Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Ejemplo de la normal estándar (ver clase de ayudantía) encuentra entre ≈ III. '
desu .
80+24=104
transformación |
|
80-24=54
=
𝑧 = 𝑥 − 𝜇/ 𝜎
:
* ± nae
l 80+-12=92
La nueva variable aleatoria 𝑍 tendrá distribución 𝑍~𝑁 0,1 . /
l
8o ± 12
=
68 .
i I
Este valor z se conoce como z-score. En el área de la salud es
,
,
,
arterial en niños.
564-@0ari-.w 104
• ¿Cuál es la probabilidad de que un sujeto seleccionado al azar
Se calcula para cada edad tenga PAD inferior a 90? pcxcaol
PAY <
90-100-2 )
=
Ejemplo 1: Se generan 300 datos tal que 𝑋 = 𝑃𝑒𝑠𝑜 ~ 𝑁(65, 25) ↳ Plz <
¥2 0/(0/83) → ahora se
4%+9%2+0.7967
=
E
• Se dice que un sujeto es hipertenso si su PAD≥90, ¿cuál es la
pz :X
probabilidad de que un sujeto seleccionado al azar sea
hipertenso? Px : dentro
tabla
de la
.
PAD
• ¿Cuál es el valor de la presión arterial a partir del cual se
encuentra el 10% de los casos más severos (más altos)?
PCXLK) 0.90
=
-0¥ )
PIZLK = 09
Propio peso restar 65 (media de la distribución)
Ahora la media está en 0
Y se divide por la variación estándar va a quedar mas chica la
1
K .
despejar
variabilidad R = 95,36
de PAD
Peso-65/5 ¥280 =
428 →
j.is?Iaoiiw
Inferencia
Estimación e Intervalos de Confianza
Bioestadística
Paola Viviani
Angélica Domínguez facultadmedicina.uc.cl
Tabla de Contenidos
1. Estimación puntual
2. Intervalos de confianza.
facultadmedicina.uc.cl 3
Introducción
Muestra
Población
facultadmedicina.uc.cl 4
Introducción
2 Varones poblacional
s varianza 2→ + = d. E
'Ü⊕
@ → pavoumetr p̂
→ proporción
nuestra p proporción Población
poblacional poblacional
Muestra h :
facultadmedicina.uc.cl 5
Introducción
• Estimación Puntual
[0ns:
• Estimación Intervalar-
• Contraste de Hipótesis
facultadmedicina.uc.cl 6
Estimación Puntual
facultadmedicina.uc.cl
7
Estimación Puntual
facultadmedicina.uc.cl
8
Estimación Puntual
facultadmedicina.uc.cl
9
Estimación Puntual
facultadmedicina.uc.cl
10
Estimación Puntual
facultadmedicina.uc.cl
11
Estimación Puntual
facultadmedicina.uc.cl
12
Estimación Puntual
facultadmedicina.uc.cl
13
Estimación Puntual
facultadmedicina.uc.cl
14
Estimación Puntual
facultadmedicina.uc.cl
15
Intervalos de Confianza
facultadmedicina.uc.cl
16
Intervalos de Confianza
la significancia
facultadmedicina.uc.cl
17
Intervalos de Confianza
Msp :(proporción
porcentaje) Intervalos de Confianza
o
"
!:*
entero .am
:
/
facultadmedicina.uc.cl
Beneficios nutricionales y metabólicos asociados con la actividad y el transporte público: resultados de la Encuesta
Nacional de Salud 2016-2017. Passi et al. (2020)
✗~ NI u, ) → INN ( Mi
si ✗ diestoibuye normal entonces
no
.
t.ae
Intervalos de Confianza para µ 642-41.961=0.95
tiro
sENNlui_ jInTR.MhTC.EBoodG@Ptl.G
-
Ü
↓
Espí Nloit 2-
↳ consumo en
las-4M¥.IS
𝑥ҧ − 𝜇
𝑍= ∼ Normal(0,1)
𝑠/ 𝑛
facultadmedicina.uc.cl 20
?⃝
Intervalos de Confianza para µ
- .
Despejando : ↓ 𝑠 𝑠
𝑥ҧ − 1,96 ∗ ≤ 𝜇 ≤ 𝑥ҧ + 1,96 ∗
𝑛 𝑛
E- 1.96
.
551A <
M< I + 1.96 VA
El resultado, es un intervalo de confianza al 95% para la media
cuando la variable 𝑋 es Normal, con 𝑛 > 30 y 2 desconocido.
facultadmedicina.uc.cl 21
Intervalos de Confianza para µ
facultadmedicina.uc.cl
üú . Intervalos de Confianza para µ
' ¥2 E. ✗ +
ÍᵗZt%'s
En general, para cualquier α tenemos que:
𝑥ҧ − 𝜇
P 𝑧𝛼 ≤ ≤ 𝑧1−𝛼 = 1 − 𝛼
2 𝑠/ 𝑛 2
Despejando
𝑠 𝑠
P 𝑥ҧ − 𝑧1−𝛼 ⋅ ≤ 𝜇 ≤ 𝑥ҧ + 𝑧1−𝛼 ⋅ =1−𝛼
2 𝑛 2 𝑛
𝑠
𝜇 ∈ 𝑥ҧ ± 𝑧1−𝛼 ⋅
2 𝑛
facultadmedicina.uc.cl 23
?⃝
Intervalos de Confianza para µ
Ejercicio 1
La detección a tiempo del retraso cognitivo severo en niños que nacen
muy prematuro es crucial, ya que determina su capacidad cognitiva en el
futuro. La prueba de Lenguaje BSDI (Bayley scale of infant development)
es una prueba que se aplica a niños de 2 a 8 años, y que tiene por objetivo
medir el grado de capacidad cognitiva del niño. Se sabe que los puntajes
de esta prueba siguen una distribución Normal.
Solución:
Es decir, 𝟗𝟓, 𝟔 < < 𝟏𝟎𝟒, 𝟒. Luego, el puntaje medio poblacional (de
niños de 2 a 8 años nacidos muy prematuros) se estima entre 95,6 y 104,4
puntos con una confianza de 95%.
Para construir el intervalo con confianza 99%, se debe usar z=2.575 en vez
de z=1.96. Luego, el intervalo es:
100 − 2,575 ∗ 15/ 45 < < 100 + 2,575 ∗ 15/ 45
𝑥−𝜇
𝑇= ∼ t − Student(𝑛 − 1)
𝑠/ 𝑛
facultadmedicina.uc.cl
Intervalos de Confianza para µ
facultadmedicina.uc.cl
Intervalos de Confianza para µ
𝑥−𝜇
P 𝑡𝛼,(𝑛−1) ≤ ≤ 𝑡1−𝛼,(𝑛−1) = 1 − 𝛼
2 𝑆/ 𝑛 2
s s
X − t0.975,( n−1) X + t0.975,( n−1)
n n
facultadmedicina.uc.cl
Tabla
t-Student
facultadmedicina.uc.cl
Intervalos de Confianza para µ
Ejercicio 2
Desarrolle el mismo Ejercicio anterior, pero suponga ahora que el
investigador aplica esta prueba a un grupo de 25 niños/as nacidos muy
prematuros y obtiene un puntaje promedio de 100 y d.e. de 15.
Solución:
T con n-1=24 g.l.
Para una confianza de 95% se tiene que t=2,064.
Para una confianza de 90% se tiene que t=1,711.
facultadmedicina.uc.cl
Intervalos de Confianza para µ
facultadmedicina.uc.cl
Intervalos de Confianza para µ
Posibles caminos:
(ii) No hacer IC para . Muy usado para n chico (en ese caso se
hacen IC para la mediana, por ejemplo, o no se hacen IC).
facultadmedicina.uc.cl
Intervalos de Confianza para µ
Resumen:
Sea X una variable aleatoria continua. Se tienen observaciones
𝑥1 , … , 𝑥𝑛 de esa variable aleatoria.
facultadmedicina.uc.cl
Población
Intervalo de Confianza para 𝒑
𝑝(1 − 𝑝)
𝑝~Normal
Ƹ 𝑝,
𝑛
Donde se estima
𝑝(1 − 𝑝) 𝑝(1
Ƹ − 𝑝)Ƹ
=
𝑛 𝑛
facultadmedicina.uc.cl 35
Intervalo de Confianza para 𝒑
𝑝 ∈ 𝑝Ƹ ± 𝑧1−𝛼 ⋅ 𝑝Ƹ ⋅ (1 − 𝑝)/𝑛
Ƹ
2
facultadmedicina.uc.cl 36
Intervalo de Confianza para 𝒑
𝑝Ƹ ⋅ 1 − 𝑝Ƹ 𝑝Ƹ ⋅ (1 − 𝑝)Ƹ
𝑝Ƹ − 1,96 ⋅ ≤ 𝑝 ≤ 𝑝Ƹ + 1,96 ⋅
𝑛 𝑛
facultadmedicina.uc.cl
37
Intervalo de Confianza para 𝒑
Ejercicio 5.
La Encuesta Nacional de Salud 2009-2010 arrojó que 237
personas de 65 o más años padecía de cataratas de un total de
998 personas muestreadas en ese grupo etario. Construya un
intervalo de confianza para la verdadera proporción 𝑝.
facultadmedicina.uc.cl
Intervalo de Confianza para 𝒑
facultadmedicina.uc.cl
facultadmedicina.uc.cl
clase 1
Probabilidades
Distribución Normal
Bioestadística
Paola Viviani
Angélica Domínguez facultadmedicina.uc.cl
Tabla de Contenidos
1. Distribución Normal
2. Distribución Normal Estándar
3. Propiedades
4. Ejercicios
facultadmedicina.uc.cl
Distribución Normal n
[Normal distribution]
La principal distribución en estadística es la llamada distribución
Normal, distribución de Gauss o distribución Gaussiana. Su
importancia radica en que: normal
comportandistribución
q
'
se
como
simetría
media
y
esto es
→
facultadmedicina.uc.cl
Distribución
Distrito uci Normal
flx)
Cualquier función que tenga .
de d. estándar)
Ian2a ( Zble
día
¥91
la define media y
distribuye Normal
una una varianza
variaba ✗ , y
2 normal
✗distribuye normalµ →
de distrito
N para metros
.
~
✗
↳
E. Él ¥5
=
=
facultadmedicina.uc.cl
?⃝
La media es la 9-
'
ubica a la distribución .
Distribución Normal
pero la
aquí cambia Sigman es la misma
media
-
media ubica a la
distribución .
facultadmedicina.uc.cl
Distribución Normal
;ü
µ
.
, an me
,¡ ay , ua,
¡ ama ,
¿
ama
mama
tiene la particularidad de
la
2 #Inviable aleatoria pero pertenecera
normal stand ar
↓
¡
^
'
p r o b . a e ? m e I i z . - fa D = - P l z s - 2
)
facultadmedicina.uc.cl
Distribución Normal Estándar
esto produce
un efecto espejo .
lo
q piden
'
Dibujar
Zp)
ü
ÁL
• 𝑃 𝑋 ≤ 𝑧𝑝 = 1 − 𝑃 𝑋 < −𝑧𝑝 o equivalentemente
=
- Z
Φ 𝑧𝑝 = 1 − Φ −𝑧𝑝
facultadmedicina.uc.cl
Distribución Normal Estándar
qirJi jYvY_vdecimawalorz.LEo3@lt.i
¿ Que valor z a comerla al 84T .
facultadmedicina.uc.cl
Distribución Normal Estándar
encuentra ≈ en
se
facultadmedicina.uc.cl
Distribución Normal Estándar
facultadmedicina.uc.cl
cualquier variable normal puede pasar
estándar si le Resto la media
a ser una ,
yo
Y divido la desviación estándar .
por
Peso -65 =
algunos pueden quedar con A
con _
o A -1
30
todas las distancias ql
tendrian que sumar
generamos
O
20
.
estos deltas
la nueva variable de
la misma pero
10 tienen ,
central O .
media
achica la variabilidad
Peso
se
.
facultadmedicina.uc.cl
Estandarizar :
restar la media
y ,
la desviación
dividir ✗
estornudar
40
30
Frecuencia
Frecuencia
30
20
20
10
10
0 0
-13,5 -9,0 -4,5 0,0 4,5 9,0 13,5 -3 -2 -1 0 1 2
Peso - 65 (Peso-65)/5
facultadmedicina.uc.cl
Distribución Normal Estándar
facultadmedicina.uc.cl
Distribución Normal Estándar
facultadmedicina.uc.cl
Distribución Normal Estándar
facultadmedicina.uc.cl
Ejercicios
facultadmedicina.uc.cl
Ejercicios
facultadmedicina.uc.cl
Resumen
facultadmedicina.uc.cl
facultadmedicina.uc.cl
flasel
Probabilidades
Distribución del promedio bajo Normalidad
Teorema Central del Límite
Bioestadística
Paola Viviani
Angélica Domínguez facultadmedicina.uc.cl
Tabla de Contenidos
variabilidad muestral :
1. Variabilidad
facultadmedicina.uc.cl 3
Variabilidad
facultadmedicina.uc.cl 4
Variabilidad
64 66 46 71 65 73 61 70 27 80 52 61 39 76 49 63 72 62 62 53 86 69 60 66 70
75 58 90 73 85 75 44 74 52 80 50 65 45 78 84 59 40 57 67 48 54 74 54 44 65
64 76 73 50 59 54 74 60 42 74 83 60 83 73 60 67 70 44 52 68 76 69 63 86 62
84 65 41 73 57 73 69 91 70 47 54 29 51 55 68 47 59 73 63 61 59 43 58 65 48
73 59 63 66 48 60 55 62 55 63 75 80 67 92 63 63 72 95 61 61 86 60 63 58 46
79 75 93 45 72 60 78 72 47 65 77 57 50 64 33 52 63 69 51 53 54 45 71 45 39
63 73 75 49 61 41 70 72 43 64 69 43 63 57 53 62 61 71 59 45 79 70 63 51 51
71 42 45 71 62 38 79 50 50 49 54 67 65 49 67 85 84 52 42 68 49 56 69 66 63
76 44 72 65 64 49 60 71 61 71 59 59 62 58 73 57 67 77 66 56 48 61 49 51 75
51 50 73 78 58 76 53 71 44 53 70 74 72 66 25 56 65 67 88 63 60 68 69 68 63
49 63 68 62 71 67 60 80 63 30 81 81 39 81 57 49 62 61 49 52 70 68 59 64 72
51 63 59 67 33 62 61 63 51 45 56 43 49 79 52 70 56 67 48 53 86 65 53 46 73
65 38 40 80 63 57 67 42 57 71 46 58 92 53 51 55 88 58 61 52 58 49 67 53 56
68 76 81 65 50 79 42 81 47 79 46 77 69 62 50 51 50 82 57 82 61 56 66 68 39
facultadmedicina.uc.cl 5
Variabilidad
61,5 58,0 61,4 62,8 54,4 69,0 65,6 62,3 56,3 57,8
Promedio de los
10 casos del 65,8 59,6 65,4 74,4 64,7 60,8 69,3 56,8 58,6 63,1
recuadro
66,8 61,3 63,0 60,2 64,9 61,0 63,0 59,8 64,3 66,6
65,9 53,5 61,8 57,6 61,3 65,4 65,8 60,1 59,2 69,2
facultadmedicina.uc.cl 6
Variabilidad
"
?
esta
no
son
tabú
Representación gráfica: las queleyó y
75 Representati
mas
depende
vas
tamaño
del
muestra
70
65
Promedio
60
55
50
45
0 10 20 30 40
Muestras
40 Muestras de Tamaño 10
facultadmedicina.uc.cl 7
Variabilidad
Representación gráfica:
75
70
65
Promedio
60
55
50
45
0 10 20 30 40
Muestras
40 Muestras de Tamaño 30
facultadmedicina.uc.cl 8
Variabilidad
Representación gráfica:
75
70
65
Promedio
60
55
50
45
0 10 20 30 40
Muestras
40 Muestras de Tamaño 100
facultadmedicina.uc.cl 9
Variabilidad
facultadmedicina.uc.cl 10
Variabilidad
Desviación estándar
Se simboliza por la letra σ (población) o s (muestra) y se calcula
como la raíz de la varianza.
𝑛
1
𝑠= (𝑥𝑖 − 𝑥)ҧ 2
(𝑛 − 1)
𝑖=1
𝑠 = 194.2667 = 13.938
facultadmedicina.uc.cl
11
Variabilidad
como: variabilidad
>
estándar
n . el error de
datos
𝑠 los disminuye
la media
más chico
𝑆𝐸𝑀 = del tamaño .
Si n es
÷ :*:{ 𝑠 13.9
En la muestra de ejemplo: 𝑆𝐸𝑀 = = ≈ 4.4
𝑛 10
facultadmedicina.uc.cl 12
Variabilidad
una medida
interesa tener
variabilidad muestral
• de
:
'
Hand"
desviación
datos
:
cuantificar
^ de los
variabilidadestándar intentael promedio
variar
el error puede
cuanto
facultadmedicina.uc.cl 13
teorema: si lo>datos distribuyen normal ,
el promedio distribuye
normal .
Simulación µ d
Se generan 2000 datos con ~𝑁(18,9)
Histograma de Normal
Normal
1 60
Media 1 7,93
Desv.Est. 3,053
1 40 N 2000
1 20
• al
•
• ? 1 00
Frecuencia
•¥
de
promedio
•
•
80
esperaría al
° un
° g, saco
"
60
muestra ,
torno
esta en
mete
40 que
18
si la poblacion de origen
.
20
0
9 12 15 18 21 24 27
Normal
facultadmedicina.uc.cl 14
Distribución del promedio bajo normalidad
Forma
parecida
pero
esuu
Histograma de las tiene
la
una
origfnalpnaj varias
Histograma de Media
Normal
medias obtenidas Mucho
of
a
10 Media 1 7,88
Desv.Est. 0,4087
de 40 muestras. N 40
8
la variabilidad es mucho
menor que los datos originales
Frecuencia
\
4
0
1 7,2 1 7,6 1 8,0 1 8,4 1 8,8 O
Media
TME.io
:
Bob
facultadmedicina.uc.cl 16
Distribución del promedio bajo normalidad
q¡ÜIm%TÑÍ
el
ÜÍÍ
"
pasa
promedio
.
Esto
→
" el
en
se
" una
población disminuye normal con una media y unavarianza
el Promedio distribuye
gym y (µ
" " "" como nana,
(µ , → ,
Sea 𝑋 es una v.a. que toma valores 𝑥1, 𝑥2, … , 𝑥𝑛, donde cada
18,32)
↳I~NH8í% m
2 1 𝑛
𝑥𝑖 ~ 𝑁(𝜇, 𝜎 ) y 𝑥ҧ = σ𝑖=1 𝑥𝑖 , entonces: kN /
𝑛
2 𝑋−𝜇 ത
ത 𝜎 Τ
𝑋 ~ 𝑁(𝜇, 𝑛) o equivalentemente, 𝜎 ~𝑁(0,1)
𝑛
facultadmedicina.uc.cl 17
?⃝
Distribución del promedio bajo normalidad
Ejemplo 2.
^ᵗª"""""""""÷
=L pl -2<345
✗"
-
= 1- PLZCZ
-0.9772=0.0228
215%-0.028 =p
.
PIINOD 1- PIXLOII
X~NK.it#)--EEiE:IPlIk91--PlZl9o-G-g )
-
-
=P/ZLG/ tienen.
'
≤ 1-1=0
I
I
5
.
I
6 ¥ facultadmedicina.uc.cl 18
Teorema Central del Límite (TCL) tamaño muestra
n = .
Entonces: %
𝜎2
ത
𝑋~𝑁 𝜇, cuando 𝑛 → ∞
𝑛
n > 30
facultadmedicina.uc.cl 19
Teorema Central del Límite (TCL)
𝑋ത − 𝜇
𝜎 ~𝑁(0,1)
𝑛
facultadmedicina.uc.cl 20
Teorema Central del Límite (TCL)
Frecuencia
2000
1 500
la distribución no es normal .
1 000
500
•
0
si la nuestra fuera
muy pequeno puede ,
salir 0 16 32 48 64 80 96 112
cualquier cosa .
Edad
facultadmedicina.uc.cl 21
Teorema Central del Límite (TCL)
Ejemplo 3b.
superior a 28?una
su
poblacion que
distribución .
no conozco
es
ya
pequeña
Ya que
hombres ,
distribuir normal . 𝑛 espero que me salgan mias
cercanas a 0.46 .
facultadmedicina.uc.cl 24
Distribución de una Proporción 𝒑
F- de
De una población de 3000 personas, donde el 60% son hombres,
se toman 80 muestras de tamaño 100, y en cada una se observa
la proporción de hombres obtenida.
Histogram of P Estimado
Normal
18
16
14
Mean
StDev
N
0.6045
0.04888
80
* →
%
12
Frequency
10
2
r
0
0.50 0.55 0.60 0.65 0.70
P Estimado
facultadmedicina.uc.cl 25
Distribución de una Proporción 𝒑
Ejemplo 4.
Se sabe que la prevalencia de hipertensión en una población
adulta es 𝑃 = 0,15.
Calcule la probabilidad de que en una muestra aleatoria de 100
personas, la proporción de hipertensos sea superior a 0.2
F~Nlo.rs FIEL
Y
PIP > 0.21=1-4%0.21
P < e.
2) Plz
) =p / 2- <
=
facultadmedicina.uc.cl 26
Resumen
facultadmedicina.uc.cl
facultadmedicina.uc.cl
Probabilidades
Distribución Chi-cuadrado y t-Student
Bioestadística
Paola Viviani
Angélica Domínguez facultadmedicina.uc.cl
Tabla de Contenidos
1. Distribución Chi-cuadrado
2. Distribución t-Student
r
facultadmedicina.uc.cl 3
Distribución Chi-cuadrado
→ para metro de la
Sea 𝑋 una v.a. que sigue una distribución Chi cuadrado con ☐
𝑘 grados distribución
wantomenagrado~
de
libertad
"
grado
"
l "W
de
→ libertad más asimétrica es
gagoouó ,
,
→ "
#" A medida que aumentan
de
" Lor
gogó grados de libertad se va
"
haciendo más simétrica , se
y "
va asemejando a una Forma
" normal .
spot
→
todos los valores que
toma
la variable aleatoria son
positivos .
e
Tabla
Chi cuadrado
columna grados de
libertad
1
:
dit
las prob estar
. en el margen EEI
valor de la variable
y el
aleatoria está
la tabla .
adentro de
¡É
facultadmedicina.uc.cl 5
Distribución Chi-cuadrado
I Y
12.83
0.83
.
facultadmedicina.uc.cl 7
Distribución t Student
Sea 𝑋 una v.a. que sigue una distribución t-Student con 𝑘 grados de
libertad, es decir, X ~ 𝑡(𝑘) . f-
Student es simétrica
lor de
cuando
disminuye grados
hacen maí
libertad , las colas se
damos
pesadas ,
es decir , les
los valores
más probabilidad a
más del
alejados 0 .
O O
Esta distribución es simétrica en torno al cero y tiene un parámetro:
los grados de libertad.
facultadmedicina.uc.cl 8
Distribución t Student
-
- En la medida que aumentan los grados de libertad 𝑘, la
distribución t se va asemejando a una Normal.
facultadmedicina.uc.cl 9
percentiles ( prob. acomodadas )
,
¥
Tabla
t-Student
:::
de la
:
÷
¡
facultadmedicina.uc.cl 1
0
Distribución t Student
Ejercicio 2 (t-Student).
facultadmedicina.uc.cl 11
Resumen
facultadmedicina.uc.cl 12
✓
facultadmedicina.uc.cl
Inferencia
Estimación e Intervalos de Confianza
Bioestadística
Paola Viviani
Angélica Domínguez facultadmedicina.uc.cl
Tabla de Contenidos
1. Estimación puntual
2. Intervalos de confianza.
facultadmedicina.uc.cl 3
Introducción
Muestra
Población
facultadmedicina.uc.cl 4
Introducción
(desconocidos)
Estimadores
(conocidos)
x
2
:*
'
s 2
µ:
→
p̂ p Población
Muestra
facultadmedicina.uc.cl 5
Introducción
• Estimación Puntual
• Estimación Intervalar
• Contraste de Hipótesis
facultadmedicina.uc.cl 6
Estimación Puntual
facultadmedicina.uc.cl
7
Estimación Puntual
facultadmedicina.uc.cl
8
Estimación Puntual
correcto
"
es "'
no
decir fija
es "
ción
} que se
la
estima
'
puntualum
en en
el
en error
de
facultadmedicina.uc.cl
9
Estimación Puntual
facultadmedicina.uc.cl
10
Estimación Puntual
facultadmedicina.uc.cl
11
Estimación Puntual
facultadmedicina.uc.cl
12
Estimación Puntual
facultadmedicina.uc.cl
13
Estimación Puntual
facultadmedicina.uc.cl
14
Estimación Puntual
facultadmedicina.uc.cl
15
Intervalos de Confianza
facultadmedicina.uc.cl
16
Intervalos de Confianza
determina la significancia
Así, el intervalo de confianza permitirá entregar una medida de
variabilidad asociada a la estimación del parámetro.
facultadmedicina.uc.cl
17
Intervalos de Confianza
Intervalos de Confianza
variables se presentan proporción
.
En estas
esti
Variable numérica entrega promedio como
categoría
• A
categórica
con
categórica
Beneficios nutricionales y metabólicos asociados con la actividad y el transporte público: resultados de la Encuesta facultadmedicina.uc.cl
Nacional de Salud 2016-2017. Passi et al. (2020)
Intervalos de Confianza para µ
𝑥ҧ − 𝜇 %) z
-19 -
Sync
I MI 1.96
-
.
YA
𝑍= ∼ Normal(0,1) -
1,96 1,96 MEI -11.96 Tri
-
𝑠/ 𝑛
-
) Yi
"%
I - .
www.synynio/Zi#Th~N(
-
°"
Pl -
1,96 LZ < 1,961 ao.gg "'
"" "
oh "" '' '
< 1.96
* t.ae <
×¥g
-
~
Nly , TY → I~Nlu.TK )
exige mama
30 facultadmedicina.uc.cl 20
✗ 4- CXI → INN / µ , syn ) → aqui
?⃝
Intervalos de Confianza para µ
si quiere un intervalo de confianza a 95 :
Despejando : 𝑠 𝑠
𝑥ҧ − 1,96 ∗ ≤ 𝜇 ≤ 𝑥ҧ + 1,96 ∗
𝑛 𝑛
facultadmedicina.uc.cl
Intervalos de Confianza para µ
1=-1-42
' %
:
ÜY
⇐ "
𝑥ҧ − 𝜇
P 𝑧𝛼 ≤ ≤ 𝑧1−𝛼 = 1 − 𝛼
2 𝑠/ 𝑛 2
Despejando
𝑠 𝑠
P 𝑥ҧ − 𝑧1−𝛼 ⋅ ≤ 𝜇 ≤ 𝑥ҧ + 𝑧1−𝛼 ⋅ =1−𝛼
confianza generalizada
2 𝑛 2 𝑛
Formula intervalo :
EIZ i Na Vn
' 𝑠
𝜇 ∈ 𝑥ҧ ± 𝑧1−𝛼 ⋅
-
- .
2 𝑛
facultadmedicina.uc.cl 23
Intervalos de Confianza para µ
2- 1.96 en 95%
5- d. estándar
=
Ejercicio 1
La detección a tiempo del retraso cognitivo severo en niños que nacen
muy prematuro es crucial, ya que determina su capacidad cognitiva en el
futuro. La prueba de Lenguaje BSDI (Bayley scale of infant development)
es una prueba que se aplica a niños de 2 a 8 años, y que tiene por objetivo
medir el grado de capacidad cognitiva del niño. Se sabe que los puntajes
de esta prueba siguen una distribución Normal. * ± zafa .
'
qq.y.gg.gg.gg#,,y
Un investigador aplica esta prueba a un grupo de 45 niños/as nacidos muy
prematuros y obtiene un puntaje promedio de 100 y d.e. de 15.aquí
M E (95.6211-04,38) → de
sonó
donde salió ? el
se
4.38
# Y
Solución:
Es decir, 𝟗𝟓, 𝟔 < < 𝟏𝟎𝟒, 𝟒. Luego, el puntaje medio poblacional (de
niños de 2 a 8 años nacidos muy prematuros) se estima entre 95,6 y 104,4
puntos con una confianza de 95%.
Para construir el intervalo con confianza 99%, se debe usar z=2.575 en vez
de z=1.96. Luego, el intervalo es:
100 − 2,575 ∗ 15/ 45 < < 100 + 2,575 ∗ 15/ 45
Este dato sale de la tabla
n pequeno y ✗
distrito Me normal
• Caso 2: Si n es pequeño y 𝜎 2 se estima usando el valor
muestral 𝑠 2 . Se utiliza: IC usando T student -
.
𝑥−𝜇
+ Studer 𝑇= ∼ t − Student(𝑛 − 1)
𝑠/ 𝑛
-
80
÷
^
son
2,262 facultadmedicina.uc.cl
Intervalos de Confianza para µ
facultadmedicina.uc.cl
Intervalos de Confianza para µ
𝑥−𝜇
P 𝑡𝛼,(𝑛−1) ≤ ≤ 𝑡1−𝛼,(𝑛−1) = 1 − 𝛼
2 𝑆/ 𝑛 2
s s
X − t0.975,( n−1) X + t0.975,( n−1)
n n
facultadmedicina.uc.cl
Tabla
t-Student
facultadmedicina.uc.cl
Intervalos de Confianza para µ
Ejercicio 2
Desarrolle el mismo Ejercicio anterior, pero suponga ahora que el
investigador aplica esta prueba a un grupo de 25 niños/as nacidos muy
prematuros y obtiene un puntaje promedio de 100 y d.e. de 15.
Solución: en tabla
25-1 = 24 5 buscar
T con n-1=24 g.l.
Para una confianza de 95% se tiene que t=2,064.
Para una confianza de 90% se tiene que t=1,711.
facultadmedicina.uc.cl
Intervalos de Confianza para µ
facultadmedicina.uc.cl
Intervalos de Confianza para µ
(ii) No hacer IC para . Muy usado para n chico (en ese caso se
hacen IC para la mediana, por ejemplo, o no se hacen IC).
facultadmedicina.uc.cl
Intervalos de Confianza para µ
Resumen:
Sea X una variable aleatoria continua. Se tienen observaciones
𝑥1 , … , 𝑥𝑛 de esa variable aleatoria.
facultadmedicina.uc.cl
a
ver
¥
.
→
"
𝑝(1 − 𝑝)
𝑝~Normal
Ƹ 𝑝,
𝑛
Donde se estima
𝑝(1 − 𝑝) 𝑝(1
Ƹ − 𝑝)Ƹ
=
𝑛 𝑛
facultadmedicina.uc.cl 35
Intervalo de Confianza para 𝒑
𝑝 ∈ 𝑝Ƹ ± 𝑧1−𝛼 ⋅ 𝑝Ƹ ⋅ (1 − 𝑝)/𝑛
Ƹ
2
facultadmedicina.uc.cl 36
Intervalo de Confianza para 𝒑
𝑝Ƹ ⋅ 1 − 𝑝Ƹ 𝑝Ƹ ⋅ (1 − 𝑝)Ƹ
𝑝Ƹ − 1,96 ⋅ ≤ 𝑝 ≤ 𝑝Ƹ + 1,96 ⋅
𝑛 𝑛
facultadmedicina.uc.cl
37
Intervalo de Confianza para 𝒑
Ejercicio 5.
La Encuesta Nacional de Salud 2009-2010 arrojó que 237
personas de 65 o más años padecía de cataratas de un total de
998 personas muestreadas en ese grupo etario. Construya un
intervalo de confianza para la verdadera proporción 𝑝.
El estimador puntual es 237 de 998 personas → ↑ =
23% ,
= 0,24
⇐
si 0,24 ∙ 1 − 0,24 0,24 ∙ 1 − 0,24
y 0,24 − 1,96 ⋅ ≤ 𝑝 ≤ 0,24 + 1,96 ⋅
Éi pobl )
PE ↑ ± 2-
.
psyz
"
998
0,214 ≤ 𝑝 ≤ 0,266 proporción poblacional
interpretar
la
:
998
al 95% de
. .
.
contar"
facultadmedicina.uc.cl
Intervalo de Confianza para 𝒑
facultadmedicina.uc.cl
facultadmedicina.uc.cl
facultadmedicina.uc.cl