ESCUELA

PROFESIONAL

ACADEMICA

DE
PSICOLOGA

BIOESTADISTICA

Mg. Mitchell Mancesidor

OBJETIVO GENERAL

Conocer y aplicar
las tcnicas de
investigacin de
campo, que
mediante un
muestreo apropiado
le permitan realizar
inferencias hacia la
poblacin.

Utilizar el mtodo estadstico

descriptivo e inferencial para
organizar,
analizar
y
dar
significado a los datos que sean
producto de una investigacin.

Comprender el procedimiento
para hacer vlido y confiable un
instrumento de medicin.

OBJETIVOS ESPECFICOS

CONTENIDO
Estadstica aplicada
la psicologa

Estadstica Descriptiva

Estadstica Inferencial

Frecuencias

Rango

Media

Suma

Moda

Tablas

Mediana

Grficas

Desviacin estndar

Mximo

Varianza

Curtosis

Mnimo

Asismetra

ESTADSTICA
DESCRIPTIVA

ESTADSTICA INFERENCIAL
Estadstica no Paramtrica

Estadstica Paramtrica

UNA SOLA MUESTRA

CHI-CUADRADA
BINOMIAL

PRUEBA T

DOS MUESTRAS
RELACIONADAS

Wilcoxon
Signo
McNemar

PRUEBA T

DOS MUESTRAS
INDEPENDIENTES

U de Mann Whitney
Kolmogorov-Smirnov Z

PRUEBA T

MAS DE DOS
MUESTRAS
INDEPENDIENTES

Kruskal Wallis H
Mediana

ANOVA

MAS DE DOS
MUESTRAS
RELACIONADAS

Friedman
W de Kendall
Q de Cochran

ANOVA

CORRELACIN

SPEARMAN

PEARSON

VALIDEZ Y
CONFIABILIDAD

DIVISIN POR MITADES

TEST-RETEST

ANALISIS FACTORIAL
ALPHA DE CRONBACH

TABLA DE FRECUENCIAS DE
VARIABLE CONTINUA
Para hallar la tabla de frecuencia necesitamos :
N de intervalos
sturgas

m= 1 + 3.322*log(n) .F.

Amplitud (rango)

m - Xmin
Ci = Xmax

Elementos de una Tabla de

Frecuencia
1) Valor de la variable o intervalo de clase :
Resulta ser la clasificacin o categorizacin de la
variable. Se representa por Yi.

Elementos de una Tabla de

Frecuencia

TABLA DE FRECUENCIAS DE
VARIABLE CONTINUA
Ejemplo:
Los ingresos mensuales de 60 trabajadores de un hospital en el ao
2014 , son los siguientes:
440 560 335 587 613 400 424 466 565 393
453
526
570
428
440
492
450
450
574
382

650 407 376 470

560 321 500 528

430 618 537 409

600 550 432 591

340 558 460 560

607 382 667 512

530 501 471 660

470 364 634 580

500 462 380 518 480

625 507 645

MEDIDAS DE TENDENCIA
CENTRAL
MEDIA
MEDIANA
MODA

Este tipo de medidas

nos
permiten
identificar y ubicar el
punto
(valor)
alrededor del cual se
tienden ha reunir los
datos
(Punto
central).
NOTA:
en
las
poblaciones
se
denominan parmetros y en las
muestras
se
les
denomina
estimadores.

LA MEDIA
Es la suma de todos los valores
observados, dividido por el
nmero total de observaciones
para obtener un promedio.

LA MEDIA

X=

Media de una
muestra

Media ponderada =

Media de una poblaci

EJEMPLOS

2. En una universidad una asignatura, se evala a

sus estudiantes con exmenes de una hora , cada
una de las cuales equivaldr al 40% de calificacin,
y un examen final que corresponder al 50%.
Calcular la media, si un estudiante obtuvo 60 en
primer examen, 90 en el segundo y 96 el final.
3. En otra asignatura hay un curso y otro al final, y
que este ultimo va a valer el doble que el primero.
Calcular la media si un estudiante obtiene 95 en el
primer examen y 89 en el segundo.

LA MEDIANA
Con
esta
medida
podemos
identificar el valor que se
encuentra en el centro de los
datos, despus que los elementos
han sido ordenados.

EJEMPLO
PAR
1,2,3,4,5,6

La mediana est entre 3 y 4.

IMPAR:
1,2,3,4,5

La mediana es el 3

LA MODA

La medida modal nos indica el valor

que ms veces se repite dentro de
los datos.
NOTA: en algunos casos pueden
presentarse dos valores que se
repiten en igualdad de veces, por lo
tanto
puede
ser
bimodal
o
multimodal.

EJEMPLO
Buscar la moda de:
5 12 9 5 8 7 1
Como la moda es el nmero que ms se repite, la moda
es 5.

Buscar la moda de:

14 16 18 16 15 12 14 14 16 18 20
16 16
El 14 se repite 3 veces.
El 18 se repite 2 veces.
El 16 se repite 5 veces.
Por lo tanto, la moda es 16.

Buscar la moda de :
23 35 45 33 47 31 29 22
Como ningn nmero se repite, no tiene moda.

En conclusin las Medidas de tendencia central, nos

permiten identificar los valores ms representativos de los
datos, de acuerdo a la manera como se tienden a
concentrar.
La Media nos indica el promedio de los datos; es decir, nos
informa el valor que obtendra cada uno de los individuos si
se distribuyeran los valores en partes iguales.
La Mediana por el contrario nos informa el valor que
separa los datos en dos partes iguales, cada una de las
cuales cuenta con el cincuenta porciento de los datos.
La Moda nos indica el valor que ms se repite dentro de los
datos.

CONCLUSIN

MEDIDAS DE POSICIN

CUARTILES
DECILES
PERCENTILES

Que son medidas

de posicin ?

Es un numero que se escoge para

hacer mencin a un grupo de
datos, resultando muy tiles en la
interpretacin porcentual de la
informacin.

CUARTILES:

Son medidas posicionales que dividen la

distribucin de frecuencia en cuatro partes
iguales. Se designa por el smbolo: Qk.

MTODO NUMRICO PARA CALCULAR

CUARTILES:

Se solicita la posicin del cuartil solicitado,

aplicando la frmula de posicin:

Luego se aplica la frmula para

determinar
un
cuartil
determinado:

DECILES:

Son medidas de posicin que dividen la

distribucin de frecuencia en diez partes
iguales y estas van desde el numero 1
hasta el numero 9. Se les designa con la
letra: Dk.

CALCULO DE LOS DECILES:

La ecuacin para el clculo de los deciles se

modifica
ligeramente,
en
la
frmula
empleada para los cuartiles se cambiapory
en la expresin se cambia el cuatro por 10,
quedando:

La frmula para su clculo por datos

agrupados es:

PERCENTILES

Los percentiles son, tal vez,

las medidas ms utilizadas
para propsitos de ubicacin o
clasificacin de las personas
cuando
atienden
caractersticas
tales
como
peso, estatura, etc.

Los percentiles son ciertos nmeros que dividen

la sucesin de datos ordenados en cien partes
porcentualmente iguales. Estos son los 99
valores que dividen en cien partes iguales el
conjunto de datos ordenados. Los percentiles
(P1, P2,... P99), ledos primer percentil,...,
percentil 99.

La frmula para su clculo por datos

agrupados es:

EN RESUMEN:

Ejemplos:
Tenemos la distribucin de 80 trabajadores de la
empresa Mitchell S.A.C. Segn de sus sueldos.
Determinar Q1 , Q2, Q3 Y D6 e interpretarlas.
SUELDOS

NMERO DE
EMPLEADOS

[90 120 >

11

[120 150 >

13

[150 180 >

20

[180 210 >

17

[210 240 >

15

[240 270 >

[270 300 ]

Determinar los percentiles P25, P35 y P60 , para la

poblacin del Per segn edades

Complete los datos que faltan en la siguiente tabla

considerando una muestra de 50 datos y adems
calcules Calcular la media. Mediana y moda

MEDIDAS DE
DISPERSIN
La Amplitud
La Desviacin Media
La varianza
La Desviacin
Estndar

MEDIDAS DE DISPERSIN
Las
medidas
de
dispersin
cuantifican
la
separacin,
la
dispersin, la variabilidad de los
valores de la distribucin respecto
al valor central.

Los siguientes histogramas muestran distribuciones de rendimientos de

trigo obtenidos usando tres diferentes cultivares. Las distribuciones tienen
similares medias, cercanas a los 4000 kg/ha para cada cultivar. Si usamos
slo la media como medida resumen para caracterizar ladistribucin de
la

variable,

rendimientos.

concluiramos

que

los

cultivares

muestran

iguales

a) Amplitud o Rango
Diferencia entre observaciones
extremas:

R = X mximo X mnimo

Ejemplo:
1) Ante la pregunta sobre nmero de hijos por familia,
una muestra de 12 hogares, marc las siguientes
respuestas:
2 1
2
4
1
3
2 3
2
0
5
1
Calcule el rango de la variable
Solucin

b)La Desviacin Media

De un conjunto de nmeros es la desviacin promedio
de los valores del conjunto con respecto a la media, sin
tomar el digno de la diferencia

Para datos agrupados se utiliza:

Ejemplo:
2) Determinar las desviacin media del numero de
personas en 5 viviendas:
2, 4, 6, 8, 10
Solucin:
X = 2 + 4 + 6 + 8 + 10 = 6
5

DM =

12

12
5

= 2.4

Ejemplo de datos agrupados :

3) Los sueldos de 80 trabajadores, calcular la
desviacin media

c) La Varianza
Es una medida estadstica que mide la dispersin de
los valores respecto a un valor central (media), es
decir, es el cuadrado de las desviaciones:

Para datos
no
agrupados

Otra
formula
mas
simplificada

La varianza
para datos
agrupados

La varianza
para datos
agrupados

Ejemplo: Varianza para Datos no Agrupados

4) La siguiente muestra representa las edades
de 25 personas sometidas a un anlisis de
preferencias para un estudio de mercado.

Ejemplo: Varianza para datos agrupados

5) Calcular la varianza a partir de la siguiente tabla de
frecuencia (suponga que los datos son poblacionales).

d) La Desviacin
Estndar
La desviacin estndar de un conjunto de
nmeros se define como raz cuadrada
positiva de la varianza

Ejemplo: Desviacin Estndar para datos no

agrupados
6) Calcular la desviacin estndar al siguiente conjunto
de datos mustrales

COEFICIENTE DE VARIACIN
Se utiliza para comparar dos o mas
distribuciones. Compara la variabilidad de
series de datos que tengan unidades diferentes.
Se obtiene aplicando la siguiente
S
CV 100%
x

Ejemplo
Analizar comparativamente la distribucin de los sueldos
de los 45 trabajadores de la Empresa Mitchell s.a.c. Se
conoce que:
S
X
Directivos

70

700

Empleados 60

300

Obreros

250

90

SOLUCIN:
S

CV

C.V(%)

70

700

0.10

10

Empleados 60

300

0,20

20

Obreros

250

0.36

36

Directivos

90

Segn los valores de CV, los directivos tienen

sueldos mas homogneos, en tanto que los
obreros tienen sueldos mas heterogneos

Datos no agrupados

Resume
n

Datos agrupados

Desviacin
media

Desviacin media

Varianza

Varianza
Desviacin estndar

Coeficiente de variacin

S
CV 100%
x

Medidas de Correlacin

Correlacin De Pearson

COMPETENCIAS
Conocer cmo relacionar dos variables numricas.
Sabr cmo mostrar dos variables numricas.
Aplicar la frmula de r de Pearson para medir la

relacin entre dos variables numricas.

INTRODUCCIN
Hay dos razones principales de por qu examinar
la relacin entre dos variables cuantitativas.
Los valores de una variable tienden a ser ms
altos o bajos para valores ms altos de la otra
variable?
Cul es el valor de una variable cuando
conocemos el valor de la otra?
Para evaluar el grado de asociacin entre dos
variables cuantitativas, utilizamos la correlacin.

INTRODUCCIN

Correlacin es usada para estudiar la posible

asociacin lineal (lnea recta) entre dos
variables cuantitativas. Nos dice cuanto las
dos variables estn asociadas.

Primero veremos como mostrar los datos y

luego cuantificar la fuerza de la asociacin
entre las dos variables cuantitativas.

Mostrando la relacin
Una forma simple y efectiva de examinar la relacin entre dos
variables cuantitativas es usar una grfica de puntos dispersos.
Cada punto corresponde a un individuo.
Ejemplo:
En un estudio de hipertensin en 40 mujeres, los mdicos
estaban interesados en la relacin entre edad y tensin
arterial sistlica

Mostrando la relacin

De la grfica, podramos decir que hay una

asociacin entre la edad de esas mujeres y la
tensin arterial sistlica?
- S, parece que hay incremento en la tensin
arterial
sistlica, conforme aumenta la edad de
las mujeres.

Por cada mujer el valor de edad y de tensin arterial

sistlica son usados como coordenadas en la
grfica.

CORRELACIN

Al observar la grfica de puntos dispersos, tenemos una idea de

si hay una asociacin entre dos variables numricas.

Para medir el grado de asociacin, calculamos un coeficiente de

correlacin.

El mtodo estndar es el coeficiente de correlacin de Pearson,

r.

COEFICIENTE DE CORRELACIN DE
PEARSON, R
Sirve para medir la fuerza o intensidad de la relacin
entre dos variables (variables cuantitativas)
La correlacin se encuentra entre

(-1, 1)

La correlacin puede ser positiva.

La correlacin puede ser negativa.
La correlacin puede ser nula.

Correlacin Positiva
Significa que individuos que
tienen puntuaciones ALTAS
en una variable tienden a
obtener puntuaciones
ALTAS en la otra variable y
viceversa.

EJEMPLOS

Gastos
Ventas
millones millones
$
$
(x)
(y)

Edad
novio
(x)

Edad
novia
(y)

25

18

27

29

31

25

34

27

50

60

120

150

36

27

10

180

40

30

45

36

Correlacin Negativa
Significa que individuos que
tienen puntuaciones ALTAS
en una variable tienden a
obtener puntuaciones
BAJAS en la otra variable y
viceversa.

EJEMPLOS
Edad
(x)

Respuestas
inadecuadas

(y)

Vacunas
(x)

Enfermedade

10

(y)

11

12

10

11

10

11

11

Correlacin Nula

Significa que no
existe dependencia
entre las variables.

EJEMPLOS
Edad
(x)

Ventas
(y)

11

12

10

11

10

11

11

Calif.(x)

Utilidade
s (y)

10

DIAGRAMA
DE
DISPERSIN

Representacin
en un sistema
de coordenadas
rectangulares,
donde (x, y) son
los valores de
las
variables
correlacionadas

CORRELACIN POSITIVA

G
A
N
A
N
C
I
A
S

VENTAS

CORRELACIN NEGATIVA
E
M
B
A
R
A
Z
O
S
(y)
ANTICONCEPTIVOS (x)

CORRELACIN NULA

Partidos
ganados

Calificaciones

Correlacin de la informacin (R ) de las X y las Y

Correlacin Negativa
Perfecta

Correlacin Positiva
Perfecta
25

25
20

20

15

15
10

Sin Correlacin

5
0
5

10

15

20

25

0
0

10

15

25

R=
0

15
10

0
15
X

20

25

R=>1

R=-1

20

10

25

Correlacin
Negativa

25

20

20

10

10

15

15

15

10
X

20

20

R=1

Correlacin
Positiva

25

25
0

10

10

15
X

20

25

R=>-1

COEFICIENTE DE CORRELACIN
DE PEARSON
Sirve para medir la relacin existente entre las
variables correlacionadas.

Para Interpretar el Coeficiente de Correlacin Utilizamos la Siguiente Escala

Datos agrupados:
Dada la siguiente tabla determine el coeficiente de correlacin
de Pearson
X

55

60

65

80

85

75

Datos agrupados:
Dada la siguiente tabla determine el coeficiente de correlacin
de Pearson
Edad
(x)

Respuestas
inadecuadas
(y)

11

12

10

11

10

11

11

PROBABILIDADE
S

Cul es la
Bioestadstica?

probabilidad

de

aprobar

Qu posibilidad hay de que hoy llueva ? para

llevar mi paraguas o no.
Existe alguna probabilidad de que repruebe el
primer parcial ?
Todos los das nos hacemos preguntas sobre
probabilidad e incluso los que hayan visto
poco de la materia en cursos anteriores,
tienen una idea intuitiva lo suficientemente
correcta para lo que necesitamos de ella en
este curso.

Probabilidad
El conocimiento de la probabilidad es de suma
importancia en todo estudio estadstico.
El calculo de probabilidades proporciona las
reglas para el estudio de los experimentos
aleatorios o de azar, que constituyen la base
para la estadstica inferencial

Nocin de
Probabilidad

S = {R,R,R,R,R,B,B,B,V,V}
n(S) = 10

A = { V, V}
n(A) = 2

Otros ejemplos:
Al rodar un dado correcto , cual es la probabilidad de
obtener 2?

En una baraja de 52 cartas, cual es la probabilidad de

obtener un AS, al extraer una carta?

En una lista de alumnos de bioestadstica hay 25

mujeres y 30 varones, si se elige al azar un alumno para
dar examen, Cual es la probabilidad de elegir a un
alumno hombre?

Podemos decir que la probabilidad se usa para

indicar la posibilidad de que ocurra un resultado
o suceso
Si A es un subconjunto de S, donde el suceso A puede
ocurrir de n maneras y S de N maneras igualmente
posibles, entonces la posibilidad de A ser :

Espacio Muestral y Sucesos

Espacio Muestral :
Un espacio muestral es el conjunto de todos
resultados posibles de un experimento o muestra.

los

Los resultados de un experimento se conocen como

eventos (sucesos).
(Usualmente se representa por S en conjunto
universal)

Suceso o Evento:
Suceso es simplemente un subconjunto de resultados
posibles, en otras palabras, suceso es un subconjunto
del espacio muestral S.
Los sucesos se denotan con letras maysculas, A, B, C,
D ,etc.

Ejemplos:
a)Experimento: Se hace rodar un dado y se observa el nmero que
aparece en la cara superior.
Espacio muestral: S = {1, 2, 3, 4, 5, 6}
Evento
A: obtener numero par:
A = { 2, 4, 6}
b)Experimento: Arrojar dos monedas y observar el resultado
Espacio muestral: S = {CC, CS, SC, SS}
Evento
D: obtener dos caras:
D = { CC }
C) Experimento: Lanzar dos dados y se observa los puntos
obtenidos.
Espacio muestral: S ={(1,1), (1,2),(1,3),(1,4),(1,5),(1,6)
(2,1), (2,2),(2,3),(2,4),(2,5),(2,6)
(3,1), (3,2),(3,3),(3,4),(3,5),(3,6)
(4,1), (4,2),(4,3),(4,4),(4,5),(4,6)
(5,1), (5,2),(5,3),(5,4),(5,5),(5,6)
(6,1), (6,2),(6,3),(6,4),(6,5),(6,6)}
Suceso o Evento: A: Obtener la suma de los puntos igual o mayor

Operaciones con
Se pueden combinar
sucesos para formar nuevos sucesos, para el
sucesos
efecto se realizan diferentes operaciones con conjuntos.

a) A U B (A unin B) : Es el suceso que ocurra si y solo si A o B o ambos

ocurren

Operaciones con
sucesos
(Complemento de A) : Es el suceso que ocurra si y solo si A no

c) CA
ocurre.

Ejemplo:
De cinco dirigentes a, b, c, d, e se elige una comisin de tres
miembros:
a)Determinar el espacio muestral asociado al experimento,
b)En la base al espacio muestral S, determinar los sucesos:
Solucin:

Axiomas de
Probabilidad

Todo campo de la teora de probabilidades para espacios mustrales

finitos, se basa en los tres axiomas

Ejemplo:
a)Una caja contiene 280 plumones iguales, de los cuales 100
son producidos por la maquina A, 80 por la mquina B, 60 por la
maquina C y 40 por la maquina D. Si se elige un plumn al azar
de la caja, cul es la probabilidad que el plumn elegido haya
sido producido por las maquinas A o C ?
Solucin:
b) De un comit de 20 Psiclogos pertenecientes al Hospital,
Empresa y Universidad, se va a elegir al azar al presidente del
comit; se sabe que la probabilidad de elegir a un Psiclogo de
hospital es de 3/5, Cual es la probabilidad que el presidente no
sea del Hospital ?
Solucin:

Teoremas de la
Probabilidad

P(A B) = P(A) + P(B) - P(A B)

Ejemplos:

1) Si A es el suceso de extraer un AS de una baraja y B es el

suceso de extraer una ESPADA de la baraja, entonces A y B no
son mutuamente excluyentes, puesto que se puede extraer el AS
de ESPADA. Luego la probabilidad de extraer una carta que sea
un AS o una ESPADA o ambos casos es:
2) En un hospital trabajan 10 Psiclogos y 20 Enfermeras, de las
cuales la mitad de los Psiclogos y la mitad de las Enfermeras
han nacido en Lima. Hallar la probabilidad de que un trabajador
elegido al azar sea Psiclogo o que haya nacido en lima. Hallar la
probabilidad de que un trabajador elegido sea Psiclogo o que

P( A E )
P( A / E )
P( E )