.: 3, 5, 7, etc.)
Fraccionadas (Ej.: 3.1416, 9.7, etc.)
Independientes
(X)
Dependientes
(Y)

TIPOS DE ESTUDIOS
CARACTERSTICAS DEL ESTUDIO
Tipo de estudio
Interferencia
del
Investigador
Periodo de
captacin de
informacin
Evolucin del
fenmeno
estudiado
Comparacin de
las poblaciones de
estudio
Observacional
Prospectivo o
Retrospectivo
Transversal
Descriptivo
Comparativo
Encuesta
Descriptiva
Encuesta
Comparativa
Observacional
Retrospectivo
Longitudinal
Descriptivo
Revisin de
casos
Observacional
Retrospectivo
Longitudinal
Comparativo de
Efecto-Causa
Casos y
controles
Observacional
Retrospectivo
Longitudinal
Comparativo de
Causa-Efecto
Perspectiva
histrica
Observacional
Prospectivo
Longitudinal
Descriptivo
Comparativo
Estudio de
una cohorte
Estudio de
varias
cohortes
Experimento
Experimental
Prospectivo
Longitudinal
CUESTIONARIO
Es el instrumento por medio del cual,
el investigador recoge la informacin
de la realidad; dicho instrumento
cuenta con 2 tipos de preguntas: a)
abiertas y b) cerradas
Comparativo
PROCESAMIENTO DE LA
INFORMACION
Recoleccin de Datos
Observacin
Experimentacin
Encuestas
Organizacin de Datos
Ordenacin
Tabulacin
Clasificacin
Presentacin de Datos
Grficos
Cuadros
Descripcin
Anlisis e Interpretacin
Conclusiones y
Recomendaciones
17

TITULOS DE CUADROS Y GRAFICAS

En el caso de los ttulos de cuadros, estos van en la parte superior de estos,
mientras que las figuras lo llevan en la parte inferior
Elementos que debe contener un titulo de cuadros o grficas:
1.- Naturaleza de la presentacin (Cuadro o grfico)
2.- Nmero de la presentacin
3.- naturaleza de los datos (pesos, tallas, etc..)
4.- Unidades utilizadas (Kg., cm., etc..)
5.- Origen de los datos (personas, cultivos, etc..)
6.- Espacio: lugar de donde se obtuvieron
7.- Tiempo: periodo en el que se obtuvieron los datos
18

Capitulo II
II:
Inferencia Estadstica
La inferencia Estadstica, es
es el procedimiento mediante el cual se toman decisiones
sobre una poblacin en base al estudio de una muestra extrada de ella.
19

DISTRIBUCIN NORMAL
Representacin grfica de esta funcin de densidad
20
a) Distribuciones normales con distinta b) Distribuciones

normales
con
desviacin estndar e igual media
diferentes medias e igual desviacin
estndar
Funcin de Distribucin
Puede tomar cualquier valor ((- , + )
Son ms probables los valores cercanos a uno central que llamamos media
()
Conforme nos separamos de ese valor , la probabilidad va decreciendo de

igual forma a derecha e izquierda (es simtrica).
Conforme nos separamos de ese valor , la probabilidad va decreciendo de

forma ms o menos rpida dependiendo de un parmetro , que es la
desviacin tpica.

Funcin de distribucin
F(x) es el rea sombreada de esta grfica
Tipificacin
Si la variable X tiene ~N (, ) entonces la variable tipificada de X es
sigue una distribucin normal pero con =0 y =0, es decir ~N(0,

N(0, 1)
Representacin grfica la funcin Z
a la variable Z se la denomina variable tipificada de X,, y a la curva de su funcin de

densidad curva normal tipificada
tipificada.
Caracterstica de la distribucin normal tipificada (reducida, estndar)
No depende de ningn parmetro
Su media es 0, su varianza es 1 y su desviacin tpica es 1.
La curva f(x) es simtrica respecto del eje OY
Tiene un mximo en este eje
Tiene dos puntos de inflexin en z =1 y z = -1
21

Manejo de Tablas Casos Ms Frecuentes

Frecuentes
Las ecuaciones consideran que se cuenta con tablas de una sola cola y valores de +Z
22

INTERVALOS DE CONFIANZA
Se llama intervalo de confianza en estadstica a un intervalo de valores alrededor
de un parmetro poblacional (calculado en una muestra) en el cual se encuentra el
verdadero valor del parmetro, con una probabilidad determinada.
La probabilidad de que el verdadero valor del parmetro se encuentre en el
intervalo construido se denomina nive
nivell de confianza, y se denota 1-. , en donde
es la probabilidad de equivocarnos,
equivocarnos y se le conoce como nivel de significancia.
Generalmente
ralmente
se
construyen intervalos con
confianza al 95% es decir
que
se
tiene
una
significancia del 5%. Menos
frecuentes
son
los
intervalos del 10% y el 1%.
Intervalos de confianza para la Media de una Poblacin
23
Conocida
Varianza Conocida
Ecuacin que describe el intervalo de confianza:

P = x Z
< < x + Z
= 1
n
2 n
2
Formula para calcular el intervalo de confianza:
2 n
= x Z
EJEMPLO: Un laboratorio desea estimar con el 99% de confianza la media del

Volumen Corpuscular en una poblacin del municipio de Frontera Hidalgo. Se
considera que se tiene una distribucin normal y una varianza poblacional de 144.
144
En un muestreo de 15 individuos se obtuvo una media de 84.3
84.33.
Z 0.01 = 2.58
2

x Z
n
2
84.3 2.58(3.10)
84.3 8.0
84.3 8 = 76.3
84.3 + 8 = 92.3

Intervalos de confianza para Proporciones de una Poblacin

P = p Z
2
p q
< P < p + Z
n
2
p q
= 1
n
p q
P = p Z
n
2
EJEMPLO: Se realiza un estudio sobre el uso del preservativo en jvenes

universitarios sexualmente activos; para lo cual se tomo una muestra de 300
estudiantes de la Facultad de Ciencias Qumicas, encontrndose que ssolo 123 lo
usaban en cada relacin. Con un 95% de confianza cual es la proporcin de
individuos, que usan el preservativo en cada relacin?
Z 0.05 = 1.96
2
123
= 0.41
p) =
300
p q
P = p Z
n
2
(0.41)(0.59)
P = 0.41 1.96
300
P = 0.41 0.05
24
0.41 0.05 = 0.36

0.41 + 0.05 = 0.46
Intervalos de confianza para la Media de una Poblacin con Varianza Desconocida

S
S
P = x t
< < x + t
= 1
n
n
2
2
n
2
= x t
EJEMPLO: El contenido en litros de7 recipientes de H2SO4 son: 9.8, 10.2, 10.4, 9.8,
10.0, 10.2 y 9.6. Con un intervalo de confianza del 95% se desea estimar el volumen
medio de todos los recipientes que contienen este cido, considerando que los
valores tienen una distribucin normal.

t 0.05 = 2.447
x = 10
S = 0.283
s
x t
n
2
10 2.447(0.107 )
10 0.26
10 0.26 = 9.74
10 + 0.26 = 10.26
Intervalos de confianza para la Varianza de una Poblacin

(n 1) s 2
(n 1) s 2
2
P=
< <
= 1
2
x2
x1
2
2
Formulas para calcular el intervalo de confianza:
x =
2
(n 1) s 2
( n 1) s 2
x 2
2
EJEMPLO: En el muestreo a 10 persona de la poblacin de Unin

(n 1) s 2
Jurez se les determino su hematocrito obtenindose los siguientes 2
x2
resultados: 46.4, 46.1, 45.8, 47.0, 46.1, 45.9, 45.8, 46.9, 45.2 y 46.0.
2
Cual es la variacin del hematocrito en esta poblacin con un 95%
de confianza.
S2= 0.286
(9)(0.286)
(9)(0.286)
< 2 <
P=
= 1
2.70
19.023
0.135 < 2 < 0.953
25

PRUEBAS DE HIPTESIS
Una prueba de hiptesis estadstica es una conjetura sobre un parmetro de una o

ms poblaciones. Para tener la certeza sobre una hiptesis, se debe examinar a la
poblacin entera, resultando en la mayora de las veces difcil de poder hacer; por lo
que se procede a tomar una muestra aleatoria de la poblacin de inters y se
utilizan los datos que contiene la muestra para proporcionar evidencia que confirme
o no la hiptesis. La evidencia encontrada permite la aceptacin o el rechazo de la
hiptesis, a travs de un estadstico de prueba.
Por lo que, para cada tipo de prueba de hiptesis se debe calcular una prueba
estadstica apropiada. Adems de que los datos deben de mostrar una distribucin
normal para que se pueda a proceder a la verificacin de una hiptesis.
La distribucin apropiada de la prueba estadstica se divide en dos regiones: una

regin de rechazo y una de no rechazo. Si la prueba estadstica cae en esta ltima
regin no se puede rechazar la hiptesis nula.
Antes de continuar, es necesario mencionar que existen muchos tipos de hiptesis,

pero las que competen a este material son las hiptesis estadsticas, las cuales son
2: Hiptesis alterna (Ha) e Hiptesis nula (Ho), siendo en la primera donde el
investigador plantea su idea y la segunda es la que contiene la parte opuesta y
complementara, siendo la que se utiliza para evaluar de manera indirecta la
hiptesis del investigador (Ha). De manera que contrario a lo que muchos piensan
la primera hiptesis que se debe plantear es la alterna (Ha) por ser ah donde se
encuentra la idea original del investigador, y sin la formulacin de la hiptesis
alterna (Ha) no puede existir la Hiptesis nula (Ho), por esta tan solo el
complemento opuesto dela alterna (Ha).
26

Tipos de planteamientos
1.- Ho: = o
Ha: o
Z 0.995 => p = 2.58

Z 0.975 => p = 1.96
2.- Ho: o
Ha: < o
Z 0.01 => p = -2.33

Z 0.05 => p = -1.65
3.- Ho: o
Ha: > o
27
Z 0.99 => p = 2.33
Z 0.95 => p = 1.65
Prueba de Hiptesis para: Media Poblacional con Varianza Conocida
Z=
X o
EJEMPLO: Un laboratorio estima con el 99% de confianza que la

media del Volumen Corpuscular en una poblacin del municipio de
Frontera Hidalgo es diferente de 90 3. Se considera que se tiene una
distribucin normal y una varianza poblacional de 144.
144 En un
3
muestreo de 15 individuos se obtuvo una media de 84.3
84.3 .
Ho: = 90
Ha: 90
Z 0.01 = 2.58
2
Z=
X o
84.3 90 5.7
=
= 1.84
12
3.10
15

Prueba de Hiptesis para: Media Poblacional con Varianza Desconocida
X o
S
n
EJEMPLO: El contenido en litros de7 recipientes de H2SO4 son: 9.8, 10.2, 10.4, 9.8,
10.0, 10.2 y 9.6. Con un intervalo de confianza del 95% se estima que el volumen
medio de todos los recipientes que contienen este cido es diferente de 11lts,
considerando que los valores tienen una distribucin normal.
Formula:
Ho: = 11
t=
Ha: 11
t 0.05 = 2.447
= 10
S = 0.283
t=
X o 10 11
=
= 9.35
S
0.283
n
7
No se acepta Ho, hay evidencia que

indica que la media del volumen de los
recipientes es diferente de 11lts.
Prueba de Hiptesis para: Diferencia entre Dos Poblaciones Normales con

Varianzas Conocidas
1.- Ho: 1 2 = 0
Ha: 1 2 0
2.- Ho: 1 2 0
Ha: 1 2 < 0
3.- Ho: 1 2 0
Ha: 1 2 > 0
28

EJEMPLO: Se realiza un estudio en la comunidad de Mazatn, Chiapas, sobre los

niveles de ac. rico en los habitantes de la poblacin; y se considera q
que las
concentraciones de hombres y mujeres no son iguales. Se toman muestras de 12
varones y 15 mujeres encontrndose ambas poblaciones con valores distribuidos
normalmente con una media 4.5 y 3.4 mg/ml, respectivamente.
Ho: hombres = mujeres
Z=
( x1 x2 )
12
n1
Z=
Ha: hombres mujeres
22
n2
(4.5 3.4)
= 2.82
1 1
+
12 15
Prueba de Hiptesis para: Diferencia entre Dos Poblaciones Normales con

Varianzas Desconocidas
Antes que nada se debe conocer, si las poblaciones tienen varianzas
iguales o diferentes por lo que se procede a se una prueba de
hiptesis para las varianzas con el estadstico de prueba F. Siendo
la formula a utilizar:
lizar:
F=
2
S mayor
2
S menor
Las hiptesis son:

Ho: Las varianzas son iguales
Ha: Las varianzas son diferentes
Dependiendo de la aceptacin o no aceptacin de la Hiptesis nula (Ho), ser la

formula que se utilice:
Con Varianzas
Varianzas Iguales
t=
( x1 x2 ) ( 1 2 )
S
2
p
n1
S p2 =
2
p
n2
(n1 1) S12 + (n2 1) S 22

n1 + n2 2
Con Varianzas
Varianzas Diferentes
t=
( x1 x2 )
S12 S 22
+
n1 n2
29

EJEMPLO (Varianzas Iguales):

Iguales) Se realiza un estudio sobre el funcionamiento
heptico de perros y gatos mediante la enzima aminoaspartato transferasa (AST),
contando con 22 perros y 15 gatos, con una media de 120 y 96 U/l respectivamente y
una desviacin estndar de 40 y 35 respectivamente. Se puede considerar que
ambas especies de animales tienen los niveles de AST.
Ho: Las varianzas son iguales
Ha: Las varianzas
rianzas son diferentes
2
2
S mayor (40)
F= 2
=
= 1.3061 La F de Tablas 1.90 (see acepta Ho para varianzas)
2
S menor (35)
Ho: Las medias son iguales
S p2 =
t=
Ha: Las medias son diferentes
(n1 1) S12 (n2 1) S 22

n1 + n2 2
( x1 x2 )
S
2
p
n1
2
p
t=
n2
S p2 =
21(40) 2 14(35) 2
= 1450
22 + 15 2
(120 96)
= 1.88
1450 1450
+
15
22
30
La t de tablas 2.301 (se acepta Ho para medias)
EJEMPLO (Varianzas distintas): En el ganado bovino los niveles de glucosa oscilan

entre los 45 y 75 mg/dl. Un grupo de investigadores desea saber si dos razas
(lechera y productora de carne), difieren con respecto al valor medio de la glucosa.
Se toman 10 animales productores de leche (n1) y 20 productores de carne (n2),
siendo sus medias de 62.6 y 47.2 respectivamente y las desviaciones estndar de
33.8 y 10.1.
Ho: Las medias son iguales
t=
( x1 x2 )
2
1
2
2
S
S
+
n1 n2
t=
Ha: Las medias son diferentes
(62.6 47.2)
(33.8) 2 (10.1) 2
+
10
20
= 1.41
T(28)0.05/2=2.0484
-2.0484 < 1.41 < 2.0484
Se acepta Ho.

Prueba de Hiptesis para: Muestreo a Partir de Poblaciones que no Presentan

Distribucin Normal
Cuando el muestreo se
realiza a partir de
poblaciones que no
presentan distribucin
normal, es posible
utilizar los resultados
del teorema del limite
central si la magnitud
de las muestras es
grande (n 30).
Cuando se extraen dos muestras aleatorias simple

independientes de gran magnitud de una poblacin que no
sigue una distribucin normal se pueden utilizar las
varianzas poblacionales si se conocen, de lo contrario se
utilizan como estimaciones las varianzas de las muestras,
las cuales necesariamente
necesariam
deben de ser grandes.
Z=
( x1 x2 )
12
n1
22
n2
EJEMPLO: Se realiza un estudio en 75 pacientes con infecciones gastrointestinales

con sintomatologa teniendo una lectura media de leucocitos de 6800,
68
y 80 pacientes
con infecciones gastrointestinales sin sintomatologa aparente con una lectura
media de leucocitos de 5450, con desviaciones estndar de 600 y 500
respectivamente. Se considera que las poblaciones de donde se extraen las muestras
no siguen
en una distribucin normal, siendo el muestreo aleatorio e independiente.
Se puede considerar que las lecturas de ambas poblaciones es la misma?
Ho: c/sintomas = s/sintomas
Z=
( x1 x2 )
2
1
n1
2
2
n2
Z=
Ha: c/sintomas = s/sintomas
(6800 5450)
(600)2 + (500)2
75
80
= 15.17
31

Prueba de Hiptesis para: Comparaciones por Parejas

Se utiliza cuando las poblaciones a comparar, son dependientes una
de la otra.
La formula es:
d do
t=
Sd
n
t=
Una poblacin con distintas mediciones
d
Sd
n
EJEMPLO: Se evalan dos

distintas dietas para ver con
cual se gana ms peso
peso,
siendo los resultados en kg
ganados:
t=
d
Sd
n
t=
2.2
2 .2
=
= 4.42
1.983 0.4977
8
t0.05/2,7 = 2.841
como tc > t0.05/2,7 ==> Se rechaza Ho
t0.01/2,7 =4.029
como tc > t0.01/2,7 ==> Se rechaza Ho
El efecto de las dietas no es el mismo en el incremento de peso de las personas.
32

Prueba de Hiptesis para: Proporciones una poblacin

poblacin
SU formula es:
EJEMPLO: Un estudio para evaluar la eficacia de un nuevo

tratamiento contra la Encefalitis Equina Venezolana, da
como resultado que de 300 animales vacunados 123
presentaron la enfermedad. Es posible concluir a partir de
estos datos que en la poblacin de animales muestreados, la
proporcin de animales que se protegen de la infeccin no es
del 50%
p) po
Z=
po qo
n
Ho: p = 0.50
Ha: p 0.50
x 123
p) = =
= 0.41
n 300
Z=
0.09
0.41 0.50
=
= 3.11
(0.50)(0.50) 0.0289
300
Se rechaza la Hiptesis nula.
33
Prueba de Hiptesis para: Proporciones dos Poblaciones
Poblaciones
Sus formulas son:
( p)1 p) 2 ) ( p1o p2o )

Z=
) ) )
p1 p 2
( p)1 p) 2 ) ( p1o p2 o )
Z=
) ) )
p=
p1 p 2
x1 + x2
n1 + n2
EJEMPLO: Un estudio para comparar la eficacia de un nuevo tratamiento contra la

malaria arroja el resultado de 78 individuos de 100 se alivian, mientras que con la
cloroquina que es el mtodo tradicional se alivia
alivian
n 90 de cada 100.
p=
x1 + x2
n1 + n2
) p) p) =
1
Z=
p=
p (1 p ) p (1 p )
+
n1
n2
( p)1 p) 2 ) ( p1o p2o )

) ) )
p1 p 2
78 + 90
= 0.84
100 + 100
) p) p) =
1
Z=
(.84)(.16) (.84)(.16)
+
= .0518
100
100
(.90 .78)
.12
=
= 2.32
.0518
.0518

Capitulo III
III
II::
Anlisis de Varianza
El anlisis de la varianza, es un mtodo que es necesario cuando se quieren
comparar ms de dos medias.
medias Sin embargo debido a que es un mtodo que permite
comparar varias medias en diversas situaciones; se encuentra ligado, al diseo de
experimentos y, de alguna manera, es la base del anlisis multivaria
multivariado.
Los modelos Estadsticos y el Anlisis de la Var

Varianza
ianza
Se conoce como Modelo a la representacin
epresentacin de un fenmeno de la vida real. Y un
modelo matemtico
atemtico es aquel en el que se relaciona variables. Siendo de dos tipos:
DETERMINSTICO: Establece una relacin exacta entre las variables
ESTADSTICO:: Establece la
a relacin entre las variables depende del aspecto
aleatorio de los fenmenos Siendo
Siendo este el modelo con el que trabajaremos este
captulo.
MODELO MATEMTICO BASE DEL ANLISIS DE VARIANZA
En el muestreo, las observaciones (yi)

provenientes de una poblacin
normal pueden ser representados por:
yi = + i
con i = 1, 2, 3,........, n
: Es una constante, la cual depende de un conjunto de factores con el mismo efecto

para todos los valores de la poblacin. Es la media de todos los yi de la poblacin
i: Es la parte aleatoria, la cual depende de un conjunto de factores que influyen en
diferente forma sobre el fenmeno. Es el error de muestreo para cada yi
En el modelo anterior,
anterior los i son
aleatorios y pueden tomar
valores tanto positivos como
negativos, debido a que los yi
tambin son aleatorios; y es
una constante.
34

De manera que cualquier

ualquier inferencia sobre media
media poblacional depender del
modelo probabilstico que se suponga para la variable i error
error de muestro
muestro
ESQUEMA DE MUESTREO
En el esquema de muestreo se tiene:
yi = + i y
yi N (,. 2) ==> i N (0, 2)
Siendo una constante las grficas yi y i son:
yi
La importancia del modelo,

modelo, reside en la representacin de la variable yi como la
suma de un parmetro y una variable aleatoria no observable i, dando origen a
una ecuacin que pretende explicar el comportamiento de la variable aleatoria yi.
Para el anlisis estadstico del modelo puede utilizarse el mtodo del Anlisis de la
Varianza (ANVA), el cual es un procedimiento aritmtico, que consiste en
descomponer la Suma de Cuadrados Total (Variacin Total) en fuentes de variacin
reconocidas, incluyendo la variacin que no se ha podido medir, que es el ERROR
EXPERIMENTAL.
EXPERIMENTAL
SUPUESTOS DE APLICACION
En la aplicacin
icacin del ANVA se suponen:
1. Los efectos de los tratamientos y los ambientales son aditivos.
2. El Error Experimental constituye un elemento al azar, normal e
independiente, con una distribucin normal con una media 0 y una varianza
2 .
CONCEPTOS DE APLICACIN
3. Dos conceptos en la aplicacin del ANVA.
4. Grados de Libertad (G.L.): Es el nmero de contrastes o comparaciones
ortogonales (datos independientes) menos el nmero de restricciones (son las
medias de las hiptesis) impuestas que se realiza en un grupo de datos.
35

5. Cuadrado Medio (C.M.): Es el cociente de una suma de cuadrados (SC) entre

su respectivo grado de libertad. [CM = SC / GL]
n( y )
S2
Si Ho: = o es cierta, entonces:
Fo =
F1n-1
Por lo tanto se utiliza Fo para probar el juego de hiptesis planteado al inicio.
REGLA DE DESICION
La regla de decisin para la prueba con un nivel de significanca es de:
Rechazar Ho si Fo > F1n-1,

Siendo Fo la calculada y la F1n-1,
F1n la de tablas
TABLA DE ANLISIS DE VARIANZA
Todo el proceso antes descrito se resume en una tabla llamada Tabla de Anlisis de
Varianza (ANVA), que a continuacin se detalla:
Fuentes de
Variacin (FV)
Grados
os de
Libertad (GL)
Media
Error
Total
n-1
N
Sumas de
Cuadrados (SC)
n(
y - )
(y - y )
o
2
ni=1 i
ni=1(yi-
o)2
Cuadrado Medio (CM)
Fo
y -) /1
[
(y - y ) /n-1]
1] =S
2
n(
n
i=1
n(
36
y -) /S
2
La estadstica Fo, bajo la hiptesis nula, tiene una distribucin F1nF1n-1, la Regla de
1
Decisin consiste en: Rechazar Ho si Fo > F n-1,
EJEMPLO:
En un estudio de sobre los niveles de hemoglobina de una comunidad que abita
sobre los 1000 m.s.n.m se cuantificaron los niveles de Hb de 28 personas que
participaron de manera voluntaria
voluntaria,, siendo los valores obtenidos:
12.72
13.38
13.94
17.34
15.74
14.60
19.03
14.11
13.01
17.53
19.25
13.72
12.26
13.29
18.92
17.65
12.13
13.90
10.41
15.03
14.44
13.62
11.49
14.75
13.68
14.81
5.21
17.03

De estudios previos se sabe que de una poblacin parecida

parecida, el porcentaje de
hemoglobina es de 13.23.
a) Cual es la poblacin de inters en este estudio?
b) Se puede considerar que el promedio del porcentaje de hemoglobina es igual a
13.23.. si es as a que nivel de significanca?
Solucin:
a) El nivel de hemoglobina de la poblacin de estudio
b) o=13.23
El juego de hiptesis a probar es: Ho: =o VS Ha: o
Como oo = Porcentaje de protenas en la leguminosa Leucaena
Entonces Ho: =13.23 VS Ha: 13.23
Este juego de hiptesis se probar mediante ANVA. En donde la suma de cuadrados
es:
S.C. Media = n( - o)2
S.C. Error = ni=1(yi

ni=1(yi-)2 = ni=1y2i- (ni=1yi)2/n
37
S.C. Total = ni=1(yi

ni=1(yi-o)2
De los datos obtenidos tenemos:
n=28 y = 402.93
y2 = 6029.9671
y/n
y/n = = 14.39
Sustituyendo en las formulas tenemos:

S.C. Media = n( - o)
2=
28 (14.39 - 13.23)2 = 37.67
S.C. Error = ni=1y2ii (ni=1yi)2/n = 6029.9671-(402.93)2/28=
231.66
2 = S.C. Error+S.C. Media = 231.66+37.67= 269.33

S.C. Total = ni=1(yi-o)
(yi
FV
Media
Error
Total
GL
FV
Media
Error
Total
GL
SC
1
27
28
1
n-1
n
F127,0.05 = 4.17
CM
37.67
231.66
269.33
SC
n(-
o)
n
i=1(yi-)2
ni=1(yi-
o)2
2
Fo > Ft
Fo
4.39*
37.67
8.58
CM
Fo
n(-
) /1
n(-
) /S2
[
ni=1(yi-)2/n-1]= S2
2
F127,0.01 = 7.56
Fo < Ft
Existe diferencia significativa al 5% por lo que a ese nivel se rechaza Ho. No as al

1% donde se acepta Ho.

DISEOS
DISEOS EXPERIMENTALES
Diseo Completamente al Azar
Es el tipo de arreglo ms sencillo; los tratamientos estn asignados completamente
al azar a las unidades experimentales; por lo que la variabilidad
vari
total de las
observaciones del experimento se divide en:
Una debido al efecto de los tratamientos
Otra debido al error experimental
El anlisis de la varianza contiene nicamente dos fuentes de variacin y se

caracteriza por:
Puede aplicarse cuando se estudian dos o ms tratamientos
Las unidades experimentales deben ser homogneas
Los tratamientos deben asignarse a las unidades experimentales totalmente

al azar.
Ventajas:
Puede utilizarse cuando las repeticiones por tratamiento son diferentes
Cuando sea probable que parte del experimento, ya sean unidades

experimentales o tratamientos se pierdan o se rechacen por alguna razn.
El anlisis estadstico que se desarrolla es fcil
En experimentos pequeos, se tiene mayor precisin, ya que

qu contiene ms
grados de libertad para estimar el error experimental.
Desventajas:
Cuando las unidades experimentales son heterogneas pierde precisin.
La variacin que existe entre las unidades experimentales forma parte del
error experimental.
Yi.
1
Y11
Y12
Y13
...
Y1n1
n1j=1Y1j
Tratamientos
2
3
...
Y21
Y31
...
Y22
Y32
...
Y23
Y33
...
...
...
...
Y2n2
Y3n3
...
n2
n3
j=1Y2j j=1Y3j ...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
t
Yt1
Yt2
Yt3
...
Ytnk
nkj=1Ytj ti=1nkj=1Yij=Y..
38

Si todos los tratamientos tienen el mismo nmero de repeticiones entonces:

n1=n2=n3=.....=nk=r.
En la tabla, se tiene que las observaciones se denotan con una letra con dos
subndices, el primero indica el tratamiento ( i ) y el segundo la repeticin ( j ).
La tabla del ANVA, para cuando se tiene diferente nmero de repeticiones por
tratamiento es la siguiente:
Si los tratamientos tienen igual nmero de repeticiones, entonces el ANVA resulta

ser:
Regla de decisin: Rechazar Ho, si Fc > Ft

Ft--1n.1n.-t t(rt(r-1),
39

Ejemplo Se evalu el incremento de tamao de ratas de

laboratorio, por efecto de tres dosis de una hormona sinttica
T4. El experimento se realizo a nivel de laboratorio en donde
las U.E. fueron ratones recin nacidos, despus de 30 das se
midi el tamao de los ratones desde las patas traseras a las
patas delanteras, estirando al ratn sin forzarlo ni lastimarlo.
El resultado de la medicin del tamao de cada ratn se hizo
en Mm. y dio como resultado los valores que en siguiente
cuadro se presentan:
Pruebe la hiptesis de que los incrementos de tamao de los ratones no se ven
afectados por los diferentes niveles de T4.
Ho: 1=2=3
V.S.
Ha: al menos un i es diferente
40
Ft 0.05=3.81 ==> Fc > Ft
Ft 0.01=6.70 ==> Fc > Ft
Se rechaza la hiptesis nula. Si hay diferencias altamente significativas en el

crecieminto de los ratones con las tres diferentes dosis de la hormona T4.

Diseo de Bloques al Azar

Este diseo es utilizado cuando las U.E. son
heterogneas, por lo que la varianza dentro de
los tratamientos es muy alta, la cual est
medida por el cuadrado medio del Error, que en
este caso es grande, por lo que es ms difcil
rechazar la hiptesis de igualdad de medias de
tratamientos.
Bajo la situacin antes mencionada
mencionada, es conveniente
dividir el material experimental en grupos
(BLOQUES), de tal forma que las U.E. sean
homogneas dentro de bloques y heterogneas entre
bloques.
Cada tratamiento a ensayar est representado una
sola vez en cada bloque, estos se asignan al azar a
las U.E. de cada bloque y posteriormente cada bloque
se distribuye al azar en su establecimiento.
Con la asignacin de los tratamientos y los bloques al azar, es posible estimar la
varianza entre bloques por separado y tener un Error Experimental pe
pequeo.
Caractersticas
Las U.E. deben de ser homogneas dentro de cada bloque, salvo por
pequeas variaciones aleatorias; puede haber cierta heterogenicidad, el
propsito de los bloques es: absorber en mximo grado la variabilidad del
material experiment
experimental.
Es el ms utilizado en trabajos experimentales
Aunque no es particularmente una caracterstica, los grados de libertad para
el Error no debe ser menor de 12
Es fcil de planear y el procedimiento de clculo es fcil
La disposicin de tratamientos y bloques es ortogonal entre s.

El establecimiento del Diseo en Campo, los Bloques se colocan
perpendicularmente al gradiente de variabilidad.
41

En la tabla, se tiene que las observaciones se denotan con una letra con dos
subndices, el primero indica el tratamiento ( i ) y el segundo el bloque ( j ).
Ventajas:
Es ms preciso que el DCA cuando hay un factor que causa variacin en las
U.E.
Es flexible, debido a que puede tener cualquier nmero de tratamientos y de

bloques (mnimo dos)
Es posible estimar datos perdidos
Desventajas:
Cuando el nmero de tratamientos es muy grande, es difcil mantener la

homogeneidad dentro de bloques, se pierde precisin.
Estima el Error Experimental con menos grados de libertad que el D.C.A.
Diseo
gl
DCA
t (r-1)
DBA
(t-1) (r-1)
42

FV
Tratam.
GL
t-1
ti=1(Yi.)2/r
- (Y..) /rt
CM
S.C. Trat./t-1
Trat./t
Bloques
r-1
ti=1(Y.j)2/t - (Y..)2/rt
S.C. Bloq/r
oq/r-1
Error
(t-1)
(r-1)
rt-1
S.C.Tot.-S.C.Tr.-S.C.Bl.
S.C.Err./t--1 r-1
Total
SC
2
Fc
C.M. Trat/
C.M. Error
C.M. Bloq./
C.M. Error
ti=1rj=1Y2ij - (Y..)2/rt
El criterio de decisin es:

Rechazar Ho1, si Fc > FtFt-1(t
1(t--1)(r1)(r-1),
Para tratamientos
Rechazar Ho2, si Fc > Fr1(t--1)(rFr-1(t

1)(r-1),
Para Bloques
Ejemplo: Se evala la eficiencia de un complemento alimenticio a 4 diferentes dosis

para elevar los niveles del volumen sanguneo en personas que sufren de anemia
ferropnica e hipovolema. Dada la variabilidad de
pesos y sexos, se decidi agrupar en bloque de
personas por pesos lo ms semejantes posibles. Se
les dio el tratamiento durante 4 meses y se procedi
a determinar su volumen sanguneo dando los
siguientes resultados:
Las hiptesis a probar son:

Ho1: T1=T2=T3=T4
2=T3=T4 VS
Ha1: Al menos un tratamiento es diferente
Ho2: B1=B2=B3=B4=B5 VS Ha2: Al menos un bloque es diferente
43

Para
ara Tratamientos Fc > Ft0.05 y Fc > Ft0.01
Para Bloques
Fc < Ft0.05 y Fc < Ft0.01
Se rechaza Ho1 para tratamientos. Hay diferencias altamente significativas entre

los tratamientos. Algunas dosis funcionan mejor que otras del complemento.
Se acepta Ho2.
Ho2. No hay diferencias significativas entre bloques.
Diseo Cuadrado Latino

Se utiliza cuando hay dos factores que afectan
sistemticamente a las unidades experimentales.
Para evitar que el efecto de los factores se acumule
en el error experimental se hace un doble bloqueo.
Esta asignacin de ortogonalidad (independencia)
a los efectos de los tratamientos respecto a los dos
factores de variabilidad asociados con el
experimento, requiere que cada tratamiento
aparezca una vez en cada una de esas variantes,
denominados: HILERAS Y COLUMNAS.
Caractersticas:
Se genera cuando los tratamientos se agrupan
ag
en
bloques homogneos en dos direcciones: hileras y
columnas quienes constituyen una repeticin
completa de los tratamientos.
Cualquier tratamiento aparece una sola vez en la misma columna o en la misma
hilera.
Se impone a las U.E. una restriccin de doble bloqueo.
44

El nmero de repeticiones es igual al nmero de tratamientos a evaluar. Esto es, si

hay t tratamientos, el total de U.E. ser t2
t2. t es mayor de 2.
Ventajas:
Reduce el error experimental al introducir el doble bloqueo.
El anlisis estadstico
estadstico es simple, ligeramente ms complicado que DBA.
Puede utilizarse cuando las U.E. forman una lnea continua.
Proporciona una comparacin ms precisa de los efectos de los tratamientos.
An con datos perdidos, el anlisis estadstico es simple.

Es ms preciso que el DBA.
Desventajas:
Es poco flexible, ya que el No. de Hileras o Columnas dependen del No. de
tratamientos.
No se pueden comparar muchos tratamientos, el rango es 4
4-10
Con pocos tratamientos, se tienen demasiados parmetros en el modelo con

pocas
ocas observaciones, siendo ineficiente la estimacin de la varianza del error.
45
En la tabla, se tiene que las observaciones se

denotan con una letra con tres subndices, el
primero indica el tratamiento ( i ), el segundo
el bloque ( j ) y el tercero ( k ) la columna.

El criterio de decisin es:

Rechazar Ho1, si Fc > FtFt-1(t
1(t--1)(t1)(t-2),
Rechazar Ho2, si Fc > FrFr-1(t
1(t--1)(t1)(t-2),
Rechazar Ho3, si Fc > FrFr-1(t
1(t--1)(t1)(t-2),
Para tratamientos
Para Hileras
Para Columnas
46
Ejemplo: Se desea evaluar en un experimento el efecto en la ganancia de peso de
cuatro complementos alimenticios en la dieta de ratones recin nacidos de
diferentes razas. Se pesaron los ratones al nacer y se pesaron despus de 15 das de
estarles dando el complemento
alimenticio; obteniendo de la
diferencias de pesos la ganancia del
mismo, obtenindose los siguientes
resultados en gr.:
Ho1:t1=t2 = t3
VS
Ha1:al menos un ti es diferente (ti

(titi)
Ho2:H1=H2 H3
VS
Ha2:al menos un Hi es diferente (Hi

(HiHi)
Ho3:C1=C2 =C3
VS
Ha3:al menos un Ci es diferente (Ci

(CiCi)

47
No existe diferencia significativa en la ganancia de pesos por efecto de los
complementos alimenticios, ni por las especies y pesos al nacer.

Capitulo IV
IV:
Correlacin y Regresin
En la prctica con mucha frecuencia es necesario resolver problemas que implican
conjuntos de variables, cuando se sabe que existe una relacin inherente entre ellas.
El aspecto estadstico del problema consiste en lograr la mejor estimacin de la
relacin entre las variables
El anlisis de regresin es til para encontrar la forma probable de las relaciones

entre las variables , siendo el objetivo final cuando se emplea este mtodo de
anlisis, el de predecir o estimar el valor de una variable en funcin al valor tomado
por otra variable.
El anlisis de correlacin se refiere a la medicin de la intensidad de la relacin

entre las variables. Cuando se calculan mediciones de correlacin a partir de un
conjunto de datos, el inters recae en el grado de correlacin entre las variables.
Ecuaciones de curvas
Lnea recta
Y = ao + a1X
Parbola (curva cuadratica)Y = ao + a1X + a2X2

Curva cbica
Curva Cuartica
Y = ao + a1X + a2X2 + a3X3

Y = ao + a1X + a2X2 + a3X3 + a4X4
Curva de grado n
Y = ao + a1X + a2X2 + + anXn
Curva exponencial
Y = abx
Curva geomtrica
Y = aXb
Hiperbola
1
Y = ----------------------ao + a1X
48

Grficas de Funciones
49
REGRESIN LINEAL SIMPLE
En este modelo, se considera a la variable X como la variable independiente
independiente, ya
que se encuentra bajo el control del investigador,, es decir los valores de X son
seleccionados para obtener valores de Y,
Y, por lo que se le conoce como variable
dependiente; por lo que se habla de una regresin de Y sobre X.
Supuestos que fundamentan el modelo de Regresin lineal simple

1.- Los valores de X son seleccionados previamente por el investigador.
2.- La variable X se midce sin error (la magnitud del error en la medicin es
insignificante).
3.- Para cada valor de X existe una subpoblaciones de valores de Y
4.- Los
os valores de Y siguen una distribucin normal
5.- Todas las varianzas de las subpoblaciones de Y son iguales
6.- Todas las medias de las subpoblaciones de Y se encuentran sobre la misma
linea recta (supocisin de linealidad). y/x = + x
7.- Los valores
alores de Y son estadisticamente independientes entre ellas

Linealidad
Independencia
Normalidad
Igualdad de varianzas
a: Es el punto donde la recta cruza el eje vertical. Es el
punto de inicio del valor de los datos de la pendiente.
b: Es el valor de la pendiente. Indica la cantidad con la cual
y cambia por cada unidad que cambia X.
50
Evaluacin de la ecuacin de regresin

Hiptesis a probar:
Conclusiones:
Si se acepta Ho, el
modelo
lineal
no
proporciona un buen
ajuste para los datos.
Ho: = 0
v.s.
Ha: 0
Fuente de variacin
g.l.
S.C.
C.M.
Regresin lineal
SCR
SCR/1
CMR/CMr
Residual
n-2
SCr
SCr/n-2
Si se rechaza Ho, el Total

modelo
lineal
proporciona un buen ajuste para los datos.
n-1

Formulas
(
xi )
b xi
n SCR
=
r2 =
2
SCT
( yi )
2
y
i
n
( y )
SCT = yi2
(
xi )
SCR = b xi
n
(
xi )
b xi
=
r=
2
( y)
yi2 n i
2
SCr = SCT SCR
b=
a=
n xy ( x )( y )
n x 2 ( x )
SCR
SCT
y b x
n
x
x2
y2
xy
51
Totales
CORRELACIN LINEAL SIMPLE

En el modelo clasico de regresin solo y es la variable dependiente (aleatoria),
siendo x una variable fija determinada por el investigador.
Sin embargo, cuando x y y son variables aleatorias, se tiene lo que se conoce
como modelo de correlacin.
Por lo que el anlisis de regresin puede llevarse a cabo bajo el modelo de
correlacin.
Pudiendo hacerse una regresin de x sobre y, as como una regresin de y
sobre x.
El objetivo es nicamente obtener una medida de la intensidad de la relacin entre
las 2 variables, no importa que recta se ajuste, ya que la medida que por lo general
se calcula ser la misma en cualquier ca
caso.

Supuestos que fundamentan el modelo de Correlacin lineal simple
Se supone que x y y, varian conjuntamente en lo que se conoce como distribucin

conjunta, y si adems esta distribucin sigue una distribucin normal,
normal recibe el
nombre de distribucin normal bivariada.
1.- Para cada valor de X existe una subpoblaciones de valores de Y con una
distribucin normal.
2.- Para cada valor de y existe una subpoblaciones de valores de x con una
distribucin normal.
3.- La distribucin conj
conjunta
unta de x y y es una distribucin normal bivariada.
4.- Todas las subpoblaciones de los valores de Y tiene la misma varianza
5.- Todas las subpoblaciones de los valores de X tiene la misma varianza
Coeficiente de correlacin. Mide la intensidad

d de la asociacin entre las
r:
variables X y Y.
r= 0.6 = 60%. Existe una asociacin entre las variables del 60%.
Coeficiente de determinacin
determinacin. Representa la variacin total de los valores
r2:
de la variable Y que se pueden contabilizar o explicar por
por una relacin lineal con
los valores de la variable aleatoria X.
X.
r2=0.36 = 36%. El 36% de la variacin de los valores de Y, se deben a una relacin
lineal con los valores de X.
52

Capitulo V:
V:
Estadstica No Paramtrica
La estadstica paramtrica Estima o Prueba Hiptesis acerca de uno ms
Poblacin. Necesitandose para esto conocer la forma en que se
Parametros de la Poblacin
distribuye la poblacin de donde se tomarn las muestras para la Inferencia
(aproximadamente normal).
La estadstica no paramtrica, estudia procedimientos que no se refieren a
parmetros poblacionales, que adems no dependen del conocimiento del
comportamiento de la distribucin de la poblacin en estudio. Son procedimientos
que no son afirmaciones acerca de los parmetros de la poblacin.
53
Ventajas de la estadstica no paramtrica
1.- Permiten probar hiptesis que no son afirmaciones acerca de valores de los
parmetros poblacionales.
2.- Se pueden utilizar cuando se desconoce la forma de la distribucin de la
poblacin muestreada.
3.- Son fciles de calcular, aplicndose ms fcil y rpidamente.
4.- Pueden aplicarse cuando los datos son solo categoras o clasificaciones.
Desventajas de la estadstica no paramtrica

1.- Analizar informacin mediante estadstica no parametrica, pudiendo usarse la
estadstica parametrica, produce un desperdicio de informacin.
2.- En muestras grandes la aplicacin de la estadstica no parametrica puede ser
muy laboriosa.

PRUEBA DEL SIGNO

Esta prueba utiliza a la mediana como medida de tendencia central.
Toma su nombre de la utilizacin de los signos + y -
en lugar de los valores
numricos.
En esta prueba se deben de evaluar los datos de tal forma que los que sean
superiores a la mediana hipottic
hipottica
a se les sustituye con el signo + y los que sean
inferiores se les sustituye con el signo -
y a los que tienen el exactamente mismo
valor que la mediana se les asigna el valor de 0 (cero). Por lo que los valores 0 se
eliminan del analisis y de la muestra
m
-reduciendose
reduciendose el tamao de la muestra (n).
Las hiptesis alternas que pueden ocurrir son:
Ha: P(+) > P(-)
Ha: P(+) < P(-)
Ha: P(+) P(-)
Regla de decisin:
). Se rechaza Ho, cuando la probabilidad de observar k, o menos
Ha: P(+) > P(-).
signos menos es menor o igual que .
Ha: P(+) < P(-).

). Se rechaza Ho, cuando la probabilidad de observar k, o menos
signos mas es menor o igual que .
Ha: P(+) P(-).
). Se rechaza Ho, cuando la probabilidad de obtener un valor k, tanto o
ms extremo como el calculado es menor o igual a /2.
La probabilidad se calcula mediante la
siguiente formula:
Ejemplo: Se tom una muestra aleatoria de 10 alumnos que

llevan el curso de verano de bioestadstica arrojando los
siguientes resultados
HIPTESIS
Ho: La mediana de la poblacin es de 5
Ha: La mediana de la poblacin es diferente de 5
= 0.05
54

Alum.
Calif.
Alum.
Calif.
P(k x / n, p ) = n Ck p k q n k
k =0
P(k 1 / 9,0.5) = 9 Ck p k q 9k
P(k 1/ 9,0.5) =9 C0 (0.5)0 (0.5)90 +9 C1 (0.5)1 (0.5)91
P (k 1 / 9,0.5) = 0.00195 + 0.01758 = 0.0195
10
10
10
k =0
HIPTESIS
Ho: mediana = 5
Ha: mediana 5
El valor encontrado cae en la zona de

rechazo de la Hiptesis nula (Ho), por lo
tanto la mediana tiene un valor difrente de
5.
Cuando se tienen parejas de datos, el procedimiento funciona asignando un signo

+ cuando la diferencia x-y
x es mayor y un signo - cuando es menor, y 0 cuando
la diferencia es de cero.
Ejemplo: Se desea conocer si existe diferencia entre los niveles de ac. rico de
hombres y mujeres habitantes de la ciudad de San Cristbal de las Casas.
HIPTESIS
Ho: Las medianas de la poblacin de hombres y mujeres son iguales
Ha: Las medianas de la poblacin de hombres y mujeres son di
diferentes
= 0.05
55

1.5
signo
11
C0 (0.5) 0 (0.5)110 +
11
C1 (0.5)1 (0.5)111 +
11
C2 (0.5) 2 (0.5)112 +
3.5
2.5
3.5
HIPTESIS
2.5
Ho: mediana
mediana = mediana
3.5
Ha: mediana
mediana mediana
1.5
1.5
2.5
2.5
2.5
2.5
P (k 2 / 11,0.5) = 0.0327
La probabilidad cae dentro de la zona de aceptacin de la

hiptesis nula (Ho), por lo que se concluye que los niveles de
cido rico de hombres y mujeres son iguales.
56
PRUEBA DE WILCOXON de calificacin con signo
Cuando los datos para el anlisis son medidos al menos en una escala de intervalos,
la prueba del SIGNO no es la ms aconsejable; debido a que se desperdicia mucha
informacin contenida en los datos.
En estos casos la prueba de WILCOXON puede ser ms adecuada, debido a que
utiliza las magnitudes de las diferencias entre las mediciones y un parmetro de
ubicacin dada por una HIPTESI
HIPTESIS
S en lugar de los signos de las diferencias.
Esta prueba se basa en las siguientes suposiciones sobre los datos:
1.- La muestra es aleatoria

2.- La variable es continua
3.- Los datos se distribuyen simtricamente alrededor de la MEDIA.
4.-La
La escala de medicin es al menos de intervalos
Ejemplo: En una investigacin en varones con problemas de calvicie, se les midio los
niveles de androsterona la cual tiene valores de referencia de (2.0-5.0
(2.0
mg/dl). Se
sospecha que estas personas tienen niveles altos de la hormona por lo que se
considera que tienen niveles de 5.05. Los resultados obtenidos fueron los siguientes:

Andros.
di=xi-o
di
di c/signo
4.91
-0.14
-1
4.10
-0.95
-7
6.74
1.69
10
10
7.27
2.22
13
13
7.42
2.37
14
14
T+ = 86 T- = 34 T=34
7.50
2.45
15
15
6.56
1.51
El valor en tabla con n=15 y /2= 0.0240 (es

el valor ms cercano en la tabla) es de 25
4.64
-0.41
-3
5.98
0.93
3.14
-1.91
12
-12
3.23
-1.82
11
-11
5.80
0.75
6.17
1.12
5.39
0.34
5.77
0.72
Ho: =5.05
Ha: 5.05
Por lo que 34 > 25 y no se rechaza Ho
PRUEBA DE MANNMANN-WHITNEY
Esta prueba utiliza una mayor cantidad de informacin inherente a los datos y se
basa en los rangos de las observaciones.
Los supuestos de esta prueba son:
1.- Las muestras (n y m) son extradas de manera independiente y aleatoria.
2.- La escala de medicin es por lo menos ordinal.
3.- Si las poblaciones son diferentes, difieren solo en lo que respecta a sus medianas.
T =S
n(n + 1)
2
S = suma de los rangos asignados a los valores de x

n = nmero de observaciones de la muestra x.
Ejemplo: Se desea evaluar si existen diferencias entre los niveles de hemoglobina de

personas fumadoras y no fumadoras.
Ho: Mx = My
Ha: Mx My
57

T =S
n(n + 1)
2
T = 145
S = 145
15(15 + 1)
= 25
2
El valor en tablas (k) con n=15, m=10 y

a=0.025 es de 40.
HIPTESIS
Ho: mediana x = mediana y
Ha: mediana x mediana y
Se rechaza Ho. La mediana de la

hemoglobina de fumadores y no
fumadores es diferente.
58

PRUEBAS DE ASOCIACIN
Este estadstico de prueba, permite evaluar la asociacin entre 2 variables
mediante:
Prueba de independencia:
independencia: Prueba hiptesis nula para 2 criterios de clasificacin y
ver si son independientes cuando se aplican al mismo conjunto
conjunto de entidades.
Prueba de homogeneidad:
homogeneidad: Se utiliza para evaluar si las muestras extradas
provienen de poblaciones homogneas con respecto a algn criterio de clasificacin.
(Vo Ve) 2
Ve
Vo= Valores Observados
X2 =
Ve= Valores Esperados:
Ha: Hay asociacin

Ho: No hay asociacin
Rechazar Ho, si X2calc. X2tabla
Grados de Libertad (g.l.) = (Columnas -1) (Hileras-1)
Ejemplo: A 2 grupos de 100 personas de hombres y

mujeres cada uno, con diabetes mellitus, se les
suministra un nuevo medicamento a ambos grupos,
encontrndose en el grupo de los hombres 75
recuperados y en el de las mujeres 65. Existe
asociacin entre el sexo y la recuperacin?
r
X2 =
X2 =
(Vo Ve) 2
Ve
(75 70) 2 (25 30) 2 (65 70) 2 (35 30) 2

+
+
+
70
30
70
30
X 2 = 0.357 + 0.833 + 0.357 + 0.833 = 2.381

G.L.= (2-1)(2-1)= 1
X20.01/2=7.879
X20.05/2=5.024
Rechazar Ho, si X2calc. X2tabla

De acuerdo a la regla de decisin, se acepta Ho, por lo que no hay asociacin entre el
sexo y la recuperacin del paciente.
59

Prueba Exacta de Fisher

Cuando las frecuencias esperadas son pequeas (aunque los estadsticos no se
ponen de acuerdo se recomienda el criterio de menor de 5 o 3 en una celda), no debe
usarse la prueba de chi cuadrada; debindose
usar un procedimiento alterno llamado Prueba
(a + b)!(c + d )!(a + c)!(b + d )!
p=
Exacta
ta de Fisher. Se considera la suposicin
(a!)(b!)(c!)(d!)(n!)
INDEPENDENCIA, y se utiliza para la tabla de
contingencia de 2x2
MEDICION DE LA ASOCIACION
Razn de Riesgo
a
RR = ni
c
no
Razn de Momios
RM =
(a )(d )
(b)(C )
60
INDICE DE CONCORDANCIA
K=
Po Pe
1 Pe
Po =
a+d
N
Pe =
(mi )(ni ) + (mo)(no)

N2
-Escala KappaKappa-
Ejemplo:: Se realiza una prueba de concordancia entre el

laboratorio A con 14 casos de 100 positivos y el laboratorio B
con 10 casos de 100 positivos. Ambos trabajaron las mismas
muestras. Cual es el nivel de concordancia de los resultados
entre ambos laboratorios?
(mi)(ni) + (mo)(no)
N2
(14)(10) + (86)(90)
Pe =
= 0.788
(100) 2
Pe =
Po =
a+d
N
K=
Po Pe
1 Pe
Po =
4 + 80
= 0.84
100
K=
0.84 0.788
= 0.245
1 0.788

Conclusin: La concordancia
ambos laboratorios es discreta
entre
INDICE DE CONCORDANCIA -MULTINOMINALESMULTINOMINALESEjemplo: Dos patlogos desean saber la concordancia

entre el diagnstico de ambos, por lo que se procedi a
que con las mismas muestras ambos procedieran a
dar su diagnstico siendo los resultados los que se
muestran en la tabla:
Pe = x.i xi.
Pe =
(18)(20) + (40)(43) + (22)(17)

= 0.383
80 2
Po =
9 + 29 + 14
= 0.65
80
i =1
k
Po = xii
i =1
Po Pe
K=
1 Pe
0.65 0.383
K=
= 0.433
1 0.383
INDICES DE VALIDEZ
a
*100
a+c
d
Esp. =
*100
b+d
a
Vp (+) =
*100
a +b
Sen. =
Vp () =
d
*100
c+d
Sen.= Sensibilidad
Esp.= Especificidad
Vp(+)= Valor predictivo positivo
Vp(-)=
)= Vaor predictivo negativo
61

TABLAS
62

63

64

65

EJERCICIOS
Supngase que un investigador est interesado en obtener una estimacin

del nivel promedio de una enzima en cierta poblacin de seres humanos con un 95%
de confianza. El investigador toma una muestra de 10 individuos, determina el
nivel de la enzima en cada uno de ellos y calcula la media muestral X= 22. Adems,
se sabe que la variable de inters sigue una distribucin aproximadamente normal
con una varianza de 45. Se desea estimar el valor de
Se desea estimar la concentracin media de amilasa en suero de una

poblacin sana. Las mediciones se efectuaron en una muestra de 15 individuos
aparentemente saludables, con una distribucin normal. La muestra proporcion
una media de 96 unidades/100ml y una desviacin estndar de 35 unidades/100ml
la varianza poblacional se desconoce.
Suponiendo que la poblacin de las concentraciones de amilasa en suero, a

partir de la cual se extrajo una muestra de tamao 15, tiene una distribucin
normal. Construir el intervalo de confianza del 95% para 2, sabiendo que el valor
de s2 = 1225.
El IMSS realiz investigaciones sobre los tipos de circulacin sangunea en el

miocardio a personas en el ejido el Edn en el que obtuvo datos con una muestra
representativa de n=25 con enfermedad de la arteria coronaria encontrando una
desviacin estandar de 1.03, presentando una distribucin normal. Construir
intervalos de confianza para la desviacin estandar poblacional
Suponer que se conoce que en una poblacin de mujeres el 90% de las que
comienzan su tercer mes de embarazo han tenido algn cuidado prenatal. Si se
extrae de esta poblacin una muestra aleatoria de tamao 200 con distribucin
normal, Cual es la probabilidad que hayan tenido cuidados prenatales?
Los datos que present un laboratorio de anlisis clnicos respecto a la

frmula eritrocitica requieren de parmetros que sean representativos de la
poblacin a la que prestan sus servicios tanto el qumico como el mdico, ya que de
ello depende que la poblacin reciba la atencin y tratamiento adecuado en caso de
ser necesario. Estos parmetros son diferentes para cada poblacin considerando
que cada uno posee caractersticas propias como son la estructura socioeconmica,
su educacin, su cultura, sus hbitos, sus costumbres y su situacin geogrfica.
El recuento de glbulos blancos de una muestra de 10 hombres con algn

tipo de leucemia produjo una varianza de 25,000,000. Construir los intervalos de
confianza del 95% para 2 y .
Se midieron las concentraciones de hemoglobina en 16 animales infestados

con garrapata, registrndose los siguientes valores: 15.6, 14.8, 14.4, 16.6, 13.8, 14.0,
17.3, 17.4, 18.6, 16.2, 14.7, 15.7, 16.4, 13.9, 14.8, 17.5. Construir los intervalos de
confianza del 95% para 2 y .
66

En un estudio sobre los tiempos de circulacin sangunea en el miocardio,

obtenindose los tiempos de circulacin aparente en una muestra de 30 pacientes
con patologa en la artera coronaria. La varianza de la muestra fue de 1.03.
Construir los intervalos de confianza del 95% para 2 y .
Se llevo a cabo el estudio en 16 municipios de la costa de Chiapas; se tom

una poblacin de 30 individuos para cada sexo escogiendo 2 de cada municipio,
prsentando una distribucin normal. Las x y la s en la muestra en hombres y
mujeres fueron:
x
4.9x106
4.2x106
s
357,771
312,418
SEXO
Hombres
Mujeres
Se desea conocer el intervalo de confianza para la poblacin tomando en cuenta los

datos de la muestras en hombres y mujeres (se tiene un 99% de confianza).
Como parte de una investigacin nutricional se desean saber cuales son los
valores en los que se encuentra la media de glucosa, colesterol, triglicridos y ac.
Urico, en estudiantes de la facultad de Ciencias Qumicas. Para lo cual se tomo un
na muestra de 24 personas completamente al azar. Suponiendo que los datos
presentan una distribucin normal, cual es el intervalo de confianza para la media
poblacional de cada analito?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
glucosa colesterol trigliceridos ac. Urico

86
187
28
6
81
166
115
7
80
179
189
6
95
197
126
1
84
166
150
3
99
186
111
5
110
145
83
8
108
191
80
6
102
179
155
5
98
184
155
2
97
172
47
6
103
190
56
1
81
193
148
1
86
170
18
6
96
183
53
7
107
144
149
6
81
178
61
2
87
160
120
4
95
146
139
1
103
181
150
6
108
174
10
8
87
151
54
3
102
165
24
6
86
185
47
1
67

El hospital de cancerologa en la Ciudad de Mxico ha realizado un estudio

acerca del peso en onzas de tumores malignos extrados a 37 pacientes, con
distribucin normal. Se desea saber si la media poblacional de hombres y la media
poblacional de mujeres son diferentes. Cuando se considera un 95% de confianza y
la 1 = 4.85 y la 2 = 2.65, respectivamente.
HOMBRES
30
35
25
28
27
31
32
25
33
36
32
31
29
28
30
MUJERES
29
31
33
27
28
30
29
27
26
34
n1 = 20
33
28
29
30
31
33 26
32 25
27
28
27
n2 = 17
Los pacientes con artritis reumatoide presentan el mayor riesgo de

desarrollar osteoporosis, la razn de ello no se conocen en parte a las dificultades
para evaluar cuantitativamente el metabolismo y contenido mineral del huso.
Weisman y sus colaboradores (1986) midieron los valores de calcitocina humana
(HCT) en varones y mujeres con artritis reumatoide y en sujetos control igualados
en cuanto a edad y sexo que se eligieron entre un grupo de voluntarios sanos. Se
quiere comprobar que la media poblacional de mujeres y la de hombres son
diferentes (ambas presentan distribucin normal).
HOMBRES
MUJERES
35 35
45 46 46 45
35 35
45 47 47 48
34 35
48 48 45 47
35
47 49 48
37
45 45 49
35
45 46 45
33
48 48 46
32
48 49 47
32
49 47 49
33
47 45 48
n1 = 33
n2 = 33
En una poblacin se ha padecido, de problemas en niveles sanguneos

(leucocitos) entre el ao 2003 y 2004 dicho mal afecta a jvenes de 18 25 aos de
edad, dicho estudio hecho en la ciudad de Tapachula a los mrgenes de esta. Se
desea saber si la es > a 4000 , con un 95 % de confianza. La poblacin presenta
una distribucin normal
33
35
31
33
32
35
34
31
31
35
35
31
33
34
32
35
34
33
31
35
Niveles de leucocitos
3500 1500 2500 2500
2500 4500 2500 4500
3500 2500 3500 4500
4500 4500 4500 3500
4500 3500 3500 2500
4500
2500
3500
4500
3500
2500
4500
3500
3500
2500
68

A continuacin se muestra una tabla indicando la variacin de la

Temperatura en algunas regiones del estado de Chiapas de hace varios aos a la
fecha la temperatura de la tierra a aumentado su temperatura debido a cambios
externos climticos como el fenmeno del nio por tal motivo un grupo de
climatlogos predice que la variacin de hace unos aos al actual de que aumenta.
Las lecturas presentan una distribucin normal
Helmerich y colaboradores (1987) dirigieron un estudio para evaluar el

riesgo de trombosis venosa profunda en relacin con el uso de anticonceptivos
orales. Mostraron inters especial en el riesgo relacionado con una dosificacin baja
(menos de 50 MG de estrgeno) y circunscribieron sus estudios a 30 mujeres
menores de 50 aos de edad, de las cuales 12 presentaron la enfermedad. Los datos
arrojados por la Secretaria de Salud indican que 9 de cada 30 mujeres encuestadas
han presentado la enfermedad. La poblacin presento ua distribucin normal
En trescientos pacientes deseamos investigar los efectos de dos tratamientos

sobre los tiempos medios de recuperacin de pacientes con cierta enfermedad. Estos
300 pacientes se dividieron aleatoria mente en 2 grupos iguales, presentandouna
distribucin normal.
El primer grupo de 150 pacientes, cuyos elementos recibieron un tratamiento
normal, 110 se recuperaron en un plazo de 5 das.
El otro grupo de 150 personas que se trato con un nuevo mtodo, 86 se
recuperaron en 5 das
Se estudia a dos poblaciones de diferentes grupos etnicos en el estado de

Chiapas (altos y costa) y se desea saber si sus niveles de colesterol son iguales, para
lo cual se hizo el estudio que arrojo los siguientes resultados
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
Altos
187
166
179
197
166
186
145
191
179
184
172
190
193
170
183
144
178
Costa
194
155
172
140
181
141
179
188
156
152
170
171
174
174
173
168
168
69

18
19
20
21
22
23
24
160
146
181
174
151
165
185
149
176
165
165
160
142
142
Diseo Completamente al Azar

1.
Los niveles de estrgenos (E4) en mujeres durante la ovulacin es de 280
pg/ml en promedio. En un estudio se les determino los niveles de E4 a mujeres de 3
distintas edades (20, 30 y 40 aos aprox.), dando como resultado los valores que en
la siguiente tabla se presentan:
20:
30:
40:
437, 380, 400, 420, 350, 370, 400.

250, 300, 320, 325, 290, 270.
122, 180, 200, 150, 190.
Influye de alguna forma la edad en la produccin de E4? Explique

2.
Se evala un tratamiento con la hormona T3 en pacientes con problemas de
estatura a 3 diferentes dosis. La poblacin fueron varones con edades de los 18 a los
25 aos. se midi en cm el aumento de estatura dando como resultado los
siguientes datos al ao de estar con el tratamiento
T1
T2
T3
5, 7, 4, 5, 5.
4, 4, 5, 6, 6, 4.
4, 5, 7, 6, 7.
Existen diferencias significativas en la ganancia de altura entre los

tratamientos? Explique
3.
El ruido producido por el motor de un vehculo no debe de exceder los 30
decibeles. 4 compaas indican que sus motores son los que poseen los ndices ms
bajos de contaminacin sonora (ruido), para tal efecto se tomaron muestras de
varios automviles y los resultados se presentan en la siguiente tabla:
A
40, 45, 48, 36, 32.
B
38, 30, 47, 43.
C
48, 40, 40, 39, 35.
D
42, 41, 47, 48, 40
A que conclusin puede llegar. Explique
4.
Se considera que la poblacin joven de los pases latinoamericanos se
concentra en los lugares ms urbanizados. En un estudio en la Repblica Mexicana,
se seleccionaron 3 sitios al azar siendo estos: Campeche, Guadalajara y Veracruz.
En los cuales se muestreo gente al azar, a la cual se les pregunto su edad, siendo los
resultados:
70

Guadalajara:
22, 36, 40, 18, 25.
Campeche:
32, 41, 56, 28, 37, 43.
Veracruz:
18, 25, 32, 14, 29.
A que conclusin llega con este estudio. Explique.
5.
El promedio de la frecuencia respiratoria es de 12/min. en reposo. Se estudia
a un grupo de personas para determinar si la complexin es un factor en la
frecuencia respiratoria. Se tomaron muestras al azar de los 3 tipos de complexiones
y los resultados fueron los siguientes:
Delgados:
12, 13, 14, 15, 14.
Medianos:
13, 12, 12, 14, 13.
Gruesos:
16, 15, 14, 15.
Cual es su conclusin. Explique.
Diseo de Bloques al Azar

1.
Tres empresas (A, B y C) concursan para venderle a la polica un equipo para
la determinacin de alcohol en el aliento. Los equipos son de diferentes precios, por
lo que se hace una prueba con un equipo de cada compaa para determinar si
existe diferencia entre estos. La prueba consiste en la medicin de metanol (Valor
de Referencia < 0.80 p.p.m.) al personal de oficina de la polica de diferentes
edades. Los resultados obtenidos fueron:
Edades
Empresas
A
B
C
I
0.90
0.80
0.70
II
0.70
0.70
0.60
III
0.70
0.60
0.80
IV
0.60
0.70
0.70
Existen diferencias en las mediciones de metanol con los equipos. Explique
2.
El nivel mximo en la atmsfera de dixido de azufre (SO2) recomendado por
la OMS es de 40 gr/m3. Se considera al Distrito Federal la ciudad ms
contaminada del pas; para comprobarlo se toman muestras de 4 de las ciudades
con mayor nmero de habitantes del pas (Distrito Federal, Monterrey,
Guadalajara, Tijuana) durante una semana y se obtuvieron los siguientes
resultados:
Das
1
2
3
4
5
6
7
D.F.
82
90
71
60
75
100
110
Ciudades
MTY GDA
70
74
82
68
75
90
88
TJA
67
49
54
72
94
98
85
61
53
48
45
67
62
49
71

En base a los resultados obtenidos concluya. Explique
3.
La presin arterial promedio de un individuo es de 100 (80-120). Se toman
muestras de las tres zonas del estado (Altos, Centro y Costa) a individuos
seleccionados al azar de diversas edades y se les mide la presin arterial para
determinar si la altitud a la que viven influye en est presin. Los resultados
obtenidos son:
Edades
I
II
III
IV
V
Es la altitud un
Explique.
Zonas
ALT
CEN
COS
110
95
100
115
98
98
105
102
94
108
104
99
104
100
92
factor que influya en la presin arterial de los individuos?
Es la edad un factor que influya en la presin arterial de los individuos?

Explique.
En base a lo anterior concluya.
4.
En la Ciudad de Mxico el nmero de defunciones por mes atribuidas a la
contaminacin ambiental son de aproximadamente 1000. Se hace un estudio en tres
ciudades del pas (Mrida, Oaxaca y Tijuana) para determinar si el ndice de
mortalidad por efecto de la contaminacin es el mismo entre las diferentes regiones
del pas. Para tal efecto se registraron el nmero de defunciones (por
contaminacin) por mes durante cinco meses, obtenindose los siguientes datos:
Meses
Ciudades
MDA OAX
TJA
I
400
357
800
II
300
421
725
III
600
480
1005
IV
457
300
930
V
525
500
915
Fuera de la Ciudad de Mxico los ndices de mortandad son parecidos entre

las diferentes regiones de la Repblica? Explique y concluya.
5.
Un experimento sobre adicciones se realizo en una poblacin de adultos
farmacodependientes con diferentes niveles de adiccin y de diferentes edades a los
cuales se les retiro la droga para establecer el nmero de das que lograban
aguantar sin el consumo de esta. Los resultados fueron los siguientes:
72

Edades
Niveles de Adiccin
Alt
Med
I
12
14
II
10
8
III
12
10
IV
8
8
V
4
5
Existe diferencia para aguantar la abstinencia del

acuerdo a los niveles de adiccin? Explique.
Baj
15
13
10
9
7
consumo de droga de
Existe diferencia para aguantar la abstinencia del consumo de droga de

acuerdo a las diferentes edades considerando que se tienen agrupadas de menor a
mayor edad? Explique
Diseo en Cuadrado Latino

1.
Se evala un nuevo combustible (gasolina + alcohol) para automviles, por lo
que se hace una evaluacin con tres marcas distintas de autos (A, B y C), con tres
diferentes motores (I, II y III) por marca. Para la prueba se usan 3 diferentes
concentraciones (t1, t2 y t3) de alcohol en la gasolina. Obtenindose los resultados
en rendimiento (km/lt), siendo estos:
Motor
Marcas
A
B
C
I
t1-12.0
t2-14.0
t3-13.0
II
t2-13.5
t3-14.2
t1-13.6
III
t3-12.0
t1-10.0
t2-14.2
Existen diferencias entre las diferentes concentraciones de alcohol en el

rendimiento (km/lt)? Explique.
Existen diferencias entre las diferentes marcas de los autos en el

rendimiento (km/lt)? Explique.
Existen diferencias entre los diferentes motores en el rendimiento (km/lt)?

Explique.
2.
Se evalan cuatro vacunas (t1, t2, t3 y t4) contra la brucelosis en ganado
bovino de diferentes razas (A, B, C y D) y edades (I, II, III y IV). Se manejaron lotes
de 25 animales por raza y edad. Se evaluaron al ao de la aplicacin de las vacunas,
habiendo recibido un manejo Sanitario y Zootcnico normal. Se procedi a
cuantificar el nmero de animales vacunados que contrajeron la enfermedad,
obtenindose los siguientes resultados
73

Edad
Razas
A
B
C
I
t1-18
t2-16
t3-12
II
t4-22
t1-17
t2-18
III
t3-11
t4-17
t1-19
IV
t2-19
t3-18
t4-19
Existen diferencias entre las diferentes Vacunas? Explique.
Existen diferencias entre las diferentes Razas? Explique.
Existen diferencias entre las diferentes Edades? Explique.
D
t4-21
t3-19
t2-17
t1-20
3.
Se evalan 4 diferentes insecticidas (t1, t2, t3 y t4) durante 4 semanas (I, II,
III y IV) en 4 especies de Triatominos (A, B, C y D). Los resultados obtenidos se
dieron en relacin al nmero de triatominos encontrados muertos, siendo estos:
Semanas
Especies
A
B
C
I
t1-12
t2-9
t3-6
II
t4-6
t1-14
t2-10
III
t3-5
t4-7
t1-11
IV
t2-9
t3-5
t4-7
Existen diferencias entre los diferentes Insecticidas? Explique.
Existen diferencias entre las diferentes Especies? Explique.
Existen diferencias entre las diferentes Semanas? Explique.
D
t4-7
t3-4
t2-8
t1-12

4.
Se evalan 3 medidas contra la contaminacin ambiental (t1, t2, y t3), en
diversas ciudades del pas (A, B y C), durante 3 semanas (I, II y III). El parmetro a
medir fue el S02 en g/m3, (ndice recomendado 40g/m3) los resultados obtenidos
fueron los siguientes:
Semanas
Ciudad
A
B
C
I
t1-80
t2-69
t3-71
II
t3-93
t1-83
t2-72
III
t2-85
t3-88
t1-69
Existen diferencias entre las diferentes Medidas contra la contaminacin?

Explique.
Existen diferencias entre las diferentes Ciudades? Explique.
Existen diferencias entre las diferentes Semanas? Explique.

74

5.
Se prueba una hormona sinttica de la somatotropina bovina (STB), la cual
es inductora de la produccin de leche. Se prueba en un lote de vacas ceb con
edades de 3, 4 y 5 aos y con pesos de 400, 450 y 500 kg a 3 dosis diferentes de la
STB. Los resultados fueron los aumentos en la produccin de leche en Kg., siendo
estos:
Edad
Pesos
400
450
500
3
t1-0.5
t2-0.8
t3-1.2
4
t3-1.3
t1-1.6
t2-1.8
5
t2-2.0
t3-2.5
t1-2.5
Existen diferencias entre las diferentes Dosis de STB? Explique.
Existen diferencias entre las diferentes Edades? Explique.
Existen diferencias entre los diferentes Pesos? Explique.
PRUEBAS DE ASOCIACIN
1.Una industria farmacutica prob Vo
curados
No
curados
un nuevo frmaco para el control de la
20
30
Machos
fiebre causado por el resfriado en 100
28
22
Hembras
ratones. Se est interesado saber si el
48
52
sexo influye en el metabolismo del
frmaco, para ello se dividi la poblacin equivalentemente obtenindose:
50
50
100
2.Un qumico realiza la prueba para la Vo

Plantas
Plantas
certificacin de un nuevo agroqumico para
logradas no logradass
81
300
el control de la plaga de la sigatoca en el EQ-730 219
ZR-1
201
99
300
pltano de la variedad gran enano. Para ello
420
180
600
la compar con otro agroqumico ya
certificado, el EQ-730. En un sembrado de 300 plantas para cada agroqumico se
arrojaron los siguientes resultados:
3.Se desea saber si el sndrome de

Down est en funcin del sexo, para ello
se realiz un estudio en un hospital de los
Estados
Unidos
de
Amrica,
encontrndose que en los nacimientos de
este ao:
Vo
Hombres
Mujeres
Con
S.Down
19
23
42
Sin
S.Down
31
27
58
50
50
100
75

4.Se desea saber si la sensibilidad y

especificidad de la prueba de brucelosis,
por el metodo rosa de bengala,
comparandola con la prueba confirmativa
de rivanol, los resultados ueron los
siguientes:
Rosa
de
Bengala
Positivo
Negativo
Positivo
6
2
8
5.Se desea saber la concordancia

entre el resultado de 2 laboratorios de
patologa animal, uno en Tapachula y
otro en Huixtla, sobre la prueba de
tuberculosis, los resultados fueron los
siguientes:
Huixtla
Tapachula
Positivo
Negativo
Positivo
12
3
15
Rivanol
Negativo
6
11
17
12
13
25
Negativo
6
9
15
18
12
30
Un estudio de 190 embarazos proporcion los siguientes

datos sobre la relacin que existe entre la hipertensin de la
madre y cierta complicacin del embarazo.
2.- Una muestra de 150 portadores
de Hepatitis C, y una muestra de 500 no portadores,
revelaron la siguiente distribucin de los grupos sanguneos.
3.- A un grupo de 350 adultos, se les con problemas de

sobrepeso se les pregunto si llevaban o no dieta. Las
repuestas en base al sexo son la
las siguientes:
76

BIBLIOGRAFA
BOX, HUNTER W, HUNTER S. 1989. INTRODUCCIN AL DISEO DE

EXPERIMENTOS, ANLISIS DE DATOS Y CONSTRUCCIN DE MODELOS.
DANIEL, W. 1989. BIOESTADSTICA, MXICO. ED. LIMUSA.
ELSTON, R.C Y JOHNSON W.D. 1990. PRINCIPIOS DE BIOESTADISTICA.

MXICO, ED. EL MANUAL MODERNO, S.A. DE C.V.
JOHNSON, ROBERT. 1979. ESTADSTICA ELEMENTAL, TRILLAS.
MARQUEZ, M.J. 1990. PROBABILIDAD Y ESTADSTICA PARA CIENCIAS

QUMICO - BIOLGICAS. MXICO., ED. MCGRAW-HILL.
MILTON, TSOKOS. 1987. ESTADSTICA PARA BIOLOGA Y CIENCIAS DE LA

SALUD,. MXICO. ED. INTERAMERICANA.MCGRAW-HILL.
PREZ L. CESAR. 1997. ANLISIS ESTADSTICO CON STATGRAPHICS,

TCNICAS BSICA, MXICO, ED. ALFAOMEGA S.A. DE C.V.
SCHEFLER, W.C. 1981. BIOESTADSTICA, MXICO ED. FONDO EDUCATIVO

INTERAMERICANO.
STELL / TORRIE. 1990. BIOESTADSTICA PRINCIPIOS Y PROCEDIMIENTOS,

MXICO, ED. MC GRAW HILL,
WALPOLE, MYERS. 1992. PROBABILIDAD Y ESTADSTICA, MXICO ED.

MCGRAW-HILL.
77

Bioestadistica MARF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Bioestadistica MARF

Cargado por

Copyright:

Formatos disponibles

Bioestadstica Elemental en el rea de la Salud

Miguel ngel Rodrguez Feliciano

Bioestadstica Elemental en el rea de la Salud

Usaron la estadstica Galileo, Newton y Einstein?

Bioestadstica Elemental en el rea de la Salud

En el area de la salud y en particular en el trabajo que se realiza en el Laboratorio

Bioestadstica Elemental en el rea de la Salud

Bioestadstica Elemental en el rea de la Salud

Universidad Autnoma de Chiapas

Elaborado Mtro. Miguel ngel Rosales

Bioestadstica Elemental en el rea de la Salud

UNIDAD II.- ANLISIS DE VARIANCIA

Bioestadstica Elemental en el rea de la Salud

UNIDAD III.- REGRESIN Y CORRELACIN LINEAL

UNIDAD IV.- ESTADSTICA NO PARAMETRICA

FORMA DE EVALUACIN Y ACREDITACIN:

Bioestadstica Elemental en el rea de la Salud

RELACION DE PRACTICAS DE BIOESTADSTICA

BOX, HUNTER W, HUNTER S. 1989. INTRODUCCIN AL DISEO DE

Bioestadstica Elemental en el rea de la Salud

Es aquella porcin o subconjunto de elementos de la poblacin en el cual el nmero

UNIDADES ESTADSTICAS DE MUESTREO

Bioestadstica Elemental en el rea de la Salud

Ley de los grandes nmeros: si en una prueba, la probabilidad de un

Bioestadstica Elemental en el rea de la Salud

De estas dos leyes fundamentales de la estadstica, se infieren aquellas que sirven

Ley de la regularidad estadstica: un conjunto de n unidades tomadas al azar de

Ley de la inercia de los grandes nmeros: esta ley es contraria a la anterior. Se

Ley de la permanencia de los nmeros pequeos: si una muestra

Proporcional al tamao de cada grupo

Bioestadstica Elemental en el rea de la Salud

Bioestadstica Elemental en el rea de la Salud

Requiere que se posea

Bioestadstica Elemental en el rea de la Salud

Muestreo por Cuotas: Se divide a la poblacin en estratos o categoras, y se

Bioestadstica Elemental en el rea de la Salud

Bioestadstica Elemental en el rea de la Salud

2.-- Proporcin de una

Como esta asociacin se

Mide un solo indicador

Nominales (nombres).- Nombra la modalidad

Bioestadstica Elemental en el rea de la Salud

Bioestadstica Elemental en el rea de la Salud

TITULOS DE CUADROS Y GRAFICAS

Bioestadstica Elemental en el rea de la Salud

Bioestadstica Elemental en el rea de la Salud

Representacin grfica de esta funcin de densidad

a) Distribuciones normales con distinta b) Distribuciones

Puede tomar cualquier valor ((- , + )

Conforme nos separamos de ese valor , la probabilidad va decreciendo de

Conforme nos separamos de ese valor , la probabilidad va decreciendo de

Bioestadstica Elemental en el rea de la Salud

F(x) es el rea sombreada de esta grfica

sigue una distribucin normal pero con =0 y =0, es decir ~N(0,

Representacin grfica la funcin Z

a la variable Z se la denomina variable tipificada de X,, y a la curva de su funcin de

Caracterstica de la distribucin normal tipificada (reducida, estndar)

No depende de ningn parmetro

Su media es 0, su varianza es 1 y su desviacin tpica es 1.

La curva f(x) es simtrica respecto del eje OY

Tiene un mximo en este eje

Tiene dos puntos de inflexin en z =1 y z = -1

Bioestadstica Elemental en el rea de la Salud