Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Bioestadística
Paola Viviani
Angélica Domínguez facultadmedicina.uc.cl
Tabla de Contenidos
1. Introducción
2. Test de hipótesis
3. Error tipo I y tipo II
4. Valor p y significancia
5. Resolución de un test de hipótesis
facultadmedicina.uc.cl 3
Introducción
Difundir resultados
facultadmedicina.uc.cl 4
Introducción
metodo científico
7)
ii.
Análisis Inferencia
descriptivo Parámetros
(desconocidos)
Población
facultadmedicina.uc.cl 5
Introducción
-
• Según lo anterior, rechazar o no rechazar la hipótesis planteada.
facultadmedicina.uc.cl 6
Test de hipótesis
facultadmedicina.uc.cl 7
la media ÍNAT
" °
Es distina % muscular
en futbol "
Finista ?
• Es bilateral
-
media
Test de Hipótesis Ht
Ho :
:
nq
Me
= Mt
≠ Mt
.
media % mas a
µ :
- muscular
Ejemplo 1.
Un investigador se pregunta: ¿tienen los niños con Síndrome de Down
(SD) niveles medios de glucosa diferentes a los niños sin Síndrome de
Down ? I 11-1 ( unilateral ) sentido
Pregunta en → va en
Yg
distintas medias
la variable " la media de sin SD
es
"
glucosa il : la media de glucosa de niños cos SD es igual a glucosa
si la variable aleatoria de
es numérica ,
origen
voy a tener como
niños sin SD
facultadmedicina.uc.cl
Test de Hipótesis
11-1 : MP es culpable
-
Ejemplo
ptlacdenatí
portar
Unico
:
q podemos
evidencia estimado
"
hacer
"
es
"
Tipos
atmmNMJMY. BY mmm de
AGATA Mfgm Hipótesis
MMMM
Y
¿ Es distinta la media de % muscular en tutbolistoir
masa
Ho :
Mm; Mmt
vs tenistas ?
- deporte -
categórica
Es bilateral .
g.+↳ ↳
pa.ammaaampa.ar.m.a.am/..magamuga.,a "
,
tenista
i
facultadmedicina.uc.cl
Error tipo I y tipo II
[Type I and II errors]
Ht
•
va en
•
.
Hy : concluir equivocadamente la
pregunta
de investigación .
cuando verdadera
Confianza : no rechazar Ho
,
es
facultadmedicina.uc.cl 1
2
Error tipo I y tipo II
lo declaran
=
culpable
solo
≠
si
basa
tipo
en
eeee
L y tipo
perder
2
v1
facultadmedicina.uc.cl 13
Error tipo I y tipo II
•El error tipo I () equivale a considerar que 𝑃𝐻 𝑃𝑀 (que H y M difieren) cuando
en realidad no hay diferencia en la prevalencia de HTA.
•El error tipo II () equivale a considerar que 𝑃𝐻 = 𝑃𝑀 (que H y M son iguales)
cuando en realidad son distintos.
•La confianza 𝟏 − equivale a no encontrar diferencias entre H y M cuando
realmente no las hay.
•La potencia 𝟏 − equivale a encontrar diferencias reales entre los H y M, por
ejemplo, que los H presentan mayor HTA que las mujeres.
facultadmedicina.uc.cl 14
Valor p y significancia
[p value and significance]
valor q para Ho
saber si rechazo cuando Ho es Verd
𝐻0 dado que 𝐻0 es verdadera, es decir,
.
,
"
HO
rechazar
"
equivocadamente
,
si tengo ✗ de 0,05 ,
si
tengo valor p
menor a 0,05 entonces rechazo HO .
facultadmedicina.uc.cl 15
V. Ala teoria Cat .
estimador →
p muestral
.
si " Mme" ce : • timador =
☒ → " " "anal
prevalencia :
☒ usa con
parámetro
→ P poblacional % proporción
y
.
.
.
i
Si es menor a α (0,05) Si es mayor a α (0,05) no
rechazo 𝐻0 . rechazo 𝐻0 .
DNI
'
similar.
facultadmedicina.uc.cl 16
Test de Hipótesis Planteamientos para medias
a. 𝐻0 : 𝜇1 = 𝜇2 𝑣𝑠. 𝐻1 : 𝜇1 ≠ 𝜇2 -
.
-
b. 𝐻0 : 𝜇1 ≥ 𝜇2 𝑣𝑠. 𝐻1 : 𝜇1 < 𝜇2 \
c. 𝐻0 : 𝜇1 ≤ 𝜇2 𝑣𝑠. 𝐻1 : 𝜇1 > 𝜇2
a. 𝐻0 : 𝑃1 = 𝑃2 𝑣𝑠. 𝐻1 : 𝑃1 ≠ 𝑃2
b. 𝐻0 : 𝑃1 ≥ 𝑃2 𝑣𝑠. 𝐻1 : 𝑃1 < 𝑃2
c. 𝐻0 : 𝑃1 ≤ 𝑃2 𝑣𝑠. 𝐻1 : 𝑃1 > 𝑃2
facultadmedicina.uc.cl
Test de Hipótesis
Planteamientos para medias
Tabaquismo y Riesgo coronario en un centro de salud, estudio retrospectivo. Rev Esp Salud Pública. 2017;
Vol. 91; 25 de enero e1-e6.
1) 2 variables
asoc .
Numerical
Edad -
Fumar
-
Cat
2) ilparametror
" M
dittonadores
aquí
-
3) .
Ho : MF =
MNF
Hr :
Mf f- MNF
Conclusion : Rechazo GÍ
las medias
sean
iguales
-
de IMC
Calcular el intervalo de confianza
NÉ
F
para
'
- * ± 1.96
27,9 ± 1.96
.
4.3%7 = 0.49
no
diferencia
Ho ,
: no
hay no hay evidencia
( zonas ; 29.25 )
significativa ,
significativa
facultadmedicina.uc.cl
variable diabetes
1) Diabetes no
T-mua.tn
cát Lat
2) Parámetros .
Proporción :
Prop Diabetes en F
¡ .
Pz :
Prop Diabetes
.
en NF
3) .
Ho :
Pp = Pz
# ve en la
919
)
:
se
0,23
Hp :
P
,
=/ Pa
:
Conclusion
'
solapan ?
:
se
No Rechazo pq es
Aga 0,05
No hay evidencia .
son distintas .
tabaco no se asocian
Diabetes y
Test de Hipótesis
Ejercicio:
DESCRIPTIVOS: Comparemos la proporción de hipertensión arterial (HTA) entre
fumadores y no fumadores. ¿qué proporción tienen?
INFERENCIA USANDO TEST DE HIPÓTESIS
1. Escribimos las hipótesis que se están contrastando.
2. Contrastamos el valor p con el nivel de significancia. Concluimos
3. Interpretamos.
INFERENCIA USANDO IC
1. Hacemos el IC 95% de HTA para el grupo de fumadores
2. Hacemos el IC 95% de HTA para el grupo de no fumadores:
3. Comparamos los IC95% ¿se cruzan?
facultadmedicina.uc.cl
Test de Hipótesis
Ejercicio:
DESCRITIVOS: Comparemos la media Colesterol Total entre fumadores y no fumadores.
¿qué medias tienen?
INFERENCIA USANDO IC
1. Hacemos el IC 95% para la media de CT en el grupo de fumadores
2. Hacemos el IC 95% para la media de CT en el grupo de no fumadores
3. Comparamos los IC95% ¿se cruzan?
facultadmedicina.uc.cl
facultadmedicina.uc.cl
Departamento de Salud Pública
Bioestadística
Inferencia
Asociación de Variables
Tabla de Contenidos
• Introducción
• Tipos de Asociación
Introducción
-
involucradas, lo que se conoce como análisis bivariado.
o
/ Jr
la Dos variables están asociadas si cambios en los valores de una de
ellas produce cambios en los valores de la otra. ¥¥E¥
si una variable aleatoria no produce cambio
en otra , no afecta en her valores de la otra eso
,
es decir
que son independientes
Introducción
ID Edad NEDU ZONA REGION SEXO EST_CIVIL SIST_SAL Ctotal HDL LDL TG Tab_Act RCV SM
1 42 2 12 1 7 5 4 2
2 16 2 12 1 7 2 2 2
3 25 2 1 13 1 2 1 159 52 91 82 2 1 0
4 61 1 1 13 2 2 5 220 34 141 224 1 3 1
5 52 2 1 13 1 2 5 170 36 81 265 3 2 1
6 57 2 1 13 1 4 5 1 2
7 29 2 1 13 2 2 7 175 49 109 86 3 1 0
8 70 1 1 13 2 6 4 260 50 174 177 3 1 0
9 22 3 1 13 2 7 4 161 43 101 82 4 1 0
10 24 3 1 13 2 7 4 166 62 82 114 4 1 0
11 49 3 1 13 2 7 7 145 42 85 92 3 1 0
sentido cuando la variable
12 17 2 1 13 2 7 4 150 56 84 47 2 1 0 toma
es
mas
modificable .
para
podemos
,
hacer nada
modificar las
V. explicada (Y)
Variables explicatorias (X)
Tipos de Asociación
numericaí
X= edad de la madre
y el aumento de peso durante el embarazo? o Y= aumento de peso
categórica mimen la
X= edad
@ edad.
Diabetes (DM) según
Y= Diabetes
Recuerda : ✗ siempre es
Fija
Y puede variar
Tipos de Asociación
Ejercicio:
Identifique:
Bioestadística
Paola Viviani
Angélica Domínguez facultadmedicina.uc.cl
Tabla de Contenidos
si no
si es Íat es proporción
es µ
si es numérica
facultadmedicina.uc.cl
facultad media in
3
Introducción
facultadmedicina.uc.cl 4
Introducción
hace /
"
"
breve
pqpamefgocj.thepoicion%Eese.de
intensiva
tabaco en
quien
% breve
:
Cat !
cese tabaquismo -
facultadmedicina.uc.cl 5
UN
Introducción
se
Y
escriben
105
(evento de interés)
(+) (-) total
X (+) a b a+b
(exposición) (-) c d c+d
en el ejemplo de arriba
seria la intervención
total a+c b+d n
facultadmedicina.uc.cl 8
Asociación de dos variables categóricas
'
muera dado q
no se de
Tabla construida en Minitab
f) tiene compromiso
conciencia
Comentarios:
"
" ^^
"°
"
"
"
'
T
" en
cnn.ci
Asociación entre X e Y se muestra con % de fila
✓
de
no
muera
o % de columnas. Nunca con % del total.
asociacion entre
Cuando uno quiere
ver
facultadmedicina.uc.cl
9
Asociación de dos variables categóricas
Ejemplo 1.
Interesa determinar si existe asociación entre el compromiso de
conciencia al examen físico (1: Sí; 0: No) y mortalidad a 30 días (1: Sí; 0:
No) por neumonía adquirida en la comunidad (NAC), para un total de
441 personas.
siempre con % ,
¡
Muerte
Sí No Total
27 84
Sí 111
Compromiso (24.3) (75.7)
de conciencia 18 312
No 330
(5.4) (94.5)
Total 45 396 441
facultadmedicina.uc.cl 10
Introducción a tipos de estudios
facultadmedicina.uc.cl
Tipos de estudios
←
Pasado Futuro →
Número de
mediciones sucesivas
Transversal Longitudinal
"
"
Encuesta nacional de salud si Es una Fotó tomo + de una medida
ej : antes
,
durante , después mido el peso
facultadmedicina.uc.cl
Tipos de estudios
Temporalidad
facultadmedicina.uc.cl
13
Tipos de estudios
¿Expuesto o no expuesto?
El investigador puede fijar o no fijar la cantidad de expuestos
Y
(evento de interés)
(+) (-) total *
°
𝑎 n° recién
pesan
nacido 9
+
.
delo Aitor
'
𝑝1 =
Intervención
𝑐
no intervención
𝑝2 =
Pesan
𝑐+𝑑
sin
En el total de mujeres
intervención
𝑏
'
dado que q
Prop
no
.
de Personas /
tiene esfopororis estropeéis
la intervención sirve
𝑝1 =
que
𝑝2 =
tomo un n
𝑎+𝑐 𝑏+𝑑
hago ejercicio µ
"
facultadmedicina.uc.cl 16
Prueba Chi cuadrado de Pearson
𝑛 𝑎𝑑 − 𝑏𝑐 2
2
𝜒02 = ∼ 𝜒(1)
(𝑎 + 𝑐)(𝑏 + 𝑑)(𝑎 + 𝑏)(𝑐 + 𝑑)
dado ×
grados de libertad quedan
El valor χ20 sigue una distribución χ2 con 1 g.l. (n filas – 1 x n col. -1)
si la tabla es
de 2 ✗ 2 queda
𝐻0 : 𝑝1 = 𝑝2 1 grado ✗ 1- grado
𝐻1 : 𝑝1 ≠ 𝑝2
2
Si el valor calculado 𝜒02 es mayor al de tabla 𝜒(1,1−𝛼) se rechazará la
hipótesis nula. Para una tabla de 2x2 y una significancia de 0,05, el valor
2 2
de tabla 𝜒(1,1−𝛼) = 𝜒(1;0.95) = 3,84.
facultadmedicina.uc.cl 17
Prueba Chi cuadrado de Pearson
valor
p 519 entonces rechazo Ho ,
sale
Ejemplo 1. ?
si el ,
→q÷÷:÷
existe si asociación entre compromiso de conciencia
441 personas. ◦ no
Es
{ siii
En este caso, ÷:
Retro ↓ Muerte
𝑝1 =
27
111
= 0,243 y 𝑝2 =
18
330 .
= 0,05
↑
Sí No Total
Y las hipótesis a contrastar son:
27 84 𝐻0 : 𝑝1 = 𝑝2
Sí 111
Compromiso (24.3) (75.7) 𝐻1 : 𝑝1 ≠ 𝑝2
de conciencia 18 312
No 330
(5.4) (94.5) Donde 𝑝1 y 𝑝2 representan a los parámetros
Total 45 396 441 poblacionales.
facultadmedicina.uc.cl 18
Prueba Chi cuadrado de Pearson
𝑛 𝑎𝑑 − 𝑏𝑐 2
𝜒02 =
(𝑎 + 𝑐)(𝑏 + 𝑑)(𝑎 + 𝑏)(𝑐 + 𝑑)
2 I
441 ⋅ 27 ⋅ 312 − 84 ⋅ 18
gi en
=
este valor chi cuadrado
.
↑
rematar Ho
↑
me voy
y
Como 𝜒02 = 32.28 > 3.84, que corresponde a un 𝑣𝑎𝑙𝑜𝑟 𝑝 < 0.001 (entregado
por software), se concluye hay suficiente evidencia para confirmar que las
variables están asociadas (se rechaza 𝐻0 ). Es decir, hay evidencia para
concluir que exista relación entre el compromiso de conciencia y la
mortalidad en pacientes con NAC. Por el valor de las proporciones
muestrales, se puede concluir que…. 19 facultadmedicina.uc.cl
Prueba Chi cuadrado de Pearson
:
¡ °
Hipótesis:
𝐻0: 𝑝1 = 𝑝2 = 𝑝3
distinto es
sii i
: (𝑖, 𝑗 = 1 … 3)
:*:<E-
÷ :
-
¡EÉÉgÉ
Se informa como valor-p < 0.001
amague tiene
-1
enfermedad
educación tiene
www.ereaaaltagease-iasindrememetuboticocon
nivel educacional
menor
facultadmedicina.uc.cl 20
Prueba Chi cuadrado de Pearson
facultadmedicina.uc.cl 21
Resumen
de variable aleatoria
facultadmedicina.uc.cl 22
Asociación de dos variables categóricas
Bioestadística
Paola Viviani
Angélica Domínguez facultadmedicina.uc.cl
Tabla de Contenidos
1. Riesgo Relativo (RR).
facultadmedicina.uc.cl 3
Introducción
Y
(evento de interés)
(+) (-) total 𝑎
(+) a b a+b 𝑝1 =
X 𝑎+𝑏
(exposición) (-) c d c+d 𝑐
𝑝2 =
𝑐+𝑑
total a+c b+d n
𝑎 𝑏
Estudio caso-control 𝑝1 = 𝑝2 =
𝑎+𝑐 𝑏+𝑑
facultadmedicina.uc.cl 6
Introducción
facultadmedicina.uc.cl 8
Riesgo Relativo
𝑃(𝑌 = 1|𝑋 = 0) = 𝑝2 =
𝑐+𝑑
dice que la
si RR es igual a uno
marca la diferencia
𝑝1 exposición no
significativo
=
• Si RR < 1, la variable de exposición es un factor protector de la
enfermedad, ya que 𝑝1 es menor que 𝑝2 .
facultadmedicina.uc.cl 10
Riesgo Relativo
𝑏 𝑑 𝑏 𝑑
exp ln 𝑅𝑅 − 𝑧1−𝛼 + ; exp ln 𝑅𝑅 + 𝑧1−𝛼 +
2 𝑎⋅ 𝑎+𝑏 𝑐⋅ 𝑐+𝑑 2 𝑎⋅ 𝑎+𝑏 𝑐⋅ 𝑐+𝑑
facultadmedicina.uc.cl 11
Riesgo Relativo
facultadmedicina.uc.cl 12
Riesgo Relativo
e-
27/111
RR= = 4.46
18/330
" EII
¥: ÷::
↑
facultadmedicina.uc.cl 14
usar el ok
si el estudio es transversal hay que
Razón de Chances
OR
En un estudio retrospectivo (caso control) o transversales, recurriremos
a la definición de Chance de estar expuesto entre quienes están
enfermos y quienes no lo están. Pide estar expuesto ,
dado q
'
soy la no estar
expuesto si es
que soy
casi
𝑃(𝑋 = 1|𝑌 = 1) 𝑝1
𝑂𝑑𝑑𝑠1 = =
𝑃(𝑋 = 0|𝑌 = 1) 1 − 𝑝1
𝑃(𝑋 = 1|𝑌 = 0) 𝑝2
𝑂𝑑𝑑𝑠2 = =
𝑃(𝑋 = 0|𝑌 = 0) 1 − 𝑝2
P de
.
en
los
controles
Retrospectiva o transversales
estudiar 𝑎 𝑐
Es para
𝑂𝑑𝑑𝑠1 / 𝑎𝑑
Razón de Chances: 𝑂𝑅 = = 𝑎+𝑐
𝑏
𝑎+𝑐
𝑑 =
Producto cruzado 𝑂𝑑𝑑𝑠2 / 𝑏𝑐
𝑏+𝑑 𝑏+𝑑
en
quienes no
obeso comen
°"
chance de ser obeso en los pacientes que come comida no saludable , es menor de ser
Kar q
'
↓
comer no
chance
1 1 1 1 1 1 1 1
exp ln 𝑂𝑅 − 𝑧1−𝛼 + + + ; exp ln 𝑂𝑅 + 𝑧1−𝛼 + + +
2 𝑎 𝑏 𝑐 𝑑 2 𝑎 𝑏 𝑐 𝑑
facultadmedicina.uc.cl 18
Retrospectivo Razón de Chances
estudio
↓
Ejemplo 3. Interesa determinar si una alta exposición a contaminación
acústica durante la infancia y la adolescencia aumenta el riesgo de
sordera en adultos mayores.
facultadmedicina.uc.cl 19
Razón de Chances
facultadmedicina.uc.cl 20
Razón de Chances
OR (IC 95%):
Casado: 1
Viudo: 2,0 (1,02 – 3,9)
Separado: 1,1 (0,5 – 2,3)
Soltero: 2,7 (1,7 – 4,2)
q
OR =0,65 indica que la chance de haber estado expuesto en los
casos es 35% menor que la chance de haber estado expuesto en
controles. facultadmedicina.uc.cl
22
Relación Test Chi-Cuadrado y RR/OR
𝐻0 : 𝑝1 = 𝑝2 Test Chi-Cuadrado
𝐻1 : 𝑝1 ≠ 𝑝2
IC de RR / OR no contiene el 1 IC de RR / OR contiene el 1
facultadmedicina.uc.cl
23
facultadmedicina.uc.cl
Asociación de variables
Asociación entre una variable categórica
y una continua.
Bioestadística
Paola Viviani
Angélica Domínguez facultadmedicina.uc.cl
Tabla de Contenidos
5. Comentarios adicionales.
facultadmedicina.uc.cl 3
Introducción
facultadmedicina.uc.cl 4
Introducción
numérica .
É¡
numérica
d. Estándar de la
ASOCIACIÓN
¡
Cat -
numérica :
• a
"
"
PUEDES
De>vi.
error
intervalo de confianza
}
mhmmtw-t-n.se
°
Ho : Mr MI
Plbl Corporal
"
"
=
"" .
" "
"
" → numen [q
" " '
""
Nllriable peso
"" m
facultadmedicina.uc.cl
no hay
los 2 distintos
media De peso de
-
o
@ q
5
Introducción
distingue
grupos
independientes o
grupos
variador .
Pareados o Independientes?
se distingue si V. categórica distingue grupos independientes e pareado
-
.
7 1 87
M
independientes .
muestra de :
8 1 85 peso
9
10
1
1
84
88
𝑇𝑟𝑎𝑡 1 = 85,5 ± 3,7
tratamiento t
11 2 90
12 2 92
13 2 91 𝑇𝑟𝑎𝑡 2 = 89,6 ± 3,6
14 2 88 tratamiento 2 .
15 2 86
16 2 95
17 2 93
18 2 85
19 2 84
20 2 92
facultadmedicina.uc.cl
8
Pareados o Independientes?
i.
1 1 86
/
2 1 89
3
4
1
1
96
112
intervención
5 1 91
6 1 105 𝑃𝑟𝑒 = 93,7 ± 8,6
:*
7 1 94
¿
8 1 88
9
10
1
1
86
90
𝑃𝑜𝑠𝑡 = 88,6 ± 7,8
Pre Post
§
1 2 80 "" variada
|
a- .
A
2 2 85 G1
intervención en lor 2 grupos
3 2 90 dicion pre
a. .. .
.. .
4 2 101
5 2 91
6 2 94
7 2 95
Haygidistingiursies * • • a
8 2 83
Maham paratión
9
10
2
2
75
92
independiente averiada facultadmedicina.uc.cl 9
-0
Supuestos test de medias 01011*1.io#K**&oIoosogqa
Es necesario distinguir si:
• Se pueda asumir la normalidad de los promedios (por
distribución Normal de la variable original o por TLC).
2 condiciones
. .
facultadmedicina.uc.cl
Comparación de medias en dos
poblaciones
Caso 1: comparación de medias para dos poblaciones.
independientes qe asume normalidad de promedio Ya 9M
Son
grupos n > 30 .
T
'
facultadmedicina.uc.cl
11
Comparación de medias en dos poblaciones
Ejemplo 2. La siguiente
tabla muestra las
características de
pacientes infectados
con VIH comparado con
pacientes sanos.
Hipótesis de interés:
𝜎𝐴 2
𝐻0 : 𝜎𝐴 2 = 𝜎𝐵 2 Varianzas =
𝐻0 : =1
𝜎𝐵 2
2 2 Uarianrar ≠ 𝜎𝐴 2
𝐻1 : 𝜎𝐴 ≠ 𝜎𝐵 𝐻1 : ≠1
𝜎𝐵 2
facultadmedicina.uc.cl 14
Comparación de medias en dos poblaciones
Diente
variablepepen
test -
t
: Variable
Independiente
necesito
no
Por
el n
que
distribuye
probar normal
facultadmedicina.uc.cl 15
Comparación de medias en dos poblaciones
HO significa
:
SE Rechaza ,
Hay cuiden
para conformar que las
.
Distintas
son
variables
' las °
°
q "
asumir "
""
NO
Rechazoeui q
'
permita vamos '
"
asumo
.
-
no Hay
-
ya
ugnq .
-
ay ,
↳ Se cumple .
facultadmedicina.uc.cl
16
Comparación de medias en dos poblaciones
en personas q y .
Site
varia" "
lyvan.am?szinta)
Hay diferencia significativa DE
cuando sale Significativo ,
Hay que mirar
↑ evidencia las
'
hay q varianzas -
no son
Iguales .
facultadmedicina.uc.cl
17
Comparación de medias en más de dos
poblaciones
si la variable categórica genera + de 2
comparar
-
facultadmedicina.uc.cl 18
Comparación de medias en más de dos poblaciones
𝐻1 : 𝐴𝑙𝑔ú𝑛 𝜇𝑖 ≠ 𝜇𝑗 , con i, j = 1, … 4
Almenar , un par es distinto
.
facultadmedicina.uc.cl
20
Comparación de medias en más de dos poblaciones
Ejemplo 4:
D-
°
F. F-
Y
en el mico grupo que no hay
" "m "" >
Y
Ojo
-
se rechaza
no
'
"
"
TEMOgen .
dias
aire] Jeje
Dice ☒ % parásita
Ho ,
facultadmedicina.uc.cl
21
Comparación de medias en más de dos poblaciones
facultadmedicina.uc.cl
22
Comentarios adicionales
1. Transformaciones.
• Si no se puede asumir normalidad del promedio, pueden usarse
transformaciones de los datos (logaritmo, raíz cuadrada, etc.) y usar los
test descritos antes.
• Si el logaritmo de una variable numérica tiene distribución normal, se
dice que la variable original tiene distribución log-normal.
2. Pruebas no paramétricas.
Si no se puede asumir normalidad del promedio (datos no normales, n
reducido), se usan test no paramétricos:
• Test de Wilcoxon o Mann-Whitney en vez de t de Student para muestras
independientes.
• Test de Kruskal-Wallis en vez de ANOVA.
• Test de Dunn para las comparaciones múltiples. facultadmedicina.uc.cl
Resumen
Sí t-Student asumiendo
Sí varianzas iguales.
No
2 t-Student asumiendo
varianzas diferentes.
Medidas No
Independientes Mann Whitney
+ DE 2
promedio
>2 ANOVA
Sí
(Bonferroni, Tukey)
Kruskal Wallis
No
(Duncan)
Número de
niveles de
la variable ¿Normalidad ¿Varianzas
categórica iguales? Prueba estadística
facultadmedicina.uc.cl
de los promedios?
Resumen
T-Student para
Sí medidas repetidas
2
Test de rangos
No signados de
Medidas Wilcoxon
dependientes
ANOVA para
Sí medidas repetidas
>2 (Bonferroni)
No
Test de Friedman
Número de niveles
de la variable
categórica ¿Normalidad de
los promedios? facultadmedicina.uc.cl
Prueba estadística
facultadmedicina.uc.cl
Asociación de variables
Asociación entre dos variables numéricas
Bioestadística
Paola Viviani
Angélica Domínguez facultadmedicina.uc.cl
Tabla de Contenidos
1. Introducción
2. Correlación
facultadmedicina.uc.cl 3
Introducción
facultadmedicina.uc.cl 4
Introducción
1-
confianza que tiene la madre
en sí misma como proveedora
de leche materna, en este
contexto tan adverso.
epe y
La producción de leche
materna indica la cantidad de
ml que la madre se extrae en
total al día.
facultadmedicina.uc.cl 5
Introducción
tambien aumenta la
produccion materna
facultadmedicina.uc.cl 8
Gráfico de Dispersión
ha existe
asociacion
lineal
una
.
σ𝑛𝑖=1 𝑥𝑖 − 𝑥ҧ 𝑦𝑖 − 𝑦ത
𝑟 =
σ𝑛𝑖=1 𝑥𝑖 − 𝑥ҧ 2 σ𝑛𝑖=1 𝑦𝑖 − 𝑦ത 2
facultadmedicina.uc.cl 10
Correlación
[correlation]
La correlación de Pearson varía entre -1 y 1.
facultadmedicina.uc.cl 11
Correlación
0 < |𝑟| < 0,25 Existe una mala asociación (de tipo lineal) entre 𝑋 e 𝑌
0,25 < |𝑟| < 0,50 Existe una baja asociación (de tipo lineal) entre 𝑋 e 𝑌
0,50 < |𝑟| < 0,75 Existe una buena asociación (de tipo lineal) entre 𝑋 e 𝑌
0,75 < |𝑟| < 1,00 Existe una excelente asociación (de tipo lineal) entre 𝑋 e 𝑌
facultadmedicina.uc.cl 12
Correlación
Observaciones: |
facultadmedicina.uc.cl 13
Correlación
100
90
Se obtiene r = 0.409
PAD
80
70
60
80
PAD
Se obtiene r = 0.239 70
60
encuentre ese
'
tan extremo
Depende de q
se
100 150 200 250
facultadmedicina.uc.cl 15
Correlación
CT vs Tgl HDL vs CC
a
Correlación = 0,421 Correlación =O
-0,298
Valor-p <0,001 Valor-p <0,001
facultadmedicina.uc.cl
THE END
facultadmedicina.uc.cl