CONTENIDO

10. GENERALIDADES................................................................................................................................ 2

11. DESCRIPTIVA...................................................................................................................................... 2

12. PROBABILIDAD................................................................................................................................... 3

13. LEYES DE DISTRIBUCIÓN BIOLÓGICAS................................................................................................ 3

14. INFERENCIAL...................................................................................................................................... 4

15. CONTRASTE DE HIPÓTESIS................................................................................................................. 5

16. ANÁLISIS DE CORRELACIÓN Y DE REGRESIÓN....................................................................................6

17. TAMAÑO MUESTRAL........................................................................................................................... 6

 10. GENERALIDADES

Muestreo

Probabilístico: por azar No probabilístico: no azar

Misma probabilidad todos de ser incluidos Diferente probabilidad de ser incluidos

Correctos Sesgos

Estadística inferencial No extrapolables a la población

· Simple  Casos consecutivos: ir eligiendo a los pacientes que cumplen
· Estratificado determinados criterios hasta alcanzar el número necesario o
· Sistemático dentro de un intervalo de tiempo prefijado
· Por conglomerados  De conveniencia: “a dedo” los más apropiados

Dicotómicas/binarias Diagrama de sectores Diagrama de barras (normal, compuesto,

Nominale
(L2) horizontal)
s
No dicotómicas (L>2)
Cualitativas
Ordinales
Glasgow
Variables

Discretas
Histograma y polígono de frecuencias

Cuantitativ
as Continuas

11. DESCRIPTIVA

Tipo de distribución Mejor medida de centralización Mejor medida de dispersión

Simétrica Media Desviación típica, varianza
Asimétrica Mediana Rango y rango intercuartílico

Medidas de centralización
Media aritmética · Sumando todos los valores y dividiendo por el número de observaciones
· Divide el conjunto de datos ordenados en dos partes iguales: el 50% será mayor y el 50% menor
MediANA
· En una simétrica equivale a la media
· Valor más frecuente
Moda
· Puede haber más de una
Parámetros de
· Dividen el conjunto en 4 (cuartiles), 10 (deciles) o 100 (percentiles) partes iguales respectivamente
posición
Media · Muy usada en microbiología y serología, cuyos datos tienen una marcada asimetría positiva (hacia la derecha)
geométrica · Menos sensible a valores extremos

Si a todos los valores de una distribución

Acción Media Desviación típica Varianza
+k +k = =
·k ·k ·k · k2

Medidas de dispersión

Rango · Diferencia entre el valor máximo y el mínimo

Desviación media · Media de desviaciones respecto la media aritmética

Varianza
· Media del cuadrado de las desviaciones de los elementos respecto a la media aritmética
σ2, s2

Desviación típica · Raíz cuadrada positiva de la varianza: muestra cómo se distribuyen los valores alrededor de la
σ, s media

Rango · Diferencia entre el percentil 75 y 25 P75 – P25

 intercuartílico
· Adimensional, % que representa la desviación estándar
sobre la media
Coeficiente de
· Comparar variabilidad o dispersión relativa de variables
variación
que estén expresadas en las mismas o diferentes unidades
CV
· Decir si una distribución es homogénea o dispersa (>33%
= dispersa)

>0 · Distribución asimétrica + (derecha)

Coeficiente
Asimetría
de Fisher · Distribución asimétrica negativa
Desviación <0
(izquierda)
horizontal
g1

=1 · Distribución simétrica

>0 · Leptocúrtica: gran concentración

Coeficiente
Curtosis <0 · Mesocúrtica: concentración normal
de curtosis
Concentración
central
g2:
Apuntamiento =0 · Platicúrtica: baja concentración
TWOrtosis

 Curva normal o de Gauss: g1 = ±0,5 y g2 = ±0,5

12. PROBABILIDAD

Suceso seguro · P(E) = 1

Sucesos
· P(AyB) = 0 (mujer y cáncer de próstata)
incompatibles

Probabilidad · Probabilidad de A condicionada a la

condicionada ocurrencia de B

Dependie
nte
Multiplicación · Probabilidad de que sucedan A y B
Independi
ente

· Probabilidad de que suceda A o B

Suma Si dicen “pero no las 2 a la vez” hay que multiplicar P(A∩B) x2
· Si son mutuamente excluyentes

13. LEYES DE DISTRIBUCIÓN BIOLÓGICAS

DISTRIBUCIÓN NORMAL O DE GAUSS: + FRC

 Variables cuantitativas continuas
Caracterís
 Simétrica: media = mediana = moda (unimodal)
ticas
 Acampanada, sin pico excesivo, - ∞ a + ∞, ABC = 1
x±… Límites Engloba Sobra
1s 16% - 84 % 68% 32%: 16% + 16%
Desviació 2,5% -
1,96s 95% 5%: 2,5 % + 2,5%
n típica 97,5%
0,15% -
2,57s 99,7% 0,3%: 0,15% + 0,15%
99,85%
· Convierte cualquier distribución normal en una
Tipificació distribución normal típica tabulada con X=0 y σ=1
n · Permite comparar de forma absoluta (convertidos a Z)
valores de distribuciones con X y σ diferentes

Variables · Se conoce de entrada la probabilidad de aparición del fenómeno biológico o éxito (p) y la de no aparición o
cuantitati fracaso (q= 1-p)
Binomial
vas · Resultado dicotómico: éxito o fracaso
discretas · Variable de interés: número de éxitos alcanzados en n pruebas
Poisson · Experimentos binomiales donde el número de pruebas es muy alto, pero la probabilidad de éxito es muy
baja
 14. INFERENCIAL

Estadística descriptiva Estadística inferencial

Hablamos de Muestra “Población”: medias muestrales
Descripción de la X±s μ ± eem
distribución Se calcula, se afirma Se estima, no se puede afirmar

Cálculo de la medida
de dispersión
Indica la dispersión de una distribución normal Indica la dispersión de la distribución de medias
cualquiera muestrales
X: 68% (1), 95% (1,96),
99% (2,57) El X% de los valores de la muestra están Existe un X% de confianza/probabilidad de que entre
Límite inferior (A) y comprendidos entre A-B A-B esté el valor real de la media poblacional
superior (B)

EJEMPLOS DE INFERENCIA HABITUAL

IC 95% IC 99% Si n < 30: t corresponde a los valores tabulados de la distribución teórica de t de Student

 IC:
 Si incluye 1 (efecto neutro del factor de estudio)  resultado no significativo
 Cuanto más ancho (menos n), menor precisión  mayor probabilidad de incluir, entre otros
valores, el 1

 Si se estudia una variable cualitativa (estimación de un porcentaje):

 Si n<100: la estimación sigue una distribución binomial y su
cálculo está tabulado
 Si n>100, n · p >5 y n · (1-p) >5:
- La distribución binomial se aproxima a la distribución normal
- Podemos calcularla igual que la tabla superior, pero en lugar de eem usamos eep (error
estándar del porcentaje)
- p = proporción (en tanto por uno) hallada en la muestra

15. CONTRASTE DE HIPÓTESIS

 Mediante un contraste de hipótesis se calcula cómo de probable es (p) que lo concluido en nuestro
estudio (H1) lo haya provocado el azar en el muestreo:
1. Previamente al ensayo se prefija el valor máximo permitido de que las diferencias observadas
puedan ser debidas al azar (H0) y no a diferencias reales (H1): error I (α), suele ser 5%
2. Posteriormente se calcula en nuestro estudio esa misma probabilidad:
- Si p < α  poca probabilidad  resultados significativos (me creo lo que veo), aceptamos
H1 y rechazamos H0, favorecido por n<30
- Si p > α  mucha probabilidad, riesgo de equivocarnos si las aceptamos  resultados no
significativos (no me creo lo que veo), rechazamos H1 y aceptamos H0, favorecido por n
grande

Realidad en la población
Hay diferencias (H1 cierta, H0 No hay diferencias (H1 falsa, H0
falsa) cierta)
 Se acepta H1  se rechaza H0
1- β (potencia) Error I (α, p)
 Encuentras diferencias
Resultado de la
 No se acepta H1  no se
investigación
rechaza H0 Error II (β) 1- α
 No encuentras diferencias
 PRUEBAS DE CONTRASTE DE HIPÓTESIS
PARAMÉTRICOS: n>30, normal y NO
VARIABLE NO PARAMÉTRICOS: n <30, no normal
ordinales MULTIVARIAN
Independi Dependie TE
No apareados Apareados No apareados Apareados
ente nte

Regresión
logística
Chi-cuadrado
Si dependiente
cualitativa
80% de las celdas (Fe) <5

t de Student
2 t de Student
apareados
Regresión
lineal
múltiple o
≥ multivariante
ANOVA ANOVA apareados
3
Si dependiente
cuantitativa
Regresión lineal: continua
predecir Rho de Spearman: correlación
r de Pearson: Tau de Kendall: rangos
correlación
Tiempo
1. Kaplan-Meier (curva de SV): método descriptivo  proporción acumulada que sobrevive
hasta
para el tiempo de SV individual de cada paciente Regresión
cualitativ
2. Log-Rank, Breslow: comparan curvas de SV y permite saber si existen diferencias en un de Cox
a
determinado momento
(SV)
* Los porcentajes se consideran variables cualitativas.
* Variables ordinales: se usan como cuantitativas y nos mueven a la columna de NO
PARAMÉTRICOS

 Análisis multivariante:
 Intenta establecer la asociación estadística entre dos variables controlando el efecto de terceras
(factores de confusión)
 Establece qué factores influyen en la variable resultado y mide su fuerza para generar cambios

Variable dependiente a
Cualitativa Cuantitativa Supervivencia
predecir

Ejemplo IAM sí/no Carga viral Tiempo hasta oclusión stent/BP

Test estadístico Regresión logística Regresión lineal múltiple Regresión de Cox

Medida de asociación OR - Hazard ratio

PRUEBAS Y COLAS EJEMPLO

· No se establece dirección (solo buscamos diferencias): H0 ≠ H1 · H1 = la media de netas de CTO Valencia no
· Más conservadora, menos riesgo de error I, + difícil encontrar son 170
2
H1 BIL significación (p mayores) · H0 = la media de netas de CTO Valencia
COLAS
· Preferible si no se sabe cuál usar son 170
· H1 = la media de netas de CTO Valencia es
>170
H1 · Se establece dirección: H0 > o < H1
1 COLA · H0 = la media de netas de CTO Valencia
UNIL
no es >170

EJEMPLO DE CURVA DE SV
General · Se representan porcentajes, no individuos
· Test de significación estadística: determina si
hay o no diferencias estadísticas entre gráficas. En
nuestro caso p<0.0001
Log-
· Objetiva la sobrevida de grupos en TODO el
rank
período de seguimiento, no solo en un punto
· No ofrece información sobre la magnitud de las
diferencias
Regresi  Estimación de la magnitud de las diferencias
ón de  “Cuantificación clínica”: cuánto menos riego de
Cox progresión de enfermedad tiene un grupo que el otro
Hazard
 16. ANÁLISIS DE CORRELACIÓN Y DE REGRESIÓN

Asociación entre variables cuantitativas

· y= α + βx
- X (abXisas): INDEPENDIENTE, controlada por el
· Determina la forma de relación entre variable
Regresión investigador
dependiente e independiente y permite estimar el
lineal - Y (ordenadas, = estantería): DEPENDIENTE, Y= α si
valor de una para un valor de la otra
x= 0
- Coeficientes de regresión: α y β (pendiente)
· Rango: de -1 a +1
· No se habla de variable dependiente ni independiente - r = ± 1  correlación perfecta (línea recta)
Pearson (r)
· Mide la intensidad de la relación lineal - > 0,7 o <-0,7  correlación fuerte
- r = 0  no hay correlación

17. TAMAÑO MUESTRAL

Estimación de parámetros o medias CONTRASTE DE HIPÓTESIS

Confianza o seguridad 1- α Confianza o seguridad 1- α

Riesgo α α Riesgo α α
Proporción de pérdidas esperadas: mortalidad,
Precisión d d
abandonos
Cualitati
· Proporción esperada aproximada p = 1-q
va
Mínima diferencia clínicamente relevante δ
Cuantita
· Varianza esperada aproximada s2
tiva
1- β
Potencia
(≥0,8)
Riesgo β β
Contraste BIL o UNIL
Variabilidad de la variable principal (error aleatorio)