UNIVERSIDAD NACIONAL DE LOJA

FACULTAD DE LA SALUD HUMANA

BIOESTADISTICA
Ingeniero
José Eduardo González Estrella
MAGISTER EN DESARROLLO SOSTENIBLE

Loja, 2020
MÉTODOS DE INFERENCIA
ESTADÍSTICA PARAMÉTRICA:
CONTENIDOS
❖ COMPARACIÓN DE PROPORCIONES
❖ PRUEBA DE Z
PRUEBA Z
COMPARACIÓN DE PROMEDIOS:
PRUEBA “Z” O PUNTAJE “Z”
Prueba Z

Es una técnica para la prueba de hipótesis

Objetivo: Saber si hay una diferencia entre las
medias de 2 grupos
Se puede utilizar para:

◦ Variables Continuas: Utilizar fórmula de valores

absolutos
◦ Variables dicotómicas (nominales con 2 opciones):
Utilizar fórmula con porcentajes
RESULTADOS DE APRENDIZAJE
ARGUMENTA EL SIGNIFICADO, BONDADES Y
LIMITACIONES DE LA PRUEBA INFERENCIAL
“PUNTAJE Z”.
DISCRIMINA LAS INVESTIGACIONES EN QUE ES
APLICABLE LA PRUEBA “Z”.
ESTABLECE DIFERENCIAS SIGNIFICATIVAS DE
PROMEDIOS MEDIANTE LA PRUEBA “Z”.
REALIZA SIMULACIONES APLICANDO EL
PROGRAMA EXCEL.
PROBLEMA
Se cuenta con dos promedios de pesos, de hombres y mujeres,
obtenidos mediante muestra personas de una misma comunidad.

Las mediciones y cálculos iniciales determinan que el promedio de

peso de los hombres es mayor que el peso de las mujeres.
LA PREGUNTA ES:
¿Realmente, la diferencia del promedio de peso de los
hombres es mayor al de las mujeres?
O,
¿Se debe a la casualidad, a un error en la medición o,
simplemente al azar?
EJEMPLO

HOMBRES MUJERES
n 30 30
x 64,75 Kg 61,15 Kg
s 48.0875 34.8275
DE 6,93 Kg 5,9 Kg
FÓRMULA
APLICABLE

Z= Puntaje “Z”
X1 = Promedio del primer grupo
𝑿𝟏−𝑿𝟐 X2 = Promedio del segundo grupo
𝒁= DE1= Desviación estándar
𝑫𝑬𝟏 𝟐 𝑫𝑬𝟐 𝟐 obtenida en el primer grupo
+ DE2= Desviación estándar
𝒏𝟏 𝒏𝟐
obtenida en el segundo grupo
N1=Número de observaciones en el
primer grupo
N2=Número de observaciones en el
segundo grupo
 64,75 − 61,15 3,6
𝑍𝑐 = = =
6,932 + 5,92 1,66
30

𝑍𝑐 2,16 > 𝑍𝑡 1,96

SIMULACIÓN

Si en el ejemplo anterior aumentamos el tamaño de la

muestra, por ejemplo, 40 hombres y 40 mujeres, y, se
mantiene igual promedio e igual desviación estándar,
observamos que el valor del “puntaje Z” aumenta a 2,5
(>1,96); y, si se disminuye el número a 20 hombres y 20
mujeres, el puntaje Z, disminuye a 1,77 (< 1,96), en este caso
no es significativa.
¿Qué quiere decir?
Simplemente que con este número de muestra, la diferencia no
existe, ya que no es estadísticamente significativa.
ENTONCES: El tamaño de la muestra está unido a la
significación estadística
SIMULACIÓN

¿Qué sucede si la diferencia de los promedios es

mayor?
Evidentemente aumenta el valor del numerador y
el puntaje “Z” también aumenta, ya que las
diferencias son mayores.

ENTONCES: La magnitud de la diferencia de los

promedios está unido a la significación estadística
SIMULACIÓN

¿Qué sucede si se incrementa el valor de las

desviaciones estándar?
Efectivamente, las desviaciones estándar evidencian
la homogeneidad o heterogeneidad de las muestras;
si es mayor, obviamente el puntaje “Z” será menor; y,
si son más homogéneas, el puntaje será mayor.

ENTONCES: El tamaño de las desviaciones

estándar está unido a la significación estadística
PARA QUE SE EMPLEA LA PRUEBA Z

SIRVE PARA ESTABLECER SI EXISTE O NO DIFERENCIA

SIGNIFICATIVA ENTRE DOS MEDICIONES (PROMEDIOS)
SE CALCULA CON UN NIVEL DE SIGNIFICANCIA DE 0,05
(5%), O SEA 1,96 (2 DESVÍOS).
SI EL VALOR OBTENIDO ES IGUAL O MAYOR A 1,96 SE
ACEPTA LA HIPÓTESIS QUE EL PROMEDIO DE PESO DE LOS
VARONES ES MAYOR QUE EL DE LAS MUJERES;
ENTONCES, SE PUEDE CONCLUIR QUE LA DIFERENCIA ES
ESTADÍSTICAMENTE SIGNIFICATIVA CON 95% DE
CONFIANZA (P<0,05): Z > 1,96
 EVALUACIÓN DEL ESTRÉS ACADÉMICO DE LOS
ESTUDIANTES DE LA CARRERA DE LABORATORIO
CLÍNICO DE LA UNL. 2014
AUTORREPO
MÓDULO PROMEDIO SALUD SANCHEZ
RTE BIEP-S
/n S / DE GENERAL CASANOVA
VIVENCIAL
X (*) 51,72 74,50 7,67 22,06
I = 18
DE (**) 8,47 24,81 4,52 6,71
X 55,91 73,21 9,61 18,70
IV = 33
DE 8,91 23,13 6,31 4,83
X 51,33 79,00 7,29 21,95
VI = 55
DE 8,13 19,26 5,35 3,81
X 53,43 82,89 8,54 21,82
VIII = 28
DE 7,86 20,32 5,98 4,06
(*) Promedio
(**) Desviación estándar
FUENTE: Reyes C. Patricia F., Prevalencia y Estrés Académico en los estudiantes de la Carrera
de Laboratorio Clínico de la Universidad Nacional de Loja, Tesis doctoral, 2014
ELABORACIÓN: Autor
Significancia Estadística y Prueba
Z en SPSS
Descriptive Statistics
To obtain basic descriptive statistics, go to the Analyze menu, choose
Descriptive Statistics, then Descriptives. Move the variable(s) for which you
would like descriptives into the Variables box. Under the Options button, check
off all the descriptives you would like.
SPSS Output
Following is an example of descriptives for the Rosenberg Self-Esteem Score.
Z-Scores
To obtain Z-scores, go to the Analyze menu, choose Descriptive Statistics,
then Descriptives. Move the variable(s) for which you would like to create Z-
scores into the Variables box. In the example below, we used the variable
called "rosen." Before you click OK, be sure that the box marked "Save
Standardized Values as Variables" is checked.

12 - 14/03/2018 JREYESJ 19
¿Qué es un valor Z?
El valor Z es un estadístico de prueba para las pruebas Z que mide la diferencia entre
un estadístico observado y su parámetro hipotético de población en unidades de la
desviación estándar. Por ejemplo, un conjunto de moldes de fábrica tiene una
profundidad media de 10 cm y una desviación estándar de 1 cm. Un molde con una
profundidad de 12 cm tiene un valor Z de 2, porque su profundidad es dos
desviaciones estándar mayor que la media. La línea vertical representa esta
observación y su ubicación con respecto a toda la población:

12 - 14/03/2018 JREYESJ 20
¿Qué es un valor Z?
La conversión de una observación a un valor Z se denomina estandarización. Para
estandarizar una observación de una población, reste la media de población a la
observación de interés y divida el resultado entre la desviación estándar de la
población. El resultado de estos cálculos es el valor Z asociado con la observación de
interés.

Puede utilizar el valor Z para determinar si puede rechazar la hipótesis nula. Para
determinar si puede rechazar la hipótesis nula, compare el valor Z con su valor crítico,
que se puede encontrar en una tabla normal estándar en la mayoría de los libros de
estadística. El valor crítico es Z1-α/2 para una prueba bilateral y Z1-α para una prueba
unilateral. Si el valor absoluto del valor Z es mayor que el valor crítico, usted rechaza
la hipótesis nula. De lo contrario, no puede rechazar la hipótesis nula.

Por ejemplo, usted desea saber si un segundo grupo de moldes también tiene una
profundidad media de 10 cm. Usted mide la profundidad de cada molde en el segundo
grupo y calcula la profundidad media del grupo. Una prueba Z de 1 muestra calcula un
valor Z de −1.03. Usted elige un nivel de significancia (α) de 0.05, lo que da como
resultado un valor crítico de 1.96. Puesto que el valor absoluto del valor Z es menor
que 1.96, usted no puede rechazar la hipótesis nula y no puede concluir que la
profundidad media de los moldes es diferente de 10 cm.

12 - 14/03/2018 JREYESJ 21
¿Qué son los grados de libertad?
Los grados de libertad (GL) son la cantidad de información suministrada por los datos
que usted puede "gastar" para estimar los valores de parámetros de población
desconocidos y calcular la variabilidad de esas estimaciones. Este valor se determina
según el número de observaciones de la muestra y el número de parámetros del
modelo.

Si incrementa el tamaño de la muestra, obtendrá más información sobre la población

y, por consiguiente, los grados de libertad de los datos aumentarán. Si agrega
parámetros al modelo (por ejemplo, aumentando el número de términos en una
ecuación de regresión), "gastará" información de los datos y reducirá los grados de
libertad disponibles para estimar la variabilidad de las estimaciones de parámetros.

Los grados de libertad también se utilizan para caracterizar una distribución

específica. Muchas familias de distribuciones, como t, F o chi-cuadrada, utilizan los
grados de libertad para especificar cuál distribución t, F o chi-cuadrada específica es
apropiada para diferentes tamaños de muestra y diferentes números de parámetros
del modelo. Por ejemplo, la siguiente figura muestra las diferencias entre
distribuciones de chi-cuadrada con diferentes grados de libertad.

12 - 14/03/2018 JREYESJ 22
Distribuciones de chi-cuadrada con diferentes grados de libertad
La distribución de la línea de trazo continuo tiene 3 grados de libertad. La
distribución de la línea de trazo interrumpido tiene 15 grados de libertad.
Ejemplos
Por ejemplo, la prueba t de 1 muestra solo estima un parámetro: la media de la
población. El tamaño de la muestra de n constituye n informaciones para estimar la
media de la población y su variabilidad. Un grado de libertad se gasta al estimar la
media y los n-1 grados de libertad restantes estiman la variabilidad. Por lo tanto, un
prueba t de 1 muestra utiliza una distribución t con n-1 grados de libertad.
Por el contrario, la regresión lineal múltiple debe estimar un parámetro para cada
término que usted decida incluir en el modelo, y cada uno consume un grado de
libertad. Por lo tanto, si se incluye un número excesivo de términos en un modelo
de regresión lineal múltiple, se reducen los grados de libertad disponibles para
estimar las variabilidad de los parámetros y la misma puede ser menos fiable.

12 - 14/03/2018 JREYESJ 23