Farmacología: Dr. José Luis Balderas López

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO
FACULTAD DE QUÍMICA
DEPARTAMENTO DE FARMACIA
FARMACOLOGÍA I
DR. JOSÉ LUIS BALDERAS LÓPEZ

DEPARTAMENTO DE FARMACIA
CONSIDERACIONES
ESTADÍSTICAS
JOSÉ LUIS BALDERAS LÓPEZ

DISEÑO
Plan o estrategia concebida para responder a las preguntas de investigación.
El diseño señala al investigador:
1. Lo que se tiene que realizar para alcanzar los objetivos

2. Cómo contestar las interrogantes que se ha planteado
3. Cómo analizar la certeza de las hipótesis formuladas
3
EXPERIMENTO
En términos científicos se refiere a un estudios de investigación en el que se

manipulan deliberadamente una o más variables independientes (supuestas causas)
para analizar las consecuencias que la manipulación tiene sobre una o más variables
dependientes (supuestos efectos), dentro de una situación de control para el
investigador.

EXPERIMENTO
Unidad experimental:
Cada uno de los individuos del experimento.
Tratamiento:
Condiciones aplicadas a la unidad experimental.
Observación:
Resultado al aplicar un tratamiento a una unidad experimental.

EXPERIMENTO
FACTORES CONTROLABLES FACTORES INCONTROLABLES
(x1, x2 … xn) (z1, z2 … zn)
OBSERVACIONES
TRATAMIENTO (y1, y2 … yn)
UNIDAD
EXPERIMENTAL
EXPERIMENTO
6
OBJETIVOS DEL EXPERIMENTO

1. Determinar cuáles variables X tienen mayor influencia sobre la respuesta Y.
2. Determinar el mejor valor de X que influyen en Y, de modo que Y tenga casi

siempre un valor cercano al valor nominal deseado (exactitud).
3. Determinar el mejor valor de X que influye en Y, de modo que la variabilidad en Y

sea pequeña (precisión).
4. Determinar el mejor valor de X que influye en Y de modo que minimicen los efectos
de las variables incontrolables Z (error).

DISEÑO ESTADÍSTICO
El diseño estadístico apoya a la investigación en:
1. Definir el elemento de estudio.

2. Definir las características generales del estudio.
3. Definir el control y vigilancia de la validez del estudio.
4. Selección de las características de la muestra.
5. Selección del tamaño de la muestra.
6. Determina qué, cuándo, cómo, con qué y cuantas veces medir.
7. Estimación de los sesgos.

DISEÑOS EXPERIMENTALES
Diseños experimentales más comunes en farmacología:
•Diseño en bloques.
•Diseño cruzado (cuadro latino).
•Diseño factorial.
En todos los casos se deben considerar las repeticiones y la aleatorización.
9
ESCALAS DE MEDICIÓN
ESCALAS DE
MEDICIÓN
NUMÉRICAS CATEGÓRICAS
Se asigna el elemento a una categoría
Se asigna un número para tipificar la
de entre varias que son mutuamente
propiedad medida.
exclusivas y exhaustivas.
10

TIPOS DE ESCALAS NUMÉRICAS
INTERVALO
La unidad de medida y el cero son arbitrarios (temperatura).
ESCALAS RAZÓN O PROPORCIÓN

NUMÉRICAS El cero es fijo y la unidad de medida es arbitraria (peso, volumen, etc.).
ABSOLUTA
La unidad de medida y el cero son fijos (Conteo de número de elementos,
acciones, eventos, etc.).
11

ESCALAS NUMÉRICAS
Cuando se utiliza una escala numérica se puede calcular:
•Promedio
•Desviación estándar
•Moda
•Correlación
•Etc.
Para analizar los datos numéricos se utilizan las

Pruebas Paramétricas.
12
TIPOS DE ESCALAS CATEGÓRICAS
NOMINAL
Categoría mutuamente exclusiva y sin orden, sólo tienen
nombres (responde, no responde; vivo, muerto).
ESCALAS
CATEGÓRICAS
ORDINAL
Categoría mutuamente exclusiva y ordenada. Una es mayor
que la otra sin precisar cuánto (+, ++, +++; niveles de dolor).
13

TIPOS DE ESCALA CATEGÓRICAS
Nominal binaria
Ordinal
14

ESCALAS CATEGÓRICAS
Cuando se utiliza una escala categórica no es válido calcular promedios, sumas,
desviaciones estándar, etc .
Se puede calcular moda y mediana.
Para analizar los datos categóricos se utilizan

Pruebas No Paramétricas
15
PASOS DEL DISEÑO ESTADÍSTICO

1. Establecer Hipótesis.
a) Observación
b) Planteamiento del problema
2. Definir la prueba estadística a realizar.
a) Plantear los objetivos
b) Metodología (unidad de experimentación, variables, tratamientos)
3. Plantear un modelo.
a) Análisis de resultados, relaciones
4. Conclusiones
16

PRUEBA DE HIPÓTESIS (PRUEBA DE SIGNIFICANCIA)

Es el proceso para cuantificar nuestras afirmaciones contra una hipótesis particular.
HIPOTESIS NULA (Ho)

Hipótesis que asume que no hay efecto del tratamiento en la muestra o población.
HIPOTESIS ALTERNA (Ha, H1)

Hipótesis alternativa cuando al hipótesis nula no es cierta. Esta hipótesis se relaciona
directamente con lo que se desea investigar.
17

PRUEBA DE HIPÓTESIS
•Si los datos son muy diferentes a los esperados, entonces se rechaza Ho.
•Si los datos no son muy diferentes a los esperados se asume entonces que la Ho no
es rechazada.
El rechazo de la hipótesis nula no es lo mismo que aceptar la hipótesis alterna.
18
TIPOS DE ERRORES
Error de tipo I:
•Es el Rechazo de una verdadera Hipótesis Nula (Ho).
•La probabilidad de tener un error de tipo I se denomina .
•Este es el valor que se escoge como nivel de significancia.
Error de tipo II:

•Es el No rechazo de una falsa Hipótesis Nula (Ho).
•La probabilidad de tener un error de tipo II se denomina β.
19

PODER O POTENCIA
•Es la probabilidad de rechazar correctamente una falsa hipótesis nula (Ho).
•Se define como 1 - β
Factores que la afectan:

•Medida de la diferencia entre medias.
•Nivel de significancia.
•Tamaño de la muestra.
•Varianza.
•Método estadístico utilizado.
20

VALOR P
Es la probabilidad de obtener un resultado si la hipótesis nula es verdadera.
P < 0.05
Hay suficiente evidencia para rechazar la hipótesis nula.
P > 0.05
No hay suficiente evidencia para rechazar la hipótesis nula.
21
COMPARACIÓN DE MUESTRAS (GRUPOS)

Características:
•Un solo factor o variable.

•Se utiliza principalmente el diseño por bloques.
•Pueden tener o no el mismo número de unidades experimentales.
•Se pueden comparar 2 ó más grupos.
•Se deben utilizar controles y testigos.
22

DISEÑO EN BLOQUES
Características: CONTROL
r1,1
• Al grupo Control se le administra el vehículo. r1,2 PRUEBA
r1,3 r2,1
• El tamaño de los bloques no necesariamente . r2,2
debe ser el mismo. .
.
r2,3
.
• El número de repeticiones mínimo r1,n .
.
recomendado en farmacología es 6. r2,m
23

DISEÑO EN BLOQUES
Varios grupos problema y un Varios grupos problema y sin
grupo control grupo control
Control Prueba Prueba Prueba Prueba Prueba

r1,1 r2,1 r3,1 r1,1 r2,1 r3,1
r1,2 r2,2 r3,2 r1,2 r2,2 r3,2
r1,3 r2,3 r3,3 r1,3 r2,3 r3,3
. . . . . .
. . . . . .
. . . . . .
r1,n r2,m r3,m r1,m r2,m r3,m
24
DISEÑO EN BLOQUES
Función del grupo Testigo
Control Prueba Testigo
r1,1 r2,1 r3,1 Asegurar que el experimento se realizó
r1,2 r2,2 r3,2
r1,3 r2,3 r3,3 correctamente.
. . .
. . .
. . .
r1,n r2,m r3,p 1. Se debe conocer la actividad del testigo.
2. Si no se aplica un testigo y la evaluación sólo se realiza

con el problema y no se encuentra efecto no se puede
tener la certeza de que efectivamente no tenga efecto.
25

UNA MUESTRA O GRUPO

Prueba
r2,1
Se utiliza para comparar el valor r2,2
r2,3
medido de un grupo o una muestra .
contra un valor hipotético. .
Valor
.
r2,m hipotético
26

UNA MUESTRA O GRUPO
UNA MUESTRA O GRUPO
Datos Datos
Datos ordinales
nominales numéricos
Prueba de una
Prueba t para
sola Wilcoxon
una muestra
proporción
27
UNA MUESTRA O GRUPO

CRITERIO DE
DATOS TIPO PRUEBA H0 ESTADÍGRAFO
RECHAZO DE H0
Razón Prueba t para una

t > tcrit
Numéricos Proporción muestra µ = µ1 t de student
P < 0.05
Absoluta (One sample t-test)
Prueba de Wilcoxon
Ordinales (One sample Wilcoxon M=l z P < 0.05
sign test)
Categóricos
Prueba de una sola
P < 0.05
Nominales proporción p = p1 z
(a single proportion test)
28

COMPARACIÓN DE 2 MUESTRAS O GRUPOS

COMPARACIÓN DE DOS
MUESTRAS O GRUPOS
Datos Datos no
pareados pareados
Nominales Ordinales Numéricos Nominales Ordinales Numéricos
Mann
McNemar Wilcoxon T pareada Chi cuadrada Prueba t
Whitney
29


Condiciones para realizar una prueba t o t pareada:
1. Los datos deben de seguir una distribución normal.

2. Las varianzas de los grupos a comparar deben ser iguales.
• Shapiro-Wilk
Normalidad • Kolmogórov-Smirnov
• Prueba F
Varianzas • Levene
30
COMPARACIÓN DE 2 MUESTRAS O GRUPOS RELACIONADOS

Experimentos de 2 GRUPO RELACIONADOS
Experimentos de ANTES-DESPUÉS
Experimentos en los cuales la variable es medida en la misma unidad de

experimentación en dos condiciones diferentes.
31


Medición 1 Medición 2
1. TRATAMIENTO
Antes Después
del tratamiento del tratamiento
(control)
Medición 1 Medición 2
PERIODO DE
LAVADO
2.
TRATAMIENTO 1 TRATAMIENTO 2
32


CRITERIO DE
RECHAZO DE H0
Razón
Prueba t pareada t > tcrit
Numéricos Proporción 𝑑̅ = 0 t de student
(Paired t-test) P < 0.05
Absoluta
Prueba de Wilcoxon
Ordinales (Wilcoxon signed ranks dM = 0 z P < 0.05
test)
Categóricos
Prueba de McNemar Las proporciones 2 > 2crit
Nominales 2
(McNemar’s test) son equivalentes P < 0.05
33
TABLA DE CONTINGENCIA
Tabla que resume los resultados donde los datos de salida

pertenecen a una variable categórica nominal como:
enfermedad-no enfermedad, actividad-sin actividad, arteria
abierta-arteria obstruida, etc.
34

Tabla de contingencia para datos pareados.
ANTES
Valor nominal 1 Valor nominal 2
Valor nominal 1 w x w+x

DESPUÉS
Valor nominal 2 y z y+z
w+y x+z m=w+x+y+z
35


COMPARACIÓN DE DOS
MUESTRAS O GRUPOS
Datos Datos no
pareados pareados
Nominales Ordinales Numéricos Nominales Ordinales Numéricos
Mann
McNemar Wilcoxon T pareada Chi cuadrada Prueba t
Whitney
36
COMPARACIÓN DE 2 GRUPOS INDEPENDIENTES
Tratamiento 1 Tratamiento 2
Ratón n Ratón m
Los datos medidos de la variable no están relacionados.
37

COMPARACIÓN DE 2 GRUPOS INDEPENDIENTES

CRITERIO DE
RECHAZO DE H0
Razón
Prueba t t > tcrit
Numéricos Proporción µx = µy t de student
(t-test) P < 0.05
Absoluta
Prueba de Mann-
Whitney
Ordinales Mx = My U U < Ucrit
(Mann-Whitney rank
Categóricos sum test, U-test)
Prueba de chi cuadrada 2 > 2crit

Nominales p1 = p2 2
(Chi-squared test) P < 0.05
38

Característica Grupo 1 Grupo 2
Presente a b a+b
Ausente c d c+d
n1 = a + c n2 = b + d n=a+b+c+d
p1 = a / n 1 p2 = b / n 2 p = (a + b) / n
39
COMPARACIÓN DE TRES O MÁS GRUPOS
Comparación
de tres o más
grupos
40

COMPARACIÓN DE TRES O MÁS GRUPOS MEDIDAS INDEP.

(medidas independientes)
Nominales Ordinales Numéricos
Chi Kruskal Análisis de

cuadrada Wallis varianza
¿Diferencia significativa? No Sí No Sí No Sí
Chi cuadrada Dunn, Mann Dunnet,

Pruebas post hoc sugeridas 2x2 Whitney Tukey
41

COMPARACIÓN DE GRUPOS MEDIDAS INDEPENDIENTES

CRITERIO DE
RECHAZO DE H0
Razón Análisis de varianza

F > Fcrit
Numéricos Proporción (One way analysis of µx = µy = µz F
P < 0.05
Absoluta variance)
Prueba de Kruskal-
Wallis 2 > 2crit
Ordinales Mx = My = Mz 2
(One way ANOVA on P < 0.05
Categóricos ranks)
Prueba de chi cuadrada 2 > 2crit

Nominales p1 = p2 = p3 2
(Chi-squared test) P < 0.05
42
PRUEBAS POST HOC

Las pruebas post hoc (del latín que significa “después de“) se ejecutan para confirmar
dónde ocurrieron las diferencias entre los grupos.
Solo deben ejecutarse cuando se haya mostrado una diferencia estadísticamente

significativa general en la prueba realizada.
Comparación
contra un
CONTROL Comparación múltiple
por pares
43

PRUEBAS POST HOC

DATOS TIPO PRUEBA TIPO PRUEBAS post hoc
Contra un control Dunnet, Holm-Sidak, Bonferroni

Razón Análisis de varianza
Numéricos Proporción (One way analysis of Tukey, Holm-Sidak, Student-
Absoluta variance) Múltiple por pares Newman-Keuls, Bonferroni, Fisher
LSD, Duncan
Prueba de Kruskal- Contra un control Dunn

Wallis
Ordinales
(One way ANOVA on
Dunn, Mann-Whitney, Tukey’s range
Categóricos ranks) Múltiple por pares
test
Prueba de chi
Nominales cuadrada Múltiple por pares Chi cuadrada 2x2
(Chi-squared test)
44

MEDIDAS REPETIDAS
Datos en los cuales la respuesta de cada

unidad experimental o sujeto es observada
en múltiples ocasiones o bajo múltiples
condiciones.
45
MEDIDAS REPETIDAS
Datos
longitudinales
46

MEDIDAS REPETIDAS
47

MEDIDAS REPETIDAS
Esfericidad:
Suposición de que la relación de pares de condiciones experimentales
es similar.
Si no hay esfericidad, se pierde potencia (incrementa la probabilidad de un error de

tipo I.
48
COMPARACIÓN DE MUESTRAS MEDIDAS REPETIDAS

(medidas repetidas)
Nominales Ordinales Numéricos
Análisis de
Q de
Friedman varianza de
Cochran
MR
¿Diferencia significativa? No Sí No Sí No Sí
Dunnet,
Pruebas post hoc sugeridas McNemar Dunn
Tukey
49

COMPARACIÓN DE MUESTRAS MEDIDAS REPETIDAS

CRITERIO DE
RECHAZO DE H0
Análisis de varianza de
Razón
medidas repetidas µ1 = µ2 = µ3 … F > Fcrit
Numéricos Proporción F
(One way repeated- µk P < 0.05
Absoluta
measures Anova)
Prueba de Friedman
(One way repeated- M 1 = M 2 = M3 … Fr > Fr crit
Ordinales Fr
measures Anova on Mk P < 0.05
Categóricos ranks)
Q de Cochran 2 > 2crit

Nominales p1 = p2 = p3 … pk 2
(Cochran’s P < 0.05
50

PRUEBAS POST HOC

DATOS TIPO PRUEBA TIPO PRUEBAS post hoc
Análisis de varianza de Dunnet, Sidak, Holm-Sidak,

Razón Contra un control
medidas repetidas Bonferroni
Numéricos Proporción
(One way repeated- Tukey, Sidak, Holm-Sidak,
Absoluta Múltiple por pares
measures Anova) Newman-Keuls, Bonferroni
Dunn, Tukey, Student-Newman-
Prueba de Friedman Contra un control
Keuls
Ordinales (One way repeated-
measures Anova on ranks) Múltiple por pares Dunn, Dunnett
Categóricos
Q de Cochran Comparación
Nominales McNemar
(Cochran’s simple por pares
51

Farmacología: Dr. José Luis Balderas López

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

Farmacología: Dr. José Luis Balderas López

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO

El diseño señala al investigador:

1. Lo que se tiene que realizar para alcanzar los objetivos

En términos científicos se refiere a un estudios de investigación en el que se

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO

OBJETIVOS DEL EXPERIMENTO

2. Determinar el mejor valor de X que influyen en Y, de modo que Y tenga casi

3. Determinar el mejor valor de X que influye en Y, de modo que la variabilidad en Y

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO

1. Definir el elemento de estudio.

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO

En todos los casos se deben considerar las repeticiones y la aleatorización.

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO

TIPOS DE ESCALAS NUMÉRICAS

ESCALAS RAZÓN O PROPORCIÓN

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO

Para analizar los datos numéricos se utilizan las

TIPOS DE ESCALAS CATEGÓRICAS

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO

TIPOS DE ESCALA CATEGÓRICAS

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO

Se puede calcular moda y mediana.

Para analizar los datos categóricos se utilizan

PASOS DEL DISEÑO ESTADÍSTICO

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO

PRUEBA DE HIPÓTESIS (PRUEBA DE SIGNIFICANCIA)

HIPOTESIS NULA (Ho)

HIPOTESIS ALTERNA (Ha, H1)

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO

El rechazo de la hipótesis nula no es lo mismo que aceptar la hipótesis alterna.

Error de tipo II:

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO

Factores que la afectan:

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO

COMPARACIÓN DE MUESTRAS (GRUPOS)

•Un solo factor o variable.

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO

Control Prueba Prueba Prueba Prueba Prueba

2. Si no se aplica un testigo y la evaluación sólo se realiza

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO

UNA MUESTRA O GRUPO

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO

UNA MUESTRA O GRUPO

UNA MUESTRA O GRUPO

UNA MUESTRA O GRUPO

Razón Prueba t para una

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO

COMPARACIÓN DE 2 MUESTRAS O GRUPOS

Nominales Ordinales Numéricos Nominales Ordinales Numéricos

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO

COMPARACIÓN DE 2 MUESTRAS O GRUPOS

1. Los datos deben de seguir una distribución normal.

COMPARACIÓN DE 2 MUESTRAS O GRUPOS RELACIONADOS

Experimentos en los cuales la variable es medida en la misma unidad de

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO

COMPARACIÓN DE 2 MUESTRAS O GRUPOS RELACIONADOS

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO

COMPARACIÓN DE 2 MUESTRAS O GRUPOS RELACIONADOS

Tabla que resume los resultados donde los datos de salida