EJERCICIOS DE BIOESTADISTICA

2º parcial

Introducción a la Probabilidad
1. ¿Cuál sería el gráfico P (B|A) expresado como conjuntos? ¿Cuál sería su
definición?
Dado que P(B|A) debe representar la probabilidad del suceso B dentro del total de casos que
cumplen A, se trata de dividir la probabilidad de ser a la vez A y B, es decir P(A ∩ B), por la
probabilidad de ser A, es decir P(A). Gráficamente sería el cociente entre la zona A ∩ B y la
zona A.

2. Explique con sus propias palabras qué significan:

a) la especificidad y el valor predictivo negativo
Es la probabilidad de que en una prueba una persona que no tenga el fin de la prueba de
negativo, es un verdadero negativo. Y el valor predictivo negativo es la confianza de este
resultado negativo.
b) la sensibilidad y el valor predictivo positivo
La sensibilidad es la probabilidad de que una persona que si tenga el fin de la prueba de
positivo, verdadero positivo. Y el valor predictivo positivo es la credibilidad de este
resultado.

3. Suponga dos poblaciones diferentes: 1) la formada por los toxicómanos y

homosexuales de una cierta prisión, y 2) la formada por los médicos de un cierto
hospital. Suponga un resultado positivo a la misma prueba del sida de dos
miembros de cada una de estas dos comunidades. ¿Tienen estos dos individuos
las mismas probabilidades de padecer sida?
No: el valor predictivo positivo o probabilidad de estar realmente enfermo habiendo dado
positivo es mucho mayor en el primer caso.

4. Construya una tabla 2 × 2 del ejemplo anterior con sensibilidad y especificidad

igual a 100% y compruebe que la afirmación realizada en la nota es cierta
(suponga que de 1000 casos estudiados, estaban enfermos 132 y 868, sanos).
¿Se cumple que ambos valores predictivos son del 100%?
POSITIVO NEGATIVO TOTAL
ENFERMO 132 132
SANO 868 868
TOTAL 132 868 1000
VP+ = P(E|+) = 132 / 132 = 1,00 =100%
VP- = P(S|-) = 868 / 868 = 1,00 =100%
Nota: Todos estos fenómenos paradójicos tienen menor repercusión cuanto menos aleatorio es el
fenómeno en estudio. Si la sensibilidad y la especificidad son ambas del 100%, no hay duda de que un
positivo está enfermo y un negativo está sano.
5. Mirando a la tabla construida en el ejercicio anterior, para que el valor predictivo
positivo sea perfecto (VP+ =100%), ¿qué se necesita que sea del 100%, la
sensibilidad o la especificidad?
Para que VP+ = 100% se requiere que todos los enfermos obtengan un resultado positivos
(verdadero positivo), es decir, que ningun sano de positivo (falso positivo).
Por tanto, se requiere que la especificidad sea del 100% para tener un VP+ del 100%.

6. En clínica se dice que un signo es patognomónico cuando su presencia asegura

definitivamente la enfermedad que ayuda a diagnosticar. ¿Alguna de las
probabilidades diagnósticas es del 100%?
La especificidad y el valor predictivo positivo.

7. Explique con sus propias palabras lo que miden la sensibilidad, la especificidad y

ambos valores predictivos.
La sensibilidad caracteriza la capacidad de la prueba para detectar la enfermedad en sujetos
enfermos. La especificidad nos indica la capacidad para dar como casos negativos. Los valores
predictivos (positivo y negativo) miden la eficacia real de una prueba diagnóstica.

8. Suponiendo que se han obtenido dos muestras de 1000 casos, una para enfermos
y otra para sanos obtenga: la sensibilidad, la especificidad y ambos valores
predictivos.

Sensibilidad = P(+|E) = 712/1000 = 0,712 = 71,2%

Especificidad = P(–|S) = 752/1000 = 0,752 = 75,2%
VP+ = P(E|+) = 712/960 = 0,742 = 74,2%
VP- = P(S|-) = 752/1040 = 0,723 = 72,3%

9. Fumaz et al. (22) comparan dos grupos de pacientes tratados, uno con Efavirenz
(EFV, n = 51) y otro con inhibidores de la proteasa (PI, n = 49), habiendo
observado respectivamente 36 y 9 acontecimientos adversos relacionados con el
sistema nervioso central. Elabore la tabla correspondiente y calcule los riesgos
respectivos.
A.A.(+) NO A.A.(-) TOTAL
EFV 36 15 51
PI 9 40 49
TOTAL 45 55 100

Riesgo en los expuestos a EFV: P(Y+|EFV) = 36 / 51 = 0,70 =70%

Riesgo en los expuestos a PI: P(Y+|PI) = 9 / 49 = 0,18 =18%

10. En una cierta población, se ha recogido información en 1000 casos sobre dos
variables, la exposición al riesgo del tabaco (fumador: X+ y no fumador: X-) y su
evolución posterior (bronquitis: Y+ y no bronquitis: Y-).
a) A partir de los resultados de la siguiente tabla, calcule los riesgos y las odds.
 Riesgo X+: P(Y+|X+) = 94/ 132 = 0,71 =71%
Riesgo X-: P(Y+|X-) = 215/ 868 = 0,24 =24%
Odds X+: O(Y+ | Y-) = 94/ 38 = 2.47
Odds X-: O(Y+ | Y-) = 215/ 653 = .32

Distribución Binomial
11. Si se determina que el 10% de los residentes de Estados Unidos resultarán
positivos a un cierto anticuerpo, ¿cuál es la probabilidad de seleccionar
aleatoriamente cinco residentes de Estados Unidos y encontrar que las cinco
pruebas resultaron positivas? ¿Cuál es la probabilidad de que al menos cuatro
(esto es, cuatro o más) resulten positivos? ¿Cuál es la probabilidad de que al
menos uno sea positivo?
P(5)=.00001
P(4)+P(5)=.00045+.00001=.00046
P(1)+P(2)+P(3)+P(4)+P(5)+1-P(0)=1-.59049=.40951

12. El 38% de todos los donadores de sangre en Estados Unidos tienen sangre tipo
“O” positivo. Su ponga que, como resultado de una teoría genética en la cual basó
su argumentación, un investigador considera que esta proporción es más grande
en Islandia. En un estudio preliminar, el investigador seleccionó aleatoriamente 10
donadores de sangre en Islandia y anotó su tipo sanguíneo. ¿Cuál es la
probabilidad de que en esta muestra de donadores islandeses, 9 o 10 tengan
sangre tipo “O” positivo, si la teoría del investigador es errónea (esto es, la
proporción en Islandia es .38)? Si el número de sujetos con sangre tipo “O”
positivo de hecho es 9 o 10, ¿qué implicaciones tendrá esto para la teoría del
investigador?
P(9)=10!/9!(10-9)!*.38^9(1-.38)10^5-9=(10)(.00017)(.62)=.00105
P(10)=.3810=.00006
.00105+.00006=.00111
La teoria tendria sustento, debido a que la probabilidad de alcanzar dicho resultado en una
poblacion donde la proporcion es .38, es muy pequeñ a.

Distribución Normal
13. Dada una curva normal con una media de 250 y una desviación estándar de 25,
¿qué porción de la curva cae por debajo de 220?
µ=250; δ=25; x=220
Z=x- µ/ δ=220-250/25= -1.2

1-.8849= .1151 o 11.51%

14. Dada una curva normal con una media de 80 y una desviación estándar de 10,
calcule el área entre 65 y 85.
µ=80; δ=10; x1=65; x2=85
 Z=x- µ/ δ=65-80/10=1.5
Z=x- µ/ δ=85-80/10=.5

=.9332-.50=.4332
=.6915-.50=.1915
=.4332+.1915=.6247 o 62.47%

15. Dada una curva normal con una media de 500 y una desviación estándar de 50,
calcule el área entre 555 y 600.
µ=500; δ=50; x1=555; x2=600
Z=x- µ/ δ=555-500/50=1.1
Z=x- µ/ δ=600-500/50=2

=.8643-.9772=.1129 o 11.29%

Ejercicios Distribución t-Student

16. Se realiza un estudio para determinar si los niños que viven en un radio de una
milla cerca de un restaurante de comida rápida tienen un índice promedio de masa
corporal más alto (IMC) que los niños que no viven tan cerca. Como regla, las
categorías IMC representan lo siguiente: 18.5 o menos bajo peso, 18.5 a 24.9
normal, 25.0 a 29.9 sobrepeso y 30.0 o más significa obesidad. Los datos se
presentan a continuación. Realice una prueba de la hipótesis m1>m2, contra la
alternativa m1>m2 en el nivel de .05 de significancia. Denomine el grupo “en un
radio de una milla” como el grupo 1. ¿A qué conclusión llega respecto de esta
pregunta?
 17. Suponga que una encuesta realizada por un grupo educativo en contra del
tabaquismo demuestra que .312 de los varones del último año de bachillerato
y .288 de las mujeres reportan que, por rutina, fuman uno o más cigarrillos al día.
Suponiendo que la encuesta se aplicó a 1,777 varones y 1,821 mujeres, lleve a
cabo una prueba de dos colas de la hipótesis nula pi1=pi2 con un nivel de
significancia de .05. Interprete el resultado.
Correlación Lineal
18. De acuerdo a la correlación lineal de Pearson diga qué tipo de correlación indican
los gráficos.

Nula Perfecta positiva Negativa Positiva no perfecta

19. ¿Cuándo se utiliza la correlación lineal de Pearson y cuando la de Spearman?

La correlacion lineal de Pearson se utiliza cuando tengamos:

 Variables cuantitativas normales (que al graficarlas siguen una distribucion con forma de
campana de Gauss)
 Cuando hay un mayor o igual a 30 datos
 Variables con escalas de medicion incluso de intervalo o razon

La correlacion lineal de Spearman se utiliza cuando tengamos:

 Variables cuantitativas no normales (que al graficarlas no sigan una distribucion normal con
forma de campana de Gauss)
 Menos de 30 datos
 Una o ambas escalas de medicion de las variables sean por lo menos ordinales
 Una variable cuantitativa y otra cualitativa

Chi- Cuadrado
20. ¿Qué es y para que se usa el método de Chi- cuadrado?
Son un grupo de contrastes de hipótesis que sirven para comprobar afirmaciones acerca de las
funciones de probabilidad de una o dos variables aleatorias.
Se usa para comparar proporciones de variables cualitativas, es decir, si una tasa es diferente de
la otra y si la misma tiene significancia estadística.