“Análisis Relacional”

Materia: Bioestadística
 Datos = Variables

• Tipos de variables Gráficos

• Cuantitativas
• Discretas: número de …,
• Continuas: Medidas, razones

• Cualitativas
• Dicotómicas: Sí/No, Hombre/ Mujer, …
• Nominales: Carla, Juan, María, …
• Ordinales: 1ro, 2do, 3ro,…
 Datos = Variables

• Tipos de variables • Medidas

• Centralidad
• Promedio, mediana, moda
• Cuantitativas
• Variabilidad
• Discretas: número de …,
• Continuas: Medidas, razones • Desv. Estandar, Varianza, Cov,
Rango
• Otras
• Sesgo, curtosis, etc.
• Cualitativas
• Dicotómicas: Sí/No, Hombre/ Mujer,
… • Frecuencia absoluta
• Nominales: Carla, Juan, María, … • Frecuencia relativa
• Ordinales: 1ro, 2do, 3ro,…
Correlacional Descriptiva

• Coeficiente de correlación de Pearson.- es una

medida de dependencia lineal entre dos variables
aleatorias cuantitativas.

• Visto a través de diagramas de dispersión

Correlacional descriptiva
• Para relacionar dos variables cualitativas se
utilizan tablas bivariadas con sus frecuencias
absolutas y/o relativas o un gráfico de barras
 Inferencia estadística
Pruebas de Hipótesis

Un tipo de inferencia estadística es la estimación, el otro tipo

es la prueba de hipótesis.

Como ocurre con la estimación, el propósito de la prueba de

hipótesis es ayudar al médico, investigador o administrador a
tomar una decisión acerca de una población mediante el
examen de una muestra de ella.

Es posible utilizar intervalos de confianza para llegar a las

mismas conclusiones que se alcanzan al utilizar los
procedimientos de prueba de hipótesis
 Contraste de Hipótesis
La inferencia estadística es explicar la población en base a la información obtenida a
partir de una muestra (representativa)

Estimación: Determinar los parámetros poblacionales (desconocidos) sin hacer hipótesis

previas sobre los posibles valores de los mismos.

Puntual 𝑥ҧ = 23.7° 𝐶
Estimamos el 𝜇=
parámetro 𝜇 para la 23.7° 𝐶
Obtenemos a partir de la muestra
Estimació pobación
(estadísticos muestrales)
n
Intervalos [21.8° 𝐶 , 25.6°𝐶] 21.8° 𝐶 ≤ 𝜇 ≤ 25.6°𝐶
Contraste de Hipótesis

Estimación por Intervalos

Contraste de Hipótesis
Hipótesis: En las investigaciones es necesario plantear hipótesis que deben ser
contrastadas y determinar si se aceptan o se rechazan.

Las hipótesis toman el nombre de Hipóteis nula (H0) y la hipótesis alternativa (Ha)
que es la que desea probar el investigador, es decir se desea rechazar la hipótesis
nula.

El tipo de contraste de hipótesis puede ser unilateral (una cola) o bilateral (dos
colas).
Una hipótesis unilateral especifica la dirección de la asociación (mayor o menor) de
las variables. En el bilateral solo solo se puede especificar la asociación. En el
contraste bilateral el tamaño de muestra es más grande, estos contrastes
también poseen mayor robustez y se prefieren a los de una cola.
 Contraste de Hipótesis
Tipos de contrastes
Contrastes
Unilateral

Ho: 𝜇 ≤ 𝜇0 Ho: 𝜇 ≥ 𝜇0
1−𝛼 Ha: 𝜇 > 𝜇0 Ha: 𝜇 < 𝜇0
1−𝛼
Aceptación
Aceptación
𝛼 𝛼
𝑡𝛼 −𝑡𝛼
Rechazo Rechazo

Ho: 𝜇 = 𝜇0
Ha: 𝜇 ≠ 𝜇0
Contraste 1−𝛼
𝛼 Τ2 𝛼 Τ2
Bilateral Aceptación

−𝑡𝛼Τ2 𝑡𝛼Τ2
Rechazo Rechazo
 Contraste de Hipótesis
Hipótesis.

En la prueba de hipótesis se trabaja con dos hipótesis estadísticas que deben

anunciarse explícitamente.

La primera es la hipotesis que debe probarse, mejor conocida como Hipótesis

Nula, y que se designa por el simbolo H0 y se conoce como hipotesis de no
diferencia, la hipótesis nula se establece con el propósito expreso de ser
rechazada.

En consecuencia, el complemento de la conclusión que el investigador desea

alcanzar se convierte en el enunciado de la hipótesis nula.
En el proceso de prueba, la hipótesis nula se rechaza o no se rechaza.
Si la hipótesis nula no se rechaza, se dira que los datos sobre los cuales se basa
la prueba no proporcionan evidencia suficiente que cause el rechazo.

La hipotesis alternativa, identificada mediante el simbolo HA , es una

proposición que se creera cierta si los datos de la muestra llevan al rechazo de
la hipótesis nula. Por lo general, la hipótesis alternativa y la hipótesis de
investigación son la misma, y de hecho, se utilizan los dos terminos
indistintamente.
 Contraste de Hipótesis
Error tipo I o error 𝛂: El valor de 𝛂 es la probabilidad de que se rechace H0 (e.d. se acepta Ha) cuando H0 es
verdadera.
Es la P(aceptar Ha |H0 es cierta)= 𝛂.
A (1- 𝛂) se lo conoce como el nivel de confianza de la prueba.

Error tipo II o error 𝛃: El valor de 𝛃 es la probabilidad de que se acepte H0 (e.d. se rechaza Ha cuando es cierta)
cuando H0 es falsa.
Es la P(aceptar H0 |Ha es cierta)= 𝛃.

Realidad en la población
Existen diferencias No existen diferencias
(H0 falsa) (H0 verdadera)

Resultado de Hay diferencia significativa Correcto Error tipo I

la (Rechazar H0) Potencia (1-𝛃) (𝛂)
investigación No hay diferencia significativa Error tipo II Correcto
con la muestra (No se Rechaza H0) (𝛃) (1-𝛂)
Contraste de Hipótesis

Error Error
Tipo II Tipo I

De Lewa - Trabajo propio, Dominio público,

https://commons.wikimedia.org/w/index.php?curid=4117969
 Contraste de Hipótesis

Potencia de la prueba (1- 𝛃): es la probabilidad de observar en la muestra una determinada

diferencia o efecto, si esta realmente existe en la población. Es el complementario del error de
tipo II, 𝛃 ≡ (1 − β)

Es la P(aceptar Ha |Ha es cierta) = 1- 𝛃 ≡ P(recahazar H0 |H0 es falsa)

Con una muestra de tamaño fijo, disminuir la probabilidad del error de tipo I, α, conduce a incrementar
la probabilidad del error de tipo II, β.

Usualmente, se diseñan los contrastes de tal manera que la probabilidad α sea el 5% (0,05), aunque a
veces se usan el 10% (0,1) o 1% (0,01) para adoptar condiciones más estrictas.

Para aumentar la potencia de la prueba se debe disminuir β, probabilidad de error de tipo II, y esto se
logra aumentando el tamaño de la muestra.
 Contraste de Hipótesis
1. Definir las hipótesis nula (H0) y alterna (H1)
2. Definir el nivel de significancia de la prueba (𝛂)
3. Obtener el valor del estadístico de la prueba (adecuada)
4. Obtener el valor-p de la prueba
5. Decidir, comparando el valor-p con el nivel de significancia de la
prueba
• Ho: rafe,afs = 0
• Ha: Niego Ho
• Alfa = 0.05
• Valor-p < 0.001
• Si valor-p < alfa => Rechazo H0
• 0.001 < 0.05

• data01<-read.table("clipboard",sep="\t",header =
TRUE,dec=".")
Regresión Lineal
Regresión Lineal
Regresión Lineal

b0: Intercepto: 441.67 Si x=9, entonces y=?

b1: Pendiente: 359.62 y = 359.62*9 + 441.67
y = 3678.25
•Ho: bi = 0
•Ha: Niego Ho
•Alfa = 0.05
•Valor-p < 0.001
•Si valor-p < alfa => Rechazo H0
•0.001 < 0.05
Gráficos de barras (bivariado)
Gráficos de barras (bivariado)
Leng.Ext LicMat Enfermería Total
Masculino fo=7 15 5 27
(fe=27*15/50= 27*20/50=10.8 27*15/50=8.1
8.1)
Femenino 8 5 10 23
23*15/50=6.9 23*20/50=9.2 23*15/50=6.9
Total 15 20 15 50
Tablas de contingencia
Tablas de contingencia
Estadístico Chi-cuadrado

Fuente: https://es.slideshare.net/armando310388/prueba-chicuadrado
Tablas de Contingencia
•Ho: X1 y X2 son independientes
•Ha: Niego Ho
•Alfa = 0.05
•Valor-p = 0.01
•Si valor-p < alfa => Rechazo H0
•0.01 < 0.05