Presentacion Seguridad y Salud en El Trabajo

ESPECIALIZACIÓN EN SEGURIDAD Y SALUD
EN EL TRABAJO
UNIVERSIDAD DE SUCRE
Plutarco Martínez Bustos – Docente
Especialización en Seguridad y Salud en el trabajo – Estadística

CONTENIDO
Unidad I. Introducción al análisis estadístico

Estadística. Estadística Descriptiva, Inferencial
Variables Aleatorias.
Iniciación en SPSS.
Como crear una base de datos en SPSS.
Matriz de datos para recolección de información.
Relación entre el nivel de medición y el tipo de investigación
Unidad II. Distribuciones de frecuencias.
Tablas. Gráficos: sectores, barras, histogramas, polígonos de frecuencias.
Diagrama de tallo y hoja.
Unidad III. Medidas descriptivas.
Medidas de tendencia central.
Medidas de dispersión. Medidas de forma.
Normalidad. Linealidad. Homocedasticidad. Datos ausentes. Datos atípicos.

Contenido
Unidad IV. Análisis inferencial de datos
Prueba de hipótesis.
Pruebas paramétricas: para una sola variable, para dos variables
Unidad V. Correlación y regresión lineal

Correlación lineal. Definición. Coeficiente de correlación.
Regresión lineal. Definición. Características. Diagrama de dispersión.
Modelo de regresión lineal simple.
Unidad VI. Pruebas no paramétricas Pruebas no paramétricas: para una
sola variable, para dos variables, para más de dos variables

Análisis Estadístico
“Recoge, ordena y analiza los datos de una muestra

extraída de una determinada población, para hacer
inferencias de esa población valiéndose del calculo de
probabilidades” (Amon, 2009)

• Conjunto de técnicas que se emplean para la recolección,
organización, análisis e interpretación de datos.”
(Kazmier, 2008).
• “Método de toma de decisiones frente a la incertidumbre.” (Chou, 2007)
• Recolección, presentación y caracterización de información para ayudar

tanto en el análisis de datos como en el proceso de toma de
decisiones.”(Berenson y Levine, 2006)
• “El análisis estadístico se usa para manipular resumir e investigar datos

con el fin de obtener información útil en La toma de decisiones.” (Hanke
y Reitsch, 2007)
• “Métodos y procedimientos para recoger, clasificar, resumir, hallar

regularidades y analizar los datos, siempre y cuando la variabilidad e
incertidumbre sea una causa intrínseca de los mismos.” (Montiel y otros,
2006)

ESTADISTICA DESCRIPTIVA : Puede definirse como aquellos métodos que
incluyen la recolección, presentación y caracterización de un conjunto de datos
con el fin de describir apropiadamente las diversas características de ese
conjunto de datos.
ESTADÍSTICA INFERENCIAL : Pueden definirse como aquellos métodos

que hacen posible la estimación de una característica de una población o la
toma de una decisión referente a una población, basándose solo en los
resultados de la muestra.

La inferencia estadística: proceso que consiste en inferir una
conclusión acerca de alguna medida de población (parámetro),
con base a algún estadístico obtenido de una muestra aleatoria,
con un cierto nivel de confianza. Las pruebas de hipótesis
ayudan a este proceso.
Población
Muestra

x 
s

DEFINICIONES BÁSICAS
POBLACIÓN: Es el conjunto integrado por todas las mediciones u

observaciones del universo de interés en la investigación. Por lo tanto
pueden definirse varias poblaciones en un solo universo, tantas como
características a medir.
MUESTRA: Es una parte (sub-conjunto) de la población, obtenida con

el propósito de investigar propiedades que posee la población. Es
decir, se pretende que dicho sub-conjunto, represente a la población a
la cual se extrajo.

DEFINICIONES BÁSICAS
PARÁMETRO: Es una medida de resumen que describe una

característica de toda una población. Por lo general se simboliza con
letras griegas, así:
𝜇 𝜎
ESTADÍSTICO: Es una medida de resumen que se calcula para
describir una característica a partir de una sola muestra de la
población. Se calcula a partir de los datos de la muestra y, por lo
tanto sirve para estimar parámetros. Generalmente es
simbolizado por letras latinas minúsculas, así:
𝑥ҧ 𝑠

VARIABLES
Cada uno de los rasgos o característica de los elementos de una
población y que varían de un individuo a otro
Ejemplos: Peso, estatura, nacionalidad, religión, la agresividad verbal,
presión arterial, nivel socio económico.

Cuantitativas o Numéricas
Si sus valores son numéricos (tiene sentido hacer operaciones algebraicas

con ellos)
• Discretas: Si toma valores enteros. Ejemplos: Número de hijos,
número de exámenes médicos
• Continuas: Si entre dos valores, son posibles infinitos valores

intermedios. Ejemplos: Altura, Presión intraocular, Dosis de
medicamento administrado.
Cualitativas o categóricas
Si sus valores) no se pueden asociar naturalmente a un número (no se
pueden realizar operaciones algebraicas con ellos)
• Nominales: Si sus valores no se pueden ordenar. Ejemplos: Grupo

Sanguíneo, Religión, Nacionalidad, Fumar (Sí/No)
• Ordinales: Si sus valores se pueden ordenar. Ejemplos: Mejoría a un

tratamiento, Grado de satisfacción de necesidades, Intensidad del
dolor

NIVEL DE MEDICIÓN
Nombra las observaciones en  Sexo

categorías mutuamente excluyente.  Raza
NOMINAL
Nombres o clasificaciones que se  Diagnósticos
utilizan para datos en categorías
distintas y separadas.
Son las que clasifican las observaciones  Nivel Socioeconómico

en categorías con un orden Bajo, medio y alto.
significativo.  Actitud
ORDINAL Hay orden y jerarquía En desacuerdo, Indeciso, De
acuerdo
Únicamente tiene sentido la diferencia  Edad
entre sus valores Temperatura
INTERVALO
RAZON Además de la diferencia, tiene sentido Peso
la razón entre sus valores Distancias Km., pie

Concepto de asociación entre variables
El análisis estadístico de la asociación (relación,
covarianza, correlación) entre variables representa
una parte básica del análisis de datos en cuanto que
muchas de las preguntas e hipótesis que se
plantean en los estudios que se llevan a cabo en la
práctica implican analizar la existencia de relación
entre variables.
La existencia de algún tipo de asociación entre dos
o más variables representa la presencia de algún
tipo de tendencia o patrón de emparejamiento
entre los distintos valores de esas variables.

Correlaciones Bivariadas
SPSS nos proporciona los siguientes coeficientes para la relación entre
variables.
Peason: Es una medida de la asociación lineal entre dos variables. Los valores
del coeficiente de correlación van de -1 a 1. El signo del coeficiente indica la
dirección de la relación y su valor absoluto indica la fuerza. Los valores mayores
indican que la relación es más estrecha.
Tau-b de Kendall: Es una medida no paramétrica de asociación para variables
ordinales o de rangos que tiene en consideración los empates. El signo del
coeficiente indica la dirección de la relación y su valor absoluto indica la
magnitud de la misma, de tal modo que los mayores valores absolutos indican
relaciones más fuertes. Los valores posibles van de -1 a 1,
Spearman: Versión no paramétrica del coeficiente de correlación de Pearson,
que se basa en los rangos de los datos en lugar de hacerlo en los valores reales.
Resulta apropiada para datos ordinales, o los de intervalo que no satisfagan el
supuesto de normalidad. Los valores del coeficiente van de -1 a +1. El signo del
coeficiente indica la dirección de la relación y el valor absoluto del coeficiente
de correlación indica la fuerza de la relación entre las variables. Los valores
absolutos mayores indican que la relación es mayor.

P-Value (P-valor)
Es el dato obtenido a partir del valor del estadístico del
contraste, en las observaciones que corresponden a la
realización de la muestra de tamaño n extraída de la población X
Interpretación:
Se rechaza la hipótesis nula si el valor p asociado al resultado
observado es igual o menor que el nivel de significación
establecido, convencionalmente 0,05 ó 0,01. Es decir, el valor p
nos muestra la probabilidad de haber obtenido el resultado que
hemos obtenido si suponemos que la hipótesis nula es cierta. Si
el valor p es inferior al nivel de significación nos indica que lo
más probable es que la hipótesis de partida sea falsa

Correlaciones Parciales
El procedimiento de Correlaciones parciales permite estudiar
la relación existente entre dos variables cuantitativas
controlando el posible efecto de una o más variables
cuantitativas extrañas. Un coeficiente de correlación parcial es
una técnica de control estadístico que expresa el grado de
relación lineal entre dos variables tras eliminar de ambas el
efecto atribuible a terceras variables
Los casos en que se utiliza más son aquellos en los que se
pretende controlar variables como la edad y la inteligencia.

Estadística Inferencial:
Estimación y prueba de hipótesis
estadística

Comparación de medias
Prueba t Objetivo
Determinar si la diferencia entre la
media de una variable y un
Una muestra
determinado valor teórico es
estadísticamente significativa
Determinar si la diferencia entre
Dos muestras independientes las medias de dos grupos distintos
es estadísticamente significativa
Determinar entre las medias
Dos muestras relacionadas cuando un grupo se mide dos
veces: Antes y después

Intervalo de Confianza
Un intervalo de confianza es un rango de
valores, derivado de los estadísticos de la
muestra, que posiblemente incluya el valor de
un parámetro de población desconocido. Dentro
de los intervalos de confianza (IC) tenemos
𝑠 𝑠
𝑥ҧ − 𝑡𝛼Τ2 < 𝜇 < 𝑥ҧ + 𝑡𝛼Τ2
𝑛 𝑛

Prueba de Hipótesis
Una hipótesis estadística es una afirmación o
conjetura acerca de una o más poblaciones. Una
prueba de hipótesis comprende cinco componentes
principales:
• Hipótesis Nula
• Hipótesis Alternativa
• Región Crítica
• Estadística de Prueba
• Decisión

Tipo de Hipótesis
La estructura de la prueba de hipótesis se
formulará utilizando el término de hipótesis
nula. Eso se refiere a cualquier hipótesis que se
desea probar y se representa por 𝐻0 . El rechazo
de 𝐻0 da como resultado la aceptación de una
hipótesis alternativa que se representa por 𝐻1 .

Ejemplos de hipótesis nula y
alternativa.
𝐻0 : La esperanza de vida de un paciente con cáncer es de 6
meses.
𝐻1 : La esperanza de vida de un paciente con cáncer es mayor a 6
meses.
𝐻0 : No hay relación entre autoestima, y el temor de logro

𝐻1 : hay relación entre autoestima, y el temor de logro
𝐻0 : La edad promedio de adolescentes embarazadas es igual a

los 16 años
𝐻1 : La edad promedio de adolescentes embarazadas es
diferente a los 16 años
Valor – P (P – Value)
Con frecuencia se hace referencia al valor de p, como el
nivel mas bajo al que se puede rechazar H0 para un
conjunto de datos.
• Si el “valor p” (Sig.) es menor o igual que , la H0 se
rechaza
• Si el “valor p” (Sig.) es mayor que , la H0 no se

rechaza

Prueba t para una muestra
Ejemplo 1: El promedio histórico de trabajadores que presenta
alguna enfermedad laboral de las empresas de la ciudad es de 20
pacientes por mes. Se quiere investigar esta cifra y se realiza un
muestreo durante 28 meses obteniéndose los siguientes resultados:
15, 12, 18, 13, 14, 18, 16, 15, 19, 16, 25, 17, 24, 19, 28, 21
12, 22, 10, 17, 18, 8, 9, 17, 23, 24, 19, 13
a. Realice un intervalo de confianza de 95% para el número
promedio de trabajadores con enfermedad laboral.
b. A un nivel de significancia del 5% pruebe que el número promedio
de enfermos es de 20

Prueba t para una muestra
Ejemplo 2. Durante el año pasado en una industria de la

ciudad 28 empleados fueron incapacitados por accidentes
laborales, el numero de días perdidos a causa de la
incapacidad se presenta a continuación.
11, 10, 13, 2, 5, 7, 5, 8, 9, 11, 5, 4, 6, 12, 10, 17, 20, 14, 4,
5, 9, 9, 8, 7, 6, 4, 8, 2
a. Obtenga un IC del 99% para el número medio de días
perdidos por los empleados.
b. Pruebe la hipótesis a un nivel de significancia del 0.01.
De que el número medio de días perdidos a causa de los
accidentes laborales fue diferente a 8.

Prueba t para dos muestras
independientes
𝐻𝑜 : No hay diferencia entre las medias de los dos grupos
𝐻1 : Hay diferencia entre las medias de los dos grupos
Requisitos:
 La variable de respuesta debe ser cuantitativa.
 Los dos grupos de observación deben ser independientes.
 La variable de respuesta debe normal en ambos grupos.
 Homogeneidad de la varianza (Prueba de Levene).
Las Hipótesis para la prueba de Levene son:
𝐻𝑜 : Las varianzas son iguales
𝐻1 : Las varianzas son diferentes

independientes
Ejemplo 1 Esta generalmente aceptado que
existen diferencias ligadas al sexo relacionadas
con la respuesta al estrés producido por el calor.
Se sometido a un grupo de 10 varones y 8
mujeres a un programa de ejercicios enérgicos,
el medio era caluroso, y se disponía de una
cantidad mínima de agua para los individuos. La
variable de interés fue el porcentaje de peso
corporal perdido. Se obtuvieron los datos
siguientes:
independientes
Hombres 2.9 3.5 3.9 3.8 3.6 3.7 3.8 4.0 3.6 3.7
Mujeres 3.0 2.5 3.7 3.3 3.8 4.1 3.6 4.0
a. Determine un IC del 95% para la diferencia entre las

medias de los pesos corporales. ¿Existe diferencia?
b. Pruebe la hipótesis de que existe diferencia entre la
media los pesos corporales. Utilice un α=0.05

independientes
Ejemplo 2. Se lleva a cabo un estudio para
investigar la capacidad de los monocitos para
destruir ciertas células de levadura halladas en
pacientes con cirrosis hepática. Estas células son
perjudiciales en el sentido de que hacen al paciente
susceptible frente a infecciones recurrentes de
diversos tipos. Se toman muestras de sangre de 16
pacientes con cirrosis y de 12 pacientes control. Se
obtuvieron los siguientes datos sobre el porcentaje
de células de ese tipo eliminadas por los monocitos
del cultivo.

independientes
Cirrosis 28.2 24.9 23.7 32.4 33.9 39.5 30.8
Control 44.2 40 34.5 22.4 28.7 43.2 41.7
Cirrosis 40.1 33.6 32.7 29.4 24.4 26.8 43.5 24 28.2

Control 34.7 23.6 35 24.7 38.9
a. Determine un IC del 97% para la diferencia entre las

medias de los pacientes con cirrosis y control ¿Existe
diferencia?
b. Pruebe la hipótesis de que existe diferencia entre la
medias de la grasa corporal. Utilice un α=0.03

Prueba T Para Muestras Relacionadas
Las hipótesis para esta prueba son:
𝐻𝑜 : No existe un cambio entre las variables
𝐻1 : Existe un cambio entre las variables
Generalmente se aplica en investigaciones donde se
realizan dos mediciones a un mismo grupo de
sujetos, uno antes y otra después de aplicar un
tratamiento.
REQUISITOS:
 La variable de respuesta debe ser cuantitativa.
 La variable de respuesta debe estar distribuida
normalmente en ambos grupos.

Ejemplo 1: Con el fin de combatir la obesidad en 10 de los
trabajadores de una empresa, ella decide inscribir a sus
empleados en un programa de reducción de peso. Para
observar que el programa es efectivo, el gerente decide
tomar el peso (en libras) de sus empleados, antes y
después de realizar el programa. Los datos se muestran a
continuación:
Antes 189 202 220 207 194 177 193 202 208 233
Después 170 179 203 192 172 161 174 187 186 204
¿Cree usted que existe un cambio en la reducción del peso
de los empleados?

Ejemplo 2 : Se pensó que un programa de ejercicios
regulares, moderadamente activos, podría beneficiar a
los pacientes que habían sufrido previamente un infarto
de miocardio por exceso de trabajo. Once individuos
participaron en un estudio para comprobar este
argumento. Antes de que empezara el programa, se
determinó la capacidad de trabajo de cada persona
midiendo el tiempo que tardo en alcanzar una frecuencia
de 160 latidos por minuto mientras caminaba sobre una
cinta sin fin. Después de 25 semanas de ejercicio
controlado, se repitieron las medidas en la cinta sin fin y
se registró la diferencia en tiempo para cada sujeto.
Resultaron los siguientes datos:

Sujeto 1 2 3 4 5 6 7 8 9 10 11
Antes 7.6 9.9 8.6 9.5 8.4 9.2 6.4 9.9 8.7 10.3 8.3
Después 14.7 14.1 11.8 16.1 14.7 14.1 13.2 14.9 12.2 13.4 14.0
a. Realice la prueba de normalidad para cada una de las

variables.
b. ¿Sostienen estos datos el argumento de los investigadores?

Análisis de Varianza (ANOVA)

ANOVA
Representa un conjunto de técnicas estadísticas que permiten
analizar el efecto de los niveles de diversos factores (variable
Independiente) sobre una característica, medida a través de una
o mas variables conocidas como dependientes.
Este método se utiliza cuando
• Se determinar la significación de la diferencia entre las
medias de mas de dos grupos
• Se desea explicar una variable dependiente a partir de más
variables independientes

ANOVA
Requisitos:
• Los datos dentro de cada grupo deben ser una
muestra de distribución Normal
• Las Varianzas de los grupos (poblaciones) deberían
ser iguales
Hipótesis para la tabla ANOVA
𝐻0 : Las medias de los tratamientos son iguales
𝐻1 : Las medias de los tratamientos son diferentes

ANOVA
Ejemplo 1. Se realiza un estudio para comparar la eficacia de
tres programas terapéuticos para el tratamiento del acné de
tipo medio a moderado. Se emplean tres métodos:
I. Este método, el mas antiguo, supone el lavado, dos veces al
día, con un cepillo de polietileno y un jabón abrasivo, junto
con el uso diario de 250 mg de tetraciclina.
II. Este método, el utilizado actualmente, consiste en la
aplicación de crema de tretinoina, evitar el sol, lavado dos
veces al día con un jabón emulsionante y agua, y la utilización,
de dos veces al día, de 250 mg de tetraciclina.
III. Este es un nuevo método que consiste en evitar el agua,
lavado dos veces al día con un limpiador sin lípidos, y uso de
crema de tretinoina y de peróxido de benzoilo.
ANOVA
Se comparan estos tres tratamientos en cuanto a su
eficacia en la reducción del numero de lesiones de
acné en los pacientes. En el estudio participaban
treinta pacientes, se les separo aleatoriamente en
tres subgrupos. A uno de los grupos se le asigno el
tratamiento I; a otro el tratamiento II; y al tercero,
el tratamiento III. Después de16 semanas, se anoto
para cada paciente el porcentaje de mejoría en el
numero de lesiones. Los datos se muestran a
continuación:

ANOVA
I II II
48.6 68.0 67.5
49.4 67.0 62.5
50.1 70.1 64.2
49.8 64.5 62.5
50.6 68.0 63.9
50.8 68.3 64.8
47.1 71.9 62.3
52.5 71.5 61.4
49.0 69.9 67.4
46.7 68.9 65.4
A un nivel de significancia del 5% determine si existe diferencia

significativa entre las medias de los tratamientos

ANOVA
Ejemplo 2: Para verificar si la memoria cambia con la edad, se
forman 4 grupos de 6 sujetos cada uno y se les pide recordar
sílabas que se muestra cada cuatro segundos. existen diferencias
significativas entre los grupos de estudiantes?
30 años 40 años 50 años 60 años

14 12 17 13
13 15 14 10
15 16 14 7
17 11 9 8
12 12 13 6
10 18 15 9
Análisis de Variables Categóricas

Prueba chi – cuadrado de Pearson
(Prueba de Independencia)
Esta prueba nos permite determinar si existe
una relación entre dos variables categóricas. Es
necesario resaltar que esta prueba nos indica si
existe o no una relación entre las variables, pero
no indica el grado o el tipo de relación; es decir,
no indica el porcentaje de influencia de una
variable sobre la otra o la variable que causa la
influencia.

Prueba de Independencia
Las hipótesis a probar para esta prueba son:
𝐻0 : Existe independencia entre las variables
𝐻1 : No Existe independencia entre las variables

Ejemplo 1: A un grupo de 16 trabajadores de una fabrica
de la ciudad se les pide el genero y el estado civil.
Genero Esta. Civil Genero Esta. Civil

Mujer Soltero Hombre Separado
Mujer Casado Hombre Separado
Hombre U. libre Mujer Soltero
Mujer U. libre Hombre Casado
Hombre Casado Mujer Casado
Mujer Soltero Mujer U. libre
Hombre Soltero Hombre Soltero
Mujer Soltero Mujer Soltero
Ejemplo 2: Se realiza una investigación sobre una nueva
vacuna contra la gripe. Se elige una muestra aleatoria
de 15 individuos y se clasifica a cada uno de ellos según
haya contraído la gripe durante el ultimo año o no, y
según haya sido o no vacunado. Se obtiene la
información
Vacunado Si Si Si No No Si Si No Si No Si No No Si No
Gripe Si No No Si Si No No No Si No No Si Si Si No

Prueba de McNemar
Se utiliza para decidir si se puede o no aceptarse
que determinado tratamiento induce un cambio
en la respuesta de los elementos sometidos al
mismo, se aplica a los diseños tipo antes-
después.
La hipótesis para esta prueba son:
𝐻0 : No Existe un cambio entre las variables

Prueba de McNemar
Los siguientes datos de 12 empleados
representan la respuesta (Correcta o incorrecta)
que dieron a una pregunta antes y después de
recibir una determinada capacitación.
Antes Incorrecta Incorrecta Incorrecta Incorrecta Incorrecta Incorrecta
Después Correcta Correcta Correcta Correcta Incorrecta Correcta
Antes Correcta Incorrecta Correcta Incorrecta Incorrecta Incorrecta

Después Correcta Incorrecta Incorrecta Correcta Correcta Correcta
A un nivel de significancia del 5% determine si

existe un cambio
Análisis de Regresión

Regresión Lineal Simple
La regresión implica la obtención de una
ecuación mediante la cual pueda estimarse el
valor medio de una variable aleatoria, desde el
conocimiento de los valores tomados por una o
mas variables diferentes.
En el modelo de regresión simple hay dos
variables una independiente (x) y una
dependiente (y) el cual está dado por:
𝑌 = 𝑎 + 𝑏𝑥𝑖 + 𝑒𝑖

Coeficiente de Correlación
Llamado también coeficiente de correlación de
Pearson. Se representa por 𝑟 y es una medida
que indica el grado de asociación entre dos
variables x e y.

Ejemplo
En la tabla Siguiente se muestran las
puntuaciones recogidas a partir de una muestra
de 27 sujetos en una escala observacional de
estrés y en un test orientado a evaluar la
utilización de mecanismos de afrontamiento. El
rango de puntuaciones en ambas variables
puede oscilar entre 0 a 100, significando
puntuaciones más altas mayor estrés y mayor
capacidad de utilización de mecanismos de
afrontamiento, respectivamente.
Ejemplo 1
Caso 1 2 3 4 5 6 7 8 9 10 11 12 13 14
Estrés 61 26 32 22 38 80 17 10 47 15 50 25 50 30
Afronta 38 80 40 84 62 18 65 78 22 60 50 58 20 45
Caso 15 16 17 18 19 20 21 22 23 24 25 26 27
Estrés 78 10 35 31 4 6 7 17 37 45 50 67 70
Afronta 19 84 63 43 87 84 83 85 35 15 29 28 35

Ejemplo 2
Los gemelos monocigóticos comparten varios rasgos físicos,
psicológicos y patológicos. El tratamiento de imágenes del
cerebro permite, mediante resonancia magnética y análisis
computarizados, cuantificar determinadas medidas y
parámetros neuroanatómicos. Se diseña un estudio utilizando
estas técnicas para establecer si dichas características tienen
alguna relación con el cociente intelectual y si existe alguna
relación entre estas medidas.
Utilizando estas técnicas se obtuvieron el área de la superficie
del córtex cerebral, el área del corpus callosum sagital y el
volumen de la cabeza, medido en diferentes pares de gemelos
monocigóticos. Además, se obtuvieron medidas del peso
corporal, el cociente intelectual y la circunferencia de la
cabeza.
En este estudio se desea establecer si existe relación en las
medidas neuroanatómicas entre gemelos monocigóticos y si
existe relación entre el cociente intelectual y las medidas
neuroanatómicas.

Ejemplo 2
La siguiente tabla muestra la relación entre el cociente
intelectual y el área del córtex cerebral de 20 pares
de gemelos.
X 9 10 6 8 10 5 8 7 4 11 7 7 6 8 5 11 5 9 6 10
Y 72 76 59 68 60 58 70 65 54 83 64 66 61 66 57 81 59 71 62 75

Pruebas No Paramétricas

Prueba Chi – Cuadrado para una
muestra
Se usa para hacer pruebas de hipótesis acerca
de la mediana de una población.
𝐻𝑜 : La Mediana es iguala un valor dado.
𝐻1 : La mediana es diferente de un valor
dado.

Prueba Chi
Un estudio sobre crecimiento basado en datos
recogidos desde 1971 a 1974 indica que la estatura
de los hombres entre los dieciocho y los veinticuatro
años era de 177 cm. Se presume que debido a una
mejor alimentación y atención sanitaria. Se tomó una
muestra de 20 sujetos y se les pregunto por su
estatura, dando los siguientes resultados:
178, 167, 198, 189, 181, 171, 184, 171, 177, 181, 177,
179, 170, 183, 186, 180, 178, 186, 165, 193
Pruebe la hipótesis de que la mediana de las
estaturas de los jóvenes de este grupo es diferente de
cero

Ejemplo 2
En general, la mediana del tiempo de supervivencia de
los pacientes de leucemia mieloblástica aguda con los
que se logra una remisión completa, a partir de un
tratamiento convencional, es de veintiún meses. Se esta
estudiando un nuevo procedimiento con el que se
espera que aumente la mediana del tiempo de
supervivencia. Se anota este tiempo para 10 pacientes a
los que les ha sido aplicado:
24.1, 21.5, 25.8, 20.1, 20.5, 28.9, 20.9, 19.2, 27.3, 26.3
Pruebe la hipótesis de que la mediana de los tiempos de
supervivencia es diferente de cero

Prueba U de Mann - Whitney
Es una excelente alternativa a la prueba t sobre la
diferencia de medias. Debe cumplir las siguientes
características:
• No se cumplen los supuestos en lo que se basa
la prueba t (Normalidad, igualdad de varianza)
• No es apropiado usar la prueba t porque el
nivel de medida de los datos es ordinal.
Las hipótesis a probar son las siguientes:
𝐻𝑜 : No hay diferencia entre las medianas de los
dos grupos
𝐻1 : Hay diferencia entre las medianas de los dos
grupos
Prueba U de Mann - Whitney
Ejemplo 1: En un estudio sobre el habito de
fumar y sus efectos sobre las pautas del sueño,
una de las variables importantes es el tiempo
que se tarda en quedarse dormido. Se extrae
una muestra, de tamaño 12, de la población de
fumadores y otra independiente, de tamaño 15,
de la población de no fumadores. Se obtienen
los siguientes
Fumadores 69.3 56.0 22.1datos:
47.6 53.2 48.1 23.2 13.8 52.7 34.4 60.2 43.8
No Fumadores 28.6 25.1 26.4 34.9 29.8 28.4 38.5 30.2 30.6 31.8 41.6 21.1 36 37.9 13.9
¿Existe diferencia entre los dos grupos?

Ejemplo 2
El número de horas semanales dedicados a
estudiar estadística dos grupos de estudiantes se
muestra a continuación
Grupo 1 10 6 8 10 12 13 11 9 5 11
Grupo 2 13 17 14 12 10 9 15 16 11 8 9 7
Existe diferencia ente los dos grupos

Prueba de Wilcoxon: datos
emparejados
Se utiliza para dos muestras pareadas y la
variable de respuesta es ordinal o cuantitativa.
Es la homóloga no paramétrica de la prueba
paramétrica t para muestras pareadas.
La hipótesis para esta prueba son:
𝐻0 : No Existe un cambio entre las variables

Prueba de Wilcoxon – Ejemplo 1
Se desarrolla un programa, de veinte semanas de
duración, de entrenamiento físico para mujeres. Una
variable estudiada es la capacidad máxima de oxigeno
admitida por el sujeto. Se mide mientras esta
utilizando una banda de marcha, tanto antes como
después del periodo de ejercicio. Se espera que el
ejercicio aumentara el valor de esta variable para la
mayor parte de los individuos.
Antes 1.98 1.57 1.89 1.42 1.73 1.95 1.69 1.92 1.96 1.94
Despues 2.26 1.83 2.31 1.79 1.65 2.26 2.10 2.15 1.54 1.87

Prueba de Wilcoxon – Ejemplo 2
En un estudio sobre empleo del captopril en
pacientes hipertensos tratados con diuréticos, se
utiliza una dosis de 6.25 mg. Se anota la tensión
arterial sistólica de cada paciente antes de que
reciba el fármaco y setenta minutos después de
que le haya sido administrado.
Antes 175 179 165 170 160 180 177 178 173 176
Después 140 143 135 133 162 150 182 139 140 141
Determine si el fármaco es eficaz en la disminución
de la tensión arterial

Presentacion Seguridad y Salud en El Trabajo

Cargado por

Información del documento

Descripción original:

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

Presentacion Seguridad y Salud en El Trabajo

Cargado por

Copyright:

Formatos disponibles

ESPECIALIZACIÓN EN SEGURIDAD Y SALUD

Plutarco Martínez Bustos – Docente

Especialización en Seguridad y Salud en el trabajo – Estadística

Unidad I. Introducción al análisis estadístico

Especialización en Seguridad y Salud en el trabajo – Estadística

Unidad V. Correlación y regresión lineal

Especialización en Seguridad y Salud en el trabajo – Estadística

“Recoge, ordena y analiza los datos de una muestra

Especialización en Seguridad y Salud en el trabajo – Estadística

• Recolección, presentación y caracterización de información para ayudar

• “El análisis estadístico se usa para manipular resumir e investigar datos

• “Métodos y procedimientos para recoger, clasificar, resumir, hallar

Especialización en Seguridad y Salud en el trabajo – Estadística

ESTADÍSTICA INFERENCIAL : Pueden definirse como aquellos métodos

Especialización en Seguridad y Salud en el trabajo – Estadística

Especialización en Seguridad y Salud en el trabajo – Estadística

POBLACIÓN: Es el conjunto integrado por todas las mediciones u

MUESTRA: Es una parte (sub-conjunto) de la población, obtenida con

Especialización en Seguridad y Salud en el trabajo – Estadística

PARÁMETRO: Es una medida de resumen que describe una

Especialización en Seguridad y Salud en el trabajo – Estadística

Especialización en Seguridad y Salud en el trabajo – Estadística

Si sus valores son numéricos (tiene sentido hacer operaciones algebraicas

• Continuas: Si entre dos valores, son posibles infinitos valores

• Nominales: Si sus valores no se pueden ordenar. Ejemplos: Grupo

• Ordinales: Si sus valores se pueden ordenar. Ejemplos: Mejoría a un

Especialización en Seguridad y Salud en el trabajo – Estadística

Nombra las observaciones en  Sexo

Son las que clasifican las observaciones  Nivel Socioeconómico

Especialización en Seguridad y Salud en el trabajo – Estadística

Especialización en Seguridad y Salud en el trabajo – Estadística

Especialización en Seguridad y Salud en el trabajo – Estadística

Especialización en Seguridad y Salud en el trabajo – Estadística

Especialización en Seguridad y Salud en el trabajo – Estadística

Especialización en Seguridad y Salud en el trabajo – Estadística

Especialización en Seguridad y Salud en el trabajo – Estadística

Especialización en Seguridad y Salud en el trabajo – Estadística

Especialización en Seguridad y Salud en el trabajo – Estadística

Especialización en Seguridad y Salud en el trabajo – Estadística

𝐻0 : No hay relación entre autoestima, y el temor de logro

𝐻0 : La edad promedio de adolescentes embarazadas es igual a

• Si el “valor p” (Sig.) es mayor que , la H0 no se

Especialización en Seguridad y Salud en el trabajo – Estadística

Especialización en Seguridad y Salud en el trabajo – Estadística

Ejemplo 2. Durante el año pasado en una industria de la

Especialización en Seguridad y Salud en el trabajo – Estadística

Especialización en Seguridad y Salud en el trabajo – Estadística

a. Determine un IC del 95% para la diferencia entre las

Especialización en Seguridad y Salud en el trabajo – Estadística

Especialización en Seguridad y Salud en el trabajo – Estadística

Cirrosis 40.1 33.6 32.7 29.4 24.4 26.8 43.5 24 28.2

a. Determine un IC del 97% para la diferencia entre las

Especialización en Seguridad y Salud en el trabajo – Estadística

Especialización en Seguridad y Salud en el trabajo – Estadística

Especialización en Seguridad y Salud en el trabajo – Estadística

Especialización en Seguridad y Salud en el trabajo – Estadística

a. Realice la prueba de normalidad para cada una de las

Especialización en Seguridad y Salud en el trabajo – Estadística

Especialización en Seguridad y Salud en el trabajo – Estadística

Especialización en Seguridad y Salud en el trabajo – Estadística

Especialización en Seguridad y Salud en el trabajo – Estadística

Especialización en Seguridad y Salud en el trabajo – Estadística