Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Bioestadistica
Bioestadistica
● Efectúa pronósticos.
● Determinísticos o causales: siguen una relación causa / efecto que es inmutable, siempre se va
a dar de la misma forma.
● Aleatorios: sujetos al azar, bajo situaciones idénticas pueden obtenerse comportamientos
diferentes.
DATOS ESTADÍSTICOS: resultado de una observación efectuada sobre las características de los
elementos de una población. Sujetos a comparación, análisis e interpretación.
POBLACIÓN: conjunto de elementos con una característica determinada a que se refiere la
investigación. Puede ser:
● Aleatoria: azar.
ELEMENTO O UNIDAD ESTADÍSTICA: es cada uno de los individuos de una población sujeta a estudio,
en el que se van a analizar un rasgo o característica.
UNIDAD DE MUESTREO: grupo de elementos que se determina para facilitar la selección de la
muestra.
VARIABLE: característica de los elementos que es susceptible a cambios, a tomar diferentes valores.
CENSO: estudio estadístico realizado sobre toda la población. Requiere instrumentos legales que lo
regulan y normas técnicas que hagan la información uniforme.
PARÁMETROS: número que describe propiedades de una población. Media, desvío y proporción.
ESTIMADORES: permiten describir algunas propiedades de la población, se obtienen de la muestra.
CLASIFICACION DE ESTADISTICA:
● De recopilación:
o De datos internos
o De datos externos publicados: fuentes primarias o secundarias
o Encuestas: recopilación de datos por nuestra parte
o Experimentos: controlamos un factor para ver cómo reaccionan los demás
o Cuestionarios
● De organización:
o Críticas y recopilación de datos
o Clasificación de datos
● Presentación:
o Textos: cuando hay poca información
o Tablas
o Gráficos: expresión plástica o artística de datos
● Análisis: según la complejidad del estudio hay análisis más básicos como el estadístico simple,
la medida de serie de tiempo hace ver la evolución a través de cierto período de tiempo donde
aparece el número índice que es la comparación de los valores en un momento temporal
respecto a uno anterior; y los análisis de relación, serie de regresión y correlación.
● Interpretación de datos
● Cronológicos
● Geográficos
● Cualitativos
● Cuantitativos
Desventajas:
o Dan visión parcial del fenómeno.
o Interpretación de datos en función de los más frecuentes.
o Se pierde información.
● Media: suma de todas las cantidades de una cierta variable y dividida por la cantidad de
observaciones.
o Poblacional: μ: Σx . Fi / N
o Muestral: ẋ: Σx . Fi / n
● Mediana: valor que divide al conjunto en 2 partes iguales. Orden de la mediana: n + 1 / 2
● Moda: valor de la variable que más veces se repite, que tiene mayor Fi. Puede ser unimodal,
bimodal, polimodal o no tener moda.
MEDIDAS DE ORDEN O POSICIÓN: dividen el conjunto en determinadas cantidades de partes iguales.
● Rango o amplitud: diferencia entre los valores extremos de una distribución de datos, nos da
una idea de cuan amplio es el conjunto. R: xn – x0
● Rango intercuartílico: es la diferencia entre el tercer cuartil y el primero, es decir, que contiene
el 50% de la distribución. RIC:q3-q1
● Varianza: suma de cada valor de la variable menos la media, elevado al cuadrado y dividido el
tamaño de la población. Es un valor cuadrático que mide el grado de dispersión respecto a la
media.
o Poblacional: σ²: Σ(x-μ)² . Fi / N
o Muestral: s²: Σ(x-ẋ)² . Fi / n-1
● Desvío estándar: es la raíz cuadrada de la varianza.
o Poblacional: σ: √Σ(x-μ)² . Fi / N
o Muestral: s: √Σ(x-ẋ)² . Fi /n-1
● Coeficiente de variación: cociente entre el desvío y la media por cien.
o Poblacional: (σ/μ) . 100
o Muestral: (s/ẋ) . 100
ESPACIO MUESTRAL (Ω): es todo el conjunto de los resultados posibles en un experimento aleatorio.
EVENTO: es un subconjunto del espacio muestral. Puede ser:
● Nunca los casos favorables van a ser mayores que los casos posibles.
● La probabilidad del espacio muestral es 1, ya que si se dividen los casos favorables por los
posibles siempre va a dar 1.
● La probabilidad de un evento imposible es siempre 0, ya que es un evento que no existe.
● Continua: toma valores reales, puede tomar todos los valores dentro de un intervalo.
● Primera condición: se repiten dos resultados posibles éxito (P) y fracaso (q).
Ambas probabilidades de éxito y fracaso son constantes, en cada ensayo tenemos la misma
probabilidad que ocurra éxito o fracaso.
NÚMERO FACTORIAL (n!): el factorial de un número es el producto de ese número por todos los
números decrecientes hasta el 1.
NÚMERO BINOMIAL (n/m): son todas las combinaciones posibles de números de n elementos
tomados de la muestra.
INSTRUCCIÓN PROBABILISTA DE LA DISTRIBUCIÓN BINOMIAL: tiene 2 propiedades, una es que la
esperanza o el valor esperado de la variable es el producto del tamaño de la muestra por los éxitos.
E(x):n . P; y la varianza es el producto del tamaño de la muestra por los éxitos por los fracasos. Va(x):n .
P . q.
Es la probabilidad de obtener una cierta cantidad de X de éxitos en un número de ensayos, es igual al
número binomial n de la cantidad de ensayos por los éxitos a la v por los fracasos a la n menos v.
P(x:v):(n/v) . Pᵛ . q ⁽ᶰ⁻ᵛ⁾
DISTRIBUCIÓN DE POISSON: es el límite de binomial cuando el número es grande, los éxitos se
aproximan a 0 pero el producto n por P permanece constante. Puede observar un cierto
comportamiento que tiene que ver con una constante de Poisson (K) que representa el promedio de
eventos de una cierta unidad.
P(X:V): e⁻ᵏ . Kᵛ / v! e:2.71 ᵛ: cantidad de éxitos
-------------------------------------------------------------------------------------------
DISTRIBUCIÓN NORMAL O DE GAUSS: es un modelo teórico para variables aleatorias y continuas,
representa la distribución de frecuencias en una población de valores.
La curva normal es una campana simétrica, cuya forma y posición depende de 2 parámetros:
X~N (μ,σ)
Si una distribución de datos tiene aproximadamente el perfil o forma de campana se cumple que:
El desvío estándar determinará la forma de la curva. Cuanto mayor sea el desvío, más se dispersan los
datos en torno a la media y la curva será más baja.
---------------------------------------------------------------------------------
o La probabilidad de un evento está siempre acotada entre 0 y 1.
o Si dos eventos son complementarios, la probabilidad de unión vale 1.
o Si dos eventos son independientes, entonces la P(A/B) es igual a la P(A).
o En una distribución binomial la probabilidad de éxito y fracaso son eventos complementarios.
o En una distribución binomial la probabilidad de éxitos y fracasos son constantes.
o Siendo A y B dos eventos excluyentes, la probabilidad de la intersección es 0.
o Dado un experimento, si el evento A tiene una mayor constante de casos favorables que el
evento B, entonces la probabilidad de A es mayor que la probabilidad de B.
o Una distribución normal nunca puede tener asimetría, siempre es simétrica.
-----------------------------------------------------------------------------------
● Consistencia
● Eficacia
● Suficiencia
La estimación de los parámetros puede ser puntual, esto significa que el valor del parámetro
poblacional es igual al valor del estimador, esto consiste en asignar un valor concreto al parámetro.
INTERVALO DE CONFIANZA: son dos valores entre los cuales tenemos cierta seguridad de encontrar el
verdadero valor del parámetro poblacional. P(A<Ɵ<B):(1-α).
1-α es el nivel de seguridad, elegido por el investigador. Cuanto mayor sea el nivel de seguridad, es
decir cuanto más nos acerquemos a 1, mayor va a tener que ser el tamaño de la muestra. ˃(1-α): ˃n
H0 verdadera H0 falsa
● n˃30 NORMAL
● n<30 T-STUDENT
● n1 y n2 ˃30 NORMAL
● n1 y n2 <30 T-STUDENT
-----------------------------------------------------------------------------------------------
PRUEBA DE SIGNIFICACIÓN: vamos a probar si hay diferencia significativa entre la masa de valores
observados y los que esperamos. Usa chi cuadrado.
I: Σ(o-e)²/e e: total de fila . total de columna / total general GL: (N° filas-1) . (N° columnas-1)
o: valores observados e: valores esperados I: índice
La zona de rechazo siempre va a estar hacia la derecha.
PRUEBA DE HOMOGENEIDAD: chi cuadrado. Tenemos 2 variables y queremos saber si tienen idéntico
comportamiento entre sí, que actúan en la misma forma, que sean homogéneas.
PRUEBA DE INDEPENDENCIA: determina si 2 variables son independientes entre sí o no.
● Acotado entre -1 y 1.
MÉTODO DE MÍNIMOS CUADRADOS: permite que el valor de Y con respeto al de la recta sea mínimo,
también garantiza el mínimo error y calcular b.
--------------------------------------------------------------------------------
ANÁLISIS DE VARIANZA (ANOVA – ANVA): usa chi cuadrado, el área de rechazo siempre estará a la
derecha.
Es una técnica que permite comparar más de 2 medias poblacionales. Se usa como base para el diseño
experimental.
Se analiza la variabilidad, la varianza dentro de la muestra.
Xi;j:μi+ξ Xi: tratamiento j: rata ξ: componente de error aleatorio
S²:Σ(Xi-ẋ)²/24-1 ẋ:Σẋ/cantidad de muestras
CUADRADO MEDIO:
Estos cuadrados son los que compara ANOVA, es decir, compara un índice observado que es la
diferencia entre el cuadrado medio entre tratamientos dividido el cuadrado medio dentro de
tratamientos. ξ: CMet/CMdt
---------------------------------------------------------------------------------
DISEÑO EXPERIMENTAL: para comparar más de 2 tratamientos.
DISEÑO: sucesión de pasos ordenados para poner a prueba hipótesis o cumplir objetivos. Pueden ser
de 2 tipos:
DISEÑO EN CUADRADOS LATINOS: en algunas situaciones, las unidades experimentales pueden ser
agrupadas de acuerdo a más de un factor de bloqueo.
En el caso de los cuadrados latinos interviene el factor fila y el factor columna, cada tratamiento es
aplicado una vez en una fila y una vez en cada columna.
El numero total de unidades experimentales es igual al cuadrado del numero de tratamientos.
Los tratamientos no interactúan con los factores.