Documentos de Académico
Documentos de Profesional
Documentos de Cultura
LECCIÓN 1
PRUEBAS DE HIPÓTESIS
INTRODUCCIÓN
ESTADISTICA DESCRIPTIVA
• Comprende los métodos para recolectar, describir, analizar y
representar un grupo de datos utilizando métodos numéricos y
gráficos que resumen y presentan la información contenida en ellos.
ESTADISTICA INFERENCIAL
Comprende los métodos y procedimientos para deducir propiedades
(hacer inferencias) de una población a partir de una pequeña parte de
la misma (muestra). Estas deducciones son de tipo inductivo, se basan
en la probabilidad.
• Para q la estadística inferencial proporcione buenos resultados debe
cumplir dos condiciones.
15
14
60% 65%
COMPARAR DOS MUESTRAS PAREADAS
A B
12 14
60% 75%
COMPARAR K MUESTRAS INDEPENDIENTES
11 Prueba ANOVA.
G1
50% Prueba de Kruskall Wallis
14
G2
65%
Prueba Chi2 de homogeneidad,
13 o Chi2 para proporciones.
G3
60%
COMPARAR VARIAS MUESTRAS INDEPENDIENTES
A B C
14 13
11 65% 60%
50%
COMPARAR K MUESTRAS INDEPENDIENTES
G1 G2 G3
H0
H1
14
G1
60%
11 14
G1
50% 65%
OBJETIVO 12
G1
ESTADISTICO 60%
14
G2
COMPARAR 75%
11
G1
50%
14
G2
65%
13
G3
60%
Objetivo
Variables Escala/Cuantitativas Variables Categóricas
Estadístico
Comparar una muestra con un valor Comparar una muestra con una
Prueba T para una muestra proporción
Prueba Binomial, Mediana (Chi2 para una muestra)
Comparar 2 muestras independientes
Prueba T p Muestras Independientes
Prueba U de Man Whitney Comparar muestras
Comparar Prueba Chi2 para proporciones
Comparar 3 o más grupos Chi2 de Homogeneidad
Análisis de Varianza
Prueba H de Kruskall Wallis
Comparamos 2 muestras pareadas
Comparar Antes y Después
Prueba T para Muestras Relacionadas
Chi2 de McNemar
Prueba de Wilcoxon
LECCIÓN 3
PRUEBAS PARAMÉTRICAS
PRUEBAS DE NORMALIDAD
Se rechaza la
Se rechaza la hipótesis nula
hipótesis nula
Area A = área B
y (A+B) = el
nivel deseado
de significancia
Area A Area B
H1
14
G1
60%
11 14
G1
50% 65%
OBJETIVO 12
G1
ESTADISTICO 60%
14
G2
COMPARAR 75%
11
G1
50%
14
G2
65%
13
G3
60%
Objetivo
Variables Numéricas Variables Categóricas
Estadístico
Comparar una muestra con un valor Comparar una muestra con una
Prueba T para una muestra proporción
Prueba Binomial, Mediana (Chi2 para una muestra)
Comparar 2 muestras independientes
Prueba T p Muestras Independientes
Prueba U de Man Whitney Comparar muestras
Comparar Prueba Chi2 para proporciones
Comparar 3 o más grupos Chi2 de Homogeneidad
Análisis de Varianza
Prueba H de Kruskall Wallis
Comparamos 2 muestras pareadas
Comparar Antes y Después
Prueba T para Muestras Relacionadas
Chi2 de McNemar
Prueba de Wilcoxon
OBJETIVO ESTADÍSTICO CONCORDAR
Medir la concordancia entre dos observaciones es un objetivo
estadístico, para ello debe cumplirse como requisito fundamental que
se trata de un solo grupo y los resultados de la observación tienen las
mismas opciones.
Existen dos casos frecuentes: Cuando las observaciones corresponde a
diferentes observadores y cuando las observaciones corresponden a
diferentes instrumentos. En este caso el estadístico, es también un
índice de concordancia.
La prueba de hipótesis se realiza con el estadístico: Índice Kappa de
Cohen.
Índice Kappa de Cohen
ASOCIACIÓN
RELACIÓN
Enfermos A B A+B
Sanos C D C+D
RR = Ie / Io = (B/B+D) / (A/A+C)
OR: odds ratio
Enfermos A B A+B
Sanos C D C+D
OR = (B/D) / (A/C)
El tipo de medida a utilizar depende del diseño del
estudio:
RR
- Estudios de Cohortes, prospectivos
OR (Razón de Momios)
- Estudios casos y controles
Significación estadística
El RR y la OR siempre deben ir acompañados de su
correspondiente IC95%
K Si
2 • Si2: Sumatoria de Varianzas de los Items
• ST2: Varianza de la suma de los Items
= 1− 2 • α: Coeficiente de Alfa de Cronbach
K −1 S
T -1 a 0:
0,01 a 0,49:
No es confiable
Baja confiabilidad
0,50 a 0,75: Moderada confiabilidad
0,76 a 0,89: Fuerte confiabilidad
0,9 a 1: Alta confiabilidad
x1
x2 Y
x3
xK
Correlación Simple
Coeficiente de Correlación: yx r
Valores de -1 a 1
Existe dirección o sentido, directa o inversa
Correlación Múltiple
• Correlación múltiple.
• Es cuando intervienen varias variables independientes o predictoras, y solo
una variable dependiente o explicada o predicha.
X1, X2, X3, …, Xn : Variables independientes, predictoras, explicativas
Y: Variable dependiente, respuesta, predicha, explicada
• Correlación múltiple.
• Es cuando intervienen varias variables independientes o predictoras, y solo
una variable dependiente o explicada o predicha.
X1, X2, X3, …, Xn : Variables independientes, predictoras, explicativas
Y: Variable dependiente, respuesta, predicha, explicada
X1 X2
Coeficiente de determinación múltiple
Y 𝑏+𝑐+𝑑
2
𝑟𝑦12 =
a 𝑎+𝑏+𝑐+𝑑
Indica el efecto de ambas variables
bc d X1y X2 sobre Y
X1 X2
Orden cero Parcial Semi-parcial
Coeficiente de 𝑟𝑦𝑥1 𝑟𝑦1.2 𝑟𝑦(1.2)
correlación
2 2 2
Coeficiente de 𝑟𝑦𝑥1 𝑟𝑦1.2 𝑟𝑦(1.2)
determinación
Incluye varianza Elimina la Varianza única
Efecto X1 de Y que varianza de Y independientement
sobre Y comparten X1 y explicada por e de la q compartan
X2 X2 X2 y Y
Modelo de regresión lineal múltiple
𝑌 = 𝑏0 + 𝑏1 𝑥1 + 𝑏2 𝑥2 + ⋯ + 𝑏𝑘 𝑥𝑘 + 𝜀
LECCIÓN 9
MODELOS DE REGRESIÓN LOGISTICA
Regresión Logística binaria
• La regresión logística resulta útil para los casos en los que se desea
predecir la presencia o ausencia de una característica o resultado
según los valores de un conjunto de variables predictoras.
• Es similar a un modelo de regresión lineal pero está adaptado para
modelos en los que la variable dependiente es dicotómica.
• Los coeficientes de regresión logística pueden utilizarse para estimar
la razón de las ventajas (odds ratio) de cada variable independiente
del modelo.
• La regresión logística se puede aplicar a un rango más amplio de
situaciones de investigación que el análisis discriminante.