Ejercicios resueltos de Chi cuadrado,

correlación y regresión lineal simple,

riesgo relativos y odds ratio
Profesor Leopoldo Bejarano
 Prueba de independencia
Ejemplo: El objetivo del estudio es:
Determinar si el toser por la mañana está asociado al
fumar cigarrillos en personas de 25 a 50 años de edad.

Para tal efecto Seleccionamos una muestra de 100

personas de esta población objeto de estudio y se
obtiene la siguiente. Tabla:
¿Tose por la ¿Fuma Cigarrillos? Total
Mañana?
SI NO

Si O11=45 O12=24 69
No O21=15 O22=16 31
Total 60 40 100

Oij: Frecuencia observada en la celda ij

 Prueba de independencia

1. Planteamiento de hipótesis
H0: Toser por la mañana es independiente de fumar
cigarrillos
H1: Toser por la mañana está asociado a fumar
cigarrillos.
 Estadística de prueba: Ji -cuadrada (2(n))
Se supone que Ho es verdadera, es decir, que las variables
son independientes, por consiguiente, se tiene:

Fórmula de trabajo:
(Oi -Ei ) 2

cc =å
Donde:
2
Oi: Frecuencia Observada
Ei Ei: Frecuencia Esperada

Total de Fila x Total de Columna

F. Esperada=
Total General

Grados de libertad = (f-1) (c-1)

Mide el grado de concordancia entre los pares de
frecuencias observadas y esperadas en cada una de las
celdas, suponiendo que H0 es verdadera.
 Prueba Ji-cuadrada (2) para el ejemplo:

2. Estadística de prueba: Donde:

(Oi -Ei ) 2
Oi: Frecuencia Observada
cc =å
2
Ei: Frecuencia Esperada
Ei
Total de Fila x Total de Columna
F. Esperada=
Total General

Tiene distribución ² con grados de libertad = (2-1) (2-1)=1

si Ho es verdadero
 Cálculo de frecuencias esperadas

¿Tose por la ¿Fuma Cigarrillos? Total

Mañana?
SI NO

Si E11 E12 69
No E21 E22 31
Total 60 40 100

Eij: Frecuencia esperada en la celda ij

 Prueba de independencia
3. Cálculo de frecuencias esperadas y 2:
69 x60
E11   41.4
100
69 x 40
E12   27.6
100
31x60
E21   18.6
100
31x 40
E22   12.4
100
 45  41.4   15  18.6   24  27.6   16  12.4 
2 2 2 2

 
2
c   
41.4 18.6 27.6 12.4
 c2  2.53
 Prueba de independencia

4. Valor de p:
De la tabla de la distribución de 2 con 1 gl.:
0,10  p  0,95
Nota: Al realizar el análisis con computadora se
obtiene un valor de p exacto.
5. Decisión y conclusión:
Decisión: Siendo p mayor de 0,05, no se rechaza
Ho.
Conclusión: toser en la mañana es independiente
de fumar cigarrillos (p>0.05).
 Prueba de homogeneidad
Ejemplo:
Evaluar la efectividad de un antibiótico en tres
enfermedades de trasmisión sexual. 
Cura de la ETS ETS Total

A B C
Si 75 25 70 170
No 15 45 10 70
Total 90 70 80 240
 Prueba de homogeneidad

Planteamiento de la hipótesis
Ho: Las muestras provienen de poblaciones homogéneas
según la cura de pacientes con ETS.
H1: Las muestras no provienen de poblaciones
homogéneas según la cura de pacientes con ETS.
 Prueba Ji-cuadrada (2)

Estadística de prueba:
(Oi -Ei ) 2

cc =å
2

Ei
Total de Fila x Total de Columna
F. Esperada=
Total General

Tiene distribución ² con grados de libertad = (2-1) (3-1)=2

si Ho es verdadero
 Prueba de homogeneidad
4. Frecuencias esperadas y cálculo de 2 :
170 x90 170 x70
E11   63.75 E12   49.58
240 240
170 x80 70 x90
E13   56.67 E21   26.25
240 240
70 x70 70 x80
E22   20.42 E23   23.34
240 240

 75  63.75   25  49.58   10  23.34 

2 2 2

 2
c    ... 
63.75 49.58 23.34
 c2  59.34
 Prueba de homogeneidad
5. Valor de p.
Considerando la tabla Ji cuadrado con 2 gl., el valor
de p que le corresponde es: p  0,005.
6. Decisión y conclusión:
Decisión: Siendo p  0,05, se rechaza la hipótesis
nula.
Conclusión: las muestras no provienen de poblaciones
homogéneas. Es decir, la capacidad de cura del
antibiótico difiere en al menos dos enfermedades.
 Ejemplo 2

una compañía farmacéutica conduce un estudio piloto

para evaluar la relación entre tres dosis en un nuevo
agente hipnótico y tiempo de sueño. los resultados de
este estudio son presentados de la siguiente manera.

Tiempo de sueño
en horas:
Dosis (mM/Kg)
Diagrama de Dispersión
Según el
diagrama de
dispersión, se
espera una
relación positiva
o directa entre
ambas variables.
Modelo estimado
de regresión
lineal simple:
y =a+bx
Cálculos Estadísticos
Coeficiente de Correlación Simple de la muestra
 .
Guía para interpretar r:
Valor de r Interpretación
0,00 Ausencia de correlación lineal

± 0,10 a ± 0,19 Correlación lineal insignificante

± 0,20 a ± 0,39 Correlación lineal baja-leve

± 0,40 a ± 0,69 Correlación lineal moderada

± 0,70 a ± 0,99 Correlación lineal alta a muy alta

± 1,00 Función lineal perfecta

Calculo e interpretación de la correlación lineal simple

• Reemplazamos valores en la ecuación anterior

tenemos:
• .r= 15*780- 84*72
• [15*1002-(84)²][15*642-(780)²]
• .r= 0.9004
La correlación entre dosis y tiempo de sueño es
positiva e intensa.
 Estimación de la Recta de Regresión

Por consiguiente el modelo de Regresión Estimado es:

 Que significa b:

• Por cada incremento de una unidad de dosis

(agente hipnótico) su respectivo tiempo de
sueño promedio aumentará en 0,5 puntos.
 Coeficiente de determinación: R²
Para medir el ajuste de los puntos a la recta utilizamos
el coeficiente de determinación. R²*100 nos indica
que porcentaje de la variabilidad de los valores de Y
es explicada por la regresión.
Considerando el ejemplo R²=r²= (0.9004)²=81.1%
y nos indica que el 81.1% de la variabilidad en los
valores de tiempo de sueño es explicada por la
regresión (cuando se considera dosis de un agente
hipnótico).