Estadistica Inferencial Talleres 2009

UNIVERSIDAD VERACRUZANA
FACULTAD DE BIOANALISIS
ZONA VERACRUZ.
ESTADÍSTICA INFERENCIAL
PROBLEMAS RESUELTOS.
DR. MARIO GONZALEZ SANTES H. VER. VER. 2009.
1
INTRODUCCION
En el mundo actual de la globalización los conocimientos cada vez son más

universales y el uso de equipos tecnificados y modernos está a la orden del día, por
lo que existe mayor necesidad de ampliar los conocimientos y profundizarlos en
todos los aspectos, sobre todo en los conocimientos básicos de las matemáticas, y
de estadística para el uso cotidiano en su carrera de profesional , no es suficiente el
conocimiento de la estadística descriptiva, para analizar los controles de calidad , ya
que el usuario cada día es más exigente en la calidad de sus estudios, por lo tanto el
alumno o el profesional dedicado a mejorar sus resultados, tiene la necesidad de
recurrir a las estadísticas inferenciales, para buscar explicaciones de sus resultados
de estudio y tomar las mejores decisiones para estar en posibilidad de competir con
otros profesionales.
Muchos investigadores modernos han aportado sus conocimientos matemáticos y
estadísticos, publicados, a veces incomprensibles, como: Blum y Fattu 1954, Moses
1952, Edwards 1954, McNemar 1955, y otros como Goddman, Kendall, Kruskal,
Walsh, Frank Wilcoxon, entre otros.
He elaborado éste documento con ejemplos de algunos investigadores, experiencias
de la vida cotidiana como profesor y otras son imaginarias, de manera sencilla,
práctica, de fácil comprensión, con todos los pasos, como un modelo o guía de
apoyo para resolver sus dudas, tomar la mejor decisión que satisfagan los objetivos
de su investigación, respetando las normas y reglas que la técnica estadística exige,
enunciando claramente los requisitos de cada uno de los procedimientos
Estoy seguro que cuando usted revise éste documento encontrará una verdadera
guía para darle mayor validez y contrastación a sus planteamientos.
DR. MARIO GONZALEZ SANTES

PROFESOR DE LA FACULTAD DE BIOANALISIS ENERO 2009.
2
INDICE
Contenido Página
Probabilidad
propiedad elementales de la probabilidad
Probalidad Binomial
Distribución Z
Distribución t de Student para muestras independientes
Distribución t de Student para muestras de distinto tamaño
Distribución t de Student, mediciones antes y después
Análisis de la varianza
Diferencia singnificativa honesta de Tukey.

Coeficiente de correlación de Pearson : modelo rectilíneo
simple
Cálculo de fracción muestral.
Estimación de la diferencia de proporciones
Estimación de la diferencia de medias
Estimaciones de tasas
Comparaciones de promedios
Comparaciones de tasas
Comparaciones de proporciones
2
X .de Pearson para una muestra
Prueba de bondad de ajuste
Correcciones para pequeñas frecuencias esperadas

2
X
3
Comparaciones de varios grupos de X2
Prueba de la bondad exacta de Fischer
Análisis de la varianza en 2 direcciones por rangos Friedman
Comparaciones entre los porcentajes de 2 muestras
independientes .
Análisis de la varianza en una dirección por rangos
Kruskal Wallis.
Coeficiente de correlación para datos ordinales, por rangos
Ordenados de Spearman.
Prueba de Mc Nemar para muestras dependientes
Prueba U Mann- Whitney , para muestras pequeñas
e independientes.
Prueba de U Mann- Whitney para muestras grandes.
Bibliografía.
4
PROBABILIDAD
La probabilidad es la posibilidad de que ocurra un evento.
La probabilidad va de 0 a 1.
FORMULA GENERAL:
p = h/n
La probabilidad es igual al número de eventos que ocurre en determinado momento

sobre el total de eventos.
PROBLEMAS
1) Obtener la probabilidad de que en una tirada de una moneda obtenga águila.
p = h/n =
2) ¿Cuál es la probabilidad de que en una tirada de dados salga 6 ?
p = h/n =
3) ¿Cuál es la probabilidad de que en una tirada de dados salga el 2 o el 4?
p = h/n =
4) ¿Cuál es la probabilidad de que salga un as de un conjunto de barajas si el total

de barajas es de 40?
p = h/n =
REGLAS DE LA PROBABILIDAD
1- REGLA DE LA SUMA: afirma que la probabilidad de obtener un resultado,

cualquiera entre varios diferentes, es igual a la suma de sus distintas probabilidades.
PROBLEMA
 ¿Qué probabilidad hay de obtener el 1 en una tirada de dado?
p = h/n = 1/6 =
p = 1/6 + 1/6 + 1/6 + 1/6 + 1/6 + 1/6
5
2- REGLA DE LA MULTIPLICACION: afirma que la probabilidad de obtener una
combinación de resultados que se excluyen mutuamente es igual a la suma de las
probabilidades por separado.
PROBLEMA
 ¿Cuál es la probabilidad de que salga águila al lanzar 2 veces consecutivas la
moneda?
p = h/n = 1/2 =
p = 1/2 x 1/2 =
* La regla de la suma supone que los resultados se excluyen mutuamente y que no

pueden ocurrir simultáneamente dos resultados.
PROPIEDADES ELEMENTALES DE LA PROBABILIDAD.
1) Todos los eventos deben tener una probabilidad mayor que o igual a 0.
Un concepto clave en el enunciado de esta propiedad.
2) La suma de la probabilidad de todos los resultados mutuamente exclusivos es
igual a 1.
La probabilidad va de 0 a 1.
p {E1} + p {E2}... = 1
3) Probabilidad de la ocurrencia: la probabilidad de la ocurrencia {E1} o {Ej} es igual a

la suma de las probabilidades individuales.
Por lo tanto la probabilidad de la ocurrencia es igual a la probabilidad de un evento.
p = p {E} h/n (probabilidad de la ocurrencia)
q = 1-p {E} ó q = {no E}; 1-p = (probabilidad de no ocurrencia)
6
PROBLEMAS
1) ¿Cuál es la probabilidad de que en una tirada de dados no salga el 3 o el 4?
q=1-p
q = 1 - h/n
2) ¿Cuál es la probabilidad de que no salga un as en un conjunto de barajas?
q= 1-p
q= 1- h/n
3) ¿Cuál es la probabilidad de que caiga águila en tres tiradas consecutivas de una

moneda?
p = h/n
p=½x½x½
4) ¿Qué probabilidad hay de que en una tirada de dados no salga el 4 o el 5 ?
q= 1-p
7
PROBABILIDAD BINOMIAL
La probabilidad binomial es una teoría de grandes muestras, esta distribución se

obtiene de un proceso conocido como Ensayo de Bernoulli. Cuando un solo ensayo
o experimento puede conducir a uno de los resultados mutuamente exclusivos tales
como muerto o vivo, masculino o femenino, enfermo o saludable, el ensayo conduce
a lo que se llama Ensayo de Bernoulli.
Condiciones del Ensayo de Bernoulli:
1) Cada ensayo conduce a uno de los resultados posibles mutuamente exclusivos,

uno de los resultados posibles se denomina como éxito y el otro como fracaso.
2) La probabilidad de éxito se denota por “p” y permanece constante de ensayo en
ensayo y la probabilidad de fracaso como 1-p se denota por “q”.
3) Los ensayos son independientes, es decir, el resultado de cualquier ensayo
particular no es afectado por el resultado de cualquier otro ensayo.
PROBLEMA
 En cierta población el 52 % de todos los nacimientos registrados son varones,
entonces p de un nacimiento registrado es de 0.52. Si de esta población se
seleccionan al azar 5 nacimientos, ¿Cuál es la probabilidad de que exactamente 3
de los registros sean de nacimientos varones?

n=5
x=3
1º.-
2º.-
3º.-
p = 0.52
q = 1 - p = 1 - 0.52 = 0.48
----- (p)3 (q)2
8
P=
PROBLEMA
 En Veracruz el Pie de Atleta es común. De una muestra al azar de 6 ¿Qué
probabilidad hay de que 4 tengan la enfermedad, si la frecuencia es del 40 % ?
n=6
x=4
p = 0.40
q = 1-p = 1-0.40 = 0.60
n n!
=
x x! n − x!
PROBLEMA
 En Escárcega el 80 % tiene parasitosis. Si se obtiene una muestra de 10 ¿Cuál es
la probabilidad de que 5 tengan la enfermedad?
p = 0.80
q = 1 - p = 1 - 0.80 = 0.20
n = 10
x=5
n n!
=
x x ! n − x!
PROBLEMA
 La frecuencia de toxoplasmosis en las mujeres es del 40 %. Se obtiene una
muestra de 8 ¿Qué probabilidad hay de que 3 tengan la enfermedad?
9
p = 40 % = 0.4
q = 1 - p = 1 - 0.4 = 0.6
n=8
x=3
n!
J (x) = (n/x ) = q n - x px
x! n - x!
DISTRIBUCION Z
Para este capítulo de toma de decisiones el planteamiento de la hipótesis de nulidad

y alterna juega un papel muy importante, así como el nivel de confianza.
NIVEL DE CONFIANZA
Para establecer si una diferencia muestral obtenida es estadísticamente significativa,

resultado de una diferencia poblacional real debe establecerse un nivel de confianza,
también conocido como nivel de significancia, nivel de probabilidad en el cual se
puede rechazar la hipótesis nula y se puede aceptar con confianza la hipótesis de
investigación.
El nivel de confianza más utilizado a conveniencia es de 0.05, es decir, que
estamos dispuestos a rechazar la hipótesis nula si una diferencia muestral obtenida
ocurre casualmente solo 5 veces o menos entre 100, o sea 5 %, según la figura:
10
2.5 % 47.5 % 0 47.5 % 2.5 %
Sin embargo hay otros investigadores que utilizan un nivel de confianza de 0.01 y
0.001.
Rechazar la hipótesis de nulidad cuando se debería aceptar se conoce como Error
alpha o Error tipo I.
Error tipo II o beta se presenta cuando se acepta la hipótesis de nulidad y ésta
debe ser rechazada, el método para reducir el riesgo de este error es aumentar el
tamaño de la muestra para que exista una diferencia poblacional real
PROBLEMA
 Un investigador cree que las mujeres difieren de los hombres con respecto al
etnocentrismo. Desea saber si esta diferencia es significativa con un nivel de
confianza de 0.5
DIRERENCIA ENTRE MUJERES Y HOMBRES CON RESPECTO AL

ETNOCENTRISMO.
NUMERO MUJERES HOMBRES
11
CASOS X1 X12 X2 X22
1 1 1
2 1 1
3 1 1
4 1 2
5 2 1
6 1 1
7 2 1
8 3 3
9 3 1
10 1 2
11 2 4
12 1 1
13 2 1
14 1 1
15 1 1
16 1 5
17 1 1
18 2 2
19 4 2
20 5 1
21 1 1
22 1 1
23 2 1
24 1 2
25 2 3
26 1 1
27 2 1
28 1 1
29 1 2
30 1 2
31 1 2
32 3 1
33 3 1
34 1 1
35 4 1
TOTAL
Paso 1 : Elaborar H0 y H1.
H0 :.
H1 :
12
Paso 2 : Elaborar la prueba de hipótesis.
H0
H1
Paso 3 : Determinar la media.
∑x1
x1 = =
n1
∑ x2
x2 = =
n2
Paso 4 : Obtener la desviación estándar de cada grupo.
Σx12 2
S1 = − x1
n1
Σx 22 2
S2 = − x2
n2
Paso 5 : Encontrar el error estándar de cada media.
S1
13
σ x 1 = =
n1 −1
S2
σ x 2 = =
n 2 −1
Paso 6 : Encontrar el error estándar de la diferencia.
σ dif = σx12 + σx22
Paso 7 : Obtener ”Z ”.
x1 - x2
Z= =
σ dif
Paso 8 : Obtener la razón de “Z” con α de 0.05.
14
0 1.96
No significativa, Z (p 0.05).
Paso 9 : Conclusiones.
15
PROBLEMA
 Un investigador cree que los diabéticos mayores de 10 años de evolución tienen
mayor concentración de creatinina en relación a los diabéticos de un año de
evolución. Desea saber si existe o no diferencia significativa con α de 0.05.
COMPARACIONES ENTRE DIABETICOS DE DIFERENTES AÑOS DE

EVOLUCIÓN, CON RESPECTO A LA CONCENTRACION DE CREATININA.
NUMER X1:DIABETICO X2:DIABETICOS

O DE S DE 10 AÑOS DE 1 AÑO DE X12 X22
CASOS DE EVOLUCION
EVOLUCION MG /DL
MG/DL
1 5 10
2 3 5
3 2 3
4 8 8
5 10 7
6 3 2
7 4 4
8 6 3
9 12 1
10 10 2
11 5 2
12 8 3
13 3 1
14 4 2
15 7 5
16 9 3
17 10 1
18 11 2
19 10 2
20 12 3
21 8 4
22 7 1
23 6 5
24 5 7
25 4 8
26 2 2
27 6 1
28 7 1
29 10 1
30 12 2
TOT
AL
16
H0
H1 :
Paso 2 : Obtener la prueba de hipótesis.
H0
H1
Paso 3 : Obtener la media de cada grupo.
∑ x1
x1 = =
n1
∑ x2
x2 = =
n2
Paso 4 : Obtener la desviación estándar de cada grupo
Σx12 2
S1 = − x1
n1
17
Σx 22 2
S2 = − x2
n2
Paso 5 : Hallar el error estándar de cada media.
S1
σ x 1 = =
n1 −1
S2
σ x 2= =
n2 −1
Paso 6 : Hallar el error estándar de la diferencia.
18
Paso 7 : Obtener “Z”.
x1 - x2
Z=
σ dif
Paso 8 : Obtener la razón de “Z” con α de 0.05.
* Nota : cuando en la hipótesis alterna se maneja “>“ ó “<“ , el valor de α se duplica.
0.05 x 2 =
1.00 - 0.10 =
0.90 / 2 =
Buscando en la tabla Z el número más cercano =

Los valores para la línea crítica son 1.6 y 0.05, se acomodan como 1.65 y ese es el
valor crítico.
Como Z = 5, éste valor se encuentra en la zona crítica, por lo tanto Z (p 0.05 ) por
lo que
PROBLEMA
19
 Un investigador cree que los principales supervisores obtienen resultados más
amplios que los empleados promedios, de los 6000 empleados presentaron una
media de 50 y una desviación estándar de 10. Para ratificar esta teoría selecciona
una muestra al azar de 100 de los supervisores principales, se obtiene una media
de 53. Elabora una prueba estadística para comprobar esta teoría, utiliza α de
0.01
H0 :
H1 :
H0
H1
Paso 3 : Sustituir los datos en la
x -C
Z=
S/ n
Paso 4 : Obtener el valor crítico con α de 0.01.
20
0
Z( p 0.01 )
PROBLEMA
 Un investigador cree que al darle a las moscas una mezcla de miel con vinagre
como alimentación modificarán la duración de su vida; sabe por su larga
experiencia que ciertas moscas en particular que se alimentan con frutas tienen
una vida media de 12, con una desviación estándar de 2 días; cría una muestra
de 50 moscas con miel y vinagre y obtiene un promedio de 12.5 días. Desea saber
si esa diferencia es significativa con α de 0.05.
H0 :
H1 :
H0
H1
Paso 3 : Sustituir los datos en la

21
x -C
Z=
S/ n
Z( p 0.05 )
PROBLEMA
 Deseamos poner a prueba una teoría por la que se afirma que las mujeres
perderán peso si se someten a una dieta de toronja y harina de trigo, para
comprobar esta teoría escogemos una muestra de 49 mujeres que se pesan al
comenzar y al concluir el estudio. Se obtiene un promedio de -5 Kg. con una
desviación estándar de 3.5 y un nivel de significancia de 0.05.

22
H0 :
H1 :
H0
H1
Paso 3 : Sustituir los datos en la fórmula :
x -C
Z=
S/ n
Significativa, Z (p 0.05).
23
REQUISITOS PARA LA UTILIZACION DE LA DISTRIBUCION Z :
1) Sirve para comparar entre dos medias independientes o de una sola muestra en
diseño antes y después.
2) Utiliza datos de intervalo, de puntajes o escalares.
3) El muestreo debe haberse obtenido en forma aleatoria de una población de
puntajes.
4) Se requiere que las muestras estén normalmente distribuidas en la población, sin
embargo no es estrictamente necesario.
5) Esta técnica debe utilizarse para mayores de 30, casos.
6). Debe cumplir una distribución normal, con varianzas homogéneas
DISTRIBUCION t STUDENT
MUESTRAS INDEPENDIENTES
PROBLEMA
 Un investigador busca comprobar la hipótesis de que el comportamiento caritativo
varía según si la donación se hace anónimamente o si se da a conocer la
identidad del donante. Desea un nivel de significancia de 0.05.
H0 :
H1 :
H0
H1
24
Paso 3 : Con los siguientes datos obtener el promedio de cada muestra.
No. De X1: identidad X2: identidad

casos desconocida conocida
1 1 3
2 2 5
3 1 5
4 1 5
5 2 4
6 1 5
total
∑ x1
x1 = =
n1
∑ x2
x2 = =
n2
Σx12 2
S1 = − x1
n1
25
Σx22 2
S2 = − x2
n2
Paso 5 : Encontrar el error estándar de cada media.
S1
σ x 1= =
n1 −1
S2
σ x 2= =
n2 − 2
Paso 7 : Obtener “ t “ con la fórmula:
26
x1 - x2
t= =
σ dif
Paso 8 : Buscar los grados de libertad.
gl = N1 + N2 - 2
Paso 9 : Determinar el valor crítico con α de 0.05.
Valor crítico =
Significativa, t (p 0.05).
PROBLEMA
27
 Un investigador cree que existe diferencia entre hombres y mujeres con respecto a
la calificación del examen ordinario en la materia de Química Analítica I, en el
grupo 202; utiliza un α de 0.05.
Puntajes de la materia de química analítica entre hombres y mujeres del grupo 202 .
No. Casos X1: HOMBRES X2: MUJERES X12 X22

1 8 8
2 5 4
3 6 6
4 6 9
5 9 10
6 6 8
7 6 5
8 5 7
9 5 5
Total
H0 :
H1 :
H0
H1
Paso 3 : Encontrar la media de cada muestra.
∑x1
x1 = =
n1
∑ x2
28
x2 = =
n2
Σx12 2
S1 = − x1
n1
Σx 22 2
S2 = − x2
n2
Paso 5 : Encontrar el error estándar de cada grupo.
S1
σ x1 = =
n1 −1
S2
σ x2 = =
29
n2 −1
Paso 7 : Obtener “ t “con la fórmula :
x1 - x2
t= =
σ dif
gl = N1 + N2 - 2
30
No significativa, t (p 005).
MUESTRAS INDEPENDIENTES DE DISTINTO TAMAÑO
PROBLEMA
 Un investigador cree que los niños blancos y negros, de cierto barrio difieren con
respecto a la tendencia hacia la criminalidad; desea un nivel de significancia de
0.05.
NIÑOS BLANCOS Y NEGROS CON RESPECTO A LA CRIMINALIDAD.
No. Casos X1 : BLANCOS X2 : NEGROS X12 X22

1 1 4
2 2 1
3 1 1
4 3 1
5 2
6 2
7 1
Total
Paso 1 : Elaborar H0 y H1
H0 :
H1 :
H0
H1
31
∑ x1
x1 = =
n1
∑ x2
x2 = =
n2
Σx12 2
S1 = − x1
n1
Σx 22 2
S2 = − x2
n2
Paso 5 : Encontrar el error estándar de la diferencia con la fórmula :
 N1S12 + N 2 S 2 2  1 1 
σ dif =   + 
 N +N −2  N  N
 1 2  1 2 
32
x1 - x2
t= =
σ dif
gl = N1 + N2 - 2

Buscar en la tabla de t de Student para dos colas: =
0
No significativa, t (p 0.05).
PROBLEMA
 Un investigador cree que existe diferencia en el grado de aprovechamiento en la
materia de Química Analítica I entre hombres y mujeres del grupo 101 en cuanto a
las calificaciones de exámenes ordinarios. Utilice α de 0.01.
GRADO DE APROVECHAMIENTO DE LOS ALUMNOS DE QUIMICA ANALITICA I

EN LOS EXAMENES ORDINARIOS.
No. Casos X1: HOMBRES X2: MUJERES X12 X22

1 5 6
2 7 6
3 9 5
4 9 5
5 8 5
6 7 8
7 5 9
33
8 6 10
9 7 5
10 8 9
11 5 5
12 5 8
13 7 10
14 5 6
15 9
16 5
Total
H0 :
H1 :
H0
H1
∑ x1
x1 = =
n1
∑ x2
x2 = =
n2
34
Σx12 2
S1 = − x1
n1
Σx22 2
S2 = − x2
n2
Paso 5 : Encontrar el error estándar de la diferencia con la fórmula :
 N1S12 + N2 S 2 2   1 1
σ dif =   + 
 N1 + N2 − 2   N1 N2 
x1 - x2
t= =
σ dif
gl = N1 + N2 -2
35
gl = N1 + N2 -2
No significativa, t (p 0.01)
COMPARACION DE LA MUESTRA MEDIDA DOS VECES: ANTES Y DESPUES
PROBLEMA
 Un investigador cree que existe una mejoría en la concentración de hemoglobina
en ciertos pacientes después de la aplicación de hierro. Utiliza un α de 0.05.
CONCENTRACION DE HEMOGLOBINA ANTES Y DESPUES DE LA APLICACIÓN

DE HIERRO
NUMERO X1:ANTES X2:DESPUES

DE CASOS DE DE APLICAR D D2
APLICAR Fe Fe
36
1 12 13
2 11 13
3 13 16
4 11 14
5 12 14
6 13 14
TOTAL
Paso 1 : Elaborar H0 y H1 .
H0 :
H1 :
H0
H1
Paso 3 : Encontrar la media para cada punto en el tiempo.
∑ x1
x1 = =
n1
∑ x2
x2 = =
n2
Paso 4 : Encontrar la desviación estándar de la diferencia entre el tiempo antes y el

tiempo después.
37
ΣD 2
S= − ( x1 − x2 ) 2
N
Paso 5 : Obtener el error estándar de la diferencia.
S
σ dif = =
N-1
Paso 6 : Determinar la distribución “ t “ con la fórmula :
x1 - x2
t= =
σ dif
gl = N1 - 1
38
PROBLEMA
 Un investigador cree que existe diferencia en el pulso, en hombres antes y
después de un estrés por un examen para el ingreso a la Universidad, medición
hecha a través del pulso; utilice α de 0.05.
MEDICION DEL PULSO ANTES Y DESPUES DE UN ESTRÉS

No. Casos X1: ANTES X2: DESPUES D D2
1 72 70
2 70 68
3 72 64
4 72 64
5 84 80
6 70 76
7 48 60
8 74 80
9 82 87
10 63 71
Total
H0 :
H1 :
H0
H1
39
Paso 3 : Encontrar la media para cada punto en el tiempo.
∑ x1
x1= =
n1
∑ x2
x2 = =
n2
Paso 4 : Encontrar la desviación estándar de la diferencia entre el tiempo uno y el

tiempo después.
ΣD 2
S= − ( x1 − x2 ) 2
N
Paso 5 : Obtener el error estándar de la diferencia.
S
σ dif = =
N-1
Paso 6 : Determinar la distribución “ t “ con la fórmula :
x1 - x2
t= =
σ dif
40
gl = N - 1
No significativa, t ( p 0.05).
T DE STUDENT EN COMPARACIÓN CON UN PROMEDIO ANTECEDENTE
PROBLEMA
 Un investigador cree que existe diferencia en la concentración de ciertas
soluciones químicas. Sabe por antecedentes que el promedio es de 17 milimoles.
Obtiene una muestra de 10 con los siguientes resultados. Utilice alfa de 0.05
CONCENTRACIONES DE SOLUCIONES QUÍMICAS
No casos X X2
1 15.7
41
2 16.2
3 16.8
4 16.2
5 15.7
6 17.6
7 17.1
8 16.4
9 15.5
10 17.0
Total
H0 :
H1 :
H0
H1
Paso 3 : Obtener la media.
∑x
x = =
n
Paso 4 : Obtener la desviación estándar.
Σx 2
S= − x2
n
42
x −C
t=
S/ n
gl = N - 1
Paso 8 : Calcular los límites de confianza con un 95 %.
Límites de confianza =
43
PROBLEMA
 Una editorial suministra material para una prueba de lectura, junto con un manual
que presenta los resultados de 4000 alumnos de 6° grado de varias partes del
país, cuyo promedio es de 30 y una desviación estándar de 6. Se desea saber si
el resultado del nivel de los estudiantes de esta ciudad difiere significativamente
de los 4000 alumnos. Se toma una muestra de 25 alumnos del mismo grado y
obtiene un promedio de 26. Utilice α de 0.01, con un intervalo de confianza de 95
%.
Paso 1 : Obtener H0 y H1.
H0 :.
H1 :
H0
H1
44
x −C
t=
S/ n
gl = N - 1
Paso 5 : Calcular los límites de confianza con un 95 % .
Valor crítico =
45
0
REQUISITOS PARA EL USO DE LA DISTRIBUCION t :
1) Se utiliza para casos menores de 30.

2) Utiliza datos de intervalo o escalas cuantitativas continuas.
3) Sirve para comparar muestras independientes, muestras de distinto tamaño y
mediciones antes y después.
4) Utiliza niveles de significancia de 0.01 y 0.05 generalmente.
5) Utiliza grados de libertad
ANÁLISIS DE LA VARIANZA.
DISTRIBUCION F
PROBLEMA
 Un investigador cree que existe una diferencia importante en el coeficiente de
inteligencia entre los tres grupos sociales: alta, media y baja. Desea un nivel de
significancia de 0.05.
COEFICIENTE DE INTELIGENCIA ENTRE LOS 3 GRUPOS SOCIALES
46
Casos X1 : X2 : X3 : X12 X22 X32
ALTA MEDIA BAJA
1 130 120 110
2 125 115 100
3 130 115 90
4 120 110 100
5 122 112 85
Total
H0 :
H1 :
H0
H1
∑ x1
x1 = =
n1
∑ x2
x2= =
n2
47
∑ x3
x3 = =
n3
Paso 4 : Encontrar la suma total de cuadrados.
( Σ x total )2
s.c.total = Σ x2 total -
N total
Paso 5 : Encontrar la suma de cuadrados entre grupos.
(Σ x)2 (Σ x total)2
s.c.entre grupos = Σ -
N N total
Paso 6 : Encontrar la suma de cuadrados dentro de los grupos.
s.c.dentro de los grupos = s.c.total - s.c.entre grupos
s.c.dentro de los grupos =
48
Paso 7 : Encontrar los grados de libertad entre los grupos.
gl entre grupos = K - 1
gl entre grupos =
gl entre los grupos =
Paso 8 : Encontrar los grados de libertad dentro de los grupos.
gl dentro de los grupos = N total - 1
gl dentro de los grupos =
Paso 9 : Encontrar la media cuadrática entre los grupos.
s.c.entre grupos
µ c.entre grupos =
gl entre grupos
Paso 10 : Encontrar la media cuadrática dentro de los grupos.
s.c.dentro de los grupos

µ c.dentro de los grupos =
gl dentro de los grupos
49
Paso 11 : Obtener F .
µ c. entre grupos
F=
µ c. dentro de los grupos
Valor críticode F =
Altamente significativa, F (p 0.05).
50
.
Pos hoc
COMPARACIONES MULTIPLES DE MEDIAS CON DSH ( DIFERENCIA

SIGNIFICATIVA HONESTA ) DE TUKEY.
Una razón F significativa nos indica una diferencia global, pero en la comparación de
múltiples medias es necesario saber donde está la diferencia real. Para tal situación
se utiliza la DSH de Tukey.
1) Se utiliza cuando se ha obtenido una diferencia significativa de F.

2) Se utiliza para las comparaciones de múltiples medias.
3) Una diferencia entre medias es estadísticamente significativa solo si es igual o
mayor que la DSH.
FORMULA :
µcdentro
DSH = qα
n
Donde :
• qα : un valor de la tabla o un nivel de confianza dado para un número máximo de
medias que se están comparando.
• µ c dentro : media cuadrática dentro de los grupos.
• n : número de entrevistados de cada grupo.
Paso 1 : Construir una tabla de diferencias entre medias ordenadas de menor a

mayor valor.
x 1- x 2 =
x 2- x 3=
x 1- x 3=
51
Paso 2 : Encontrar qα en la tabla con puntos de porcentaje del rango student; para
poder obtenerlo se necesita lo siguiente:
a) Grados de libertad para la media cuadrática dentro de los grupos.(= ).
b) Tener el mayor número de medias.(= ).
c) Tener un nivel de confianza que puede ser 0.01 o 0.05, en este caso
vamos a utilizar 0.05.(qα = ).
d) Con los datos anteriores obtener DSH.
µcdentro
DSH = qα
n
DSH =
x 1- x 2 = p 0.05
x 2- x 3= p 0.05
x 1- x 3= p 0.05
PROBLEMA
 Se trata de comprobar la teoría de que existe diferencia en el grado de
aprovechamiento entre los diferentes grupos: 201, 202 y 203 en Química
Orgánica.
GRADO DE APROVECHAMIENTO DE LOS ALUMNOS EN QUIMICA ORGANICA
X1 : X2 : X3 :
Casos GRUPO GRUPO GRUPO X12 X22 X32
201 202 203
1 8 7 6
2 9 4 7
3 10 6 4
4 8 4 8
5 9 5 7
6 10 7 8
7 7 6 6
8 10 4 5
Total
52
H0 :
H1 :
H0
H1
∑ x1
x1 = =
n1
∑ x2
x2 = =
n2
∑ x3
x3 = =
n3
Paso 4 : Encontrar la suma total de cuadrados.
( Σ x total )2
s.c.total = Σ x2 total -
N total
53
Paso 5 : Encontrar la suma de cuadrados entre grupos.
(Σ x)2 (Σ x total)2
s.c.entre grupos = Σ -
N N total
Paso 6 : Encontrar la suma de cuadrados dentro de los grupos.
s.c.dentro de los grupos = s.c.total - s.c.entre grupos
Paso 7 : Encontrar los grados de libertad entre los grupos.
gl entre grupos = K - 1
54
gl entre grupos =
gl entre los grupos =
Paso 8 : Encontrar los grados de libertad dentro de los grupos.
gl dentro de los grupos = N total - 1
Paso 9 : Encontrar la media cuadrática entre los grupos.
s.c.entre grupos
µ c.entre grupos =
gl entre grupos
µ c.entre grupos =
µ c.entre grupos =
Paso 10 : Encontrar la media cuadrática dentro de los grupos.
s.c.dentro de los grupos

gl dentro de los grupos
55
Paso 11 : Obtener “F”.
µ c. entre grupos
F=
µ c. dentro de los grupos
Paso 12: Obtener el valor crítico con α de 0.05.
Valor crítico =
Significativa, F (p 0.05).
56
REQUISITOS PARA LA DISTRIBUCION “F”.
1) Comparación de 3 o más medias independientes, no se puede comparar una sola

muestra.
2) Los datos de intervalos, requiere datos cuantitativos continuos.
3) La muestra debe ser aleatoria.
4) Debe constituir una población normal de donde se obtiene la muestra.
5) Utiliza niveles de significancia de 0.01 y 0.05.
COEFICIENTE DE CORRELACION DE PEARSON
MODELO RECTILINEO SIMPLE
ρ = universo
r=n
ΝΣ xy − ( Σx) ( Σy)
r=
[ ΝΣ x 2
− ( Σx)
2
][ ΝΣ y 2
− ( Σy )
2
]
PROBLEMA
 Un investigador cree que existe una correlación entre la edad en días y el peso en
Kg de ciertos niños nacidos en el Puerto de Veracruz. Desea un α de 0.05.
CORRELACION ENTRE LA EDAD EN DIAS Y PESO EN KILOGRAMOS.
Casos X : DIAS Y : PESO XY X2 Y2

KG
1 1 3.6
57
2 2 3.4
3 3 3.1
4 30 3.9
5 30 4.2
6 60 5.8
7 60 5.1
8 90 5.9
9 120 7.0
10 150 8.6
Total
H0 :
H1 :
H0
H1
Paso 3 : Obtener “r”.
r=
[ ΝΣ x 2
− ( Σx)
2
][ ΝΣ y 2
− ( Σy )
2
]
58
Paso 4: 0btener el valor crítico con α de 0.05.
Valor cítrico de r =
0
Significativa, r (p 0.05).
PROBLEMA
 Un investigador cree que existe una correlación entre la presión de oxígeno y la
saturación de oxígeno en la hemoglobina. Considera que cuanto mayor sea la
presión de oxígeno, mayor será la concentración en la hemoglobina. Utiliza un α
de 0.05.
CORRELACION ENTRE LA PRESION DE OXIGENO Y LA CONCENTRACION EN

LA HEMOGLOBINA
Casos X:PRESION Y=SATURACIO XY X2 Y2

DE O2 N DE O2 EN Hb
1 10 10
2 11 14
3 15 28
4 20 42
5 30 69
6 35 80
7 40 81
8 50 92
9 60 90
Total
59
H0 :.
H1 :
H0
H1
r=
[ ΝΣ x 2
− ( Σx)
2
][ ΝΣ y 2
− ( Σy)
2
]
60
Paso 4 : 0btener el valor crítico con α de 0.05.
gl =
Valor crítico =
Significativa, r (p 0.05).
PROBLEMA
 Un investigador está interesado en saber si los procedimientos de laboratorio se
han realizado adecuadamente; para ello ordena reproducir la técnica, a fin de
determinar si hay glucosa en la sangre mediante un método espectofotómetro;
desea saber qué relación existe entre diversas concentraciones de una solución
stándar de glucosa y los valores de absorvancia de luz, expresados como
densidad óptica. Utiliza un α de 0.05.
CORRELACION ENTRE DE UNA SOLUCION ESTANDAR DE GLUCOSA Y LA
DENSIDAD OPTICA
X: CONC.DE Y: DENSIDAD XY X2 Y2
Casos GLUCOSA (mg) OPTICA
1 0.01 0.165
2 0.01 0.172
3 0.02 0.220
4 0.02 0.196
5 0.03 0.265
6 0.03 0.270
7 0.04 0.295
8 0.04 0.320
9 0.05 0.400
10 0.05 0.380
Total
61
H0 :
H1 :
H0
H1
r=
[ ΝΣ x 2
− ( Σx)
2
][ ΝΣ y 2
− ( Σy )
2
]
Paso 4 : 0btener el valor crítico con α de 0.05.
r=
62
gl =
Valor crítico =
Significativa, r ( p 0.05).
REQUISITOS PARA LA UTILIZACION DE LA DISTRIBUCION “r” DEL
COEFICIENTE DE CORRELACION DE PEARSON:
1) Sirve para correlacionar una variable independiente con una dependiente.

2) Utiliza datos de intervalo o escalas cuantitativas continuas.
3) La obtención de la muestra debe ser aleatoria y debe proceder de una población
normal.
4) Generalmente utiliza niveles de significancia de 0.01 y 0.05.
5) Se utiliza para coeficiente de correlación lineal.
PRUEBAS ESTADISTICAS NO PARAMETRICAS
DE ESCALA NOMINAL
63
X2 DE PEARSON PARA UNA MUESTRA
La prueba de X2 para una muestra se emplea frecuentemente como una prueba de

bondad de ajuste,las mediciones están en escala nominal, resulta muy útil este
procedimiento.
La eficacia de la prueba está de acuerdo con el tamaño de la muestra, algunos
autores consideran que es insensible, aporta más seguridad cuando se tienen 2
categorías.
FORMULA :
(o − e) 2
X2 = Σ
e
Donde:
• X2 : chi cuadrada.
• o : frecuencia observada.
• e : frecuencia esperada.
PROBLEMA
 Un médico oncólogo ha tratado a 120 pacientes de un cáncer maligno, aplicó 4
tipos de terapia y la mortalidad observada fue diferente para cada grupo. Analizó
sólo el caso de los pacientes que fallecieron a fin de saber si la toxicidad fue
distinta.
FRECUENCIA DE MORTALIDAD EN 4 TIPOS DE TRATAMIENTO

VALORES RADIACION RADIACION RADIACION SOLO TOTAL
+ DROGA 1 + DROGA 2 + DROGA 4 RADIACION
OBSERVADO 15 7 8 6 36
ESPERADO
H0 :
64
H1 :
Paso 2 : Obtener los valores esperados.
Paso 3 : Sustituir los datos en la fórmula.
(o − e) 2
X2 = Σ
e
X2 =
Paso 4 : Obtener los grados de libertad.
gl = K-1
Páso 5 : Obtener el valor crítico con α de 0.05.
X2 =
gl =
Valor crítico =
No significativa, x2 (p 0.05)
65
PROBLEMA
 En cierta población se realizó una encuesta observándose un incremento en el
uso de estupefacientes (droga) entre los jóvenes de 15 a 19 años; se desea saber
si existe una diferencia entre los demás grupos etarios. Utilice un α de 0.05.
EDAD EN 10 - 14 15 - 19 20 - 24 25 - 29 TOTAL
AÑOS
VARIABLES
DROGADICCION 20 40 10 15 85
ESPERADO
H0 :
H1 :
Valores esperados =
(o − e) 2
X2 = Σ
e
66
gl = K-1
gl =
X2 =
gl =
Valor crítico =
Significativa, x2 (p 0.05).
67
CORRECCIONES PARA PEQUEÑAS
FRECUENCIAS ESPERADAS EN X2
CORRECCION DE YATES
N[ ( AD − BC ) − N / 2]
2
X2 =
( A + B)( C + D)( A + C)( B + D)
PROBLEMA
 Un investigador cree que existe asociación en el consumo excesivo de
carbohidratos con relación a la obesidad. Se desea un α de 0.05.
OBESIDAD
CONSUMO
SI NO
DE SI 15 A B 5 20
CARBOHI- NO 6 C D 10 16
DRATOS
TOTAL 21 15 36
68
H0 :
H1 :
N[ ( AD − BC ) − N / 2]
2
2
X =
( A + B)( C + D)( A + C)( B + D)
X2 =
gl = (C - 1)(r - 1)
C = columnas r = renglones
gl = (2 - 1)(2 - 1)
gl = 1
X2 =
Valor crítico =
69
No significativa, x2(p .05).
Otra fórmula para obtener X2 con corrección de Yates es la siguiente
X2 = Σ [
( o − e) − 0.50]
2
PROBLEMA
 Un investigador cree que existe una relación entre el tabaquismo y el cáncer
broncogénico. Desea un α de 0.05, en una tabla de 2x2.
T
A CANCER BRONCOGENICO
B SI NO TOTAL
A
Q
SI 80 60 140
U NO 5 70 75
I TOTAL 85 130 215
S
M
O
H0 :
H1 :
Paso 2 : Obtener la tasa del daño de cáncer broncogénico con factor de

riesgo.
Cáncer broncogénico con f.r

Tasa del daño = x 100 0
Total de fumadores con f.r.
70
Tasa del daño =
Paso 3 : Obtener la tasa del daño de cáncer broncogénico sin factor de

riesgo.
Cáncer broncogénico sin f.r

Tasa del daño = x 1000
Total de casos sin f.r.
Paso 4 : Obtener la tasa del daño en la muestra.
Total de casos por cáncer

Tasa del daño en la muestra = x 1000
Tamaño de la muestra
Paso 5 : Frecuencia del factor de riesgo en la muestra.
Total de pacientes con f.r.

Frecuencia del f.r. en la muestra = x 1000
Paso 6 : Determinar la asociación estadística entre el factor de riesgo y el factor de

muerte de cáncer broncogénico.
71
(o − e) 2
X2 = Σ
e
+ - TOTAL
+ 80 60 140
- 5 70 75
TOTAL 85 130 215
Total de columnas x Total de hileras

Valores esperados =
Gran total
85x140
er
1 Valor esperado = = 55.35
215
2° Valor esperado =
3erValor esperado =
4° Valor esperado =
Paso 8 : Obtener X2.
(o − e) 2
X2 = Σ
e
72
Paso 9 : Hallar los grados de libertad.
gl = (C - 1)(r - 1)
gl = 1
Significativa, X2 (p 0.05).
Paso 11 : Obtener la razón de Momios.
AD
Razón de Momios =
BC
73
También se utiliza la fuerza de asociación y es igual a:
Fuerza de Asociación = tasa del daño en los expuestos al f.r.
Tasa del daño en los no expuestos
F. Asociación = 571.42 = 8.57. la interpretación es la misma que la de la R_M.

66.66
PROBLEMA
 Un investigador cree que un producto de bajo peso al nacer conduce a una
mortalidad neonatal, desea saber si es o no significativa con α de 0.05.
MORTALIDAD NEONATAL
BAJO + - Total
PESO + 40 15 55
AL - 10 65 75
NACER Total 50 80 130
H0 :
H1 :
Paso 2 : Obtener la tasa del daño de mortalidad neonatal con factor de riesgo.
Mortalidad neonatal con f.r

Total de recién nacidos con f.r.
Paso 3 : Obtener la tasa del daño de mortalidad neonatal sin factor de riesgo.
Mortalidad neonatal sin f.r

Total de recién nacidos sin f.r.
74
Paso 4 : Obtener la tasa del daño en la muestra.
Total de casos de mortalidad neonatal

Tasa del daño = x1000
Paso 5 : Obtener la frecuencia del factor de riesgo en la muestra.
Total de pacioentes con f.r.

Frecuencia del f.r. en la muestra = x 1000
Paso 6 : Determinar la asociación estadística entre el factor de riesgo con bajo peso.
50 x55
1° = = 2115
.
130
2° =
3° =
4° =
(o − e) 2
X2 = Σ
e
75
gl = (C - 1)(r - 1)
Paso 9 : Obtener la razón de Momios.
AD
Razón de Momios =
BC
76
.
COMPARACION DE VARIOS GRUPOS DE X2
PROBLEMA
 Un investigador cree que existe asociación entre las orientaciones políticas y los
métodos de crianza de los niños. Desea un α de 0.05.
ORIENTACIONES POLITICAS
CONSER- MODERA- LIBERAL TOTAL
VADOR DO
METODOS NO RIGIDO 7 9 14 30
DE MODERADO
CRIANZA 10 10 8 28
AUTORITARIO 15 11 5 31
TOTAL 32 30 27 89
H0 :
H1 :
Paso 3 : Obtener X2.
(o − e) 2
X2 = Σ
e
77
gl = (C - 1)(r - 1)
gl = 4
0
No significativa, X2 (p> 0.05).
Paso 6: Conclusiones.
REQUISITOS DE LA X2
1) No requiere de una distribución normal.

2) Comparaciones entre dos o mas muestras independientes, requiere una tabla
de 2x2.
3) No se utiliza en mediciones antes y después.
4) Utilizan datos normales.
5) Muestreo aleatorio de una población determinada.
6) Las frecuencias esperadas no deben ser demasiadas pequeñas, para una
tabla de 2x2, ninguna frecuencia esperada será menor de 5.
7) Para una corregida de Yates debe usarse una tabla de 2x2. en el cual una
casilla esperada es menor de 10.
78
8) En comparaciones de tablas de 3x3, o 4x5, no existe ninguna regla rápida.
9) La suma de las frecuencias esperadas debe ser el mismo número de
casillas observadas.
PRUEBA DE LA PROBABILIDAD EXACTA DE FISHER
Esta prueba es una técnica no paramétrica sumamente útil para analizar datos
concretos (nominales u ordinales).
Se usa cuando los puntajes de 2 muestras independientes pertenecen
respectivamente a clases mutuamente excluyentes. Los puntajes se representan en
una tabla de contingencia de 2x2, pueden ser dos grupos independientes
cualesquiera, como experimentales y controles, hombres y mujeres, empleados y no
empleados, etc.
Los encabezados pueden ser más o menos, por encima o por debajo de la mediana,
aprobado o reprobado.
PROBLEMA
 Un investigador cree que existe asociación con cierto tipo de lesión de ligamento
con respecto al dolor. Utilice α de 0.05.
PACIENTES CON DOLOR POR LESION DEL LIGAMENTO

- + TOTAL
GRUPO I 10 A B 0 10
GRUPO II 4 C D 5 9
14 5 19
( A +B)!( C +D)!( A + C)!(B +D)!

P=
N! A ! B! C ! D !
79
REQUISITOS PARA LA PRUEBA EXACTA DE FISHER YATES
1) Prueba estadística frecuentemente utilizada como alternativa cuando no se puede

aplicar la X2 de Pearson.
2) Utiliza escala nominal con dos muestras independientes.
3) Utiliza tabla de 2 x 2.
4) Utiliza valores factoriales.
5) Para todo valor de probabilidad igual o menor que el α (0.05) se acepta H1 y se
rechaza H0.
6) Se utiliza en muestras pequeñas (de 20).
PRUEBA DE Mc NEMAR PARA PARA MUESTRAS DEPENDIENTES
Este procedimiento es útil cuando las muestras son dos y resultan

dependientes.
El tipo de escala utilizado es la nominal, dicha prueba es un equivalente de la
“t de Student” y sólo es aplicable cuando existen dos momentos antes y después.
PROBLEMA
 Un investigador de medicina preventiva observa que los empleados en una fábrica
padecen frecuentemente de cuadro diarreico motivo del gran ausentismo. El
supone que existe una higiene inadecuada en la proporción de la comida. Sin
embargo la higiene personal de los empleados no es suficiente para atribuir la
culpa personal de la cocina por lo tanto elige una muestra de 50 individuos, de los
que resultan 34 presentando cuadros diarreicos frecuentes y 16 no. Vigila que se
apliquen las medidas de higiene del personal con un exhaustivo lavado de mano
antes de ingerir los alimentos durante un periodo de 2 semanas.
DESPUES DE LAVADO DE MANOS

ANTES
DE - + TOTAL
LAVADO + 16 A B 18 34
DE - 12 C D 4 16
MANOS TOTAL 28 22 50
H0 : No existe una relación entre el ausentismo de los empleados de una fábrica y las
medidas de higiene del personal de la cocina.
80
H1 : Existe una relación entre el ausentismo de los empleados de una fábrica y las
medidas de higiene del personal de la cocina..
Paso 2 : Reemplazar los datos en la fórmula:
[( A − D) − 1] 2
X2 =
A +D
Paso 3 : Encontrar los grados de libertad. ( buscar en la tabla de x2 )
gl = (C - 1)(r - 1)
Paso 5 : Conclusiones
PROBLEMA
81
 Un psicólogo está interesado en la iniciación de los niños en los contactos
sociales. Ha observado que los niños recién llegados a una guardería suelen
iniciar sus contactos personales con adultos. Predice que con la creciente
familiaridad y experiencia los niños iniciarán cada vez más contactos sociales con
los niños.
CAMBIOS EN LOS OBJETIVOS DE LA INICIACION DE LOS NIÑOS
OBJETIVOS DE LA INICIACION AL DIA 30

OBJETIVOS NIÑO ADULTO TOTAL
DE LA ADULTO 14 A B 4 18
INICIACION
EN LOS NIÑO 3 C D 4 7
NIÑOS 17 8 25
H0 :
H1 : Paso 2 : Reemplazar los datos en la fórmula:
[( A − D) − 1] 2
X2 =
A +D
Paso 3 : Encontrar los grados de libertad.
gl = (C - 1)(r - 1)
82
Valor crítico =
X2 = 4.5
Significativa, X2 (p < 0.05).
REQUISITOS PARA EL USO DE LA PRUEBA DE Mc NEMAR
1) Se utiliza cuando se tienen dos muestras y son dependientes.

2) Utiliza escala nominal.
3) Es un equivalente de la “t de Student” para muestras dependientes y son
aplicables para 2 momentos : antes y después.
4) Utiliza la tabla de X2 para obtener los valores críticos.
5) Para todo valor de probabilidad igual o menor que el de α (0.05), se acepta H1 y
se rechaza H0.
COMPARACIONES ENTRE LOS PORCENTAJES DE DOS MUESTRAS
INDEPENDIENTES
83
PROBLEMA
 En un hospital se trataron por el método clásico 80 casos de viruela, de los cuales
murieron 24, con una letalidad de 30 %. Otros 120 casos fueron sometidos a un
nuevo tratamiento con 30 fallecimientos, con una letalidad del 25 %. Se desea
saber si existe diferencia significativa con α de 0.05.
PACIENTES CON VIRUELA Y DEFUNCIONES SEGUN TRATAMIENTO.

VENEZUELA, 1961.
TRATAMIENTO CASOS DEFUNCIONES %

CLASICO 80 24 (P1)
NUEVO 120 30 (P2)
TOTAL 200 54 (P0)
H0 :.
H1 :
Paso 2 : Determinar el % de letalidad de cada grupo de tratamiento.
Paso 3 : Determinar el % de letalidad del total de pacientes.
Paso 4 : Determinar la letalidad del universo
Y la probabilidad de que un paciente no muera
Paso 5 : Calcular el error estándar de la diferencia entre los dos porcentajes.
p 0 q0 p 0 q0
(E.E.) P1 - P2 = +
n1 n2
84
Donde :
• p0 : letalidad global =
• q0 : 100 - p0 = 100 - 27 =
• n1 : número de individuos en la primera muestra =
• n 2 : número de individuos en la segunda muestra=
Sustitución de datos con la formula:
Paso 6: Averiguar la diferencia en la letalidad entre el primero y el segundo grupo.
Diferencia =
Paso 7: Obtener el cociente de:
5
6.4
Paso 8 : Obtener el valor crítico en la tabla de distribución Z con α de 0.05.
Valor crítico =
No significativa, Z (p 0.05).
85
PROBLEMA
 200 pacientes que sufrían síndrome X fueron divididos al azar en dos grupos
iguales; el primer grupo recibió tratamiento estándar; 78 se recuperaron en un
plazo de 3 días. De los otros 100 tratados con un nuevo método, 90 se
recuperaron en 3 días. El investigador cree que existe diferencia de que el nuevo
tratamiento es más efectivo que el estándar.
PACIENTES CON DIFERENTES TRATAMIENTOS
TRATAMIENTO CASOS RECUPERACION %

ESTANDARD 100 78 (P1)
NUEVO 100 90 (P2)
TOTAL 200 168 (P0)
H0 :
H1 :
H0 p1 – p2 = 0
H1 P1 – p ≠ 0
Paso 3 : Determinar el % de letalidad para cada grupo de tratamiento.
Paso 4 : Obtener q0.
86
Paso 5 : Calcular el error stándar de la diferencia entre los dos porcentajes.
p 0 q0 p 0 q0
(E.E.) P1 - P2 = +
n1 n2
Paso 6 : Averiguar la diferencia en la letalidad entre el primero y el segundo grupo.
Paso 7 : Obtener el cociente de :
Paso 8 : Obtener el valor crítico en la tabla de distribución Z con α de 0.01.
Significativa, Z (p 0.01).
87
Otra fórmula que se puede utilizar es la siguiente :
~ ~
(P2 − P1 ) − (P2 − P1 )
Z=  1 − P2   1 − P1 
P2   + P1  
 n2   n1 
REQUISITOS PARA COMPARAR PORCENTAJES
1) Sirve para comparar proporciones o porcentajes entre dos grupos.

2) Utiliza escalas cuantitativas discontinuas. O nominales
3) Debe obtenerse los porcentajes de cada grupo.
4) No utiliza grados de libertad.
5) Utiliza niveles de significancia de 0.01 y 0.05 generalmente.
6) El valor crítico debe obtenerse en la tabla de distribución Z.
Prueba Q de Cochran
88
Para tres o mas muestras dependientes.
Es una prueba que puede considerarse como una extensión de la prueba de

McNemar.
El grupo sirve como su propio control, en el que existe un periodo previo y otro
ulterior
La escala es de tipo nominal.
Esta técnica se distribuye igual de la ji cuadrada, por lo tanto se expresa como x2q.
FORMULA
( K-1 ) ( K ∑ Gn2 _ ( ∑ G n)2 )

2
X Q. = ________________________________________
K ∑ L c - ∑ Lc2
DONDE:
X2Q . = es la estadística de q de Cochran
K.- numero de tratamientos.

Gn.- numero total de respuestas de cambio por individuo de la muestra o hileras y
∑.= sumatoria.
PROBLEMA
Un psicólogo investiga el aprendizaje simple en 15 ratas a las que se les aplica
cuatro tratamientos diferentes a intervalos de un mes cada uno, para lo cual utiliza
cuatro laberintos distintos.
los tratamientos corresponden a 4 fármacos que según afirman los fabricantes, tiene
la capacidad para facilitar el aprendizaje.
Cada vez que ocurre un tratamiento aleatorizado.
Determina el investigador un periodo critico de respuesta de la rata en estudio.
Con esto determina si fueron positivos o negativos.
Solución del laberinto
Identidad Trata1 Tara2 Tara3 Tarat4 Lc L c2

de la rata
1 0 0 1 0
89
2 1 1 1 0
3 0 1 1 0
4 0 1 1 1
5 1 0 1 1
6 1 1 0 0
7 1 0 0 1
8 0 1 1 1
9 0 0 1 0
10 0 0 0 1
11 1 0 1 0
12 0 0 1 0
13 0 0 1 0
14 1 0 1 1
15 0 1 1 1
∑Gn 6 6 12 7
PASOS.1 HO , H1.
PASO 2 .- Arreglar la muestra individualmente de a cuerdo con las respuestas de

cambio.
PASO 2 .- obtener la sumatoria de cada cambio por columna.
PASO 3 .- Obtener la sumatoria por renglones de cada caso.
PASO 4 .- Elevar al cuadrado la sumatoria por renglones de casos positivos.
PASO 5 .- Aplicar la formula señalada para este estudio.
PASO 6.- Calcular los grados de libertad. Gl. = K-1
PASO 7.- obtener los valores críticos en la tabla de chi cuadrada con alfa de 0.05.
PASO 8.- diga si es o no significativa.
PASO 9.- Conclusiones.
90
0
Paso 9: X2Q. = (p 0.05)
Paso 10: Conclusiones
Requisitos para su uso
1.- Tener 3 o mas muestras dependientes.

2.- utiliza escala nominal.
3.- decidir nivel de significancia de 0.05 o 0.01.
ANALISIS DE LA VARIANZA
EN DOS DIRECCIONES PARA RANGOS DE FRIEDMAN
Constituye un sistema no paramétrico para verificar la muestra a la que se ha medido

bajo dos condiciones.
91
12
X r2 = Σ( ΣRI ) 2 − 3N(K +1)
NK (K +1)
Donde:
• K : número de mediciones.
• N : número total de entrevistados.
• Σ RI : suma de los rangos para una medición cualquiera.
PROBLEMA
 La hostilidad de los niños varía según el nivel de violencia en los programas de
televisión.
CUADRO COMO ESPECTADOR

Casos Violencia Rango Violencia Rango Violencia Rango
baja bajo media medio alta alto
1 23 30 32
2 41 45 43
3 36 35 39
4 28 29 35
5 39 41 47
6 25 28 27
7 38 46 51
8 40 47 49
9 45 46 42
10 29 34 38
Total
H0 :
H1 :
Paso 2 : Obtener los rangos de cada grupo.
Paso 3 : Sumar los rangos bajo cada condición para cada columna.
Paso 4 : Sustituir los datos de acuerdo con la fórmula.
92
12
X r2 = Σ( ΣRI ) 2 − 3N(K +1)
NK (K +1)
gl = K - 1
Paso 6 : Obtener el valor crítico con α de 0.05. (buscar en la tabla de Chi

cuadrada).
Significativa, Xr2 (p 0.05).
93
PROBLEMA
 Un investigador está interesado en estudiar la acción de los fármacos
anticonvulsivos, en relación con una serie de sustancias que por mecanismos
diferentes inducen a crisis convulsivas.
TIEMPO EN HORAS EN EL CUAL SE PRESENTA LA MUERTE EN RATONES

INYECTADOS
Convulsionantes Fenobarbital R Dife R Diacepan R Clonacepan R

nilcar
bazida
Tiosemicarbacida 1 4 0.1 2
Metrazol 0.5 1 4 2
Estricnina 0.3 0.6 3 3
Total
* NOTA : cuando existe un empate en los rangos o ligas, se suman los valores de los
rangos y se dividen entre el número de rangos.
H0 :
H1 :
Paso 2 : Obtener los rangos de cada grupo.
Paso 3 : Sumar los rangos bajo cada condición para cada columna.

94
12
X r2 = Σ( ΣRI ) 2 − 3N(K +1)
NK (K +1)
gl = K - 1
Paso 6 : Obtener el valor crítico con α de 0.05. ( Buscar en la tabla de chi

cuadrada).
No significativa, X r2 (p 0.05).
95
REQUISITOS PARA EL USO DE Xr2:
1) Sirve para comparar una sola muestra medida bajo 3 o más condiciones.
2) Utiliza datos ordinales, que pueden colocarse por rangos.
3) El número de entrevistados no debe ser muy pequeño : el requisito mínimo exacto
para muestra depende del número de condiciones (K) a los que se va a exponer a
los entrevistados; n = 10 cuando K = 3; n = 5 cuando K = 4.
4) La obtención de la muestra debe ser probabilistica o por azar.
5) La procedencia de la muestra debe obtenerse de una distribución normal.
6) Se utiliza cuando se tiene más de 20 casos.
7) Cuando la muestra es menor de 20 casos e incluye 0, en algunas de las casillas,
se utiliza la prueba exacta de Fisher yates.
8) Utiliza grados de libertad.
9) Utiliza niveles de significancia de 0.01 y 0.05, generalmente.
ANALISIS DE LA VARIANZA EN UNA DIRECCION POR RANGOS DE KRUSKAL
WALLIS
Alternativa no paramétrica para el análisis de la varianza para comparar varias

muestras independientes con datos ordinales.
12 ( ΣRI ) 2 
H= Σ  − 3(N +1)
N(N +1)  n 
96
Donde :
• N : número total de casos.

• n : número de casos en una muestra dada.
• RI : suma de rangos para una muestra dada.
PROBLEMA
 Un investigador cree que existe diferencia entre el número de días para encontrar
un empleo con respecto a la edad senil mediana y joven. Se desea un α de 0.05.
NUMERO DE DIAS PARA ENCONTRAR UN EMPLEO ENTRE LAS DIFERENTES

EDADES.
casos adulto rango adulto rango adulto rango

señil edad joven
media
1 63 33 25
2 20 42 31
3 43 27 6
4 58 28 14
5 57 51 18
6 71 64 13
7 45 12
8 30
Total
H0 :
H1 :
Paso 2 : Obtener por rangos el número de puntajes y encontrar la suma de los

rangos para cada muestra.
97
12 ( ΣRI ) 2 
H= Σ  − 3(N +1)
N(N +1)  n 
gl = K - 1
Paso 5 : Obtener el valor crítico con α de 0.05. ( Buscar en la tabla de chi

chuadrada).
Significativa, H (p < 0.01).
98
PROBLEMA
 Un investigador estudia el efecto benéfico de 4 sustancias anticonvulsionantes
(fenobarbital, difenilhidantoinato, diacepan y clonacepan), para proteger contra la
muerte producida por la tiosemilcarbazida, elige a 24 ratones, los somete a la
investigación y toma el tiempo hasta que mueran los ratones. Utilice α de 0.05.
TIEMPO EN HORAS QUE TARDA EL FARMACO EN CAUSAR LA MUERTE EN

LOS RATONES.
Fenobarbital R DHF R Diacepan R Clonacepan R
2 0.5 10 4
4 1 11 3
6 6 8 5
4 6 9 1
2 0.3 12 6
1 0.4 13 3
Suma total
H0 :.
H1 :
Paso 2 : Obtener por rangos el número de puntajes y encontrar la suma de los

rangos para cada muestra.
12 ( ΣRI ) 2 
H= Σ  − 3(N +1)
N(N +1)  n 
99
gl = K - 1
Paso 5 : Obtener el valor crítico con α de 0.05. (Buscar en la tabla de chi cuadrada).
Gl=3
H = 13.86
Valor crítico = 7.81
Significativa, H ( p 0.05 ).
REQUISITOS PARA LA DISTRIBUCION H
100
1) Comparaciones de 3 o más muestras independientes.
2) No se puede aplicar para contrastar diferencias dentro de una sola muestra.
3) Utiliza datos ordinales; solo requiere que sean colocados por rango.
4) Debe tomarse por lo menos 6 casos.
COEFICIENTE DE CORRELACION PARA DATOS ORDINALES
RANGOS ORDENADOS DE SPEARMAN
PROBLEMA
 Considérese la relación entre el status socioeconómico y la cantidad de tiempo
empleado en ver televisión. Imaginemos una muestra de 8 entrevistados que
pudieran colocarse por rangos de la siguiente forma:
NIÑOS SEGUN STATUS SOCIOECONOMICO Y TIEMPO EN VER TELEVISION
entrevistados x : status y: D D2
Casos socioeconómico tiempo
en ver
t.v.
1 MIGUEL 1 2
2 ARACELY 2 1
3 JUAN 3 3
4 NORMA 4 5
101
5 MARIA 5 4
6 TOMAS 6 8
7 RAFAEL 7 6
8 ALEJANDRO 8 7
H0 :
H1 :.
Paso 2 : Colocar por rangos a los entrevistados.
6 ΣD 2
rs = 1 −
N(N2 −1)
Significativa, rs (p 0.05).
102
PROBLEMA
 Un investigador cree que existe correlación entre las categorías de un grupo que
se gradúa y el coeficiente de inteligencia.
POSICION DE LOS ALUMNOS SEGUN EL COEFICIENTE DE INTELIGENCIA
Casos Entrevistados Posición I.Q. Rango D D2

en la clase
1 A 10 110
2 B 9 90
3 C 8 104
4 D 7 100
5 E 6 110
6 F 5 110
7 G 4 132
8 H 3 115
9 I 2 140
10 J 1 140
H0 :.
H1 :
Paso 2 : Colocar por rangos a los entrevistados.
6 ΣD 2
rs = 1 −
N(N2 −1)
103
Significativa, rs (p 0.05).
REQUISITOS PARA EL USO DE rs :
1) Se usa cuando existe una correlación lineal.

2) Utiliza escala ordinal.
3) El muestreo debe ser aleatorio y de una población normal.
4) Generalmente utiliza niveles de significancia de 0.01 y 0.05.
5) Utiliza rangos.
6) Utiliza grados de libertad. Según la tabla que se utiliza.
PRUEBA DE U MANN-WHITNEY PARA MUESTRAS PEQUEÑAS E

INDEPENDIENTES
FORMULAS :
104
n1 (n 1 + 1)
U1 = n1 + n 2 + − ΣRI
2
n 2 (n 2 + 1)
U2 = n1 + n 2 + − ΣR2
2
Donde :
• U1 y U2 : Valores estadísticos de U Mann-Whitney.

• n1 : Tamaño de la muestra 1.
• n2 : Tamaño de la muestra 2.
• Σ RI : Sumatoria de rangos del grupo 1.
• Σ R2 : Sumatoria de rangos del grupo 2.
PROBLEMA
 Un investigador cree que las calificaciones de ejecución de lectura según el
método de enseñanza del experimentador son más altos y diferentes que las
observadas en el método tradicional.
METODOS ESTADISTICOS APLICADOS A LOS GRUPOS DE NIÑOS
No. Casos Método Rango Método Rango

experimental tradicional
1 95 80
2 100 85
3 93 25
4 100 70
5 45 90
Total
H0 :
105
H1 :
Paso 2 : Colocar los rangos de cada grupo en forma horizontal.
Paso 3 : Sustituir los datos en las fórmulas U1 y U2.
n1 (n 1 + 1)
U1 = n1n 2 + − ΣRI
2
n 2 (n 2 + 1)
U2 = n1n 2 + − ΣR2
2
Paso 4 : De los valores obtenidos se escoge el más pequeño y se busca en la tabla.

En este caso U2 = 4.
0
106
Significativa, U ( p 0.05 ).
PRUEBA DE U MANN - WHITNEY PARA MUESTRAS GRANDES E

INDEPENDIENTES
PROBLEMA
 Un investigador decide incrementar la muestra para mejorar los resultados
previos. Considera que las calificaciones por el método experimental son
diferentes con respecto al método tradicional. Utilice α de 0.05.
H0 :.
H1 :.
107
Paso 2 : Construir una tabla con los métodos tradicional y experimental.
casos METODO RANGO METODO RANGO

TRADICIONAL EXPERIMANTAL
1 60 55
2 80 70
3 25 90
4 30 110
5 40 45
6 60 60
7 90 60
8 100 75
9 60 80
10 55 95
11 100
12 110
13 95
14 60
15 70
16 80
17 40
18 65
108
19 50
20 75
21 90
22 90
23 100
24 80
25 100
Paso 3 : Colocar en orden los datos obtenidos de menor a mayor valor.
VARIABLES RANGO
25
30
40
40
45
50
55
55
60
60
60
60
60
60
65
109
70
70
75
75
80
80
80
80
90
90
90
90
95
95
100
100
100
100
110
110
Paso 4 : Colocar los rangos en la tabla y después transcribirlos en la primara tabla.
Paso 5 : Determinar la desviación estándar con la fórmula :
 n1n 2 N3 −N 
σ U= N(N −1)  12 − ΣLI 
  
Donde :
• σ U : desviación estándar de U.
• n1 y n2 : tamaño de la muestra de los grupos 1 y 2.
• N : tamaño total de la muestra.
• Σ LI : sumatoria total de las ligas o empates.
( LI −LI )
3
LI = ∑ 12
110
Paso 6 : Hallar el valor de Z :
U −U
Z=
σU
Donde :
• Z : valor estadístico normal.

• U : cualquier valor de U calculado.
• U : valor promedio de U.
• σ U : desviación estándar de U.
n1n 2
U=
2
Paso 7 : Obtener el valor de U1 Y U2.
n1 (n 1 + 1)
U1 = n1n 2 + − ΣRI
2
111
n 2 (n 2 + 1)
U2 = n1n 2 + − ΣR2
2
U −U
Z=
σU
Paso 8 : Obtener el valor crítico en la tabla Z con α de 0.05.
Significativa, U (p 0 05).
Paso 9 : Decisión.
REQUISITOS PARA LA PRUEBA DE U MANN – WHITNEY
112
1) Usa mediciones ordinales.
2) Las muestras deben ser independientes.
3) Es una alternativa de “t de Student”.
4) Si n es menor de 20 se consideran muestras pequeñas.
5) Si n es mayor de 20 se consideran muestras grandes.
6) En caso de muestras grandes se calcula Z.
7) Para todo valor menor o igual a α (0.05), se acepta H1 y se rechaza H0.
8) Se utiliza cuando los datos en la “t de Student” no cumplen los requisitos para el
promedio.
Prueba de Wilcoxon
Es una técnica no para métrica, con escala ordinal.
Problema
Un medico especialista urólogo, busca comprobar la efectividad de un medicamento
para infecciones de vías urinarias, de esta forma sus cirugías serán de mayor éxito si
da un tratamiento antes de la cirugía, para inhibir la flora bacteriana, para esto realiza
un uro cultivo antes y después del tratamiento, desea saber si existe o no diferencia
significativa con alfa de 0.05
Uro cultivo antes y después del tratamiento con el nuevo medicamento
No. No. bacterias No. Bacterias Diferencia de Rangos Rangos de signos

Casos antes después mediciones d menos frecuentes
1 15000 12000
2 16000 2500
3 5750 250
4 11000 18000
5 7500 1500
6 17300 10000
7 5500 8250
8 6000 1500
9 7000 12000
10 2500 1000
113
11 7500 8000
12 6500 3000
13 7000 11000
14 12000 1500
15 30000 18000
16 15000 3000
17 25000 8000
18 110000 5000
19 75000 2000
20 1850 2650
21 25000 15000
22 8000 15000
23 60000 30000
24 5000 3200
25 10000 15000
26 30000 25000
27 100000 10000
28 7000 25000
29 6000 1500
30 7000 15000
Total
Paso1.- Elaborar hipótesis nula y alterna
Ho
H1
Paso 2: obtener las diferencias antes y después del uro cultivo
Paso3: Obtener los rangos d. sin tomar en cuenta a los signos negativos en este
momento.
Paso 4: obtener los rangos de signos menos frecuentes
_
Paso 5: obtener XT con la formula
114
_
XT = N(n + 1)
_______
4
Paso 5: obtener σ T con la fórmula
N ( N +1)( 2 N +1)
σ T= 24
Paso 6: Obtener ZT
_
T - XT
ZT = _-------------------_________________
σ T
El valor debe buscarse en la tabla de Z de la distribución normal ( A.4.), en la

intersección de la hilera 2 y columna 0.4 que es igual a
Es o no significativa y como se anotara
ZT ( p 0.05)
Paso 7: conclusiones
Requisitos para el uso Wilcoxon
1.- Es un equivalente dela t de Student.

2.-.Se usa cuando la distribución no es normal,
3.- En muestras pequeñas comprende para mayores de casos a menores o igual
de 25.
4.- Las muestras grandes deben ser mayores de 25
115
5.- Dicha prueba estadística consiste en sumar los rangos de signos frecuentes; por
ello no se tiene una ecuación o fórmula, como en otras pruebas estadísticas
CALCULOS DE FRACCION MUESTRAL
Cuando en el diseño experimental se obtienen diversos grupos y se desea conocer

el tamaño de la muestra de cada uno en comparación de promedios. Ejemplo:
PROBLEMA

 En una investigación acerca del peso de recién nacidos, procedentes de madres
que durante la gestación fumaron o no cigarrillos. La muestra preliminar consta de
10 niños de cada grupo y el promedio de peso de los niños de madres no
fumadoras fue de 3.175 Kg con una desviación estándar de ± 0.362, y el de los
niños de madres fumadoras fue de 3.350 Kg con una desviación estándar de ±
0.345. El investigador quiere conocer el tamaño de la muestra que debe estudiar
para definir la existencia o no de riesgo de distribución en el peso de niños recién
nacidos, cuando las madres tienen el hábito de fumar durante el embarazo. Por tal
motivo debe obtenerse el índice “d” con la fórmula:
x1 − x2
d=
σ 12 + σ 22
Donde :
116
• d : Índice
• x1 : promedio o media aritmética del primer grupo.
• x2 : promedio o media aritmética del segundo grupo.
• σ 12: desviación estándar al cuadrado del primer grupo.
• σ 22: desviación estándar al cuadrado del segundo grupo.
Paso 1 : Sustituir los valores en la fórmula.
x1 − x2
d=
σ 12 + σ 22
3.350 − 3.175
d=
( 0.345 ) 2 + ( 0.362 ) 2
0.175
d=
0.1190 + 0.1310
0.175
d=
0.25
0.175
d=
0.5
d = 0.35
El valor calculado, de 0.35, se busca en la columna de los valores “d” de la tabla A.2.
En dicho renglón se encuentran 6 valores correspondientes a tamaños de la muestra
opcionales para que el interesado elija el nivel de error que desea trabajar. Se
observa que cuando el error α es de 0.05, es decir, el nivel de significancia para
aceptar la H1 y un nivel de 1-β de 0.90, el tamaño de la muestra es de 91, si el
investigador desea mayor precisión, con un error α de 0.01 y 1-β de 0.99
incrementará el número de muestras por estudiar hasta 245.
117
ESTIMACION DE LA DIFERENCIA DE PROPORCIONES
TAMAÑO DE LA MUESTRA PARA CADA GRUPO
PROBLEMA
 Se busca determinar la diferencia de proporción de enfermeras que abandonan la

carrera en 2 delegaciones. En una delegación se estima que el 30 % de
enfermeras abandonan la carrera después de 3 años de servicio mientras que en
la otra es el 15 %. El intervalo de confianza (95%) de esta diferencia es de 5 a 25
% con un error estándar de 5 %. Calcule el tamaño de la muestra para cada
grupo.

Ρ1(100 − Ρ1 ) + Ρ2 (100 − Ρ2 )
n=
e2
Donde :
• n : tamaño de la muestra.
• e : error permisible.
• P1 : porcentaje en el primer grupo.
• P2 : porcentaje en el segundo grupo.
Sustituir los datos en la formula:
118
ESTIMACION DE LA DIFERENCIA DE MEDIAS
PROBLEMA
 Se determinará la diferencia de pesos de recién nacidos en las universidades A y
B. En la universidad A la media esperada es de 3000 grs. con una desviación
estándar de 500 grs; en la universidad B la media esperada es de 3200 grs. con
una desviación estándar de 500 grs. La diferencia de medias de peso al nacer
entre las dos universidades es de 200 grs. El intervalo de confianza (95%)
deseado para la diferencia es de 100 a 300 grs, dando un error estándar de la
diferencia de 50 grs. El tamaño de la muestra sería:
S12 + S 22
n=
e2
119
ESTIMACION DE LA DIFERENCIA DE TASAS
PROBLEMA
 Se busca determinar la diferencia de tasas de mortalidad materna entre las áreas
urbanas y rurales. En las áreas rurales se estima una tasa de mortalidad materna
de 100/10000 habs. y en las áreas urbanas de 50/10000 habs. nacidos vivos. La
diferencia es de 50/10000 habs. nacidos vivos. El intervalo de confianza (95%) es
de 30 a 70 nacidos vivos, con un error estándar de la diferencia de 10/10000 habs.
El tamaño de la muestra se calcula de la siguiente manera:
r1 + r2
n=
e2
Donde:
• r : tasas de cada área.
120
COMPARACIONES DE PROMEDIOS
TAMAÑO DE LA MUESTRA EN CADA GRUPO
PROBLEMA
 Se determinará la diferencia de peso en Kg de recién nacidos de los hospitales A y
B. En el hospital A la media esperada es de 3000 grs con una desviación estándar
de 500 gs. En el hospital B la media esperada es de 3200 grs con una desviación
estándar de 500 grs. El tamaño de la muestra necesaria para demostrar una
diferencia significativa entre el promedio de pesos entre los hospitales sería:
(U + V )2 (S12 + S 22 )
n=
(m1 − m2 )2
Donde:
• n : tamaño de la muestra.
• S : desviación estándar.
• U : proporción de una cola de la distribución normal correspondiente al 100 %
menos el poder. El poder es la probabilidad de encontrar un resultado significativo
(por ejemplo si el poder es de 77 %, U es igual a 0.77).
• V : proporción de la distribución normal correspondiente al nivel de significancia
(dos colas) (por ejemplo, si el nivel de significancia es de 5 %, V = 1.96).
• m : media.
U = 1.28 ( esto corresponde a un poder del 90 %).

V = 1.96
Sustituir los datos en la fórmula.
121
COMPARACIONES DE TASAS
PROBLEMA
 Se busca determinar la diferencia de las tasas de mortalidad materna entre las
áreas urbanas y rurales. En las áreas rurales se estima una tasa de mortalidad
materna de 100/10000 habs. y en las áreas urbanas de 50/10000 nacidos vivos..
El tamaño de la muestra necesaria para demostrar una diferencia significativa de
las tasas de mortalidad materna para cada localidad sería:
(U + V ) 2 (r1 + r2 )
n=
(r1 − r2 )2
Sustituir los datos en la fórmula:
122
COMPARACIONES DE PROPORCIONES
TAMAÑO DE MUESTRA PARA CADA GRUPO
PROBLEMA
 La proporción de enfermeras que abandonan los servicios de salud se compara en
dos delegaciones del IMSS. En una delegación se estima que el 30% de las
enfermeras abandonan su carrera dentro de los 3 años después de haberse
recibido, en la otra delegación se estima un 15%.
El tamaño de la muestra necesaria para demostrar que la proporción de
enfermeras es diferente entre estas dos delegaciones sería:
(U + V ) 2 [P1(100 − P1 ) + P2 (100 − P2 )]
n=
(P1 − P2 ) 2
Sustituir los datos en la formula
123
BIBLIOGRAFÍA
1.- Bradford H A: Principios de estadística medica. 3ra ed. El Ateneo ,1995.
2.- Basilio G: Manual de estadística. C.E.C.S. A, 1982.
3.- Huntsberger D, Billingsley P: Elementos de estadística inferencial . C.EC.S.A.

1983.
4.- Heber A, Runyon RP: Estadística general. Fondo Educativo Interamericano.

1989.
5.- Duncan RC, Knapp RG,et al: Bioestadística . Interamericana. 1978.
6.- Koosis DJ: Introducción a la inferencia estadística para administración y

economía. Limusa.1974.
7.- Mainland D: Estadística Médica. 2da ed. Interamericana. 1966.

969.
8.- Lewis AE: Bioestadística. C.E.C.S.A. 1969.
9.- Ilton JS, Tsokos JO: Estadística para biología y ciencias de la salud.
Interamericana, Mc Graw Hill. 1987.
10.- Siegel S: Estadística no paramétrica aplicada a las ciencias de la conducta.

Trillas. 1974.
11.- Wayne D. Bioestadística, base para el análisis de las ciencias de la salud. 3ra
ed. Limusa. 1987.
12.- Hoel PG: Estadística elemental. C.E.C.S.A. 1973
13.- Downie NM, Heath W: Métodos estadísticos aplicados. Harla . 1973.
14.- Levin J: Fundamentos de estadística en investigación social. 2da ed. Harla.

1979.
15.- Kreyszig E: Introducción a la estadística matemática. Principios y métodos.

Limusa- wiley. SA. 1973
16.- Spiegel M R: Estadística. Mc Graw-Hill. 1975.
17.- Castilla-Serna L., Estadística simplificada para a investigación en ciencias de la

salud, Ed. Trillas, México, D.F. 1991.
124
125

Estadistica Inferencial Talleres 2009

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Estadistica Inferencial Talleres 2009

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD VERACRUZANA

DR. MARIO GONZALEZ SANTES H. VER. VER. 2009.

En el mundo actual de la globalización los conocimientos cada vez son más

DR. MARIO GONZALEZ SANTES

propiedad elementales de la probabilidad

Distribución t de Student para muestras independientes

Distribución t de Student para muestras de distinto tamaño

Distribución t de Student, mediciones antes y después

Diferencia singnificativa honesta de Tukey.

Cálculo de fracción muestral.

Estimación de la diferencia de proporciones

Estimación de la diferencia de medias

Prueba de bondad de ajuste

Correcciones para pequeñas frecuencias esperadas

Prueba de la bondad exacta de Fischer

Análisis de la varianza en 2 direcciones por rangos Friedman

Comparaciones entre los porcentajes de 2 muestras

Análisis de la varianza en una dirección por rangos

Coeficiente de correlación para datos ordinales, por rangos

Prueba de Mc Nemar para muestras dependientes

Prueba U Mann- Whitney , para muestras pequeñas

Prueba de U Mann- Whitney para muestras grandes.

La probabilidad es la posibilidad de que ocurra un evento.

La probabilidad es igual al número de eventos que ocurre en determinado momento

1) Obtener la probabilidad de que en una tirada de una moneda obtenga águila.

2) ¿Cuál es la probabilidad de que en una tirada de dados salga 6 ?

3) ¿Cuál es la probabilidad de que en una tirada de dados salga el 2 o el 4?

4) ¿Cuál es la probabilidad de que salga un as de un conjunto de barajas si el total

1- REGLA DE LA SUMA: afirma que la probabilidad de obtener un resultado,

p = 1/6 + 1/6 + 1/6 + 1/6 + 1/6 + 1/6

* La regla de la suma supone que los resultados se excluyen mutuamente y que no

PROPIEDADES ELEMENTALES DE LA PROBABILIDAD.

3) Probabilidad de la ocurrencia: la probabilidad de la ocurrencia {E1} o {Ej} es igual a

p = p {E} h/n (probabilidad de la ocurrencia)

q = 1-p {E} ó q = {no E}; 1-p = (probabilidad de no ocurrencia)

1) ¿Cuál es la probabilidad de que en una tirada de dados no salga el 3 o el 4?

2) ¿Cuál es la probabilidad de que no salga un as en un conjunto de barajas?

3) ¿Cuál es la probabilidad de que caiga águila en tres tiradas consecutivas de una

4) ¿Qué probabilidad hay de que en una tirada de dados no salga el 4 o el 5 ?

La probabilidad binomial es una teoría de grandes muestras, esta distribución se

Condiciones del Ensayo de Bernoulli:

1) Cada ensayo conduce a uno de los resultados posibles mutuamente exclusivos,

Para este capítulo de toma de decisiones el planteamiento de la hipótesis de nulidad

Para establecer si una diferencia muestral obtenida es estadísticamente significativa,

DIRERENCIA ENTRE MUJERES Y HOMBRES CON RESPECTO AL

NUMERO MUJERES HOMBRES

Paso 1 : Elaborar H0 y H1.

Paso 3 : Determinar la media.

Paso 4 : Obtener la desviación estándar de cada grupo.

Paso 5 : Encontrar el error estándar de cada media.

Paso 6 : Encontrar el error estándar de la diferencia.

σ dif = σx12 + σx22

Paso 8 : Obtener la razón de “Z” con α de 0.05.

COMPARACIONES ENTRE DIABETICOS DE DIFERENTES AÑOS DE

NUMER X1:DIABETICO X2:DIABETICOS

Paso 2 : Obtener la prueba de hipótesis.

Paso 3 : Obtener la media de cada grupo.

Paso 4 : Obtener la desviación estándar de cada grupo

Paso 5 : Hallar el error estándar de cada media.

Paso 6 : Hallar el error estándar de la diferencia.

σ dif = σx12 + σx22

Paso 8 : Obtener la razón de “Z” con α de 0.05.

* Nota : cuando en la hipótesis alterna se maneja “>“ ó “<“ , el valor de α se duplica.