Documentos de Académico
Documentos de Profesional
Documentos de Cultura
EJEMPLOS DE VARIOS
1. Calcula la media armónica de los valores 1 , 2 y 3
a) 1
3
b) 1,6 𝑥= = 1,6
1+1+1
2 1 3
c) 2,5
d) 2,8
2. En la serie de datos siguientes 3, 21, 14, 15, 2, 5 referido a las edades de pacientes, la mediana
(Md). Es igual a:
ORDENAR: 2 – 3 – 5 – 14 – 15 – 21 (par=coger los 2 del medio,
a) 5
Impar= coger el del medio y esa es la medida)
b) 14
c) 14,5 Es par por lo tanto: (5+14)/2 = 9,5
d) 9,5
3. El hecho de que el padre de una familia fume es independiente a que fume la madre. Si la
probabilidad de que fume el padre es de 0,5 y la probabilidad de que fume la madre es de
0,4, entonces la probabilidad de que fumen el padre y la madre es:
a) 0,90
b) 0,20 P(A)xP(B)=
4. En una clase de 140 alumnos sabemos que la probabilidad de que al elegir un alumno al
azar este sea del sexo masculino es de 0,15. ¿Cuántas alumnas hay en clase?
a) 82 P(A)+P(B)=1
b) 115
c) 113 P(B)=1-0,15=0,85 ((0,85x100))= 85%
d) 119
140x0,85=119
5. Si un tratamiento para reducir el colesterol consigue reducciones dadas por N(50,30).
¿Qué porcentaje de individuos tendrá reducciones entre 30 y 60 unidades? (Sigue
distribución normal) PIDE UN INTERVALO (TABLA QUE SE VE MAL)
a) 14 ORDENAR: 2 – 2 – 4 – 4 – 8 – 9 – 10 – 16
b) 16
c) 2 Nº grande menos el pequeño= 16 – 2 = 14
d) 9
7. En una muestra de 100 personas se encontró que 120 presentaban alteraciones de oído y 50
eran diabéticas. El número de personas que presentaban alteraciones de oído y a la vez eran
diabéticas era de 6. Con estos datos se puede concluir que:
a) La diabetes y las alteraciones del oído NO son dos características independientes
b) La diabetes protege de padecer alteraciones de oído
c) Los diabéticos tienen más probabilidades de padecer alteraciones de oído
d) Los datos presentados no son suficientes para conseguir ninguna de las afirmaciones.
P(AnB)=P(A)xP(B)
6=120x505
c) 0,3874
d) 0,0725
11. La probabilidad de nacer con la característica A es de 0,20 y la probabilidad de nacer con la característica B es de
0,50. Si las características A y B son independientes. ¿Cuál es la probabilidad de nacer con la característica A, con
la B o ambas?
a) 0,10 P(A)+P(B)=
b) 0,30 0,20+0,50= 0,70
c) 0,60
d) 0,70
12. La probabilidad de ser hipertenso es 1/2, la de ser reumático 1/5 y la de ser las dos cosas 1/10. ¿Cuál es la
probabilidad de encontrar a alguien hipertenso o ser reumático?
a) 0,6
b) 0,7
c) 0,10
13. Un enfermo ha presentado a lo largo de la semana los siguientes valores de temperatura corporal: 37,3 – 37,8 – 38
– 37,4 – 39 – 38 y 37,9. La moda de dichos datos es:
a) 38
b) 39 ORDENAR: 37,3 – 37,4 – 37,8 – 37,9 – 38 – 38 – 39
c) 37,9
VALOR QUE MÁS SE REPITE: 38
d) 37,3
14.En un diseño retrospectivo, del grupo de personas que estuvo expuesto al factor de riesgo, 40
están enfermos y 160 sanas. Mientras que en el grupo que no tuvo factor de riesgo, 20
presentaban la enfermedad y 180 están sanos. Calcula la prevalencia de la enfermedad en los
individuos expuestos.
a) 0,2
FR Enfermos Sanos
b) 2,25 Fr. SI 40 160
c) 0,1 Fr..NO 20 180 40/ (40+160) = 0,2
d) No puede calcularse
15. Se quiere conocer si los niños con infecciones en el oído tienen más riesgo de sufrir asma. Si la
incidencia de asma en los niños que habían sufrido infección de oído fue 0,21, mientras en los
que no habían sufrido infección de oído fue 0,05. A partir del calculo del riesgo relativo
podemos determinar que:
a) Las infecciones de oído no tienen relación con la aparición de asma
b) Los niños con infección de oído tienen 4,2 veces más de riesgo de sufrir asma que los que
no padecen infección de oído
c) La infección de oídos es un factor preventivo en la aparición de asma.
d) Los niños sin infección de oído tienen 4,2 veces más de riesgo de sufrir asma que los que
padecen infección de oído
RR= 0,21/0,05=4,2 Veces mayor
riesgo
16. En un estudio de casos y controles, se seleccionan 500 casos y 500 controles, el factor
etiológico sospechado se descubre en 400 casos y en 100 de los controles. Calcula el odds
ratio:
a) 4 Casos Controles
b) 1 Fr. SI 400 100 Odds= (400x400)/(100x100)=16
c) 16 Fr..NO 100 400
d) 25
d) 0,8516
19. En cierta intervención quirúrgica, los pacientes tienen una probabilidad de morir de 0,05. Si se
programan 100 intervenciones. ¿Cuál es la probabilidad de que mueran 5 pacientes? (NO
DISTRIBUCIÓN NORMAL) POISSON TABLA
a) 0,002 =0,05. N=100 <0,10. xN<10 =
b) 0,1755 0,05x100= ==5. K=5
c) 0,005 Tener en cuenta valor de K y valor de
d) 0,1898
TEMA 2 TIPOS DE VARIABLES
Definiciones (pag 3)
Variable
Estadística
Parámetros
Población
Muestra
Criterio de medida,
criterio metodológico,
Tipos de variables,
clasificaciones: escala media (pag 7)
- Variables categóricas o cualitativas (atributos): Nominales o cualitativas puras Binarias o dicotómicas y politómicas
-
-
- Variables ordinales semi-cuantitativas
a. Cualitativa dicotómica
b. Cualitativa ordinal
c. Cuantitativa discreta
d. Cuantitativa continua
Categorización de los tipos de variables y clasificaciones. (pag 9)
Tipos de escalas de medidas: Nominal, ordinal, intervalo, proporción o razón. (pag 11)
ESCALA FINALIDAD CONDICIONES ESTADIS. Apicab EJEMPLO
NOMINAL Conocer Permutación Frecu, modas Estado civil, sex
igualdad o
desigualad
ORDINAL Conocer si son =, Mantiene orden Mediana, Test apgar,
+ grandes / + percentil Pronostico vital
pequeñas
INTERVALO Conocer Unidad de Media Tº y colesterol
distancia entre media aritmética,
una y otra constante Desvi tipica
PROPORCIÓN Establecer Existencia Media Hijos
relación entre cero absoluto geométrica,
una y otra coeficiente PAG 12
variación
CRITERIOS DE CONTROL (pag 16): Variable aleatoria/ dependiente y Variable controlada/ independiente.
EJEMPLO: Queremos estudiar la relación entre el consumo de café y la aparición de una patología.
Consumo tabaco actúa como variable intermedia. El café predispone al consumo de tabaco. NO ES
UN FACTOR DE CONFUSIÓN.
- Factor de confusión
- Modificación del efecto
- Criterios para saber si una variable es factor de confusión
METODOS PARA NEUTRALIZAR LOS FENÓMENOS DE CONFUSIÓN Y MODIFICACIÓN DEL EFECTO (pag 21)
GRÁFICOS (pag 4 – 5)
CUALITATIVA Diagrama de barras, diagrama de sectores y de líneas
CUANTITATIVA Diagrama de barras, diagrama de líneas, diagrama acumulativo, tallo
DISCRETA y hoja
CUANTITATIVA Histogramas, diagrama de tallo y hoja
CONTINUA
VARIABLES CUANTITATIVAS (pag 17 – 18): diagrama de tallo y hoja (steam and leaf)
VARIABLES CUANTITATIVAS
Diagrama de barras
¿Puedes convertir los datos de la tabla 1 de una variable cuantitativa a una variable cualitativa?
Ejemplo: Si un alumno es sometido a tres exámenes en los que obtiene las calificaciones 5, 3 y
6. Media aritmética = (5+3+6) /3= 4,66 (pag 6)
Ejemplo: Las edades de 10 pacientes atendidos en un servicio de urgencia fueron 21, 32, 15, 59,
60, 61, 64, 70, 71 y 80. Media aritmética = (21+32+15+59+60+61+64+70+71+80) / 10= 53,3 años
(pag 6) N
o
Ejemplo: Imaginemos que tenemos que hallar la media aritmética de esta distribución. (pag
Ejemplo: La tabla siguiente contiene los pesos en Kg de 100 pacientes, agrupados por frecuencias. Halla el peso medio de
estos pacientes. (pag 8)
X1 fi
54 20
59 30
63 40
64 10
N 100
Ejemplo: Un profesor que evalúa mediante una escala de 0 a 10, concede diferente importancia a los tres
exámenes que pasa a sus alumnos, siendo ésta de: primer parcial = 2; segundo parcial = 3; examen final = 5.
¿Cuál será la nota final de un alumno que puntuó 6,5 en el primer parcial, 6 en el segundo parcial y 4 en el
examen final? (pag 10)
Ejemplo: Las estaturas medias de tres grupos de estudiantes son 1.69, 1.72 y 1.70. Calcula la estatura media de
todos los estudiantes sabiendo que en el primer grupo hay 50 estudiantes, en el segundo 20 y en el tercero 10.
(pag 11)
√22 + 32 + 72 √62
MC= Xc = = = √20,66 = 4,55
3 3
√ 2 2 2 2
1 + 3 + 4 + 5 +7
MC= Xc =
5
Xi fi
2 14 +
3 17 +
4 21 +
TAMAÑO MUESTRAL = 52
H= N=3
1 1 1
+ +
2 3 7
- Calcula la media armónica de la siguiente distribución de frecuencias
N=3 3
H= Xi Fi =
= 2,31
2 14 1 1 1 0,5 + 0,3 + 0,4
+ +
3 17 2 3 7
4 21
e. 10
3, 4, 4, 5, 6, 8, 8, 8, 10 ------ 6
Ejemplo:
Xi fi
55 3
62 7
69 16
76 3
83 1
MEDIDAS DE DISPERSIÓN
- VARIANZA: SOLO CON VARIABLES
Ejemplo: Calcula la varianza de las puntuaciones (4,5,6,7,7,7,8,9,10) solución = 3,50 (pag 26)
Ejemplo: Mide la desviación típica en forma de ``que tamaño tienen con respecto a la media´´
MEDIA:
(0,89 + 1,58 + 0,79) / 3= 1,09
COEFICIENTE DE VARIACIÓN:
CV= (0,3701 / 1,09) = 0,3395
Las medidas de tendencia central muestran como varian los valores de la distribución en
torno a su media aritmética. (F) ----Serian las medidas de dispersión----
La media aritmética se puede definir como el valor que ocupa el lugar central en un conjunto
ordenado de datos. (F) ----Seria la mediana----
La media aritmética es la medida de tendencia central en la que menos influye los valores
extremos. (F) ----Seria la mediana----
La medida de tendencia central más conocida, utilizada y que generalmente se necesita para
cálculos posteriores es la mediana. (F) ----Seria la media----
Media, mediana y moda miden la tendencia de los datos a agruparse entorno aun valor
central. (V)
La mediana se obtiene sumando todos los valores de la distribución y dividiendo por el nº de
valores. (F) ----Seria la media aritmética----
Para poder calcular la mediana previamente hay que ordenar los valores de la distribución. (V)
El valor de la varianza puede ser tanto negativo como positivo. (F)- - -Tendríamos que elevar al
X2----
Una distribución de frecuencias puede tener varias medianas. (F) ----Varias modas----
La moda es la medida de tendencia central que puede calcularse en cualquier tipo de variable
no solamente cuantitativa. (V)
MEDIDAS DE POSICIÓN (pag 35 – 38)
- PERCENTIL (pag 35)
Ejemplo: El percentil 15 deja por debajo al 15% de las observaciones. Por encima queda el 85%.
Ejemplo: Haya el percentil 50 de estas mediciones K=50 (observaciones por debajo o igual)
23, 25, 27, 35, 38, 42. (N=6) IMPORTANTE ORDENAR LOS Nº DE MENOR A MAYOR!!!!!
- Determina la mediana y la moda de estos valores MEDIANA:
MODA: 1,21 – 1,22 – 1,28 se repite 4 veces.
- ¿Cuánto tendría que medir un alumno para estar en el percentil 50? = 1,26
- Medida de asimetría. Índice de asimetría (pag 40 – 42) Coeficiente de asimetría Fisher (pag 43)
-
Coeficiente de asimetría de Pearson Coeficiente de asimetría de Bowley
1.Calcula la mediana de los siguientes valores: 9, 7, 5, 18, 15, 12, 15 y 18. Sí una gráfica es simétrica, se podrá decir que se parece a la campana de
gauss.
2.Las edades de 10 pacientes atendidos en un servicio de urgencias fueron, 21, 32, 15, 59,60, 61, 64, 60, 71 y 80. Calcula la media = 52,3.
5. Se expresan a continuación las longitudes de 3 determinados objetos medidas en mm mediante un ecógrafo. 7;0 7;4 8;9. Calcula la media, desviación
típica y varianza de los mismos.
- Descriptivos
- Analíticos
ESTUDIOS EXPERIMENTALES
REVISIOES SISTEMATICAS Y METAANALISIS (uso de todos los ensayos clínicos) (pag 11 – 12)
TIPOS:
Ods
Prevalencia
- ANALÍTICOS (cuasiexperimetal):
- casos y controles
ods ratio
- – cohortes
Tasas
Incidencia acumulada
Rango relativo
ESTUDIOS EXPERIMENTALES
Incidencias
Riesgo relativo
9/30 =0,3
Porcentaje: 0,3x100=30%
- Una muestra de 500 embarazadas, extraídas al azar hay 300 primíparas y 200 multíparas.
Ventajas Número Proporción de primíparas:
Prímiparas 300
Multíparas 200 300/500=0,60
Total 500 0,60 x 100=60% Es decir de cada 100 embarazadas 60% primíparas
Odds: 300/200=1,5
interpretación de la probabilidad de ser primípara es 1,5 veces la de no ser multípara. (Relación entre
los 2 grupos)
PREVALENCIA (pag 17): Nº de casos presentes en un momento dado / población total examinada
Ejemplo: Estudio transversal que tiene por objeto estudiar los casos de arteroesclerosis (1200) en un
momento dado en una población de 2200 que consume una ingesta alta de grasa.
Ejemplo (pag 21): Estudio de casos y controles. Los casos son pacientes con arteroesclerosis y los
controles no lo padecen. Se quiere valorar si el consumo excesivo de grasa saturada tiene efecto
sobre esta patología.
Factor de riesgo Casos Controles
Grasa saturada > 200 100
30g / día
Grasa saturada < 200 400
30g / día
Existe una probabilidad 4 veces mayor en personas que ingieren un consumo alto de grasa saturada de
padecer arteroesclerosis.
Ejemplo: 2000 mujeres se siguen durante 10 años después del parto, apareciendo durante este
período 400 casos por incontinencia urinaria.
TASA MEDIA RELATIVA: TMR= (400 / 2000) /10= 0,02 casos por sujeto y por año
ANALÍTICOS COHORTES (INCIDENCIAS)(pag 28)
Condiciones
Incidencia acumulada
IA= Número de nuevos casos durante el período/ población expuesta al inicio del período.
-IA= Nº nuevos casos durante el período / población expuesta al inicio del periodo
Población expuesta al inicio del período. Población inicial 1000 pero tenemos que descontar los
3 que presentaban la enfermedad al inicio del período = 997
EXPUESTOS
NO EXPUESTOS
Rr=
Nº DE ENFERMOS A RIESGO ÷Nº DE NO ENFERMOS A RIESGO
ODDS RATIO (OR): (9 x 999) / (1 x 1191) = 7,55 veces mayor que la odds de cáncer en los no fumadores.
…..
…..
a) Calcula el Odds ratio y el riesgo relativo determinado. ¿Cuántas veces más de riesgo tienen las
mujeres de menos de 25 años?
OR= (29 x 11241) / (15 x 7301) = 2,98 OR > 1 por lo que el riesgo de enfermar es mayor en los de
menos de 25 años que en los de más.
RR= (29/7330)/(15/11256) = 3. La población de menos de 25 años tiene tres veces más posibilidades de
enfermar que la de más.
b) Tras tener un hijo seleccionaron 44 mujeres con SIDS y 49 que no. Razona si se puede determinar el
Odds ratio y el riesgo relativo. (FALTAN DATOS)
Hay una selección por lo que no podemos calcular el riesgo relativo pero si el Odds ratio como sucede
en los estudios de casos y controles.
Ejemplo: Para estudiar el riesgo que tienen los trabajadores en contacto con un factor ambiental
(FRiesgo) de desarrollar determinada enfermedad tomamos una muestra de 400 individuos en
contacto con el factor y 400 que no.
Factor de riesgo Enfermedad No enfermedad
Presente 80 320
Ausente 27 373
Calcula las posibilidades de un expuesto de desarrollar la enfermedad:
La probabilidad de un suceso aleatorio es el cociente obtenido al dividir el número de casos favorables por el
número de casos posibles.
P=n/N
Donde n es el número de casos favorables y N es el número de casos posibles.
Ejemplo: Se produce una intoxicación alimentaria en 99 personas de las 158 que asistieron a un
banquete.
1. Sucesos excluyentes
Suceso A y B son excluyentes: la probabilidad de A y B es igual a la suma de la probabilidad de A más la probabilidad de B.
P(AᴗB)=P(A)+P(B).
Ejemplo:
Ejemplo: En un grupo de 1000 personas, 50 son hipertensos, 30 tienen artrosis y 10 tienen hipertensión y artrosis.
P(HTA)=0,05P(artrosis)=0,03P(HTAᴖartrosis)=0,01
P(HTAᴗartrosis)=P(HTA)+P(artrosis)-P(HTAᴖartrosis)=0,05+0,03-0,01=0,07
17
Ejemplo:
En una universidad el 50% de los alumnos habla inglés, el 20% francés y 5% los dos idiomas. ¿Cuál es la probabilidad de
encontrar alumnos que hablen alguna lengua extranjera?.
•Sea el suceso A hablar inglés P(A)=0,5
•Sea el suceso B hablar francés P(B)=0,2
•El suceso hablar francés e ingles P(AᴖB)=0,05
P(AᴗB)=P(A)+P(B)-P(AᴖB)=0,5+0,2-0,05=0,65
Probabilidad de Laplace
Problema
Determina la probabilidad de que al lanzar un dado salga un número par o superior a 2.
P(A)=3/6
•Probabilidad de B(superior a2) P(B)=número de casos favorable para B/número de casos posibles
P(B)=4/6
•P(AᴖB)=(3/6)x(4/6)=12/36=2/6
•P(AᴗB)=P(A)+P(B)-P(AᴖB)=3/6+4/6−2/6=5/6=0,83.
•83%eslaprobabilidaddequeeldadosalgaparosuperiora2.
Se sabe que el 50% de la población fuma y el 10% de la población fuma y es hipertensa. ¿Cuál es la
probabilidad de que un fumador sea hipertenso?
Probabilidad de fumar(A)=0,50
•Probabilidad de fumar y ser hipertensa P(AᴖB)=0,10
•P(B/A)=P(AᴖB)/P(A)=0,10/0,50=0,20
•20% de posibilidades de que un fumador sea hipertenso.
Queremos conocer la probabilidad de que las personas que consumieron pavo enfermaran en un
banquete. Las personas que consumieron pavo fueron 133 y el número de personas que enfermaron de
las que comieron pavo fueron 97.
Probabilidad de consumir pavo=P(A)=133
•P(B/A)=P(AᴖB)/P(A)=97/133=0,73
•El73% de posibilidades de que las personas que enfermaran después del banquete comieran pavo en el
mismo.
Sucesos dependientes
Una urna contiene 20 bolas blancas, 30 bolas negras y 50 bolas rojas. Si extraemos sucesivamente 3 bolas, sin
devolverla a la urna, ¿Cuál es la probabilidad de que la primera sea roja, la segunda blanca y la tercera negra?
Total de bolas=20+30+50=100.
P(B,N,R)=50/100x20/99x30/98=30000/970200=0,03
Problemas
Supongamos que la probabilidad de ser bebedor en una determinada población de adultos es 0,20, la posibilidad de
ser diabético es 0,03 y la probabilidad de ser simultáneamente bebedor y diabético es
0,01.
Si se denota por B al suceso de ser bebedor y por D al suceso de ser diabético, calcula la probabilidad de que un
individuo de esta población sea bebedor, diabético o ambos a la vez.
1. DISTRIBUCIÓN BINOMIAL
: probabilidad de exito
N: número de sujetos observados
La distribución binomial siempre tiene 2 opciones ejemplo --- Supervivencia (Si / No). Excluyen
aciertos)
𝑛 𝑛! 4 4! 24
( )= ( )= = =𝟔
2 2! 4( − 2 ! ) 4
𝑘 𝑘! (𝑛 − 𝑘)!
< 0,10
= x n < 10
Ejemplo (pag 17 – 18): La probabilidad de tener un accidente de tráfico es de 0,02 cada vez que se viaja, si se realizan 300 viajes.
¿Cuál es la probabilidad de tener 3 accidentes?
==6
P (x = 3) = e-6 * 63/3!
2º Aplicamos la fórmula:
100= 8,9%
¿Queremos conocer la probabilidad de que ocurran 2 muertes por cáncer de vesícula en una población de
140.000 personas y tiene una π=0,000036?.
DISTRIBUCIÓN DE PROBABILIDAD CONTINUA: Distribución NORMAL O DE GAUSS
Modelo distribución más utilizado en la práctica, muchos de sus fenómenos siguen una distribución normal.
Distribución normal = distribución de probabilidad, siguen variables aleatorias continuas. Característica: Valores distribuidos campana GAUSS.
N(,)
MEDIA = -----------------------------------50% VALORES A UN LADO Y EL OTRO 50% AL OTRO.
DESVIACIÓN TÍPICA O VARIANZA------------( ) indica si los valores están mas o menos alejados del valor central
VARIANZA ALTA: valores próximos a la media
VARIANZA BAJA: valores alejados de la media (extremos de la campana GAUSS)
CARACTERÍSTICAS
Convierte cualquier distribución normal de media y desviación típica conocidas, en otra media = 0
y desviación típica =1
Ejemplo: El peso de los niños varones españoles en el momento del nacimiento sigue una distribución
normal de media 3,25 kg y una desviación típica de o,82kg.
= 0,82
Z = 0,9146 *este valor hay que buscarle en la tabla que se ve mal y sería = 0,8186
niños que pesan igual o menos a ese valor
*
𝐗− 𝟒 − 𝟑,
𝒁= 𝟐𝟓 = 𝟎, 𝟗𝟏𝟒𝟔
𝒁=
𝟎, 𝟖𝟐
b. ¿Cuál es la probabilidad de que sea superior a 4?
*1 – 0,8186 = 0,1814 frecuencia absoluta (niños que pesan más que ese valor)
SOLUCIÓN: 0,1814
Ejemplo: Las estaturas de una población se distribuye normalmente con una media de 168cm y
una desviación típica de 8cm.
a. ¿Cuál es la probabilidad de que una persona de esta población elegida al azar mida como
máximo 170cm?
X = 170 cm
= 168 cm
=8
Z = 0,25 *este valor hay que buscarle en la tabla que se ve mal y sería = 0,5987 personas que miden = o
menos a ese valor
*
𝐗−
𝟏𝟕𝟎 − 𝟏𝟔𝟖
𝒁= = 𝟎, 𝟐𝟓
𝒁= 𝟖
b. *Si nos pide mayor que ese valor habría que restar 1 – 0,5987= 0,4013 personas que miden más de 170 cm.
SOLUCIÓN: 0,4013
¿QUÉ *OCURRE 𝐗− SI
AL HAYAR (Z) NOS DA UN Nº NEGATIVO?
x −4 𝟒
1,28= =(1,28x 1,5)+4=5,92
Ejemplo:𝒁 La
= renta media de los habitantes de un país es
𝟏, de
𝟓 4 millones con una desviación típica de 1,5. Se
supone que sigue una distribución normal.
X = 3 millones
= 4 millones
= 1,5
Z= 0,6666*este valor hay que buscarle en la tabla que se ve mal y sería = 0,7454
* 𝐗−
𝒁=
a.
Tabla: problema solo abarca valores positivos pero dado que la distribución normal es simétrica:
SOLUCIÓN: 1 – 0,7454 = 0,2546 que sería el 25,46% de la población estaría por debajo de la
renta de 3 millones. 25,4
La renta media de los habitantes de un país es de 4 millones con una desviación típica de 1,5. Se supone que se
sigue la distribución normal. ¿Cuál es la renta a partir de la cual se situan el 10% de la población con mayores
ingresos?
Ejemplo: Salario medio de los empleados de una empresa sigue distribución normal de 5
millones y desviación típica de 1 millón.
= 1 millón
Z = 2*este valor hay que buscarle en la tabla que se ve mal y sería = 0,9772
*
𝐗−
𝟕−
𝒁= 𝟓 =𝟐
𝒁=
𝟏
SOLUCIÓN: 0,9772
Ejemplo: La media de los habitantes de un país es de 68 años, con una varianza de 25 y una
distribución normal. Se hace el estudio de una pequeña ciudad 60 −68 habitantes.
de 10.000 -8
𝒁= = 𝟏, 6
a. ¿Cuántas personas superarán los 75 años? 𝟓 5
1º Como tengo varianza, tengo que pasarla a desviación típica aplicando lo siguiente:
√25 = 5
X = 75 años
= 68 años
=5
Z= 1,4*este valor hay que buscarle en la tabla que se ve mal y sería = 0,9192
*
𝐗− 𝟕𝟓 −68
𝒁= = 𝟏, 𝟒
𝒁= 𝟓
Como nos pide superior se realiza la siguiente operación: 1 – 0,9192 = 0,0808 808personas
X = 60 años 𝐗−
= 68 años 𝒁= =
=5
Z= - 1,6*este valor hay que buscarle en la tabla que se ve mal y sería = 0,9452
El consumo medio anual de vino de los habitantes de un país es de 59 litros, con una varianza de 36. Se
supone que se distribuye según una distribución normal.
¿Cuánto tendría que beber usted para pertenecer al 5%
de la población que más bebe?.
= 59
Si usted bebe 45 litros de vino al año, ¿Qué porcentaje de la población bebe menos que usted?
45 -59
6 = -2,3 pasar a positivo 0.9788 1- 0.9788= 0.0212 2.12%
40
DISTRIBUCIÓN DE LA PROBABILIDAD
PN (0,1) ( 2) Lo que hay en el paréntesis pequeño, el 1º
X=2 número es el valor de la media y el 2º número es
𝐗− 2− la desviación de la población.
=0
𝒁= 𝒁= =2 El valor del paréntesis grande es el valor de X
=1
Z= 2*este valor hay que buscarle en la tabla que se ve mal y sería = 0,977 SOLUCIÓN: 0,9772
PN (0,1) (> 1)
Lo que hay en el paréntesis pequeño, el 1º número es
X=1 𝐗− 1− el valor de la media y el 2º número es la desviación
de la población.
=0 𝒁= 𝒁= =-1
El valor del paréntesis grande es el valor de X
=1
Z= 1 *este valor hay que buscarle en la tabla que se ve mal y sería = 0,8413
PN (80,20) ( 40) Lo que hay en el paréntesis pequeño, el 1º
X = 40 número es el valor de la media y el 2º número es
la desviación de la población.
= 80
El valor del paréntesis grande es el valor de X
= 20
Z= - 2*este valor hay que buscarle en la tabla que se ve mal y sería = 0,9772
SOLUCIÓN: 0,022
Lo que hay en el paréntesis pequeño, el 1º
PN (180,40) (> 225) número es el valor de la media y el 2º número
X = 225 es la desviación de la población.
= 180
El valor del paréntesis grande es el valor de X
= 40
Z= 1,13*este valor hay que buscarle en la tabla que se ve mal y sería = 0,8708
*
𝐗− 𝟐𝟐𝟓 − 𝟏𝟖𝟎
𝒁= = 𝟏, 𝟏𝟑
𝒁= 𝟒𝟎
Se realizará la siguiente operación porque el signo nos indica mayor a uno: 1- 0,8708 = 0,1292
SOLUCIÓN: 0,1292
PN (140,20) ([130,170]) AQUÍ NOS PIDE UN INTERVALO!!!!!
1º PN: 2º PN:
X = 170 X = 130
= 140 = 140
= 20 = 20
1º - 0,9332 2º - 0,6915
PERO
1º
SOLUCIÓN: 0,6247
Ejemplo: Si un tratamiento para reducir el colesterol consigue reducciones dadas por una
N(40,20).
X = 20 unidades
= 40
= 20
Z= -1*este valor hay que buscarle en la tabla que se ve mal y sería = 0,8413
*
𝐗− 𝟐𝟎 −
𝒁= 𝟒𝟎 = −𝟏
𝒁=
𝟐𝟎
Como nos pide superior se realiza la resta de 1 menos el valor de la tabla pero en este caso
como nos pide también las reducciones superiores no haría falta hacer la resta.
= 20
Z= 1,5*este valor hay que buscarle en la tabla que se ve mal y sería = 0,9332
*
𝐗− 𝟕𝟎 −
𝒁= 𝟒𝟎 = 𝟏, 𝟓
𝒁=
𝟐𝟎
Se realizará la siguiente operación porque el signo nos indica mayor a uno: 1- 0,9332 = 0,0668
SOLUCIÓN: 0,0668
c. ¿Qué porcentaje tendrá reducciones entre 30 y 60 unidades?
1º PN: 2º PN:
X = 30 X = 60
= 40 = 40
= 20 = 20
1º PN (40,20) 30 - 2º PN (40,20) 60
SOLUCIÓN: 0,5328
Ejemplo
3.Si extraemos 10 individuos al azar, ¿qué posibilidades hay de aparecer entre 4 y 8 miopes?.
Ejemplo : El coeficiente de inteligencia (CI) es una variable que se distribuye en la población según
una ley normal de =100 (media) y =15 (desviación).
X = 120 unidades
= 100
= 15
Z= 1,33*este valor hay que buscarle en la tabla que se ve mal y sería = 0,9082
*
𝐗− 𝟏𝟐𝟎 − 𝟏𝟎𝟎
𝒁= = 𝟏, 𝟑𝟑
𝒁= 𝟏𝟓
Se realizará la siguiente operación porque el signo nos indica
X = 70
= 100
= 15
Z= -2*este valor hay que buscarle en la tabla que se ve mal y sería = 0,9772
𝐗−
𝒁=
Se realizará la siguiente operación porque el signo del resultado es negativo 1- 09772, = 0,0228 SOLUCIÓN: 0,0228
Este ejercicio consta de 2 apartados más que no se realizar porque falta la X, y dijo en clase que no nos iba a
hacer buscar porcentajes en las tablas.
1. ¿Qué porcentaje de individuos tendrá un CI entre 90 y 110? CI[90-110]
¿Cuál es la probabilidad de que un individuo elegido al azar tenga un CI entre 120 y 130? CI [120-130]
Z=130-100/15= 30/15=2 0,9772
Z= 120-100/15= 20/15=1,33 0.9082
0,9772- 0,9082= 0,069
Sensibilidad: Probabilidad de obtener un resultado positivo de la prueba diagnóstica entre sujetos enfermos.
Acierto de la prueba:
- Sensibilidad: % de enfermos +
- Especificidad: % de sanos –
Fracaso de la prueba:
Ejemplo: Se realizan estudios para calcular la sensibilidad (S) y especificidad (E). Lo más barato es tomar una
muestra de enfermos sanos.
ENFERMED NO
AD ENFERMED
AD
Positivo (+) a b
Negativo ( - ) c d
Ejemplo:
CO CO
VID VID
19 + 19 -
RT – PCR 28 3 31
+
RT – PCR - 2 67 69
TOTAL 30 70 100
SxP
𝑉𝑃+=
S x P + (1 − E) x (1 − P)
S= Sensibilidad
E= Especificidad
E x (1 − P)
𝑉𝑃−=
E x (1 − P) + (1 − S)𝑥 𝑃
PROBABILIDAD DE FALSOS POSITIVOS: test + /sanos = 1 – Especificidad PROBABILIDAD DE FALSOS NEGATIVOS:
test - /enfermos = 100 – VP (-) negativo. VALOR PREDICTIVO POSITIVO: probabilidad de que enfermos den + en el
test VALOR PREDICTIVO NEGATIVO: probabilidad de que los sanos den – en el test
S= 99% = 0,99
SxP
𝑉𝑃+=
P= 0,3% = 0,003 S x P + 1 − E) x (1 − P)
(
E= 96% = 0,96
0,99 x 0,003
𝑉𝑃+= = 𝟎, 𝟎𝟔𝟗 = 𝟔, 𝟗%
0,99 x 0,003 + (1 − 0,96) x (1 − 0,003)
S= 99% = 0,99 E x (1 − P)
𝑉𝑃−=
P= 0,3% = 0,003 E x (1 − P) + (1 − S)𝑥 𝑃
E= 96% = 0,96
O, 96 x (1 − 0,003)
𝑉𝑃−= = 𝟏𝟎𝟎𝟎 = 𝟏𝟎𝟎%
0,96 x (1 − 0,003) + (1 − 0,99)𝑥 0,003
N
*Si vas haciéndolas operaciones paso a paso, acuérdate de 1º multiplicar cuando no tienes paréntesis y luego o
sumas el resultado de las 2 multiplicaciones sin paréntesis
Prácticamente todas las personas con resultado negativo estarán libres de infección.
Ejemplo: La sensibilidad de la prueba ELIS para detectar la seropositividad frente al virus de inmunodeficiencia
humana (VIH) es del 99% y su especificidad es del 96%. En una población de alto riesgo, la prevalencia de VIH es
del 10%.
DETERMINA:
S= 99% = 0,99
E x (1 − P)
𝑉𝑃−=
P= 10% = 0,10 E x (1 − P) + (1 − S)𝑥 𝑃
E= 96% = 0,96
O, 96 x (1 − 0,10)
𝑉𝑃−= = 𝟎, 𝟗𝟗𝟖 = 𝟗𝟗, 𝟖%
0,96 x (1 − 0,10) + (1 − 0,99)𝑥 0,10
Por lo que es muy improbable que aquellos sujetos con resultado negativo tengan infección.
Calcula la probabilidad que tiene de estar enfermo una persona, habiendo dado positivo en el
test de diagnóstico.
N
0,99 x 0,001 o
𝑉𝑃+= = 𝟎, 𝟎𝟎𝟒𝟗 = 𝟎, 𝟒𝟗%
0,99 x 0,001 + (1 − 0,80) x (1 − 0,001)
S= 0,9
SxP
P= 0,2
𝑉𝑃+=
S x P + (1 − E) x (1 − P)
E= 0,8
0,9 x 0,2
𝑉𝑃+= = 𝟎, 𝟓𝟐𝟗 = 𝟓𝟐, 𝟗%
0,9 x 0,2 + (1 − 0,8) x (1 − 0,2)
Ejemplo: En una campaña de erradicación de tuberculosis se somete a la población escolar a una prueba de
tuberculina. Se sabe que la probabilidad de acierto sobre las personas confirmadas enfermas es del 96%, y la
probabilidad de que el test falle con personas confirmadas sanas es del 5%. Se sabe también que la dolencia la
padece el 0,1% de la población. Se pide:
E= 95% = 0,95
0,96 x 0,001
𝑉𝑃+= = 𝟎, 𝟎𝟏𝟖𝟖 = 𝟏, 𝟖%
0,96 x 0,001 + (1 − 0,95) x (1 − 0,001)
b. Determina la probabilidad de que el test detecte correctamente a la persona que este sana.
S= 96% = 0,96
P= 0,1% = 0,001 E x (1 − P)
𝑉𝑃−=
E x (1 − P) + (1 − S)𝑥 𝑃
Falso positivo: 0,05----1 – E = 1 – 0,05= 0,95
E= 95% = 0,95
O, 95 x (1 − 0,001)
𝑉𝑃−= = 𝟎, 𝟗𝟗𝟗𝟗 = 𝟗𝟗%
0,95 x (1 − 0,001) + (1 − 0,96)𝑥 0,001
Ejemplo: Unos investigadores crean una prueba diagnóstica para predecir el riesgo de que un
individuo padezca infarto en el próximo año. Si un individuo obtiene un valor mayor de 70 en
esta puntuación, los investigadores consideran que debe de ser sometido a un estricto
control por sus elevadas posibilidades de padecer infarto. Después de aplicar la formula a
8000 individuos y seguirlas en un año, se observaron los resultados en la siguiente tabla:
Enfermedad No enfermedad
Positivos (+) 800 1000
Negativos (-) 200 6000
a. Da medidas de la bondad de la prueba diagnostica (S y E) determinada para obtener
una puntuación mayor que 70.
Enfermos + 800
𝑆𝑒𝑛𝑠𝑖𝑏𝑖𝑙𝑖𝑑𝑎𝑑 = = 𝟎, 𝟖 = 𝟖𝟎%
Todos los enfermos + y 𝑆𝑒𝑛𝑠𝑖𝑏𝑖𝑙𝑖𝑑𝑎𝑑 =
− 100
0 Res
erv
Sanos − 6000
𝐸𝑠𝑝𝑒𝑐𝑖𝑓𝑖𝑐𝑖𝑑𝑎𝑑 = 𝐸𝑠𝑝𝑒𝑐𝑖𝑓𝑖𝑐𝑖𝑑𝑎𝑑 = = 𝟎, 𝟖𝟓𝟕 = 𝟖𝟓, 𝟕%
Todos los sanos + y − 7000
E x (1 − P)
S= 80% = 0,80 𝑉𝑃−=
E x 1 − P) + (1 − S)𝑥 𝑃
(
P= 70% = 0,70
E= 86% = 0,86
O, 86 x (1 − 0,70)
𝑉𝑃−= = 𝟎, 𝟔𝟒𝟓 = 𝟔𝟒, 𝟓%
0,86 x (1 − 0,70) + (1 − 0,80)𝑥 0,70
De todos los que dan negativos que seria el 100% restamos el VP (-) y sanos, obteniendo de
este modo los que dan negativos y están enfermos.
Falso Negativo = 100 – 64,5 = 35,5% de los individuos serán falsos negativos.
Ejemplo: Unos investigadores basan una prueba diagnóstica para la enfermedad del
Parkinson en la presencia de una característica genética. Estudiaron una muestra de 100
enfermos y 200 sanos y los resultados para medir la característica genética fueron:
a. Calcula la sensibilidad y la especificidad de la prueba.
ENFERMOS SANOS
CG 80 20
NO CG 20 180
Enfermos + 80
𝑆𝑒𝑛𝑠𝑖𝑏𝑖𝑙𝑖𝑑𝑎𝑑 =
Todos los enfermos + y 𝑆𝑒𝑛𝑠𝑖𝑏𝑖𝑙𝑖𝑑𝑎𝑑 = = 𝟎, 𝟖 = 𝟖𝟎%
− 100
Sanos − 180
𝐸𝑠𝑝𝑒𝑐𝑖𝑓𝑖𝑐𝑖𝑑𝑎𝑑 = 𝐸𝑠𝑝𝑒𝑐𝑖𝑓𝑖𝑐𝑖𝑑𝑎𝑑 = = 𝟎, 𝟗 = 𝟗𝟎%
Todos los sanos + y 200
−
E= 90% = 0,9
0,8 x 0,10
𝑉𝑃+= = 𝟎, 𝟒𝟕𝟏 = 𝟒𝟕, 𝟏%
0,8 x 0,10 + (1 − 0,9) x (1 − 0,10)
E= 90% = 0,9
0,8 x 0,20
𝑉𝑃+= = 𝟎, 𝟔𝟔 = 𝟔𝟔%
0,8 x 0,20 + (1 − 0,9) x (1 − 0,20)
Ejemplo: Para estudiar la bondad de una nueva prueba diagnóstica para detectar los
anticuerpos del VIH se tomó una muestra de individuos pertenecientes a la población general
a los que le pasó la prueba y se comprobó si presentaban anticuerpos. Los datos aparecen en
la tabla siguiente:
Enfermos + 314
𝑆𝑒𝑛𝑠𝑖𝑏𝑖𝑙𝑖𝑑𝑎𝑑 = = 𝟎, 𝟎𝟓𝟗 = 𝟓, 𝟗%
Todos los enfermos + y 𝑆𝑒𝑛𝑠𝑖𝑏𝑖𝑙𝑖𝑑𝑎𝑑 =
− 531
3
Sanos − 94673
𝐸𝑠𝑝𝑒𝑐𝑖𝑓𝑖𝑐𝑖𝑑𝑎𝑑 = 𝐸𝑠𝑝𝑒𝑐𝑖𝑓𝑖𝑐𝑖𝑑𝑎𝑑 = = 𝟎, 𝟗𝟗𝟗𝟖 = 𝟗𝟗, 𝟗𝟖%
Todos los sanos + y 94688
−
ENFERMOS SANOS
Anticuerpos VIH 314 15
No anticuerpos VIH 4999 94673 Res
erv
E= 99% = 0,99
0,059x 0,5
𝑉𝑃+= = 𝟎, 𝟖𝟓𝟓 = 𝟖𝟓, 𝟓%
5,9 x 0,5 + (1 − 0,99) x (1 − 0,5)
E x (1 − P)
𝑉𝑃−=
E x (1 − P) + (1 − S)𝑥 𝑃
N
o
O, 99 x (1 − 0,5)
𝑉𝑃−= = 𝟎, 𝟓𝟏𝟑 = 𝟓𝟏, 𝟑%
0,99 x (1 − 0,5) + (1 − 0,059)𝑥 0,5
Ejemplo: En este cuadro se muestra los resultados obtenidos en una prueba de selección de diabetes aplicada a
10000 personas. El nivel de corte empleado fue 180 mg de glucosa sanguínea por 100ml o más como positivo en
diabetes.
DIABETICO NO DIABETICO
POSITIVO 34 20
NEGATIVO 116 9830
Enfermos + 34
𝑆𝑒𝑛𝑠𝑖𝑏𝑖𝑙𝑖𝑑𝑎𝑑 = 𝑆𝑒𝑛𝑠𝑖𝑏𝑖𝑙𝑖𝑑𝑎𝑑 = = 𝟎, 𝟐𝟐𝟔 = 𝟐𝟐, 𝟔%
Todos los enfermos + y − 150
Sanos − 9830
𝐸𝑠𝑝𝑒𝑐𝑖𝑓𝑖𝑐𝑖𝑑𝑎𝑑 = 𝐸𝑠𝑝𝑒𝑐𝑖𝑓𝑖𝑐𝑖𝑑𝑎𝑑 = = 𝟎, 𝟗𝟗𝟕 = 𝟗𝟗, 𝟕%
9850
Todos los sanos + y −
b. Cuando el punto de corte de la selección se redujo a 130mg /100mL de glucosa en sangre, 98 de las 164 personas
que tuvieron resultados positivos estuvieron entre 9850 personas que a juzgar por pruebas diagnósticas no padecían
diabetes. Calcular la sensibilidad y especificidad a este nivel de corte.
Res
No diabéticos 98 con resultados positivos erv
No diabético = 9850
9850 – 98 = 9752
150 – 66 = 84
DiABÉTICOS NO DIABÉTICOS
POSITIVOS 6 9
6 8
NEGATIVOS 8 9
4 752
N
o
Sensibilidad = 66/150 = 0,44