Está en la página 1de 4

S9: Estimación de parámetros POBLACIÓN: “P”: proporción poblacional.

MUESTRA: “p”: proporción muestral.


- Inferencia Estadística
1. Estimación de Parámetros
2. Definición de términos de la prueba de Hipótesis
 Definición 1.1)Tipo de estimación de parámetros:
- proceso por el q se elaboran conclusiones a) La estimación por punto de parámetros
probabilísticas en relación a una población, valiéndose de la (no en vida real)
información dada por una muestra extraída de la población. • se obtiene de datos muestrales, como un único valor.
- parámetros :poblaciones descritas por • Los estadísticos son introducidos en la fórmula establecida
como estimador para obtener parámetro:
medidas numéricas descriptivas
o n: # de muestra ;
- inferencia acerca de una población es
o z: desviación normal (según el grado de
posible haciendo inferencias acerca de sus parámetros
confianza)
usando los estadísticos. - Igualar valor muestral con poblacional
- Ejemplo 1:
Se desea estudiar el salario promedio anual de profesionales. Para
ello se tomó una muestra de n=100 profesionales de la compañía,
se registra el salario anual de cada profesional de salud en la
muestra y se calculan la media y la desviación estándar muestral de
los salarios obteniéndose:
x= $7,750 y s= $900 (DE)

Solución: :Salario promedio anual


 Áreas de la inferencia estadística  = x = $7,750
Estimación de parámetros Se estima que el salario promedio anual es de $7,750.
- Resuelve situaciones en las que se busca conocer b) Estimación por intervalo
un dato o medida descriptiva de determinada población (parámetro)  Consiste en determinar, por un estimador, 2 valores
a partir de datos o medida descriptiva de una muestra (estadístico) numéricos: límite inferior (L1) y límite sup (L2). Con un cierto grado
representativa. de confianza, se espera que estos límites contengan el valor del
Prueba de hipótesis parámetro que se quiere hallar.
-  Sirve para decidir si se rechaza o no una  el valor del parámetro debería encontrarse entre el límite
hipótesis estadística basándose en la muestra. Se realiza una inferior y límite sup. obtenidos de la estimación.
contrastación de información entre la hipótesis estadística y los  No todos los intervalos obtenidos de un estimador incluirán
resultados obtenidos de la muestra, para corroborar. realmente al parámetro. Por ello se aplica el concepto de nivel de
- Se conocen los valores poblacionales. confianza.
- Ejm: la prevalencia es del 18%...aparece otro  Aspectos a tener en cuenta:
investigador diciendo es mayor! Entonces se tiene que hacer la - Los estimadores de intervalo se denominan comúnmente
CONTRASTACIÓN. intervalos de confianza
1. ESTIMACIÓN - Los extremos sup. e inf. de un intervalo de confianza se llaman
límites de confianza sup. e inf. respectivamente
- Proceso de utilizar datos muestrales para
- Un intervalo de confianza nos lleva de un solo valor estimado (la
estimar los valores de parámetros desconocidos de una
media muestral, proporción muestral, diferencias entre medias y
población. proporciones) a un recorrido de valores.
- La estimación es un instrumento básico para
la toma de decisiones. (medicina basada en evidencias) Intervalos De Confianza
- La estimación de parámetro puede adoptar • La amplitud del intervalo de confianza basado en el valor muestral
la forma de un solo “punto” o un intervalo. depende de:
• del error estándar de ese valor
DATOS CONTINUOS • del grado de confianza que queremos asociar con el intervalo
resultante.
POBLACIÓN MUESTRA
o EE =  /  n
:Media poblacional x : Media muestral
o EE = S /  n
2 : Varianza poblacional s2 : Varianza muestral
INTERPRETACION:
:Desviación poblacional s : Desviación muestral
• Intervalo de confianza al 95%.-> Hay 95% de confianza de que
EE =  /  N (error EE = S /  n
estandar) el valor de la población (parámetro) se halle dentro del
DATOS DICOTÓMICOS intervalo.
o90% - 95% - 99%
oValores de Z: 1.64 - 1.96 - 2.57 - Valor de T se halla con grado de libertad,
ubicas n-1= 29, luego ubicas el 29 e
Caso 1- Intervalo de confianza para la media  en muestras grandes interceptas buscando con 0.025.
- Los valores de los límites, inferior (L1) y superior (L2) - 0.05 (entre 2)-> 0.025
T : 2.045

- límites del intervalo se obtienen + o restando el


error estándar al valor de la media muestral ( ). para hallar el límite
inf. (L1) se resta el error estándar y para (L2) se suma

 Para explicar el uso de esta forma de


estimación se resolverán los ejemplos planteados anteriormente y otros.

Ejemp 1: estimación de una media aritmética


- estimar la altura media de los alumnos de la Medicina
de la USMP. Se recurre a una muestra aleatoria de 36 alumnos y se
obtienen. x̄ = 170 cm ; s= 20 cm

- Solución: Si no se especifica el grado de confianza se ,


utiliza por lo general 95%, lo cual corresponde a z= 1.96.
-  =  Z x s_
- Li = 170 - 1.96 x 20/6_ = 163.47 cm Interpretación:
- Ls = 170 + 1.96 x 20/6 = 176.53 cm Con un 95% de nivel de confianza, el promedio del peso de los
- ->la estatura promedio de los estudiantes está hipotiroideos en la población se encuentra entre 69.133 Kg y
comprendida entre 163.5 y 176.5 cm, con un grado de confianza del 72.867 Kg.
95%.
 I.C. 95% (163.5 ; 176.5 cm)
• Caso 3: Intervalo de confianza para la proporción P
Caso 2: Intervalo De Confianza De Una Sola Muestra En Caso De   Los valores de los límites, inferior (L1) y superior (L2), se
Variable Cuantitativa en muestras pequeñas (n≤30) encuentran aplicando la fórmula general:

  
 los límites del intervalo se obtienen + o - el error estándar al
valor de la proporción muestral (p)

 
 Para explicar el uso de esta forma de estimación se resolverán
- los ejemplos planteados anteriormente.
Grado de libertad: medida de la variabilidad de la distribucion: (n-1)
Ejm 2: Suponga que se desea estimar el peso promedio de los
enfermos de hipotiroidismo. En muestra de 30 pacientes se encontró Intervalo De Confianza De Una Sola Muestra En Caso De Variable
un x = 71Kg y una S=5Kg.Para el 95% de confianza, los límites del Cualitativa
intervalo serían:
• Ejemplo 1: estimación de una proporción
 estimar la proporción de niños desnutridos < de 5 años. Se
selecciona una muestra de 100 niños menores de 5 años y se
determina que 45 están desnutridos.
Solución
 - Como fue mencionado, se utiliza un valor de z = 1.96.
- error en imagen(no es 0.55) es 0.45
 Por lo tanto, la proporción de niños Para evitarlo, se considera el valor , que fue
menores de 5 años desnutridos en dicha comunidad está entreplanteado
0.352 y anteriormente:
0.548, con un intervalo de confianza del 95%.  = P(Rechazar Ho / Ho es verdadero)
 Re
2. Prueba de hipótesis Ho
presenta la Ho falso
 Técnica estadística que se sigue para decidir si se rechaza o no una verdadero
probabilidad de
hipótesis estadística en base a la información de una muestra.
cometer un error
“docimasia de hipótesis o contraste de hipótesis” Rechazar Error tipo I Decisión
Decisión
2.1 Hipótesis estadística: Ho () correcta
que estadística
Es una afirmación de lo que se cree sobre una población, es decir, (1 - )
un valor mínimo de
es un supuesto. Esta hipótesis se refiere a los parámetros de la No Decisión Error tipo II
determina una rechazar correcta ()
población o a una situación existente en la población.
Ho (1 - )
• Tipos de hipótesis estadística probabilidad de
   Existen 2 tipos cometer el error en el cual se estaría rechazando una hipótesis
 Hipótesis nula (Ho): hipótesis de la no ) que es acertada.  puede ser manejada por el
diferencia, pues plantea que los grupos comparados no difiereninvestigador,
en la es posible hallar su valor.
característica (parámetro) en estudio. La diferencia observada en la - Se ha establecido que un valor de  menor al nivel de
investigación es consecuencia del error de muestreo. se plantea para significancia, 5% o 1% dependiendo del caso, es un indicador de
ser rechazada o desacreditada. que la hipótesis nula (H o) debe ser rechazada.  indica el nivel de
 Hipótesis alterna (H1): Son todas las significación de la prueba, permite diferenciar la región de rechazo
alternativas o suposiciones para contrastar la hipótesis nula (Ho), es y no rechazo. 1-  indica el grado de confianza de la prueba.
decir, aquellas que plantean una diferencia entre parámetros  ß : no se maneja directamente por el investigador.
involucrados y proponen que la diferencia observada es -  ß= P(No rechazar Ho / Ho falso)
consecuencia efectiva entre las poblaciones de origen. La hipótesis -   y ß están relacionados y ambos disminuyen su valor si se
alterna puede ser uni o bilateral. incrementa el tamaño de muestra o si se mejora el diseño del
 Ejmp: estudio.
 Un investigador pretende estudiar en -  1-ß= P(rechazar Ho /Ho es falso), también se denomina potencia de
forma comparativa la eficacia de 2 tratamientos, tto A y tto B, para prueba. El valor mínimo que puede tomar es de 80%.
determinar cuál es mejor. - Ejemplos:
 Ho: A - B= 0. La afirmación de esta o Beta es 4 veces alfa.
hipótesis es que el tratamiento A no difiere del tratamiento B. o Alfa: 0.05
 Con respecto al ejemplo, se pueden o Beta:0.20
plantear varias alternativas. Una de ellas es H1: A - B > 0. La o 1 menos beta: 0.80
interpretación es que el tto A es mejor que el tto B, siendo por o Alfa: 0.01
consiguiente H1 unilateral a la derecha. o Beta: 0.04
• Aspectos a tener en cuenta o Potencia: 0.96
En la prueba de hipótesis se investiga la veracidad de ambos
TÉCNICAS DE MUESTREO
supuestos, lo cual conduce a rechazar una de estas 2 hipótesis y
 T. MUESTREO PROBABILÍSTICO
optar por la que tiene un planteamiento acertado. La elección de la
o Tiene de ser incluido en la muestra a través de una selección al
hipótesis acertada se determina en base a probabilidades
azar
condicionales: (alfa y beta IP)
o Aleatorio simple:
   = probabilidad de rechazar la Ho -los individuos que componen la población blanco tienen la
dado que la Ho es verdadera. misma oportunidad de ser incluidos en la muestra.
  (1 - ) = probabilidad de no rechazar la -“x” es independiente de la probabilidad que tienen el resto de
Ho dado que la Ho es verdadera. los sujetos que integran forman parte de la población blanco.
   = probabilidad de no rechazar la Ho -Determina los estratos que conforman la población blanco para
dado que la Ho es falsa. seleccionar y extraer de ellos la muestra
  (1 - ) = probabilidad de rechazar la Ho - estratificación se basa en variable como edad, sexo, nivel
dado que la Ho es falsa. socioeconómico
- Complejo y de alto costo
- Nivel de significación: 
o Aleatorio estratificado
 Al hallar el valor , se puede tomar una
- Distribución de los sujetos a estudio en una serie es tal, que los
decisión respecto a cuál de las 2 hipótesis planteadas es V y cual F.
más similares tienden a estar más cercanos
o Por conglomerados
- Error Tipo I / Error Tipo II.
- elegir de forma aleatoria ciertos barrios o conglomerados
- Cuando se toma una decisión estadística, se
dentro de una región, ciudad, communal
puede cometer el error tipo I o el error tipo II.
- más económicos y eficientes
- los sujetos a estudio, se encuentran incluidos en
lugares físicos o geográficos
 T. MUESTREO NO PROBABILÍSTICO
o Selección de los sujetos a estudio dependerá de ciertas características
o INTENCIONAL: Permite seleccionar casos característicos de una población limitando la muestra
sólo a estos casos
o CONVENIENCIA: Permite seleccionar aquellos casos accesibles que acepten ser incluidos
o ACCIDENTAL O CONSECUTIVO: Se fundamenta en reclutar casos hasta que se completa el número
de sujetos necesario para completar el tamaño de muestra deseado
Ventajas y Desventajas de la Aplicación de Técnicas de Muestreo
- VENTAJAS :
 Reducción de costos: Los costes de un estudio serán menores si los datos de interés se pueden
obtener a partir de una muestra de la población blanco. Por ejemplo, cuando se realizan estudios de
prevalencia de un evento de interés, es más económico medir una muestra representativa de 1500 sujetos de
la población blanco, que a los 250.000 individuos que la componen.
 Eficiencia: Al trabajar con un número reducido de sujetos a estudio, representativos de la
población blanco; el tiempo necesario para conducir el estudio y obtener resultados y conclusiones será
ostensiblemente menor.
- DESVENTAJA: Inadecuada representación de la población blanco: Esto puede ocurrir si se decide
trabajar con muestras pequeñas.