Manual de Bioestadística, Salud Pública y Epidemiología RM PLUS MEDIC A

BIOESTADÍSTICA

www.plus-medica.com
 Manual de Bioestadística, Salud Pública y Epidemiología RM PLUS MEDIC A

MANUAL de BIOESTADÍSTICA , SALUD

PÚBLICA, y EPIDEMIOLOGÍA
PLUS MEDIC A

1ª Edición

Paul Pachas Chávez MD, MPH (c), MSc(c)

Médico epidemiólogo
Instituto Nacional de Salud
Ministerio de Salud

José castro Zevallos

Médico internista
Asistente del Dpto de Medicina del Hospital Nacional Dos de Mayo
Docente de la Universidad Científica del Sur
Docente de la Universidad San Juan Baustista
Ramón Flores Valdeiglesias
Médico internista
Asistente del Dpto de Medicina del Hospital Nacional Dos de Mayo
Docente de la Universidad Ricardo Palma
Docente de la Universidad Científica del Sur

Carátula: Edy Flores Valdeiglesias

Derechos Reservados 2012

Prohibida su venta

www.plus-medica.com
Manual de Bioestadística, Salud Pública y Epidemiología RM PLUS MEDIC A

Este manual está dedicado a los estudiantes de Medicina Humana y a los médicos
jóvenes de las diferentes universidades de Lima y de nuestro Perú, que se esfuerzan
día a día en busca del conocimiento médico actualizado y que son fuente de
inspiración y razón de ser de PLUS MEDIC A.

Los autores

www.plus-medica.com
 Manual de Bioestadística, Salud Pública y Epidemiología RM PLUS MEDIC A

Contenido
1. Estadística. Generalidades ……………………………………………………………………….. 6
1.1 Tipos de estadística
1.2 Población
1.3 Parámetro
1.4 Estadístico
2. Estadística descriptiva …………………………………………………………………………… 21
2.1 Variables
2.2 Gráficos para variables cualitativas
2.3 Gráficos para variables cuantitativas
2.4 Medidas de posición y de dispersión
3. Diseño y análisis del muestreo …………………………………………………………………. 37
3.1 Población o universo
3.2 Muestra
3.3 Marco muestral, unidad de muestreo, unidad de información y unidad de análisis.
3.4 Muestreo
3.5 Muestreo probabilístico
3.6 Muestreo no probabilístico
3.7 Tamaño muestral
4. Estadística inferencial …………………………………………………...………………………. 42
4.1 Estadística paramétrica
4.2 Estadística no paramétrica
4.3 Análisis estadístico
4.4 Pruebas con dos muestras independientes
5. Contraste de hipótesis………………………………………………………………………........ 56
5.1 Hipótesis nula, hipótesis alternativa y grado de significación estadística
5.2 Errores alfa y beta
5.3 Pruebas de significación estadística
5.4 Prueba de Chi cuadrado

www.plus-medica.com
 MANUAL de SALUD PÚBLICA ,EPIDEMIOLOGÍA y BIOESTADÍSTICA PLUS MEDIC A
INTRODUCCIÓN
La estadística es una serie ordenada de métodos que
se ocupan de la recolección, organización,
presentación, análisis e interpretación de datos
numéricos.
¿Cómo se clasifica la estadística?




Utiliza técnicas para recolectar, resumir, analizar
presentar un conjunto de datos, a través de tablas o
gráficos, con la finalidad de describir
apropiadamente las características de ese conjunto.
 El tamaño de la población determina o afecta al





Comprende las técnicas matemáticas que permiten
generalizar la información obtenida de una muestra
a la población. Debido a que las decisiones se toman
en condiciones de incertidumbre, serán confiables
con cierto grado de probabilidad.
 
POBLACIÓN
Es el conjunto total de
individuos, objetos o medidas
que poseen algunas
características comunes obser-
vables en un lugar y en un
momento determinado.





 características que se pretenden investigar. Cada
Cuando se vaya a llevar a cabo alguna investigación
debe de tenerse en cuenta algunas características
esenciales al seleccionarse la población bajo estudio:
que todos los miembros de la
población tengan las mismas características según las
variables que se vayan a considerar en el estudio o
investigación.
 

Determinar si el estudio es del momento presente o
si se va a estudiar a una población de cinco años
atrás o si se van a entrevistar personas de diferentes
generaciones.
 

Por falta de tiempo y recursos hay que limitar el
estudio a un área o comunidad en específico.
 
tamaño de la muestra que se vaya a seleccionar.
MUESTRA
Es un subconjunto fielmente representativo de la
población. sobre la que tenemos acceso y donde
hacemos las observaciones (mediciones).


Hay diferentes tipos de muestreo. El tipo de
muestra que se seleccione dependerá de la
calidad y cuán representativo se quiera sea el
estudio de la población:
 cuando se selecciona al azar y
cada miembro tiene igual oportunidad de ser
incluido.
 cuando se subdivide en
estratos o subgrupos según las variables o
estrato debe corresponder proporcionalmente a
la población.
: cuando se establece un patrón
o criterio al seleccionar la muestra.


5
 MANUAL de SALUD PÚBLICA ,EPIDEMIOLOGÍA y BIOESTADÍSTICA PLUS MEDIC A
Muestreo
Es indispensable para el investigador ya que es
imposible entrevistar a todos los miembros de
una población debido a problemas de tiempo,
recursos y esfuerzo.
Al seleccionar una muestra lo que se hace es
estudiar una parte o un subconjunto de la
población, pero que la misma sea lo
suficientemente representativa de ésta para
que luego pueda generalizarse con seguridad
de ellas a la población.







 
 por su naturaleza y
por la necesidad de tener control sobre las
variables, se recomienda muestras pequeñas que
suelen ser de por lo menos 30 sujetos.
 se emplean muestras
grandes y algunas veces se recomienda seleccionar
de un 10 a un 20 por ciento de la población
accesible
PARÁMETRO
Es una unidad numérica calculada sobre una
población y resume los valores que ésta toma en
varios atributos.



ESTADÍSTICO
Es una unidad numérica calculada sobre una muestra
que resume su información sobre algún aspecto.


  El cero no es absoluto
Ejemplo: la media del peso de 300 habitantes de la
ciudad de Lima.

 Altura, peso












VARIABLES
¿Cómo se define a las variables en
estadística?



a) Desde el punto de vista estadístico

CUALITATIVAS
Si sus valores no se pueden asociar naturalmente a
un número (no se pueden hacer operaciones
algebraicas con ellos).
Tipos:
Si sus valores no se pueden ordenar
 .Sexo, Fumar (Sí/No)
 . : estado civil, color de los ojos,
profesión.
 : si sus valores se pueden ordenar
IRA, grado de desnutrición, Intensidad del dolor.

CUANTITATIVAS 
Si sus valores son numéricos (tiene sentido hacer
operaciones algebraicas con ellos)
Tipos:
Si toma valores enteros
Ejemplo: Número de abortos, número de parejas
sexuales, etc.
Si entre dos valores, son posibles
infinitos valores intermedios.
Ejemplo: Edad, talla, presión intraocular, etc.
Temperatura en grados centígrado, la nota de un
examen
 El cero es absoluto.
6
 MANUAL de SALUD PÚBLICA ,EPIDEMIOLOGÍA y BIOESTADÍSTICA PLUS MEDIC A

Si, mediante el gráfico, se intenta comparar varias

poblaciones entre sí, existen otras modalidades,
Variable cualitativa nominal como las mostradas en la figura.
Es la variable cualitativa que no tiene punto de
comparación. Ejemplo: el color de los ojos .
Variable cualitativa ordinal
Cuando hay un determinado orden. Ejemplo:
duración de una enfermedad (aguda, subaguda,
crónica).
Variable cuantitativa discreta, discontínua o de
intervalo
Cuando la variable cuantitativa sólo se puede
medir en valores enteros. Ejemplo: número de
partos.
Variables cuantitativas continuas o de razón
Si la variable se puede expresar en fracciones,
Fi. 2 Diagrama de barras para comparar una variable
como peso al nacimiento (3,460 g) o estatura (51.3 cualitativa en varias poblaciones
cm)
 Gráfico de sectores (tartas)

b) Desde el punto de vista metodológico 
 

Se divide un círculo en
tantas porciones como
clases existan, de
modo que a cada clase
GRÁFICOS para variables CUALITATIVAS le corresponde un
arco de círculo
Gráfico de barras proporcional a su
 frecuencia absoluta o

 relativa .

Representamos en el eje de ordenadas las 

modalidades y en abscisas las frecuencias absolutas o
bien, las frecuencias relativas. Cuando los tamaños de
las dos poblaciones son diferentes, es conveniente
utilizar las frecuencias relativas, ya que en otro caso
podrían resultar engañosas
Fi. 1 Diagrama de barras para una variable cualitativa








Sean n1 < = n2 los tamaños respectivos de las 2
poblaciones. La población más pequeña se representa
con un semicírculo de radio r1 y la mayor con otro de
radio r2.

7
 MANUAL de SALUD PÚBLICA ,EPIDEMIOLOGÍA y BIOESTADÍSTICA PLUS MEDIC A
La relación existente entre los radios, es la que se
obtiene de suponer que la relación entre las áreas de
las circunferencias es igual a la de los tamaños de las
poblaciones respectivas, es decir:
Pictogramas



Expresan con dibujos alusivos al tema de estudio las
frecuencias de las modalidades de la variable. Estos
gráficos se hacen representado a diferentes escalas
un mismo dibujo.
Fi. 3 Pictogramas
GRÁFICOS para variables CUANTITATIVAS
Para las variables continuas
Utilizamos como diagramas diferenciales
los histogramas y los polígonos de frecuencias.
Histogramas



El criterio para calcular la altura de cada rectángulo
es el de mantener la proporcionalidad entre la
frecuencias absolutas (o relativas) de cada intervalo y
el área de los mismos.
Polígono de frecuencia




Para representar el polígono de frecuencias en el
primer y último intervalo, suponemos que
adyacentes a ellos existen otros intervalos de la
misma amplitud y frecuencia nula, y se unen por una
línea recta los puntos del histograma que
corresponden a sus marcas de clase. 

El polígono de frecuencias tiene en común con el
histograma el que las áreas de la gráficas sobre un
intervalo son idénticas.
El diagrama integral para una variable continua se
denomina también polígono de frecuencias
acumulado, y se obtiene como la poligonal definida
en abcisas a partir de los extremos de los intervalos
en los que hemos organizado la tabla de la variable, y
en ordenadas por alturas que son proporcionales a
las frecuencias acumuladas.
ESTADÍSTICOS

Indican los valores centrales de los datos.
Media, mediana y moda

Indican la mayor o menor concentración de los datos
con respecto a las medidas de centralización.
Desviación típica, coeficiente de variación, rango,
varianza
8
 MANUAL de SALUD PÚBLICA ,EPIDEMIOLOGÍA y BIOESTADÍSTICA PLUS MEDIC A
Centralización o tendencia central
 Dispersión



Cuantiles, percentiles, cuartiles, deciles
Posición

Asimetría
Apuntamiento o curtosis
Forma








Si los datos son una muestra, el promedio y la
mediana se llamarán estadísticos. Si los datos
son una población entonces estas medidas de
tendencia central se llamarán parámetros


Ejem. Media de 2, 2, 3 y 7 es (2+2+3+7) /4=3,5
¿Cuándo debemos usarla? cuando los datos tie-
nen distribución normal o casi normal
Precaución: es muy sensible a valores extremos.





¿Cuándo usarla? si la distribución de los datos es
asimétrica.
No es sensible a valores extremos.
Mediana de 1,2,4,5,6,6,800 es 5. ¡La media es 117,7
Pasos para encontrar la mediana:
1. Ordenar los datos de menor a mayor;
2. Calcular la posición de la mediana: (n+1)/2,
donde n es el número de observaciones
3. a) Si el número de observaciones es impar, la
mediana es un único término central.
b) Si el número de observaciones es par, la
mediana es el promedio de los dos términos
centrales.
Ejemplo
Edades de n=20 sujetos...
Calculamos (n+1)/2 obtenemos (20+1)/2 = 10,5.
Entonces los términos centrales son la décima y un-
9
 MANUAL de SALUD PÚBLICA ,EPIDEMIOLOGÍA y BIOESTADÍSTICA PLUS MEDIC A

décima observaciones, es decir 43 y 44. La mediana Estadísticos de DISPERSIÓN

es el promedio de estos dos términos,
(43+44)/2=43,5 años.
32 37 39 40 41 41 41 42 42 43 44 45 45 45 46 47 47
49 50 51


• La moda de los valores: { 0, 0, 0, 0, 1, 1, 2, 2, 3, 4 } es
0.
• { 0, 0, 0, 1, 1, 2, 2, 2, 3, 4 } dos modas, 0 y 2
(bimodal).
• ¿Cuál sería la moda del siguiente conjunto de
valores? { 0, 1, 2, 4, 5, 8 }.
• {0, 0, 0, 0, 0, 1, 2, 3, 4, 4, 4, 4, 5} ...
La Moda no se usa a menudo como medida de
tendencia central para datos cuantitativos. Sin
embargo la Moda es la medida de tendencia central
que puede ser calculada en datos cualitativos.
Miden el grado de dispersión (variabilidad) de los da-
tos, independientemente de su causa.

Diferencia entre observaciones extremas.
-2, 1, 4, 3, 8, 4.
El rango es 8-1=7
-Es muy sensible a los valores extremos.
Rango
Es la medida de variabilidad o dispersión más
simple. Se calcula tomando la diferencia entre el
valor máximo y el mínimo observado.
Rango = Máximo – Mínimo.

Pregunta: En nueve familias encuestadas los

números de niños por familia fueron: 4,6,2,2,4,3,2,1
y 7. La media, mediana y moda de los niños por Analice cuáles podrían ser las ventajas y
familia son respectivamente: desventajas del rango como medida de
a) 3.4, 2,3 variabilidad.
b) 3, 3.4, 2
c) 3, 3.4, 2
d) 2, 3.5, 3 
-Es la distancia entre el primer y tercer cuartil.
e) Ninguna anterior Rango intercuartílico = P75 - P25
-Parecida al rango, pero eliminando las
observaciones más extremas inferiores y superiores.
-No es tan sensible a valores extremos.

Pregunta: Un jefe de servicio desea considerar un

valor central que resuma el tiempo de estancia de sus
pacientes ingresados. En este valor prefiere que
tengan escasa contribución aquellos pacientes
ingresados por error diagnóstico que son trasladados
a otro servicio en poco tiempo y aquellos pacientes
que permanecen ingresados debido a su
problemática social una vez finalizada la intervención
médica. ¿Qué parámetro le recomendaría?:
A. Mediana.
B. Moda.
C. Media.
D. Desviación típica.
E. Recorrido.




10
 MANUAL de SALUD PÚBLICA ,EPIDEMIOLOGÍA y BIOESTADÍSTICA PLUS MEDIC A




ESTADÍSTICOS de POSICIÓN
. 



-La mediana es el percentil 50
-El percentil de orden 15 deja por debajo al 15% de
las observaciones. Por encima queda el 85%

1
S2   ( xi  x )2
n i

Pensemos la desviación estándar como
aproximadamente un promedio de las distancias
de las observaciones a la media.
Si todas las observaciones son iguales, entonces
la desviación estándar es cero.
La desviación estándar es positiva y mientras
más alejados están los valores del promedio,
mayor será la desviación estándar.
Dispersión en distribuciones “normales”
En general, el k-ésimo percentil es un valor tal que el
k% de los datos son menores o iguales que él, y el
(100-k) % restante son mayores o iguales que él.
.

-Primer cuartil = Percentil 25 = Cuantil 0,25
-Segundo cuartil = Percentil 50 = Cuantil 0,5 =
mediana
-Tercer cuartil = Percentil 75 = cuantil 0,75

-Centrado en la media y a
una desviación estándar
de distancia tenemos más
de la mitad de las
observaciones (68.25%).
-A dos desviaciones
estándar tenemos al
95.45%
-A tres desviaciones
estándar tenemos el 99.7%

11
MANUAL de SALUD PÚBLICA ,EPIDEMIOLOGÍA y BIOESTADÍSTICA PLUS MEDIC A

12
 MANUAL de SALUD PÚBLICA ,EPIDEMIOLOGÍA y BIOESTADÍSTICA PLUS MEDIC A

OF: Un estudio ha codificado la intensidad del dolor
de los pacientes como: sin dolor, dolor leve, dolor
moderado y dolor intenso. La variable ha sido media
en una escala:
a. Cualitativa nominal
b. Cualitativa ordinal
c. Cualitativa discreta
d. Cualitativa contínua
e. Dicotómica
Rpta. B
OF: Se está realizando un estudio para conocer el
efecto de un analgésico. La variable principal de
respuesta es una escala de dolor con los siguientes
valores: 1 . No dolor 2. Dolor leve 3.Dolor moderado
y 4. Dolor intenso. ¿De qué tipo de variable se trata?
a. Variable dicotómica
b. Variable contínua
c. Variable discreta
d. Variable ordinal
e. Variable cuantitativa
Rpta. D
OF : Al consultar la distribución del peso en una
muestra de sujetos adultos, se aprecia que el
percentil 25 corresponde a 65 kg. ¿Cuál de las
siguientes afirmaciones es correcta?:
a)El 25% de los sujetos de la muestra pesan
aproximadamente 65 kg.
b)El 25% de los sujetos de la muestra tienen un peso
igual o superior a 65 kg.
c)Para poder interpretar este valor, es necesario
conocer la desviación estándar de la distribución.
d)Para poder interpretar este valor, es necesario
conocer la media de la distribución.
e)El 25% de los sujetos de la muestra tienen un peso
igual o inferior a 65 kg.
Rpta. E
b)El valor 6 indica la intensidad de dolor que puede
considerarse normal en la escala utilizada.
c)El valor 6 de la escala ha sido la puntuación
obtenida con mayor frecuencia por los sujetos de la
muestra.
d)El valor 6 es la media aritmética de las
puntuaciones obtenidas por los sujetos de la
muestra.
e)La diferencia entra la puntuación máxima y la
mínima obtenida por los sujetos de la muestra es 6.
Rpta. A
OF: En un ensayo clínico se comparan 3 tratamientos
(p.e. placebo, tratamiento establecido y un
tratamiento nuevo). La variable respuesta es
contínua (p.e. nivel de glucosa en sangre). Aceptando
que la variable tiene una distribución normal, el test
correcto para comparar la respuesta es:
a)La t de Student.
b)El test de Wilcoxon.
c)Análisis de la varianza.
d)El test de Kruskal-Wallis.
e)El test ji-cuadrado.
Rpta. C

OF : En un estudio en que se ha medido la intensidad

de dolor en un grupo de 145 pacientes con artritis
reumatoide mediante una escala de 0 (ausencia de
dolor) a 10 (dolor de intensidad máxima), se informa
que la mediana es de 6. ¿Cuál el significado de este
valor?:
a)La mitad de los sujetos de la muestra tienen
valores de intensidad de dolor iguales o inferiores a
6.

13
 MANUAL de SALUD PÚBLICA ,EPIDEMIOLOGÍA y BIOESTADÍSTICA PLUS MEDIC A

¡Estudiar a la población de bañistas de una

INTRODUCCIÓN piscina es fácil, pero no precisamente de la
La investigación en salud tiene como objeto obtener piscina de abajo!
conclusiones que permitan una adecuada toma de
decisiones en lo que compete a conductas específicas
y cambio de políticas establecidas en relación con la
salud de los seres humanos.

CONCEPTOS

Población o Universo

Es un conjunto de individuos
o elementos que guardan
similitud entre sí en los
aspectos que son relevantes 
para los objetivos de la 
investigación. Cada uno de 
los elementos están ¿Cuáles son las razones que limitan la
perfectamente identificados. medición en todos los sujetos de la
población?
La población o universo es demasiado grande para -Las limitaciones severas en relación a recursos
estudiarla en su totalidad. económicos y de tiempo, para lograr un cubrimiento
del ciento por ciento de la población.
-Falta de recurso humano suficientemente calificado
para realizar las observaciones o para obtener las
mediciones necesarias .
-Dificultades geográficas y logísticas que presenta una
tarea de gran magnitud como es el cubrimiento total
de una población.

Muestra

Es un subgrupo de la población total.

¡Para muestra…. un
botón!
Las dificultades ante-
riormente menciona-
Población o universo das, que podrían hacer
irrealizable un estudio,
 pueden ser soluciona-
 das si se estudia una
 muestra de la pobla-
 ción.


14
 MANUAL de SALUD PÚBLICA ,EPIDEMIOLOGÍA y BIOESTADÍSTICA PLUS MEDIC A
Una muestra correctamente seleccionada puede
representar a la comunidad total de la cual fue
extraídas y permite , que los resultados obtenidos
en ella puedan extrapolar a un número mucho
mayor personas pertenecientes a la misma población
o a po-blaciones diferentes de características muy
similares.





Marco muestral
Es un subconjunto de la población en el cual cada uno
de los elementos está identificado Es una lista de
unidades de muestreo.
Dentro del marco muestral se va a
identificar la unidad de muestreo.
Unidad de muestreo
Es la unidad que se somete al proceso de
aleatorización en los estudios que requieren
muestreo.
En un muestreo por conglomerados o clústers son los
grupos de unidades de estudio los que ingresan al
sorteo.
En un estudio sobre la relación médico-paciente son
los médicos las unidades de muestreo.







Unidad de información
Es la unidad que nos brinda información de la unidad
de estudio.
Cuando la unidad de estudio es la población el
individuo se convierte en unidad de información.
En un estudio retrospectivo las unidades de
información son las historias clínicas.




Unidad de análisis
Es la unidad definida por el investigador para realizar
mediciones. Es el elemento básico de estudio.




Las unidades de análisis pueden corresponder a las
siguientes categorías o entidades:
 
 
 
 
 


 

El tipo de análisis al que se someterá la información
es determinante para elegir la unidad de análisis.
Por ejemplo, si el objetivo es dar cuenta de la
satisfacción del usuario de un servicio médico, la
15
 MANUAL de SALUD PÚBLICA ,EPIDEMIOLOGÍA y BIOESTADÍSTICA PLUS MEDIC A
unidad de análisis natural es el paciente atendido, o
la persona que se atiende en ese servicio médico.
Selección de una muestra
La muestra se selecciona del Universo, de acuerdo
con unos criterios de inclusión y exclusión
previamente establecidos.










En este sentido, cuantos más criterios de inclusión
o exclusión se propongan, más reducida será la
población a la que se pueda extrapolar el
resultado.
MUESTREO
Preguntas en todo proceso de muestreo:
Para que los datos sean representativos de la población
que se pretende estudiar.
Tamaño de la muestra : ¿A cuántos
vamos a muestrear ?
Diseño muestral : ¿A quienes
vamos a muestrear?
Objetivo del muestreo
Es obtener una población que permita generalizar los
resultados del estudio a personas que comparten las
características del interés, pero que no estuvieron
involucradas en el desarrollo del mismo.




Validez Interna
Se refiere al grado en que la selección de sujetos y los
otros aspectos del desarrollo de un estudio están
libres de sesgos o errores sistemáticos que, de estar
presentes, podrían cambiar radicalmente los
resultados finales de una investigación.
Validez externa
Equivale a la posibilidad de generalizar los resultados a
la población, que se caracteriza por tener
características compartidas.





Métodos de muestreo
El muestreo puede ser, de acuerdo con sus
características básicas, de dos tipos: probabilística y
no probabilística.






Muestreo no probabilístico
-Por conveniencia o deliberado
-Accidental
-Selección por expertos
Muestreo no probabilístico
-Muestreo aleatorio simple o irrestricto
-Muestreo Sistemático
-Muestreo Estratificado
-Muestreo por Conglomerados
-Muestreo Polietápico – Estratificado.

MUESTREO NO PROBABILÍSTICO
En general, en este tipo de muestreo, las unidades se
seleccionan por conveniencia, de manera secuencial,
siguiendo determinados criterios subjetivos o porque
simplemente están disponibles.
Desventaja
La desventaja del muestreo no probabilístico es
que no sirven para realizar generalizaciones,
dado que no se tiene certeza de que la muestra
extraída sea representativa de la población.
16
 MANUAL de SALUD PÚBLICA ,EPIDEMIOLOGÍA y BIOESTADÍSTICA PLUS MEDIC A
Muestreo por CONVENIENCIA : Implica el empleo de
una muestra integrada por las personas o los objetos
cuya disponibilidad como sujetos de estudio sea más
conveniente.



 Este muestreo comparte muchas de las
Las muestras por conveniencia no constan
necesariamente de individuos que el investigador
conozca.



¡Las chicas los prefieren
flaquitos!
El muestreo por convenien-
cia es la técnica menos
sólida, pero también la que
más se utiliza en los
estudios de ciencias de la
salud.
Cuando los fenómenos que se investigan son
suficientemente homogéneos en la población, se
reduce el riesgo de sesgo.
Muestreo por CUOTAS : En el muestreo por cuotas el
investigador identifica estratos de la población y
establece las proporciones de elementos necesarias a
partir de los distintos segmentos estratificados.
¿Muestreo por cuotas?
Con base en información previa acerca de la
composición de la población, el investigador se
asegura de que los diversos segmentos o sectores
estén representados en la muestra en las mismas
proporciones en que se presentan en la población.
El muestreo por cuotas no requiere de la aplicación
de técnicas complejas ni la inversión de una cantidad
extraordinaria de tiempo o esfuerzos, salvo por la
identificación de estratos y la representación
proporcional correspondiente, la técnica de
muestreo por cuotas es muy semejante a la de
conveniencia.
deficiencias de la técnica de conveniencia.
Muestreo INTENCIONAL : Se basa en la idea de que
el investigador puede usar sus conocimientos acerca
de la población para elegir los casos que incluirá en la
muestra.
El investigador debe seleccionar la variedad más
amplia posible de personas o los sujetos que a su juicio
son característicos de la población que le interesa o
que disponen de mayor información acerca del tema
de estudio.
Si bien esta forma subjetiva de muestreo no ofrece un
método externo y objetivo para evaluar cuán típicos
de la población son los sujetos seleccionados, puede
representar ciertas ventajas en circunstancias como
la evaluación preprueba de instrumentos recién
desarrollados con una muestra de diversos tipos de
sujetos intencionalmente elegidos.
El muestreo intencional se aplica a menudo se
busca una muestra de expertos, como cuando se
desea aplicar una prueba de detección de
necesidades con base en la técnica del
informante clave.
MUESTREO PROBABILÍSTICO
En este tipo de muestreo cada miembro de la
población tiene una probabilidad, conocida y superior
a cero, de ser incluido en la muestra y las unidades
muestrales hacen parte de la muestra
independientemente del criterio o gusto del
investigador.
Es el MEJOR MÉTODO para asegurar la validez
de cualquier inferencia o generalización hecha
con base en los resultados obtenidos a partir de
la muestra.
17
 MANUAL de SALUD PÚBLICA ,EPIDEMIOLOGÍA y BIOESTADÍSTICA PLUS MEDIC A







Clasificación
El muestreo probabilístico se clasifica en:
  seleccionar la muestra hay que determinar los


 

Muestreo ALEATORIO SIMPLE o Irrestricto:
Es la técnica considerada como la más sencilla en el
muestreo probabilístico. En ella, cada sujeto o unidad
tiene una probabilidad igual y conocida de ser
seleccionado. Todas las unidades están
adecuadamente identificadas.
¡Asi de fácil es el
Muestreo aleatorio
simple!
Supone que no existen razones para considerar que
un conjunto específico de la población debe ser
seleccionada con prioridad a otro.
Debido a estas importantes características, las
muestras aleatorias simples son consideradas
relativamente libre de sesgos.
Forma de seleccionar una muestra
Este método se realiza en poblaciones pequeñas , lo
que permite identificar y enumerar todos los
elementos de la población de manera unívoca y exacta.
¿Qué se requiere para el muestreo?
A través de algún procedimiento (tablas de números
aleatorios, números aleatorios generados con una
calculadora o una lista aleatoria generada por
paquetes estadísticos) se elige a tantos participantes
como sea necesario para completar el tamaño de
muestra requerido.







Aplicación práctica
Como puede verse en la fig. 1 primero debemos
seleccionar de una población una muestra. Luego de
estadísticos:
x=Media s=Desviación standard
2=
s Varianza p=Proporción n=Tamaño
Luego estos estadísticos deben ser extrapolados a la
población para obtener los parámetros.
µ = Media σ= Desviación standard
2=
σ Varianza π=Proporción
N=Tamaño
Fig 1. Muestreo aleatorio simple
Muestreo ALEATORIO SISTEMÁTICO :
Este procedimiento se caracteriza por seleccionar las
unidades de muestreo empleando un intervalo de
medida constante sobre el marco muestral.
No requiere la enumeración de las unidades del
marco muestral; solamente basta con que estén
físicamente ordenadas en un orden ascendente o
descendente, para permitir el conteo.
18
 MANUAL de SALUD PÚBLICA ,EPIDEMIOLOGÍA y BIOESTADÍSTICA PLUS MEDIC A

La aplicación de este procedimiento requiere resulta de la suma de  y así sucesivamente

determinar de manera inicial el: hasta completar el tamaño de la muestra que es 
-Intervalo muestral (k) intervalo que se
calcula dividiendo N / n
N = tamaño de la población total
n= tamaño de la muestra calculada
Aproximando el resultado al número entero
más próximo.


La variable de interés es una variable que puede
influir en los resultados del estudio.
Ej. Si se quiere determinar la media de la talla de un
grupo de alumnos de un colegio mixto ,es necesario
ordenar a los alumnos por la variable sexo, ya que la
talla va a depender del sexo.
El sexo es una variable que va a influir en la media de
la talla que se va a determinar.

 Fig.2 Muestreo aleatorio sistemático

Para hacer esta división vamos a tener una constante
que se denomina como K .





Por ejemplo:
N = 300 (población total)
n = 60 (tamaño de la muestra)

N / n =300/60 = K = 5


Se selecciona al azar el número .



 

hasta completar el tamaño de la muestra requerido
se localizan las unidades del marco muestral corres-
pondientes a los valores obtenidos.
El primer elemento por lo tanto es , el segundo
elemento es el resultado de la suma de  , el
tercer elemento se halla sumando  , el cuarto
elemento resulta de la suma de , el quinto
elemento sumando  , el sexto elemento
Aplicación práctica
Como puede verse en la fig. 1 tenemos una población
que debe ser ordenada en base a una variable que
nos interesa controlar.

Una vez ordenada la población hay que calcular el
valor de K.
N = 40 y n = 8
N/n = K = 5

En este ejemplo el valor elegido entre 1 y K es 3.



 hasta completar el tamaño de la
muestra requerido
1º elemento : 3+5= 8 ; 2º elemento: 8+5= 13 ;
3º elemento : 13 +5 = 18 y así sucesivamente hasta
completar el tamaño de la muestra que es 40.

 y extrapolamos los valores de los estadísticos a la
población para obtener los parámetros.
Muestreo ESTRATIFICADO : En algunas ocasiones la
población que se desea estudiar está compuesta por
subgrupos bien definidos que pueden ser identificados
con anterioridad al proceso de selección de la
muestra.

19
 MANUAL de SALUD PÚBLICA ,EPIDEMIOLOGÍA y BIOESTADÍSTICA PLUS MEDIC A

La característica de interés en el estudio varía Afijación proporcional: La distribución del tamaño de

ampliamente entre esos subgrupos definidos, es
decir, existe gran heterogeneidad entre ellos; en
tanto que dentro de cada subgrupo la variabilidad es
poca, es decir, existe homogeneidad dentro del
subgrupo.
Muestreo estratificado : “Dios los cría y ellos se
juntan”
muestra se realiza porcentualmente según tamaño de
cada estrato dentro de la población; por tanto,
requiere conocer el número de estratos y el tamaño
porcentual de cada uno en la población.







Afijación Óptima: Requiere conocer además del

número de estratos y el tamaño porcentual de estos
en la población, la desviación estándar poblacional en
cada estrato. Consiste en balancear la variabilidad
dentro de los estratos con su tamaño.

Ignorar la heterogeneidad que presenta la

característica de interés sobre el marco muestral
puede llevar a que las estimaciones obtenidas a
partir de la muestra difieran considerablemente
de los verdaderos valores de la población.
Estratificación de la población
La estratificación en algunas ocasiones puede 
obedecer a características de tipo espacial, tales 
como el sitio de vivienda, lo cual puede identificar una Tenemos una población bastante heterogénea por lo
clase económica determinada que sigue ciertos que vamos a formar estratos para tratar de
comportamientos sociales, políticos, económicos y homogenizar la población en cada uno de los estratos.
culturales.






Existen diferentes formas de realizar la selección de

las unidades dentro de los estratos:
Afijación igual: Consiste en distribuir
equitativamente el tamaño de la muestra en cada uno
de los estratos de la población; requiere conocer el
número de estratos existentes.






Fig.3 Muestreo Estratificado

20
 MANUAL de SALUD PÚBLICA ,EPIDEMIOLOGÍA y BIOESTADÍSTICA PLUS MEDIC A

En el ejemplo de la fig. 3 estamos formando 2 

estratos para tratar de homogenizar los elementos en Los conglomerados tienen las siguientes
el estrato que estamos determinando. características:
-Dentro de cada conglomerado debe haber la mayor
 heterogeneidad posible. Entre los conglomerados
La variable que vamos a utilizar para estratificar la debe haber la mayor homogeneidad posible.
población, es una variable que sabemos que puede
influir en los resultados del estudio.


Una vez determinados los estratos el siguiente paso
es seleccionar una muestra de cada uno de los
estratos ,.
La selección de la muestra se puede realizar
utilizando el:
-Muestreo aleatorio simple
-Sistemático.



Una vez obtenida la muestra determinamos los
estadísticos.
Extrapolamos los valores de los estadísticos a la
población para obtener los parámetros.

Muestreo por CONGLOMERADOS o Complejos Fig.4 Muestreo por conglomerados

Los conglomerados son agrupaciones de elementos
que existen naturalmente (no los define el
investigador) por razones económicas, biológicas,
sociales, etc. (el hogar, el curso de estudiantes de un
colegio, un municipio o ciudad).
Una muestra por conglomerados es una muestra
aleatoria simple en la cual las unidades muestradas
son grupos de unidades del marco muestral.
DESVENTAJA
Este muestreo tiende a contener más errores de
muestreo que los de tipo simple o estratificado.
VENTAJA
Sin embargo es mucho más económico y práctico
que otras variantes de muestreo probabilística,
en particular cuando la población es grande y se
halla dispersa.
Se tiene una población bastante heterogénea y
grande, como por ejemplo la población de un
distrito , de una provincia o de un país.
-El tamaño de los conglomerados no necesariamente
es el mismo.
Al no ser del mismo tamaño la probabilidad de
selección de cada sujeto va a variar en cada
conglomerado. Por lo tanto no todas las unidades de
muestreo tienen las misma probabilidad de ser
seleccionadas.

-Una vez que se han formado los conglomerados
vamos a seleccionar de todos estos una muestra de
los conglomerados.
Este muestreo se puede hacer con :
. Muestreo aleatorio simple
. Muestreo aleatorio Sistemático.

-Se ha seleccionado una muestra de los conglomerados
pero que sigue siendo demasiado grande, es por eso
que dentro de cada conglomerado vamos a seleccionar
una muestra de cada conglomerado
En la muestra de cada conglomerado estimamos los
estadísticos y luego extrapolamos los valores de los
estadísticos a la población para obtener los
parámetros (este proceso es difícil).
21
 MANUAL de SALUD PÚBLICA ,EPIDEMIOLOGÍA y BIOESTADÍSTICA PLUS MEDIC A
Más datos:




Como puede verse en el ejemplo de la fig.4 en la
selección de la muestra de los conglomerados (1ra.
etapa) se utiliza el muestreo aleatorio Simple y para
seleccionar la muestra de cada conglomerado (2da.
etapa) es decir los elementos o unidades de
muestreo se puede utilizar el muestreo aleatorio
sistemático.
TAMAÑO DE LA MUESTRA
Según Fisher, el tamaño de la muestra debe definirse
partiendo de los criterios:


Con relación al primer criterio la recomendación es
siempre tomar la muestra mayor posible. La lógica
nos indica que entre más grande sea ésta mayor
posibilidad tendrá de ser más representativa y menor
será el error de muestreo, el cual siempre existe.
 Además, si se trata de un estudio exploratorio, los


Fisher plantea que el tamaño de la muestra deberá ser
suficiente para permitir un análisis confiable de los
cruces de variables, para obtener el grado de
precisión requerido en la estimación de
proporciones, y para probar si las diferencias entre
proporciones son estadísticamente significativas.
Otro de los conceptos básicos
Otro de los conceptos básicos al usar las herramientas
estadísticas es la diferencia entre los resultados de
una muestra seleccionada (estimadores) y el valor
poblacional de interés (parámetros).



Cuando se selecciona una muestra específica, esa
muestra seleccionada es una de las posibles muestras
que se pudo haber seleccionado.
Por esta razón, existen procesos inferenciales que
permiten extrapolar los resultados de una muestra
aleatoria seleccionada a la población de estudio.
Uno de los criterios durante la planeación de la
selección de una muestra es obtener estimadores
confiables para alcanzar los objetivos del estudio.





Es necesario equilibrar los recursos, la logística de
la selección, el proceso de recolección y el análisis
de la muestra seleccionada.
Por estas razones, existe un tamaño de muestra
específico para cada diseño de muestreo y para los
diferentes diseños de investigación en salud.



Adicionalmente, se quiere ganar eficiencia en el
cálculo del tamaño de la muestra, involucrando
dentro de la fórmula los elementos del tipo de diseño
implementado en el estudio.
requisitos para calcular el tamaño de la muestra son
menores en cantidad si se les compara con estudios
en los que el objetivo sea la evaluación de una
intervención.


El tamaño de la muestra debe ser calculado
siempre en la fase de planeación, para permitir la
planeación adecuada del estudio, para
programar las estrategias de recolección,
determinar los costos, preparar las
intervenciones y procedimientos de evaluación y
en general para determinar la factibilidad
general.
22
 MANUAL de SALUD PÚBLICA ,EPIDEMIOLOGÍA y BIOESTADÍSTICA PLUS MEDIC A
DEFINICIÓN
Estadística inferencial es el conjunto de métodos
estadísticos que permiten deducir (inferir) cómo se
distribuye la población bajo estudio, a partir de la
información que proporciona una muestra
representativa obtenida de dicha población.
La estadística inferencial extrapola los datos ob-
tenidos de una muestra hacia la población de la
cual ha sido seleccionada la muestra que hemos
estudiado.



CLASIFICACIÓN
Existen dos tipos básicos de estadística diferencial:
-Estadística paramétrica
-Estadistica no-paramétrica
Estadística paramétrica
Es la estadística que se recomienda por tener
mayor potencia, se trata de técnicas más
precisas.
Para que la estadística inferencial proporcione
buenos resultados debe cumplir con 3 requisitos:
-Distribución normal de los datos en la población
-Muestra aleatoria (representativa de la población)
-Datos cuantitativos: contínuos, discretos o de
intervalo o razón.
Técnicas paramétricas




 no paramétrica es la más adecuada.




Cuadro nº 1 : Características comunes de las pruebas
paramétricas.
1. Independencia de las observaciones a excepción de
datos pareados.
2. Las observaciones para la variable dependiente se
han obtenido de manera aleatoria de una población
con distribución normal.
3. La variable dependiente es medida al menos en
una escala de intervalo.
4. Se recomienda un tamaño de muestra mínimo de
30 sujetos por grupo.
5. Los datos son obtenidos de poblaciones que tienen
varianzas iguales (una varianza no debe ser el doble o
mayor que la otra).
6. Habitualmente las hipótesis se hacen sobre
valores numéricos, especialmente el promedio de
una población (μ), como ejemplo:
Ho: μ1 = μ2 H1: μ1 ≠ μ2
7. Otros posibles requisitos: variable independiente
nominal o de intervalo, homocedasticidad (para cada
nivel de la variable independiente hay una variación
similar de la variable dependiente) y casillas de igual
tamaño.
Cuadro Nº2 : Valoración de las características de
los datos.
1. Determinar el nivel de medida de la variable de
interés.
2. Valorar la distribución de las variables.
• Medidas de tendencia central para cada variable.
• Sesgo y curtosis para cada variable.
• Valoración visual de la distribución de los datos.
• Examinar los diagramas de las probabilidades de
la distribución.
• Si se considera necesario transformar las
variables.
• Ver los resultados de la transformación.
3. Ver la homogeneidad de las varianzas.
4. Ver el tamaño de muestra total y de los
subgrupos.
5. Determinar qué prueba estadística paramétrica o
23
 MANUAL de SALUD PÚBLICA ,EPIDEMIOLOGÍA y BIOESTADÍSTICA PLUS MEDIC A










Estadística no paramétrica
Si los procedimientos estadísticos no requieren
plantear inferencias acerca de los parámetros de la
población (su media y dispersión) se le conoce como
no paramétricos, o de distribución libre (ya que no se
hacen suposiciones acerca de la distribución de la
población de donde procede la muestra.
Es la alternativa para cuando no se puedan utilizar
las técnicas paramétricas.
-No hay requisitos para la muestra
-Se pueden utilizar tanto datos cualitativos como
cuantitativos.
-Datos cualitativos: nominal u ordinal
Técnicas no paramétricas para datos
cuantitativos




Técnicas no paramétricas para datos
cualitativos


Cuadro 3. Características comunes de las pruebas
no paramétricas.
1. Independencia de las observaciones aleatorias a
excepción de datos pareados.
2. Pocas asunciones con respecto a la distribución
de la población.
3. La variable dependiente es medida en escala
categórica.
4. El punto primario es el ordenamiento por rangos
o por frecuencias.
5. Las hipótesis se hacen sobre rangos, mediana o
frecuencias de los datos.
6. El tamaño de muestra requerido es menor (20 o
<).
Con las pruebas no paramétricas se puede trabajar
con muestras pequeñas de datos categóricos u
ordinales, independientemente de la distribución de
las muestras que se desea contrastar.









Cuadro Nº 4. Características de las pruebas no
paramétricas.
Ventajas
1.Determinación sencilla. Mediante fórmulas
simples de combinación.
2. Fáciles de aplicar.
Las operaciones matemáticas son la jerarquización,
conteo, suma y resta.
3. Rápidas de aplicar.
Cuando las muestras son pequeñas.
4. Campos de aplicación.
A grupos mayores de poblaciones.
5. Menos susceptibles a la contravención de los
supuestos. Ya que los supuestos son escasos y
menos complicados.
6. Tipo de medición requerida. Se pueden utilizar
con datos ordinales o nominales.
7. Tamaño de la muestra.
Cuando la muestra es < 10 son sencillas, rápidas y
sólo un poco menos eficaces. Conforme aumenta el
tamaño de la muestra se hacen más laboriosas y
tardadas, y menos efectivas.
8. Efectividad estadística.
Cuando se satisfacen los supuestos de la prueba no
paramétrica son igual de efectivas. Si se satisfacen los
supuestos de una prueba paramétrica con muestras
pequeñas son un poco menos efectivas y se vuelven
menos eficaces a medida que aumenta el tamaño de
muestra.




24
 MANUAL de SALUD PÚBLICA ,EPIDEMIOLOGÍA y BIOESTADÍSTICA PLUS MEDIC A


ANALISIS ESTADÍSTICO
Tabla Nº1 Técnicas de análisis estadístico




 
Preguntas básicas en el análisis estadístico
1º ¿Qué tipo de muestra nos están presentando en el
problema? ¿La muestra es independiente o
dependiente?
Independiente: la selección de los elementos no
depende de la selección de otras unidades o
elementos.


En este caso tenemos muestras pareadas. Por
ejemplo: si estamos haciendo un muestreo de tipo
pareado por una variable que nos interesa (por
ejemplo el sexo), si selecciono un sujeto del sexo
femenino el siguiente sujeto también tiene que ser
femenino. El máximo grado de apareamiento lo
tendremos cuando estamos haciendo estudios en los
cuales los sujetos son grupo control y grupo de
intervención.
2º ¿Es una variable cualitativa o cuantitativa?
3º ¿Cuántos grupos se están comparando en el
problema?
4º ¿Qué tipo de distribución tiene la variable que nos
están presentando?
Luego de responder las 4 preguntas podemos
identificar cual es la prueba estadística que le
corresponde.






CASO: Se compara la talla promedio entre 2 grupos
de niños que recibieron distintos patrones de
alimentación. Cada grupo comprendía 25 niños.
Señale la prueba de significación estadística más
apropiada para analizar los datos:
a)Prueba de Chi cuadrado
bPrueba “Z”
cPrueba “t” de student
dPrueba de Spearson
ePrueba de Mc Nemar
Comentario
Para resolver este caso es necesario formular varias
preguntas:

Cuando estamos frente a un problema y no nos dicen
que la muestra es dependiente o independiente
debemos asumir que es independiente.



En el caso que estamos viendo no nos indican si la
muestra es dependiente o independiente por lo que
asumimos que es una muestra independiente.


La variable que se va a comparar es la talla , la cual es
una variable de tipo cuantitativa.


En este ejemplo nos dicen explícitamente que se
están comparando 2 grupos.


En este ejemplo no nos indican el tipo de distribución
de los datos, pero si nos dicen de manera implícita
que los datos tienen distribución normal, cuando nos
25
 MANUAL de SALUD PÚBLICA ,EPIDEMIOLOGÍA y BIOESTADÍSTICA PLUS MEDIC A
indican que lo que se va a comparar es la talla
promedio o sea la media de la talla.
Si se van a comparar 2 medias , la condición es que
tengan una distribución normal.







CASO: En un ensayo clínico se comparan las cifras
de glucosa en una muestra de sujetos
representativa de una comunidad antes y después
de la aplicación de un determinado tratamiento
hipoglucemiante cuya eficacia queremos
comprobar ¿Cuál prueba estadística es más
adecuada para analizar los datos obtenidos?
a)Test de la t de Student para datos independientes
b)Análisis de varianza
c)Test de la t de student – Fisher para los datos
apareados
d)Test de comparaciones múltiples
e)Chi – cuadrado
Comentario
Para resolver este caso es necesario formular varias
preguntas:

Como es un estudio “antes y después” los sujetos son
los mismos, por lo que es una muestra de tipo
dependiente.


Lo que se quiere comparar son los niveles de glucosa
, la cual es una variable cuantitativa.


A pesar que el estudio es de un solo grupo de sujetos,
se consideran como 2 grupos debido a que los mismos
sujetos están antes de la intervención y después de la
misma se vuelve a hacer la medición.


En este caso no se menciona ni implícita ni
explícitamente cual es la distribución de los datos , es
por eso que tenemos que ir a las alternativas de la
respuesta.
a)Test de la t de Student para datos independientes
La T de Student para datos independientes se usa
cuando las muestras son independientes.
En este ejemplo la muestra es dependiente por lo que
no es el test estadístico apropiado.
b)Análisis de varianza
Lo utilizamos cuando queremos comparar 2 ó más
grupos , la variable independiente es de tipo
cuantitativa pero el tipo de muestra también tiene
que ser independiente por lo tanto no es la alternativa
correcta.
c)Test de la t de student – Fisher para los datos
apareados
La T de Student para datos pareados se usa cuando:




Por lo que es la alternativa correcta.
d)Test de comparaciones múltiples
Se utiliza después de realizar el Test de ANOVA para
ver si hay alguna diferencia entre las medias que se
están comparando. El test de ANOVA nos dice que
hay una diferencia significativa entre las medias que
se están comparando y el Test de comparaciones
múltiples nos dice entre que medias hay esa
diferencia significativa. Es falsa.
e)Chi – cuadrado
Se utiliza para variables de tipo cualitativo
Estadística paramétrica
Estadística paramétrica
Cuando se pretende probar una hipótesis respecto
a uno o más parámetros de una población que
tiende a una distribución normal, las pruebas
usadas son las de la estadística paramétrica, como
la t de Student (cuadro Nº2)
Aunque la potencia de las pruebas estadísticas
paramétricas es mayor que la que ofrecen las
pruebas no paramétricas, ya que con ellas se tiene la
probabilidad de rechazar la hipótesis nula cuando
ésta realmente es falsa (error de tipo II: 1-β).
El adecuado tamaño de la muestra es un requisito
indispensable para aumentar la eficacia de una
prueba: a medida que aumenta el tamaño de
muestra, disminuye la posibilidad de cometer el error
de tipo II.
26
 MANUAL de SALUD PÚBLICA ,EPIDEMIOLOGÍA y BIOESTADÍSTICA PLUS MEDIC A
Tabla Nº 2. Pruebas paramétricas y su
alternativa no paramétrica.
Es conveniente comentar que el adecuado tamaño de
muestra es un requisito indispensable para aumentar
la eficacia de una prueba.
PRUEBAS CON UNA SOLA MUESTRA
Ji cuadrada
Esta prueba de hipótesis se usa para comparar la
posible diferencia entre las frecuencias observadas
en la distribución de una variable con respecto a las
esperadas, en razón de una determinada hipótesis.
Prueba binomial
La prueba binomial compara las frecuencias
observadas en cada una de las dos categorías de una
variable dicotómica con respecto a las frecuencias
esperadas bajo una distribución binomial que tiene
un parámetro de probabilidad específico que, por
defecto, para ambas categorías es 0.5.
Para cambiar las probabilidades se puede ingresar
una proporción de la prueba para el primer grupo
por lo que la probabilidad para el segundo será
1 menos la probabilidad especificada para el primero.






Se asume que:




Esto quiere decir que si la variable no es dicotómica
se deben colapsar los datos en 2 categorías
mutuamente excluyentes.



Esta proporción teórica puede venir de registros
públicos, censos o investigaciones previas. La
prueba binomial está indicada cuando la variable a
ser examinada es dicotómica, es especialmente útil
en casos de tamaño de muestra pequeños, que no
cumplen los requisitos de la bondad de ajuste de la
Ji cuadrada.

Prueba de las rachas
La prueba de las rachas mide hasta qué punto en una
variable dicotómica la observación de uno de sus
atributos puede influir en las siguientes
observaciones; es decir, si el orden de ocurrencia en
la observación de uno de los atributos de una
variable dicotómica ha sido por azar.


Una serie de datos en los que hay muchas o pocas
rachas, hacen pensar que éstas no han ocurrido por
azar. Alternativa: para probar que dos muestras
vienen de poblaciones con las mismas distribuciones,
se emplea la prueba de rachas sugerida por Wald-
Wolfowitz.
Prueba de Kolmogorov-Smirnov
Para una muestra
La prueba se usa para definir si el grado de ajuste
de los datos a una distribución teórica: que
puede ser con tendencia a la normal, a la de
Poisson o exponencial.
La prueba Z de Kolmogorov-Smirnov (K-S), se
computa a partir de la diferencia mayor (en valor
absoluto) entre la distribución acumulada de una
muestra (observada) y la distribución teórica.
La bondad de ajuste de la muestra permite suponer
de manera razonable, que las observaciones pudieran
27
 MANUAL de SALUD PÚBLICA ,EPIDEMIOLOGÍA y BIOESTADÍSTICA PLUS MEDIC A
corresponder a la distribución específica. La
contribución de Kolmogorov corresponde al
problema relacionado con una sola muestra,
mientras que la de Smirnov se ocupa de responder al
problema respecto a dos muestras, tratando de
probar la hipótesis de igualdad entre las poblaciones
de origen de una con respecto a la de la otra.
La prueba de K-S no precisa que las observaciones
sean agrupadas (como es el caso de la Ji cuadrada).
Se usa en cualquier muestra de cualquier tamaño,
mientras que la Ji cuadrada requiere muestras con un
tamaño mínimo. Esta prueba no se debe usar cuando
los parámetros tienen que ser estimados a partir de
la población y es útil, especialmente cuando se
conoce la estructura en que subyace la distribución
de la variable en estudio. Es más poderosa que la Ji
cuadrada, especialmente cuando el tamaño de la
muestra es pequeño y el nivel de medición de la
variable es ordinal.



Alternativa: No hay opción paramétrica. Una
alternativa no paramétrica es la prueba de bondad de
ajuste de Ji cuadrada.
PRUEBAS DE DOS MUESTRAS
INDEPENDIENTES
Las pruebas de dos muestras independientes
comparan dos grupos de casos con una variable.
Hay disponibles cuatro pruebas para ver si las dos
muestras independientes (grupos) vienen de la
misma población y son:




U de Mann-Whitney
Es la más popular de las pruebas para el estudio de
dos muestras independientes.
Es equivalente a la prueba de suma de rangos de
Wilcoxon y a la prueba de dos grupos de Kruskal-
Wallis.
Es la alternativa no paramétrica a la comparación de
dos promedios independientes a través de la t de
Student.






Tiene tres asunciones:













El número de pares debe ser pequeño en relación al
número total de observaciones. Si las poblaciones son
idénticas en situación, los rangos deben mezclarse al
azar entre las dos muestras.
Se calcula el número de veces que una cuenta del
grupo 1 precede una cuenta del grupo 2 y el número
de veces que una cuenta del grupo 2 precede una
cuenta del grupo 1.


t de Student
Es la alternativa paramétrica para muestras
independientes, que es más poderosa que la U de
Mann-Whitney cuando se llenan todas las asunciones,
mientras que si los datos no se distribuyen
normalmente, el tamaño de muestra es pequeño, los
grupos son de diferente tamaño.



Una alternativa no paramétrica que puede ser
utilizada, sobre todo si las colas de la distribución no
son similares es la prueba de la mediana.
28
 MANUAL de SALUD PÚBLICA ,EPIDEMIOLOGÍA y BIOESTADÍSTICA PLUS MEDIC A

Prueba Z de Kolmogorov-Smirnov
Está basada en la diferencia absoluta máxima entre la
función de distribución acumulada observada para
ambas muestras.
Cuando esta diferencia es significativamente grande,
las dos distribuciones son consideradas diferentes. La
prueba de las reacciones extremas de Moses asume
que la variable experimental afecta algunos sujetos
en una dirección y otros sujetos en la dirección
opuesta.







Prueba de rachas de Wald-Wolfowitz

Es una alternativa no paramétrica para contrastar si
dos muestras con datos independientes proceden de
poblaciones con la misma distribución. Combina y
acomoda las observaciones de ambos grupos.
Si las dos muestras son de la misma población, los
dos grupos deben distribuirse al azar a lo largo de la
clasificación jerárquica. Si hay pocas rachas habla de
que se tratan de grupos diferentes mientras que, si
hay muchas rachas no hay diferencias significativas
en la distribución de los dos grupos.





MIR: Un investigador está interesado en determinar

si existe una asociación entre las cifras de tensión
arterial diastólica (medida en mm de Hg) y los
niveles de colesterol (medidos en mgr/ml). Para ello,
ha realizado estas mediciones a 230 voluntarios.
¿Qué prueba estadística es la más apropiada para
examinar esta asociación?:
a)Regresión logística.
b)Prueba de la t.
c)Prueba de chi cuadrado.
d)Correlación de Pearson.
e)Prueba de Fisher.
Rpta. D

29
 MANUAL de SALUD PÚBLICA ,EPIDEMIOLOGÍA y BIOESTADÍSTICA PLUS MEDIC A
Prueba de hipótesis
Definición
Es el método para desarrollar un procedimiento para
probar la validez de una aseveración acerca de un
parámetro poblacional .






Objetivo
El propósito de la prueba de hipótesis no es cuestionar
el valor calculado del estadístico (muestral), sino hacer
un juicio con respecto a la diferencia entre estadístico de
muestra y un valor planteado del parámetro.
Procedimiento sistemático para una prueba
de hipótesis de una muestra


La hipótesis nula (Ho)
se refiere siempre a un
valor especificado del
parámetro de pobla-
ción, no a una esta-
dística de muestra.
La letra H significa hipótesis y el subíndice
cero no hay diferencia.
Por lo general hay un "no" en la hipótesis nula que
indica que "no hay cambio" Podemos rechazar o
aceptar la Ho.









La hipótesis alternativa (H1) es
cualquier hipótesis que difiera
de la hipótesis nula. Es una
afirmación que se acepta si los
datos maestrales proporcionan
evidencia suficiente de que la
hipótesis nula es falsa.






Nivel de significacia: Probabilidad de rechazar la
hipótesis nula cuando es verdadera.
Se le denota mediante la letra griega α, también es
denominada como nivel de riesgo.




Si suponemos que la hipótesis planteada es
verdadera, entonces, el nivel de significación
indicará la probabilidad de no aceptarla, es decir, que
estén fuera del área de aceptación.
Nivel de confianza (1-α): indica la probabilidad de
aceptar la hipótesis planteada, cuando es verdadera
en la población.
La distribución de muestreo de la estadística de
prueba se divide en dos regiones:
-Región de rechazo (conocida como región crítica)
-Región de no rechazo (aceptación).
Si la estadística de prueba cae dentro de la región de
aceptación, no se puede rechazar la hipótesis nula.
La región de rechazo puede considerarse como
el conjunto de valores de la estadística de prueba que
no tienen posibilidad de presentarse si la hipótesis nula
es verdadera.
30
 MANUAL de SALUD PÚBLICA ,EPIDEMIOLOGÍA y BIOESTADÍSTICA PLUS MEDIC A

 Decisión correcta


Una decisión correcta se presenta si la hipótesis nula

Ho es falsa y es rechazada por el test de significancia.
Tipos de errores Una decisión correcta también se presenta si la
Cuando realizamos una prueba de hipótesis estamos hipótesis nula Ho es verdadera y no es rechazada por
haciendo un test de significancia para ver si la hipótesis el test de significancia (FIg. 1)
nula es verdadera o falsa. Error tipo I (alfa)
 Una error tipo I se presenta si la hipótesis nula Ho es
 verdadera (en el estado real) y es rechazada por el
 test de significancia (FIg. 2)
Cualquiera sea la decisión tomada a partir de una Nivel de significancia
prueba de hipótesis, ya sea de aceptación de la Ho o de
la Ha, puede incurrirse en error. También se conoce al error de tipo I como nivel de
significancia y por convención se considera que este
Error tipo I error de significancia debe ser de 5%.
Un error tipo I se presenta si la hipótesis nula Ho Nivel de confianza
siendo verdadera es rechazada por el test de
significancia (Fig 1) Es el complemento del nivel de significancia, cuyo
valor debe ser de 95%:
La probabilidad de
cometer un error tipo I se La suma del nivel de significancia más el nivel de
denomina con la letra alfa confianza siempre debe ser 100%, lo que gana uno
α. de ellos lo pierde el otro. Ejemplo: si el nivel de
significancia aumenta a 10% , el nivel de confianza
Error tipo II disminuye a 90%).
Un error tipo II, se denota
con la letra griega β se
presenta si la hipótesis nula
es aceptada cuando de hecho
es falsa y debía ser
rechazada (Fig. 1)



Fig 2. Otros tipos de error

Error tipo II (beta)
Una error tipo II se presenta si la hipótesis nula Ho es
falsa (en el estado real) y no es rechazada por el test
de significancia (FIg. 2)

Fig 1. Tipos de error

31
 MANUAL de SALUD PÚBLICA ,EPIDEMIOLOGÍA y BIOESTADÍSTICA PLUS MEDIC A
Por convención el error de tipo II tiene un valor de
20%.
Potencia
Es el complemento del error de tipo 2, su valor es de
80%.
Si incrementamos el valor del error de tipo II la
potencia disminuye.
Si aumentamos la potencia se disminuye la
probabilidad de cometer un error de tipo II.
La suma de la potencia más el error de tipo II
siempre debe dar 100%
Ejemplo:
Tenemos un reo en la vida real, que puede ser
inocente o culpable y un juez que da el veredicto.


Fig. 3 Ejemplo de tipo de error
Decisión correcta
Tenemos 2 posibilidades:
Se produce cuando en la vida real el reo es realmente
inocente y el veredicto del juez dice que es inocente.
Se produce también cuando en la vida real el reo es
culpable y el veredicto del juez dice que es culpable.
Error
Se produce también cuando en la vida real el reo es
culpable y el veredicto del juez dice que es inocente.
Error más grave
Se produce cuando en la vida real el reo es inocente y el
veredicto del juez dice que es culpable.
Si aplicamos lo anterior a Salud tenemos:
-Cuando la hipótesis nula es falsa y el test de
significancia la rechaza es un decisión correcta.
-Cuando la hipótesis nula es verdadera y el test
de significancia no la rechaza también es un
decisión correcta.
Error de tipo II
-Cuando la hipótesis nula es falsa y el test de
significancia no la rechaza es un error de tipo II.
Si estamos probando la eficacia de un
tratamiento, de una droga A sobre una droga B ,
en este caso se comete un error de tipo II cuando
decimos que el tratamiento si tiene un efecto
pero no lo percibimos. Es decir que hay diferencia
entre el tratamiento A y B pero la prueba de
significancia dice que no hay diferencia, no se
rechaza la hipótesis nula. Se busca un
tratamiento alternativo y no hay consecuencias
adversas para el paciente.
Error de tipo I (alfa)
-Cuando en la vida real el tratamiento no tiene
efecto pero el test de significancia nos dice que si
tiene efecto , es decir rechazamos la hipótesis
nula. Este error es más grave que el error de tipo
II porque se está dando al paciente una droga
que en la vida real no tiene efecto para la
enfermedad que estamos tratando . Se le da
porque la prueba de significancia nos dice que si
tiene efecto.
Fig. 4 Ejemplo de tipo de error
32
 MANUAL de SALUD PÚBLICA ,EPIDEMIOLOGÍA y BIOESTADÍSTICA PLUS MEDIC A
Ejemplo:
Pregunta: Al comparar dos medias muestrales el
rechazo de una hipótesis nula, que es verdadera, nos
lleva a cometer un ERROR conocido como _________.
a. Beta o Tipo II
b. Aleatorio
c. Estándar
d. Alfa o tipo I
e. Sistemático
Comentario:
Estamos frente a una hipótesis nula que es verdadera
y que ha sido rechazada por el test de significancia. Se
trata de un error alfa (tipo I).
Factores que influyen en el poder
estadístico de un estudio.
El tamaño de la muestra a estudiar: A > tamaño
muestral, > potencia estadística de un estudio.




Para que cualquier ensayo de hipótesis sea
bueno, debe diseñarse de forma que minimice
los errores de decisión. La única forma de reducir
ambos tipos de errores es incrementar el tamaño
de la muestra, lo cual puede ser o no ser posible.
El nivel de significación estadística: Si se disminuye el
valor de α también se disminuye el poder de la
prueba.
Es decir, si disminuimos la probabilidad de cometer
un error de tipo I, aumentamos la probabilidad de
cometer un error de tipo II. Se debe encontrar un
punto de “equilibrio” de cometer ambos errores.
Habitualmente se trabaja con un nivel de
significación de 5% y un poder de 80%.
Términos estadísticos
 es la
probabilidad de que nuestro resultado sea
correcto: Probabilidad = (1-α) ó 95%
 es el máximo error que
estamos dispuestos a aceptar como válida
nuestra hipótesis. Es el error tipo I o α.
Probabilidad : 5%
 significancia estadística ,es la
cuantificación probabilística de error tipo I.
 representa la
probabilidad de observar en la muestra una
determinada diferencia y efecto, si existe en la
población.
¿Cómo nos protegemos contra el error tipo
I?
p < 0,05 protege contra el error tipo I debido al
chance. No garantiza protección contra el error tipo I
debido a sesgo o confusión


¿Cómo nos protegemos contra el error tipo
II?
-Estimando un tamaño de muestra adecuado
-Estableciendo grandes diferencias en nuestras
hipótesis
La probabilidad de cometer un error de tipo II
denotada con la letra griega beta β, depende de
la diferencia entre los valores supuesto y real del
parámetro de la población. Como es más fácil
encontrar diferencias grandes, si la diferencia
entre la estadística de muestra y el
correspondiente parámetro de población es
grande, la probabilidad de cometer un error de
tipo II, probablemente sea pequeña.





.
Existe una relación inversa entre la magnitud de los
errores α y β: conforme a aumenta, β disminuye. Esto
obliga a establecer con cuidado el valor de a para las
pruebas estadísticas. Lo ideal sería establecer α y β.
En la práctica se establece el nivel α y para disminuir
el Error β se incrementa el número de observaciones
33
 MANUAL de SALUD PÚBLICA ,EPIDEMIOLOGÍA y BIOESTADÍSTICA PLUS MEDIC A

en la muestra, pues así se acortan los límites de

confianza respecto a la hipótesis planteada .
¿Cómo incrementamos la potencia de un
estudio?
-Incrementando el tamaño de muestra
-Estimando un tamaño de muestra adecuado
-Utilizando el método más preciso y exacto (menor
variabilidad) para medir la exposición y el efecto
La meta de las pruebas estadísticas es rechazar la En las pruebas de hipótesis para la media (μ), cuando se
hipótesis planteada. Es deseable aumentar conoce la desviación estándar (σ) poblacional, o cuando
cuando ésta es verdadera, o sea, incrementar lo el valor de la muestra es grande (30 o más), el valor
que se llama poder de la prueba (1- β). estadístico de prueba es z y se determina a partir de:

La aceptación de la hipótesis planteada debe

interpretarse como que la información aleatoria de
la muestra disponible no permite detectar la
falsedad de esta hipótesis. El valor estadístico z, para muestra grande y
desviación estándar poblacional desconocida se
 determina por la ecuación:
Este valor es determinado a partir de la información
muestral, que se utiliza para determinar si se rechaza
la hipótesis nula , existen muchos estadísticos de
prueba para nuestro caso utilizaremos los En la prueba para una media poblacional con
estadísticos z y t. muestra pequeña y desviación estándar poblacional
 desconocida se utiliza el valor estadístico :



Tipos de prueba
 la hipótesis 
planteada se formula con la igualdad Se establece las condiciones específicas en la que se
Ejemplo rechaza la hipótesis nula y las condiciones en que no
se rechaza la hipótesis nula.
H0 : µ = 200
La región de rechazo define la ubicación de todos los
H1 : µ ≠ 200 valores que son tan grandes o tan pequeños, que la
probabilidad de que se presenten bajo la suposición
de que la hipótesis nula es verdadera, es muy remota.

 la hipótesis
planteada se formula con ≥ o ≤
H0 : µ ≥ 200 H0 : µ ≤ 200
H1 : µ < 200 H1 : µ > 200

34
 MANUAL de SALUD PÚBLICA ,EPIDEMIOLOGÍA y BIOESTADÍSTICA PLUS MEDIC A
Distribución muestral del valor estadístico z, con
prueba de una cola a la derecha
 Es el punto de división entre la región
en la que se rechaza la hipótesis nula y la región en la
que no se rechaza la hipótesis nula.
Paso 5: Tomar una decisión.
En este último paso de la prueba de hipótesis, se
calcula el estadístico de prueba, se compara con el
valor crítico y se toma la decisión de rechazar o no la
hipótesis nula.
Tenga presente que en una prueba de hipótesis solo
se puede tomar una de dos decisiones: aceptar o
rechazar la hipótesis nula.
Debe subrayarse que siempre existe la posibilidad de
rechazar la hipótesis nula cuando no debería haberse
rechazado (error tipo I). También existe la posibilidad
de que la hipótesis nula se acepte cuando debería
haberse rechazado (error de tipo II)
Prueba de CHI CUADRADO
Es una de las pruebas estadísticas más utilizadas ,va a
depender si tiene una ó 2 variables.




Fig.5 Test de Chi cuadrado
PRUEBA DE BONDAD DE AJUSTE
Cuando queremos decidir , a partir de una muestra, si
la población sigue (“ajusta”) una determinada
distribución (problema de bondad de ajuste).
Supongamos que tenemos un número k de clases en
las cuales se han ido registrado un total de n
observaciones (n será el tamaño muestral).
Denotaremos las frecuencias observadas en cada
clase por O1, O2, ..., O k
(Oi es el número de valores en la clase Ai ). Se
cumplirá:
E1 + E2 + ... + E k = n
Se tratará ahora de decidir si las frecuencias
observadas están o no en concordancia con las
frecuencias esperadas (es decir, si el número de
resultados observados en cada clase corresponde
aproximadamente al número esperado). Para
comprobarlo, haremos uso de un contraste de
hipótesis usando la distribución Chi-cuadrado:
El estadístico de contraste será
Observar que este valor será la suma de k números
no negativos.
El numerador de cada término es la diferencia entre la
frecuencia observada y la frecuencia esperada. Por
tanto, cuanto más cerca estén entre sí ambos valores
más pequeño será el numerador, y viceversa.
El denominador permite relativizar el tamaño del
numerador.

χ2 


Por el contrario, valores grandes de este
estadístico indicarán falta de concordancia entre
las observaciones y lo esperado.
En este tipo de contraste se suele rechazar la
hipótesis nula (los valores observados son
coherentes con los esperados) cuando el
estadístico es mayor que un determinado valor
crítico.
35
 MANUAL de SALUD PÚBLICA ,EPIDEMIOLOGÍA y BIOESTADÍSTICA PLUS MEDIC A
Prueba de HOMOGENEIDAD
Cuando queremos decidir si dos o más muestras
provienen de la misma poblacional ¿Estas muestras
provienen de poblaciones con la misma distribución?
Estamos interesados en determinar si los datos
correspondientes a dos o más muestras aleatorias
provienen de la misma población. Nuevamente el
conjunto de posibles valores de las observaciones se
divide en k conjuntos disjuntos: A1, A2, ..., Ak.
; clasificando en ellos las observaciones de cada
muestra. Si nij representa el número de
observaciones de la muestra i que pertenecen al
conjunto Aj , los datos pueden tabularse en lo que se
denomina una tabla de contingencia.
La hipótesis de que las m poblaciones son
homogéneas, se traduce en que cada conjunto Aj debe
tener una probabilidad teórica pj , desconocida, pero
que no varía de la población i a la población i’. Esto
debe verificarse para todas las categorías, i.e., las
categorías deben ser homogéneas en las diversas
muestras.
Del mismo modo que la Prueba de Bondad de Ajuste,
en este caso debemos comparar las frecuencias
observadas en cada una de las muestras y para cada
categoría con las frecuencias bajo el supuesto de
homogeneidad en las poblaciones.
En este caso las frecuencias observadas corresponde
al número de individuos de la muestra i en la clase j,
i.e., nij
El estadístico de contraste será
Donde eij es la frecuencia esperada bajo el supuesto
de homogeneidad, que puede representarse como ni
Pj , es decir, el número de individuos en la muestra i
por la probabilidad de que ocurra la característica j
en la población. Para el cálculo de las probabilidades
de pertenecer un individuo a cada una de las
categorías podemos utilizar:
Observar que este valor será la suma de n*k números
no negativos.
El numerador de cada término es la diferencia entre la
frecuencia observada y la frecuencia esperada. Por
tanto, cuanto más cerca estén entre sí ambos valores
más pequeño será el numerador, y viceversa.
El denominador permite relativizar el tamaño del
numerador.
Las ideas anteriores sugieren que, cuanto menor sean
el valor del estadístico ∗χ2, más coherentes serán las
observaciones obtenidas con los valores esperados.
Por el contrario, valores grandes de este estadístico
indicarán falta de concordancia entre las
observaciones y lo esperado. En este tipo de
contraste se suele rechazar la hipótesis nula (los
valores observados son coherentes con los
esperados) cuando el estadístico es mayor que un
determinado valor crítico
Prueba de INDEPENDENCIA
Se trata de contrastar si dos variables cualitativas
son independientes (es decir, si existe relación entre
ellas), o no. Por ejemplo:
¿Los hábitos de lectura de los padres influyen en los
hábitos de lectura de los hijos?
Estamos interesados en determinar si dos cualidades
o variables referidas a individuos de una población
están relacionadas. Se diferencia de los contrastes
anteriores en que en este caso estamos interesados
en ver la relación existente entre dos variables de una
misma población, no queremos contrastar la
distribución teórica de una variable (prueba de
bondad de ajuste) ni en comparar la distribución de
una única variable en dos poblaciones (prueba de
homogeneidad).
Supongamos que de n elementos de una población se
han observado dos características X e Y,
obteniéndose una muestra aleatoria simple
bidimensional (X1,Y1),(X2,Y2),...,(Xn,Yn). Sobre la
base de dichas observaciones se desea contrastar si
las características poblacionales X e Y son
independientes o no. Para ello se dividirá el conjunto
de posibles valores de X en k conjuntos disjuntos
36
 MANUAL de SALUD PÚBLICA ,EPIDEMIOLOGÍA y BIOESTADÍSTICA PLUS MEDIC A
A1,A2,...,Ak; mientras que el conjunto de posibles
valores Y será descompuesto en r conjuntos
disjuntos: B1,B2,...,Br
. Al clasificar os elementos de la muestra, aparecerá
un cierto número de ellos,
ijn , en cada una de las k × r clases así constituidas,
dando lugar a una tabla de contingencia de la forma:
Al igual que para el Test de homogeneidad, el
estadístico del contraste será:
EJEMPLO: Hemos preguntado a un grupo de 20
hombres y 20 mujeres si fumaban o no. ¿Crees que
hay diferencias significativas entre ambos sexos?
Tenemos una tabla con la distribución de los 20
hombres y 20 mujeres. El total de los hombres y
mujeres están en las columnas y en las filas el total de
los que fuman y los que no fuman. En total son 40
sujetos.
A los totales se les llama totales marginales


En este caso vamos a estimar las frecuencias
esperadas para las 4 celdas a, b, c y d y obtenemos los
totales marginales de las filas y de las columnas .


Hay una fórmula para obtener estas frecuencias que
consiste en multiplicar los tatoles marginales
dividiendo entre el total de observación.









37
 MANUAL de SALUD PÚBLICA ,EPIDEMIOLOGÍA y BIOESTADÍSTICA PLUS MEDIC A

¿Cómo obtenemos el Chi cuadrado? a)t de Student para datos independientes.

El Chi cuadrado es igual a la sumatoria de las b)Análisis de la varianza de medidas repetidas.
frecuencias observadas (Oi) menos las frecuencias c)Chi-cuadrado.
esperadas (Ei) elevadas al cuadrado sobre las
frecuencias esperadas. d)t de Student para datos apareados.
e)Análisis de la varianza.

Rpta. C







Los valores esperados en cualquiera de las celdas
siempre deben de ser > o = a 5
Si en una de las celdas el valor es menor a 5 NO
podemos utilizar el valor del Chi cuadrado.,
debiéndose usar la prueba de Fisher exact ( más
frecuentemente utilizado) o la prueba de Corrección
de yates.

OF: En un estudio que compara la eficacia de dos

fármacos no se observa una diferencia
estadísticamente significativa entre ellos. Si en
realidad ambos tratamientos fueran diferentes,
todos los siguientes factores podrían explicar por
qué se ha obtenido un resultado "falso negativo",
EXCEPTO uno. Señálelo:
a)Error tipo alfa.
b)Error tipo beta.
c)Potencia estadística insuficiente.
d)Número de sujetos estudiados insuficiente.
e)Existencia de un sesgo en la comparación.
Rpta. A

OF: En un contraste de hipótesis, la potencia es la

probabilidad de:
a)Rechazar la hipótesis nula siendo cierta.
b)Rechazar la hipótesis nula siendo falsa.
c)Aceptar la hipótesis alternativa.
d)Que la hipótesis alternativa sea verdadera.
e)Que la hipótesis nula sea falsa.
Rpta. B

OF: Un ensayo clínico evalúa dos pautas

terapéuticas en pacientes hipertensos. Para
comparar los porcentajes de pacientes controlados
observados en cada grupo a los 6 meses de
tratamiento, ¿qué prueba estadística le parece más
adecuada?:

38