0 calificaciones0% encontró este documento útil (0 votos)
14 vistas4 páginas
El documento discute conceptos estadísticos como la distribución de probabilidad, el teorema del límite central, y las distribuciones binomial, de Poisson y normal. Explica cómo estas distribuciones se pueden aproximar entre sí y cómo calcular la media y desviación estándar de una proporción. También cubre cómo calcular estas distribuciones en programas como Stata y Excel.
El documento discute conceptos estadísticos como la distribución de probabilidad, el teorema del límite central, y las distribuciones binomial, de Poisson y normal. Explica cómo estas distribuciones se pueden aproximar entre sí y cómo calcular la media y desviación estándar de una proporción. También cubre cómo calcular estas distribuciones en programas como Stata y Excel.
El documento discute conceptos estadísticos como la distribución de probabilidad, el teorema del límite central, y las distribuciones binomial, de Poisson y normal. Explica cómo estas distribuciones se pueden aproximar entre sí y cómo calcular la media y desviación estándar de una proporción. También cubre cómo calcular estas distribuciones en programas como Stata y Excel.
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