Inferencia Estadística para Laboratorios

Inferencia
Estadstica
Juan Manuel Paz Fernndez
Laboratorio Central
Complejo Hospitalario Universitario de Santiago
Curso de Estadstica para el Laboratorio

Clnico
"Es una verdad muy cierta que,

cuando no est a nuestro alcance
determinar lo que es verdad,
deberemos seguir lo que es ms
probable".
Descartes, en su Discurso del Mtodo
Objetivos (I)
Comprender los fundamentos lgicomatemticos de la inferencia estadstica

Saber plantear, resolver e interpretar
problemas de intervalos de confianza
Comprender las distintas fases de un
contraste de hiptesis
Saber plantear, resolver e interpretar
problemas de contraste de hiptesis
Objetivos (II)
Analizar los errores que pueden cometerse en

un contraste de hiptesis
Enjuiciar la correcta aplicacin de las pruebas
estadsticas en situaciones de investigacin
concretas
Saber interpretar el resultado del p-valor a la
hora de tomar decisiones en los contrastes de
hiptesis
Inferencia Estadstica
La Inferencia Estadstica es aquella rama de

la Estadstica mediante la cual se trata de
sacar conclusiones de una poblacin en
estudio, a partir de la informacin que
proporciona una muestra representativa de la
misma.
Tambin es denominada Estadstica Inductiva
o Inferencia Inductiva ya que es un
procedimiento para generar nuevo
conocimiento cientfico.
La muestra se obtiene por observacin o

experimentacin.
La necesidad de obtener un subconjunto
reducido de la poblacin es obvia si
tenemos en cuenta los costes econmicos
de la experimentacin o el hecho de que
muchos de los mtodos de medida son
destructivos.
Toda inferencia inductiva exacta es imposible ya

que disponemos de informacin parcial, sin
embargo es posible realizar inferencias inseguras
y medir el grado de inseguridad si el experimento
se ha realizado de acuerdo con determinados
principios.
Uno de los propsitos de la inferencia Estadstica
es el de conseguir tcnicas para hacer inferencias
inductivas y medir el grado de incertidumbre de
tales inferencias. La medida de la incertidumbre
se realiza en trminos de probabilidad.
La inferencia Estadstica puede dividirse en dos

apartados de acuerdo con el conocimiento sobre
la distribucin en la poblacin.
Inferencia Paramtrica:
Se conoce la forma de la distribucin (Normal,
Binomial, Poisson, etc .... ) pero no sus
parmetros.
Inferencia No Parmetrica:
Forma y parmetros desconocidos.
De acuerdo con la forma en que se

estudian los parmetros o
caractersticas desconocidas, la
inferencia puede dividirse en
ESTIMACIN y CONTRASTE DE
HIPTESIS.
Estimacin:
Se intenta dar estimaciones de los
parmetros desconocidos sin hacer
hiptesis previas.
Estimacin puntual: Un nico valor para
cada parmetro.
Estimacin por intervalos: Intervalo de
valores probables para el parmetro.
Contraste de Hiptesis:
Se realizan hiptesis sobre los
parmetros desconocidos y se
desarrolla un procedimiento para
comprobar la verosimilitud de la
hiptesis planteada.
Intervalos de Confianza
En los mtodos de estimacin

puntual se utiliza una funcin de los
valores de la muestra (estadstico)
para dar la estimacin del parmetro
en estudio.
Si en vez de esto, se utilizan dos

funciones y se da el valor de dicho
parmetro a partir del intervalo que
tiene por extremos los valores de
dichas funciones para una muestra,
se dice que se est dando una
estimacin por intervalos del
parmetro, o un intervalo de
confianza.
En la construccin de estos intervalos, hay

dos elementos fundamentales:
La amplitud del intervalo que nos dar la
precisin de la estimacin (deber ser la
menor posible).
La probabilidad de que el intervalo
contenga al verdadero valor del
parmetro a estimar, que se llama nivel
de confianza o coeficiente de confianza,
(deber ser lo mayor posible).
Es claro que se puede ganar

en precisin a base de perder
confianza en la estimacin.
Para centrar ideas, vase el caso en el que se

selecciona una muestra aleatoria simple de
una poblacin descrita por la funcin f(x;)
dependiente del parmetro que
pretendemos estimar.
El problema se plantea como sigue:
se fija un nivel de confianza, que se denota por 1

, en donde 0 < < 1.
se trata de determinar dos funciones 1(x1, x2, ..., xn)
y 2(x1, x2, ..., xn) de forma que.
P[1(x1, x2, ..., xn) = = 2(x1, x2, ..., xn)] = 1
Al intervalo [1(x1, x2, ..., xn) , 2(x1, x2,

..., xn] se le llama intervalo de confianza
de al nivel de confianza del (1 )
100%.
Es muy importante observar que sera un
error afirmar que la probabilidad indicada
anteriormente, es la probabilidad de que
est entre los nmeros reales 1(x1, x2, ...,
xn) y 2(x1, x2, ..., xn)
Significa que, de cada 100 muestras

aleatorias que tomemos, cabe
esperar que el (1 ) 100% de ellas
contenga al verdadero valor de
entre 1(x1, x2, ..., xn) y 2(x1, x2, ...,
xn)
El esquema general para la estimacin de un

intervalo de confianza es.
Estimador Coeficiente confiabilidad x Error estndar
El coeficiente de confiabilidad (z o t) indica entre

cuantos errores estndar del estimador est 1 del rea de la distribucin muestral del
estadstico.
La probabilidad de estimar de la poblacin

(1 - ), se llama tambin Coeficiente de
confianza o Probabilidad de acertar.
Los Coeficientes de confianza mas
utilizados son: 0,90, 0,95 y 0,99
es la Probabilidad de equivocarse
La probabilidad de equivocarnos () la
dividimos en dos reas en los extremos
(/2)
Valores del coeficiente de confiabilidad si n30 (z)

Para 1 - = 99%, = 1% = 0,01, z/2 = 2,58
Para 1 - = 95%, = 5% = 0,05, z/2 = 1,96
Para 1 - = 90%, = 10% = 0,10, z/2 = 1,64
A la mitad de la amplitud del intervalo de

confianza se le llama precisin del estimador
En todo intervalo de confianza hay

una noticia buena y otra mala:
La buena: hemos usado una tcnica
que en un % alto de los casos acierta
La mala: no sabemos si ha acertado
en nuestro caso
INTERVALOS DE CONFIANZA PARA LA MEDIA
Poblacin normal de varianza conocida
x z 2 n , x + z 2 n
N ,
n
INTERVALOS DE CONFIANZA PARA LA MEDIA
Poblacin normal de varianza desconocida
s
s
,
+
x
t
x
t
n 1
n 1
INTERVALOS DE CONFIANZA PARA LA

MEDIA GEOMTRICA
Transformar los valores de la variable x
en log(x)
Hallar la media de los log(x), xl
Hallar el error estndard de la media de
los log(x), sl
Entonces el intervalo de confianza para
la media geomtrica vendr dado por la
expresin:
10 (xl z/2sl)
INTERVALOS DE CONFIANZA PARA MEDIANA Y

OTROS CUANTILES
Para los cuantiles en general
(n+1)q z/2[nq(1-q)]
Para un percentil 80, q = 0.8
Para la mediana
(n + 1)/2 z/2(n)/2
teniendo en cuenta que los valores
corresponden al nmero de orden fijado
por dicho intervalo y que ocupa cada dato
de la variable cuando se ordenan de
menos a mas
Intervalo de confianza para la diferencia de medias en poblaciones

normales con varianza conocida:
I.C. =
de nivel 1-
INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS DE DOS
DISTRIBUCIONES NORMALES, VARIANZAS DESCONOCIDAS PERO
IGUALES
en donde:
es el estimador combinado de la desviacin estndar comn de la poblacin

con n1+n2 2 grados de libertad
INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS DE DOS
DISTRIBUCIONES NORMALES, VARIANZAS DESCONOCIDAS PERO
DIFERENTES
con
grados de libertad, donde:
para la diferencia de medias con muestras relacionadas.

n=m, Di=Xi-Yi y Sd su desviacin tpica
S d2
S d2
X Y t n 1
, X Y + t n 1
1
1
n 1
n 1
2
2
para la diferencia de proporciones.
Px (1 - Px ) Py (1 - Py )
Px (1 - Px ) Py (1 - Py )
P P z
,P P + z
+
+
1 /2
1 /2
y
x
y
n
m
n
m
x
Contraste de Hiptesis
Conceptos Generales
Una hiptesis estadstica es una

afirmacin que se hace acerca de una o
varias caractersticas de una poblacin.
Un contraste de hiptesis es un
procedimiento para decidir si una hiptesis
se acepta como vlida o se rechaza.
Su finalidad esencial consiste en
demostrar o rechazar hiptesis cientficas,
mediante un razonamiento inductivo de
tipo probabilstico.
Conceptos Generales
Los mtodos de contraste de

hiptesis tienen como objetivo
comprobar si determinado supuesto
referido a un parmetro poblacional,
o a parmetros anlogos de dos o
ms poblaciones, es compatible con
la evidencia emprica contenida en la
muestra.
Conceptos Generales
En todo contraste intervienen dos

hiptesis:
La hiptesis nula (H0)
La hiptesis alternativa (H1)
Conceptos Generales
La hiptesis nula (H0) es aquella que

recoge el supuesto de que el parmetro
toma un valor determinado y es la que
soporta la carga de la prueba.
Es:
la que se acepta como verdadera

la que se pretende rechazar
la que afirma que no existe diferencia entre dos
poblaciones, o entre los parmetros del
estudio.
Conceptos Generales
La decisin de rechazar la hiptesis nula,

que en principio se considera cierta, est
en funcin de que sea o no compatible con
la evidencia emprica contenida en la
muestra.
El contraste clsico permite controlar a
priori la probabilidad de cometer el error
de rechazar la hiptesis nula siendo sta
cierta; dicha probabilidad se llama nivel de
significacin del contraste () y suele
fijarse en el 1%, 5% o 10%.
Conceptos Generales
La proposicin contraria a la hiptesis nula

recibe el nombre de hiptesis alternativa
(H1) y suele presentar un cierto grado de
indefinicin.
Si la hiptesis alternativa se formula
simplemente como 'la hiptesis nula no es
cierta', el contraste es bilateral o a dos
colas; por el contrario cuando se indica el
sentido de la diferencia, el contraste es
unilateral o a una sola cola.
Conceptos Generales
La decisin de rechazar o no la hiptesis

nula estn al fin y al cabo basado en la
eleccin de una muestra tomada al azar, y
por tanto es posible cometer decisiones
errneas. Los errores que se pueden
cometer se clasifican en:
Error tipo I, o error .
Error tipo II, o error
Error tipo III, o error fatal
Conceptos Generales
Error de tipo I:
Es el error que consiste en rechazar H0
cuando es cierta. La probabilidad de
cometer este error es lo que se llama
nivel de significacin. Es una costumbre
establecida el denotarlo siempre con la
letra .
Conceptos Generales
Error de tipo II:

Es el error que consiste en no rechazar
H0 cuando es falsa. La probabilidad de
cometer este error la denotamos con la
letra .
Conceptos Generales
Error de tipo III:

La interpretacin de las pruebas
estadsticas est condicionada por la
construccin de las hiptesis.
Se pueden formular hiptesis
alternativas en una o dos direcciones en
relacin a la hiptesis nula.
Conceptos Generales
Error de tipo III:

Consideremos el caso en donde se comparan
dos tratamientos.
Con un tipo de contraste unilateral se
estableceran supuestos de superioridad o
inferioridad de un tratamiento con respecto al
otro.
Por contra en un aproximacin bilateral se
estableceran diferencias entre ambos
tratamientos, no importa en que sentido.
Conceptos Generales
Error de tipo III:

Consideramos una aproximacin
bilateral en la comparacin de dos
tratamientos A y B.
La hiptesis nula establece que la
diferencia es cero H0: A B = 0.
La hiptesis alternativa H1: A B <> 0,
la diferencia entre ambos tratamientos
es diferente de cero.
Conceptos Generales
Error de tipo III:

La hiptesis alternativa se aceptar tanto si A
> B como si B > A.
Supongamos que la realidad es A > B. La
variabilidad muestral puede causarnos una
mala jugada. An con el empleo de tcnicas de
muestreo adecuadas, es improbable pero
posible que en nuestra muestra resulte que B
>>A.
La decisin ser aceptar la hiptesis
alternativa pero justo en la direccin errnea,
declarando que B<A !
Conceptos Generales
Error de tipo III:

La probabilidad de cometer este
error en la decisin es el riesgo
gamma.
Este es muy pequeo pero
comparativamente mucho mas
importante y dramtico.
Conceptos Generales
Para que las reglas de decisin sean

buenas, deben disearse de modo que
minimicen los errores de la decisin; y no
es una cuestin sencilla, porque para
cualquier tamao de la muestra, un
intento de disminuir un tipo de error suele
ir acompaado de un crecimiento del otro.
Conceptos Generales
En la prctica, un tipo de error puede ser

ms grave que el otro, y debe alcanzarse
un compromiso que disminuya el error
ms grave.
La nica forma de disminuir ambos a la
vez es aumentar el tamao de la muestra.
que no siempre es posible.
Conceptos Generales
Niveles de significacin:
Al contrastar una cierta hiptesis, la
mxima probabilidad con la que
estamos dispuesto a correr el riesgo de
cometer error de tipo I, se llama nivel
de significacin.
Esta probabilidad, denota a menudo por
, se suele especificar antes de tomar la
muestra, de manera que los resultados
obtenidos no influyan en nuestra
eleccin
Conceptos Generales
En la prctica, es frecuente un nivel de
significacin de 0,05, 0,01 0,001.
Si, por ejemplo, se escoge el nivel de
significacin 0,05 ( 5%), entonces hay
unas cinco oportunidades entre 100 de
rechazar la hiptesis cuando debiera
haberse aceptado; Es decir, tenemos un
95% de confianza de que hemos
adoptado la decisin correcta.
Conceptos Generales
El nivel de significacin y el
grado de confianza estn en
relacin inversa.
Etapas bsicas
Al realizar pruebas de hiptesis, se parte

de un valor supuesto (hipottico) en
parmetro poblacional.
Despus de recolectar una muestra
aleatoria, se compara la estadstica
muestral, as como la media (x), con el
parmetro hipottico, se compara con una
supuesta media poblacional ( ).
Despus se acepta o se rechaza el valor
hipottico, segn proceda.
Etapas bsicas
Etapa 1: Planear la hiptesis nula y la

hiptesis alternativa.
La hiptesis nula (H0) es el valor hipottico del

parmetro que se compra con el resultado
muestral resulta muy poco probable cuando la
hiptesis es cierta.
Etapas bsicas
Etapa 2: Especificar el nivel de

significacin que se va a utilizar.
Si el nivel de significacin es del 5%, entonces

se rechaza la hiptesis nula solamente si el
resultado muestral es tan diferente del valor
hipottico que una diferencia de esa magnitud
o mayor, pudiera ocurrir aleatoriamente con
una probabilidad de 0,05 o menos.
El nivel de significacin nos marca el error
mximo que estamos dispuestos a admitir
Etapas bsicas
Etapa 3: Elegir el estadstico de
prueba.
El estadstico de prueba puede ser el

estadstico muestral o una versin
transformada de ese estadstico
muestral.
Etapas bsicas
Etapa 4: Establecer el valor o valores
crticos del estadstico de prueba.
Habiendo especificado la hiptesis nula,

el nivel de significacin y el estadstico
de prueba que se van a utilizar, se
procede a establecer el o los valores
crticos del estadstico de prueba.
Puede haber uno o ms de esos valores,
dependiendo de si se va a realizar una
prueba de uno o dos extremos.
Etapas bsicas
Etapa 5: Determinar el valor real del
estadstico de prueba.
Por ejemplo, al probar un valor

hipottico de la media poblacional, se
toma una muestra aleatoria y se
determina el valor de la media muestral.
Etapas bsicas
Etapa 6: Tomar la decisin.

Se compara el valor observado del
estadstico muestral con el valor (o
valores) crticos del estadstico de
prueba.
Despus se acepta o se rechaza la
hiptesis nula. .
Consecuencias de las Decisiones en Pruebas de
Hiptesis.
Decisiones Posibles
Aceptar la Hiptesis
Nula
Rechazar la Hiptesis
Nula
Situaciones Posibles
La hiptesis nula es
verdadera
La hiptesis nula
es falsa
Se acepta
correctamente
Error tipo II
Error tipo I
Se rechaza
correctamente
Pruebas de Uno y Dos Extremos (Unilaterales y

Biblaterales, de Una y Dos Colas).
Cuando estudiamos ambos valores

estadsticos es decir, ambos lados de
la media lo llamamos prueba de uno
y dos extremos o contraste de una y
dos colas.
Pruebas de Uno y Dos Extremos (Unilaterales y

Biblaterales, de Una y Dos Colas).
Con frecuencia no obstante, estaremos

interesados tan slo en valores extremos a un
lado de la media (o sea, en uno de los
extremos de la distribucin), tal como sucede
cuando se contrasta la hiptesis de que un
proceso es mejor que otro.
Tales contrastes se llaman unilaterales, de un
extremo o de una cola.
En tales situaciones, la regin crtica es una
regin situada a un lado de la distribucin,
con rea igual al nivel de significacin.
El concepto de p-valor o grado de significacin
Supongamos que, para una muestra dada, un

test de hiptesis rechaza la hiptesis nula H0
a un cierto nivel de significacin .
Si vamos bajando poco a poco el nivel de
significacin (manteniendo los mismos datos)
el test se va haciendo ms y ms conservador
a favor de H0 , de manera que H0 se va
rechazando cada vez por menor margen
hasta que llega un momento en que la
hiptesis nula se acepta a partir de un
determinado valor de = p , y tambin para
todos los valores de menores que l.
Frecuentemente, para valorar la evidencia en

contra de Ho se compara el valor p con un
valor previamente determinado considerado
decisivo.
Ello equivale a decidir de antemano cul
consideramos tiene que ser la evidencia en
contra de Ho para rechazar la misma
El valor decisivo de p se llama nivel de

significacin y es simbolizado por .
Si = 0,05, exigimos que los datos
proporcionen una evidencia en contra de Ho
tan fuerte que el valor obtenido por el
estadstico de contraste slo ocurrira por
azar el 5% de las veces si Ho fuese cierta.
Si escogemos = 0,01, exigimos una
evidencia an ms fuerte en contra de Ho; una
evidencia tan fuerte que el valor obtenido por
el estadstico de contraste slo ocurrira por
azar el 1% de las ocasiones si Ho fuese cierta
Para una muestra dada, p-valor o grado de

significacin, de un test, es aquel que viene
dado por los datos del experimento y es la
probabilidad de encontrar una diferencia igual
o superior a la hallada cuando la hiptesis
nula es cierta.
El p-valor se interpreta como una medida de
la evidencia estadstica que los datos aportan
a favor de la hiptesis alternativa H1 (o en
contra de H0).
Cuando el p-valor es muy pequeo

(digamos, menor o igual que 0,01) se
considera que hay una fuerte evidencia a
favor de H1 ya que ha sido necesario bajar
mucho el nivel de significacin para poder
aceptar H0 .
En otras palabras: el p-valor indica el
punto de divisin entre el rechazo y la
aceptacin.
Relacin entre Intervalos de

Confianza y Contraste de Hiptesis
La estimacin del intervalo de confianza

implica el clculo de lmites para los cuales
es "razonable" que el parmetro en
cuestin est dentro de ellos, mientras que
en el contraste se decide si hay evidencias
suficientes de que el parmetro en
cuestin tenga un determinado valor.
Ambos mtodos basan su decisin en el
mismo estadstico, cuya distribucin
muestral es conocida.

La prueba de H0 : ? = ? 0 contra H1 : ? ?
? 0 en un nivel de significacin a es
equivalente a calcular un intervalo
de confianza del 100 (1 - a) % de ? y
rechazar H0 si ? 0 no est dentro del
intervalo de confianza y aceptarla
en caso contrario.

Los valores P no miden la magnitud

del efecto observado, como
tampoco su precisin; es decir, no
dan ninguna idea de cun confiable
o fuerte es el efecto detectado en
un estudio, ni permiten saber
cunto variaran los resultados si el
estudio se repitiese con distintas
muestras.

Dicho de otro modo, la significacin

estadstica de un resultado no es
ningn indicio de su significacin
clnica, aunque a menudo las dos
cosas se confunden.
La interpretacin de un resultado a
nicamente la luz de un valor P es
una prctica mecnica e irreflexiva.

Un intervalo de confianza es un
recorrido de valores, basados en
una muestra tomada de una
poblacin, en el que cabe esperar
que se encuentre el verdadero valor
de un parmetro poblacional con
cierto grado de confianza.

Qu indica, entonces, un intervalo

de confianza de 95%?: Que si el
investigador repitiese su estudio en
las mismas condiciones pero con
distintas muestras aleatorias,
noventa y cinco de cada cien veces
obtendra intervalos que
contendran el verdadero
parmetro poblacional y cinco
veces obtendra intervalos que no
lo contendran.

En otras palabras, se puede tener

gran confianza en que el intervalo
resultante abarca el valor
verdadero, pues dicho intervalo se
ha obtenido por un mtodo que casi
siempre acierta.
Esto no equivale a decir que hay
una probabilidad de 95% de que el
verdadero valor se encuentre
dentro del intervalo, error de
interpretacin que es bastante
comn.
Potencia o poder estadstico de un estudio

Concepto de POTENCIA o poder estadstico
Al tomar a muy pequeo tendremos que se

puede aproximar a uno.
Lo ideal a la hora de definir un test es
encontrar un compromiso satisfactorio entre
y (aunque siempre a favor de H0).
Denominamos potencia o poder estadstico
de un contraste a la cantidad 1-, es decir

Factores que influyen en la potencia o poder
estadstico de un estudio (I).
El tamao del efecto a detectar, es decir, la

magnitud mnima de la diferencia o asociacin
entre los grupos que se considera
clnicamente relevante.
Cuanto mayor sea el tamao del efecto que se
desea detectar, mayor ser la probabilidad de
obtener hallazgos significativos y, por lo tanto,
mayor ser el poder estadstico.

estadstico de un estudio (II).
La variabilidad de la respuesta estudiada.

As, cuanto mayor sea la variabilidad en la
respuesta, ms difcil ser detectar
diferencias entre los grupos que se comparan
y menor ser el poder estadstico de la
investigacin.
De ah que sea recomendable estudiar grupos
lo ms homogneos posibles.

estadstico de un estudio (III).
El tamao de la muestra a estudiar.

Cuanto mayor sea el tamao muestral, mayor
ser la potencia estadstica de un estudio.
Es por ello que en los estudios con muestras
muy grandes se detectan como significativas
diferencias poco relevantes, y en los estudios
con muestras menores es ms fcil obtener
resultados falsamente negativos.

estadstico de un estudio (IV).
El nivel de significacin estadstica.

Si se disminuye el valor de tambin se
disminuye el poder de la prueba. Es decir, si
disminuimos la probabilidad de cometer un
error de tipo I aumentamos simultneamente
la probabilidad de un error de tipo II, por lo
que se trata de encontrar un punto de
equilibrio entre ambas.
Habitualmente se trabaja con un nivel de
significacin del 5% ( = 0,05 ).
Clculo del poder estadstico (I)
A la hora de disear una investigacin,

es importante determinar si dicho
estudio alcanzar una precisin
suficiente.
Generalmente, se suele trabajar con un
poder en torno al 80% o al 90%.

Clculo del poder estadstico (II)
Con frecuencia, sin embargo, las condiciones

en las que se lleva a cabo una investigacin
son diferentes de las que se haban previsto
en un principio. En consecuencia, y a la vista
de hallazgos no significativos, es
recomendable evaluar de nuevo a posteriori
su potencia con el fin de discernir si el estudio
carece del poder necesario para detectar una
diferencia relevante o bien si realmente
puede no existir tal diferencia.
Clculo del poder estadstico (III)
El anlisis adecuado del poder

estadstico de una investigacin, que es
en definitiva la capacidad que tiene el
estudio para encontrar diferencias si es
que realmente las hay, es un paso
fundamental tanto en la fase de diseo
como en la interpretacin y discusin
de sus resultados.
Clculo del poder estadstico (IV)
A la hora del diseo, por tanto, debe

establecerse la magnitud mnima de la
diferencia o asociacin que se considere
de relevancia clnica, as como el poder
estadstico que se desea para el estudio
y, de acuerdo con ello, calcular el
tamao de la muestra necesaria.

Clculo del poder estadstico (V)
Tanto si los hallazgos son estadsticamente

significativos como si no lo son, la estimacin
de intervalos de confianza pueden tambin
facilitar la interpretacin de los resultados en
trminos de magnitud y relevancia clnica,
proporcionndonos una idea de la precisin
con la que se ha efectuado al estimacin, de
la magnitud y de la direccin del efecto

Tabla 2. Frmulas para el clculo del poder estadstico para diferentes tipos de diseo.
Test unilateral
Comparacin
de dos
proporciones
z1 =
Comparacin
de dos
media
p1 p 2
z1 =
Estimacin
de un RR
Estimacin
de un
coeficiente
de
correlacin
lineal
z1 =
n d
z1
2 S
nc z1
(c + 1) p (1 p )
c p1 (1 p1 ) + p 2 (1 p 2 )
p1 p 2
OR p 2
(1 p 2 ) + OR p 2
p1 =
p1 p2
nc z1
p1 = RR p 2
p1 (1 p1 ) + p 2 (1 p 2 )
n3
1 1+ r
ln
z1
2 1 r
z1 =
(c + 1) p (1 p )
c p1 (1 p1 ) + p2 (1 p2 )
p1 = RR p 2
2 p (1 p )
2 p(1 p )
n d
z1
2 S
2
m=cn
n z1
p1 (1 p1 ) + p 2 (1 p 2 )
z1 =
z1 =
n z1
m=cn
p1 p 2
z1 =
z1 =
OR p 2
(1 p 2 ) + OR p 2
p1 p 2
z1 =
2 p (1 p )
p1 (1 p1 ) + p 2 (1 p 2 )
p1 =
Estimacin
de un OR en
estudios de
casos y
controles
n z1
Test bilateral
p1 p 2
z1 =
n z1
2 p(1 p )
p1 (1 p1 ) + p 2 (1 p 2 )
n3
1 1+ r
ln
z1
2 1 r
2

Tabla 3. Valores de
Seguridad
z 1
z1
2 y
z1
ms frecuentemente utilizados.
Test unilateral
z 1
Test bilateral
z1
80 %
0,200
0,842
1,282
85 %
0,150
1,036
1,440
90 %
0,100
1,282
1,645
95 %
0,050
1,645
1,960
97,5 %
0,025
1,960
2,240
99 %
0,010
2,326
2,576
Poder estadstico
z1
99 %
0,99
0,01
2,326
95 %
0,95
0,05
1,645
90 %
0,90
0,10
1,282
85 %
0,85
0,15
1,036
80 %
0,80
0,20
0,842
75 %
0,75
0,25
0,674
70 %
0,70
0,30
0,524
65 %
0,65
0,35
0,385
60 %
0,60
0,40
0,253
55 %
0,55
0,45
0,126
50 %
0,50
0,50
0,000
Referencias
www3.uji.es/mateu/t6-ig12.doc
www.unizar,es/curso-ice/tomasmar/DocenciaMed.Tra/MT-5web.pdf
www.unizar,es/curso-ice/tomasmar/DocenciaMed.Tra/MT-6web.pdf
www.cead-laspalmas.net/inferencia/cuerpo.htm
www.um.es/estadempresa/estapli2/estapli2.htm
thales.cica.es/rd/Recursos/rd97/UnidadesDidacticas/28-l-u-i.html
cyta.com.ar/biblioteca/bddoc/bdlibros/guia_estadistica/index.htm
www.udc.es/dep/mate/estadistica2/indice_gral.html
www.itch.edu.mx/academic/industrial/estadistca1/toc.html
www.medprev.uma.es/libro/node99.htm
www.sportsci.org/resource/stas/pvalues.html
myphliputil.pearsoncmg/student/levine4/chap06.ppt
myphliputil.pearsoncmg/student/levine4/chap07.ppt
www.ilir.uiuc.edu/courses/lir593/chap71999.ppt

Inferencia Estadística para Laboratorios

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

Inferencia Estadística para Laboratorios

Cargado por

Copyright:

Formatos disponibles

Inferencia

Curso de Estadstica para el Laboratorio

"Es una verdad muy cierta que,

Comprender los fundamentos lgicomatemticos de la inferencia estadstica

Analizar los errores que pueden cometerse en

La Inferencia Estadstica es aquella rama de

La muestra se obtiene por observacin o

Toda inferencia inductiva exacta es imposible ya

La inferencia Estadstica puede dividirse en dos

De acuerdo con la forma en que se

En los mtodos de estimacin

Si en vez de esto, se utilizan dos

En la construccin de estos intervalos, hay

Es claro que se puede ganar

Para centrar ideas, vase el caso en el que se

se fija un nivel de confianza, que se denota por 1

P[1(x1, x2, ..., xn) = = 2(x1, x2, ..., xn)] = 1

Al intervalo [1(x1, x2, ..., xn) , 2(x1, x2,

Significa que, de cada 100 muestras

El esquema general para la estimacin de un

Estimador Coeficiente confiabilidad x Error estndar

El coeficiente de confiabilidad (z o t) indica entre

La probabilidad de estimar de la poblacin

Valores del coeficiente de confiabilidad si n30 (z)

A la mitad de la amplitud del intervalo de

En todo intervalo de confianza hay

INTERVALOS DE CONFIANZA PARA LA

INTERVALOS DE CONFIANZA PARA MEDIANA Y

Intervalo de confianza para la diferencia de medias en poblaciones

es el estimador combinado de la desviacin estndar comn de la poblacin

grados de libertad, donde:

para la diferencia de medias con muestras relacionadas.

para la diferencia de proporciones.

Una hiptesis estadstica es una

Los mtodos de contraste de

En todo contraste intervienen dos

La hiptesis nula (H0) es aquella que

la que se acepta como verdadera

La decisin de rechazar la hiptesis nula,

La proposicin contraria a la hiptesis nula

La decisin de rechazar o no la hiptesis

Error de tipo II:

Error de tipo III:

Error de tipo III:

Error de tipo III:

Error de tipo III:

Error de tipo III:

Para que las reglas de decisin sean

En la prctica, un tipo de error puede ser

Al realizar pruebas de hiptesis, se parte

Etapa 1: Planear la hiptesis nula y la

La hiptesis nula (H0) es el valor hipottico del

Etapa 2: Especificar el nivel de

Si el nivel de significacin es del 5%, entonces

Etapa 3: Elegir el estadstico de

El estadstico de prueba puede ser el

Etapa 4: Establecer el valor o valores

crticos del estadstico de prueba.

Habiendo especificado la hiptesis nula,

Etapa 5: Determinar el valor real del

Por ejemplo, al probar un valor

Etapa 6: Tomar la decisin.

Pruebas de Uno y Dos Extremos (Unilaterales y