3.

7 FACTOR BAYES PARA RELACIONAR LA ODDS PRE-TEST CON LA ODDS

POSTEST
Para entender de mejor manera hay que saber que odds es el resultado de la división
entre quienes tienen la característica de interés y quienes no la tienen. El factor de
Bayes es la razón de probabilidades de la condición, es decir al cociente de
probabilidades de presentar la condición entre los que tienen y no tienen.

3.8 PLANTEAMIENTO BAYESIANO, INFERENCIA BAYESIANA

El fundamento bayesino se basa en estimar una odds de enfermedad condicionada a los
resultados observados en las pruebas. La estadística bayesina se trata de calcular la
probabilidad de que la hipótesis sea cierta condicionado a los resultados obtenidos

3.9 DISTRIBUCIONES DE PROBABILIDAD DISCRETA

Un estimador es una función de los valores de la muestra que permite obtener un
valor aproximado de alguna característica de la población de la que se ha extraído
dicha muestra. El valor de esa característica en la población se denomina parámetro, la
distribución de frecuencias o empírica procede de la frecuencia que se observa la
muestra estudiada cada uno de los posibles valores que puede tomar esa muestra. La
distribución de probabilidad es la que presenta el conjunto de todos los valores, que
podría tomar una variable.

3.10 DISTRIBUCIONES DE PROBABILIDAD CONTINUAS: DISTRIBUCIÓN

NORMAL
la distribución de los datos se da de acuerdo al caso, un ejemplo podría ser lanzar un
dado de seis lados 1000 veces, se simulo una representación der barras y su
distribución de datos se aproxima a una forma de campana, es simétrica y mesocúrtica

3.11 TEOREMA DEL LÍMITE CENTRAL

Aunque los valores que presenten los individuos de una población no sigan una
distribución normal, la distribución de los estimadores que se calculan en sucesivas
muestras que se obtengan de estas poblaciones (distribución del estimador maestral)
sí que seguirá aproximadamente una distribución normal. La condición es que la
muestra sea suficientemente grande.

3.12 CONDICIONES, PRUEBAS Y GRÁFICOS DE NORMALIDAD

Existen diversos test para comprobar si los valores de una variable siguen o no la
distribución normal. Cuando resultan significativos (valor p de significación estadística
< 0,05), se rechaza la hipótesis de normalidad. Estos test se deben interpretar con
cautela, siempre a la luz del número de individuos para los que existan datos sobre esa
variable. Si el número de individuos de nuestra base de datos fuese muy grande,
bastará una pequeña desviación de la normalidad para que el test arroje un resultado
significativo y
se rechace la normalidad. Por el contrario, cuando hay pocos datos, casi nunca se
dispondrá de evidencias para rechazar la normalidad y los test no serán significativos, a
pesar de que existan desviaciones patentes de la normalidad.
Algunos test diseñados para comprobar la normalidad son:
• Test de Shapiro-Wilk W.
• Test de Shapiro-Francia W’.
• Test de D’Agostino.
• Test de Kolmogorov-Smirnov.
• Test de Lilliefors.

3.13 LAS DISTRIBUCIONES BINOMINALES, DE POISSON Y NORMAL EN

STATA
La orden di binomial de STATA da siempre como resultado la probabilidad acumulada
desde k = 0 hasta el valor de k que se indique. Se empleará la orden di poisson(λ, k). En
el caso de querer hallar la probabilidad de encontrar 0 enfermos en una población
donde el número esperado de enfermos es cinco. También existe otra función que usa
la distribución normal de modo inverso, es decir, si se da a STATA la probabilidad (área
bajo la cola izquierda), con la orden di invnormal(p), el programa devolverá el valor de
Z.

3.14 LAS DISTRIBUCIONES BINOMINALES, DE POISSON Y NORMAL EN EL

PROGRAMA EXCEL
Para calcular las probabilidades de encontrar un número k de enfermos en una
población donde el número esperado de enfermos es cinco, puede obtenerse
fácilmente una tabla para todos los posibles valores de k con el programa Excel, con los
siguientes pasos:
1. Crear dos columnas: la primera, que corresponde a la letra «A», contendrá el
número de «éxitos» (A = k); la segunda (B), el número de sucesos esperados (λ).
Reservamos la primera fila (casillas A1 y B1) para los nombres de las columnas e
introducimos los valores 0 y 5 en las casillas A2, B2 y C2.
2. Introducir en la tercera casilla (D2) la expresión =POISSON(A2;B2;FALSO).

3.15 LAS DISTRIBUCIONES BINOMINALES, DE POISSON Y NORMAL EN

OTROS PROGRAMAS

3.16 APROXIMACIÓN A LAS DISTRIBUCIONES BINOMINAL Y DE POISSON

CON LA DISTRIBUCIÓN NORMAL
En ciertas condiciones, se pueden resolver rápidamente problemas de la distribución
binomial usando una aproximación mediante la normal. pero sustituyendo la media
por su esperanza matemática en una binomial y la desviación estándar por la raíz
cuadrada de la varianza de una binomial
3.17 MEDIA Y DESVIACIÓN ESTÁNDAR DE UNA PROPORCIÓN
En las expresiones analizadas para calcular la esperanza matemática media y la
varianza de una distribución binomial, lo que interesaba era el número absoluto de
éxitos (k). Sin embargo, a veces se pretende conocer más bien la proporción de éxitos