BIOESTADISTICA EJERCICIOS TEMAS

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)=

c) 0,60 0,5x 0,4= 0,20

d) Ninguna de las anteriores

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) 0,3747 [(60-50) /30(desv-estandar] – [(30-50) /30(desv-estandar] =

b) 0,6293 Z=0,33-(-0,66) = 0,6293 – (1-0,7454)=
c) 0,2546
d) 0,3333 0,6293 – 0,2546 = 0,3747 (Valor en la tabla)

6. El rango de los siguientes valores 2,2,4,4,8,9,10,16

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

8. Sabiendo que la desviación de una serie de puntuaciones es 16 y su coeficiente de

N
variación es igual a 50. ¿Cuál es la media aritmética de dichas puntuaciones?
o

a) 8 DE=16. CV=50- - -50%

b) 4
c) 32 CV= DE/X (*100)
d) 0,8 X=16/0,50 (*100) = 0,32=32%
9. Si el carcinoma de páncreas se cura en el 30% de los casos (0,30) y tratamos una muestra aleatoria de 10
enfermos. ¿Cuál es la probabilidad de tener una sola curación?
a) 0,1211
=0,30 N=10 K=1
b) 0,4200

c) 0,3874

d) 0,0725

10. Calcula el percentil 75 de las siguientes observaciones: 23, 38, 42, 25 y 35

a) 38 K=75. N=5 H=NxK/100=

b) 25
c) 36,5 H= (5x75)/100=3,75 SE COGERA LA POSICIÓN SIGUIENTE

d) 3,75 En caso de ser nº entero coger ese nº y el siguiente y hacer media.

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

d) Son sucesos incompatibles

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

17. para reducir el colesterol consigue reducciones dada por N(50,30).

¿Qué porcentaje tendrá reducciones superiores a 70 unidades?
a) 0,2546 Z= (70-50) /30=0,666 (Valor que miramos en tabla)
b) 0,7455 0,7454 (menores de 70)
c) 0,2679
d) 0,7285 1-0,7454= 0,2549
18. Si un tratamiento para reducir el colesterol consigue reducciones dada por N(50,30).
¿Qué porcentaje tendrá reducciones superiores a 20 unidades?
a) -1 Z= (20-50) /30= -1 = 0,8413 (valor en la tabla)
b) 0,1587
c) 0,8413

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

Definiciones y casos (pag 4 – 5)

Tipos de variables y sus clasificaciones:

Criterio de medida,

criterio metodológico,

nº de mediciones por sujeto,

criterio de control (pag 6)

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

- Variables cuantitativas: CONTINUAS Y DISCRETAS

EJERCICIO: Índice de masa corporal del paciente (peso (Kg)/talla (m))

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

Según el papel que juegan en el diseño (criterio metodológico) (pag 13 – 14)

- Variable independiente (x)

- Variable dependiente (y)
- Variable de confusión (interviniente o extraña)

Variable cualitativa dicotómica: 2 personas

PAG 15
Variable politomica: + de 2 personas

CRITERIOS DE CONTROL (pag 16): Variable aleatoria/ dependiente y Variable controlada/ independiente.

NÚMERO DE MEDICIONES POR SUJETO (pag 17):

- DATOS O MEDIDAS INDEPENDIENTES

- DATOS O MEDIDAS APAREADAS O REPETIDAS

VARIABLE INTERMEDIA (pag 18): Se encuentran entre variables independientes (intervención o expo) y dependientes
(desenlace o respues).
N
o

EJEMPLO: Queremos estudiar la relación entre el consumo de café y la aparición de una patología.

CAFÉ---- Consumo de tabaco (variable intermedia)------------------------------Aparición de una patología

Consumo tabaco actúa como variable intermedia. El café predispone al consumo de tabaco. NO ES

UN FACTOR DE CONFUSIÓN.

VARIABLE MODIFICADORA DE EFECTO O FACTOR DE CONFUSIÓN (pag 19 – 20):

- 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)

- Análisis estratificado y análisis multivariante

TEMA 3 – I ESTADÍSTICA DESCRIPTIVA
ESTADÍSTICA (pag 2): Descripción, probabilidad, inferencia

ESTADÍSTICA DESCRIPTIVA (pag 3 – 5)

PRESENTACIÓN ORDENADA DE LOS DATOS (pag 6 – 8)

TABLAS ESTADÍSTICAS Y DISTRIBUCIÓN DE FRECUENCIAS ( pag 9 – 11)

Ejemplo 1: Variable Cualitativa Grupo 1 fi

Grupo sanguíneo es
0 2892
En estudio sobre el grupo sanguíneo excluyentes entre si.
A 2625
realizado con n=6313 individuos se
N=Tamaño muestra B 570
obtuvo la siguiente tabla frecuencia AB 226
TOTAL 6313

PAG 11. DEFINICIÓN DE UNA DISTRIBUCIÓN DE FRECUENCIAS

a. Tabla de frecuencia de una variable cualitativa Pag 12

Frecuencia Relativa y Absoluta (pag 14

GRUPO SANGUINEO FRECUENCIA ABSOL FRECUENCIA RELATI PORCENTAJE %

A 150 0,30 30%
B 75 0,15 15%
AB 25 0,05 5%
0 250 0,50 50%
TOTAL 500 1 100%

b. Tabla de frecuencia de una variable cuantitativa discreta y ordinal (pag 15)

 *Distribución del número de hermanos (excluidos él mismo) de una muestra de 500 personas

*Variable discreta cuantitativa (pag 15)

Nº de hermanos Frecuencia absoluta Frecuencia Relativa % N

0 72 0,144 14,4% o
1 155 0,31 31%
2 97 0,194 19,4%
3 81 0,162 16,2%
4 30 0,06 6%
5 27 0,054 5,4%
6 20 0,04 4%
7 o más 18 0,036 3,6%
TOTAL 500 1 100%

*Frecuencia acumulada (pag16):

Se procederá hacer la suma de las variables absolutas una tras otra.

*Frecuencia absoluta acumulada (Ni) (pag 17 – 18):

Se procederá hacer la suma consecutiva solo de las frecuencias relativas

c. Tabla de frecuencia de una variable cuantitativa continua (pag 22 – 24)
 Amplitud de intervalo () VARIABLES CATEGORICAS

= Rango / nº de intervalos (√𝑵) amplitud (Resta entre lo + alto y lo + bajo)

 Rango
 Nº De intervalos PASOS A SEGUIR: (pag 27)

1. ORDENAR LOS DATOS DE MENOR A MAYOR

2. CALCULO DE INTERVALOS
3. RANGO
4. AMPLITUD

(EN ESTE TIPO DE TABLAS SE PIERDE INFORMACIÓN)

TEMA 3 – II ESTADÍSTICA DESCRIPTIVA REPRESENTACIÓN
GRAFÍCA
PRESENTACIÓN ORDENADA DE DATOS (pag 3)

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

VARIABLE CUALITATIVA: DIAGRAMA DE BARRAS (pag 6 – 11)

VARIABLE CUALITATIVA: DIAGRAMA DE SECTORES (pag 12 – 13)

VARIABLE CUALITATIVA: OTRAS REPRESENTACIONES (pag 14)

RESUMEN DE GRÁFICOS VARIABLES CUALITATIVAS (pag 15)

REPRESENTACIONES GRÁFICAS PARA UNA VARIABLE CUASICUANTITATIVA / ORDINALES (pag

16):

 Diagrama de barras – diagrama de sectores – pictograma

VARIABLES CUANTITATIVAS (pag 17 – 18): diagrama de tallo y hoja (steam and leaf)

VARIABLES CUANTITATIVAS

 Diagramas diferenciales y diagramas integrales (pag 19)

 VARIABLES CUANTITATIVAS DISCRETAS (pag 20 – 23)

 Diagrama de líneas (pag 20 – 21)

 Diagrama acumulativo (pag 22)

 Diagrama de barras

VARIABLES CUANTITATIVAS CONTINUA (pag 24 – 25)

 Histograma o polígono de frecuencias

GRÁFICOS DE VARIABLES CUANTITATIVAS (pag 26)

 Diagrama de caja (Box Plot) / diagrama de bigotes

EJERCICIOS: (pag 27 – 29)

1. A continuación se muestra una distribución de frecuencias de la nota final en una

asignatura y la procedencia de la titulación previa de los estudiantes.
 Determina el tipo de variable que se están estudiando en el primer caso (tabla 1) y en el
 segundo caso (tabla 2).
NOTA FRECUENCIA
5,4 1 ESTUDIOS PORCENTAJE
5,9 1 Sin titulación 70
6,1 1 Enfermería 13,3
6,3 2 Medicina 10 TABLA 2
6,8 3 Farmacia 3,3
CUALITATIVA
6,9 1 Otras 3,3
7,2 1
7,4 1
7,6 1
7,7 2
7,9 2
8 1 TABLA 1
8,1 1
8,3 1 CUANTITATIVA
8,6 1
8,7 1
8,8 1
8,9 1
9 1
9,1 1
9,6 1
9,7 1
9,8 1
9,9 1

 Representa con los datos de la tabla 1 en un diagrama de tallo y hoja.

¿Puedes convertir los datos de la tabla 1 de una variable cuantitativa a una variable cualitativa?

- Si, lo que no se puede es pasar de una cualitativa a una cuantitativa.

 ¿Qué gráficos seleccionarías para representar la titulación previa de los estudiantes?
¿Diagrama de sectores o de barras? ELEGIR

CUESTIONARIO VERDADERO O FALSO (pag 30)

 El objetivo fundamental de la tabulación de los datos es su organización

para hacerlos más comprensibles. (V)
 El número de veces que encontramos un valor se denomina frecuencia absoluta
de dicho valor. (V)
 Las tablas de frecuencia sólo pueden construirse para variables cuantitativas. (F)
 El diagrama de columnas es un gráfico adecuado para variables
cuantitativas discretas. (V)
 Los gráficos de caja (box – plot) se construyen a partir de las medidas de
 posición de una distribución. (V)

TEMA 3 – III ESTADÍSTICA DESCRIPTIVA PROPIEDADES DE LA

DISTRIBUCIÓNDE FRECUENCIAS / MEDIDAS DESCRIPTIVAS
MEDIDAS DESCRIPTIVAS (pag 3)

TIPOS DE MEDIDAS DE ESTADÍSTICA DESCRIPTIVA:

 MEDIDAS DE TENDENCIA CENTRAL (CENTRALIZACIÓN) (pag 4 - 24)

- MEDIA ARITMETICA (MEJOR INDICE DE TENDENCIA

CENTRAL) Ejemplo: Media 2,2,3 y 7 = (2+2+3+7)/4= 3,5

Calculo en Excel con el promedio (pag 5)

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

7) X= xn/N = 7095 / 118= 60,13 kg.

X= PESOS ADULTOS N= Nº repeticones x*n
54 x 25 = 1350
59 x 33 = 1947
63 x 42 = 2646
64 x 18 = 1152
N= 118 (TOTAL) = 7095

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

MEDIA PONDERADA = X pond = (Xi pi)/ p (pag 9)

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)

(6,5 x 0,2) + (6 x 0,3) + (5 x 0,4) = 5,1

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)

(1,69 x 50) + (1,72 x 20) + (1,70 x 10)= 135,9 / 80 (estudiantes) = 1,7 cm

- MEDIA CUADRÁTICA (pag 12 – 14):

- Ejemplo (pag 14):

- Calcula la media cuadrática de los valores 2, 3 y 7

√22 + 32 + 72 √62
MC= Xc = = = √20,66 = 4,55
3 3

- Calcula la media cuadrática de los valores 1, 3, 4, 5 y 7

2

√ 2 2 2 2

1 + 3 + 4 + 5 +7

MC= Xc =
5

- Calcula la media cuadrática de la siguiiiente distribución de frecuencias

Xi fi
2 14 +
3 17 +
4 21 +
TAMAÑO MUESTRAL = 52

- MEDIA ARMÓNICA (pag 15 – 17)

Ejemplo (pag 17):

- Calcula la media armónica de los valores 2, 3 y 7.

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

- MEDIANA (Md) (pag 18 -

22) Ejemplo (pag 18):

 - Mediana de 1,2,4,5,6,6,8 es (5)
- Mediana de 1,2,4,5,6,6,8,9 es (5 + 6) /2 = 5,5
- Mediana de 1,2,4,5,6,6,800 es 5, la media es 117,7 (Mediana mejor ejemplo,
la mediana es un índice de tendencia central ante grandes asimetrías).

Ejemplo (pag 21):

En la siguiente distribución de frecuencias 9,10,12,7,11,7, ¿la mediana es?

a. 7
b. 7,5 7, 7, 9, 10, 11, 12 = (9+10)/2 = 9,5
c. 8
d. 9,5

e. 10

Ejemplo (pag 22)

- Calcula la mediana de los siguientes valores: 10, 6, 3, 4, 4, 8, 5, 8 y 8

3, 4, 4, 5, 6, 8, 8, 8, 10 ------ 6

- Calcula la mediana de los siguientes valores: 9, 7, 5, 18, 15, 12, 15 y 18

5, 7, 9, 12, 15, 15, 18, 18 ------ (12 +15) /2 = 13,5

- Calcula la mediana de estas distribuciones de frecuencias ¿?

- MODA (pag 23 – 24):

Ejemplo:

Xi fi
55 3
 62 7
69 16
76 3
83 1

Esta es la moda, ya que es el nº que más se repite 69-----16 veces se repite.

 MEDIDAS DE DISPERSIÓN
- VARIANZA: SOLO CON VARIABLES

CUANTITATIVAS!!!!! Características y sus inconvenientes (pag 25)

Ejemplo: Calcula la varianza de las puntuaciones (4,5,6,7,7,7,8,9,10) solución = 3,50 (pag 26)

Varianza con datos agrupados por frecuencias (pag 27)

Ejemplo: Calcula la varianza de la siguiente distribución de frecuencias

Xi fi
61 5 Hallo la media= (61x5)+(64x18)+(67x42)+(70x27)+(73x8)/100= 67,45
64 18 (61-67,45)25+(64-67,45)218(67-67,45)242(70-67,45)227(73-67,45)28=
67 42
70 27 SOLUCIÓN:208,01+214,25+8,51+175,55+246,42= 852,74
73 8
total 100

Desviación estándar o desviación típica (pag 28)

Coeficiente de variación (CV) o coeficiente de variación de Pearson

Ejemplo: Mide la desviación típica en forma de ``que tamaño tienen con respecto a la media´´

- Si la media es 80 y la desviación típica 20. CV= (20/80)*100=25% el coeficiente

siempre se presentara con un %.
- Si el peso tiene CV= 30% y la altura 10%, los individuos presentan más dispersión
en peso que en altura.
- 0ºC es diferente a 0ºF
Rango de la distribución o amplitud (A=Xi máx – Xi mín) (pag 30 – 31)
Ejemplo: Los valores de colesterol HDL obtenidos en un estudio son los siguientes 0,89 – 1,58 –
0,79 mmol/L. Determina, poniendo las operaciones completas: (pag 31)

 MEDIA:
(0,89 + 1,58 + 0,79) / 3= 1,09

 VARIANZA Y DESVIACIÓN TÍPICA:

S2 = [(0,89 – 1,09)2 + (1,58 – 1,09)2 + (0,79 – 1,09)2]= 0,3701

 COEFICIENTE DE VARIACIÓN:
CV= (0,3701 / 1,09) = 0,3395

CUESTIONARIO VERDADERO O FALSO (pag 33 – 34)

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----

La mediana divide la distribución en dos partes iguales. (V)

Para poder calcular la mediana previamente hay que ordenar los valores de la distribución. (V)

La media aritmética y la desviación estándar son los parámetros o estadísticos más

representativos de una distribución. (V)
La varianza se obtiene mediante la raíz cuadrada de la desviación estándar. (F)---La desviación
estándar...------

Si la varianza de una distribución es 4, la desviación típica es 16. (F) ----Seria al revés----

El valor de la varianza puede ser tanto negativo como positivo. (F)- - -Tendríamos que elevar al

X2----

El coeficiente de variación permite comparar dispersiones entre variables medidas con

diferentes escalas. (V)

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%.

- DECIL (pag 35)

- CUARTIL (pag 35)

Calculo de percentil (pag 36):

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

- ¿Cuál sería el rango de estas medidas? =0,10 cm.

1,30 – 1,20= 0,10 cm

 MEDIDAS DE FORMA Y CONCENTRACIÓN (pag 39 – 52)

- 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

- Medida de apuntamiento o curtosis. Índice de apuntamiento. (pag 44 – 48)

EJERCICIOS (pag 49 – 52)

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.

3.Calcula la mediana de los siguientes valores: 10, 6, 3, 4, 4, 8, 5, 8 y 8.

4.Calcula la mediana de los siguientes valores 9,7,5,18,15,12,15 y 18.

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.

TEMA 4 DISEÑO DE ESTUDIOS DE INVESTIGACIÓN

TIPOS DE DISEÑO DE INVESTIGACIÓN (pag 2):
- INVESTIGACIÓN CUANTITATIVA (pag 2 – 4)
-
- INVESTIGACIÓN CUALITATIVA
-

CLASIFICACIÓN DE LOS ESTUDIOS (pag 5)

 Finalidad: analítica o descriptiva (pag 6)

 Secuencia temporal: transversal o longitudinal (pag 7)

 Control de la asignación de los factores de estudio: experimental u observacional (pag 8)

 Cronología de los hechos: prospectivo o retrospectivo (pag 9)

ESTUDIOS OBSERVACIONALES (pag 10)

- Descriptivos

- Analíticos

ESTUDIOS EXPERIMENTALES

REVISIOES SISTEMATICAS Y METAANALISIS (uso de todos los ensayos clínicos) (pag 11 – 12)

ESTUDIOS OBSERVACIONALES (pag13):

TIPOS:

- DESCRIPTIVOS: transversales o de prevalencia

Proporcion

Ods

Prevalencia
- ANALÍTICOS (cuasiexperimetal):
- casos y controles
ods ratio
- – cohortes
Tasas
Incidencia acumulada
Rango relativo

ESTUDIOS EXPERIMENTALES

Incidencias

Diferencia de riesgos o riesgo atribuible

Riesgo relativo

ESTUDIOS OBSERVACIONALES DESCRIPTIVOS (pag 14)

 Transversales o de prevalencia (pag 13)

Proporción (pag 15) -2 formas de expresarlo-

FRECUENCIAS RELATIVAS: Valor desde 0 a 1

Ejemplo: 9 de cada 30 alumnos de este grado tiene titulación previa

9/30 =0,3

Porcentaje: 0,3x100=30%

Odds (pag 15)

Ejemplo: 9 de cada 30 alumnos de este grado tiene titulación previa.

30 – 9= 21 alumnos sin titulación previa.

Dividimos: 9/21=0,43 proporción entre los 2 grupos

 Transversales o de prevalencia (pag 16)

Ejemplo: diferencia entre proporción y odds

- 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.

Prevalencia= 1200/2200=0,545-------------0,545 x 100= 54,5% en ese momento dado. Los individuos

con una ingesta alta de grasa padecen arteroesclerosis en un momento dado del estudio.

ANALÍTICOS: CASOS Y CONTROLES (pag 18 – 21)

ODDS RATIO (pag 20) casos y controles

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

OR = (a x d) / (b x c) = (200 x 400) / (200 x 100) = 4

Existe una probabilidad 4 veces mayor en personas que ingieren un consumo alto de grasa saturada de
padecer arteroesclerosis.

ANALÍTICOS COHORTES (pag 25):

- Propósitos: Observacionales y analíticos

- Tasa (rate)(pag 27)

Tasa absoluta y tasa relativa

Ejemplo: 2000 mujeres se siguen durante 10 años después del parto, apareciendo durante este
período 400 casos por incontinencia urinaria.

TASA ABSOLUTA: Ta= 400/10 = 40 casos por año

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.

INCIDENCIA ACUMULADA (pag 29)

Ejemplo: En un estudio se ha seguido a una comunidad de 1000 sujetos durante todo el año 2003
para valorar el impacto de cierta enfermedad. Durante este periodo 993 individuos han
permanecido libres de enfermedad. Al inicio del año 2003, 3 sujetos presentaban la enfermedad,
2 sujetos presentan al inicio del cuarto mes, 1 individuo al inicio del octavo y en el último, al
comienzo del noveno mes de seguimiento.

-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

Nº de casos durante el periodo = 2 + 1 + 1= 4

Incidencia acumulada al final del período de estudio = 4/997 = 0,04 *100= 4%

RIESGO RELATIVO (pag 30 – 31 ):

EXPUESTOS

NO EXPUESTOS
Rr=
Nº DE ENFERMOS A RIESGO ÷Nº DE NO ENFERMOS A RIESGO

Nº DE ENFERMOS NO RIESGO ÷Nº NO ENFERMOS NO RIESGO

ANALÍTICOS: COHORTES Y EXPERIMENTALES (pag 32)

-Diferencie entre Riesgo relativo (RR) y Odds Ratio (OR)

CÁNCER CÁNCER TOTAL

SI NO EXPUES
TOS
Fumador 9 1191 1200
No fumador 1 999 1000
Total 10 2190 2200
 RIESGO RELATIVO: (9/1200) / (1/1000) = 7,5 proporción de los casos de cáncer mayor en fumadores que en los no
fumadores.

ODDS RATIO (OR): (9 x 999) / (1 x 1191) = 7,55 veces mayor que la odds de cáncer en los no fumadores.

…..

ESTUDIOS EXPERIMENTALES (MAYOR VALIDEZ CIENTÍFICA) (pag 33)

…..

Ensayo clínico cruzado.

RESUMEN DE MEDIDAS DE RIESGO (pag 35 – 37)

Ejemplo: Relación entre la edad de la madre y el síndrome de muerte infantil repentina, se

seleccionaron 18586 mujeres que acabaron de ser madres.
Factor de riesgo SIDS No
Menos de 25 años 29 7301
Mas de 25 años 15 11241

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.

Para calcular el RR necesito saber:

Población total de menos de 25 años= 7330 Población

total de 25 años o más = 11256

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:

Número total de individuos expuestos: 400

80/400 = 0,2 = 20% de posibilidades de un expuesto de desarrollar la enfermedad

Calcula las posibilidades de un no expuesto de desarrollar la enfermedad: Número

total de individuos no expuestos: 400

27/400 = 0,0675 = 6,75% de posibilidades de un no expuestos de desarrollar la enfermedad.

Calcula el riesgo relativo y justifica si la causa de la enfermedad es la exposición al factor.

RR= (80/400)/(27/400=2,96 aprox 3 veces mas riesgo de desarrollar la enfermedad debido a la exposición

TEMA 5 PROBABILIDAD = SOLO ENTRA 1 EJERCICO

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.

La probabilidad de enfermedad en una persona seleccionada al azar será:

Pr(enfermedad)=99/158=0,63 o 63% posibilidades de enfermar entre los asistentes a un banquete.
PROPIEDADES DE PROBABILIDAD: La probabilidad siempre esta entre 0 y 1
Si es igual a 0: Suceso imposible (no puede ocurrir)
Si es igual a 1: Suceso seguro o cierto (siempre ocurre).

1. Sucesos de intersección vs sucesos de unión

Si a A y B son sucesos independientes, con P(A) = 0,5 y P(B) = 0,4; la probabilidad del suceso A unión B es igual (es decir que
ocurra A, B o ambas a la vez):

Suceso de unión (AᴗB)=P(A)+P(B)=0,5+0,4=0,9.

Si a A y B son sucesos independientes, con P(A)=0,5yP(B)=0,4, el suceso de intersección (que ocurra A y B a la vez):

Suceso de intersección (AᴖB):P(A)x P(B)=0,5x0,4=0,20.

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:

Probabilidad de ser hombre=P(A)=0,30

Probabilidad de ser mujer=P(B)=0,70
Probabilidad de ser hombre o mujer=P(A)+P(B)=0,30+0,70=1
 ¿Cuál es la probabilidad de que salga cara al lanzar una moneda al aire?
Probabilidad de que salga cara=0,5.
Probabilidad de que salga cruz=0,5.
P=0,5+0,5=1
¿Cuál es la probabilidad de ser admitido en la universidad, si la probabilidad de no ser admitido es de 0,75?.
1-0,75=0,25=25% de posibilidades de ser admitida en la universidad.
Si la probabilidad de acertar a la quiniela es de 0,00001. ¿Cuál será la probabilidad de que no acertar a la quiniela?.
1-0,00001=0,99999

2. Sucesos no mutuamente excluyentes

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.

Probabilidad de A (salga par):P(A)=número de casos favorable para A/ número de casos posibles

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

•Probabilidad de consumir pavo y enfermar=P(AᴖB)=97

•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.

Probabilidad de que un bebedor sea diabético. P= 0,01/0,20=0;05 5%

Probabilidad de que un no bebedor sea diabético.P=0.03-0,01= 0,02/1-0,2=0,025 suceso condicionado

¿Por lo que el riesgo de diabetes en cuales son mayores en los bebedores o los no bebedores?
Determina si son sucesos dependientes o independientes.
 TEMA 6 DISTRIBUCIÓN DE LA PROBABILIDAD
TIPOS DE DISTRIBUCIÓNES DE PROBABILIDADES (pag 2 – 3)

- Mayoría de las variables aleatorias siguen distribución normal (variables

cuantitativas).
 DISTRIBUCIONES DE LA PROBABILIDAD DISCRETAS:
Distribución binomial
Distribución de
Poisson
 DISTRIBUCIONES DE PROBABILIDAD CONTINÚAS:
Distribución normal o de Gauss

LEY BINOMIAL TANTO DISCRETAS Y EXCLUYENTES (pag 4 – 6)

1. DISTRIBUCIÓN BINOMIAL

: probabilidad de exito
N: número de sujetos observados

X: Variable aleatoria que estamos midiendo

K: Número de aciertos, valores que torna la distribución binomial

(nk) es el número de combinaciones de n elementos tomados de k en k.

*El calculo: formula, directamente con la tabla de distribución, tanto si conocemos n -  y k

Ejemplo Supervivencia a un cáncer a los 6 meses es del 40% (es entre 0 – 1)

¿Cuál es la probabilidad de supervivencia para 2 pacientes en una muestra de 4 pacientes?

La distribución binomial siempre tiene 2 opciones ejemplo --- Supervivencia (Si / No). Excluyen

N= 4 (Nº sujetos observados)

Con estos datos ya se podría ir a la tabla
= 0,4 (probabilidad de
de distribución y el resultado es el
supervivencia) K= 2 (número de mismo

aciertos)
𝑛 𝑛! 4 4! 24
( )= ( )= = =𝟔
2 2! 4( − 2 ! ) 4
𝑘 𝑘! (𝑛 − 𝑘)!

P (X=2) = 6 x 0,42 (1 – 0,4)2 =

0,3456
 DISTRIBUCIÓN BINOMIAL SE APROXIMA A DISTRIBUCIÓN NORMAL CUANDO

Nº de observaciones y/o experimentos grandes

- Probabilidad de un suceso no es muy pequeña, ni muy grande
*Media:  = n x  (p, probabilidad de obtener un éxito)

2. DISTRIBUCIÓN DE POISSON (pag 14):

La variable discreta cumple la distribución de poisson si:

 < 0,10

 =  x n < 10

Condiciones que se deben cumplir para aplicar la distribución

 Proporcionalidad probabilidad de aparecer un suceso

 Estacionalidad n º casos por unidad de tiempo
 Independencia

Ejemplos: Estudio de morbi – mortalidad debida a determinadas enfermedades

Nº de hijos albinos

Nº de muertes por SIDA en una gran ciudad

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?

: 0,02 1º ¿Sigue el modelo de la distribución de Poisson? tabla

N: 300  < 0,10 --- Sí

 =  x n < 10 --- 0,02 x 300 = 6----Sí

K: 3

==6
P (x = 3) = e-6 * 63/3!
2º Aplicamos la fórmula:

 =  =  x n = 0,02 x 300 = 6 P (x = 3) = 0,0892 *

100= 8,9%

La probabilidad de tener 3 accidente de tráfico en 300 viajes es del 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

UNIMODAL: alcanza un max en el que coinciden la media, la moda y la

mediana

SIMÉTRICA:su eje de simetría pasa por la media

ASINTÓNICA: en el eje de las abscisas de infinito a infinito

Distribución normal definida por 2 parámetros: MEDIA Y DESVIACIÓN

TÍPICA. (MEDIA- MEDIANA Y MODA (Todas ellas coinciden)).

INTERVALOS CENTRADOS EN , CUYOS EXTREMOS ESTÁN :

 Distancia de una  a cada lado de la media probabilidad 68%

 Distancia de 1,96  a cada lado de la media probabilidad 95%
 Distancia de 2,58  a cada lado de la media probabilidad 99%

TIPIFICACIÓN O ESTADARIZACIÓN (para variables cuantitativas discretas) X =Variable

Convierte cualquier distribución normal de media y desviación típica conocidas, en otra media = 0

y desviación típica =1

 = Media de la población (el nº total de la población dada en el problema)

𝐗−
 = Desviación de la población
Z = Nueva variable, TIPIFICACIÓN 𝒁=

 APLICACIÓN DE LA CURVA NORMAL

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.

a. ¿Cuál es la probabilidad de que el peso de un niño al nacer sea igual o menor a 4?

X=4
 = 3,25

 = 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.

a. Porcentaje de la población con una renta inferior a 3 millones.

1º Calculo la normal tipificada

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:

Se pasa directamente a positivo es decir: -0,6666 pasa a +0,6666.

1º Buscamos ese valor en la tabla: 0,6666-----0,7454 (Valor tabla que se ve mal)

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.

a. Calcula el porcentaje de empleados con un sueldo inferior a 7 millones:

X = 7 millones
 = 5 millones

 = 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

SOLUCIÓN: 0,0808 Solo el 8,08 de la población vivirán más de 75 años

b. ¿Cuántas personas vivirán previsiblemente menos de 60 años?

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

*NO PREOCUPARSE POR EL NEGATIVO, LO CAMBIO A POSITIVO = 1,6

Ahora procedemos a restar ya que era negativo: 1 – 0,9452 = 0,0548 SOLUCIÓN:

0,0548

El 5,48% de la población vivirá menos de 60 años.

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

 = 36 raiz cuadrada 6 95% 0,9495 =1,65

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

Se realizará la siguiente operación porque el signo nos indica

mayor a uno: 1- 0,8413 = 0,1587 SOLUCIÓN: 0,1587


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

No pasa nada que sea *

𝐗−  𝟒𝟎 −
negativo se pone en + 𝒁= 𝟖𝟎 = −𝟐
𝒁=
 𝟐𝟎


Se realizará la siguiente operación porque el signo es negativo: 1- 0,9772= 0,0228

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

PN (140,20)  170 - PN (140,20)  130

Z= (170 – 140) /20= 1,5 z= (130 – 140) /20= -0,5

(1,5) – ( -0,5) = BUSCO CADA VALOR EN LA TABLA

1º - 0,9332 2º - 0,6915

PERO

1º

HAGO LA SIGUIENTE OPERACIÓN YA QUE ME

HA DADO UN VALOR NEGATIVO, - 0,5: 1 – 0,6915 = 0,3085 0,9332 – 0,3085 = 0,6247

SOLUCIÓN: 0,6247
Ejemplo: Si un tratamiento para reducir el colesterol consigue reducciones dadas por una
N(40,20).

a. ¿Qué porcentaje de individuos tendrá reducciones superiores a 20 unidades?

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.

SOLUCIÓN: 0,8413 El 84,13 de los pacientes tendrán reducciones superiores a 20 ud

b. ¿Qué porcentaje de individuos tendrá reducciones superiores a 70 unidades?

X = 70 unidades
 = 40

 = 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

 [(30 – 40) /20] – [(60 – 40) /20]

 ( -0,5 ) – ( 1 ) = BUSCO CADA VALOR EN LA

TABLA 1º - 0,6915 2º - 0,8413

PERO 1º HAGO LA SIGUIENTE OPERACIÓN YA QUE ME HA DADO UN VALOR NEGATIVO, -

0,5: 1 – 0,6915 = 0,3085

 0,8413 – 0,3085 = 0,5328

SOLUCIÓN: 0,5328

Ejemplo

Se cree que en Ávila el 40% de los individuos son miopes:

Utilizaríamos una tabla de distribución binomial de probabilidades acumuladas.

Si extraemos un individuo al azar, ¿qué probabilidades tiene de ser miope? 0,40%

2.Si extraemos 10 individuos al azar, ¿qué posibilidades tienen de aparecer 4 miopes?

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).

a. ¿Qué porcentaje de individuos de la población tendrá un CI superior a 120?

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

mayor a uno: 1- 0,9082 = 0,0918 SOLUCIÓN: 0,0918

b. ¿Cuál es la probabilidad de que un individuo elegido al azar tenga un CI inferior a 70?

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]

Z= 110-100/15= 10/15= 0,67 0,7486

Z= 90-100/15= -10/15= -0,67  0,7486

1- 0.7486= 0,2514 0,7486- 0,2514= 0,4972 79,72%

¿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

5. ¿Qué valor de CI es superado por el 20% de la población? Buscar el 80%

Tabla 0,7995 lo mas cercano al 80% z= 0,84
0,84= x-100/15  x= 0,84x15*100 = 112,6
 TEMA 7 PRUEBAS DIAGNÓSTICAS
DEFINICIÓN DE (PAG 2):

Sensibilidad: Probabilidad de obtener un resultado positivo de la prueba diagnóstica entre sujetos enfermos.

Especificidad: Probabilidad de obtener un resultado negativo entre sujetos sanos.

DISEÑO DE PRUEBAS DIAGNÓSTICAS (pag 3 – 41)

- Alta sensibilidad (pag 8) Ejemplos teóricos N

- Alta especificidad (pag 8) Ejemplos teóricos o

BONDAD DE LA PRUEBA DIAGNÓSTICA (pag 9):

Acierto de la prueba:

- Sensibilidad: % de enfermos +
- Especificidad: % de sanos –

Fracaso de la prueba:

- Falso +: % SANOS QUE DAN (+) FALSO + = 1 – ESPECIFICIDAD

- Falso - : % ENFERMOS QUE DAN (–) FALSO - = 100 – VP(-)

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

Sensibilidad: Enfermos + / Todos los enfermos (positivos y negativos)

Especificidad: Sano Negativo (-) / Todos los sanos (positivos y negativos)

Ejemplo:
CO CO
VID VID
19 + 19 -
RT – PCR 28 3 31
+
RT – PCR - 2 67 69
TOTAL 30 70 100

Sensibilidad = 28/30= 0,933

Especificidad = 67/70= 0,957

APLICACIÓN CLÍNICA DE UNA PRUEBA DIAGNOSTICA, SABER (pag 14 - 15):

 VALOR PREDICTIVO POSITIVO (VP +):

SxP
𝑉𝑃+=
S x P + (1 − E) x (1 − P)
 S= Sensibilidad

 VALOR PREDICTIVO NEGATIVO (VP -): P= Prevalencia

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

SENSIBILIDAD: probabilidad de tener un resultado + de la prueba entre sujetos enfermos

ESPECIFICIDAD: probabilidad de tener un resultado – de la prueba entre sujetos sanos

¡¡¡¡EJERCICIOS DE ESTE TEMA!!!!!

Ejemplo: La sensibilidad de la prueba ELISA para detectar la seropositividad frente al virus de inmunodeficiencia
humana (VIH) es del 99% y su especificidad es del 96%. Prevalencia de 0,3%.
a. Hallar cuantas personas que estén realmente infectadas darán positivo en el test.

- Valor predictivo POSITIVO

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)

6,9% DE LAS PERSONAS CON UN RESULTADO POSITIVO ESTARÁN REALMENTE INFECTADAS.

b. Cuantas personas con resultado negativo estarán libres de la infección.

- Valor predictivo NEGATIVO

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:

a. Porcentajes de sujetos que con resultado positivo estarán realmente infectados.

VP (+) Sujetos que dando positivo estarán infectados.

S= 99% = 0,99
SxP
P= 10% = 0,10 𝑉𝑃+=
S x P + (1 − E) x (1 − P)
E= 96% = 0,96
0,99 x 0,10
𝑉𝑃+= = 𝟎, 𝟕𝟑𝟑 = 𝟕𝟑, 𝟑%
0,99 x 0,10 + (1 − 0,96) x (1 − 0,10)

El 73,3% de los sujetos con resultados positivos estarán realmente infectados.

b. Porcentajes de sujetos que con resultado negativo no tienen la infección.

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.

Ejemplo: En Galicia hay 4 millones de habitantes y la enfermedad D afecta en este momento a

4000 de ellos. La enfermedad tiene un pronóstico muy malo sino se consigue un diagnóstico
precoz. Se pone en marcha un test diagnóstico que da positivo al 99% de los enfermos y da
negativo en el 80% de los no enfermos.

Calcula la probabilidad que tiene de estar enfermo una persona, habiendo dado positivo en el
test de diagnóstico.

S= 99% = 0,99 (positivos enfermos)

SxP
P= 4000 / 4.000.000 = 0,001 𝑉𝑃+=
S x P + (1 − E) x (1 − P)
E= 80% = 0,80 (negativos sanos)

N
0,99 x 0,001 o
𝑉𝑃+= = 𝟎, 𝟎𝟎𝟒𝟗 = 𝟎, 𝟒𝟗%
0,99 x 0,001 + (1 − 0,80) x (1 − 0,001)

0,49% de probabilidad de que habiendo dado positivo estés enfermo.

Ejemplo: Un test detecta la presencia de cierto tipo T de bacterias en agua con la

probabilidad de 0,9 en caso de haberlas. Si no las hay, detecta la ausencia con probabilidad
del 0,8.
Sabiendo que la probabilidad de que una muestra de agua contenga bacterias del tipo T es 0,2.
 Calcular la probabilidad de que realmente haya presencia de bacterias cuándo el test ha resultado positivo.

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:

a. Determina la probabilidad de que el test detecte correctamente la presencia de enfermedad.

SxP
𝑉𝑃+= S= 96% = 0,96
S x P + (1 − E) x (1 − P) N
P= 0,1% = 0,001 o
Falso positivo: 0,05----1 – E = 1 – 0,05= 0,95

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

b. ¿Qué posibilidades tiene un individuo que no tendrá infarto antes de un año de

dar positivo en la prueba? (Me esta preguntando por un falso positivo)

(1 – ESPECIFICIDAD = 1 – 0,86 = 0,14 = 14% de probabilidades)

c. Si se aplica la prueba en una población en la que la experiencia dice que un 70% de

los individuos tendrá infarto de miocardio antes de un año. ¿Qué posibilidades
tendrá un individuo de esta población que da negativo de desarrollar la enfermedad?
N
Será un falso negativo. o

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
−

b. Si la aplicamos a una población en que la proporción de enfermos es del 10%.

¿Qué posibilidades tiene un individuo que da positivo en la prueba de presentar la
enfermedad de Parkinson? Res
erv
S= 80% = 0,8 SxP
𝑉𝑃+=
S x P + (1 − E) x (1 − P)
P= 10% = 0,10

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)

c. ¿Y al aplicarla en una con el 20% de enfermos? ¿Que posibilidades tiene un

individuo que da positivo en la prueba de presentar la enfermedad de Parkinson? N
o

S= 80% = 0,8 SxP

𝑉𝑃+=
P= 10% = 0,10 S x P + (1 − E) x (1 − P)

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:

a. Obtener la sensibilidad y especificidad de la prueba.

ENFERMOS SANOS
Anticuerpos VIH 314 15
No anticuerpos VIH 4999 94673

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
−

b. Los clínicos de un centro penitenciario donde la prevalencia de la enfermedad está

alrededor del 50% deciden pasar allí la prueba. ¿Cuál será el valor predictivo positivo
y el valor predictivo negativo de la prueba al aplicarla en el centro penitenciario?
Explica lo que significa estos valores VP (+) y VP (-).

ENFERMOS SANOS
Anticuerpos VIH 314 15
No anticuerpos VIH 4999 94673 Res
erv

S= 5,9% = 0,059 SxP

𝑉𝑃+=
P= 50% = 0,5 S x P + (1 − E) x (1 − P)

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

El 51,3% de los sanos darán en el test negativo.

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

a. Calcular la sensibilidad y especificidad.

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

Resultados positivos = Diabéticos + No diabéticos 164 – 98 = 66D

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

Especificidad= 9752 / 9850= 0,99