TAREA 2 DE BIOESTADÍSTICA – BIOMÉDICAS

SEGUNDO BIMESTRE (2021-2022)

Integrantes: Tomas Sarango, Katherine Alvarado

1. (Regresión. Tomado de Riuz & Barón-López 2005)

NOTA:

NOTA: Adicional, hacer un test de correlación y grafique la regresión.

1. Comprobar la idoneidad del modelo lineal de la regresión

> summary(modelo)

Call: lm(formula = y ~ x)

Residuals:

Min 1Q Median 3Q Max

-18.174 -6.032 -1.148 5.115 15.606

Coefficients:

Estimate Std. Error t value Pr(>|t|)

(Intercept) 3.8657 8.0143 0.482 0.64248

x 0.4816 0.1096 4.393 0.00231 **

---

Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 10.82 on 8 degrees of freedom

Multiple R-squared: 0.7069, Adjusted R-squared: 0.6703

F-statistic: 19.3 on 1 and 8 DF, p-value: 0.002309

Conclusión . Es de buena calidad porque el p-valor de la pendiente es significativo 0.00231 **.

Adjusted R-squared: 0.6703, por lo cual existe el 67 % de la variabilidad se explica por el modelo de
regresión.

2. Obtener la recta de la regresión, si el modelo lineal es adecuado

 3. Predecir el porcentaje de hierro absorbido por individuo cuyo sistema corporal absorbe el
15 % de plomo ingerido

4.16 + (0.48*15)

[1] 11.36

2. (Prueba de proporciones) Adicional construir una gráfica

a) Literal
> 62/100
[1] 0.62
> 43/100
[1] 0.43
b) Literal
c) > fisher.test(M)

Fisher's Exact Test for Count Data

data: M
p-value = 0.01063
alternative hypothesis: true odds ratio is not equal to 1
95 percent confidence interval:
1.182911 3.961494
sample estimates:
odds ratio
2.154264

Conclusión: Se rechaza la Ho si hay diferencia

3. (Prueba de proporciones) Utilizando la tabla “carcinoma”, cree la variable time.cat categorizando la
variable TIME (tiempo de sobrevivencia) en tres clases: 0-500, 500-1000 y >1000. Luego analice si hay
relación significativa entre time.cat y el grado del carcinoma (GRADE). Utilice un nivel del 5%.
Graficar.

time.cat 1 2 3 9

(0,500] 28 61 17 1

(500,1e+03] 12 37 10 0

(1e+03,Inf] 9 12 8 0

> chisq.test(t)

Pearson's Chi-squared test

data: t

X-squared = 5.18, df = 6, p-value = 0.5209

Conclusión: No se rechaza la hipótesis nula p<0.05

Gráfica