Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Compara 2 variables q en general son numéricas continuas, pone una variable Respuesta: es dicotómica, porque puede ser o no distinta.
numérica continua y la pone en función de otra. Ej: que tiene q ver le peso con
NO es distinta: H 0: hipótesis nula
la altura, o la temperatura con la presión arterial. Para ver si hay algún tipo
de relación. Si hay asociación nos va a dar una función lineal, una recta. SI es distinta H 1 o H a: hipótesis alternativa
Comparando los grupos puedo saber cuando van a dar igual y cuando no lo media. Cuanto esta alejada la media del grupo experimental de la media del
va a hacer. grupo control en desvíos.
TEST Z Grupo B PLACEBO
Grupo A
Al grupo A lo someto a la crema y el de control a agua x ejemplo. Al mismo EXPERIMENTAL o CONTROL
tiempo x un periodo determinado. Sin informarles que producto recibieron.
Cuento las arrugas, las anoto, les saco el desvío y tengo el intervalo de
confianza para ese grupo.
𝑋̅ 𝐴 − 𝑋̅ 𝐵 -4 -2 0 2 4 -4 -2 0 2 4
𝒵=
2 2
√(𝐸𝑠𝐴 ) + (𝐸𝑠𝐵 )
NO Hipótesis nativa o nula.
𝑋̅ 𝐴 − 𝑋̅ 𝐵 𝐻0 = 𝑋 ̅𝐴 = 𝑋 ̅𝐵
𝒵=
𝑆𝐷𝐴 2 𝑆𝐷 2
SI Hipótesis alternativa, si me hubiera dado valores distintos x debajo de -2 o
√( ) + ( 𝐵) mayores a 2
√𝑛𝐴 √𝑛𝐵
̅𝐴 ≠ 𝑋
𝐻0 = 𝑋 ̅𝐵
𝑋̅ 𝐴 − 𝑋̅ 𝐵
𝒵=
2 2
√𝑆𝐷𝐴 + 𝑆𝐷𝐴
𝑁𝐴 𝑁𝐴
Hay que tomarle valores antes de hacerle algo y después de hacerle algo. 𝑑̅ = 40,8
𝐝̅
La fórmula es la media aritmética de la diferencia sobre el error estándar de la 𝐭=
diferencia. 𝐄𝐒𝐃 𝐝
𝟒𝟎, 𝟖
𝐝̅ 𝐭=
𝐭= 𝐄𝐒𝐃 𝐝
𝐄𝐒𝐃 𝐝
SD
ESD =
√𝑛 n=5 0,05
Ejemplo: ¿la frecuencia cardiaca aumenta con el ejercicio? Normal
0,01
0,001
H0 = No aumenta
Ha = Si Aumenta -4 -2 0 2 4
2.776 4.604 8.610
Después Antes Los valores se buscan en la tabla de T, luego de buscar los grados de libertad
Ejercicio Reposo Diferencia
108 68 40 𝐠𝐋 = 𝐧 − 𝟏
110 77 33
122 82 40 n 0.05 0.01 0.001
130 90 40 4 2.776 4.604 8.610
130 79 51 Esos valores los comparo con el valor de t hallado
204 Terminar de resolver
TABLA JI CUADRADA / CHI CUADRADA /X2
Grados de 0.1 0.05 0.025 0.01 0.005
libertad
1 2.71 3.84 5.02 6.63 7.88
2 4.61 5.99 7.38 9.21 10.60
3 6.25 7.81 9.35 11.34 12.84
4 7.78 9.49 11.14 13.28 14.86
5 9.24 11.07 12.83 15.09 16.75
6 10.64 12.59 14.45 16.81 18.55
7 12.02 14.07 16.01 18.48 20.28
8 13.36 15.51 17.53 20.09 21.95
9 14.68 16.92 19.02 21.67 23.59
10 15.99 18.31 20.48 23.21 25.19
11 17.28 19.68 21.92 24.73 26.76
12 18.55 21.03 23.34 26.22 28.30
13 19.81 22.36 24.74 27.69 29.82
14 21.06 23.68 26.12 29.14 31.32
15 22.31 25.00 27.49 30.58 32.80
16 23.54 26.30 28.85 32.00 34.27
17 24.77 27.59 30.19 33.41 35.72
18 25.99 28.87 31.53 34.81 37.16
19 27.20 30.14 32.85 36.19 38.58
20 28.41 31.41 34.17 37.57 40.00
21 29.62 32.67 35.48 38.93 41.40
22 30.81 33.92 36.78 40.29 42.80
23 32.01 35.17 38.08 41.64 44.18
24 33.20 36.42 39.36 42.98 45.56
25 34.38 37.65 40.65 44.31 46.93
26 35.56 38.89 41.92 45.64 48.29
27 36.74 40.11 43.19 46.96 49.65
28 37.92 41.34 44.46 48.28 50.99
29 39.09 42.56 45.72 49.59 52.34
30 40.26 43.77 46.98 50.89 53.67
40 51.81 55.76 59.34 63.69 66.77
50 63.17 67.50 71.42 76.15 79.49
60 74.40 79.08 83.30 88.38 91.95
70 85.53 90.53 95.02 100.43 104.21
80 96.58 101.88 106.63 112.33 116.32
90 107.57 113.15 118.14 124.12 128.30
100 118.50 124.34 129.56 135.81 140.17
TEST de C H I 2 o J i2 Tabla de contingencia de 2 x 2
CHI CUADRADO Ejemplo prueba de antibióticos
Compara frecuencias de los datos, observadas, esperadas y aparecen las Mejoraron No mejoraron Total
tablas de contingencia. pacientes
Vincula frecuencias de aparición de datos, A 36 𝑓0 9 𝑓0 45 Marginal
45𝑥109 45𝑥29
𝑓𝑒 = = 35,54 𝑓𝑒 = = 9,456
Sumatoria de las frecuencias observadas, menos las frecuencias esperadas, esa 138 138
diferencia al cuadrado y luego dividirlas x la frecuencia esperada. B 73 𝑓0 20 𝑓0 93 Marginal
93𝑥109 93𝑥29
𝑓𝑒 = = 73,456 𝑓𝑒 = = 19,543
138 138
109 29 138 Total
(𝒇𝟎 − 𝒇𝒆)𝟐
𝛘𝟐 = ∑ general
𝒇𝒆
Marginal Marginal
Ejemplo de Laplace: para calcular probabilidad
Si tiro 6 veces un dado, Probabilidad de sacar si se cumple a raja tabla seria Los subtotales se llaman marginales.
así. Probabilidad teórica vs probabilidad experimental
Observar que la tabla tiene sumatorias, con lo cual si faltan datos podría
Teórica Experimentación calcularlos.
1 1 2 0
2 1 2 1 ¿Hay diferencia de aparición de datos entre los antibióticos probados A y B?
3 1 2 2 FRECUENCIA ESPERADA: se calcula como el producto de los marginales, dividido
4 1 2 0 el total general.
5 1 2 2
6 1 2 7 Cuando tengo las 2 frecuencias voy a la formula. Y después sumo todo y eso
6 tiros 12 tiros 12 tiros será el Chi cuadrado.
(𝑓0 − 𝑓𝑒)2
χ2 = ∑ +
𝑓𝑒
En la tabla se demuestra que se va mucho lo observado, que es lo experimental,
de lo esperado, que es lo teórico, y que podría haber una causa x lo cual el 6 se (𝑓0 − 𝑓𝑒)2
∑
aleja tanto de lo esperado en teoría. 𝑓𝑒
Grados de libertad para chi cuadrado CORRELACIÓN Y REGRESIÓN
𝐠𝐋 = (𝐍°𝐟𝐢𝐥𝐚 − 𝟏)𝒙(𝐍°𝐜𝐨𝐥 − 𝟏) Compara 2 variables q en general son numéricas continuas, pone una variable
numérica continua y la pone en función de otra. Ej: que tiene q ver le peso con
gL = (2 − 1)𝑥(2 − 1) la altura, o la temperatura con la presión arterial. Para ver si hay algún tipo
gL = 1𝑥1 de relación. Si hay asociación nos va a dar una función lineal, una recta.
gL = 1 buscar en la tabla para ver si hay diferencia significativa Vincula 2 variables que en general son cuantitativas continuas. Cada una
puede estar en un eje determinado. X, Y. Ej: peso, altura, presión, temperatura.
Grados de libertad 0.05 0.01 0.005
Que tiene que ver la presión con la altura: tomo un paciente mido la altura y
1 3.84 6.63 7.88 le mido la presión
Diagrama de dispersión
Y Pr Valores Y
142
140
138
136
134
132
130
128
0 0,5 1 1,5 2 2,5
X
Buscar el grado de asociación que pueden tener, la idea es buscar una función Suponiendo que tomamos los otros datos y nos da una recta
lineal,
Valores Y
Función lineal: necesito 2 puntos y ahí trazo una recta. Tengo la pendiente y
5
la ordenada al origen.
4,5
𝒚 = 𝒂𝒙 + 𝒃 4
3,5
a= 3
2,5
𝒏 ∑ 𝒙𝒚 − ∑𝒙∑𝒚 2
𝒂=
𝒏 ∑𝒙 𝟐 − (∑𝒙)𝟐 1,5
1
∑𝒚 − 𝒂∑𝒙 0,5
𝒃= 0
𝒏 0 1 2 3 4 5
De acuerdo a los valores encontrados puedo tener una recta de regresión, y en
la recta pueden pasar varias cosas. Si me da así y hago mi formula de correlación me voy a dar cuenta que el valor
Índice de correlación de Spearman que toma va a ser 1, porque la asociación de variables diría que es perfecta. Y
al ser perfecta dan todos los valores dentro de esa recta.
Este índice puede dar entre cero y 1. Y también puede ser entre cero y -1
-1 o 1, porque puede ser que la recta sea descendente o ascendente. Entonces si
̅) (𝒚 − 𝒚
∑(𝒙 − 𝒙 ̅)
𝚪= es una recta ascendente según el índice de spearman los valores estarán entre 0
̅)𝟐 √(𝒚 − 𝒚
√(𝒙 − 𝒙 ̅)𝟐 y 1, descendente entre -1 y 0.
Va a ser 1 cuando esos puntos me den dentro de esa recta.
Puntos fuera de la recta no coinciden, están mas dispersos de ese valor, al haber 𝑍 = Γ𝑥√𝑛
un poco más de dispersión los valores ya no son 1, pueden ser 0,98; 0,95; 0,96 y
Esta formula da la cantidad de desvíos y puedo averiguar si está muy lejos de
esos valores van bajando a medida que se encuentren mas dispersos a la recta
la normalidad. Si tomamos z y tiene mas de 3 desvíos el grado de significación
que encontré.
altamente significativo, etc. cuando hay un grado de significación muy
5 marcado el Z es cada vez más lejano.
4
Si hay mucha asociación significa que es probable que eso se halla dado por
3 una causa, hay grandes probabilidades de que se alago con mucha asociación,
2 mucha asociación de esa variable, pero no se está demostrando con esto. Si los
1
puntos se dispersan Z disminuye. Va a tender a ser cero, el valor de “r” va a
tender a ser cero. No hay asociación de variables o es muy poquita.
0
0 1 2 3 4 5
Entonces va a tener a ser cero cuando no pueda encontrar en mis valores una
recta. Va a haber un cumulo de puntos.
Apunte de Sade, hay una parte donde muestra las asociaciones: perfectas, muy
buenas, buenas, regulares, malas. Malas: como que no hay asociación de
variables.
Asociación perfecta: línea de puntos dentro de la recta
Suponiendo que da en la recta o no, a medida que aumenta la variable altura,
la presión también aumenta. Cuando una variable es proporcional a la otra se
demuestra q hay asociación de variables muy marcada, el índice de spearman
va a tener a ser 1, pero no se esta demostrando CAUSALIDAD. Lo q se esta
diciendo es que es ASOCIACIÓN, q puede ser en mayor o menor medida ese
grado de asociación. No puedo decir que la presión es mas alta porque el
individuo es más alto, NO se demuestra CAUSA, se demuestra la asociación que
hay.