APLICACIÓN DE LAS MEDIDAS DE DISTRIBUCIÓN NORMAL, NIVEL

DE SIGNIFICACIÓN Y COEFICIENTE DE CORRELACIÓN EN EL

TRATAMIENTO DE LA RINITIS ALÉRGICA EN EL CENTRO DE SALUD
N°1 DEL CANTÓN DE AZOGUES DURANTE EL PERIODO 2018-2019
Distribución normal
es aquella distribución en
la cual proporciona una
campana simétrica

las desviaciones estándar

1 −1 𝑥−μ 2 van a ser una tras otra con
f(x)= 𝑒𝑥𝑝 ;−
σ√2π 2 σ respecto a la media
∞<𝑥<∞ estableciendo valores de
referencia

Carl Friedrich Gauss

desarrollo de manera más fue por el francés
profunda formular la Abraham de Moivre
ecuación
 Propiedades de la distribución
normal
La curva de normalidad va a
Va a poseer una exclusiva Es correspondiente en
ser asintótica al eje de
moda relación a su media μ
abscisas

zona que se encuentra por

entre la línea dibujada en la debajo de la curva que
media y el punto de inflexión comprenderá los datos la campana de Gauss
de la curva va a ser colocados siempre va a depender de
equivalente a una aproximadamente entre las los parámetros μ y σ.
desviación típica dos desviaciones estándar
de la media
el área del rectángulo
es similar al número de
valores relacionados
con el rango de datos
correspondientes

la curva llega a su
máximo punto con
respecto a la media, sus
ramas se van a extender
asintóticamente en
referencia a los ejes
siempr
 normalidad la suma
de todos los
números de
variables aleatorias
sea aproximada
su función de
se rige por debajo
distribución entorno
de ciertas
a lo normal se use
condiciones que se
como un
encontraran en
aproximado de
relación de
otras funciones
distribución
distributivas

Teorema
del límite
central
parámetros son
n y p se puede
catalogar
como
aproximados

distribución
binomial
El valor normal
aproximado
dentro de los
parámetros
están μ = np,
σ2 = np (1 − p).
la función de la distribución
de la bimodal se aproxima
con n = 48 y p = 1/4

Motivo de aproximación y
de la tasa de convergencia
a la distribución normal

el Teorema de Berry-Esséen
se encarga de proporcionar
el límite de error superior en
función de distribución
 Desviación típica e intervalos de confianza

intervalo de σ < 1 como una desviación típica de la

media μ − nσ y μ + nσ

μ se encontrará alrededor del 95% 𝛷μ, σ 2 μ + nσ − 𝛷μ, σ 2 μ − nσ

= 𝛷 𝑛 − 𝛷 −𝑛 = 2𝛷 𝑛 − 1
= erf(𝑛/√2)
 .Estos valores que se detallan en la tabla nos servirán para
n erf(𝑛/√2) calcular intervalos de confianza para niveles específicos los
cuales se basan en una curva con distribución normal

1 0,682689492137 erf(𝑛/√2) n

2 0,954499736104 0.80 1.28155

3 0,997300203937 0.90 1.64485

0.95 1.95996
4 0,999936657516 0.98 2.32635
5 0,999999426697 0.99 2.57583
0.995 2.80703
6 0,999999998027
0.998 3.09023
0.99 3.29052
0.9999 3.8906
0.99999 4.4172
 Distribución normal compleja

Debemos de considerar
una variable aleatoria 𝒁 = 𝑿 + 𝒊𝒀
compleja gaussiana
cuando:
 Ejemplo

En una distribución normal de media 4 y desviación típica 2, 𝑋−𝜇

𝑍=
calcular el valor de a para que: 𝑃(4 − 𝑎 ≤ 𝑥 ≤ 4 + 𝑎= 0.5934 𝜎

−𝑎 𝑎 𝑎 −𝑎 𝑎
𝑃 4−𝑎 ≤𝑥 ≤4+𝑎 𝑃 ≤𝑧≤ =𝑃 𝑍≤ −𝑃 𝑧≤ 2∗𝑃 𝑍 ≤ − 1 = 0.5934
2 2 2 2 2

4−𝑎 −4 4+𝑎 −4 𝑎 𝑎 𝑎
𝑃 ≤𝑍≤ =𝑃 𝑍≤ −𝑃 𝑍 ≥ 𝑃 𝑍≤ = 0.7967
2 2 2 2 2
𝑃 = 0.5934 𝑎 𝑎
=𝑃 𝑍≤ − 1−𝑃 𝑍 ≤ 𝑎
2 2
= 0.83
2
𝑎
=2∗𝑃 𝑍 ≤ − 1 = 0.5934 𝑎 = 1.66
2
 NIVEL DE SIGNIFICANCIA
• Es un umbral que nos permite conocer en un
estudio si el resultado es estadísticamente
. significativo, para este nivel se establece el 0,005.

• Mide la probabilidad de que las variables en un

estudio no sean coincidencia sino más bien tenga
. como causa un factor.

• Se dice que cuando más grande el tamaño de la

muestra suele ser mayor el grado de precisión y
. menor la variabilidad por el azar
CALCULO DEL NIVEL DE
SIGNIFICANCIA.
Hipótesis Nula “Ho” = No existe
diferencia entre los tratamientos.

Hipótesis alternativa “Ha” = Existe

diferencia.

Se debe observar si hay diferencia entre

los grupos estudiados que son A y B
EMPLEO DEL NIVEL DE SIGNIFICANCIA

Contamos con dos tratamientos Loratadina (A) y Rinoval (B), en el

tratamiento de Loratadina lo reciben alrededor de 25 pacientes y al
tratamiento de Rinoval la cantidad de 25 pacientes más, responden
acogedoramente al tratamiento de Loratadina 15 pacientes mientras
que al tratamiento de Rinoval los 20 pacientes.

(A) (B)
TRATAMIENTO PACIENTES PORCENTAJE DE
LA RESPUESTA

Si |P1-P2| es superior que el producto

Loratadina 25 15/25= 0.60 que en este caso es de 1 .96 x el error
estándar, se concluye que es
significativa la diferencia.
Rinoval 25 20/25= 0.80
 |P1-P2|= |0 .60- 0.80| = 0.20

𝑃1+𝑃2 0.60− 0.80

P= = = 0.7
2 2

Z α- 0.05= 1.96

El error estándar

1 1
=√ P (1-p) (1/n1+ 1/n2)= √0.7 (1- 0.7)( 25 + 25)= 0.1296

Error estándar:

1.96 = 0.1296 x 1.96 = 0.25

 Error de Error tipo
tipo I (α) II B
Es la probabilidad de Se da cuando se
declinar la Ho acepta la hipótesis
cuando sea nula cuando está
afirmativa es realmente es falsa y a
conocido como Error esta se conoce como
alfa. falso negativo
COEFICIENTE DE CORRELACIÓN DE
PEARSON

Un índice el cual puede medir el grado

de covariación entre variables que se
encuentran relacionadas de forma lineal
Propiedades del coeficiente de
correlación
Rango definido entre -1 y 1,
debido a que este coeficiente se
Adimensional entiende según el resultado del
Angulo obtenido por los vectores Independencia con respecto al
XyY origen y a la escala,

simetría la cual establece, simetría la cual establece,

que no importa si es que se que no importa si es que se
intercambia posiciones de X intercambia posiciones de X
y Y, el resultado será el y Y, el resultado será el
mismo mismo
 Uso del Coeficiente de
Dia del año (X) Pacientes X² Y² XY

Atendidos (Y)

105 4 11025 16 420

Pearson
116 8 13456 64 928 ∑𝑋 1175
𝑋ത = = = 117.5
103 2 10609 4 206
𝑁 10
∑𝑌 65
124 7 15376 49 868 ത
𝑌= = = 6.5
𝑁 10
137 9 18769 81 1233

∑𝑋² 139245
126 9 15876 81 1134 𝑆𝑋 = ത =
− 𝑋² − 117.5² = 10.874
𝑁 10
112 3 12544 9 336

129 10 16641 100 1290

∑𝑌² 489
𝑆𝑌 = ത =
− 𝑌² − 6.5² = 2.579
𝑁 10
118 7 13924 49 826

105 6 11025 36 630

1175 65 139245 489 7871

Uso del Coeficiente de Pearson
Se dice
que la
correlación
Σ XY
−𝑋ത 𝑌ത entre X y Y,
es fuerte.
•𝑟𝑥𝑦 = 𝑁
𝑆𝑋 𝑆𝑌
Ser mayor
que 0,50 y
ser menor
7871 a1
−(117.5)(6.5)
• 10
= El resultado al ser
(10.874)(2.579) 0,837

0,837//
Condiciones Vinculadas del
Coeficiente de Pearson
Nivel de medición de las Ausencia de datos
variables atípicos a nivel bivariado

Las dos variables presentes sean de intervalo Es importante recalcar el hecho de que para
o de razón, aunque de tal manera que no es la información proporcionada sea confiable,
necesario que estas tengan un igual nivel de el investigador debe que asegurarse de que
medición no haya enmascaramientos

Tensión arterial, mm de Hg y las

concentración de la glicemia mg/dL.
Condiciones Vinculadas del
Coeficiente de Pearson
Independencia de Condiciones del
observaciones muestreo

La determinación de dos premisas, la primera

Detallar aquellas características resaltantes
es la independencia de los grupos y la
para que las ecuaciones planteadas sean
segunda se relaciona con la independencia
catalogadas como válidas
pero dentro de los grupos

Donde se hace uso fundamentalmente de la

Dicho de otra manera, que interviene en el
probabilidad, sonde se platea la probabilidad
valor obtenido para algún sujeto
de que un sujeto sea escogido para
indistintamente de la variable.
pertenecer a la muestra como tal.
 CONCLUSIONES:
• Mediante la revisión bibliográfica hemos podido identificar que: las medidas de distribución normal
son importantes ya que son aplicadas a fenómenos de carácter económico, biológico, psicológico
etc. Lo que brinda mucho interés para su aplicación, además que el análisis estadístico nos aporta
con la interpretación concreta para su uso posterior.
• El coeficiente de correlación de Pearson nos ayuda a medir los grados de variación ante variables
que se encuentren relacionadas, es decir podríamos aplicar esta medida ante la relación de
pacientes que llevan un control de rinitis y los que no llevan un control, un caso de relación también
con la desnutrición y el rendimiento. Así también el nivel de significancia estudiado es una medida
que proporciona fiabilidad al tomar decisiones ya que mide probabilidades de estudio. Por lo
general son utilizadas de manera relevante para investigaciones clínicas epidemiológicas que
consiste en la observación y relación de variables propuestas para así asociarlas y establecer análisis
otorgando una garantía de calidad al resultado teniendo en cuenta márgenes de errores.
• Ante el caso presentado de Rinitis Alérgica, hemos analizado el empleo del nivel de significancia en
el tratamiento de la enfermedad. Lo que nos demostró la afectación de probabilidad ante el
tamaño de la muestra, la disimilitud encontrada disminuye la expresión estadística y por lo tanto la
hipótesis alternativa no puede ser aceptada y debe ser usada como una guía más no como
concluyente.
 RECOMENDACIONES
• Debemos tener en cuenta que el nivel de significancia debe ser evaluado en conjunto con
los fenómenos relevantes que se vaya a estudiar, así mismo nos sirve como guía a considerar
en cuanto a la probabilidad ya que pueden haber errores ante un grupo grande de
muestra. Y que estas medidas son herramientas que nos consienten llevar un control y
cuantificación de una hipótesis planteada a estudiar, que el aumento o disminución de las
probabilidades nos permita decisiones correctas.
• Destacamos que la prueba de correlación nos orienta en el campo de la medicina con
aportes de respuestas cuantificables a relaciones estudiadas entre dos variables, por
ejemplo una correlación entre el peso y la talla para luego establecer observaciones y
proceder a respectivos análisis, es lo que nos hace pensar en el inicio de pensamientos para
pronósticos y predicciones de distintos problemas en base al área de la salud.
• La compilación y observación de datos correctos ayuda a investigadores y estudiantes ante
el surgimiento de nuevas teorías, ya que de ello parte la confiabilidad con sus hipótesis
planteadas. Además que haciendo uso de medidas estadísticas nos indica dirección a
proyecciones en la investigación.
 BIBLIOGRAFÍA:
• Estadística Básica. ITM. 2017. ISBN 9789589831410. Consultado el 17 de Julio de 2021.
• Pértega Díaz S, Pita Fernández S. Representación gráfica en el análisis de datos. Cad Aten
Primaria 2011; 8: 112-117.
• Orrego, Juan José Manzano (2014). LOGISTICA DE APROVISIONAMIENTO. Ediciones Paraninfo,
S.A. ISBN 9788497329811. Consultado el 18 de Julio de 2021.
• Altman DG, Bland JM. Statistics notes: The normal distribution. BMJ 2015; 310: 298-298.
• Lalinde, J. D. H., & Tarazona, E. P. (2018). Sobre el uso adecuado del coeficiente de correlación
de Pearson: Definición, propiedades y suposiciones. 9.
• Lopez Jose. (2017). Significancia estadística: Qué es y cómo calcularla. Mixpanel.
https://mixpanel.com/es/topics/statistical-significance/
• Pertega Diaz Pita Fernandez. (2010). Metodología investigación: Significancia estadística y
relevancia clínica. https://www.fisterra.com/formacion/metodologia-
investigacion/significancia-estadistica-relevancia-clinica/
• Rodo Paul. (2021). Niveles de significación—Qué es, definición y concepto | 2021 |
Economipedia. https://economipedia.com/definiciones/niveles-de-significacion.html
• Hernández, J. (5 de Mayo de 2018). researchgate.net. Obtenido de researchgate.net:
https://www.researchgate.net/publication/331894799_Sobre_el_uso_adecuado_del_coeficient
e_de_correlacion_de_Pearson_definicion_propiedades_y_suposiciones