Documentos de Académico
Documentos de Profesional
Documentos de Cultura
10. GENERALIDADES................................................................................................................................ 2
11. DESCRIPTIVA...................................................................................................................................... 2
12. PROBABILIDAD................................................................................................................................... 3
14. INFERENCIAL...................................................................................................................................... 4
Muestreo
Correctos Sesgos
Discretas
Histograma y polígono de frecuencias
Cuantitativ
as Continuas
11. DESCRIPTIVA
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
Medidas de dispersión
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
Coeficiente
Asimetría
de Fisher · Distribución asimétrica negativa
Desviación <0
(izquierda)
horizontal
g1
=1 · Distribución simétrica
12. PROBABILIDAD
Dependie
nte
Multiplicación · Probabilidad de que sucedan A y B
Independi
ente
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
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)
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
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 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