Estadística para la investigación médica

Bioestadística
Prox lunes
.
primer control .
¿ por
qué necesitamos estadistica ? →
para tener idea de las
diferencias .
qq.ro#4?joEM
☒ de investigación =
partir de ella hipótesis
preguntas a se una
genera .
Difícil plantear una pregunta de investigación y la hipótesis de esta.
En todo estudio se busca responder una pregunta de investigación.
Es importante feslizar un estudio profundo
Una buena PI debe cumplir con: concisa, factible, relevante.
Componentes de una pregunta de investigación
Población
Intervención
Comparación
Objetivo
Introducción
El método científico. Población, muestra y
representatividad.
Bioestadística
Paola Viviani
Angélica Domínguez facultadmedicina.uc.cl
Tabla de Contenidos
1. Introducción
2. Método científico
3. Población y muestra
4. Representatividad
facultadmedicina.uc.cl
Introducción
¿Qué es la Estadística [Statistics]?

• (RAE) Rama de la matemática que utiliza grandes conjuntos de
datos numéricos para obtener inferencias basadas en el
cálculo de probabilidades.
• Cantidad que resume un conjunto de datos (Por ejemplo:
promedio, mediana, porcentaje).
• (RAE) Persona que profesa la estadística.
¡Estadista!: persona con gran saber y experiencia en asuntos del
Estado (RAE).
Introducción
La estadística es transversal a muchas disciplinas:

• Bioestadística (Salud).
• Econometría (Economía).
• Psicometría (Ciencias Sociales).
• Ciencias Actuariales (Seguros).
• Data mining (reconocimiento de patrones en grandes
volúmenes de datos).
Introducción
¿Por qué la necesitamos?
Porque el mundo está

lleno de variabilidad!
(Biostatistics, Norman y Streiner, 2000)
El método científico
Método Científico
Del griego methodos: Adjetivo referente a la ciencia: conjunto
camino o vía de conocimientos obtenidos mediante
observación/experimentación y
medición.
Entonces, el método científico se puede entender como
una serie de etapas o pasos que hay que seguir para
producir nuevo conocimiento válido desde el punto de
vista de la ciencia (falsabilidad y reproducibilidad).
Etapas: Pregunta de
Investigación
Volver a pensar Volver a pensar
Plantear hipótesis
Testear la hipótesis con un

estudio (experimental u
observacional)
Analizar los resultados
Se confirma la hipótesis Se rechaza la hipótesis
Difundir resultados
Pregunta de investigación
En todo estudio científico hay una pregunta de investigación que

se busca responder, o hipótesis que se busca probar.
“La pregunta de investigación (PI) es una aproximación

estructurada ante la incertidumbre en torno de un problema que
el investigador pretende resolver o aclarar”.
Es el primer paso para llevar a cabo una investigación.
Para plantear una PI, será necesario realizar un estudio profundo del
tema de interés, porque luego será necesario fundamentar y
defender la hipótesis planteada.
LA PI determina el eje central del proyecto, a partir de ella se

definen los métodos, procedimientos e instrumentos que luego se
desarrollarán.
Una buena PI debe cumplir con tres aspectos:
1. Concisa: utilizar lenguaje sencillo y claro, frases cortas, que

sea comprensible para cualquier lector del área.
2. Factible: debe ser posible de responder, que la recolección

de datos sea viable.
3. Relevante: es necesario argumentar la importancia,

beneficios e impactos…. Permite llenar un vacío en el
conocimiento?.... Resolver un problema?... Desarrollar una
nueva metodología?
Componentes de una Pregunta de investigación
P Población: grupo de personas sobre las cuales interesa

realizar el estudio, características de inclusión.
Acción: componente más importante, define los pasos a

A seguir. En preguntas de terapia se refiere a Intervención.
Comparación: en preguntas de terapia, corresponde al

C grupo con el que se va a comparar la intervención.
Objetivo: define lo que se busca conseguir con la

O acción, el outcome principal.
Ejemplo: Análisis de la fluencia lectora en pacientes con la enfermedad

de Alzheimer y controles asintomáticos (Martínez et al. 2012)
Resumen
Introducción: Numerosos estudios han puesto de manifiesto que la
alteración en la capacidad comunicativa es uno de los síntomas
característicos de la enfermedad de Alzheimer (EA).
Objetivo: Estudiar la organización temporal del habla en una tarea de
lectura en un grupo de pacientes con EA y otro de controles sanos.
Sujetos y método: Se aplicó una prueba de lectura a 70 sujetos: 35 con EA y
otros tantos controles.
Resultados: Todas las variables analizadas se mostraron alteradas en el
grupo con EA. Los resultados señalan que la lectura de los pacientes con EA
se caracteriza por una reducida velocidad de elocución y articulación, una
baja efectividad del tiempo de fonación, así como en un incremento del
número y la proporción de las pausas.
Para el resumen recién revisado, plantee una posible pregunta

de investigación e identifique los cuatro componentes de la PI
PI:
P:
A:
C:
O:
Etapas: Pregunta de
Investigación
Volver a pensar Volver a pensar
Plantear hipótesis
Testear la hipótesis con un

estudio (experimental u
observacional)
Analizar los resultados
Se confirma la hipótesis Se rechaza la hipótesis
Difundir resultados
Madres fumadoras de la RM, en promedio, ¿tienen recién

nacidos más pequeños (menor peso) que madres no
fumadoras de la RM?
Definir diseño del estudio, población, tiempo, lugar y

tamaño muestral.
Recolección de información.
Análisis y conclusiones.
Informe.
El análisis estadístico implica la recopilación, organización, análisis

e interpretación de datos numéricos.
Se pueden diferenciar dos áreas:
1. Análisis descriptivo: comprende un conjunto de técnicas para

organizar, resumir e ilustrar la información.
2. Inferencia estadística: conjunto de métodos que permiten

validar resultados observados en la estadística descriptiva y
extrapolar, a partir de una muestra, a una población de
interés.
Muestra
Análisis descriptivo Inferencia
Población
Población y Muestra
[Population and Sample]
Población: conjunto total de objetos o personas, con algo en

común, de interés en un estudio.
Ejemplos:
• Recién nacidos en Chile año 2021.
• Celulares en chilenos mayores de 15 años (puede haber
más de uno por persona).
• Hipertensos población general.
• Familias con alguna necesidad especial.
¿Porqué no estudiar la población completa?

• Alto costo (Tiempo, dinero, recursos humanos y materiales).
• Dificultad en la identificación de los sujetos poblacionales.
Cuando se estudia la población completa: CENSO.
Al realizar un CENSO la inferencia no es necesaria, los

parámetros pasan a ser conocidos.
Muestra: subconjunto de la población de interés.

De la muestra se obtiene la información para calcular diferentes
cantidades (medidas resúmenes) que ayudarán a describir el
conjunto de datos.
µ
estimadores o
Población Muestra estadísticos
parámetros
Parámetro: cantidad que resume alguna característica de interés

del universo. Por ejemplo:
• Proporción de obesos mayores de 15 años en Chile
• Edad media de personas con discapacidad física en Chile
Estimador (del parámetro): cantidad que pretende acercarse al

parámetro. Se obtiene de la muestra. Por ejemplo:
• Proporción de obesos mayores de 15 años en la ENS 2016-2017.
• Promedio de edad de personas con discapacidad física
atendidas por la SENADIS.
Población de interés
Unidad Variables
Muestra muestral
Sexo
Edad
NSE
E. Civil
Peso
Talla
IMC
:
Representatividad
[representativeness]
Representatividad
Muestra Aleatoria.
Todas las personas u objetos de la población tienen alguna
probabilidad (distinta de cero) de ser elegidos en la muestra.
Tamaño mínimo adecuado de una Muestra.

Cuando las conclusiones que se obtienen en base a ésta
tienen un error de estimación acotado (generalmente, el error
máximo aceptado es de 5%).
Representatividad
Una muestra es representativa cuando las características

conocidas de la población de interés están presentes en la
misma proporción o promedio en la muestra.
Ejemplo:
• Si una población tiene 30% de hombres, se espera entonces
que en la muestra este porcentaje se repita.
• Si la edad promedio poblacional es 50 años, se espera
entonces que en la muestra este promedio se observe.
La aleatoriedad y el tamaño mínimo adecuado son elementos
controlables. En cambio, la representatividad es una cualidad
de la muestra obtenida.
Representatividad
La representatividad puede peligrar por potenciales sesgos.
Sesgo [bias]: error sistemático en una medición.
• Sesgo de selección.
• Sesgo de no respuesta.
• Sesgo por respuestas que no son verdad.
Resumen
• El método científico involucra pasos que hay que seguir para

producir nuevo conocimiento válido desde el punto de vista de
la ciencia.
• Se pueden diferenciar dos áreas en análisis estadístico: análisis
descriptivo e inferencia estadística.
• La población es el conjunto de individuos que queremos
estudiar. En la práctica se estudia solo una muestra de ellos.
• Es necesario que esta muestra sea representativa de la
población.
• Los sesgos pueden hacer peligrar la representatividad de la
muestra y producir medidas resúmenes inadecuadas.
Variables Aleatorias
Definiciones Básicas
Bioestadística
Paola Viviani
Tabla de Contenidos
1. Definición de variable aleatoria

2. Tipos de variables
3. Notación en variables aleatorias
Introducción
Unidad Variables
Muestra muestral
Sexo
Edad
NSE
E. Civil
Peso
Talla
IMC
:
Definición de Variable aleatoria
Variable: Cualquier característica tomada de la unidad
muestral, que tome dos o más valores.
Variable aleatoria (v.a.) [random variable]: variable tomada

de la unidad muestral donde no es posible predecir su valor,
aunque se controlen todos los factores que influyen sobre
ella.
Es importante definir en forma adecuada las variables

aleatorias que deben ser medidas en cada estudio.
Ejemplo: Si se quiere medir sedentarismo.

Tipos de Variables
La
cuando
agrupamos
Variable Variable numérica se transforme
En categoria
( podemos )
crear
estancar
grupos .
Categórica Numérica
(Cualitativa) (Cuantitativa)
/
definen categorias toman un valor numérico

socio el .
süvil
-
- estado
Nominal Ordinal Discreta Continua

solo valores naturales se mueve en vor
sin orden
tienen Un orden
natural etario - no de .
. . hv meros Mohs .
gnp
.
peso
_
estado mtri .
un decimal no -
tarta
tomar sentido
.
-
Tipos de Variables
Ejemplo:
catjudinol
""
catjomirdl
"
Catwoman YENIN
Ww
a- ¡
¿
rol continua
,
'
Estado
Sexo Edad NSE E.Civil Peso Talla IMC
Nutricional
F 26 Alto 1 66,5 1,47 30,77 Obeso
F 34 Medio 2 65,3 1,62 24,88 Normal
F 21 Medio 1 55,0 1,58 22,03 Normal
M 44 Bajo 2 73,1 1,65 26,85 Sobrepeso
M 30 Alto 2 68,5 1,70 23,70 Normal
Identificar v.a. categóricas y v.a. numéricas.
Tipos de Variables
Observaciones
e-
1. Todas las variables numéricas pueden ser agrupadas en
intervalos y pasan a ser variables categóricas ordinales.
Por ejemplo la edad se puede agrupar en grupos etarios:
menos de 40, 40-54, 55-64, 65-74, 75 o más.
Tipos de Variables
Observaciones
dividir
2. Algunas variables numéricas pueden ser dicotomizadas y
dos categorias
pasan a ser nominales.
Por ejemplo, si consideramos dos grupos de edades:
• Menores de 30 años (“jóvenes”)
• Mayores o iguales a 30 años (“adultos”).
Tipos de Variables
Para efectos de análisis estadístico, basta con considerar dos

grandes tipos: Con esto determino la
manera de mostrar
Variables Categóricas. resultados
Nominales (sexo, profesión),

Ordinales (NSE),
Numéricas en rangos (grupos etarios).
Variables Numéricas.
Numéricas continuas (edad, peso, talla)
Numéricas discretas (nº de hijos, nº de fracturas)
Ordinales promediables (puntaje Apgar, score Apache).
Sobrepeso y obesidad en niños intervenidos
de cardiopatía congénita (Perin F. et al. 2018)
Üˢ
*
Introducción: El impacto negativo del sobrepeso y la obesidad es potencialmente mayor en niños con
cardiopatía congénita (CC). El objetivo del estudio es determinar la proporción de sobrepeso y
obesidad en niños intervenidos de CC y valorar la existencia de hipertensión arterial sistólica como
posible complicación precoz.
Pacientes y métodos: Estudio descriptivo, incluyendo pacientes intervenidos de CC y controles sanos
entre 6 y 17 ☐ años en seguimiento en una consulta de Cardiología Pediátrica. Se calcularon los
percentiles del índice de masa corporal según las tablas de la OMS y se analizaron variables
antropométricas, clínicas y valores de tensión arterial sistólica (TAS). ,
Resultados: Se incluyeron 440 pacientes, 220 intervenidos de CC. La prevalencia de exceso de peso
(percentil del índice de masa corporal ≥ 85) fue del 36,4% (el 37,3% en controles y el 35,4% en
cardiópatas, p = 0,738). Hubo una proporción más alta de obesidad (percentil del índice de masa
corporal ≥ 97) en afectos de CC (22,7%) que en controles (15,5%) (p = 0,015). Los niños con exceso de
peso tuvieron percentiles de TAS más altos (p < 0,001). La prevalencia de percentiles de TAS ≥ 95 fue
mayor en los pacientes con CC con exceso de peso que en los normopeso (29,5 vs. 7,7%, p < 0,001) y
en los controles sanos con exceso de peso que en los normopeso (12,2 vs. 0,7%, p < 0,001).
Conclusiones: La proporción de obesidad es alta en niños intervenidos de CC y se asocia a valores de
TAS elevados. Es crucial reducir el riesgo de complicaciones a largo plazo mediante la prevención y el
tratamiento de la obesidad en esta población tan vulnerable.
Notación
Unidad Variables
Muestra
I.
muestral
Sexo
O
§
Edad
↑ "
NSE
E. Civil
Peso
Talla
IMC
:
Tamaño de la Tamaño de la
población (finita) muestra Variables
población
de
amaño tamaño "%
ramera >
caracter
"
A-
de
www.%facultadmedicina.uc.cl
detona
una
Eatfjeaton
Notación
dfaeorqutouua
Resumen
Variable aleatoria: característica tomada de la unidad muestral

donde no es posible predecir su valor, aunque se controle
todos los factores que influyen sobre ella.
Tipos de variables aleatorias: distinguimos principalmente

entre categóricas y numéricas.
Notación: las variables aleatorias se denotan por letras

mayúsculas, y los posibles valores que toma, por letras
minúsculas.
Variables aleatorias
Variables numéricas.
Bioestadística
Paola Viviani
Tabla de Contenidos
1. Introducción
2. Descripción de variables numéricas:
A. Medidas de Tendencia Central.
B. Medidas de Orden
C. Medidas de Dispersión
3. Relación entre promedio y desviación estándar.
4. Cómo presentar resultados
Introducción
no voy a la muestral a medir
el n° de casos , pues yo lo
elijo
Unidad Variables
Muestra muestral
Sexo
Edad
NSE
E. Civil
Peso
Talla
IMC
:
Percentiles
Introducción
Variable
puede tablas
úwEÉÍ¥¡y:Ia
solo
P
tenemos
Categórica e
Numérica
Introducción
Hipertensión en relación con estado nutricional, actividad física y etnicidad en

niños chilenos entre 6 y 13 años de edad (NutrHosp 2016)
Objetivo: investigar la asociación del estado nutricional, niveles de actividad física y

etnicidad con niveles de hipertensión en escolares entre 6 y 13 años de edad.
Métodos: un total de 418 escolares de ascendencia étnica europea (n = 311) y
mapuche (n = 107) fueron participantes de este estudio transversal. Se midió el
peso, talla, índice de masa corporal (IMC) y presión arterial, utilizando protocolos
estandarizados.
Resultados: no se encontraron diferencias significativas en IMC, estado nutricional y
presión arterial entre niños con ascendencia europea y mapuche. No obstante, la
prevalencia de prehipertensión (21,3% vs. 11,1%) e hipertensión (28,9% vs. 18,6%)
fue significativamente mayor en escolares mapuches en comparación con
europeos, respectivamente. Escolares con ascendencia mapuche tienen un mayor
riesgo de desarrollar prehipertensión o hipertensión que escolares con ascendencia
europea). facultadmedicina.uc.cl
Descripción de variables numéricas
Se describen reportando medias, medianas, varianzas, percentiles

y, en general, su distribución.
Intuitivamente, la distribución es la forma que toman los valores
de una variable aleatoria cuando se miran en su conjunto.
Histograma .
-
/ frecuencias de personas en como
se distribuyen
.
¿gfpils
400
.
la
120
agrupa
variable 150
100
300
.
dist trick
'
80
→ asin
100
200
60
40
50
100
de
Frec como
20
son
distribuyen
y
personas
.
0
0
0.0 0.2 0.4 0.6 0.8 1.0 -2 0 2 4 6 8 10 12 0 1 2 3 4
se
Las figuras anteriores corresponden a Histogramas [histogram].
?⃝
Teóricamente, la distribución
de una variable numérica se
podría graficar así:
Medidas de Medidas Medidas de orden:

tendencia central: resúmenes - Percentiles
- Media
- Mediana
- Moda
Medidas de dispersión:
- Varianza
- Desviación estándar
- Rango
Medidas de Tendencia Central
Cantidades que indican el centro de los datos.

"^ʰ ⁿᵉ
tienen la misma media
ᵗüᵈi→ distrito simetría

.
es covariancia es distinta .
-
moda
no tienen
diferencia
variabilidad
→ distinta ' si calculo las desviación estándar
del 2
,
será más
-
de grande la
grupo .
tienen la misma
amplitud
misma
←
-
personas
.
la
Son
repartidas
de
.
Cantidad
más
pero
la
dcsvia.es/-outidar
maí alta
gwp.lt será
→
?
'
gnop
ach
la dist .
se
pq
.
Ejemplo:
Para estudiar estadística descriptiva en el caso de variables

numéricas, consideraremos el siguiente ejemplo.
Supongamos que la siguiente hoja muestra la edad de 350

casos de cáncer al pulmón (asumamos que es la población
completa), pero sólo tenemos acceso a la edad de 10 de
estos pacientes (muestra).
nominal nominal nominal
Parámetros nunca les puedo observar ,
a noser que sea
nominal nominal Ordinal Ordinal
Ordinal
un censo .
Ondina,
opsina discreta
discreta discreta
continua
discreta discreta continua
continua
En la muestra puedo observar estimadores .
www.nuaean.ywa
Población . edad de personas con cancer .
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
observan estimadores conclusiones

En la muestra puedofacultadmedicina.uc.cl
sacar .
se .
Por ejemplo: 1 n x  x  ...  xn

x  xi  1 2 n
n i 1
La media de edad de los 350 pacientes de cáncer al pulmón es μ = 61.9

años.
El promedio de la muestra tamaño 10 con datos:
65  60  ...  81
x  61.5 facultadmedicina.uc.cl
10
Mediana
Es aquel valor de la variable (ordenada) que ocupa el lugar

central. El 50% de las observaciones es mayor a la mediana y el
otro 50% es menor a ella.
Para calcularla se debe:
Ordenar los valores de la variable de menor a mayor.
Buscar aquél o aquellos que ocupen el lugar central.

• Si el número de observaciones es impar, habrá un valor central;
• si el número es par, habrá dos valores (que se deben promediar).
Promedio vs Mediana
El promedio y la mediana coinciden cuando la distribución
de los datos es simétrica.
Promedio vs Mediana
El promedio es un buen estimador de la media mientras la
distribución de los datos sea relativamente simétrica.
Mediana Promedio
La mediana se prefiere como estimador del centro de los datos

cuando la distribución de estos es asimétrica. La Mediana no es
sensible a datos extremos [outliers].
Mediana Promedio
Promedio: 181,4
Mediana: 178
Promedio: 144
Mediana: 121.5
Moda
Corresponde a la observación que más se repite.
Existen casos en que las distribuciones son bimodales

(tienen dos modas) o multimodales (más de dos modas).
El promedio, la mediana y la moda, coinciden cuando la

distribución de los datos es simétrica.
Moda
Una distribución bimodal es señal de que se están mezclando

dos (o más) poblaciones.
Medidas de Orden
Es rwmericq
Así, el percentil 10 indica el valor

que determina que el 10% de las
observaciones son inferiores a ella. 10%
si denles esa
Percentil 10
pasa a
categoria
Medidas de Orden
Algunos percentiles muy usados son:
Cuartiles: dividen a la población en 4 partes

25% de las observaciones en cada parte.
Quintiles: dividen a la población en 5 partes

Deciles: dividen a la población en 10 partes

Medidas de Orden
Medidas de Orden
Fuente: ESI, INE, 2020
Medidas de Orden
Fuente: ESI, INE, 2020
Medidas de Orden
Medidas de Orden
Medidas de Orden
Medidas de Orden
Además del Histograma, otra figura que muestra la distribución de

los datos numéricos es el Diagrama de Cajón con bigotes, más
conocido por su nombre en inglés: Boxplot.
Max
Valores
extremos
Q3
Med
Q1
Min
Medidas de Orden
Los Boxplots correspondientes a los Histogramas mostrados son:
Medidas de Dispersión
Las medidas de dispersión [dispersion measures] son aquellas

que miden la variabilidad de un conjunto de datos.
Al analizar un conjunto de datos, no basta con calcular una

medida de tendencia central, ya que esta no nos indica qué tan
concentrados o dispersos se encuentran los datos en torno a este
valor.
Para obtener esta última información, es necesario calcular

alguna medida de dispersión.
Medidas de dispersión
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
10 Casos
h casos ≥ 10 Promedio
↓ ÉI
promedio
2
Muestra Distancias al Promedio Distancias
65 3,5 12,25
60 -1,5 2,25
29 -32,5 1056,25
80 18,5 342,25
57 -4,5 20,25
43 -18,5 342,25
67 5,5 30,25
59 -2,5 6,25
74 12,5 156,25
81 19,5 380,25
suma 615 0,00 2348,5 suma
↑
n 10 9 n-1
promedio 61,5 260,94 Varianza
16,15 d.s.
características
del
promedio facultadmedicina.uc.cl
Rango [range]
El rango es la diferencia entre el valor máximo y el valor mínimo
observado de la variable.
La desventaja del rango como medida de dispersión es su obvia

sensibilidad a la presencia de valores extremos.
Relación promedio y d.e.
desviación
→
@ estándar
promedio
-
Variables aleatorias
Cómo presentar resultados.
Bioestadística
Paola Viviani
Tabla de Contenidos
1. Introducción
3. Cómo presentar resultados
a. Variables categóricas
b. Variables numéricas
c. Ejemplo publicación
Introducción
Variable
Categórica Numérica
Introducción
Para las variables categóricas interesa conocer el número de

casos, proporciones y en general en su distribución. Se resumirán
en una tablas de frecuencias.
Ejemplo (ENS). Existen diversos tipos de información en los paquetes de

alimentos envasados. ¿Qué tan seguido revisa los ingredientes/aditivos que el
envase dice contener?
Porcentaje
Frecuencia Porcentaje acumulado
Siempre 1401 22,5 22,5
Casi siempre 575 9,2 31,7
Algunas veces 657 10,5 42,2
Rara vez 698 11,2 53,4
Nunca 2910 46,6 100,0
Total 6241 100,0
Cómo presentar resultados
Variables categóricas
Se debe presentar n y % de cada categoría
Variable n %
Hombres 280 45
Sexo
Mujeres 340 55
Bajo Peso 5 0.8
Normal 385 62.1
Estado nutricional
Sobre Peso 140 22.6
Obeso 90 14.5
Si se conoce el n total (620) y éste no cambia, se puede

omitir un nivel.
AÑOS
54
Variable n ó
si se puedeaños
27,6
Edad 620 40,8 ± 13,2 →tener 204
años
tener
IMC 605 23,7 ± 3,3 →si añospueda
se
Ó 27
.
Promedio ± DS Histogramas
Le
03 nadie
-
→
_
miró
49N
-
Variable n med (mín-máx)

Nº de hijos 340 2 (0-12)
Creatinina 620 2,03 (0,6-6,9)
Hipertensión en relación con estado nutricional, actividad física y etnicidad en niños

chilenos entre 6 y 13 años de edad (NutrHosp 2016)


Probabilidades
Definición
Bioestadística
Paola Viviani
Tabla de Contenidos
1. Conceptos básicos
2. Eventos
3. Relación entre variables aleatoria y eventos
4. Probabilidad
Introducción
En el juego del Loto, consideremos dos cartones:
• 1–2–3–4–5–6
• Las fechas de cumpleaños de sus seres queridos y sus
números de la “suerte”.
¿Cuál escoge y por qué?

El de la suerte
de realizarce
a
pesar
aleatoriamente , tiene
Resultados un
Conceptos básicos como
conjunto
alternativas
de
-
Teoría de probabilidad: Teoría matemática que modela fenómenos fenomeno determinista : experimento q
'
realizado
aleatorios. predecible
bajo
Unico
condiciones determinadas
o
.
, produce un resultado
Experimento [experiment] . Es un proceso planificado de

recolección de datos, consiste en una acción y una observación.
Ensayo [trial, assay]: Cada una de las repeticiones del

experimento, realizadas bajo las mismas condiciones y en forma
afecta el
el resultado del ensayo 1 no
ensayo 2
independiente uno de otro. También se denominan pruebas o

réplicas.
Conceptos básicos
Espacio muestral [sample space]. Es el conjunto de todos los

resultados posibles del experimento. Los elementos de este
conjunto se llaman sucesos elementales.
Generalmente se simboliza el espacio muestral como  . Omega
Suceso o Evento [outcome]. Cualquier subconjunto del espacio

muestral, pudiendo estar compuesto de uno o más sucesos
elementales. Se simbolizan con letras mayúsculas A, B, C, etc.
Conceptos básicos
Experimento: lanzar un
dado y observar el
Ensayo: cada una de las
resultado
repeticiones del
experimento
Espacio muestral :
posibles resultados Suceso o Evento:
subconjunto de Ω
 = {1,2,3,4,5,6}
A = Observar 1 ó 6
Eventos
Evento imposible: evento sin puntos muestrales. Se denota por el
símbolo 𝜙.
Ejemplo: del lanzamiento de un dado, obtener un número impar y

mayor a 5.
Evento certeza: evento que contiene todos los puntos muestrales.

Se denota por la letra griega Ω.
Ejemplo: del lanzamiento de un dado, obtener un número par o

impar.
Eventos
Evento complementario o complemento: evento que contiene

todos los elementos de Ω que no están contenidos en el evento 𝐸.
ത
Se denota por 𝐸 𝑐 o 𝐸.
Ejemplo:
Sea el evento 𝐸
𝐸: el resultado del lanzamiento de
un dado es menor a 3.
El evento complementario 𝐸 𝑐 es mayor o

igual a3
𝐸 𝑐 : {3,4,5,6}
Eventos
Unión de eventos. Para dos eventos, 𝐸1 y 𝐸2 , su unión 𝐸1 ∪ 𝐸2

forma un nuevo evento que contiene todos los elementos de ambos
eventos 𝐸1 y 𝐸2 .
Ejemplo.
Para el experimento de lanzar un dadoO y
observar el resultado, sean los eventos:
𝐴1 : se observa un 3 ó 5. todos los puntos de uno u OTRO
𝐴2 : se observa un 2.
𝐴3 : se observa un resultado impar.
Calcule 𝐴1 ∪ 𝐴2 ∪ 𝐴3 .
Respuesta: 𝐴1 = {3,5}, 𝐴2 = {2}, 𝐴3 = 1,3,5
𝐴1 ∪ 𝐴2 ∪ 𝐴3 = {1,2,3,5}
Eventos
Intersección de eventos. Para dos eventos, 𝐸1 y 𝐸2 , su intersección

𝐸1 ∩ 𝐸2 forma un nuevo evento de los elementos contenidos
simultáneamente en ambos eventos 𝐸1 y 𝐸2 .
Ejemplo.
Para el experimento de lanzar un dado y
𝐴1 : se observa un 3 ó 5. todos los que pertenecen
A
𝐴2 : se observa un resultado mayor a 3. tanto a B como a
𝐴3 : se observa un resultado impar.

Calcule 𝐴1 ∩ 𝐴2 ∩ 𝐴3 .
Respuesta: 𝐴1 = {3,5}, 𝐴2 = {4,5,6}, 𝐴3 = 1,3,5
𝐴1 ∩ 𝐴2 ∩ 𝐴3 = {5}
Eventos
Eventos mutuamente excluyentes (disjuntos). Dos eventos, 𝐸1 y 𝐸2 ,

son mutuamente excluyentes si no tienen puntos en común, es
decir, su intersección es vacía.
Ejemplo.
𝐴1 : se observa un resultado menor a 2
𝐴2 : se observa un resultado igual o mayor a 5
𝐴3 : se observa un 4
𝐴1 , 𝐴2 y 𝐴3 son mutuamente excluyentes.
Respuesta: 𝐴1 = {1}, 𝐴2 = {5,6}, 𝐴3 = 4
𝐴1 ∩ 𝐴2 = ∅, 𝐴1 ∩ 𝐴3 = ∅ y 𝐴2 ∩ 𝐴3 = ∅
Eventos
Eventos colectivamente exhaustivos. Un conjunto de 𝑛 eventos,

𝐸1 , 𝐸2 , … 𝐸𝑛 son colectivos exhaustivos si unidos conforman el partición del
forman una
muestraIR
espacio muestral Ω. espacio
Este es excluyente , ya
Que no hay
intersecciones comunes
Ejemplo.
𝐴1 : se observa un resultado par
𝐴2 : se observa un 1 ó 5
𝐴3 : se observa un múltiplo de 3
𝐴1 , 𝐴2 y 𝐴3 son colectivamente exhaustivos.
Respuesta: 𝐴1 = {2,4,6}, 𝐴2 = {1,5}, 𝐴3 = 3,6
𝐴1 ∪ 𝐴2 ∪ 𝐴3 = 1,2,3,4,5,6 = Ω
Nooo
Relación entre vv.aa y eventos
• Una v.a. se puede definir como la ejecución de un

experimento, donde cada posible valor de la variable es un
elemento del espacio muestral.
• Interesará calcular la probabilidad de que ninguno, uno o más

c.
de estos elementos ocurran.
• El conjunto de elementos de interés quedará definido por un

evento.
Probabilidad
"
El objetivo de la probabilidad es medir o cuantificar la *

• a.
incertidumbre (o certidumbre) de que ocurran determinados

eventos.
Si 𝐴 es un evento cualquiera
𝑃(𝐴) denota la probabilidad de que ocurra 𝐴

* de
Probabilidad
ocurra
A .
Que
Probabilidad
El concepto de probabilidad [probability] está muy ligado al

concepto de frecuencia relativa.
Ejemplo 1. Frecuencia relativa del número de hombres nacidos

izzie
☒
en Chile. Y a
?⃝
Probabilidad
T
Definición
La probabilidad de un evento es la frecuencia relativa del conjunto

de resultados sobre un número de intentos indefinidamente
grande (o infinito).
Probabilidad
Cuando el espacio muestral se compone de elementos que son

equiprobables, entonces la probabilidad del evento E se calcula
como:
𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑎𝑠𝑜𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠 𝑎 𝐸
𝑃(𝐸) =
𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑎𝑠𝑜𝑠 𝑡𝑜𝑡𝑎𝑙𝑒𝑠
Ejemplo 2.. Se lanza un dado y se observa el resultado. ¿Cuál es la

probabilidad de obtener un múltiplo de 3?
• Ω = {1,2,3,4,5,6}
• A: obtener un múltiplo de 3 Ω𝐴 = 3,6
2
𝑃(𝐴) =
6
Probabilidad
Cuando el espacio muestral se compone de elementos que son

equiprobables, entonces la probabilidad del evento E se calcula
como:
𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑎𝑠𝑜𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠 𝑎 𝐸
𝑃(𝐸) =
𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑎𝑠𝑜𝑠 𝑡𝑜𝑡𝑎𝑙𝑒𝑠
Ejemplo 3.. La siguiente tabla muestra Grupo Hombres Mujeres Total

la distribución de peso (en grupos) ≤ 67 0 12 12
según sexo de una población de ]67-75] 8 24 32
interés. ]75-83] 28 24 52
¿Cuál es la probabilidad de pesar >83 24 4 28
entre 67 y 75 kilos? Total 60 64 124
¿Y en las mujeres? facultadmedicina.uc.cl
todas las bolas tienen la misma escogida
pnob .
de ser
y las bolas son escogidos al azar .
Los dos cartones son

igualmente probables
Probabilidades
Propiedades y Axiomas
Bioestadística
Paola Viviani
Tabla de Contenidos
evidente que
considera
tan se
Proposición enunciado demostración

1. Axiomas
.
o
que no requiere
2. Propiedades
3. Principio de multiplicación
Axiomas
La definición de probabilidades se rige por los siguientes tres
axiomas:
Axioma 1. La probabilidad del evento certeza Ω es 1.

𝑃 Ω =1
F
de la
Espacio
muestra
Axioma 2. Para cada evento 𝐸 contenido en el espacio muestral Ω

se tiene que:
𝑃 𝐸 ≥0
facultadmedicina.uc.cl 4
Axiomas
Axioma 3. Para dos eventos 𝐸1 y 𝐸2 mutuamente excluyentes

(disjuntos) se tiene que
𝑃 𝐸1 ∪ 𝐸2 = 𝑃 𝐸1 + 𝑃(𝐸2 )
Y generalizando, si 𝑛 eventos 𝐸1 , 𝐸2 … , 𝐸𝑛 son disjuntos, entonces

𝑛 𝑛
𝑃 ራ 𝐸𝑖 = ෍ 𝑃(𝐸𝑖 )
𝑖=1 𝑖=1
Las siguientes propiedades son consecuencia de los axiomas

nombrados anteriormente. facultadmedicina.uc.cl 5
Propiedades
(P1) Dado que los eventos 𝐴 y 𝐴𝑐 son disjuntos, se tiene que:
= Á
𝐴 ∪ 𝐴𝑐 = Ω y 𝐴 ∩ 𝐴𝑐 = 𝜙
Luego, respecto de las probabilidades se cumple que:
𝑃 𝐴 ∪ 𝐴𝑐 = 𝑃 Ω = 1
F
esto vale 1
Lo que implica que 𝑃 𝐴 = 1 – 𝑃 𝐴𝑐 .

Las prob
.
tienen valores
Entre O y 1-.
Propiedades
(P2) Siguiendo un argumento análogo a la propiedad 1, se tiene

que:
✓
acá
𝑃 𝐴 ∩ 𝐴𝑐 = 𝑃 ∅ =0
F
Esto vale
O .
De las dos primeras propiedades se desprende que

0≤𝑃 𝐴 ≤ 1
o
Si A está contenido en
B
(P3) Si 𝐴 está contenido en 𝐵, 𝐴 ⊂ 𝐵, ,
entonces 𝑃 𝐴 < 𝑃(𝐵).

B
'
entonces la prosa .
de A- es menor q
Propiedades
(P4) Si 𝐴 y 𝐵 son sucesos en Ω, pero no son mutuamente

excluyentes (es decir, 𝐴 ∩ 𝐵 ≠ 𝜙), entonces:
𝑃 𝐴 ∪ 𝐵 = 𝑃 𝐴 + 𝑃 𝐵 − 𝑃(𝐴 ∩ 𝐵)
Esta propiedad también se conoce como Ley de la Suma.

Propiedades
Ejercicio. Un obeso se entrevista con un médico para realizarse un bypass gástrico. El

médico le dice que debe cumplir dos requisitos para poder operarlo: bajar un 1% del
peso corporal y bajar en 5% el nivel de glicemia. Si se sabe que:
La probabilidad de que el sujeto cumple con la meta de peso es 3/4.

La probabilidad de que un sujeto cumpla con la meta de glicemia es de 1/3.
La probabilidad de que un sujeto cumpla al menos una meta es de 11/12.
Se quiere contestar la pregunta: ¿cuál es la probabilidad de que cumpla con ambas

metas?
a. Defina los eventos que le permitan calcular la

probabilidad pedida.
b. Calcule la probabilidad pedida.
Propiedades
Respuesta.
Sea 𝐴: el sujeto cumple con la meta de peso
𝐵: el sujeto cumple con la meta de glicemia
Debemos encontrar 𝑃 𝐴 ∩ 𝐵 B
A unida con
3 1 11
Sabemos: 𝑃 𝐴 = ; 𝑃 𝐵 = ; 𝑃 𝐴 ∪ 𝐵 =
4 3 12
Por ley de la suma tenemos que :

𝑃 𝐴 ∪ 𝐵 = 𝑃 𝐴 + 𝑃 𝐵 − 𝑃(𝐴 ∩ 𝐵)
Despejando el último término:
𝑃 𝐴∩𝐵 =𝑃 𝐴 +𝑃 𝐵 −𝑃 𝐴∪𝐵
3 1 11 9 4 11 2 1
= + − = + − = =
4 3 12 12 12 12 12 6
Así, la probabilidad de que el sujeto cumpla con ambas metas, la de perder un
1% del peso corporal y mejorar la glicemia es de 1/6.
Principio de multiplicación
Si un experimento tiene 𝑚 posibles resultados [outcomes] y otro

tiene 𝑛 posibles resultados, entonces existe 𝑚 ⋅ 𝑛 posibles
resultados para los dos experimentos.
Ejemplo.
Se lanzan simultáneamente una moneda y un dado y se observa los
resultados. Describa el espacio muestral.
Principio de multiplicación generalizado.

Si se realizan 𝑝 experimentos, el primero con 𝑛1 posibles
resultados, el segundo con 𝑛2 posibles resultados, el 𝑝 -ésimo con
𝑛𝑝 posibles resultados entonces existe 𝑛1 ⋅ 𝑛2 ⋅ … ⋅ 𝑛𝑝 posibles
resultados para los 𝑝 experimentos.
Ejemplo 3.
Una palabra binaria es una secuencia de ceros y unos. ¿Cuántas
palabras diferentes de 8 bit existen? 0101001
°
resultados
{ posibles
Probabilidad
Probabilidad condicional e independencia
Bioestadística
Paola Viviani
Tabla de Contenidos
1. Probabilidad condicional
2. Independencia
3. Ley de probabilidades totales
Introducción
Actividad. Se lanza un dado y se observa el resultado.

Sea A = observar un número impar
B = observar un número inferior a 6
1={1%3,415.6}
• Calcule 𝑃(𝐴), 𝑃(𝐵) y 𝑃(𝐴 ∩ 𝐵)
• ¿Cuál es la probabilidad de obtener un número impar dado que
obtuve un número inferior a 6? Calcule usando casos
favorables/ casos totales.
PIAF
? ¥ = PCA / B) =
P (B) = ¥
PCAA B)
=
? facultadmedicina.uc.cl 4
Probabilidad Condicional
Sean 𝐴 y 𝐵 dos eventos contenidos en el espacio muestral Ω, con

𝑃(𝐵) > 0. Se define la probabilidad condicional del evento A dada
la ocurrencia del evento B como:
𝑃 𝐴𝐵 =
𝑃(𝐴 ∩ 𝐵)
𝑃(𝐵)
:* menor
a
a
µ ser
impar
Si ambos eventos son posibles, entonces se tiene que:

𝑃 𝐴∩𝐵 =𝑃 𝐴 𝐵 ∙𝑃 𝐵
𝑃 𝐴∩𝐵 =𝑃 𝐵 𝐴 ∙𝑃 𝐴
]! > no incluye
×] → si incluye
Ejemplo 1. La siguiente tabla muestra la distribución de peso (en

categorías) según sexo de cierta población de interés.
Grupo Hombres Mujeres Total
Definamos los eventos: <= 67 0 12 12
A: el peso mayor a 67 y ]67 - 75] 8 24 32
]75 - 83] 28 24 52
menor o igual a75 kg
> 83 24 4 28
B: el sexo es mujer Total 60 64 124
'
todo lo q
¿Qué representa y cuánto es? i A no es
Éi 𝑃(𝐴) 34124 P/ A)
𝑃(𝐴𝑐 ) p -
§
67,75=8/32
hombre dado 9-
𝑃(𝐵𝑐 |𝐴)
ser
2464
°É 𝑃(𝐴|𝐵)
entre
= pesa
= kilos
⇐
prhob.de A + B- intensión .
Atado B 67775
pesar entre
V0 7%21
=
:
pesar *
=
µ )
6571758 dado PCAUB
" "" " =
% geamu.gg,
que
g. qqypyy qeeshonbre
pesar ,
•
Y124
=
P/ B)
=
= dado que
"
/ 32
pff / B) ser mujer =
=
75
pesa Gty
herrumbre pesar óti Y

""
= 4124
PCBY pfff B) mujer
=
.
:
Ejemplo 1. La siguiente tabla muestra la distribución de peso (en

categorías) según sexo de cierta población de interés.
Grupo Hombres Mujeres Total
Definamos los eventos: <= 67 0 12 12
A: el peso es entre 67 y 75 kg ]67 - 75] 8 24 32
]75 - 83] 28 24 52
B: el sexo es mujer
> 83 24 4 28
Total 60 64 124
Calcule la probabilidad de pesar entre 67 y 75 kg si es mujer.
Independencia
B no afecta en A .
si no cambia la pnob te A
.
.
Dos eventos 𝐴 y 𝐵 serán independientes si la ocurrencia de un

evento no depende de la ocurrencia (o no ocurrencia) del otro. Es
decir,
𝑃(𝐴|𝐵) = 𝑃(𝐴)
o
𝑃(𝐵|𝐴) = 𝑃(𝐵)
A partir de la definición de probabilidad condicional, se tiene que si

𝐴 y 𝐵 son dos eventos posibles e independientes entonces,
𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐴) ∙ 𝑃(𝐵)
el caso de independencia
solo en
se utiliza esto ! ! !
Probabilidad Condicional e Independencia
Ejemplo 2. Considere la siguiente tabla.
• o
Se define los eventos: Calcule 𝑃(𝐴), 𝑃(𝐴|𝐵) y 𝑃(𝐴 ∩ 𝐵)
A: pesar <3000 gr al nacer
a
Pat 1%+0
-
_
= °" "
PLAIBY ¥420
:
B: ser hombre deMEOWTH PCB) =

45%70=0152
**
•
PCAIB) 54/450=0112
:
PCB/A)
54/122=0,44
)=Pl¥↑»
=
PCAIB
PLANB)
3%70 =
- -
- - - - -
--
I I (
(
II.iii.
tabla de intersección A- <3K

D= Hombre
.
< 3000 grs >= 3000 grs. Total

•
I intersección .
Hombres 6,2% 45,5% 52,9% ¿Qué representa

Mujeres 7,8% 40,5% 47,1%
QQ
•
.
el valor 40,5%? B B
'
% de ser mujer y
Total £Ó14% 86% 100%
•
• .
pese
+ de 3. kilos
.
A
29 .
;
% "°
ni 40.x 19¥ 50
menos
.
"
< 3000 grs -

>= 3000 grs. i-panisi-iq.FI
60 40 100
AABC) 3%0 !
¿Qué representa
-
_
/ 40400
A
'
PCACAB)
Hombres 0,12 0,88 =

-
_
2950=45
,
!
PCBIAD __
-
- - -
- - -
-
-
PCA / B) -2%0
'
:
Fg
PIAIBC ) 30140
3. Kilos
-
_
de
el valor 0,16? qj pesa menos

pcnilrít .
Mujeres 0,16 0,84 EH dadoqies mujer

.
Silas
Ynosunnant
-
nogoninkrsecúón
cuando no + 1- para abajo
es dado
|
Ú "
"
•
PIAAB) -1%0
-1%0=1"
A AC PIAIB)
< 3000 grs >= 3000 grs.

•
¿Qué representa " " "" ° "
" %
PIBIAI 1%0
:
>
•
Hombres 0,44 0,53 f- 1- el valor 0,44? ser hombre , dado que pesa
÷::-
f- 1
Pde
Mujeres 0,56 0,47 menos de
JKIIOS .
" "
1- 1-
sistema 1- entero
intersección
dentro , ex
<
=L
fallado
hacia
condiciona
abajo
enfila ¿Son independientes los eventos A y B?
?⃝
es
.pe#IEn PlAIB)- PlA P(BIA)=P fB PlA B)- P(

Independiente
:*
F@sis.n
Ejemplo. A) PCB)
•
Casos Controles ¿Es independiente la exposición

Expuestos 30 150 de tener la enfermedad (ser
No expuestos 100 500 caso)?
se está condicionando hacia abajo
Casos Controles
independientes
.
"
"
Expuesto 0,23 0,23

No expuestos 0,77 0,77
Hora
*
I
)
Ejemplo 3.
no puede ser numérica ,
O
categórica
.
ser
O
tiene que
BC =
mapuche
Europea
B ascendencia
=
D- p Baja⇐
Mendip
A2 =
Alta
Az =
PIA , ) = 0,396
PL B)
=
3141g
PIA 11 B) = 01402
PLAN BY 0,376
=
la tenemos
RAAB)
= no
¥
)
PLAN B) PLB
•

chilenos entre 6 y 13 años de edad. Alvarez C. et al. Nutr Hosp. 2016 Mar 25;33(2):93. facultadmedicina.uc.cl 12
Así por ejemplo: se definen los eventos:

A: presentar obesidad B: ser mapuche
Entonces,
• 𝑃(𝐴) = 0,175 ; 𝑃(𝐵) = 107/418 = 0,26
• 𝑃 𝐴𝑐 =
• 𝑃(𝐴|𝐵) =
Si se quiere calcular P(A∩B) =
Así por ejemplo: se definen los eventos:

A: presentar obesidad B: ser mapuche
Entonces,
• 𝑃(𝐴) = 0,175 ; 𝑃(𝐵) = 107/418 = 0,26
• 𝑃(𝐴𝑐 ) = 1 − 𝑃(𝐴) = probabilidad de no ser obeso= 0,825
• 𝑃(𝐴|𝐵) = probabilidad de ser obeso si eres mapuche = 0,122
Si se quiere calcular P(A∩B) = probabilidad de ser obeso y ser mapuche, se

puede utilizar la definición de probabilidad condicional:
𝑃(𝐴 ∩ 𝐵)
𝑃(𝐴|𝐵) =
𝑃(𝐵)
𝑃 𝐴 ∩ 𝐵 = 𝑃 𝐴 𝐵 ∙ 𝑃 𝐵 = 0,122 ∙ 0,26 = 0,032

Ley de probabilidades totales
todo
q juntos toman
jet muestral
espacio
Considere 4 eventos 𝐵1 , 𝐵2 , 𝐵3 y 𝐵4 , colectivamente exhaustivos y mutuamente

excluyentes, es decir,
U
no tienen intersección .
𝐵1 ∪ 𝐵2 ∪ 𝐵3 ∪ 𝐵4 = Ω
𝐵1 ∩ 𝐵2 = 𝐵1 ∩ 𝐵3 = ⋯ = 𝐵3 ∩ 𝐵4 = ∅
Si 𝐴 es un evento contenido en el espacio muestral tenemos que:
𝑃 𝐴
= 𝑃 𝐴|𝐵1 ⋅ 𝑃 𝐵1 + 𝑃 𝐴|𝐵2 ⋅ 𝑃 𝐵2
+ 𝑃 𝐴|𝐵3 ⋅ 𝑃 𝐵3 + 𝑃 𝐴|𝐵4 ⋅ 𝑃 𝐵4
Ley de probabilidades totales
Formalmente, consideremos los eventos posibles 𝐵1 , 𝐵2 , …,𝐵𝑘 tales que:
ራ 𝐵𝑖 = Ω y 𝐵𝑖 ∩ 𝐵𝑗 = ∅
𝑖=1
donde 𝑖 ≠ 𝑗; 𝑖, 𝑗 = 1, … , 𝑛
Luego para cualquier evento 𝐴 se cumple que:
𝑃 𝐴 = ෍ 𝑃 𝐴|𝐵𝑖 ⋅ 𝑃 𝐵𝑖
𝑖=1
¥7
Inventado
A1: Estudia en colegio particular P(A1) =
un 0,2
A2: Estudia en colegio municipal P(A2) = 0,5

•
A3: Estudia en colegio subvencionado. P(A3) = 0,3

•
→¥%Í¥%
problema
.
→
U: Entrar a la U.
P(U| A1)Yo
""
i "
'
"
= , )
P( U|A2) = • µ P(U|A3) = o ,
.gg?IntYainIEa#)- we:: .P(U/A1)PlAnI+p1U/A-

se
multiplica cada prob (ponderado
PIUIAZIIPA 2) + PIUIA g) PLAN
✗ .
PIU) PIUIARIPIARI
-
-
+
= ÓIOIXOIL 014×0,5+00,6×0,3=0
P(U) = })
a) + PIU / A } ) PIA
17
?⃝
-
Hamburguesa → Open → buscar el archivo → aparecerá la encuesta con las columnas filas
y .
modelos Plots
*
Descargar paquete con grafías → . buscar
"
; libreria de
jamo vi. descargar →
"
surveymv
-
Survey .
[MÍ Plots
nalyses →
survey
Crear tablas de Frecuencia ( se crean con variables de tipo categoría )

[ "
✓ de preseleccionó solo
" "
Exploration ; Descriptivo ;
" "
Statistics sacar los lo

"
se
;
que .
Luego seleccionar 3 variables del tipo categórica

" " " " " "
; zona sexo HTA
Frequency
""
luego seleccionar tables
Para Realizar grafías grafica de Frecuencias porcentuales

→
Exploration ; Survey Mots ; ( esta opción no permite seleccionar variables continuas )
luego seleccionar las mismas
Nominal / Ordinal Plots
variables seleccionadas anteriormente
"
Hide
en
"
luego missing values
" "
hacer ✓ en
"
Additional Options
"
en
Para borrar todo los gráficos y tablas , apreto
izquierda
luego Freqvency
" " "" "no"
porcentajes
" "
type
"
cambiar a
.
en
Escribir todo tal cual
.
en las Formulas
(Rear Una nueva Variable µ,
.ws .
.
IMC esvariable numérica continua
µ
.
" e.
→
crear la variable IMC / la Formula : peso/talla al cuadrado ) los gráficos
para variables
de barra sirven
la talla está categóricas

lo q hay que modificarla
'
en cm ✗
-
[ buscar
.
" "
nueva columna y doble Clik izquierdo ; seleccionar New compute d variable
apretar
LÍTalla _ mts en description poner transformación de variable talla de cm a metro
"
En fx =
( aqui se inserta la formula) =
talla/100
Luego pincho otra columna

que está en blanco
y automaticamente calcula todas las tallas de cm a mtr .
↳ ahora a trabajar con el IMC

"
buscar columna apretar doble Clik "
lomputed variable
nueva y izquierdo ; seleccionar new
IMC :
"
descripcion
*
↳ Formula fx :(peso / ( talla mts

*
talla mts) ) . .
-
_
His to
" "
tener grafica tipo Box

" "
Inc tiene
que un
gran plot
Probabilidades
Función de probabilidad
Bioestadística
Paola Viviani
Tabla de Contenidos
1. Variable discreta
a. Función de probabilidad
b. Función de distribución acumulada
Función de distribución de probabilidad
Tipos de variables: categóricas (nominales/ordinales) o

numéricas (discretas/continuas).
Una variable aleatoria discreta es aquella variable aleatoria

numérica que toma valores en un conjunto finito o infinito
numerable.
Ejemplo 1:
Sea 𝑋: número de caras que se obtiene al lanzar tres veces una
moneda al aire.
Ω = 0, 1, 2, 3
Si la moneda es honesta, las probabilidades asociadas son:
𝑃(𝑋 = 0) =
𝑃(𝑋 = 1) =
𝑃(𝑋 = 2) =
𝑃(𝑋 = 3) =
Nota:
𝑃(𝑋 = 0) se lee como “probabilidad de que la variable
aleatoria 𝑋 tome el valor cero”.
Sea 𝑋 una variable aleatoria discreta que toma valores

𝑥1 , 𝑥2 , 𝑥3 , … .
La función 𝑝 tal que 𝑝 𝑥𝑖 = 𝑃 𝑋 = 𝑥𝑖 es la función de

distribución de probabilidad (fdp) de la variable aleatoria 𝑋.
Siempre se cumple que 0 ≤ 𝑝 𝑥 ≤ 1.
De manera intuitiva, 𝑝(𝑥𝑖 ) es la función que nos muestra como

se comportan las probabilidades asociadas a cada posible valor
de 𝑋.
Figura que representa la función de distribución 𝑝(𝑥𝑖 ) para el

experimento del triple lanzamiento de la moneda.
Función de distribución acumulada
Es la función que muestra la probabilidad acumulada hasta un
valor dado. Se define como:
𝐹 𝑥 = 𝑃 𝑋 ≤ 𝑥 , −∞ < 𝑥 < ∞,
con 0 ≤ 𝐹(𝑥) ≤ 1
En el ejemplo,
𝐹 0 =
𝐹 1 =
𝐹 2 =
𝐹 3 =
Figura que representa la función de distribución acumulada

𝐹 𝑥 = 𝑃 𝑋 ≤ 𝑥 para el experimento del triple lanzamiento
de la moneda.
Notas:
• El dominio de 𝐹 𝑥 corresponde a los posibles valores que
pueda tomar la variable aleatoria 𝑋.
• El recorrido de 𝐹 𝑥 son todos los posibles valores obtenidos al

evaluar 𝑥 en 𝐹(𝑥). Por esto, son valores entre 0 y 1.
• Estamos trabajando con variables numéricas que son

intrínsecamente ordenadas. Luego, se cumple que si
𝑥1 ≤ 𝑥2 → 𝐹 𝑥1 ≤ 𝐹 𝑥2
es decir, la fda es no decreciente.
Ejemplo
Variable Aleatoria → edad y sexo de los NNA hospitalizados por covid
niños
SL ×
=
espacio muestra de X niñas
JL =
{ 0,12345678910 11121314151617 18 } Adolecente
✗
Pcx =
a) = PIO) =
919/2350 =
0,178
P / ✗ 1) =P (1)
=
=
133/2350=0,056
P (✗ 2) a- =
P / 2) =
83/2350=0,035
PLO ) P / 1) P (2) =
0,269
F (2)
=
PCXE 2) = + +
Calcule la correspondiente función de probabilidad. F (A) =p ( ✗ C- 17)

)
= 1- PLX -18
12
Resumen: vocabulario
Variable Cálculo de Forma de la Probabilidad

probabilidades distribución Acumulada
Discreta Puntual Función de Función de
probabilidad distribución
acumulada
Continua Por intervalos Función de Función de
densidad densidad
acumulada
Probabilidades
g-
Función de densidad.
Bioestadística
Paola Viviani
Tabla de Contenidos
1. Variable continua
a. Función de densidad
b. Función de densidad acumulada
valores de
función de piloto :
posibles
discreta y los posibles Valores
Función de densidad
¡
ji
'
Tipos de variables: categóricas (nominales/ordinales) o

numéricas (discretas/continuas).
Una variable aleatoria es continua si puede tomar

cualquier valor en un intervalo (es decir, si está en
correspondencia con los números reales).
Ejemplos de variables continuas son el peso, talla, presión

arterial, etc.
↳
☒ facultadmedicina.uc.cl
A diferencia de una variable aleatoria discreta, al considerar

una variable aleatoria continua, el espacio muestral no
puede numerarse.
Ejemplos I.
X= porcentaje de audición por oído derecho
valor escucha nada
1min
imo no
infinitos valores
-
> Entremedio hay

ΩX = [0,100]
-
↑maxímo Valor .
escucha perfecto
Y= IMC en escolares chilenos mayores de 12 años

LO mismo
:
ΩY =[12,45]
Si X es una variable continua, no es posible calcular

% de que esté entre .
→
𝑃(50 < 𝑋 ≤ 80) como una suma, ya que entre 50 y 80

existen infinitos valores posibles para 𝑋.
Esto hace necesario cambiar el método de cálculo de

probabilidades cuando la variable en estudio es continua.
Intuitivamente, f(x) representa la “curva” que forma el

histograma de la v.a.
la
*
ve qiestá
media Mi
en
1
¿Cuál es la 𝑃(50 < 𝑋 < 80)? →
Función Densidad Continua

Es una función que permite conocer el “comportamiento”
de una variable aleatoria continua. De acuerdo a esto, es
posible obtener la probabilidad de ocurrencia para un
intervalo de valores. Representa probabilidades por áreas.
Esta función se expresa como 𝑓(𝑥) y corresponde a una
expresión matemática. Algunas conocidas: distribución
Exponencial, Uniforme, Normal, t de Student, Chi2, etc.
*
forma
Oheuawpana
todos los valores de la variable
aleatoria × que toman valores entre a y b
Sea 𝐴 un evento definido por 𝐴 = {𝑥: 𝑎 < 𝑋 < 𝑏}. O

sea, 𝐴 es un intervalo, de modo que los valores que
toma la v.a. X se mueven entre “a” y “b”.
A : ser normapeso < 25 }
✗ =
IMC A= {× 18.5<IMC
:
Entonces si 𝒇(𝒙) es la función densidad de la variable

aleatoria continua 𝑋, se tiene:
A es un intervalo
b
P( A) = P(a  X  b) =
↓:*
Tú
:#

x A
f ( x)dx = 
a
f ( x)dx
esté
→
la probabilidad del evento A

es
igual
ala
probabilidad de que el IMC
entre
18,5725 .
Es decir, la probabilidad de que 𝐴

y ocurra se calcula como el área bajo
la curva en el intervalo de puntos
ii
f(x)
de 𝑋 que pertenecen al intervalo
o 𝐴.
g¡.E E
Para calcular una probabilidad
entre 𝑎 y 𝑏, es necesario conocer
𝑓(𝑥).
toda
P(A)
el area
que esta
✗
entre a
yb
×
.
a b
X
*•
El área bajo la curva (o sea, la probabilidad calculada), no

cambia si se toma o no en cuenta el punto 𝒂, 𝒃 o ambos, ya
que el área calculada en un punto vale cero. Luego, se cumple
que:
𝑃 𝑎 < 𝑋 < 𝑏 = 𝑃 𝑎 ≤ 𝑋 ≤ 𝑏 = 𝑃 𝑎 ≤ 𝑋 < 𝑏 = 𝑃(𝑎 < 𝑋 ≤ 𝑏)
*
Estas 4 son lo mismo .
Se deduce entonces que la probabilidad en el punto a es

𝑃(𝑋 = 𝑎) = 0.
Propiedades de 𝒇(𝒙)
Por ser una función densidad, 𝑓(𝑥) debe cumplir las
siguientes propiedades:
1. 𝑓(𝑥) ≥ 0 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 x •
÷:*:*;Y
# µ)
E::::
✓
+∞ posible valor qi puede

tomar
la diferencia es
2. න 𝑓(𝑥)𝑑𝑥 = 1
−∞
/
..
tomar
puede
𝑏
'
valor q
3. 𝑃(𝑎 < 𝑋 < 𝑏) = න 𝑓(𝑥)𝑑𝑥

𝑎
Nota: Como - < a < x < b < , se cumple que

𝑃(𝑎 < 𝑋 < 𝑏) = 𝑃(𝑋 < 𝑏) − 𝑃(𝑋 < 𝑎)
↑E:* :
Función de densidad acumulada
Es la función que muestra la probabilidad acumulada hasta

obtiene
se unafunción a
un valor dado. Se define como: partir de otra
la
FI 80)
=
PCXL -801
𝐹 𝑥 = 𝑃 𝑋 ≤ 𝑥 , −∞ < 𝑥 < ∞,
Luego, en el caso continuo
𝑥
𝐹 𝑥 = න 𝑓 𝑥 𝑑𝑥
−∞
Función de densidad acumulada
Propiedades
1
tstáentretly
• 0 ≤ 𝐹(𝑥) ≤ 1
• F es no decreciente: si 𝑥1 < 𝑥2 entonces 𝐹(𝑥1 ) ≤ 𝐹(𝑥2)

P de ✗entre 2 puntos
𝑏
y
• 𝑃 𝑎≤𝑋≤𝑏 = ‫𝑓 𝑎׬‬ 𝑥 𝑑𝑥 = 𝐹 𝑏 − 𝐹(𝑎)
• 𝑃 𝑋 ≥ 𝑎 = 1 − 𝐹(𝑎)
% .. .
.
.li#i-HA-tEAfacultadmedicina.uc.cl
Resumen: vocabulario
Variable Cálculo de Forma de la Probabilidad

probabilidades distribución Acumulada
Discreta Puntual Función de Función de
probabilidad distribución
q ,
1,1 3M
sea
,
acumulada
Continua Por intervalos Bo
Función de Función de
F- entre ayb
densidad densidad
.
acumulada
Pontificia Universidad Católica de Chile
Facultad de Medicina
Primer Semestre 2018
Fecha: 23 de abril 2018
Curso : Bioestadística
Sigla : MEK201A MEN201A
Profesoras : Paola Viviani , Angélica Domínguez
Interrogación :1
NOMBRE: PAUTA I1
SIGLA: __________________________________________________
Instrucciones
1. Recuerde colocar su nombre en la prueba.
2. La prueba tiene 6 preguntas distribuidas en 10 páginas. Verifique que su

ejemplar esté completo antes de comenzar.
3. En preguntas de Verdadero o Falso, debe dejar claramente especificada sólo

una opción, de lo contrario la pregunta se considerará con cero puntos. No es
necesario justificar verdaderas ni falsas.
4. Sus respuestas a las preguntas de desarrollo debe escribirlas con letra clara en
la misma hoja en que aparecen y en el espacio asignado para ello.
5. Si desea realizar cálculos o anotaciones adicionales puede pedir hojas en blanco

para ello, pero NO se recibirán como respuestas de la prueba. No olvide escribir sus
resultados en los espacios asignados.
6. La prueba tiene un total de 40 puntos.
7. La nota mínima aprobatoria (nota 4) se consigue con un 50% del puntaje total.
8. Utilice lápiz a pasta o tinta. No se aceptarán reclamos de pruebas escritas con

lápiz a mina.
1
Pregunta 1: Verdadero o Falso (1 punto cada afirmación/8 puntos en total).
a) __V__ El método científico es una serie de etapas que debe seguir un

investigador, que va desde el planteamiento de una pregunta de investigación
hasta la difusión de resultados.
b) __V__ Respecto a los componentes de una Pregunta de Investigación (PACO),

la C corresponde describir los grupos a comparar cuando se realiza una
intervención.
c) __V__ Si cuento con datos poblacionales (CENSO), no es necesario realizar

Inferencia.
d) _F___ El número de casos involucrado en un estudio, corresponde a una

variable aleatoria de tipo numérica.
e) __F__ Un Boxplot muestra la mediana y los quintiles de una variable aleatoria

numérica. El boxplot no muestra los quintiles
f) __F__ El Rango no es sensible a valores extremos.

El rango si es sensible a valores extremos
g) __V__ Si se quiere saber sobre qué puntaje de PSU obtuvo el 10% de los
mejores puntajes, se debe calcular el percentil 90.
h) __F__ Sean A y B dos eventos cuales quiera. Siempre se cumple que 𝑃(𝐴 ∩
𝐵) = 𝑃(𝐴) ∙ 𝑃(𝐵).
?
2
Pregunta 2. (12 puntos)
En el estudio “Construcción de un modelo de cálculo y registro del percentil de peso
neonatal” de González et al. (2013), se busca elaborar curvas de peso fetal y neonatal
para niños/as españoles.
La muestra estudiada procede del Registro de Datos Perinatales del Hospital

Universitario Materno Infantil de Canarias. Este hospital cubre la asistencia pública de
toda la isla de Gran Canaria (845.676 habitantes). Se valora a 16.958 neonatos
producto de gestaciones únicas (no incluye embarazos gemelares) nacidos de madres
españolas entre las 26-43 semanas durante el periodo 2008-2011.
La siguiente Tabla 1 caracteriza a la muestra considerada.
*Nulípara: no ha tenido hijos anteriormente.
A partir de la información entregada en la Tabla 1, responda las siguientes preguntas:
a) Indique dos variables aleatorias que se presenten como categóricas.(1 pto.)
Nulíparas, Sexo, Edad gestacional y Peso al nacer
b) Indique dos variables aleatorias que se presenten como numéricas. (1 pto.)
Edad materna, IMC, estatura, peso
3
c) Asuma que la distribución de la variable IMC es simétrica y con forma de
campana. ¿Entre qué rango de IMC se encuentra (aproximadamente) el 95% de las
madres consideradas? (2ptos.)
Promedio=24.7 ;ds=4.9
Promedio - 2*DS = 24.7 – 9.8 = 14.9
Promedio + 2*DS = 24.7 + 9.8 = 34.5
d) De acuerdo a la información entregada, ¿hay señales claras de asimetría en la

distribución de la variable Estatura? Justifique brevemente. (2ptos.)
No, no hay indicios de asimetría. De hecho, la media es muy similar a la mediana.
En el mismo estudio, se entrega la siguiente Tabla 2 para Peso de recién nacidos

hombres (por espacio, se omite la tabla de niñas) de acuerdo a Edad Gestacional.
e) ¿Qué porcentaje de niños, con edad gestacional de 29 semanas, pesa más de

1270 grs.? (2 ptos.)
Para la fila de EG=29 semanas, un valor de 1270 gramos corresponde al percentil 75.
Luego un 25% de los niños de 29 semanas nace pesando 1270 grs o más.
f) ¿Cuál es el tercer cuartil de Peso en niños con 38 semanas de edad gestacional?

(2 ptos.)
Para la fila de EG= 38 semanas, el tercer cuartil o percentil 75 corresponde a 3273.8

gramos.
4
g) En niños con 40 semanas de Edad Gestacional, ¿entre qué valores de Peso se
encuentra el 90% (central) de los recién nacidos? (2 ptos.)
El 90% central toma desde el percentil 5 al percentil 95. Luego, para 40 semanas de
edad gestacional los valores de peso son (2721.4 ; 4036.9)
Pregunta 3 (8 puntos).
Se define BingeDrinking (BD) como el Consumo de Alcohol en exceso, definido por el

consumo de cinco o más bebidas para los hombres y cuatro o más para las mujeres, en
un lapso de dos horas. Sin embargo, la principal característica del “bingedrinking” es el
consumo en grupo, en un contexto de fiesta, donde se busca quedar ebrio/a.
El estudio “Bingedrinking: estándar asociado al riesgo de problemas del uso de alcohol

entre estudiantes universitarios” (2017) de Bedendo et al., busca evaluar problemas
asociados al uso de alcohol entre estudiantes universitarios que relataron
bingedrinking, en comparación a estudiantes que consumieron alcohol sin
bingedrinking. Con este objetivo, se realizó un estudio transversal entre estudiantes
universitarios que visitaron una página web sobre el uso de alcohol.
La siguiente tabla muestra los resultados obtenidos respecto a uno de los factores
estudiados: Tipo de Institución en la que estudian, donde se observó que un 85% de las
respuestas provenían de estudiantes de Institución Privada, y solo un 15% de
Institución Pública.
Tipo de institución
universitaria
Privada Pública
No bebió (%) 11,1 9,4
Tipo de
Bebió sin BD (%) 38,5 34,2
consumo
Bebió con BD (%) 50,4 56,4
Para responder las siguientes preguntas, considere la definición de los eventos:

A: Estudiar en Institución Privada
B1: No Beber
B2: Beber sin BD
B3: Beber con BD
En cada pregunta debe explicitar el procedimiento a calcular utilizando la notación

recién entregada (por ejemplo: P(A|B1)). Mantenga 4 decimales en sus resultados.
a) ¿Cuál es la probabilidad de que un joven incluido en el estudio beba con BD

dado que estudia en una Institución Pública? (2 ptos.)
Se obtiene directamente de la tabla: 𝑃(𝐵3|𝐴𝑐 ) = 0.564
5
b) ¿Cuál es la probabilidad de que un joven beba con BD y pertenezca a una
Institución Privada? (2ptos.)
Se obtiene usando la definición de prob condicional, despejando para la intersección.

𝑃(𝐵3 ∩ 𝐴) = 𝑃(𝐵3 |𝐴) ∗ 𝑃(𝐴) = 0.504 ∗ 0.85 = 0.4284
c) De acuerdo al estudio ¿cuál es la probabilidad de beber con BD? (3 ptos.)
No tenemos esta información directamente. La calcularemos usando ley de

probabilidades totales.
𝑃(𝐵3 ) = 𝑃(𝐵3|𝐴) ∗ 𝑃(𝐴) + 𝑃(𝐵3|𝐴𝑐 ) ∗ 𝑃(𝐴𝑐 ) = 0.504 ∗ 0.85 + 0.564 ∗ 0.15
= 0.4284 + 0.0846 = 0.513
d) ¿Cuál es la probabilidad de estudiar en una Institución Privada dado que

declaró beber con BD? (3 ptos.)
Usamos el teorema de bayes:

𝑃(𝐵3 |𝐴) ∗ 𝑃(𝐴)
𝑃(𝐴|𝐵3 ) =
𝑃(𝐵3 )
𝑃(𝐵3|𝐴𝑐 ) = 0.504 por apartado a)
𝑃(𝐴𝑐 ) = 0.15 del enunciado
𝑃(𝐵3 ) = 0.513 por apartado c).
0.504∗0.85
𝑃(𝐴|𝐵3) = =0.8351
0.513
De acuerdo a información entregada por el Ministerio de Salud, Chile está entre los 10
países del mundo que más prescriben Ritalín para tratar el déficit atencional en
escolares. En pacientes del sistema público pasaron de 27 mil en 2009 a 52 mil en
2013.
Se sabe que la cantidad de escolares el año 2009 era de 3.256.153 y en el año 2013 de
3.089.178 personas.
a) Calcule la tasa por cada mil escolares de niños con déficit atencional para el año
2009 y para el año 2013. (2 ptos.)
27.000 𝑥 27.000 ∙1.000
Tasa 2009: 3.256.153 = 1.000 ; 𝑥 = = 8.292x cada 1000 escolares
3.256.153
52.000 𝑥 52.000 ∙1.000

Tasa 2013: 3.089.178 = 1.000 ; 𝑥 = = 16.8329 x cada 1000 escolares
3.089.178
6
b) Respecto del año 2009 ¿Cuánto aumentó el tratamiento del déficit atencional al
año 2013? (2ptos.)
16.83 𝑥 16.83 ∙ 100

= ;𝑥 = = 203.0
8.292 100 8.292
La tasa tratamiento a escolares con déficit atencional subió un 103% (más del doble).
c)En un establecimiento hay 800 escolares, ¿cuántos de ellos se espera que tomen
ritalín? Asuma la información más reciente. (2ptos.)
La información más reciente es la correspondiente al año 2013.

16.83 𝑥 16.83 ∙ 800
= ;𝑥 = = 13.464
1000 800 1000
Se espera que en ese establecimiento haya 14 alumnos medicados con Ritalin.
Abraham Opazo trabaja hace 10 años como cerrajero. Según su experiencia, cada fin
de semana recibe en promedio 8 llamadas de familias sin poder entrar a sus casas
porque han perdido las llaves, por lo que él debe acudir a cambiar chapas. Lo que más
le sorprende, es que esto ocurre de forma regular sábados y domingos.
Este sábado don Abraham va a celebrar el cumpleaños de su esposa, por lo que quiere
averiguar la probabilidad de que al menos dos familias pidan su ayuda, interrumpiendo
su evento.
a) Defina la variable aleatoria, su distribución con correspondiente(s)

parámetro(s) y su espacio muestral. (3 ptos)
X: número de familias requieren la ayuda de Abraham el día sábado (variable aleatoria)
𝑥 = {0,1,2,3, … }
8
𝑋 ∼ 𝑃𝑜𝑖𝑠𝑠𝑜𝑛(𝜆) con 𝜆 = = 4. El parámetro es 4 porque el fin de semana tiene dos
2
días, pero el cumpleaños se celebra durante un día.
b) Calcule la probabilidad pedida. (3 ptos)
𝑃(𝑋 ≥ 2) = 1 − 𝑃(𝑋 < 2) = 1 − 𝑃(𝑋 = 0) – 𝑃(𝑋 = 1)
40 𝑒 −4 1 ∙ 𝑒 −4
𝑃(𝑋 = 0) = = = 0.0183
0! 1
41 𝑒 −4 4 ∙ 𝑒 −4
𝑃(𝑋 = 1) = = = 0.0732
1! 1
1 − 𝑃(𝑋 = 0)– 𝑃(𝑋 = 1) = 1 − 0.0183 − 0.0732 = 1 − 0.0915 = 0.9085
7
14/9/2020 Interrogación 1: Bioestadistica
Interrogación 1
Fecha de entrega 14 de sep en 13:00 Puntos 42 Preguntas 24
Disponible 14 de sep en 11:30 - 14 de sep en 13:00 casi 2 horas
Límite de tiempo 80 minutos
Instrucciones
Primera Interrogación 2020

Esta prueba tiene una duración de 1 hora 20 minutos y estará disponible desde las 11:30 hasta las
13:00 hrs.
La prueba está compuesta de preguntas de las siguentes secciones. Para cada una se indica el número
de preguntas y el puntaje que tiene cada una:
Estadística Descriptiva: 6 preguntas V/F (1 punto cada una).

Probabilidad Básica y Discreta: 6 preguntas V/F (2 puntos cada una).
Probabilidad Continua: 3 preguntas de respuesta múltiple (2 puntos cada una).
Epidemiología y temas dr Cerda: 9 preguntas de respuesta múltiple (2 puntos cada una).
Una vez finalizada la prueba, podrá ver las respuestas correctas (13:00 hrs).
Historial de intentos
Intento Hora Puntaje
MÁS RECIENTE Intento 1 71 minutos 42 de 42
 Las respuestas correctas estarán disponibles del 14 de sep en 13:00 al 14 de sep en 13:10.
Puntaje para este examen: 42 de 42

Entregado el 14 de sep en 12:42
Este intento tuvo una duración de 71 minutos.
https://cursos.canvas.uc.cl/courses/18077/quizzes/39542 1/18
Pregunta 1 1 / 1 pts
Si una variable X tiene promedio 40, entonces la variable Y definida como

X+5 tiene promedio 45.
Verdadero
Falso
Al sumar o restar una constante a cada dato, los datos "se

desplazan" esa cantidad sobre el eje X, sin cambiar su varianza.
Para una variable numérica, los deciles son 10 valores que dividen la
muestra en 10 partes iguales.
Verdadero
Falso
Los deciles son 9 valores, que dividen la muestra en 10 partes

iguales
Para una muestra de 995 personas con y sin litiasis vesicular, se obtuvo
la siguiente descripción del peso (en kilos):
Error
n Promedio Mediana Desv.Est. Mínimo Máximo Q1 Q3
St.
995 65.8 64.5 12.6 0.40 39.4 147.5 56.8 73.0
Si los datos fuera n simétricos, con distribución aproximadamente

Normal, bajo 53.2 kilos debiera estar el 16% de los individuos.
Verdadero
Falso
Entre el promedio DS debiera estar el 68% de los individuos.

Luego, por simetría, bajo el promedio -DS (53.2 kg) debiera estar
el 16%.
Para una muestra de 995 personas con y sin litiasis vesicular, se obtuvo
la siguiente descripción del peso (en kilos):
Error
n Promedio Mediana Desv.Est. Mínimo Máximo Q1 Q3
St.
995 65.8 64.5 12.6 0.40 39.4 147.5 56.8 73.0
En esta descripción, el error estándar no tiene unidad de medida.
Verdadero
Falso
El error estándar tiene la misma unidad de medida que los datos:

kilos
Si todos los valores que toma una variable son negativos, entonces la
desviación estándar puede ser negativa.
Verdadero
Falso
La desviación estándar es la raíz cuadrada de la varianza, que a

su vez es una suma de desviaciones cuadráticas respecto al
promedio muestral. Ninguno de estos valores puede ser negativo.
Ante la presencia de valores extremos (u outliers), debiéramos

reemplazar el promedio muestral por la mediana muestral. Sin embargo,
podemos usar la desviación estándar como medida de dispersión de los
datos.
Verdadero
Falso
La desviación estándar también se ve afectada por los outliers,

por lo que se reemplaza por el rango o el rango intercuartil.
Si hay un 50% de probabilidad de que llueva aquí y un 50% de

probabilidad de que llueva en Marte, entonces hay un 25% de
probabilidad de que llueva aquí y no en Marte.
Verdadero
Falso
Lluvia aqui y en Marte son sucesos independientes. Luego:
P(lluvia aquí y no en Marte) = P(lluvia aquí) P(no llueva en Marte)

= 0.5x0.5 = 0.25
La variable aleatoria X=nro. de repeticiones de un experimento hasta

completar k éxitos, con P(éxito)=p, tiene distribución Binomial(n, p),
donde los parámetros son n=nro. de repeticiones y p=probabilidad de
éxito.
Verdadero
Falso
La variable X=nro. de repeticiones de un experimento hasta

completar k éxitos no es binomial (es distribución Binomial
Negativa o Pascal). Una binomial es del tipo X=número de éxitos
en n ensayos.
Si dos eventos A y B son independientes, entonces A y B son

mutuamente excluyentes.
Verdadero
Falso
Si A y B son independientes, significa que P(A B) = P(A)P(B), lo

cual no necesariamente es igual a cero (que es lo que ocurre si A
B= ).
Para todo suceso A y B , siempre se cumple que P(A|B)P(B)

=P(B|A)P(A)
Verdadero
Falso
P(A|B)=P(A B)/P(B) y P(B|A)=P(A B)/P(A)
Despejando P(A B) en ambas igualdades se llega a que

P(A|B)P(B) =P(B|A)P(A).
Si A y B son dos eventos en , y se cumple que P(A)=1/3 y P(B | A)=1/3,

entonces A B=
Verdadero
Falso
P(B | A)=P(A B)/P(A) P(B|A)P(A)=P(A B)
Pero P(B|A)P(A) = 1/3 x 1/3 = 1/9. Luego A B
Para dos sucesos A y B en , si P(A B)=0 entonces P(A) o P(B) debe

ser igual a cero.
Verdadero
Falso
Basta que la intersección sea vacía (A B= )
En un estudio sobre neumonía adquirida en la comunidad (NAC) en

adultos mayores de 60 años, se determinó que la temperatura corporal al
ingreso al hospital de estos pacientes tiene distribución Normal, con
media 37.5° y desviación estándar 1.1°.
Si se considera al 25% de los adultos con temperatura corporal más alta

de la población con NAC, ¿cuál es el límite inferior de temperatura
corporal para este grupo?
NOTA: Use al menos 2 decimales para sus cálculos. Los valores puestos
en las alternativas son aproximados.
36.76°
38.24°
35.15°
40.12°
En un estudio sobre neumonía adquirida en la comunidad (NAC) en

adultos mayores de 60 años, se determinó que la temperatura corporal al
ingreso al hospital de estos pacientes tiene distribución Normal, con

media 37.5° y desviación estándar 1.1°.
Si se selecciona una muestra de n=6 adultos mayores de 60 años con

NAC, calcule la probabilidad de que la muestra no incluya ninguna
persona con temperatura mayor a 37.5°.
<0.0001
0.0004
0.0312
0.0156
En un estudio sobre neumonía adquirida en la comunidad en adultos

mayores de 60 años, se determinó que la temperatura corporal al ingreso
al hospital de estos pacientes tiene distribución Normal, con media 37.5°
y desviación estándar 1.1°.
Con esta información, determine la proporción de adultos con neumonía

que tengan temperatura mayor a 38.5°.
0.8186
0.1524
0.1814
0.9091
La tabla resume los resultados de un estudio experimental (prospectivo,

ficticio) que comparó la efectividad de una vacuna versus placebo sobre
la incidencia de COVID-19. En base a dichos resultados, responda las
siguientes preguntas. (Nota: placebo es una sustancia en todo igual a la
vacuna, excepto en que no incluye el principio activo, por ende, no
genera protección contra sarampión).
Intervención COVID-19 COVID-19 Total
SÍ NO
Vacuna 100 900 1.000
Placebo 400 600 1.000
Total 500 1.500 2.000
¿Cuál es el riesgo absoluto de presentar COVID-19 en el total de

participantes del estudio?
40%
10%
75%
25%
Con respecto al concepto de “tasa”, señale la alternativa CORRECTA
El concepto epidemiológico de “prevalencia” corresponde al de una tasa
Representa la frecuencia de un evento en una población definida, en un

período de tiempo y lugar específico
Su denominador expresa el número de personas a las cuales les ocurrió

un evento, en un período de tiempo y lugar específico
Es posible efectuar una comparación de tasas cuando éstas se obtienen

de poblaciones de diferente tamaño

COVID-19 COVID-19
Intervención Total
SÍ NO
Vacuna 100 900 1.000
Placebo 400 600 1.000
Total 500 1.500 2.000
Por cada 100 personas que reciben la vacuna, en lugar del placebo,
¿cuántos casos de COVID-19 se evitan?
10
30
40
20
Señale la alternativa cuyos términos corresponden a aquellos faltantes en

el siguiente párrafo, en el orden en que se presentan.
En Chile, el/la __________ de nacimientos prematuros ocurrido en 2010

equivale a 18.171 nacimientos. El/la __________ de niños
no−prematuros vs. prematuros fue de 13:1, mientras que el/la
__________ de nacimientos prematuros alcanzó el 7,2%. Por otro lado,
el/la _________ de mortalidad infantil en la Región Metropolitana
(Incidencia = 7,1 por 1.000 nacidos vivos) v/s la Región de
Arica−Parinacota (Incidencia = 5,7 por 1.000) equivale a 1,2.
Número absoluto – Riesgo Relativo – Razón − Proporción
Proporción – Razón – Número absoluto − Riesgo Relativo
Razón – Proporción –Número absoluto − Riesgo Relativo
Número absoluto – Razón – Proporción – Riesgo Relativo
¿Cuál de las siguientes alternativas describe el siguiente concepto:

“cuociente entre el riesgo del grupo expuesto y el riesgo del grupo no-
expuesto”
Riesgo Relativo
Incidencia
Prevalencia
Riesgo atribuible

COVID-19 COVID-19
Intervención Total
SÍ NO
Vacuna 100 900 1.000
Placebo 400 600 1.000
Total 500 1.500 2.000
¿Cuántas veces más riesgo de enfermar de COVID-19 tienen quienes

reciben placebo, comparado con quienes reciben la vacuna?

COVID-19 COVID-19
Intervención Total
SÍ NO
Vacuna 100 900 1.000
Placebo 400 600 1.000
Total 500 1.500 2.000
Del total de casos de COVID-19 ocurridos entre quienes recibieron

placebo, ¿qué porcentaje es directamente atribuible a dicha intervención?
90
40
75
50

COVID-19 COVID-19
Intervención Total
SÍ NO
Vacuna 100 900 1.000
Placebo 400 600 1.000
Total 500 1.500 2.000
¿Cuántas veces más odds de presentar COVID-19 tienen quienes

reciben el placebo, comparado con quienes reciben la vacuna?
Con respecto al concepto de “riesgo”, señale la alternativa CORRECTA
Epidemiológicamente es homologable a “incidencia”
Denota la posibilidad de ocurrencia de un evento siempre desfavorable
La percepción sobre su magnitud es independiente de la medida de efecto

utilizada
La comparación del riesgo en expuestos y no−expuestos solamente es

factible de realizar en estudios retrospectivos
Puntaje del examen: 42 de 42

(Puntaje parte I: 50 puntos)

1. Según la Encuesta Nacional de Salud (ENS) 2009, el 2% de las mujeres chilenas
sufre de artritis reumatoide (AR). Suponga que se toma una muestra aleatoria de
300 mujeres chilenas. (10 puntos)
a. Calcule la probabilidad exacta de que el número de mujeres con AR se

encuentre entre 2 y 3. (4 puntos)
 R. X = número de mujeres con artritis reumatoide en n = 300 casos ~ Bin(300, 0.02).
     
   ≤  ≤  =   =  +   =  =    × − +    × −
     
 =  +  = 
b. Calcule una probabilidad aproximada de que el número de mujeres con AR se

encuentre entre 2 y 3, usando un método alternativo al usado en (a). (3 puntos)
 R. Si X ~ Bin(300, 0.02) entonces X distribuye aproximadamente Poisson(), con tasa

=300x0.02 = 6. Luego:
 −    −  
   ≤  ≤  =   =  +   =  = +
 
 =  +  = 
c. Si se considera que el número de observaciones es grande, use Teorema

Central del Límite para calcular una probabilidad aproximada de que el número
de mujeres con AR se encuentre entre 2 y 3, usando un método alternativo a los
usados en (a) y (b). (3 puntos)
 R. Si X ~ Bin(300, 0.02) entonces X ~ N(300x0.02, 300x0.02x0.98)  N(6, 5.88),

entonces:
  −    − 
   −  ≤  ≤  +  =   ≤  −   ≤  =   ≤  −   ≤ 
 
 =   ≤ − −   ≤ − =  −  = 


 
2. Un biólogo que estudia la tasa de germinación de cierto tipo de semilla, determinó
que el 90% de las semillas germina. Si el biólogo tiene una caja de 45 semillas: (10
puntos)
i) Determine la probabilidad de que germinen todas las semillas. (3 puntos)
 R. X = número de semillas que germinan en n=45 ensayos ~ Bin(45, 0.9).
Luego:
  
 =  =  −  = 
  
ii) Determine la probabilidad de que germine al menos una semilla. (3 puntos)
R.  
 ≥  = −  =  = −   − − = −  ≈  
 
 
iii) Considere la tabla siguiente, que muestra la distribución acumulada para la

probabilidad de germinación de 40 hasta 45 semillas:
k P(X  k)
40 0.47286
41 0.67107
42 0.84096
43 0.94763
44 0.99127
45 1
Usando la información tabulada, calcule la probabilidad de que germinen

entre 41 y 43 semillas (nota: indique claramente la forma como está usando
la información tabulada). (4 puntos)
R. P(X = 41) = 0.67107 – 0.47286 = 0.19821

P(X = 42) = 0.84096 – 0.67107 = 0.16989
 P(X = 43) = 0.94763 – 0.84096 = 0.106675
Luego:
P(41  X  43) = 0.19821 + 0.16989 + 0.10667 = 0.47477 
Alternativamente (más corto):

P(41  X  43) = P(X  43) – P(X  40) = 0.94763 – 0.47286 = 0.47477



 
3. La siguiente tabla resume la aplicación de la pena de muerte en el estado de
Florida, Estados Unidos, durante el año 1975, de acuerdo a la raza de la víctima y
del acusado (datos reales): (10 puntos)
Pena de Pena de
Víctima Blanca muerte Víctima Negra muerte
Si No Si No
Raza del Negra 44 220 Raza del Negra 7 214
Acusado Blanca 28 185 Acusado Blanca 2 72
(i) Determine la probabilidad de que un acusado de raza negra sea condenado a

muerte.
R. (44+7)/(44+220+7+214) = 51/485 = 0.1051 
(ii) Determine la probabilidad de que un acusado de raza blanca sea condenado a

muerte.

R. (28+2)/(28+185+2+72) = 30/287 = 0.1045
(iii) De los resultados anteriores, ¿Podría afirmar que no existe discriminación

racial? Argumente en no más de dos líneas. 
R. No se puede afirmar. La diferencia es tan poca, entre (i) y (ii) que no se
puede argumentar que haya discriminación respecto a la aplicación de la pena
de muerte.
(iv) Determine la probabilidad de que, dado que la víctima era de raza blanca, un
acusado de raza negra sea condenado a muerte.
R. 44/(44+220) = 44/464 = 0.095 


 
(v) Determine la probabilidad de que, dado que la víctima era de raza negra, un
acusado de raza blanca sea condenado a muerte.
R. 2/(2+72) = 2/74 = 0.027 
(vi) ¿Es independiente de la raza del acusado de aplicación de la pena de muerte?

Justifique estadísticamente.
R. P(acusado raza blanca condenado a muerte | víctima raza negra) = 0.027

 P(acusado raza blanca condenado a muerte) = 0.1045

O bien: P(acusado raza negra condenado a muerte | víctima raza blanca) = 0.095
 P(acusado raza negra condenado a muerte) = 0.1051
O bien, algunos intenten por P(A y B) ^= P(A)P(B)
4. Calcule las siguientes probabilidades: (10 puntos)
(i) Durante la presentación final de su grupo (compuesto por 6 alumnos), el profesor hace
6 preguntas, eligiendo al azar quien responde. Determine la probabilidad que cada uno
de los alumnos responda sólo una pregunta. Es decir, que ningún alumno conteste
más de una pregunta.
R. Si los alumnos estuvieran numerados del 1 al 6, los casos favorables para calcular
la probabilidad son 123456, 132456, …, 654321. O sea, todas las permutaciones de
los 6 números = 6! = 720. 
Los casos totales son 66, ya que cada alumno a responder puede seleccionarse de 6
disponibles (ya que es un muestreo con reposición).
Luego, la probabilidad es: 6! / 66 = 720 / 46656 = 0.0154. 


 
(ii) Se sabe que la prevalencia de síntomas depresivos en población chilena es 17.2%
(ENS 2009). Considere un pueblo de 5.000 habitantes. Si se eligen personas al azar
del pueblo sin reposición, hasta completar una muestra de 30 personas, calcule la
probabilidad de tener una persona con síntomas depresivos en la muestra.
R. El número de personas con síntomas depresivos en el pueblo es 5000x0.172=860.

 Luego, la probabilidad (hipergeométrica) es:
     
 ×  
   
   =  =   =    
  
  
 
(iii) En el ejercicio planteado en (ii), ¿cuál es la probabilidad de tener una persona con
síntomas depresivos en la muestra tamaño 30, si el muestreo se hace con reposición?
R. La probabilidad de “éxito” no cambia, luego p = 0.172, y X = número de personas


con síntomas depresivos en n = 30 casos ~ Bin(30, 0.172). Entonces:
 
 =  =   − − =  

(iv) En 2010, 409 personas fallecieron por accidentes de tránsito en la Región

Metropolitana. Asumiendo que los accidentes ocurren homogéneamente en el tiempo,
calcule la probabilidad de que fallezcan 2 personas un día cualquiera en la R.M.

 R. Sea X = nro. accidentes fatales diarios ~ Poisson(), con λ = =     
Luego: 
 −   
  =  = = 



 
5. El Índice de Adiposidad Corporal (BAI, body adiposity index), propuesto por
Bergman et.al. (Obesity 2011), se propone como un indicador alternativo al IMC
para determinar obesidad en adultos, y se caracteriza por utilizar el perímetro de
cintura (cms) y la estatura (mts), y se calcula como: BAI = (perímetro de cintura /
[talla x raíz(talla)] - 18.
Si entre los novatos se ha determinado que el BAI se comporta como una variable
aleatoria normal con una media igual a 20, con una desviación estándar de 6.
Responda: (10 puntos)
a) Si una persona mide 1,65 mts y tiene un perímetro de cintura de 70 cms., ¿qué
porcentaje de la población tiene un BAI menor que esta persona?
 R. Sea BAI: X ~ N(20, 62). Luego, BAI = 70 / (1,65)3/2 -18 = 15,03. Luego,
P( X < 15,03) = P( Z < (15,03 – 20) / 6) =

= P(Z < -0,829) = 1-P(Z<0,829) = 1- 0,796 = 0,204  20,4% 

b) Determine los valores de BAI que permita identificar la proporción de novatos

con posible desnutrición (20% menor) o con problemas de obesidad mórbida
(15% superior).
 R. Necesitamos a tal que P(X < a ) = 0,2  P( Z < (a-20)/6) = 0,2
De tabla (a-20)/6 = - 0,84  a = 20 – 0,84 x 6 = 14,96

Por otra parte, b tal que P(X > b) = 0,15  P(X < b) = 0,85, es decir:
P(Z < (b-20)/6) = 0,85. De tabla (b-20)/6 = 1,035  b= 20+1,035 x 6 = 26,21
c) Se ha decidido evaluar uno a uno a los novatos hasta determinar el primer

novato en problema (ya sea desnutrición u obesidad mórbida), ¿cuál es la
probabilidad que tenga que evaluar a 4?
 R. X ~ Geom(p=0,35)  P(X=4) = 0,653 x 0,35 = 0,0961


d) Si su grupo de estudio esta compuesto por 5 novatos, ¿cuál es la probabilidad

que al menos uno presente problemas en el indicador BAI?
 R. X ~ Bin(n=6; p=0,35)  ¨(X>=1) = 1-P(X=0) = 1 – 0,655 = 1-0.116 = 0.884




 

(Puntaje parte II: 25 puntos)




 
 
 
  
 







  
 
 
 


 
 
 
 



 
 
 




 
             
 
 
 







 




































9. La Encuesta Nacional de Salud es un estudio transversal cuyo objetivo principal es
describir la frecuencia de diferentes condiciones de salud en Chile. En su versión 2009 dicha
encuesta reportó que entre las personas mayores de 15 años el 9,4% son diabéticas. Esta
cifra corresponde al concepto de: (2 puntos)
a. Incidencia
b. Riesgo Relativo
c. Prevalencia (Correcta)
d. Riesgo Absoluto
e. Odds Ratio


 
10. La Encuesta Nacional de Salud 2009 estimó que la chance de que un paciente diabético
pertenezca al nivel socioeconómico bajo es 1,57 veces la chance de que un sujeto no–
diabéticos pertenezca a dicho nivel. Esta cifra corresponde al concepto de: (2 punto)
a. Incidencia
b. Riesgo Relativo
c. Prevalencia
d. Riesgo Absoluto
e. Odds Ratio (Correcta)
11.-. Un estudio prospectivo (ficticio) realizó un seguimiento a un grupo mujeres que

cursaban su primer embarazo, separando al principio de éste a las embarazadas en dos
grupos: obesas vs. no−obesas. Finalizado el seguimiento, los investigadores reportaron el
nacimiento de 15 recién nacidos de bajo peso por cada 100 embarazadas obesas seguidas
(15%). Esta cifra corresponde al concepto de: (2 puntos)
a. Incidencia (Correcta)
b. Riesgo Relativo
c. Prevalencia
d. Riesgo Absoluto
e. Odds Ratio
12.- En el mismo estudio prospectivo (ficticio), los investigadores reportaron que la

probabilidad de que un recién nacido presente bajo peso al nacer en el grupo de
embarazadas obesas es 2,5 veces la probabilidad de que un recién nacido presente bajo peso
al nacer en el grupo de embarazadas no−obesas. Esta cifra corresponde al concepto de: (2
puntos)
a. Incidencia
b. Riesgo Relativo (Correcta)
c. Prevalencia
d. Riesgo Absoluto
e. Odds Ratio


 
Las preguntas 13, 14 y 15 se contestan con los siguientes datos: (2 puntos cada una)
Un estudio experimental evaluó la eficacia de dos terapias contra el virus X, denominadas

terapias alfa y beta. Para ello, 100 pacientes recibieron la terapia alfa y otros 100 pacientes
recibieron la terapia beta, definiéndose como evento de interés (outcome) la muerte del
paciente. Los pacientes fueron seguidos durante un período de tres meses. Al concluir el
seguimiento, 5 pacientes que recibieron la terapia alfa fallecieron, mientras que 25
pacientes que recibieron la terapia beta fallecieron.
13.- En términos absolutos, ¿cuántos fallecimientos evita la terapia alfa por cada 100
individuos que la reciben en lugar de la terapia beta?
a. 15
b. 20 (Correcta)
c. 25
d. 30
e. 35
14.- . ¿En qué magnitud relativa la terapia alfa reduce el riesgo de fallecer, comparada a la
terapia beta?
a. 80% (Correcta)
b. 60%
c. 40%
d. 20%
e. 10%
15.-. ¿Qué número de pacientes es necesario tratar con la terapia alfa, en lugar de la terapia
beta, para evitar una muerte adicional?
a. 20
b. 10
c. 7
d. 5 (Correcta)
e. 4



 
Segundo Semestre 2016
Fecha: 12 de septiembre de 2016
Sigla : MEF103A
Profesora : Paola Viviani
Interrogación :1
NOMBRE:______________PAUTA_____________________________________
SIGLA: _____________________________ _____________________
Instrucciones

3. En preguntas de opción múltiple debe seleccionar sólo una alternativa como su

respuesta, de lo contrario la pregunta se considerará con cero puntos.
4. Sus respuestas a las preguntas de desarrollo debe escribirlas con letra clara en la
misma hoja en que aparecen y en el espacio asignado para ello.


lápiz a mina.
1
2
Formulario I1 Bioestadística.
1. Ley de Probabilidades Totales.
Sean 𝐴 y 𝐵 dos eventos. La Ley de Probabilidades Totales dice que:
𝑃(𝐵) = 𝑃(𝐵|𝐴) ∙ 𝑃(𝐴) + 𝑃(𝐵|𝐴𝑐 ) ∙ 𝑃(𝐴𝑐 )
2. Teorema de Bayes.
Sean 𝐴 y 𝐵 dos eventos. El Teorema de Bayes dice que:
𝑃(𝐵|𝐴) ∙ 𝑃(𝐴)
𝑃(𝐴|𝐵) =
𝑃(𝐵|𝐴) ∙ 𝑃(𝐴) + 𝑃(𝐵|𝐴𝑐 ) ∙ 𝑃(𝐴𝑐 )
3
4
A. SELECCIÓN MÚLTIPLE (2 ptos. c/u, 16 en total)
1. De acuerdo a un informe del año 2013 de la Seremi de Salud de la RM, “el

número de casos de hipoacusia profesional se ha mantenido a lo largo de los años. En
2010 hubo 93 notificaciones, en 2011 fueron 153 y el año 2012, 154”. Para calcular la
incidencia del periodo (2010-2012) , se debe considerar como numerador:
a) El total de casos notificados en el periodo.

b) El total de trabajadores de la RM en el periodo.
c) Los casos nuevos del año 2012.
d) Los casos ya existentes más los casos nuevos del periodo.
2. La prevalencia de retraso de lenguaje y del habla en etapa preescolar es de un

16%. Se sabe además que presentan una mayor prevalencia los niños respecto a las
niñas, con una razón de 3/1. Entonces, si se presenta en un 8% de las niñas, podemos
concluir que se presenta en:
a) Un 2% de los niños.
b) Un 16% de los niños.
c) Un 24% de los niños.
d) Un 32% de los niños.
3. De acuerdo a un estudio realizado el 2015 respecto al estado nutricional en

niños/as de educación parvularia, se determina que un 6.1% de las niñas y un 9.4% de
los niños, presentan obesidad mórbida. Si se definen los eventos A: padecer obesidad
mórbida, y B: ser niño, entonces:
a) P(B) = 0.094
b) P(A ∩ B) = 0.094
c) P(A | B) = 0.094
d) P(A U B) = 0.094
4. El Hacinamiento se calcula como número de personas en un hogar dividido por el

número de habitaciones para dormir en el hogar. De acuerdo a la CASEN 2013; el Nivel
de Hacinamiento se define como “sin hacinamiento” si hay menos de 2,5 personas por
habitación, como “hacinamiento medio” si hay entre 2,5 y 4,99 personas por habitación
y como “hacinamiento crítico” si hay 5 o más. De acuerdo a esto, la variable Nivel de
Hacinamiento es de tipo:
a) Categórica nominal
b) Categórica ordinal
c) Numérica continua
d) Numérica ordinal
5
5. Para realizar un proyecto de investigación, lo primero es:
a) Definir el diseño del estudio y el tamaño muestral.

b) Determinar la población de interés, especificando tiempo y lugar.
c) Plantear una pregunta de investigación.
d) Recolectar datos de las unidades muestrales.
6. Un estudio busca medir Procesos de Simplificación Fonológica (PSF) a los cuatro

años de edad en niños/as que nacieron prematuros (menos de 35 semanas de gestación)
y asociarlo con el Puntaje Apgar recibido al nacer. Para lograr este objetivo, se desarrolla
un estudio con 40 niños/as de 4 años de edad con antecedentes de prematurez.
De acuerdo al resumen recién descrito y al contexto del estudio, indique cuál de los
siguientes ítems NO corresponde a una variable aleatoria:
a) Prematuro (Sí o No)

b) PSF
c) Puntaje Apgar
d) Sexo
7. Considere el experimento “lanzar consecutivamente dos dados, primero uno rojo

y luego uno azul (ambos equilibrados)”. Se definen los eventos,
A: la suma de ambos dados es 6, y
B: obtener un número par en ambos dados.
Entonces, la probabilidad de 𝐴 ∪ 𝐵 es:
a) 5/36
b) 9/36
c) 12/36
d) 14/36
8. El percentil 60 de una distribución, corresponde a:
a) El tercer cuartil
b) El tercer decil
c) El tercer percentil
d) El tercer quintil
6
B. DESARROLLO
9. A continuación se presenta el resumen del artículo “Estudio controlado del

ritmo del habla en la enfermedad de Parkinson” (2015)
Resumen
Introducción: Las alteraciones en el habla aparecen en la mayoría de los pacientes con la
enfermedad de Parkinson (EP) en el curso del trastorno. Su origen y gravedad son de interés
clínico y diagnóstico.
Objetivo: Evaluar los patrones de deterioro en el habla en pacientes con la EP, e identificar
diferencias en la velocidad de elocución y articulación en comparación con sujetos de control,
empleando un método de análisis automático en una tarea de lectura.
Pacientes: Participaron 39 pacientes con la EP y 45 controles asintomáticos igualados en sexo y
edad.
Resultados: El grupo de pacientes con la EP muestran una significativa reducción de la velocidad
de elocución y articulación. No se encontraron correlaciones significativas entre los parámetros
del habla estudiados y las características de los pacientes, tales como la dosis de L-dopa,
duración del trastorno, edad, ni en las puntuaciones en las escalas UPDRS III o Hoehn y Yahr.
Conclusiones: Los pacientes con la EP muestran un patrón característico de deterioro del ritmo
del habla. Estos resultados indican que las disfluencias en la EP son el resultado de la alteración
del movimiento que afecta a la fisiología de los sistemas de producción del habla.
Adicionalmente, se muestra la siguiente tabla con resultados:
A partir de la información entregada, responda las siguientes preguntas:
7
a) Indique una variable categórica que se consideren en el estudio, indicando si es
de tipo ordinal o nominal. (1 ptos.)
Hay dos alternativas:
Sexo, nominal
Grupo (o pueden ponerle otro nombre, pero indica si es Caso (con EP) o Control, nominal.
b) Indique una variable numérica que se consideren en el estudio, indicando si es de

tipo discreta o continua. (1 ptos.)
Puede ser cualquiera de las otras variables que aparecen en la tabla, seguramente días
Edad o Duración de la EP, cualquiera es continua.
La única que podrían decir discreta es Escala de Hoehn y Yahr, considerar válido en este
caso si dicen numérica o discreta porque no queda claro.
c) ¿Entre qué edad se encuentra (aproximadamente) el 95% de los pacientes con

EP? Asumiendo que la distribución de la variable Edad es simétrica y con forma de
campana. (2 ptos.)
El 95% se encuentra entre promedio ± 2*d.e., es decir para los EP, 69.56 ± 2*9.01
Luego, el 95% está entre 51.54 y 87.58 años
(si lo hacen correctamente pero con la edad de los casos, poner solo 1 pto.)
8
d) Considerando la información entregada para la variable Duración en años de EP,
¿hay señales de simetría o asimetría? Responda y justifique brevemente. (2 ptos.)
Si hay señales de asimetría.
Posibles respuestas (con una es suficiente):
- La desviación estándar es muy alta en relación al promedio

- Si se calcula el 95% aproximado como promedio ± 2*d.e., o el 99% aproximado como
promedio ± 3*d.e. , se obtienen valores negativos en el límite inferior del intervalo, lo
que no es posible es decir, se obtienen datos fuera de rango.
No sirve decir que la mediana y el promedio son diferentes porque no está disponible la
mediana, así que no pueden saberlo.
e) De acuerdo a su respuesta anterior, ¿qué medidas de resumen sería adecuado

para mostrar estadística descriptiva de la variable Duración en años de EP? (2
ptos.)
Se debiera mostrar mediana y rango, o mediana con mínimo y máximo.
9
10. En un estudio realizado en la maternidad del Hospital Clínico de la Universidad
de Chile (HCUCH) en el periodo 2000-2008, se registraron 15.635 nacimientos, de los
que 15.506 fueron nacidos vivos (NV) y 129 mortinatos (NM). En el total de nacimientos
se encontró 1.376 recién nacidos (RN) portadores de una o más malformaciones
congénitas; 1.342 eran NV y 34 NM. En este grupo había 46 RN (24 varones (52,2%) y 20
mujeres (43,5%) y 2 con sexo ambiguo (2,3%) que presentaban fisura oral. Treinta y
cinco con labio leporino y 11 con paladar hendido. (Fuente: “38 Años de vigilancia
epidemiológica de labio leporino y paladar hendido en la maternidad del Hospital Clínico
de la Universidad de Chile”, 2015):
a) Calcule la tasa (x 10.000 RN) de niños/as nacidos con fisura oral en el HCUCH en el
periodo 2000-2008. (3 ptos.)
Corresponde calcular 46/15.635= 0.002942
Luego, para la tasa = 0.002942*10.000 =29,42 niños con fisura oral por cada 10.000 RN
Puede ser que calculen 44/15.635= 0.002814, ya que hay dos niños con sexo ambiguo y
podrían no quedar considerados en los niños/as del fraseo de la pregunta.
Luego, para la tasa = 0.002814*10.000 =28,14 niños con fisura oral por cada 10.000 RN
*No es relevante la cantidad de decimales.

*No se pide escribir la frase con el resultado, bastaría con el número (indicando el
amplificador de la tasa)
b) Calcule la tasa de mortalidad (x 1.000 RN) en el HCUCH en el periodo 2000-2008. (3

ptos.)
Luego, para la tasa = 0.008251*1.000 =8,251 niños mueren al nacer por cada 1.000 RN
*No se pide escribir la frase con el resultado, bastaría con el número (indicando el
amplificador de la tasa)
10
c) Calcule el porcentaje de niños/as NV que nació con una o más malformaciones
congénitas en el HCUCH en el periodo 2000-2008. (3 ptos.)
Luego, para el porcentaje = 0.0865*100 =8,65% de los niños NV nacieron con una o más
malformaciones congénitas
*No se pide escribir la frase con el resultado, bastaría con el número (indicando que es
un porcentaje)
11
11. La Afasia es un trastorno a consecuencia de una lesión a las partes del cerebro
responsables por el lenguaje, y puede causar problemas con cualquiera o todas las
siguientes destrezas: la expresión, la comprensión, la lectura y la escritura. Algunas
personas con afasia tienen problemas en el empleo de las palabras y las oraciones
(afasia expresiva). Algunas tienen problemas en entender a los demás (afasia
receptiva). Otras personas con afasia tienen problemas tanto de expresión como de
comprensión (afasia global). En la siguiente Tabla se muestran los porcentajes de cada
uno de estos tipos de afasia en un grupo de 250 pacientes con afasia, 150 hombres y
100 mujeres.
Afasia Hombres (%) Mujeres (%)

Expresiva 42,5 (64) 37,2 (37)
Receptiva 35,7 (53) 48,3 (48)
Global 21,8 (33) 14,5 (15)
Para responder las siguientes preguntas, considere la definición de eventos:
A: Ser Hombre
B1: Presentar Afasia Expresiva
B2: Presentar Afasia Receptiva
B3: Presentar Afasia Global
En cada pregunta debe explicitar el procedimiento a calcular utilizando la notación recién

entregada (x ej: P(A|B).
a) ¿Cuál es la probabilidad de que un/a paciente presente Afasia Receptiva? (3

ptos.)
P( B2 ) = P( B2 | A ) * P(A) + P( B2 | Ac ) * P(Ac) P(A)=150/250=0,6
= 0,357 *0,6 + 0,483*0,4 = 0,2142 + 0,1932 = 0,4074

* Podrían escribir el evento ser Mujer como 1-P(A), o 𝐴̅ , o enunciarlo como un nuevo
evento, por ejemplo C: ser mujer. Todo es correcto, no cambia el resultado.
* Es importante la notación inicial
También podrían hacer los cálculos obteniendo los n de la tabla. Los n no me coinciden
bien con los % (como enteros) así que podrían haber errores de más o menos 1 caso,
considerar correcto. Esto hace también que los dos resultados no me den exactos
necesariamente, pero está bien de cualquiera de las dos formas.
P( B2 ) = (53+48)/250 = 0,404
12
b) ¿Cuál es la probabilidad de que un paciente con Afasia sea hombre, si se sabe
que presenta Afasia Receptiva? (3 ptos.)
P (A | B 2) = P( B2 | A ) * P(A) / P(B2)
= 0,357 *0,6 / 0,4074 = 0,5258

P( A | B2 ) = 53/101 = 0,52475
* No considerar error de arrastre, si llegan mal a P(B2) en a), dejarlo válido en b)
c) Si se selecciona un paciente con Afasia al azar, ¿cuál es la probabilidad de que

sea una mujer con Afasia Global? (3 ptos.)
P( Ac ∩ B3 ) = P( B3 | Ac ) * P(Ac)
= 0,145 * 0,4 = 0,058
También podrían hacerlo como P( Ac ∩ B3 ) = P(Ac | B3 ) * P(B3). Sería largo porque no

tienen ninguna de esas probabilidades, pero tendrían que llegar a lo mismo.

P( Ac ∩ B3 ) =15/250 =0,06
13
Segundo Semestre 2018
Fecha: 12 de septiembre de 2018
Sigla : MEF103A
Profesora : Paola Viviani
Interrogación :1
NOMBRE:___________________________________________________
SIGLA: _____________________________ _____________________
Instrucciones

3. En preguntas de Verdadero o Falso, debe dejar claramente especificada sólo una

opción, de lo contrario la pregunta se considerará con cero puntos. No es necesario
justificar verdaderas ni falsas.
4. Sus respuestas a las preguntas de desarrollo debe escribirlas con letra clara en la
misma hoja en que aparecen y en el espacio asignado para ello.


lápiz a mina.
1
2
A. VERDADERO O FALSO (1 pto. c/u, 10 en total)
1. _F_ _ En todo estudio, el tamaño de la muestra corresponde a una variable de F

tipo numérica. → no es una variada
2. __F _ De acuerdo al método científico, una vez que se recogen los datos, se
plantea la Pregunta de Investigación.
Tv
3. _ V__ En una Tabla de Contingencia, el porcentaje acumulado solo tiene
sentido cuando la variable que se considera es de tipo categórica ordinal.
4. _ F__ En distribuciones asimétricas, la media siempre estará a la derecha de la

mediana. F
5. _ V__ Cuando se realiza un Censo, no es necesario realizar Inferencia. ☆
6. _F __ Si X es una variable aleatoria Peso en kilos, entonces la distancia (en kilos)

del mínimo a la mediana, será siempre la misma que la distancia (en kilos) de
la mediana al máximo.
7. __V__ Si se calcula la tasa de cólera en Chile para el año 2017, entonces se

está calculando una tasa de morbilidad.
8. _F_ _ .F
solo si es independiente
Ir
9. __V__ La desviación estándar es sensible a valores extremos.
10. _V_ _ Siempre la probabilidad de la unión de dos eventos complementarios

entre sí, será igual a 1.
3
B. DESARROLLO
11. Sobrepeso y obesidad en

niños intervenidos de cardiopatía congénita. 2017
Resumen
Introducción: El impacto negativo del sobrepeso y la obesidad es potencialmente mayor
en niños con cardiopatía congénita (CC). El objetivo del estudio es determinar la
proporción de sobrepeso y obesidad en niños intervenidos de CC y valorar la existencia
de hipertensión arterial sistólica como posible complicación precoz.
Pacientes y métodos: Estudio descriptivo retrospectivo, incluyendo pacientes

intervenidos de CC y controles sanos entre 6 y 17 años en seguimiento en una consulta
de Cardiología Pediátrica. Se calcularon los percentiles del índice de masa corporal
según las tablas de la OMS (Organización Mundial de la Salud) y se analizaron variables
antropométricas, clínicas y valores de tensión arterial sistólica (TAS).
Resultados: Se incluyeron 440 pacientes, 220 intervenidos de CC. La prevalencia de

exceso de peso (percentil del índice de masa corporal 85) fue del 36,4% (el 37,3% en
controles y el 35,4% en cardiópatas, p = 0,738). Hubo una proporción más alta de
obesidad (percentil del índice de masa corporal 97) en afectos de CC (22,7%) que en
controles (15,5%) (p = 0,015). Los niños con exceso de peso tuvieron percentiles de TAS
más altos (p < 0,001). La prevalencia de percentiles de TAS 95 fue mayor en los
pacientes con CC con exceso de peso que en los normopeso (29,5 vs. 7,7%, p < 0,001) y
en los controles sanos con exceso de peso que en los normopeso (12,2 vs. 0,7%, p <
0,001).
Conclusiones: La proporción de obesidad es alta en niños intervenidos de CC y se asocia

a valores de TAS elevados. Es crucial reducir el riesgo de complicaciones a largo plazo
mediante la prevención y el tratamiento de la obesidad en esta población tan
vulnerable.
Adicionalmente, se muestra la siguiente tabla con resultados:
:
:
C
4
a) Indique una variable categórica que se considere en el estudio, indicando si es

de tipo ordinal o nominal. (1 ptos.)
Sexo, nominal
Grupo de edad, podrían nombrarla como ordinal o nominal
Estado nutricional, ordinal
Podría ser también pTAS>= 95, nominal
b) Indique una variable numérica que se considere en el estudio, indicando si es de

tipo discreta o continua. (1 ptos.)
Edad,☐continua
pTAS, continua
c) y indique entre qué valores

Para el grupo de niños Intervenidos de CC Obesos,
aproximadamente, se encuentran los valores de pTAS del 95% de ellos. Asumiendo que
la distribución de la variable pTAS en cada subgrupo es simétrica y con forma de
campana. (2 ptos.)
Se debe calcular
En este caso , es decir, entre 27,6 y 127,6
77,6 ± -2.25
(-4,6 -
127,6)
5
d) Considerando el cálculo realizado para la variable pTAS en c), ¿hay señales de
simetría o asimetría? Responda y justifique brevemente. (2 ptos.)
Hay claras señales de asimetría, porque tratándose de un percentil, no puede pasar por
sobre
e) De acuerdo a su respuesta anterior, ¿qué medidas de resumen sería adecuado

para mostrar -
estadística descriptiva de la variable pTAS en niños Intervenidos de
CC Obesos? (2 ptos.) .
Mediana y rango (o min-max)
f) Indique y justifique, refiriéndose a los resultados que se muestran en la Tabla, si

el Estado Nutricional es independiente del Grupo al que se pertenece, es decir,
si es independiente de ser Intervenido de CC o no. No es necesario que lo
demuestre matemáticamente ni que realice ningún cálculo. (3 ptos.)
Se observa que el estado nutricional depende (es decir, no es independiente) de tener

intervención de CC o no. Esto se observa porque la distribución (o porcentajes) de los
distintos niveles de estado nutricional cambia de un grupo a otro. Especialmente, se
observan más obesos en el grupo con cc que en grupo control (esto último confirma la
idea principal, pero no es necesario que esté para obtener el puntaje total.)
6
En el mismo estudio, adicionalmente se muestra la siguiente figura:
•
93
Pts
#
P 2s
mis
De acuerdo a esta figura, responda las siguientes preguntas g) y h)
g) En cada uno de los puntos señalados, indique a qué medida de orden corresponde
. (3 ptos.)
A: Primer cuartil o Q1 o Percentil 25
B: Tercer cuartil o Q3 o Percentil 75
C: Mínimo
7
h) Comente y compare las medianas de pTAS según grupo de IMC. Debe responder
al menos cuál es el valor aproximado en cada grupo y cuál de los dos parece tener
una distribución con valores más altos de pTAS. (2 ptos.)
Claramente el grupo de Sobrepeso u Obeso intervenido de CC tiene valores más altos

de pTAS que los Normopesos intervenidos de CC, con medianas de 85 y 65 aprox
respectivamente.
A continuación se muestra otra Figura que se analiza en el estudio:
De acuerdo a esta última Figura, responda:
8
i) ¿Cómo se llama el gráfico que se construyó en este caso? (1 pto.)
Gráfico de barras
j) ¿ ? Justifique refiriéndose a los resultados del gráfico. (2

pto.)
El grupo más sano son los Normopeso Controles, ya que es el grupo con un mayor
porcentaje de Tensión arterial normal (93,5%).
9
12. (Estudio ficticio). Se realiza un estudio que busca determinar la prevalencia de
alteraciones en la audición, función respiratoria y vocal en vendedores
ambulantes de la comuna de Santiago, y su asociación con ciertos factores de
riesgo. Con este objetivo, se aplicó una encuesta a un grupo de trabajadores para
obtener datos sobre variables sociodemográficas y comunicativas.
Posteriormente, los participantes además fueron evaluados mediante la
aplicación de pruebas de audiometría tonal, funcionalidad respiratoria y perfil
vocal de Wilson.
Respecto a los resultados de la audiometría, se obtuvo que un 28,5% de los

vendedores ambulantes presentaba un resultado Anormal.
Una de los factores que se buscó asociar con la audiometría fue si el vendedor
ambulante, en su jornada
muestra los resultados obtenidos;
Audiometría
Grita Mucho Anormal (%) Normal(%)

Si 52,8 34,6
No 47,2 65,4
Para responder las siguientes preguntas, considere la definición de eventos:
A: Audiometría Anormal
B: Grita mucho: Sí
En cada pregunta debe explicitar el procedimiento para responder utilizando la notación

de eventos recién entregada (x ej: P(A|B). Mantenga 3 decimales en sus resultados.
a) ¿Cuál es la probabilidad de que una persona incluida en el estudio haya

presentado una Audiometría Normal? (2 ptos.)
10
b) ¿Cuál es la probabilidad de que una persona Grite Mucho, si se sabe que
presentó una Audiometría Normal? (2 ptos.)
(Es directo de tabla, la dificultad está en reconocerlo y utilizar la notación correcta)
c) De acuerdo al estudio ¿cuál es la probabilidad de presentar una Audiometría

AnormalOy Gritar Mucho? (3 ptos.)
-
r
11
13. La siguiente figura muestra, simultáneamente, la tasa de mortalidad e incidencia
observada en Reino Unido entre los años 1982 y 2008, separadas por sexo.
Adicionalmente, a continuación se presenta la población de Reino Unido:
Año Hombres Mujeres Total Año Hombres Mujeres Total

2008 30.416.523 31.625.820 62.042.343 1994 28.156.016 29.787.456 57.943.472
2007 30.164.349 31.407.298 61.571.647 1993 28.073.802 29.714.215 57.788.017
2006 29.894.834 31.178.445 61.073.279 1992 28.008.061 29.641.149 57.649.210
2005 29.651.378 30.968.983 60.620.361 1991 27.942.925 29.568.669 57.511.594
2004 29.419.090 30.762.960 60.182.050 1990 27.863.833 29.474.366 57.338.199
2003 29.211.268 30.582.491 59.793.75 1989 27.773.688 29.383.284 57.156.972
2002 29.049.154 30.452.240 59.501.394 1988 27.690.230 29.306.220 56.996.450
2001 28.902.614 30.336.950 59.239.564 1987 27.625.242 29.234.961 56.860.203
2000 28.761.435 30.238.346 58.999.781 1986 27.570.391 29.173.506 56.743.897
1999 28.634.462 30.150.784 58.785.246 1985 27.515.344 29.103.551 56.618.895
1998 28.518.417 30.061.268 58.579.685 1984 27.454.695 29.026.946 56.481.641
1997 28.414.697 29.979.899 58.394.596 1983 27.396.027 28.966.475 56.362.502
1996 28.329.090 29.910.222 58.239.312 1982 27.367.500 28.935.694 56.303.194
1995 28.245.423 29.849.164 58.094.587
De acuerdo a la información anterior, responda las siguientes preguntas:
12
a. ¿Cuántos casos nuevos de Cáncer de pulmón se presentaron, aproximadamente,
el año 1995? Deje explícito los valores de referencia que utiliza para realizar el
cálculo. (3 ptos)
Para responder, a partir de las incidencias del gráfico (aprox), se debe calcular el número
de casos de hombre y de mujeres y finalmente sumarlos.
Hombres, con una tasa de incidencia de 80x100.000 hab. Y con 28.245.423 hombres el
año 1995, por regla de 3 s
Mujeres, con una tasa de incidencia de 30x100.000 hab. Y con 29.849.164 mujeres el
(al hablar de número de personas siempre se debe redondear hacia arriba)
Entonces, número de casos nuevos el año 1995= 22.597 + 8.955 = 31.552
(Podrían cambiar los número si toman referencias de la tasa de incidencia levemente

distintas, el procedimiento debe estar correcto)
b. ¿En cuánto disminuyó, porcentualmente respecto al año 1990, el número de

hombres que murió el año 2000? Deje explícito los valores de referencia que
utiliza para realizar el cálculo. (3 ptos)
Siguiendo la idea anterior, ahora se debe calcular el número de muertos hombres del
año 1990 y del año 2000.
1990, con una tasa mortalidad de 85x100.000 hab. Y con 27.863.833 hombres el año
2000, con una tasa mortalidad de 60x100.000 hab. Y con 28.761.435 hombres el año
Luego, hay una disminución de 6.428 muertes. Este valor representa un
6.428/ 23.685 = 0,271. Es decir, un 27,1% de disminución respecto al número de muertes

en hombres del año 1990.
(Podrían cambiar los número si toman referencias de la tasa de incidencia levemente

distintas, el procedimiento debe estar correcto)
13
Pontificia Universidad Católica de Chile
UDA Ciencias de la Salud
Bioestadı́stica
Guı́a 1
Estadı́stica Descriptiva
1. Una investigación busca estudiar la asociación del estado nutricional, niveles de actividad fı́sica
y etnicidad con niveles de hipertensión en escolares entre 6 y 13 años de edad. Un total de
443 niños, de ascendencia mapuche y europea, fueron invitados a participar en este estudio a
través de sus padres y tutores. La muestra se obtuvo desde la escuela Francia de la ciudad de
Los Lagos, durante los meses de marzo a junio del año 2014. La siguiente tabla muestra los
principales resultados obtenidos:
Cuadro 1: Caracterı́sticas antropométricas,cardiovasculares y de actividad fı́sica de los escolares

Variable Total Mapuche Europeo
n 418 311 107
n mujeres/hombres 241/177 186/125 55/52
Edad (años) 9,6 ± 2,4 9,6 ± 2,4 9,6 ± 2,4
IMC (kg/m2 ) 20,6±3,9 20,7±4,0 20,5±3,7
Estado Nutricional
Normopeso ( %) 44,0 45,0 40,8
Sobrepeso ( %) 38,5 35,8 46,9
Obesidad ( %) 17,5 19,2 12,3
Presión arterial
PAS(mmHg) 105,6±12,5 105,2±12,7 106,9±11,9
PAD(mmHg) 57,8±9,1 57,8±8,9 57,9±9,8
Prevalencia HTA
Pre-HTA( %) 13,2 1,1 21,3
HTA( %) 20,8 18,6 28,9
Actividad fı́sica
Baja( %) 39,6 40,2 37,6
Media ( %) 37,3 35,5 43,1
Alta ( %) 23,1 24,3 19,3
A partir de los datos presentados en la Tabla:
a) Identifique variables numéricas y categóricas.

b) Indique una variable aleatoria que se presente como razón.
c) Calcule, aproximadamente, entre qué valores de Edad se encuentra el 95 % de la muestra
total.
<
d) A partir del resultado anterior, y considerando los criterios de inclusión del estudio, ¿existe
evidencia de asimetrı́a para la variable Edad?.
e) Calcule, aproximadamente, entre qué valores de PAS se encuentra el 99 % de los niños/as
con ascendencia Mapuche.
f) Realice un gráfico, a mano, que permita comparar la distribución de Estado Nutricional
según ascendencia.
g) Calcule el número de casos con HTA en niños/as con ascendencia Mapuche y Europea,
por separado.
2. En la siguiente tabla se aprecia el nivel de uso de consonantes ( %) para 12 niños, Antes y

Después ) de una intervención para aprender a modular. Además, se indica el Sexo de cada
sujeto (M: Mujer, H: Hombre). En este ejercicio buscamos averiguar si existe evidencia para
afirmar que la intervención es útil para aprender a modular.
Sujeto Sexo Antes Después

1 M 37 88
2 H 58 73
3 M 75 67
4 M 71 88
5 H 57 73
6 M 72 77
7 H 74 79
8 H 40 68
9 H 63 63
10 M 60 73
11 M 55 80
12 H 57 78
Considerando estos datos, realice las siguientes tareas:
a) Liste las variables involucradas en esta base de datos.

b) Calcule una nueva variable que muestre el cambio (después-antes) producido en el nivel
de uso de consonantes. Llámela Cambio.
c) Calcule la media de Antes, de Después y de Cambio de niveles de uso de consonantes.
Interprete el valor del cambio.
d) Calcule la desviación estándar de Antes, de Después y de Cambio de niveles de uso de
consonantes. Interprete estos resultados.
e) Calcule los cuartiles en los niveles de uso de consonantes para las variables Antes, Después
y Cambio.
f) Construya un gráfico de Box-plot de los niveles de uso de consonantes de las variables
Antes, Después y Cambio.
g) Comente acerca de la simetrı́a de la distribución de los niveles de uso de consonantes de
antes de la intervención, de acuerdo a las respuestas dadas en los puntos anteriores.
2
Replique los apartados b)-c)-d)-e)-f) en Minitab
3. En el artı́culo La razón cintura estatura en escolares no varı́a con el género, la edad ni la ma-
duración puberal de Arnaiz P et al. (2014), se muestran los resultados de un estudio transversal
en 2.980 escolares de 6 a 14 años, de nivel socioeconómico medio-bajo y bajo, reclutados desde
establecimientos municipales subvencionados de la Región Metropolitana de Santiago, Chile,
entre marzo y diciembre del año 2006.
El objetivo de este estudio fue determinar si la razón cintura estatura, ambos medidos en
cms.(RCE), varı́a en escolares chilenos de educación básica, de acuerdo a género, edad y desa-
rrollo puberal.
La siguiente Tabla muestra parte de los resultados de este estudio.
A partir de los datos entregados en la Tabla, responda las siguientes preguntas.
a) ¿Qué porcentaje de los escolares de 10 años presentan un RCE superior a 0,42?

b) ¿Cuál es el primer cuartil de RCE en escolares de 8 años?
c) ¿Cuál es el Rango de RCS en escolares de 12 años?
d) En escolares de 10 años, ¿entre qué valores de RCE se encuentra el 80 % (central) de los
escolares? Interprete su resultado.
4. Supongamos que se elige una muestra aleatoria de 100 niños/a de 12 años de edad, registrándose
la altura. La media de la muestra es de 162.5 cm y la desviación estándar de 12.7 cm. Usted
puede asumir que las alturas de niños/as tienen una distribución con forma de campana y
simétrica. ¿Qué alternativa incluye aproximadamente el 95 % de la altura de los niños/as?
a) de 160.2 a 165.1 cm
b) de 99.1 a 226.1 cm
c) de 137.1 a 187.8 cm
3
d) de 149.8 a 175.2 cm
e) No se puede determinar a partir de la información dada.
f) Se puede determinar a partir de la información dada, pero ninguna de las opciones ante-
I riores es correcta.
a) CATEGÓRICA > É nutricional NUMÉRICA > edad

-
Prevalencia HTA -
IMC
Actividad física Presión arterial

- '
.
b) n hombres / mueres
f)
Obesidad -
C) 9.6 ± 2.2.4 ) 4,8 Y 14,4 europeo
sobrepeso -
Mapuche
d) asimétrica PORQUE se sale de los criterios de inclusión -
MONMOPCSO
C) 105,2 ± 3.12.7 ) 67,1 Y 143,3 16 210 310 4to 56
9) HTA mapuches 18,6% MAPUCHES 311 ) -58 casos
HTA europeos 28,9% EUROPEOS 107 ) ~ 31 CASOS
a) sexo
Palabras antes de la intervención
Palabras después de la intervención
b) 1 2 3 4 5 6 7 8 9 10 11 12
cambio 51 15 -8 17 16 5 5 28 O 13 25 21
c) media > antes -60

'
después -75,58 demuestra Que luego de la Intervención las Personas si mejoraron .
✓
cambio -15,67
1 2 3 4 5 6 7 8 9 10 11 12
1,332 -10,672 -10,672 12,332

"
35,332 2,672 -15,672 9,332 5,332

'
d) cambio
2
-0,67 -7,672 0,33
_
2
antes
2
después
"
35.3371-0,677+-17,677+1,332 +0,3371-10,677+-110,677+12,332 + (-2,677+-115,672)+9,332+5,332 = 13,09 .
12
C) ANTES DESPUÉS CAMBIO
Q1 55 68 5
OJO ! los Puse en Orden de menor
QL 58 73 15 a mayor y ahi se ven los Q
Q3 71 79 21
máx
f) máx máx
03 03
9) La simetría de la distribución
PETAO
en ANTES es
O"
"
LOBO "
es
LANA ,
simétrica Ya Que el Promedio y mediana están
en valores MUY cerca el Uno del Otro
min
↳ asimétrica la DE
min por
min
ANTES DESPUÉS CAMBIO
4
III
a) 90%
b) 0,45
c) 0,75-0,36 = 0,39
d) 0,42 Y 0.58 el 80% central de niños de 10 años tienen un RCE mayor a 0,42 Y menor a 0,58
II
media 162.5cm 95%
R = 100 niños / a 162,5 ± 2- 12,7 > 137,1 Y 187,9

D. E = 12,7cm

Estadística para la investigación médica

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Estadística para la investigación médica

Cargado por

Copyright:

Formatos disponibles

Bioestadística

¿Qué es la Estadística [Statistics]?

La estadística es transversal a muchas disciplinas:

¿Por qué la necesitamos?

Porque el mundo está

Testear la hipótesis con un

Analizar los resultados

Se confirma la hipótesis Se rechaza la hipótesis

En todo estudio científico hay una pregunta de investigación que

“La pregunta de investigación (PI) es una aproximación

Es el primer paso para llevar a cabo una investigación.

LA PI determina el eje central del proyecto, a partir de ella se

Una buena PI debe cumplir con tres aspectos:

1. Concisa: utilizar lenguaje sencillo y claro, frases cortas, que

2. Factible: debe ser posible de responder, que la recolección

3. Relevante: es necesario argumentar la importancia,

Componentes de una Pregunta de investigación

P Población: grupo de personas sobre las cuales interesa

Acción: componente más importante, define los pasos a

Comparación: en preguntas de terapia, corresponde al

Objetivo: define lo que se busca conseguir con la

Ejemplo: Análisis de la fluencia lectora en pacientes con la enfermedad

Para el resumen recién revisado, plantee una posible pregunta

Testear la hipótesis con un

Analizar los resultados

Se confirma la hipótesis Se rechaza la hipótesis

Madres fumadoras de la RM, en promedio, ¿tienen recién

Definir diseño del estudio, población, tiempo, lugar y

El análisis estadístico implica la recopilación, organización, análisis

1. Análisis descriptivo: comprende un conjunto de técnicas para

2. Inferencia estadística: conjunto de métodos que permiten

Análisis descriptivo Inferencia

Población: conjunto total de objetos o personas, con algo en

¿Porqué no estudiar la población completa?

Cuando se estudia la población completa: CENSO.

Al realizar un CENSO la inferencia no es necesaria, los

Muestra: subconjunto de la población de interés.

Parámetro: cantidad que resume alguna característica de interés

Estimador (del parámetro): cantidad que pretende acercarse al

Tamaño mínimo adecuado de una Muestra.

Una muestra es representativa cuando las características

La representatividad puede peligrar por potenciales sesgos.

Sesgo [bias]: error sistemático en una medición.

• Sesgo por respuestas que no son verdad.

• El método científico involucra pasos que hay que seguir para

1. Definición de variable aleatoria

Variable aleatoria (v.a.) [random variable]: variable tomada

Es importante definir en forma adecuada las variables

Ejemplo: Si se quiere medir sedentarismo.

definen categorias toman un valor numérico

Nominal Ordinal Discreta Continua

Identificar v.a. categóricas y v.a. numéricas.

Por ejemplo la edad se puede agrupar en grupos etarios:

menos de 40, 40-54, 55-64, 65-74, 75 o más.

Por ejemplo, si consideramos dos grupos de edades:

• Menores de 30 años (“jóvenes”)

• Mayores o iguales a 30 años (“adultos”).

Para efectos de análisis estadístico, basta con considerar dos

Nominales (sexo, profesión),

Variable aleatoria: característica tomada de la unidad muestral

Tipos de variables aleatorias: distinguimos principalmente

Notación: las variables aleatorias se denotan por letras

Nominal Ordinal Discreta Continua